INTEGRACION DE TECNICAS RADAR Y SENSORES REMOTOS …
77
1 COMISION EUROPEA DIRECCION GENERAL XII CIENCIA, INVESTIGACION Y DESARROLLO INTEGRACION DE TECNICAS RADAR Y SENSORES REMOTOS PARA LA ESTIMACION DE LLUVIAS EN APLICACIONES HIDROLOGICAS Y MITIGACION DE RIESGOS DE INUNDACION LA CONTRIBUCION EUROPEA: PERSPECTIVAS Y EXPECTATIVAS S. Fattorelli, R. Casale, M. Borga, D. Da Ros Asociación Italiana de Hidronomía ( AIDI) Programa Europeo del Medio Ambiente
Transcript of INTEGRACION DE TECNICAS RADAR Y SENSORES REMOTOS …
1
COMISION EUROPEA
DIRECCION GENERAL XII
CIENCIA, INVESTIGACION Y DESARROLLO
INTEGRACION DE TECNICAS RADAR Y SENSORES REMOTOS
PARA LA ESTIMACION DE LLUVIAS EN
APLICACIONES HIDROLOGICAS Y
MITIGACION DE RIESGOS
DE INUNDACION
LA CONTRIBUCION EUROPEA: PERSPECTIVAS Y EXPECTATIVAS
S. Fattorelli, R. Casale, M. Borga, D. Da Ros
Asociación Italiana de Hidronomía ( AIDI) Programa Europeo del Medio Ambiente
2
Título original:
INTEGRATING RADAR AND REMOTE SENSING TECHNIQUES OF RAINFALL
ESTIMATION IN HYDROLOGICAL APPLICATIONS FOR FLOOD HAZARD MITIGATION
THE EUROPEAN CONTRIBUTION: PERSPECTIVES AND PROSPECTS
S. Fattorelli(1), R. Casale(2), M. Borga(1), D. Da Ros(3)
Traducción al Español : Pedro Carlos Fernández (4)
Revisión, Corrección y Actualización : Luis Hernando Gómez V. (5)
Referencia de los Autores
(1) Universidad de Padua, Departamento Territorio, Sistemas AgroForestales y del MedioAmbiente.
Agripolis. Via Romea 35020 Legnaro ( Padova ), Italia.
(2) Comisión Europea, Rue de la Loi 200, B-1049 Bruselas, Bélgica.
(3) BETA Studio Srl. Via Monte Sabotino, 2/A. 35020 - Padua (Italia)
(4) Investigador Principal del Consejo Nacional de Investigaciones Científicas y Técnicas -Argentina. Instituto Nacional del Agua y del Ambiente Centro Regional Andino - Casilla deCorreo nª 6 . 5500 Mendoza – Argentina
(5) Consultor en Hidrometeorológia – Via della Castagneta 80, 00040 Pomezia (Roma), Italia.(email: [email protected])
EUR n. 16494
AVISO LEGAL
Ni la Comisión Europea ni ninguna persona que actúe en nombre de la Comisión esresponsable por el uso que se pueda hacer de la siguiente información.
Comisión EuropeaDirección General XII para la Ciencia, la Investigación y el DesarrolloPrograma del Medio AmbienteP. Gray, DirectorUnidad de Climatología y Riesgos NaturalesR. Casale, Oficial CientíficoRue de la Loi, B-1049 Bruselas, Bélgica
3
INDICE
PRESENTACION..................................................................................................................................... 4
INTRODUCCION ..................................................................................................................................... 5
1 APLICACION DE TECNICAS RADAR Y SATELITE EN LA MEDICION DE LLUVIAS..................... 8
2 MEDICION DE LA PRECIPITACION CON RADAR........................................................................ 12
2.1 OBSERVACIONES GENERALES SOBRE LA MEDICION RADAR DE LA PRECIPITACIÓN. . 122.1.1 Principios de estimación de la precipitación con radar. ...................................................... 122.1.2 Selección de la técnica de estimación................................................................................ 152.1.3 Longitudes de onda en uso operativo ................................................................................ 19
2.2 PROBLEMAS ASOCIADOS A LAS ESTIMACIONES CON RADAR. ....................................... 202.2.1 Atenuación ........................................................................................................................ 212.2.2 Efecto de la curvatura terrestre y desarrollo de precipitaciones de bajo nivel ..................... 222.2.3 Propagaciones anómalas. ................................................................................................. 222.2.4 Variabilidad de la reflectividad en la vertical. ...................................................................... 232.2.5 Ecos permanentes y ruidos terrestres................................................................................ 242.2.6 Oscuramiento.................................................................................................................... 242.2.7 Llenado parcial del haz. ..................................................................................................... 26
2.3 COMPARACIÓN Y AJUSTES ENTRE RADAR Y PLUVIÓGRAFOS........................................ 262.4 REDES RADAR. ...................................................................................................................... 29
3 MEDICION DE LA PRECIPITACION CON SATELITE ................................................................... 32
