Climatologia de la probabilitat de calamarsa a...

Notes d'Estudi del Servei Meteorològic de Catalunya, núm. 74

Ignasi Porras, Abdelmalik Sairouni i Montse Aran

Àrea de Recerca Aplicada i Modelització, Servei Meteorològic de Catalunya

Climatologia de la probabilitat de

calamarsa a Catalunya

Índex

1. Introducció 3

1.1. Calamarsa 4

2. Dades emprades 5

2.1. Radar meteorològic 5

2.2. Model meteorològic de mesoescala: MM5 6

2.3. Xarxa de granímetres de l'ADV-Terres de Ponent 9

3. Metodologia 10

3.1. Introducció 10

3.2. Mètode de Waldvogel 13

3.3. Calibratge del mètode de Waldvogel a Catalunya 15

3.4. Càlcul de la climatologia del PDC 18

4. Resultats 20

4.1. Climatologia anual 20

4.1.1. Estadística total 20

4.1.2. Mitjana d'anys agregats 25

4.2. Climatologia mensual 28


4.2.2. Mitjana de mesos agregats 32

4.3. Climatologia per la temporada de calamarsa 34


4.3.2. Mitjana de mesos agregats 36

5. Verificació dels resultats 38

6. Valoracions 40

7. Referències 42

Climatologia de la probabilitat de calamarsa a Catalunya

Objectius de la nota d'estudi

Aquest treball presenta la climatologia de la probabilitat de calamarsa a Catalunya entre el

2006 i el 2010 mitjançant el mètode de Waldvogel i calibrat pel Servei Meteorològic de Catalunya a

mitjans de 2004. El mètode calcula la probabilitat de calamarsa utilitzant una combinació de dades

de radar (altura de certa reflectivitat) i la informació sobre la distribució de la temperatura de

l’atmosfera (l’altura de la isozero).

Per tal d'elaborar la climatologia de la probabilitat de calamarsa s'han utilitzat les simulacions a 24

hores de la isozero previstes pel model MASS (Mesoscale Atmospheric Simulation System) a 15

km de resolució horitzontal i l'altura màxima per a una reflectivitat radar de 35 i 45 dBZ. Aquest

producte s'ha calculat sis-minutalment i ha servit per obtenir la probabilitat de calamarsa màxima

horària, a partir d'aquesta s'han elaborat els valors màxims diaris i així, finalment, obtenir la

climatologia de la probabilitat de calamarsa a Catalunya.

El treball està dividit en quatre seccions. Primer de tot es fa una introducció al fenomen

meteorològic de la calamarsa i es tracta aquest meteor en qüestió. Seguidament es presenten les

dades emprades en l'estudi. A continuació es mostren les diferents metodologies existents del càlcul

de la probabilitat de calamarsa i el mètode emprat pel Servei Meteorològic de Catalunya. Finalment

es presenten els resultats mitjançant una climatologia anual i mensual.

2


1. Introducció

El fenomen meteorològic de la calamarsa és un dels més destructius per a l'agricultura. En

qüestió de pocs minuts els conreus poden quedar destrossats fent malbé la collita de tot un any

suposant pèrdues milionàries per a aquest sector.

A Espanya entre el 2001 i 2009 es van abonar més de 2200M€ en compensació per danys en

conreus provocats per calamarsades. Sense anar més lluny, a Catalunya la calamarsa també és un

fenomen meteorològic que provoca grans danys en els conreus i conseqüentment despeses

econòmiques estratosfèriques en el sector de l'agricultura. Durant el 2009 i 2010 a Catalunya la

companyia d'assegurances Agroseguros va abonar amb prop de 37.3M€ per danys ocasionats per

calamarsades en camps fruiters, de blat de moro i vinyes. A la zona de la Vall de l'Ebre un 10% de la

producció agrària anual es perd en danys causats per calamarsades (Ceperuelo, 2008). Tanmateix,

les comarques de les Terres de Ponent són unes de les zones més sensibles de Catalunya a

calamarsades ja que l'activitat agrària és la principal potència econòmica. Durant el 2007 les

companyies asseguradores van indemnitzar amb prop de 12.5M€ en motiu de destrosses en els

conreus d'aquest sector del país (Farnell et al., 2009).

La zona agrícola de les Terres de Ponent té prop de 204.000 hectàrees de conreu (on els cultius a

destacar són la producció fruitera i de cereals) on és de vital importància que un episodi de

calamarsa no faci destrosses socioeconòmiques devastadores. Per aquest motiu, l’ADV de les Terres

de Ponent realitza cada any, des de 1976, una campanya de lluita preventiva contra la pedra entre

els mesos d’abril i octubre amb l'ajuda d'una xarxa de 173 hailpads repartits com es mostra a la

Figura 3 (Aran et al., 2007). A més, al 2004 el Servei Meteorològic de Catalunya en col·laboració

amb l’ADV de les Terres de Ponent va iniciar un projecte que consistí en implementar un mètode

objectiu per a determinar la distribució espacial del producte de probabilitat de calamarsa en

superfície mitjançant la xarxa de radars de l’SMC i els models numèrics de pronòstic.

En aquest estudi es mostra breument l'operativa del càlcul del producte de probabilitat de calamarsa

en superfície utilitzant el mètode desenvolupat pel SMC i més detalladament la distribució espacial

de la climatologia anual, mensual i per la temporada de calamarsa (maig-setembre) del producte de

probabilitat de calamarsa en superfície.

3


1.1. Calamarsa

La calamarsa és un tipus de precipitació formada per partícules irregulars de gel. Es

produeix en tempestes intenses en les quals es creen gotes d'aigua sobre-refredades, i ocorre en

qualsevol estació de l'any, però principalment durant la primavera i l'estiu. L'aigua continua en

aquest estat a causa de la necessitat d'una partícula inicial en suspensió a iniciar el procés de

cristal·lització. Quan aquestes gotes d'aigua xoquen en el núvol amb altres partícules gelades o

grans de pols poden cristal·litzar sense dificultat congelant-se ràpidament.

En tempestes amb forts corrents ascendents es pot produir precipitació en forma de calamarsa d'una

mida considerable. En aquestes corrents ascendents la bola de calamarsa pot romandre més temps

en suspensió fent així que tingui una major capacitat de creixement. Quan la velocitat vertical del

centre de la tempesta disminueix o la bola de calamarsa té una mida considerable i no es pot

sostenir en l'aire, el seu propi pes fa que acabi caient.

Les boles de calamarsa acostumen a ser petites (d'uns quants mil·límetres), però de tant en tant, es

produeixen boles de diàmetres majors, de diversos centímetres de diàmetre, en motiu de la

circulació ciclònica de la tempesta. Les petites boles ascendeixen i descendeixen diverses vegades

formant diferents capes de gel. En funció de la seva grandària, les boles de calamarsa poden

provocar més o menys danys en superfície.

