Nowcasting probabilísitico basado en observaciones de lluvia con radar meteorológico

Abstract

The nowcasting of rainfall based on the extrapolation of the radar precipitation field is a common technique used in different operational and research centers. However, this deterministic forecasting technique is subject to different sources of uncertainty that should be taken into account. It is known with quite certainty that a storm will occur somewhere, but its exact devolepment in time and space is not known, therfore including a probabilistic approach in nowcasting allows us to characterize the different sources of uncertainty. In this case, instead of a single amount of rainfall, a probability value is predicted for each point in the domain to find a certain rainfall intensity. In this sense, the main objectives of this thesis are: - to compare and evaluate a set of nowcasting techniques based on radar precipitation observations, - to improve SBMcast probabilistic nowcasting technique, - to develop a new nowcasting algotithm that allows the incorporation of precipitation information of the NWP model to those obtained from the observations of radar precipitation. The set of probabilistic forecasting techniques that are evaluated can be separated into two blocks: those based only on forecasting the distribution function of the precipitation field at each point of the domain and those that calculate the predicted distribution function at each point of the domain from a set of precipitation fields compatible with the observations. To assess their skill in different meteorological situations, an evaluation and verification system is established that allows quantifying the degree of accuracy for different precipitation thresholds. Within this context, a new version of SBMcast is proposed that allows to use a space-time model for each of the spatial scales that form the precipitation field. Another aspect that is studied in this thesis is the impact of estimates of the global mean (IMF) and coverage (WAR) of the precipitation field prediction ability in the two nowcasting techniques, Lagrangian persistence and new version of SBMcast. Also included is a new approach to improve forecasting of the IMF-WAR using NWP model. Finally, a new probabilistic rainfall forecasting technique is proposed based on ensembles that allows to combine the information of each point of the domain provided by the NWP model with the probabilistic forecasts of the new version of SBMcast. The objective is to identify the regions where rainfall growth and decay is most likely to occur through NWP model information and to determine future forecasts to these locations of the observation domain.

La previsión de lluvia a muy corto plazo basada en la extrapolación del campo de precipitación radar es una técnica habitual utilizada en distintos centros operacionales y de investigación. Sin embargo, esta técnica de previsión determinista esta sujeta a diferentes fuentes de incertidumbre que deben tenerse en cuenta. Se sabe con bastante certeza que una tormenta se desarrollará en algún sitio, pero se desconoce cual será su posición exacta en tiempo y en espacio, por lo tanto incluir un enfoque probabilístico en las previsiones de lluvia permite caracterizar las diferentes fuentes de incertidumbre. En este caso, en lugar de prever en cada punto del dominio un valor de intensidad de precipitación se calcula la probabilidad de obtener dicha intensidad de lluvia. En este sentido, los principales objetivos de esta tesis son: - comparar y evaluar un conjunto de técnicas de nowcasting basadas en observaciones de precipitación radar, - mejorar la técnica de previsión probabilística SBMcast, - desarrollar una nueva técnica de previsión que permita incorporar la información sobre la precipitación del modelo NWP a las obtenidas a partir de las observaciones de precipitación radar. El conjunto de técnicas de previsión probabilísticas que se evalúan se pueden separar en dos bloques: los que se basan únicamente en la previsión de la función de distribución del campo de precipitación en cada punto del dominio y los que calculan la función de distribución prevista en cada punto del dominio a partir de un conjunto de campos de precipitación compatibles con las observaciones. Para conocer su habilidad en diferentes situaciones meteorológicas se fija un sistema de evaluación y verificación que permite cuantificar el grado de acierto para distintos umbrales de precipitación. Dentro de este contexto, se propone una nueva versión de SBMcast que permite utilizar un modelo espacio-temporal para cada una de las escalas espaciales que forman el campo de precipitación. Otro aspecto que se ha estudiado en esta tesis es el impacto que tienen las estimaciones de la media (IMF) y de la cobertura (WAR) globales del campo de precipitación en la habilidad de las previsiones en dos técnicas de nowcasting, la persistencia Lagrangiana y la nueva versión de SBMcast. También se incluye un nuevo enfoque para mejorar previsión del IMF-WAR utilizando datos del modelo NWP. Por último se propone una nueva técnica de previsión de lluvia probabilística basada en ensembles que permite combinar la información de cada punto del dominio proporcionada por el campo de precipitación previsto por el modelo NWP con las previsiones probabilísticas de la nueva versión de SBMcast. El objetivo es identificar las localizaciones donde es más probable que se produzca crecimiento y decrecimiento de las intensidades de precipitación utilizando la información del modelo NWP para condicionar las previsiones futuras a estas zonas del dominio de observación.