3.1 ASPECTOS GENERALES DE LOS SATÉLITES. .................................................................... 323.2 PRIMEROS SATÉLITES METEOROLÓGICOS. ...................................................................... 333.3 TÉCNICAS PARA ESTIMACIÓN DE LLUVIAS CON IMAGENES SATELITARES. .................. 36
3.3.1 Uso de datos visibles e infrarrojos. .................................................................................... 363.3.2 Uso de radiación de microondas........................................................................................ 39
4 PRONOSTICOS DE LLUVIAS A CORTO PLAZO USANDO DATOS RADAR Y DE SATELITEMETEOROLOGICO............................................................................................................................... 43
5 INTEGRACION DE DATOS RADAR Y SATELITE PARA LA MODELACION HIDROLOGICA Y ELPRONOSTICOS DE CRECIENTES....................................................................................................... 49
6 INVESTIGACIONES EUROPEAS SOBRE ESTIMACION DE LLUVIAS Y APLICACIONESHIDROLOGICAS DE DATOS RADAR Y SATELITES METEOROLOGICOS........................................ 57
6.1 PROYECTO AFORISM............................................................................................................ 576.2 PROYECTO STORM ............................................................................................................... 596.3 PROYECTO PADRE................................................................................................................ 626.4 EL GRUPO EUROPEO DE RADAR HIDROLOGIA.................................................................. 64
6.4.1 El problema de la medición de la precipitación:.................................................................. 656.4.2 El problema de la previsión de la precipitación,.................................................................. 666.4.3 La aplicación del radar en el control y alertas de crecientes,.............................................. 66
6.5 ACCIONES CONCERTADAS RIBAMOD ................................................................................. 68
7 PERSPECTIVAS Y EXPECTATIVAS ............................................................................................. 69
8 REFERENCIAS .............................................................................................................................. 71
4
PRESENTACION
La teledetección es un sector que ha alcanzado altos niveles de desarrollo tecnológico, sin
embargo solo en el ultimo decenio se ha iniciado una amplia utilización de esta tecnologìa
en el sector de los recursos naturales y del medio ambiente. El acelerado crecimiento
de las aplicaciones de los sensores remotos en el sector ambiental se debe en gran parte a
la disponibilidad y accesibilidad de la información así como de herramientas hardware y
software para el tratamiento y elaboración de los datos.
En el sector de los recursos hídricos y en particular el caso del pronostico de crecientes la
teledetección juega un rol determinante. Entre las aplicaciones especificas de la tecnología
radar y satelital se destaca su contribución al problema de la estimación espacio temporal de
los campos de precipitación sobre amplias regiones. En efecto es ampliamente conocido que
las lluvias constituyen el principal factor de control de la dinámica de los procesos hidrológicos,
por consiguiente su correcta medición en el tiempo y en el espacio constituye un aspecto de
fundamental importancia para la realización de pronósticos de crecientes confiables y seguros.
La posibilidad de disponer de estimaciones numéricas de los campos de precipitación sobre
amplias áreas esta generando fuertes cambios en las metodologías y en las
herramientas tradicionalmente utilizadas para el análisis y el pronostico de los procesos
hidrológicos, por consiguiente es importante que los hidrólogos y técnicos del sector conozcan
y se familiaricen con esta tecnología al fin de comprender su potencialidad así como sus
limitaciones.
En el marco del Programa Hidrológico Internacional, la Oficina Regional de la UNESCO para
América Latina (ORCYT), consciente del creciente aumento del riesgo de inundaciones en los
países latinoamericanos y del rol que en el próximo futuro jugarán estas tecnologías en el
pronóstico de crecientes, ha considerado oportuno poner a disposición de la comunidad lati-
noamericana la traducción de un documento desarrollado por la Asociación Italiana de
Hidronomía (AIDI) y patrocinado por la Dirección General XII - Ciencia Investigación y
Desarrollo de la Comisión Europea. La publicación ilustra además de los principios básicos de
la tecnología radar y satelital para la medición de lluvias, los resultados de importantes
proyectos de investigación desarrollados en el marco de Programas Europeos de Investigación
financiados por la DG XII de la CE.
