Michele De Rosa1 , Gabriele Ghibaudo*2, Cristian Rendina3, Stefania Roà4 1 Geo-K Srl satellite remote sensing.Via del Politecnico 1, 00133 Roma
2, CEO LRC Servizi srl powering Datameteo.com, Via Piave 4/c 12022 Busca CN 3,4 Meteorologo LRC Servizi srl powering Datameteo.com, Via Piave 4/c 12022 Busca CN 1info@geok.co 2,3,4info@datameteo.it
Abstract
DatameteoNOW Storm Track is one of the component of MeteoBrowser 2, our new 2D-3D geolocated content delivery system that can display all types of real-time weather information, high resolution weather model maps, fire and weather alerts. The extensive family of our weather data services (data, forecast, sat, webcams) offered, combined into a single web- based product platform with the addition of the Storm Tracking capability, is a milestone for the nowcasting. This feature, interfaced with an innovative realtime output validation system, is able to calibrate and validate the outputs at the same time.
DatameteoNOW Storm Track è uno dei componenti di MeteoBrowser 2, il nostro nuovo sistema geolocalizzato di distribuzione di contenuti 2D-3D in grado di visualizzare tutti i tipi di informazioni meteorologiche in tempo reale, mappe da modelli meteo ad alta risoluzione, allerte ed avvisi meteo. L’integrazione di questo prodotto di nowcasting, sviluppato con GEOK nella filiera di offerta meteorologica, rappresenta una pietra miliare nel settore del nowcast, interfacciato con un innovativo sistema di validazione realtime, in grado di validare gli output e minimizzare gli errori della sorgente satellitare utilizzata.
Parole chiave: nowcasting temporali, evoluzione breve termine temporali, previsione temporali, fulminazioni Keywords: storm track nowcasting, storm short-term forecast, satellite t-storm scanning, lightning
Introduction
La piattaforma Storm Track permette la rilevazione, il monitoraggio e la previsione della convezione all'interno di una cella, utilizzando una combinazione di canali satellitari dal visibile all’infrarosso. L'algoritmo funziona con i canali satellitari per rilevare la base (individuazione iniziale) e la sommità delle nubi (Kolios e Feidas, 2010), approssimando l’oggetto convettivo ad una forma convessa.
La piattaforma al momento copre la zona esaminata dai satelliti Meteosat (Europa, Africa, Eurasia).
Fig.1: Attuale area di copertura del servizio Strom Track Browser che utilizza i satelliti Meteosat.
Fig.1: Actual Strom Track Browser Area Coverage.
L’innovazione del progetto e il contenimento dei costi, delle risorse informatiche e delle tempistiche di elaborazione, rendono il prodotto altamente scalabile e configurabile.
La piattaforma consente la rilevazione, il monitoraggio e la previsione della convezione all'interno di una cella, definendo la forma, la dimensione e l'evoluzione delle nubi, con un'intuitiva combinazione di colori (il giallo indica la fase di innesco, l'arancio la crescita,il blu la fase matura, il viola la sua dissipazione). Una recente innovazione è stata quella di integrare
nella piattaforma il dato di fulminazione proveniente da reti di parti terze, sia a fine di validazione, sia di incremento dell’accuratezza. (Fig. 2)
Fig. 2: a) Rappresentazione del potenziale convettivo con una intuitiva scala di colori e tracking delle celle. b) Dettaglio della rappresentazione del potenziale convettivo con una intuitiva scala di colori e tracking delle celle. Le linee tratteggiate rappresentano la prevista evoluzione della cella temporalesca.
Fig. 2: a) Image showing the convective cells potential put in evidence by an intuitive color scale and the T-storm tracking. B) Image showing the convective cells potential details put in evidence by an intuitive color scale and the T-storm tracking. The dashed lines are the cell forecasted evolution.
Materials and Methods
L’algoritmo, oltre ad un'intuitiva visualizzazione, propone la possibilità di conoscere per ogni cella attiva alcune importanti informazioni di tipo numerico quali: area di sviluppo in km2, centroide della stessa, temperatura della sommità della nube in °C, distanza dal punto della propria geolocalizzazione. Due indici statistici completano il quadro dei dati disponibili (Fig. 3).
Fig. 3: Output numerici della piattaforma disponibili per ogni cella attiva rilevata dal sistema di Storm Tracking. Fig. 3: Numerical output available for each convective cell detected by the Storm Tracking platform.
Gli indici statistici che indicano l'Accuratezza ed Efficienza attesa (Expected Accuracy and Efficiency) non sono tanto utili a livello di validazione, ma sono interessanti per la calibrazione stessa dell’algoritmo. Infatti gli stessi danno un’idea dell’accuratezza (non statistica assoluta) come parametro di riferimento di detect della cella convettiva, in una data ora e luogo, rispetto ad una base statistica.
Lo stesso dicasi in linea generale per l’efficienza attesa. Questo indice ci fornisce un parametro di “reattività dell’algoritmo” nel rilevare la cella convettiva in una determinata posizione spazio-temporale.
Con l’aumentare degli archivi di dati a disposizione, confrontabili con i report realtime, saremo in grado di operare dei training mirati sull’algoritmo, al fine di predisporre delle calibrazioni stagionali.