4


2. Dades emprades

2.1. Radar Meteorològic

Funcionament bàsic

Els radars meteorològics són instruments d’observació que permeten detectar i localitzar

blancs, calcular la seva trajectòria i fins i tot estimar el tipus de precipitació i intensitat mitjançant

ones electromagnètiques. L'antena de que disposen els radars meteorològics gira i envia polsos

electromagnètics contínuament per tal d'escombrar tot l'espai possible de l'atmosfera en 360 i en⁰

diferents altures. L'energia enviada pot trobar un blanc en la seva trajectòria, llavors és quan una

part de l'energia emesa pel radar és retornada a l'interceptar el blanc, és a dir, l'antena del radar

meteorològic rep una energia, també anomenada eco. Si l'energia emesa pel radar no troba cap blanc

en l'atmosfera no es retorna cap eco. L'energia emesa pel blanc, un cop arriba a l'antena, es processa

per tal que es pugui determinar la posició, la trajectòria del blanc, la intensitat de precipitació i en

funció del radar, el tipus de precipitació.

De radars meteorològics n'hi ha de molt tipus; segons la longitud d'ona dels polsos electromagnètics

es troben els radars banda L (λ= 50cm), S (λ= 10cm), C (λ= 5cm), X (λ= 3cm) o K (λ = 1cm) i

segons el tipus de polarització del feix emissor es diferencien els radars amb polarització en una

única direcció o bé en dues direccions que permeten detectar, fins i tot, la mida dels meteors.

Observacions de la xarxa de radars del SMC

En aquest estudi s'ha treballat amb la xarxa de radars meteorològics (XRAD) del Servei

Meteorològic de Catalunya formada per quatre radars tipus Doppler que operen en banda C (Figura

1). La resolució espacial dels píxels és d’ 1 km i els enregistraments són sis-minutals incloent-hi un

ampli escombreig de 0.6 a 27 d’elevació per 16 nivells diferents (Bech et al., 2004).⁰ ⁰

Un tret que s'ha de tenir en compte a l'analitzar les imatges rebudes és la facilitat d'atenuació del

senyal on nombrosos factors poden influenciar la seva qualitat com ara els ecos per falsa alarma

(existència d'ecos que no corresponen a precipitació observada a causa de l'anòmala propagació del

feix del radar), el fenomen conegut com a banda brillant que pot produir una sobreestimació de la

intensitat de precipitació en superfície, el bloqueig orogràfic, l'elevació del feix per sobre la

precipitació a grans distàncies del radar, l’atenuació per pluja forta, calamarsa i neu, etc.

5


Figura 1. Ubicació dels radars meteorològics de la XRAD del SMC.

Mitjançant els valors de reflectivitat observats, s'utilitza el producte radar TOP de 35dBZ i 45dBZ

pel càlcul de la probabilitat de calamarsa i així poder calcular, a posteriori, la climatologia.

Productes radar: TOP 35dBZ i 45dBZ

El producte radar utilitzat pel càlcul de la probabilitat de calamarsa és el echotop o també

anomenat TOP. Aquest producte indica l'altura màxima assolida per ecos d'un cert nivell de

reflectivitat i la magnitud està expressada en quilòmetres, per tant, si es parla de TOP35 o TOP45

s'està referint a altures màximes assolides per a llindars de reflectivitats corresponents a 35dBZ i

45dBZ.

2.2. Model meteorològic de mesoescala: MM5

Funcionament bàsic

Un model meteorològic de mesoscala és un model de predicció numèrica del temps amb

suficient resolució horitzontal i vertical per a pronosticar fenòmens meteorològics de mesoscala.

Les lleis físiques del moviment i conservació de l'energia regeixen el desenvolupament de les

condicions atmosfèriques que poden expressar-se mitjançant una sèrie d'equacions matemàtiques

que composen el que es denomina com predicció numèrica del temps. Les variables d'aquestes

equacions representen diferents aspectes del temps; la temperatura, el vent, la humitat, etc.

6


L'objectiu de les equacions de pronòstic és trobar l'evolució de les variables meteorològiques, per

tant, s'haurà de conèixer l'estat inicial de l'atmosfera mitjançant les condicions inicial i de frontera

proporcionades pels models globals.

Els models meteorològics s'inicialitzen utilitzant dades observades des de les radiosondes, satèl·lits i

observacions de superfície. Aquestes observacions són processades per mètodes d'assimilació de

dades i per mètodes d'anàlisi objectius i són introduïdes en els algoritmes matemàtics dels models

fent-se servir com a punt de partida del pronòstic. Les equacions de pronòstic s'inicialitzen amb les

dades de l'anàlisi i es calculen les variables meteorològiques per a temps futurs. Les equacions es

tornen a aplicar al nou estat atmosfèric per trobar les noves variables meteorològiques per a temps

futurs posteriors a l'anterior pas de temps. Aquest procediment de passos de temps es repeteix

contínuament fins aconseguir el pronòstic desitjat, de 24, 48, 72 hores, etc. obtenint així les

variables meteorològiques d'interès (temperatura, humitat, pressió atmosfèrica, vent, isozero,

precipitació) per a cada temps de pronòstic.

A la Figura 2 és representa tant el domini del model meteorològic global ECMWF com el del model

MM5 tant pel domini de 36km com pel de 12km. Pel càlcul de la probabilitat de calamarsa s'ha

treballat amb les dades extretes del domini petit de l'MM5 ja que com més petit sigui el pas de

malla del model més facilitat tindrà aquest per representar i localitzar processos meteorològics

locals.

MM5

El present estudi s'ha realitzat amb el model meteorològic de predicció numèrica del temps

MM5. És un model del NCAR/NCEP que es pot descarregar gratuïtament de la xarxa. Es tracta d'un

model regional utilitzat com a sistema de previsió del temps amb equacions primitives, no

hidrostàtic i amb 26 coordenades sigma en la vertical que ha estat dissenyat per simular circulacions

atmosfèriques de mesoscala (Dudhia, 1993 i Grell, 1994).

7


Figura 2. Cobertura geogràfica resolta pel model global ECMWF (A), MM5 a 36 km (B) i MM5 a 12 km (C).

A l'operativa diària del SMC, la simulació a 36km s'inicialitza amb la sortida en format grib del

sector europeu del model global ECMWF o, en el seu defecte, del GFS i amb dades d'observacions

en altura i en superfície (radiosondatges, dades SYNOP). La simulació a 12km és un aniuament

(one-way nesting) de l'anterior. Les simulacions es realitzen dues vegades al dia, a les 00UTC i a les

12UTC amb un horitzó de pronòstic de 72 hores en el domini de 36km i de 48 hores en el domini de

12km. Aquest últim domini serà el que interessarà, fet que s'extrauran les dades de la isozero per

aquest domini i que servirà pel càlcul de la probabilitat de calamarsa i la realització de la

corresponent climatologia.

Producte: Isozero

L'isozero és el nivell on la temperatura és de 0 C o també es pot definir com l'altura on es troba⁰

l'isoterma de 0 C. És el producte de la sortida del model meteorològic MM5 que s'ha utilitzat per a⁰

dur a terme l'estudi perquè està associat amb canvis de massa d’aire, la cota de neu i amb el tipus de

precipitació.