5
INTRODUCCION
Frecuentemente tormentas de fuerte intensidad ocurren en alguna parte en Europa
produciendo lluvias intensas, incrementos repentinos en el nivel de ríos e inundaciones en
áreas urbanas y rurales. Anualmente las inundaciones provocan pérdidas de vidas humanas e
importantes daños económicos que atraen la atención y el interés internacional. En Europa el
riesgo que inundaciones provoquen grandes daños a bienes e inversiones y a importantes
arterias de comunicación es potencialmente elevado, entre las áreas más vulnerables se
destacan las áreas bajas protegidas por diques en Holanda, la costa este de Gran Bretaña, las
planicies costeras del norte de Alemania, los Valles del Rhin, del Sena, del Loire, las áreas
costeras de Portugal y el Valle del Po, en Italia. Estas son entre otras las mejores tierras de la
Unión Europea, ricas en bienes y en capacidad de producción. Adicionalmente muchas otras
regiones son afectadas por crecientes locales, en la región Mediterránea, por ejemplo se
presentan sistemas convectivos independientes de las condiciones meteorológicas generales
que provocan crecientes en áreas urbanas y en pequeñas cuencas rurales.
La relevancia de los problemas de inundaciones en Europa fue recientemente destacada por
dos eventos extremos que ocurrieron en el noroeste de Italia durante noviembre de 1994 y en
el norte y centro de Europa durante enero de 1995. La prensa internacional informó sobre
estos eventos y en particular la revista Time escribió:
Noviembre 1994 Inundaciones en la región Piedemonte, Norte de Italia:
“Ríos rompieron sus márgenes, puentes y autopistas se destruyeron y gran parte de las
cosechas se perdieron. Cuando los cielos finalmente se aclararon, 63 personas habían
muerto y 10.000 quedaron sin hogar. Los daños en propiedades fueron estimados -
conservadoramente- en $ 4 mil millones”.
Enero 1995 Inundaciones en el norte y centro de Europa:
Holanda: ”Con diques en el sur amenazados de destrucción, 250.000 personas fueron
evacuadas. Tres murieron y los daños alcanzaron a $ 2 mil millones”.
Alemania: ”La navegación fue suspendida y 30.000 casas abandonadas mientras el
Rhin alcanzaba niveles récord. Costo: cuatro muertos y $ 1000 millones en daños”.
Francia: ”El norte fue sumergido por ríos crecidos y fuertes lluvias, 15 personas
murieron y 4.000 casas fueron inundadas. Daños: quizás $ 600 millones”.
6
En este contexto numerosos proyectos de investigación de la Unión Europea se han dirigido a
la comprensión de las causas, impactos y respuestas a los riesgos de inundaciones (Penning-
Roswell and Fordham, 1994). Los resultados de estos proyectos indican que para un
adecuado manejo del riesgo de inundación, los sistemas de alerta y pronóstico hidrológico y
los sistemas de respuesta y mitigación contra las inundaciones deben ser fuertemente
interrelacionados. Los sistemas de alerta y pronóstico hidrológico se han perfeccionado
gracias entre otros a lo siguientes aspectos: potenciamiento de las redes hidrométricas y
telemétricas de recolección de datos, diseminación del uso datos de radar meteorológico y
satélite, disponibilidad de pronósticos numéricos y uso de sistemas electrónicos de análisis de
datos.
Actualmente los Sistemas de Pronóstico, Alerta Hidrológico y Protección Civil se han vuelto un
importante medio para controlar la vulnerabilidad de comunidades sujetas a riesgos de
inundaciones sea en áreas protegidas como en zonas desprotegidas. Una componente
fundamental de estos sistemas es el modelo de pronóstico de crecientes, el cual provee en
tiempo real las estimaciones del estado futuro de los procesos hidrológicos. En muchos casos,
los pronósticos de avenidas dentro del entorno del tiempo real se realiza a través de modelos
conceptuales, los cuales describen la transformación lluvia - escorrentía por medio de una
representación matemática del proceso hidrológico a escala de cuenca. Diferentes estudios
(Dawdy and Bergmann, 1969, Wilson et al., 1979, Beven and Hornberger, 1982, Troutman,
1983, Corradini and Singh, 1985), han sugerido que el tiempo al pico y la intensidad de una
creciente en una cuenca natural está fuertemente influenciada por la variabilidad en el tiempo
y en el espacio de la lluvia y que los modelos hidrológicos conceptuales de pronóstico son
fuertemente sensibles a la distribución espacial y temporal de la lluvia. Por lo tanto, un
mejoramiento en la medición de la distribución espacial de la lluvia, es un factor importante
que puede conducir a un mejoramiento de los pronósticos de crecientes en tiempo real.
