Precipitation phase discrimination: diagnosing and nowcasting

Abstract

Precipitation phase discrimination at ground level constitutes a fundamental variable in many meteorological and hydrological applications, including avalanche hazards, winter road safety, and flooding from rain on snow events. Discrimination of the precipitation phase at surface level has been widely studied following different approaches ranging from decision tree algorithms based on vertical temperature profiles parameters, to machine learning algorithms through schemes relying on microphysical parameterisations. However, precipitation phase discrimination is still challenging, specially at temperature close to freezing point. Several studies pointed out research gaps regarding this topic and the present thesis aims to make its small contribution to some of them. In addition, this thesis comes from the need to provide the Meteorological Service of Catalonia with an adjusted and verified precipitation phase discrimination product for diagnosing and nowcasting purposes. In order to achieve both kind of requirements six specific objectives were set and upon which this thesis was structured. These are the following: • SO1. Obtention of a dynamic interpolation scheme suitable for complex terrain, and high spatial and temporal resolution. • SO2. Evaluation and adjustment of different schemes and meteorological variables to diagnose discrimination of the surface precipitation phase. • SO3. Assessment of citizen science and crowd sourced observations for monitoring snow events. • SO4. Development and evaluation of different schemes to nowcast discrimination of the precipitation phase. • SO5. Evaluation of ensemble techniques to nowcast discrimination of the precipitation phase.

• SO6. Implementation of a precipitation phase product in an operational chain. The present thesis is based in a compendium of three scientific publications and three major blocks were defined following each publication. The storyline of the thesis is first based on obtaining spatial surface information from point meteorological observations. Then, the spatial information is used to estimate precipitation phase for diagnosing purposes. And finally, include extrapolation techniques and numerical weather prediction models to nowcast the precipitation phase with a forecast lead time of 180 minutes. The first block of the thesis presents a methodology to interpolate high spatially and temporally resolved meteorological observations. Interpolation techniques have been widely studied and verified for daily and monthly observations, but limited for hourly or sub-hourly time scales. At these scales, observations tend to be more irregular and present higher variability as they are influenced by weather conditions, such as the presence of fog banks or thermal inversions. For this reason, an adaptive interpolation system was proposed. It is based on the combination of three elements: clustering, multiple linear regression, and residual correction. Meteorological observations are first divided in several clusters of variable size to separate areas prone to be affected by different weather conditions. A multiple linear regression is calculated for each cluster and then compared against an MLR that considers all data. It is in this step where the proposed system plays its role. The system, based on interpolation errors, decides which MLR uses in each cluster: that calculated using the stations of the cluster only or that using all stations available. The adaptive character of the system lays on using different number of clusters and test all them every time an interpolation is conducted. The system was successfully applied in three European regions, and results indicate a reduction of RMSE when the proposed interpolation system is used compared to using a single MLR considering all stations. Once the step to interpolate point meteorological observations is achieved, the thesis focuses on discrimination of the precipitation phase in the following two blocks. The second block evaluates different precipitation phase discrimination schemes based on surface observations for diagnosing purposes. These schemes set thresholds on meteorological variables upon which precipitation is classified as rain, mixed or snow. In order to perform the evaluation of the schemes around 7700 quality-controlled observations of precipitation phase were gathered from different sources concerning Catalonia. According to the verification results, the schemes including air saturation conditions perform best, that is wet bulb temperature or combining air temperature with relative humidity. When analysing the schemes for specific snowfall events, a certain variability among the optimum thresholds was identified. This lead to suggest a range of thresholds when monitoring snowfall events. In addition, apart from the quality-controlled observations, citizen science and crowd sourced observations were also collected and evaluated showing both advantages and limitations. The third block of the thesis is also focused on precipitation phase determination, but in this case for nowcasting purposes. Apart from considering surface precipitation phase discrimination schemes, algorithms based on vertical temperature profiles, which play a key role on determining precipitation phase at ground level, were also considered. According to the threshold and performance variability observed when diagnosing precipitation phase and based on previous studies, combinations of algorithms were also taken into account in this block. The performance of the different algorithms and their combinations was assessed in eight low-altitude snowfall events reported in Catalonia between 2010 and 2021. Verification results showed that a combination of algorithms is preferable as it may provide a wide perspective to forecasters during precipitation phase transitions. In addition, this block included the implementation of a probabilistic methodology to nowcast the precipitation field. The results obtained in the present thesis allowed to adjust and improve the real- time precipitation phase discrimination at the Meteorological Service of Catalonia. In addition, a nowcasting of precipitation phase product was also developed and operationally implemented. The results may also contribute to add a new verification dataset for precipitation phase discrimination purposes, together with the evaluation of precipitation phase schemes with interpolated meteorological variables and the development of spatially resolved products.