8


2.3. Xarxa de granímetres de l'ADV-Terres de Ponent

Un granímetre és un instrument que serveix per a quantificar i estudiar les boles de pedra o

calamarsa així com el diàmetre, la massa, energia, etc. Es compon d’una placa de poliestirè d'uns

120cm² pintada de color blanc per evitar danys estructurals per inclemències meteorològiques

adverses i es col·loca a un metre i mig del terra per evitar possibles xocs secundaris. Al final de cada

calamarsada aquestes plaques es canvien per unes de noves per tal que s'analitzin els paràmetres

anteriorment esmentats (Palencia et al., 2007).

Figura 3. Ubicació de la xarxa de granímetres de l'ADV a Catalunya. (Font: ADV-Terres de Ponent)

Per complementar el projecte del càlcul de la probabilitat de calamarsa, l'ADV de les Terres de

Ponent disposa d'una xarxa de granímetres per tal de determinar i estudiar amb exactitud les zones

afectades per calamarsades. A més, també serveixen per validar el producte de probabilitat de

calamarsa i així poder obtenir un millor ajust de la seva estimació.

Els granímetres estan distribuïts com es mostra a la Figura 3 on el disseny és quadrat i de 16km² de

superfície suposant un total de 170 granímetres en tota l'àrea d'estudi.

9


3. Metodologia

3.1. Introducció

Són moltes les tècniques que s'han utilitzat pel càlcul de la probabilitat de calamarsa en

superfície destacant una per sobre de les altres, la tècnica de la polarització dual que permet

diferenciar entre precipitació en forma de pluja i calamarsa. La reflectivitat en la polarització

horitzontal (Z H) i vertical (ZV ) són similars per les formes esfèriques com en el cas de les

boles de calamarsa. L'expressió matemàtica que representa aquesta relació es defineix mitjançant el

paràmetre (Z DR) com:

Z DR=10 · log(ZH / ZV ) (1)

Quan el radar amb polarització dual detecta calamarsa, Z H té valors elevats fent que a Z DR li

corresponguin valors propers a zero. Per a precipitació en forma de pluja, Z DR és sempre positiu.

No obstant, molts de centres meteorològics treballen encara amb radars de polarització simple, fet

que comporta una major quantitat de mètodes per a la detecció de calamarsa en superfície. La

XRAD del SMC, com ja s'ha comentat en el punt 2.1, treballa amb aquest tipus de radar.

Mètode CAPPI

En aquest mètode es distingeix calamarsa de pluja fent us de la reflectivitat pel producte PPI

(Plan Position Indicator) a una altura constant (CAPPI, Constant Altitude PPI). Si s'assumeix que

els diàmetres d i de les partícules de dispersió són més petites que la longitud d'ona del feix del

radar, implica que la dispersió Rayleigh és dominant i per tant que la reflectivitat Z del radar es pot

escriure com:

Z=∑ini D⁶i (2)

Mètode de màxima reflectivitat

Aquest mètode no és més que una simple extensió del mètode CAPPI. En lloc de prendre la

reflectivitat d'una certa altura, s'utilitza la reflectivitat màxima observada entre una altura màxima i

una mínima. La visualització del paràmetre definit com maxPPI és utilitzat per avisos de calamarsa.

10


Mètode d'Auer

Aquest mètode consisteix en la combinació de la reflectivitat radar a baixes altituds i la

temperatura del cim de la nuvolositat mitjançant el canal infraroig del satèl·lit Meteosat. L'ajust que

en va treure Hardaker i Auer al 1994 emprant més de 100 casos entre calamarsa i pluja va ser el que

mostra l'equació 3.3 i 3.4 on ZTH és la reflectivitat llinar i T top la temperatura del cim del

núvol on, en funció de la temperatura del cim del núvol (entre -11 C i -55 C), el llindar òptim per a⁰ ⁰

la detecció de calamarsa variava entre 36 i 53dBZ.

ZTH=−0.38(T top−85.0) siT top≤−11 C⁰ (3)

ZTH=1.33(T top+ 38.8)siT top>−11 C⁰ (4)

Mètode VIL

El producte radar VIL (Vertically Integrated Liquid) va ser utilitzat per primer cop per

Greene i Clark (1972) per a la detecció de calamarsa. Aquest mètode consistí en trobar una

correlació entre el valor VIL i pluja intensa o calamarsa tot combinant-ho amb el CAPPI per tal de

tenir una estructura tridimensional de la cèl·lula convectiva. Primer de tot es va procedir a convertir

totes les reflectivitats radar en contingut d'aigua líquida (M) utilitzant la relació semi-empírica entre

M(g/m³) i la reflectivitat Z(mm /m³): ⁶

M=3.44 ·10−3 Z (4 /7) (5)

VIL=3.44 · 10−3∫0

HtopZ (4/7) (6)

on H top és l'alçada CAPPI mesurada en quilòmetres.

Certs estudis corroboren la bona correlació existent entre valors alts de VIL i l'ocurrència de

tempestes intenses i calamarsa, on el valor del VIL supera en esqueix els 10 km/m². No obstant, a la

literatura no es troba cap valor llindar pel qual, per un valor VIL superior es consideri la precipitació

com a calamarsa.

11


Mètode densitat VIL

Aquest mètode pretén eliminar el problema de la inexistència d'un valor VIL llindar

esmentat en el mètode anterior. Amburn i Wofl (1997) van proposar normalitzar el valor del

producte VIL utilitzant l'altura TOP per a un cert llindar de reflectivitat. D'aquesta manera es va

definir la densitat VIL com:

VILdensitat=VIL /H top (7)

on VILdensitat s'expressa en g/m³, VIL en kg/m² i H top en km. El llindar de la densitat VIL per a

possibles avisos de calamarsa es va definir amb el valor 3.5g/m³.

Mètode Witt

Witt et al. (1998) va desenvolupar un algoritme per a la detecció de calamarsa utilitzant una

relació semi-empírica entre el flux de l'energia cinètica de les pedres de calamarsa ( E[ J /m² ]) i

la reflectivitat radar (Z [mm⁶/m³ ]) :

E(Z)=5.0·10−6 Z0.84 (8)

Per calcular ara l'índex SHI (Severe Hail Index) es relacionà el flux d'energia cinètica ( E) amb

un paràmetre W (Z) definit com un pes per la reflectivitat i W T (Z ) definit com un pes per la

temperatura, mitjançant la funció:

SHI=0.1∫0

HtopW (Z (h)) ·W T (h) · E(Z (h))dh (9)

Per a més informació sobre els mètodes de detecció de calamarsa consultar Holleman, I. (2001).

12


3.2. Mètode de Waldvogel

El mètode de Waldvogel per la detecció de calamarsa utilitza la màxima altura on es troba la

reflectivitat radar de 45dBZ ( HZ45 ) en relació amb l'altura del punt de congelació, és a dir, la

isozero HT0 . A la Figura 4 es mostra la distribució normal de la freqüència del paràmetre

HZ45−HT0 per nuclis intensos de pluja i de calamarsa observades per Waldvogel et al., 1979.

Figura 4. Distribució normal de la freqüència pel paràmetres HZ45−HT0 per nuclis intensos de pluja i de

calamarsa.