Entre las variables más importantes que influencian la adopción y el éxito de un sistema de
alerta hidrológico se destaca el tiempo de respuesta de la cuenca a la precipitación y el tiempo
disponible para obtener los resultados, diseminar los avisos de crecientes y actuar las medidas
de mitigación. Al fin de disminuir el riesgo de inundaciones, el tiempo mínimo necesario para
que operativa y efectivamente se puedan realizar adecuadas medidas de mitigación debe ser
mayor de 6-8 horas (Obled and Tourasse, 1994), la anterior consideración indica que cuando
los niveles hidrométricos alcancen un nivel de alerta sea en términos de caudal o volumen de
la creciente, sólo un pronóstico confiable de lluvia con un tiempo de anticipación de por lo
7
menos algunas horas podrá dar a quien debe tomar decisiones, la información necesaria para
prevenir eventuales desastres.
En la mayor parte de los sistemas de alerta hidrológico los pluviógrafos son usados para medir
las lluvias, los pluviómetros pueden dar mediciones razonablemente precisas en los puntos
preseleccionados, sin embargo los errores se incrementan cuando estas mediciones
puntuales son extrapoladas para obtener estimaciones de la distribución áreal. Esto es
especialmente cierto en el caso de tormentas convectivas cuando incluso redes densas de
pluviógrafos pueden no representar adecuadamente la distribución espacial de las tormentas.
Para evitar inexactitudes espaciales inherentes a las mediciones puntuales de las redes de
pluviógrafos, se usan radares meteorológicos y para escalas espaciales mayores se usan
sensores multiespectrales sobre plataformas satelitales. Estos sensores proveen estimaciones
continuas de la precipitación en el tiempo y en el espacio, desafortunadamente al momento
no es posible dar una evaluación precisa en la exactitud de estas estimaciones, en cierto modo
porque no hay disponible una base de comparación satisfactoria. Por consiguiente algunas
preguntas como la correcta estimación de lluvia utilizando mediciones combinadas de
sensores diferentes, tales como radares, satélites y pluviógrafos o cómo incorporar
información de sensores remotos en los modelos hidrológicos y cuál es el efecto de los errores
en las estimaciones de lluvias en los resultados de dichos modelos, son preguntas que se
podrán responder solo después que estimaciones de la precipitación basadas en sensores
remotos puedan ser ampliamente verificadas.
En la última década ha habido un creciente interés en estos tópicos y un sinnúmero de
instituciones, bajo el patrocinio de la Comisión de la Unión Europea han participado en
diferentes proyectos de investigación. La finalidad de este informe es hacer una síntesis de los
objetivos y resultados de algunos proyectos de investigación europeos relacionados con la
estimación de lluvias por medio de multisensores y su integración en el contexto de los
sistemas de Alerta, Pronóstico Hidrológico, y Protección Civil.
El informe está organizado en las dos secciones: La primera parte ofrece una descripción
preliminar de las técnicas disponibles para la estimación de precipitaciones utilizando radar y
sensores remotos y algunas aplicaciones de técnicas de pronóstico de lluvias e inundaciones.
La segunda parte presenta una síntesis de los principales objetivos y logros de algunos
proyectos europeos en el campo de los riesgos de inundación.
8
1 APLICACION DE TECNICAS RADAR Y SATELITE EN LA MEDICION DE LLUVIAS
La estimación de lluvia para propósitos de pronósticos de crecientes es un problema difícil. La
lluvia más quizás que otras variables meteorológicas es intermitente en espacio, y en el
tiempo muestra una gran variabilidad natural. Incluso la medición de lluvias en un punto por un
sólo pluviógrafo es una actividad que presenta una amplia variedad de incertidumbres (Sevruk,
1982). Redes tradicionales de pluviógrafos, incluso con altas densidades espaciales, pueden
proveer información muy limitada de la intensidad del campo de lluvias y de su ocurrencia,
además en el caso de redes telemétricas generalmente sólo una pequeña proporción de la red
está conectada en tiempo real, como consecuencia una gran parte de los datos son recibidos
luego que el evento de lluvia ha pasado.
