Advecció radar

El producte d’advecció s’obté a partir de les imatges radar obtingudes mitjançant la Xarxa de Radars Meteorològics (XRAD). La metodologia que s’utilitza es coneix com a Short-Term Ensemble Prediction System (STEPS) i s’implementa a través de la llibreria de codi lliure pySTEPS (Pulkkinen et al., 2019). Aquesta metodologia es basa a obtenir primer un camp de moviment a partir de les tres darreres imatges radar disponibles. S’assumeix que, a una hora vista, el camp de precipitació es desplaçarà seguint el camp de moviment calculat. Per tant, s’utilitza aquest camp per extrapolar l’última imatge radar disponible i obtenir una predicció amb un horitzó de pronòstic d’una hora.

Tota predicció té un cert grau d’incertesa. En el cas de la precipitació hi pot haver, entre d’altres, processos de creixement i decreixement de la intensitat de precipitació, així com canvis en el desplaçament de les àrees de precipitació. La metodologia emprada permet tenir en compte part d’aquesta incertesa, generant diferents prediccions amb la introducció de petits canvis en la intensitat de precipitació. El producte final s’obté a partir de la combinació de totes elles.

El procés per obtenir el producte d’advecció radar es descriu a través de les imatges següents:

  1. S’utilitzen les tres darreres imatges radar. En aquest cas, per a fer una predicció iniciada a les 07:30, necessitem les imatges de les 07:18, 07:24 i 07:30.
  1. Es calcula el camp de moviment a partir de les tres imatges seleccionades.
  1. S’aplica el camp de moviment a la darrera imatge radar disponible (en aquest cas, la de les 07:30) i es projecta el camp de precipitació a una hora vista amb intervals de 6 minuts.
  1. S’obté el producte final. Aquest camp a l’hora de mostrar-se a la web es converteix de reflectivitat a intensitat de precipitació.

Pulkkinen, S., Nerini, D., Pérez Hortal, A. A., Velasco-Forero, C., Seed, A., Germann, U., & Foresti, L. (2019). Pysteps: an open-source Python library for probabilistic precipitation nowcasting (v1. 0). Geoscientific Model Development, 12(10), 4185-4219.