En la Figura 4 es veu clarament que, quan el paràmetre HZ45−HT0 és superior a 1.4km, comença

a apreciar-se un augment de la presència de calamarsa en relació amb la diferència d'altures.

Aquest és el mètode que utilitza el SMC pel càlcul de la probabilitat de calamarsa en superfície. En

el punt 3.2 s'explica més detalladament en què consisteix el mètode de Waldvogel.

Waldvogel et al. (1979) va treballar amb un mètode per reduir els efectes de la calamarsa en

superfície. El mètode es va realitzar amb radars de banda S i va consistir en el càlcul de la

probabilitat de calamarsa en superfície relacionant l'altura màxima d'una certa reflectivitat radar de

45dBZ (HR) i l'altura de la isozero (H M) . Com més gran fos la diferència entre l'altura d'un

determinat TOP del nucli convectiu del núvol i l'altura de la isozero, més gran seria la probabilitat

de calamarsa en superfície. Com ja s'ha vist anteriorment, quan el paràmetre de Waldvogel definit

13


com (HR−H M) és superior a 1.4km, es comença a apreciar un augment de la presència de

calamarsa. És a dir, Waldvogel et al. va veure que per reflectivitats radar de 45dBZ o superior,

s'observava per sobre del nivell de congelació la presència de calamarsa.

Iwan Holleman (2001) va obtenir la relació lineal per a la detecció de calamarsa en superfície

basant-se en el mètode de Waldvogel. Mitjançant l'exploració radar i els pronòstics cada tres hores

del model Hirlam, juntament amb una bona verificació de les observacions de calamarsa en

superfície durant l'estiu de 2000 a Holanda, Holleman, I. va trobar una relació lineal (eq. 3.10) entre

la probabilitat de calamarsa en superfície i el paràmetre de Waldvogel per a una reflectivitat de 45

dBZ.

PDC=0.319+ 0.133(H R−H M ) (10)

L'expressió lineal 3.10 surt de la verificació de la detecció de calamarsa per l'estiu de 2000 a

Holanda on només es van tenir en compte dies on l'altura de la isozero va ser superior a 2km. La

corba verda de la Figura 5 esq. mostra l'index POD (probability of detection) per una altura de

isozero superior a 2.0 km, la corba vermella mostra l'índex FAR (false alarm rate) i la corba blava

representa l'índex CSI (critical-success-index). És evident que l'índex POD és directament

proporcional a l'índex FAR. El CSI té un valor màxim en un llindar d'advertència de prop de

1.75km.

Figura 5. Esq. Verificació de la detecció de calamarsa per l'estiu de 2000. Dta. Relació lineal entre la probabilitat de

calamarsa en superfície i el paràmetre de Waldvogel.

14


La Figura 5 dta. mostra la corba de la probabilitat de calamarsa (PDC o POH(probability of hail))

en funció del llindar d'alerta marcat per l'índex CSI. Els coeficients de l'ajust lineal de la corba de

POH (desplaçament: 0.319, pendent: 0.133) són els que es mostren a l'equació 3.10 que relaciona la

probabilitat de calamarsa amb el paràmetre de Waldvogel.

3.3. Calibratge del mètode de Waldvogel a Catalunya

A mitjans de 2004, el SMC va implementar l'equació 3.10 pel càlcul de la probabilitat de

calamarsa en superfície a Catalunya mitjançant les simulacions a 24 hores de la isozero previstes

pel model MASS (Mesoscale Atmospheric Simulation System) a 15km de resolució horitzontal i

l'altura màxima per a una reflectivitat de 35 i 45 dBZ.

En l'anàlisi fet per Holleman no es tenien en compte els dies on la isozero estava per sota de 2km

d'altura, en canvi, en aquest estudi tots els casos es van tenir en compte ja que els episodis de

calamarsa que es produïen al maig eren casos on la isozero estava per sota d'aquest altura. Per poder

detectar calamarsa en aquests casos calia fer el càlcul del producte de probabilitat de calamarsa per

a una màxima altura reflectivitat radar de 35dBZ.

Figura 6. Ajust lineal de la PDC per a una reflectivitat de 45dBZ per a l'àrea de Catalunya.

La verificació entre la PDC i la calamarsa observada es va dur a terme mitjançant la xarxa de

hailpads de l'ADV de les Terres de ponent on es va trobar una relació lineal (Figura 6) per a la PDC.

15


L'equació 3.11 és l'expressió que es va extreure d'aquest ajust entre la probabilitat de calamarsa en

superfície i el paràmetre de Waldvogel (HR−H M) per a Catalunya. Més informació a Aran et al.

(2007).

PDC=0.5441+0.0949 (HR−HM ) (11)

La principal diferència entre l'equació 3.10 i 3.11 resulta en els paràmetres obtinguts (desplaçament

i pendent) de cada relació lineal. Aquests paràmetres mostren una diferència més que notable entre

ells, per tant, en l'obtenció d'un valor d'ocurrència de la PDC en superfície diferent. És de vital

importància comentar que els ajustos s'hauran d'aplicar allà on han estat calculats. La dependència

d'aquests amb les condicions mediambientals locals que rodegen la cel·la convectiva, el tipus de

radar utilitzat i la tècnica utilitzada pel càlcul de la isozero són factors que influiran en els

paràmetres dels ajustos lineals, així com en el càlcul de la probabilitat de calamarsa en superfície.

Figura 7. Àrea d’estudi per al producte de PDC (262 x 260 píxels).

El càlcul de la PDC es fa de manera operativa en l'àrea representada per la Figura 7 cada sis minuts

ja que és la freqüència amb dades disponibles de la composició del producte TOP. A final de cada

hora es calcula la PDC horària i al final del dia la PDC diària per a cada producte TOP tal i com es

mostra a la Figura 8.

16


Figura 8. Exemple del càlcul de la probabilitat de calamarsa (PDC35): dada radar pel TOP de 35 dBZ (RADAR TOP

35 dBZ), isozero del model MM5 (MASS MODEL ISOZERO), producte PDC sisminutal per un TOP de 35dBZ (6'

POH), producte màxim horari per un TOP de 35 Dbz (MAX HOURLY POH), producte màxim diari per un TOP de 35

dBZ (MAX DAILY POH).

17


3.4. Càlcul de la climatologia del PDC

Per a poder fer un bon estudi de la climatologia de la PDC anual, mensual i per la temporada

de calamarsa (maig-setembre) de la PDC, cal tenir una extensa base de dades. Com més llarga sigui

la sèrie de dades disponibles, més representatius seran els resultats obtinguts. Pel treball que es

presenta s'han utilitzat quatre anys de dades, del 27 de maig de 2006 fins al 31 de desembre de

2010. A continuació es mostra la Taula 1 corresponent a l'inventari de dades utilitzat per la

realització de la climatologia de la PDC.