Discriminar el tipus de precipitació a la superfície és una informació fonamental en diverses aplicacions meteorològiques i hidrològiques, com ara el perill d’allaus, la seguretat a la carretera durant condicions hivernals, o les inundacions provocades per pluges sobre superfícies nevades. Una gran varietat d’estudis s’han centrat en la discriminació del tipus de precipitació a la superfície mitjançant diferents tècniques, des d’arbres de decisió basats en paràmetres de perfils verticals de temperatura fins a algoritmes basats en intel·ligència artificial, passant per esquemes amb parametritzacions de microfísica. Tot i així, la discriminació del tipus de precipitació a la superfície continua sent un repte, especialment quan la temperatura és propera al 0°C. Diversos estudis han enumerat un seguit de mancances relacionades amb la discriminació del tipus de precipitació i aquesta tesi pretén aportar el seu granet de sorra en algun d’ells. A més, la tesi també neix de la necessitat del Servei Meteorològic de Catalunya de disposar d’un producte ajustat i verificat per classificar la precipitació en pluja, aiguaneu i neu, tant a nivell de diagnosi com a predicció a molt curt termini. Per tal d’assolir els dos tipus de requeriment s’han definit un total de sis objectius específics (OE) a partir dels quals s’ha estructurat la tesi. Són els següents: • OE1. Obtenció d’un sistema d’interpolació adaptatiu per a terreny complex, i per a altes resolucions temporals i espacials. • OE2. Avaluació i ajust de diferents esquemes i variables meteorològiques per diagnosticar la discriminació del tipus de precipitació en la superfície. • OE3. Avaluació de les observacions obtingudes a partir de la ciència ciutadana per al monitoratge de nevades a cotes baixes. • OE4. Desenvolupament i avaluació de diferents esquemes per a la predicció a molt curt termini del tipus de precipitació.