En 1987 Lebel et al. mostró que en el caso de una cuenca de 600 Km2 con una densidad de
aproximadamente un pluviógrafo cada 20 a 25 Km2, la varianza de la precipitación media areal
a escala horaria es del orden del 10 a 15%, sin embargo al utilizar solo los pluviómetros en
teletransmisión la densidad se reduce a un pluviógrafo por cada 60 Km2 y la varianza
aumenta al 30 ó 40%, es decir el error de medición de la precipitación puede ser fácilmente del
50%. La consideración anterior implica que en el caso de tormentas de tipo convectivo las
redes pluviométricas tradicionales no son suficientes para garantizar su monitoreo. Estas
dificultades son todavía más importantes en áreas montañosas debido a la elevada
variabilidad de la precipitación y al limitado número de sitios que pueden usarse para la
localización y mantenimiento de los pluviógrafos.
En muchos casos una eficiente y temprana adquisición de la precipitación sobre grandes áreas
es esencial para un pronto y efectivo alerta de crecientes. Las imágenes provenientes de
radares terrestres y plataformas satelitares permiten visualizar simultánea y frecuentemente
grandes regiones, además la utilización de datos radar y satélite, al interior de un sistema de
pronóstico hidrológico, ofrece la oportunidad de producir una más apropiada y temprana alerta
respecto a sistemas basados solamente en datos de pluviógrafos al suelo.
Los sensores remotos usan mediciones del espectro electromagnético para medir el estado
hidrológico de una cuenca (Barrett and Curtis, 1982) y para registrar las variaciones de como
los objetos reflejan o emiten energía electromagnética (Fig.1.1). Los procesos básicos
involucrados en los sensores remotos son generación / adquisición del señal y análisis /
procesamiento de la información. La cadena de actividades en el proceso de adquisición del
señal son: Generación del señal electromagnético; propagación de la energía a través de la
9
atmósfera; interacciones de la energía con el objeto; retransmisión de la energía a través de la
atmósfera y recepción final del señal emitido. Al final de todo el proceso se obtiene un
elevado numero de valores de energía recibida los cuales conforman imágenes digitales. El
proceso de análisis de los datos involucra, el examen de los datos usando sistemas de
visualización e interpretación de imágenes y técnicas de computación para analizar los datos
de los sensores digitales.
Al final de la década de los años sesenta, antes del desarrollo de la tecnología satélital, el
radar era la principal fuente de datos que ilustraba la estructura y el comportamiento de los
sistemas meteorológicos a la mesoescala. La ventaja más importante de usar radar para medir
la precipitación es que el radar provee un amplias coberturas con altas resoluciones espaciales
y temporales. En efecto el radar puede proveer una estima de la precipitación con intervalos
de tiempo tan pequeños como 5 minutos y resoluciones espaciales inferiores a 1 km2. La
estimación radar de los campos pluviométricos implica un mejoramiento de las alertas
hidrológicas y en el caso de tormentas que se acercan, pronósticos con tiempos de preaviso
mayores.
Figura 1.1. Una ilustración del espectro electromagnético, mostrando la relación entre longitudde onda y frecuencia, nombres comunes de las bandas espectrales y transmisión atmosférica
10
relativa. También se muestran las principales técnicas usadas en sensores remotos y surespectiva región espectral (después de Engman y Gourney 1991).
Existen sin embargo, problemas tales como la correcta medición de la reflectividad radar y los
procedimientos de calibración necesarios para transformar las mediciones electromagnéticas
de los ecos radar en intensidades de lluvia. La combinación de estas fuentes de error
producen un nuevo y complejo problema que involucra tantas condiciones y situaciones
operacionales potencialmente diferentes que es difícil incluirlas en una sola figura.