TOP 35 dBZ TOP 45 dBZ

Mes (Màx. Dies) - Any 06 07 08 09 10 06 07 08 09 10

Gener (31) 31 31 15 31 31 31 15 31

Febrer (28/29) 28 29 10 28 28 29 10 28

Març (31) 31 31 31 31 31 31 31 31

Abril (30) 4 30 30 30 29 4 30 30 30 29

Maig (31) 31 31 31 31 31 31 31 31 31 31

Juny (30) 30 30 30 30 30 30 30 30 30 30

Juliol (31) 31 31 31 29 31 31 31 31 29 30

Agost (31) 31 31 31 31 31 31 31 31 31 31

Setembre (30) 30 30 30 30 30 30 30 30 30 30

Octubre (31) 31 31 31 31 31 31 31 31 31 29

Novembre (30) 30 30 30 30 30 30 30 30 30 30

Desembre (31) 31 31 31 31 31 31 31 31 31 31

Temporada (153) 153 153 153 151 151 153 153 153 151 151

Taula 1. Nombre d'arxius màxims diaris utilitzats per a la climatologia de la PDC.

A partir de les dades sis-minutals s’han creat els màxims horaris que aquests han servit per

l’elaboració dels màxims diaris (Figura 8). Donant un cop d'ull a la formulació pel càlcul de la PDC

(eq. 3.11) es veu que en funció del valor del paràmetre de Waldvogel, la probabilitat de calamarsa

en superfície pot variar entre 0 i valors superiors a la unitat (Figura 6). Per a la realització de la

climatologia de la PDC s’ha considerat píxel afectat per calamarsa aquell on el valor calculat de la

PDC és igual o superior a 0.9 (equivalent a dir 90%). D'aquesta manera els píxels dels arxius que

18


contenen les dades màximes diàries, s’han filtrat per tal de tenir en compte només aquells píxels

afectats per a una PDC igual o superior a 0.9 per tal de descartar possibles sorolls i per tant que els

píxels afectats amb una PDC igual o superior a 0.9 siguin probablement calamarsa.

Estructura dels arxius màxims diaris

Els arxius originals de la PDC tenen un format binari. Per a treballar amb ells s'han de

transformar a ascii. El contingut d'aquests està distribuït en tres columnes, les dues primeres fan

referència a la localització del píxel (x,y) dins l'àrea de la Figura 7 i la darrera fa referència al valor

de la probabilitat de calamarsa d'aquell píxel que, com ja s'ha comentat anteriorment, varia entre 0 i

valors superiors a la unitat, sent només aptes els píxels amb PDC's iguals o superior a 0.9.

Tractament de les dades

Per a fer el tractament de les dades s'ha utilitzat un programa en llenguatge fortran. Per cada

arxiu ascii tenim un total de 68120 píxels. Quan els arxius van entrant al programa i aquest detecta

valors de PDC iguals o superiors a 0.9, s'identifica aquell píxels com a “1”. Als altres se'ls atorga un

"0".

Per a cada cas d’estudi s’ha calculat el nombre de dies i freqüència de PDC. Píxel a píxel s’ha fet un

recompte amb el nombre de vegades que aquell píxel ha enregistrat un valor de PDC igual o

superior a 0.9 i d’aquesta manera s'ha obtingut el nombre de dies de PDC per a cada píxel. Pel

càlcul de la freqüència s’ha fet el quocient entre el nombre de dies de PDC (igual o superior a 0.9)

per píxel i el nombre total de dies segons si es fa el càlcul per quinzenes, mesos o anys. D'aquesta

manera s'ha aconseguit fer una climatologia anual, mensual i per la temporada de calamarsa del

nombre de dies i freqüència per a una reflectivitat de 35dBZ (PDC35) i de 45dBZ (PDC45).

19


4. Resultats

La climatologia de la PDC és un conjunt de diferents càlculs estadístics elaborats a partir de

les dades màximes diàries del producte de probabilitat de calamarsa.

A partir de les dades sis-minutals (Figura 8 d, d') s’han creat els màxims horaris (Figura 8 e, e') que

aquests han servit per l’elaboració dels màxims diaris (Figura 8 f, f').

Per a la realització de la climatologia de la PDC s’han utilitzat els arxius de les imatges màximes

diàries on, s'ha considerat píxel afectat per calamarsa aquell on el valor calculat de la PDC és igual

o superior a 0.9 (equivalent a dir 90%). D'aquesta manera els arxius que contenen les dades

màximes diàries, s’han filtrat per tal de tenir en compte només aquells píxels afectats per a una PDC

igual o superior a 0.9. Aquest filtre s'ha fet servir per considerar només aquells píxels afectats per

probable calamarsa.

Les imatges de la climatologia de PDC mostren la distribució espacial del nombre de dies totals i

freqüència total dels píxels afectats per PDC igual o superior al 90%. Els resultats es classifiquen en

funció del càlcul estadístic i de la temporalitat de l'estudi, bé sigui anual, mensual o per la

temporada de calamarsa.

Les dades han de ser el més representatives possibles, per tant, per minimitzar possibles sorolls de

tipus orogràfic, les imatges que es mostraran en aquest estudi (excepte l'estudi de la climatologia

anual) faran referència al producte obtingut a partir de la reflectivitat radar de 45dBZ.

4.1. Climatologia anual

Aquest apartat està dividit en dos sub-apartats; el primer contempla una climatologia total

any per any mentre el segon està focalitzat en obtenir una climatologia mitjana del nombre de dies i

de la freqüència de probabilitat de calamarsa igual o superior al 90% que afecta cada píxel de la

regió d'estudi.

4.1.1. Estadística total

Anualment es fa un recompte del nombre de vegades que cada píxel s'ha vist afectat per una

probabilitat de calamarsa igual o superior al 90% i es calcula el nombre total de dies. El càlcul de la

freqüència total per píxel es realitza en funció del nombre total de dies amb dades disponibles per

l'any en concret.

20


Nombre de dies

La representació espacial de l'estimació de la climatologia del nombre de dies totals (Figura

9 i Figura 10) per a una probabilitat de calamarsa igual o superior al 90% mostra una clara

diferència en el nombre de píxels en funció de la reflectivitat radar que s'hagi emprat.

Les imatges per a la climatologia de calamarsa realitzada amb les dades obtingudes per una

reflectivitat de 35dBZ mostren una gran extensió de píxels morats pel 2006, 2007, 2009 i 2010. La

diferència en l'extensió del píxels en relació al producte de 45 dBZ mostra una sobreestimació del

nombre de dies estimats amb probabilitat de calamarsa igual o superior al 90%. Per l'any 2008

aquesta sobreestimació va més enllà dels 2-4 dies estimats de més, triplicant-se el nombre de dies

estimats respecte el producte de 45dBZ.

Per a la reflectivitat de 45dBZ es veu una clara diferència entre tots els anys d'estudi, sent el 2008

l'any amb més píxels afectats per probabilitats de calamarsa superiors al 90% mentre que l'any 2007

va ser l'any amb menys píxels afectats segurament condicionat per l'escassa precipitació d'aquell

any. De fet, la majoría de píxels de la climatologia pel 2008 es veuen afectats per una tonalitat

morada corresponent d'1 a 3 dies amb probabilitat de calamarsa igual o superior al 90%. No obstant,

les comarques del Ripollès, Osona i Berguedà es veuen afectades per uns 11-14 dies de PDC igual o

superior al 90%.