Un ampio studio di validazione su di una vasta regione (Fig.4) che divide l’Europa in 10 sub-regioni, è disponibile con dati che vanno dal 22 Giugno 2015 al 13 Luglio 2016. I dati del mese di Dicembre 2015 sono stati esclusi per problemi di elaborazione.
La sorgente utilizzata per la validazione è stata la rete di fulminazione ATDNET con il dato di fulminazione rilevato in una finestra da 5 minuti prima sino a 10 minuti dopo la finestra dello Slot del dato Meteosat aggiornato ogni 15 minuti. La tipologia di fulminazione considerata è quella dei fulmini C-G, ovvero cielo-terra.
Fig. 4: Area oggetto del processo di validazione con Europa divisa in 10 sub-regioni.
Fig. 4: Area for validation process divided in 10 sub- regions.
Come piattaforma per la validazione è stato utilizzato il tool MET (Meteorological Evaluation Tool), che è universalmente utilizzato per la validazione nell'ambito della modellistica meteorologica. Qui sotto viene sintetizzato nel digramma il processo di uniformazione, controllo e validazione.
Fig. 5: Diagramma che illustra il processo di uniformazione, controllo e validazione del dato.
Fig. 5: Diagrams showing the validation check approach used.
Al fine di meglio rappresentare il processo di validazione abbiamo scelto di utilizzare due tipologie di indicatori:
- Probability of Detection (POD), cioè la capacità dell’algoritmo di individuare una cella convettiva;
- False Alarm Ratio (FAR) l’ammontare di allarmi relativi a celle convettive non correttamente rilevate.
Fig. 6: Indici oggetto del processo di validazione: Probability of Detection (POD),
False Alarm Ratio (FAR).
Fig. 6: Validation Index: Probability of
Detection (POD), False Alarm Ratio (FAR).
Results and Discussion
Grazie al lavoro di validazione si sono potute analizzare le performance del sistema DatameteoNOW Storm Track: in presenza di attività convettiva da moderata ad intensa, l'apparato si è dimostrato un ottimo rilevatore di celle temporalesche. Questo si evince dal fatto che la differenza dall'indice POD (capacità dell’algoritmo di individuare una cella convettiva) e del FAR (ammontare di allarmi relativi a celle convettive non correttamente rilevate) sia sempre positiva durante i mesi estivi nelle ore centrali del giorno, periodo in cui si presentano maggiormente precipitazioni convettive.
Fig. 7: Differenza tra l'indice POD e FAR sull'Italia. Fig. 8: Indici medi POD e FAR su diverse aree europee.
Fig. 7: POD-FAR difference on Italy. Fig. 8: Average Index POD and FAR on European
Regions.
In generale
• FAR>=POD, ma bisogna ricordare che la maggior parte degli allarmi relativi a celle convettive non correttamente rilevate (FAR) si verifica in presenza di bassa convezione e mancanza di attività elettrica. Per limitare questo errore si è integrato il sistema con reti di rilevamento della fulminazione.
Si notino i buoni andamenti (alto POD e basso FAR) su Italia e Alpi. Score più bassi sull'Europa Settentrionale, probabilmente dovuta alla mancanza di attività di fulminazione e ad una bassa risoluzione satellitare.
Conclusions
Riassumendo DatameteoNow Storm Track è stato oggetto di un'ampia validazione, con più di 20.000 immagini satellitari analizzate. Questo processo ha permesso di ottenere risultati lusinghieri, che dimostrano la valenza del prodotto, la sua flessibilità ed usabilità. Per questo si è deciso di rendere il processo di validazione incrementale ed aggiornato realtime. Questo ci permetterà di avere informazioni sempre aggiornate sulle prestazioni, al fine anche di testare nuove soluzioni integrate, come quella dell’utilizzo della fulminazione IC (Intra-Cloud), indice del potenziale della nube convettiva.
Questi fulmini possono essere utili per integrare le informazioni dei canali satellitari, eliminare i falsi positivi ed interfacciare nuovi indici sul potenziale convettivo della cella.
Fig. 9: Particolare della possibile rappresentazione 3D di una cella convettiva in evoluzione.
Fig. 9: 3D representation of T-storm convective cells.
Sviluppi sul fronte prettamente agrometeorologico saranno:
• L’estensione della capacità di previsione dell’evoluzione della cella temporalesca ai prossimi 60 minuti;
• L’integrazione di nuovi indici sul rischio potenziale della cella evolutiva (Severity Index), collegabili anche con le variabili precipitative;
• L’ampliamento della copertura con utilizzo di altri satelliti come Himawari, etc..
Queste evoluzioni renderanno questo strumento sempre più preciso, integrabile e scalarmente disponibile su tutto il globo terrestre, con risoluzioni inferiori a 3 Km per pixel e con frequenze di aggiornamento che variano dai 5 minuti sull’Europa
ai 15-30 minuti sul resto del globo terrestre attualmente coperto, Il tutto con lo stesso standard di individuazione, validazione e presentazione del dato.
References
Busacca S. (2013) Hail Forecasting in Italy: A validation to a model approach
De Rosa M (2015) Tracking of thunderstorms based on the Meteosat Second Generation images.
Fierro (2012) A cloud-scale lightning data assimilation technique implemented within the WRF-ARW model. Falco A, Rendina C, Gabriele G ( 2016) Meteobrowser 2 Interactive weather platform user manual
Kolios S, Feidas H.(2010). A warm season climatology of mesoscale convective systems in the Mediterranean basin using