Gfoss nowcasting-v01

Arpa PiemonteArmando Riccardo GAETA

Torino 14 e 17 novembre 20121/30

06-05-2012, 18:10 UTC

Nowcasting di fenomeni Nowcasting di fenomeni temporaleschi con GIS Open Sourcetemporaleschi con GIS Open Source

GFOSSDAY 2012GFOSSDAY 2012

Renzo Bechini, Roberto Cremonini, Renzo Bechini, Roberto Cremonini, Armando Riccardo GaetaArmando Riccardo Gaeta, Rocco Pispico, Davide Tiranti, Rocco Pispico, Davide Tiranti

Arpa PiemonteArpa PiemonteSC05 – Dipartimento Sistemi PrevisionaliSC05 – Dipartimento Sistemi PrevisionaliSC22 - Dipartimento Geologia e DissestoSC22 - Dipartimento Geologia e Dissesto



Immagine della rete a terra e dei 3 radar

Settepani

Bric

ARX

Il sistema radar meteorologico Il sistema radar meteorologico piemontesepiemontese



Invia un impulso EM

Analizza il segnale retrodiffuso

Intensità del segnale ricevuto → quantità d’acqua presente nella nube

Ritardo del segnale ricevuto → distanza

Come funziona il radar meteoCome funziona il radar meteo



Cosa vede un radar?Cosa vede un radar?

• Monitoraggio in tempo reale delle precipitazioni

• Alta risoluzione spaziale e temporale

• Caratterizzazione 3D delle nubi



Campionamento volumetrico dell'atmosfera

Stima delle precipitazioni ad elevata risoluzione spaziale e temporale

(scansione ogni 5', celle 800x800mt)

I prodotti del radarI prodotti del radar



Liguria 26 Ottobre 2011

Toscana 11 Novembre 2012

Cosa succede...Cosa succede...

➢ Previsione a breve termine?



Identificazione delle celle temporalescheIdentificazione delle celle temporalesche

1. Identifica la massima riflettività Z > 45 dBZ sul prodotto 2D di intensità di precipitazione

2. Trova tutti i pixel contigui con Z > 35 dBZ

3. Elimina tutti i pixel precedenti dalla mappa

4. Calcola attributi cella: max(Z), mean(Z), area, POH, echo top,…

5. Ripete da 1) per identificare altre celle



Attributi cella:

• MAX (max Z) [dBZ]

• Mean(Z) [dBZ]

• Area [km2]

• TOP (height of the highest 10 dBZ value) (km)

• POH (Probability of Hail) [%]

= 0.319+ 0.133∆H

• VIL (Vertical Integrated Liquid) [kg m-2]

• Temperatura di brillanza (MSG-MeteoSat)

Attributi rilevati per le celleAttributi rilevati per le celle



NowcastingNowcasting

Spostamento della cella temporalesca:

• direzione?

• velocità?

• intensità?

?

10 novembre 2012



Rinehart, R. E., and E. T. Garvey, 1978: Three-dimensional storm motion detection by conventional weather radar. Nature, 273, 287–289

Tracking by correlation (TREC)Tracking by correlation (TREC)



Dai punti ai percorsiDai punti ai percorsi

Alla scansione successiva ai punti correlati alla stessa cella temporalesca viene assegnato il medesimo ID, si genera un secondo punto e così di seguito → generazione del percorso del temporale

Da attributi istantanei ad attributi sulla vita della cella: velocità, direzione, vita (minuti)



<Storm>

<Titolo>Storm cells identification table</Titolo>

<Cell id="2012111013550222">

<data>201211101410</data>

<utmx>387899.4</utmx>

<utmy>4960958.5</utmy>

<lifetime>15</lifetime>

<area>39.7</area>

...

<max>42.0</max>

<mean>39.1</mean>

<ax>7342.9</ax>

<by>2240.9</by>

<theta>37.0</theta>

</Cell>

<Cell id="2012111014100231">

...

Dai files XML ...Dai files XML ...



• Parsing del file XML• Creazione delle geometrie (XY)• Intersezione con il layer delle entità amministrative• Inserimento nel database

• Parsing del file XML• Creazione delle geometrie (XY)• Intersezione con il layer delle entità amministrative• Inserimento nel database

… … a PostgreSQLa PostgreSQL

➢ Grande mole di dati da gestire!