• OE5. Avaluació de tècniques de conjunts per a la predicció a molt curt termini del tipus de precipitació. • OE6. Implementació operativa d’un producte per discriminar el tipus de precip- itació en la superfície. Aquesta tesi està basada en un compendi de tres articles científics i, per tant, s’han definit tres blocs seguint cadascuna de les publicacions. El guió d’aquesta tesi comença amb l’obtenció d’informació espacial a partir d’observacions meteorològiques puntuals. Després, amb aquesta informació s’estima el tipus de precipitació per a un producte de diagnosi. Finalment, s’inclouen tècniques d’extrapolació i models numèrics de predicció per tal d’obtenir una predicció a molt curt termini (180 minuts) del tipus de precipitació. El primer bloc de la tesi presenta una metodologia per a interpolar observacions meteorològiques de superfície a una alta resolució temporal i espacial. Hi ha multitud de tècniques d’interpolació i totes han estat a bastament estudiades per a escales diàries o mensuals. Ara bé, els estudis centrats en la verificació per a escales temporals més petites, com ara horàries o 30-minutals són més escassos. A aquestes escales les observacions tendeixen a presentar molta variabilitat, ja que es veuen notablement influenciades per les condicions meteorològiques, ja sigui la presència de bancs de boira o d’inversions tèrmiques. Per aquesta raó, s’ha proposat un sistema d’interpolació dinàmic. Està basat en la combinació de tres elements: agrupació (clustering), regressió lineal múltiple, i correcció dels residus. Primer, les observacions meteorològiques es divideixen en diferents grups de mides diferents amb la intenció de separar zones que tendeixen a presentar condicions meteorològiques diferents. Per a cada agrupació es calcula una regressió lineal múltiple i després es compara amb una regressió lineal múltiple obtinguda amb totes les estacions. És en aquest punt on entra en joc el sistema d’interpolació proposat. El sistema, tenint en compte els errors de la interpolació, decideix quina regressió lineal múltiple fa servir per a cada agrupació. O bé la calculada només amb les estacions que es troben dins l’agrupació, o bé la que considera totes les estacions. El caràcter adaptatiu del sistema recau en la utilització de diferents nombres d’agrupacions, testejant-les totes cada vegada que es vol fer una interpolació. El sistema s’ha verificat de forma satisfactòria a tres regions europees i els resultats indiquen una reducció de l’error quadràtic mitjà en comparació a fer servir una sola regressió lineal múltiple fent servir totes les estacions. Una vegada s’ha obtingut una metodologia per a la interpolació d’observacions meteorològiques, la tesi se centra en la discriminació del tipus de precipitació en els següents dos blocs. El segon bloc avalua diferents esquemes basats en observacions de superfície per a discriminar el tipus de precipitació. Aquests esquemes estableixen llindars a variables meteorològiques a partir dels quals la precipitació es classifica en pluja, aiguaneu i neu. Per tal de fer aquesta avaluació s’han emprat al voltant de 7700 observacions del tipus de precipitació obtingudes de diverses fonts oficials. Els resultats de la verificació indiquen que els esquemes que inclouen informació respecte a les condicions de saturació de l’aire presenten un millor comportament, com ara la temperatura del termòmetre humit o la combinació de temperatura de l’aire i humitat relativa. Ara bé, quan s’analitzen els esquemes de discriminació per a esdeveniments concrets s’observa una certa variabilitat entre els llindars utilitzats. Això suggereix considerar un rang de llindars, i no només uns d’establerts, per al monitoratge de nevades. A més a més, a part de les observacions de fonts oficials, s’han tingut en compte observacions obtingudes a partir de ciència ciutadana mostrant-ne els avantatges i les limitacions. El tercer bloc de la tesi també està enfocat a la discriminació del tipus de precipitació, però en aquest cas no per a la diagnosi sinó per a la predicció a molt curt termini. A part de considerar els esquemes de discriminació del tipus de precipitació basats en observacions de superfície, també es tenen en compte algoritmes basats en perfils verticals de temperatura. Aquests tenen un paper important a l’hora de determinar el tipus de precipitació en superfície. Tenint en compte la variabilitat observada al segon bloc pel que fa als llindars de discriminació i en estudis anteriors, també es consideren combinacions de diferents algoritmes. La verificació dels esquemes de forma individual i les seves combinacions es realitza a partir de vuit episodis de nevades a cotes baixes ocorreguts a Catalunya entre el 2010 i el 2021. Els resultats mostren que una combinació d’algoritmes és preferible, ja que pot proporcionar un punt de vista més ampli als predictors durant transicions de tipus de precipitació. A més a més, aquest bloc inclou la implementació d’una metodologia probabilística per a la predicció a molt curt termini del camp de precipitació. Els resultats obtinguts en aquesta tesi han permès ajustar i millorar el producte de discriminació del tipus de precipitació en temps real del Servei Meteorològic de Catalunya. A més, també s’ha desenvolupat i implementat de forma operativa la predicció a molt curt termini del tipus de precipitació. Els resultats de la tesi també poden contribuir a afegir una nova verificació de metodologies per discriminar el tipus de precipitació, juntament amb l’ús de dades interpolades per a la discriminació del tipus de precipitació en comptes de dades d’observades.