Ao de la consolidacin del Mar de Grau

UNIVERSIDAD NACIONAL AGRARIA

LA MOLINA

TEMA: Aplicacin del GMSRA GOES Multispectral Rainfall Algorithm

CURSO: Hidrologa Ambiental
PROFESOR: Balden Quispe,
Wilfredo
INTEGRANTES:
- Alva Araujo, Jean Pool
- Cerna Arribasplata,
Sintia
- Concha Tamo, Milagros
- Condor Zapata,
Marycielo
- Padilla Ruiz, Dayana
- Rodriguez Pulache, Ivan
FECHA DE ENTREGA: 06 de Octubre del
2016

I. INTRODUCCIN
La lluvia es uno de los parmetros atmosfricos ms aleatorios. Su correcta estimacin es
importante para la elaboracin de pronsticos meteorolgicos de mediano y largo plazo.
La informacin de las lluvias es especialmente importante en los trpicos, debido a que
una gran fraccin de la lluvia que cae sobre el planeta se produce a bajas latitudes y
estn relacionadas a eventos climticos como El Nio y la Oscilacin Sur. Algunos
trabajos de investigacin sobre estimacin de lluvias, usando imgenes de satlites, sobre
Per han sido realizados por algunos cientficos como parte de los estudios relacionados
con el fenmeno del Nio y estudios de la variabilidad diurna de las lluvias sobre la
cuenca del Amazonas.
Se sabe que las imgenes GOES generan una de las mejores estimaciones, debido a
que estas imgenes satelitales tienen una buena resolucin que nos permite tener una
mayor aproximacin a los datos observados u obtenidos directamente de las estaciones
meteorolgicas.
En el presente informe se aplicar el GOES Multispectral Rainfall Algorithm, el cual es un
algoritmo que se basa en la estimacin de lluvia o precipitacin a travs de imgenes
satelitales del GOES. Se detallarn en especial, los datos que se necesitan, la serie de
pasos a seguir, los filtros que se usan para determinar la intensidad de lluvia y
comparaciones en los resultados. Los resultados consisten en aplicar el algoritmo antes
mencionado en la Cuenca Ocoa con datos para el da 5 de octubre del 2016.

II. OBJETIVOS
Hallar la precipitacin estimada a partir de la imgenes satelitales GOES para el
da 05 de octubre del 2016 en la cuenca Ocoa.
Comparar los datos de precipitacin entre las imgenes satelitales GOES y
SENAHMI para el da 05 de octubre del 2016 en la cuenca Ocoa.

III. REVISIN LITERARIA

 INFORMACIN A PARTIR DEL GOES

El registro histrico de las imgenes GOES est disponible desde el ao de 1983 a una
resolucin espacial de aproximadamente 10 km. Las imgenes utilizadas corresponden a
la banda del infrarrojo, en la cual se mide la temperatura de brillo de la superficie o de los
elementos que se interponen a esta como las nubes. Esta informacin gracias a un
archivo de calibracin puede ser procesada a temperatura y de esta manera identificar las
zonas fras relacionadas con la cobertura nubosa, muy fras relacionadas con posibles
eventos lluviosos y calientes que sugieren temperatura superficial o condiciones de cielo
despejado.
APLICACIN DEL CANAL 1
El canal es sensible a las diferencias de la reflectancia.

APLICACIN DEL CANAL 2

De acuerdo al mdulo de aprendizaje de la seccin de canales del GOES; la contribucin

de la radiacin solar reflejada, en el canal 2 genera que las temperaturas del suelo y de
las nubes sean ms clidas. Dado que el canal 4 solo detecta la radiacin emitida por la
Tierra, su temperatura de brillo revela con mayor precisin las temperaturas de la
superficie y de los topes de las nubes.
Por

otro lado segn la correlacin del grupo

CONMET, la reflexin de una nube es una
funcin de la fase del agua y del tamao de las
gotas que contiene. El radio de las gotitas de
las nubes oscila entre 5 y 20 micrmetros, a
diferencia de hielo, cuyo tamao en los cirros
normalmente es de 50 micrmetros o ms. Por
lo tanto en la banda 2, las nubes de agua son
mucho ms reflectantes que las de hielo. A su
vez
Lensky et al, menciona que para llegar a esa
correlacin se necesita diferenciar los tipos de
nube,
y
se
muestra que las nubes bajas de agua con
pequeo tamao de gota tienen una larga reflectancia en esta banda y el color que
muestra es el pardo-amarillento a verdusco mientras que las de tamao grande tienen un
color magneta. Y las nubes altas con hielo de tamao de gota pequeo presentan un color
naranja claro, en ocontraste las de tamao grande poseen el color rojo oscuro.
APLICACIN DEL CANAL 3 y 4
Temperatura de brillo
En Radioastronoma medir la intensidad de la emisin de un cuerpo en una escala de
temperaturas. Cuando hablamos de temperatura de brillo, nos estamos refiriendo
simplemente a la intensidad, pero medida en esa escala de temperaturas (es decir, en K),
en lugar de en Jy sr-1. La relacin no es directa, se trata de lo que llamaremos una
"escala equivalente". Se utiliza escalas equivalentes para cuantificar magnitudes difciles
de medir en trminos absolutos. Si hay un tipo de cuerpos sencillos que tengan otra
magnitud ms fcil de medir, y que est relacionada con la que nos interese, podemos
usarlos como referencia. Se busca entonces el cuerpo de referencia que tenga la misma
cantidad de magnitud "difcil" que el que estamos estudiando, y medimos la magnitud
"fcil". Esta ltima nos proporciona la escala equivalente.