21


Figura 9. Representació espacial del nombre de dies totals estimats amb PDC igual o superior al 90% per un TOP de

35dBZ pel 2006, 2007, 2008, 2009 i 2010.

Figura 10. Representació espacial del nombre de dies totals estimats amb PDC igual o superior al 90% per un TOP de

45dBZ pel 2006, 2007, 2008, 2009 i 2010.

22


Freqüència

La Figura 11 i Figura 12 mostra la representació espacial de la freqüència total estimada amb

probabilitat de calamarsa igual o superior al 90% per 35 i 45dBZ respectivament. Per a cada any

s'ha calculat la freqüència tenint en compte el nombre de dies estimats per píxels i el nombre total

de dades disponibles per a cada any.

En la Figura 10 i Figura 11, per un TOP de 45 dBZ es veu una disminució del nombre de píxels

afectats per probabilitat de calamarsa igual o superior al 90% respecte el TOP de 35dBZ. Les

imatges de la dreta de la Figura 10 corresponen a l'estimació de la PDC calculada a partir de la

reflectivitat radar més elevada. Es mostra com el 2008 va ser un any on pràcticament en la totalitat

de Catalunya va haver una freqüència total estimada de PDC del 0.3%. Prop del Pirineu i Prepirineu

Oriental, aquesta freqüència total estimada de PDC augmenta considerablement i se situa al voltant

del 3% - 4%, és a dir, 11-15 dies totals estimats de probabilitat de calamarsa igual o superior al 90%

durant el 2008.

Pels altres anys es veu una disminució tant en el nombre de dies afectats com en l'extensió dels

píxels sobre Catalunya. Les zones que contemplen una major quantitat de píxels són la Depressió

Central, el Prepirineu i el Pirineu essent la freqüència total estimada de 0.7% - 1.8%.

23


Figura 11. Representació espacial de la freqüència total estimada amb PDC igual o superior al 90% per un TOP de

35dBZ pel 2006, 2007, 2008, 2009 i 2010.

Figura 12. Representació espacial de la freqüència total estimada amb PDC igual o superior al 90% per un TOP de

45dBZ pel 2006, 2007, 2008, 2009 i 2010.

24


4.1.2. Mitjana d'anys agregats

Tenint en compte tots els anys amb dades disponibles, es fa un recompte mes a mes del

nombre de vegades que cada píxel s'ha vist afectat per una probabilitat de calamarsa igual o

superior al 90% per tal de calcular el nombre mitjà de dies i freqüència mitjana.

Nombre de dies

La Figura 13 mostra la distribució espacial de la mitjana de dies per mes tenint en compte

tots els anys i per un TOP de 45dBZ. S'observa que pels mesos de primavera i estiu la quantitat de

píxels acolorits per probabilitat de calamarsa igual o superior al 90% augmenta a diferència dels

mesos d'hivern. Més concretament, pels mesos d'octubre a març no s'observa pràcticament píxels

afectats per PDC igual o superior al 90%, en canvi, d'abril a setembre el nombre d'aquests píxels va

en augment, essent els mesos amb més presència de píxels els compresos entre el maig i setembre.

En un marc general, entre els mesos de juny i agost, els píxels afectats es concentren a la zona del

Pirineu Oriental, Prepirineu Oriental, Depressió Central i Terres de Ponent. La majoria de píxels

mostren tonalitats referents a una mitjana de calamarsa estimada que varia entre mig dia a un dia.

25


Figura 13. Representació espacial del nombre de dies mensuals mitjans d'anys agregats amb PDC igual o superior al

90% per un TOP de 45dBZ i per cada mes de l'any.

Donant un cop d'ull al mes d'octubre, zones del Vallès i Maresme estan afectades amb píxels que

reflecteixen un dia de probabilitat de calamarsa en un total de 153 dies d'estudi.

Freqüència

La representació espacial de la freqüència mensual mitjana d'anys agregats (Figura 14) té el

mateix patró que el de la Figura 13. Els mesos amb una major quantitat de píxels afectats per una

probabilitat de calamarsa igual o superior al 90% són els que es corresponen amb la primavera i

estiu. Durant aquests mesos la freqüència mensual mitjana, si es tenen en compte les dades des de el

2006 fins el 2010, és d'entre un 0.3% i un 0.7% a gran part del Pirineu i Prepirineu Oriental,

extenent-se cap a les Terres de Ponent. En certs indrets les tonalitats corresponen a una freqüència

d'un 1%, indicant zones on durant els cinc anys d'estudi va haver-hi un dia on el píxel va estar

afectat probabilitat de calamarsa igual o superior al 90%.

26


Figura 14. Representació espacial de la freqüència mensual mitjana d'anys agregats amb PDC igual o superior al 90%

per un TOP de 45dBZ i per cada mes de l'any.

27


4.2. Climatologia mensual

En aquest apartat es tractarà la climatologia mensual del producte de probabilitat de

calamarsa igual o superior al 90%. Primer de tot es mostra una climatologia total mes a mes tant pel

nombre de dies com per la freqüència. El segon apartat està focalitzat en obtenir una climatologia

mitjana del nombre de dies i de la freqüència.


Nombre de dies

La representació de l'estadística mensual total s'ha realitzat per tots els mesos de l'any, però

la Figura 15 només mostra aquells mesos on el fenomen meteorològic de la calamarsa és més

probable. D'aquesta manera, s'han escollit els mesos de juny, juliol i agost de tots els anys amb

dades disponibles (2006-2010).

Es pot comprovar que són mesos amb una elevada quantitat de píxels afectats per probabilitats de

calamarsa igual o superior al 90%. Durant els mesos d'estiu de l'any 2008 la presencia de píxels

afectats és força important a diferència de l'any 2007, on vista la representació pels mateixos mesos

s'observa que les precipitacions van ser minses i es podria arribar a interpretar que l'estiu d'aquell

any va ser força sec. Pels altres anys es veu una distribució irregular dels píxels afectats per una

estimació de la probabilitat de calamarsa igual o superior al 90%, però la zona on s'observen més

píxels són el Pirineu i el Prepirineu Oriental. El nombre total de dies per píxel al llarg dels mesos és

força semblant.

28


Figura 15. Representació espacial del nombre de dies totals pels mesos de juny, juliol i agost de 2006-2010 amb una

probabilitat de calamarsa igual o superior al 90% per un TOP de 45dBZ.

29


Pel juliol de 2006 el nombre de dies afectats per probabilitat de calamarsa igual o superior al 90%

pel Pirineu i Prepinireu Oriental va variar entre 1 i 2 dies. En certes zones de la depressió central hi

ha un total de 2, 3 i 4 dies totals.

Freqüència

La Figura 16 mostra la freqüència total pels mesos de juny, juliol i agost del 2006-2010.

Com ja s'observava a la Figura 15, al 2007 es van produir escasses precipitacions degudes a

tempestes de caràcter convectiu, tal i com també es mostra a la Figura 16. L'any 2008 és el que

presenta un major distribució espacial de píxels afectats per probabilitat de calamarsa igual o

superior al 90%, mostrant zones amb una freqüència total del 16% i 19%.