2010

/1

2010

/2

2010

/3

2010

/4

2010

/5

2010

/6

2010

/7

2010

/8

2010

/9

2010

/10

2010

/11

2010

/12

2011

/1

2011

/2

2011

/3

2011

/4

2011

/5

2011

/6

2011

/7

2011

/8

2011

/9

2011

/10

2011

/11

2011

/12

2012

/1

2012

/3

2012

/4

2012

/5

2012

/6

2012

/7

2012

/8

2012

/9

2012

/10

2012

/11

2012

/10

2012

/11

0

5000

10000

15000

20000

25000

30000

Temporali acquisiti 2010-2012Temporali acquisiti 2010-2012

80k



2010

/1

2010

/2

2010

/3

2010

/4

2010

/5

2010

/6

2010

/7

2010

/8

2010

/9

2010

/10

2010

/11

2010

/12

2011

/1

2011

/2

2011

/3

2011

/4

2011

/5

2011

/6

2011

/7

2011

/8

2011

/9

2011

/10

2011

/11

2011

/12

2012

/1

2012

/3

2012

/4

2012

/5

2012

/6

2012

/7

2012

/8

2012

/9

2012

/10

2012

/11

0

2000

4000

6000

8000

10000

12000

14000

16000

Percorsi acquisiti 2010-2012Percorsi acquisiti 2010-2012

30k



2010

/1

2010

/2

2010

/3

2010

/4

2010

/5

2010

/6

2010

/7

2010

/8

2010

/9

2010

/10

2010

/11

2010

/12

2011

/1

2011

/3

2011

/4

2011

/5

2011

/6

2011

/7

2011

/8

2011

/9

2011

/10

2011

/11

2011

/12

2012

/1

2012

/2

2012

/3

2012

/4

2012

/5

2012

/6

2012

/7

2012

/8

2012

/9

2012

/10

2012

/11

0

10000

20000

30000

40000

50000

60000

70000

80000

Fulmini acquisiti 2010-2012Fulmini acquisiti 2010-2012

300k



Prodotti del DBProdotti del DB

Calcolo dell'Indice di Severità (Severity Index SI) per le singole celle temporalesche

Approssimazione dell'estensione del singolo temporale con una forma ellittica

Previsione a breve termine degli spostamenti futuri del temporale → nowcasting

Valutazione di fenomeni di dissesto al suolo dalle stime di precipitazione radar → Defense



Severity IndexSeverity Index

Basandosi sulle grandezze fisiche misurate dal radar, viene calcolato un valore che indica la criticità del fenomeno in atto. La scala è definita in base a statistiche sui fenomeni passati.

24/08/2012

SI [0-6] = w1*VIL + w2*MAX + w3*TOPSI [0-6] = w1*VIL + w2*MAX + w3*TOP



Dalla cella all'ellisseDalla cella all'ellisse

Per approssimare l'estensione spaziale del temporale si è scelto di rappresentarlo in forma ellittica:

SELECT ellipse(utmx, utmy, ax, by, radians(theta), 8) AS the_geom;

CREATE OR REPLACE FUNCTION ellipse(double precision, double precision, double precision, double precision, double precision, integer)RETURNS geometry AS$BODY$SELECT ST_Translate( ST_Rotate( ST_Scale( ST_Buffer(ST_Point(0,0), 0.5, $6),$3, $4), $5), $1, $2) $BODY$;

ax, by, theta



La previsione a breve termine è basata su estrapolazione

• Funzioni di PostGIS realizzano l'estrapolazione ad un'ora del percorso della cella → stima della distanza percorribile

• L'incertezza nella previsione (su base climatologica) viene rappresentata da un “cono”

NowcastingNowcasting

24/08/2012



mappa radar (raster grid)

bacini(vettoriale PostGIS)

Sovrapposizione delle informazioni radar meteorologiche e i bacini alpini soggetti a fenomeni di dissesto

Dissesti al suoloDissesti al suolo



Assegnazione ogni 5'

cella radar → bacino

Bacini alpini: grid Vs polygonsBacini alpini: grid Vs polygons

250mila celle!



90° percentile

Funzione R in PostgreSQL calcola ogni 5’ il valore di precipitazione oraria stimata su ogni singolo bacino segnalazione superamenti

Bacini alpini: stima della precipitazioneBacini alpini: stima della precipitazione

→ FUNCTION r_quantile(double precision[])



Segnalazione superamentiSegnalazione superamenti

probabilità di occorrenza media probabilità di occorrenza alta



✔ Consultazione dati da un unico DB → QGIS✔ Visualizzazione in tempo reale → WebGIS

(OpenLayers, MapServer)✔ Accessibilità ai dati via smartphone →

WebGIS mobile

Fruibilità del DBFruibilità del DB



Interrogazione campo di pioggiaInterrogazione campo di pioggia



Interrogazione sulla cella temporalescaInterrogazione sulla cella temporalesca



Interrogazione sui baciniInterrogazione sui bacini



Applicazioni realtime per smartphone

Passaggio a PostgreSQL 9.2 e PostGIS 2.0 che permetterà la memorizzazione e la gestione dei campi di precipitazione radar (raster):

Miglioramento dell'algoritmo di nowcasting del temporale con “metodo degli analoghi”

cumulate di pioggia per periodi definiti dall’utenteintersezione con altri dati raster quali uso del suolo o esposizione dei versanti.

Elaborazioni 3-D

Sviluppi futuriSviluppi futuri



GRAZIEGRAZIE

Gfoss nowcasting-v01

Technology

Transcript of Gfoss nowcasting-v01