Un ejemplo del uso de una "escala equivalente" fuera si midisemos el contenido

energtico de los alimentos en unidades de "terrores de azcar" en lugar de en caloras.
Por ejemplo, 100 gramos de pechuga de pollo asado tienen el mismo contenido
energtico que 5 terrones de azcar (unas 100 kcal). En nuestra "escala equivalente",
diramos entonces que esos 100 gramos de pollo tienen una energa de 5 terrones de
azcar. Al utilizar la "escala equivalente" de temperaturas de brillo para medir la intensidad
de ondas de radio emitidas por un objeto, estaremos dando la temperatura de un cuerpo
negro que emitiese la misma intensidad que el objeto que estamos estudiando. Como
ste no tiene por qu ser un cuerpo negro, la temperatura de brillo, no coincidir con su
temperatura real. Podemos usar esta escala de temperaturas para medir intensidades,
porque la intensidad que un cuerpo negro emite a una determinada frecuencia, depende
nicamente de su temperatura. Laintensidad emitida por el cuerpo negro es directamente
proporcional a la temperatura. Por esta razn, en la mayora de las frmulas en las que
aparece la intensidad, sta puede sustituirse simplemente por la temperatura de brillo.

Temperatura en el tope de la nube

Este parmetro nos indica que temperatura se tiene en el nivel superior de las nubes, la
cual nos indica a un valor bajo si una nube es alta, este parmetro nos indica la
probabilidad de precipitacin que se va dar, dependiendo del valor que se tenga.
Emisividad del cirrus
Los cirrus delgados, son aquellos nubes cirrus que se encuentran bajo de las tormentas
convectivas, estas tienen una emisividad menor a 1, adicional a esto, la energa de la
superficie terrestre atraviesa estas nubes, dejando parte de esta energa en ellas
aumentando su temperatura, como tambin parte de esta energa se logra emitir hacia
niveles superiores, por tanto se afirma que en el canal de 10.7 um, la temperatura del tope
en los cirrus delgados parece ms alta de lo que sera en realidad.

Emcambio en el caso de los cirrus de mayor grosor, la temperatura de tope puede tiene el
mismo valor reflejado en la temperatura de brillo.
CALIBRACIN DEL ALGORITMO Y EVALUCIN
Se deben obtener datos en tierra de la pgina GRHC (Global Hidrology Resource Center)
de la disponibilidad de la reflectividad cada 15 minutos a una resolucin de 2km.Esos
datos se convierten a lluvia, usando la relacin Z-R, donde Z es en mm/h. Adems, se
usan solo los datos de intensidad de lluvia para temperaturas en el tope de la atmsfera
menores a 250K.

Luego se utiliza la pgina NCEP(Nacional center for environmental Prediction) para

obtener la intensidad de precipitacin para temperaturas en el tope de la atmsfera
mayores a 250K.. Adems, se debe usar los datos de precipitacin del Goes.
Para calcular de la probabilidad de lluvia ( P b ) y la media de la intensidad de lluvia
(RR mean ) se calcula mediante las siguientes ecuaciones:
Donde:

Pb: Probabilidad de lluvia

Tc: Temperatura en el tope de nubes

RRmean: Media de la Intensidad de lluvia

Nr(Tc): Total de pixeles de lluvia (datos en tierra)

Nc(Tc): Nmero de pixeles nublados

RRoi(Tc): Intensidad de lluvia

En la siguiente figura muestra La probabilidad de la lluvia en funcin de temperatura en el

tope de la nube. En el lado izquierdo de la figura muestra la probabilidad de lluvia
obtenida mediante radar medidor de NCEP-ajustado, y en el lado derecho se muestran

las probabilidades de lluvia obtenidos a partir de las intensidades de lluvia GHRC. La

primera cosa a tener en cuenta es que las clases ms bajas de temperatura de brillo
tienen la ms alta probabilidad de lluvia y que, hasta temperaturas de aproximadamente
240 K. En este caso, el ambiente en la regin occidental es en general ms seco que el
de los estados del este, y la base de las nubes son generalmente ms altos. Sin embargo,
los procesos de lluvia son complejos; que dependen de muchos factores, incluyendo la
estructura de la atmsfera, los procesos de microfsica de nubes, y la dinmica de las
nubes. No sabemos qu factores causan la variacin de la P b , pero tenga en cuenta que
las regiones occidentales tienen diferentes estructuras de humedad que el este.
La razn de esto es que las mediciones de radar de precipitacin incluyen la lluvia a
diferentes alturas, mientras que los indicadores slo miden la lluvia que llega al suelo. Por
lo tanto, es razonable esperar que el algoritmo sobrestimar la precipitacin producida por
nubes que se forman bajo condiciones atmosfricas relativamente secas y no se
subestime precipitaciones en ambientes ms hmedos.