En general la freqüència total més extensa per tot el territori català és la que correspon entre un

3.2% i 6.7% de probabilitat de calamarsa igual o superior al 90%.

30


Figura 16. Representació espacial de la freqüència total pels mesos de juny, juliol i agost de 2006-2010 amb una

probabilitat de calamarsa igual o superior al 90% per un TOP de 45dBZ.

31


4.2.2. Mitjana de mesos agregats

Tenint en compte tots els anys amb dades disponibles, es fa un recompte per conèixer el

nombre de dies per mes que cada píxel s'ha vist afectat per una probabilitat de calamarsa igual o

superior al 90%.

Nombre de dies

La Figura 17 mostra la distribució espacial de la mitjana de dies per mes i any amb dades

disponibles per un TOP de 45dBZ. L'any 2008 és el que contempla una major quantitat de píxels

afectats, estimant una mitjana de mig dia a un dia per mes i any amb probabilitat de calamarsa igual

o superior al 90%. Es pot observar també la distribució d'aquests píxels, on l'estimació de la

calamarsa es produeix sobretot al Pirineu i Prepirineu Oriental.

Figura 17. Representació espacial de la mitjana de nombre de dies per mes amb una probabilitat de calamarsa igual o

superior al 90% per un TOP de 45dBZ.

32


Freqüència

La Figura 18 mostra la distribució espacial de la freqüència mitjana per mes i any amb dades

disponibles per un TOP de 45dBZ.

S'observa que per l'any 2008 es va estimar una freqüència mitjana de 0.1% a 0.3% per mes i any de

probabilitat de calamarsa igual o superior al 90 % en la major part del territori català. Al Pirineu i

Prepirineu Oriental, per exemple, aquesta freqüència mitjana es va enfilar fins el 0.5% per mes.

Figura 18. Representació espacial de la freqüència mitjana per mes amb una probabilitat de calamarsa igual o superior

al 90% per un TOP de 45dBZ.

33


4.3. Climatologia per la temporada de calamarsa

En aquest apartat es tractarà la climatologia per la temporada de calamarsa del producte de

probabilitat de calamarsa igual o superior al 90%. La temporada de calamarsa s'ha considerat entre

els mesos maig i setembre.


A continuació es mostren els resultats dels càlculs estadístics totals per la temporada de calamarsa

on, per cada any d'estudi, s'han tingut en compte les dades disponibles entre els mesos de maig a

setembre.

Nombre de dies

La Figura 19 mostra el nombre de dies totals per la temporada de calamarsa amb PDC igual o

superior al 90%. S'observa que pel 2008 gran part del territori català es va veure afectat entre uns 2-

5 dies de calamarsa entre un total de 153 dies amb dades disponibles. En canvi, en el Pirineu i

Prepirineu Oriental es van estimar fins a 12 dies de PDC igual o superior al 90%.

Figura 19. Representació espacial del nombre de dies totals per la temporada de calamarsa amb una probabilitat de

calamarsa igual o superior al 90% per un TOP de 45dBZ.

34


Freqüència

Traduint la informació anterior a la freqüència total, a la Figura 20 s'observa que per la temporada

de calamarsa del 2008 gran part del territori va estimar una freqüència d'entre un 0.3% i 3.9% de

PDC igual o superior al 90%. En el Pirineu i Prepirineu Oriental es va estimar fins a una freqüència

total del 11.8%. En canvi, els resultats pel 2006, 2009 i 2010 mostren que el rang de freqüències

amb PDC igual o superior al 90% per a la Catalunya Central, Pirineu i Prepirineu Oriental que varia

entre el 1.3% i el 3.9%.

Figura 20. Representació espacial de la freqüència total per la temporada de calamarsa amb una probabilitat de


35


4.3.2. Mitjana de mesos agregats

A continuació es mostren els resultats dels càlculs estadístics mitjans per la temporada de calamarsa

amb una PDC igual o superior al 90%.

Nombre de dies

La Figura 21 mostra el nombre de dies mitjans per mes de temporada de calamarsa amb probabilitat

de PDC igual o superior al 90%. Per la temporada de calamarsa de 2008 s'observa que pel Pirineu i

Prepirineu Oriental es va estimar una mitjana d'entre 1 i 2 dies de PDC igual o superior al 90% per

mes de temporada de calamarsa. En canvi, per les Terres de Ponent es va estimar una mitjana d'un

dia.

Figura 21. Representació espacial del nombre de dies mitjans per mes de temporada de calamarsa amb una probabilitat

de calamarsa igual o superior al 90% per un TOP de 45dBZ.

36


Freqüència

La Figura 22 mostra la freqüència mitjana per mes de temporada de calamarsa amb probabilitat de

PDC igual o superior al 90%. Per la temporada de calamarsa de 2009 s'observa que pel Pirineu i

Prepirineu Oriental es va estimar una freqüència mitjana de 0.3% amb PDC igual o superior al 90%

per mes, en canvi, pel 2008 la freqüència mitjana per mes de temporada de calamarsa va estimar-se

entre el 1% i el 2%.

Figura 22. Representació espacial de la freqüència mitjana per mes de temporada de calamarsa amb una probabilitat de


37


5. Verificació dels resultats

La verificació dels resultats es va dur a terme comparant les imatges diàries obtingudes amb

el producte de PDC igual o superior al 90% i les dades observacionals dels hailpads col·locats en

zones d’estudi a Catalunya. On més observacions hi ha és a la zona de Terres de Ponent que, com ja

s’ha comentat a la introducció, és una zona d'explotació agrícola i, per tant, molt sensible a la

calamarsa per les pèrdues econòmiques que pugui comportar.

La informació d’aquesta verificació s'ha extret de l’article J.Mateo et al., 2010, un estudi que va

servir per fer la verificació del producte de PDC igual o superior a 0'9.

La Figura 19 mostra les observacions dels hailpads del 18 d’abril de 2008 i el producte de PDC

igual o superior al 90% per al TOP de 35 dBZ i 45 dBZ.

Figura 19. Dies d’observació de calamarsa (a), producte de calamarsa pel TOP de 45dBZ (b) i de 35dBZ (c) pel 18 d’

abril de 2008 per a una PDC igual o superior al 90%.

Les imatges (a) i (c) de la Figura 19 s’ajusten millor que no pas la (a) i la (b). Durant el mes d’abril,

les tempestes pre-frontals que donen lloc a forts xàfecs acompanyats de calamarsa, estan formats de

núvols baixos de gran extensió horitzontal i poc desenvolupament vertical, per aquest motiu el TOP

que millor interpreta la formació de calamarsa és de 35dBZ. Conseqüentment, aquest TOP

representarà millor la precipitació en forma de calamarsa a la primavera.

Figura 20. Dies d’observació de calamarsa (a), producte de calamarsa pel TOP de 45dBZ (b) i de 35dBZ (c) per l'11 de

setembre de 2008 per a una PDC igual o superior aL 90%.

38


La Figura 20 fa referència a l’11 de setembre de 2008. El TOP que millor interpreta les

observacions és el de 45dBZ. En aquest cas, l’altura de l’isozero ha augmentat fent que la

reflectivitat de 35dBZ no reflecteixi tant bé la precipitació en forma de calamarsa. A l'estiu el TOP

de 45dBZ interpretarà millor els episodis de calamarsa.

39


6. Valoracions

El fet que el fenomen meteorològic de la calamarsa sigui un dels més destructius per a

l'agricultura i amb la intenció d'estudiar la seva distribució espacial a l'àrea de Catalunya, el Servei

Meteorològic de Catalunya ha desenvolupat una operativa pel càlcul del producte de probabilitat de

calamarsa en superfície així com una climatologia anual, mensual i per la temporada de calamarsa

(maig-setembre) a Catalunya.

La climatologia de la probabilitat de calamarsa s'ha realitzat mitjançant les simulacions a 24 hores

de la isozero previstes pel model MASS a 15 km de resolució horitzontal i l'altura màxima per a una

certa reflectivitat radar (35 i 45 dBZ).

A partir de l'expressió de Waldvogel, a mitjans de 2004, el SMC va dur a terme una verificació per

tal d'obtenir l'expressió pel càlcul de la probabilitat de calamarsa en superfície per a Catalunya:

PDC=0.5441+0.0949 (HR−HM )

Aquest producte s'ha calculat sis-minutalment i ha servit per obtenir la probabilitat de calamarsa

màxima horària, a partir d'aquesta s'han elaborat els valors màxims diaris i així, finalment, obtenir

la climatologia de la probabilitat de calamarsa a Catalunya. Per a fer l'estudi de la climatologia de la

PDC s'han utilitzat quatre anys de dades, des del 27 de maig de 2006 fins al 31 de desembre de

2010 i s’ha considerat píxel afectat per calamarsa aquell on el valor calculat de la PDC és igual o

superior a 0.9.

El resum de la climatologia de la probabilitat de calamarsa a Catalunya per un TOP de 45dBZ:

– Climatologia anual: l'any 2008 va ser l'any on es van estimar més dies de probabilitat de

calamarsa amb una afectació, en general, d'1 a 3 dies amb probabilitat de calamarsa

igual o superior al 90%. No obstant, les comarques del Ripollès, Osona i Berguedà es

van veure afectades per uns 11-14 dies de PDC igual o superior al 90% durant tot el

2008.

40


– Climatologia mensual: durant els mesos d'estiu de l'any 2008 la presencia de píxels

afectats per PDC igual o superior al 90% és força important amb mitjanes de 3 a 5 dies

al mes. Pels altres anys es veu una distribució irregular dels píxels afectats per una

estimació de la probabilitat de calamarsa igual o superior al 90%, essent el Pirineu i

Prepirineu Oriental les zones més afectades.

– Climatologia per la temporada de calamarsa: pel 2008 gran part del territori català es va

veure afectat entre 2 i 5 dies de calamarsa entre un total de 153 dies de dades

disponibles. En canvi, en el Pirineu i Prepirineu Oriental es van estimar fins a 12 dies de

PDC igual o superior al 90%.

A partir de les observacions de les diferents climatologies de la probabilitat de calamarsa que s'han

presentat en aquest informe es conclou que, les àrees on són més probables les precipitacions en

forma de calamarsa són el Pirineu i Prepirineu Oriental i durant els mesos de primavera. Cal dir,

però, que encara que segons la climatologia de calamarsa presentada no s'enregistrin molts casos de

calamarsades per les Terres de Ponent, aquest fenomen meteorològic és el que comporta més

destrosses i pèrdues de diners en el sector de l'agricultura.

41


7. Referències

– Aran M., Sairouni A., Bech J., Toda J., Rigo T., Cunillera J., Moré J., 2007: Pilot project for

intensive surveillance of hail events in Terres de Ponent (Lleida). Atmos. Res., 83 315-335.

– Bech, J., Vilaclara, E., Pineda, N., Rigo, T., López, J., O’Hora, F., Lorente, J., Sempere, D.,

Fàbregas, F.X., 2004. The weather radar network of Catalan Meteorological Service:

description and applications. European Conference on Radar in Meteorology and Hydrology

(ERAD) – COST 717 Final Seminar. ERAD Publication Series, vol 2. Copernicus GmbH ©.

ISBN: 3-936586-29-2, pp. 416-420.

– Ceperuelo, M., 2008. Identificación y caracterización del granizo mediante el radar

meteorológico. Modelos de predicción del ciclo de vida de las células convectivas. Tesi

Doctoral.

– Ceperuelo, M., Llasat, M.C., T. Rigo, 2006: Rainfall events and Hailstorm Analysis

Program, RHAP. Ad. Geo., 7, 205–213.

– Farnell, C., Busto, M., Aran M., Andres A., Pineda N., Torà M., 2009. Estudi de la

pedregada de 17 de setembre de 2007 al Pla d’Urgell. Primera part: treball de camp i anàlisi

de granímetres. Tethys, 6, 69-81.

– Hohl, R., H.H. Schiesser y I. Knepper, 2002b: The use of weather radars to estimate hail

damage to automobiles: an exploratory study in Switzerland. Atmos. Res., 61, 215-238.

– Holleman, I., 2001. Hail detection using single-polarization radar. Scientific report WR-

2001-01, Royal Netherlands Meteorological Institute (KNMI).

– Mateo, J., Anton, C., Aran, M., Bech, J., i Sairouni, A., 2009. Towards an integrated hail

database: a comparative study of different soureces of information in Catalonia. Atm.Res.,

Manuscript.

– Tudurí E., Romero R., López L., García E., Sánchez J.L., Ramis C., 2003: The 14 July 2001

hailstorm in northeastern Spain: diagnosis of the meteorological situation. Atmos. Res., 67-

68 541-558.

– Waldvogel, A., Federer, B., Grimm, P., 1979. Criteria for Detection of hail cells. J. Appl.

Meteorol. 18, 1521-1525.

– Waldvogel, A., Federer, B., Schmid, W., and Mezeix, J. F., 1978: The kinetic energy of

hailfalls. Part II. Radar and hailpads. J. Appl. Meteor., 17, 1680–1693.

42


Agraïments

Volem agrair a tots els companys de l'àrea de RAM (Recerca Aplicada i Modelització) del

Servei Meteorològic de Catalunya (SMC) i especialment a en Jordi Mercader, les seves aportacions

que han servit per millorar aquesta nota d'estudi. Agrair també a en Jordi Cunillera i a en Toni

Barrera de l'Unitat de Canvi Climàtic del SMC el seu suport, a l'equip de teledetecció de la Unitat

SOM i a en Joan Bech (Universitat de Barcelona) per les seves aportacións. Volem també agrair a

la Maite Torà Solsona de l’Agrupació de Defensa Vegetal de les Terres de Ponent (ADVTP) per les

dades facilitades i finalment a en Jordi Mateo del SMC l'estudi previ de la verificació de la

probabilitat de calamarsa a Catalunya.

43

Climatologia de la probabilitat de calamarsa a...

Documents

Transcript of Climatologia de la probabilitat de calamarsa a...