Por otro lado, En el modelo se considera al agua precipitable como PW y a la Humedad

relativa media (RH), las cuales son medidas por un satlite en tiempo real por la NOAA.
Estos parmetros son utilizados para estimar el grado de eficiencia del proceso de
precipitacin y ajustan las estimaciones de precipitacin. En 1996, el OHRFC aplicado el
mtodo NESDIS PW / HR de pronsticos de precipitacin derivada modelo.Cabe recalcar
que la eficiencia de precipitacin se define como la relacin de la precipitacin total con la
condensacin total (Weisman y Klemp 1982 y Ferrier et al. 1996).
ECUACIN DEL ALGORITMO

Para determinar la ecuacin que determina la velocidad de precipitacin, se usa la

planteada por Vicente et al, este nos muestra que es la siguiente:
2

R=1,1183 1011 e3,6382 10

1,2

En donde Res la velocidad de precipitacin en milmetros por hora y T es la temperatura

de brillo en el tope de la nube en Kelvin.

IV. MATERIALES Y MTODOS

MATERIALES
o

Imgenes del canal 4 para el da 05 de octubre desde INMET.

Datos observados por el SENAMHI para el da 05 de octubre del 2016.

(Disponible en la pgina: http://www.senamhi.gob.pe/main_mapa.php?t=dHi )

MTODOS
o Obtener imgenes desde INMET.
o A partir del diagrama de flujo
determinar la precipitacin.

Comparar los datos hallados mediante el algoritmo GOES con los datos
proporcionados por el SENAHMI.
Flujograma del Algoritmo GMSRA

Fuente: Adaptacin del Operational GOES Infrared Rainfall Estimation Technique

V. RESULTADOS
Segn las ecuaciones de GMRA:

Se han considerado 4 horas:

-

Para las 3:45 pm :

2

R=1,1183 1011 e3,6382 10

-

R=0.00970236 mm/ h

Para las 4:15 pm :

R=1,1183 1011 e3,6382 10

-

1,2

(263)

R=0.019000052mm/h

Para las 4:30 pm :

R=1,1183 1011 e3,6382 10

-

1,2

(5+273)

1,2

(257)

R=0.04241mm /h

Para las 7:45 pm :

R=1,1183 1011 e3,6382 10

1,2

(257)

R=0.04241mm /h

Segn el SENAMHI, la precipitacion diaria acumulada del 5 de Octuibre del 2016:

VI. DISCUSIONES

En la grfica del canal 4 se obtiene la temperatura en la nube alta a partir de la banda 3 y

banda 4. Si esta temperatura es menor que 220K, se va a determinar la diferencia entre la
banda 4 y banda 3, en caso este valor sea mayor que cero, la precipitacin es nula, es
decir no hay presencia de lluvia.
Para nuestro periodo de estudio (5 de octubre del 2016), el valor que toma la temperatura
en la nube alta en promedio es 261,25K, siendo mayor que 220K. En este caso no se
cumple la condicin establecida anteriormente, entonces se analiza la temperatura de
brillo. Se observa en la grfica anteriormente mencionada que el periodo de estudio es en
el periodo diurno razn por la cual se analiza el sector donde se ubica este periodo. Por lo
que se verifica que el albedo sea menor a 0.4 mientras que en el diagrama nos indica que
la velocidad de precipitacin es 0, esto a su vez se comprueba al aplicar la ecuacin de
Vicente y lo brindado por el SENAMHI ( tal como muestra su grfica).
VII.

CONCLUSIONES
La precipitacin estimada a partir de las imgenes proporcionadas por GOES
toma el valor de cero para el da 05 de octubre del 2016 en la cuenca Ocoa.
Existe una correlacin positiva entre los valores de precipitacin entre el GOES y
SENAHMI para el dia 05 de octubre en la cuenca Ocoa.

VIII.

BIBLIOGRAFA
Ba, M., & A. Gruber, 20001: GOES Multispectral Rainfall Algorithm (GMSRA). J.
Applied Meteorology, 40, 1500-1514.
Vicente, G., R. A. Scofield, and W. P. Mensel. 1998. The operational GOES
infrared rainfall estimation technique. Bulletin of American Meteorological Society
79:18831898
Lensky, I. M. and Rosenfeld, D.: Clouds-Aerosols-Precipitation Satellite Analysis
Tool, Atmospheric Chemical Physics, 8, 67396753, 2008
Alfonso, L., D. Martnez, C.A. Prez, 1997. Numerical simulation of tropical
convective clouds over Cuba using one-dimensional and time-dep