Existen algunas aplicaciones meteorológicas e hidrológicas que requieren mediciones de
precipitación sobre, incluso, áreas mayores que las que puedan ser provistas por uno o más
radares. Estos requerimientos pueden solamente ser satisfechos usando técnicas que
mezclen datos de radar y de satélite. Las observaciones de satélite están disponibles para
cubrir grandes áreas (a escala continental o hemisférica) con resoluciones temporales
relativamente altas (del orden de 30 minutos). La resolución espacial es del orden de 4 a 8 Km
para el espectro infrarrojo (10 a 12,5 um) y de 1 Km para observaciones en el espectro visible
(0,55 a 0,75 um) (Clark, 1983). Imágenes al infrarrojo son disponibles sea de día que de
noche, mientras las imágenes en el espectro visibles son disponibles sólo cuando la superficie
reflectante terrestre tienen luz diurna. Aunque si los satélites usados para propósitos
meteorológicos sean estos de órbitas polares o geoestacionarios pueden suministrar
información solo de la parte superior de las nubes, esta es de gran relevancia. Una
característica de fundamental importancia es el hecho que los satélites proveen observaciones
frecuentes, y es posible determinar las trayectorias y dinámica de las nubes potencialmente
precipitables, el gradiente de cambio de forma, su dimensión y áreas cubiertas. A partir de
estas mediciones es posible hacer estimaciones de lluvias, y relacionar las características de
las nubes con la intensidad instantánea de la precipitación y/o con la lluvia acumulada en el
tiempo (Engman and Gourney, 1991).
El satélite Europeo geoestacionario ESA-METEOSAT, transporta un radiómetro multiespectral
para dar una imagen completa del disco terrestre en tres bandas diferentes cada 30 minutos.
Las bandas del Meteosat son visible cercano, infrarrojo, infrarrojo térmico y banda de vapor de
agua. Bajo el satélite la resolución espacial de las imágenes es, 2,5 Km en la banda visible y 5
Km en las otras bandas, a 45º N la resolución decae a 3,5 y 7 Km. Es importante destacar
que la incertidumbre en las estimaciones de la precipitación son muy grande porque no hay
información sobre la dinámica interna de los sistemas de nubes ni sobre los fenómenos
11
microfísicos que ocurren a su interior. Las imágenes de satélite tienen sin embargo un
contenido predictivo valioso y, con otra información, puede ayudar a cubrir el gran problema de
pronósticos a corto plazo de las lluvias, por ejemplo en el caso de regiones costeras donde el
área de formación de los sistemas de nubes precipitantes es frecuentemente sobre el mar, las
imágenes de satélite ofrece la única forma de ampliar el tiempo de alerta.
La combinación de datos de radar con imágenes de satélite ha llevado al desarrollo de
sistemas de pronóstico de lluvia tales como FRONTIERS (Forecasting Rain Optimized Using
New Technique of Interactively Enhanced Radar and Satellite). (Browning and Collier, 1982).
Este sistema está actualmente produciendo pronósticos numéricos experimentales sobre el
Reino Unido, los pronósticos son producidos sobre una malla regular de 5 x 5 Km a intervalos
de 30 minutos, igualmente se producen predicciones meteorológicas para las siguientes 6
horas.
Los objetivos de la siguiente sección son presentar una breve síntesis de las técnicas y
metodologías actualmente utilizadas para estimar la precipitación utilizando datos radar y
satélite y familiarizar a los hidrólogos con la terminología especifica al fin de facilitar el
entendimiento y comprensión. (Battan, 1973, Skolnik, 1980, and Barrett and Martin, 1981).
12
2 MEDICION DE LA PRECIPITACION CON RADAR
2.1 OBSERVACIONES GENERALES SOBRE LA MEDICION RADAR DE LA PRECIPITACIÓN.
El radar emite energía electromagnética en bandas angostas que se propagan a través del
espacio a la velocidad de la luz e interactúan con la materia a lo largo de su trayectoria. La
distancia o el tiempo entre sucesivos picos de onda define la longitud de onda, λ (en
centímetros) o el período de la onda ƒ (en hertz). La longitud de onda del impulso radar está
normalmente en el rango de 3 a 10 cm. (más específicamente 3, 5,6 ó 10 cm.). Cuando la
onda electromagnética choca con las partículas de lluvia, la energía es parcialmente
absorbida, disipada y reflejada, una parte de la energía reflejada regresa al transmisor. El
radar es por eso denominado un aparato eco-sonoro en el cual la distancia desde el
transmisor al objetivo se mide por el tiempo que tarda un pequeño pulso de la energía
electromagnética trasmitida en viajar al objetivo y regresar nuevamente después de ser
reflejada. El azimut y la elevación en la cual está el objetivo es determinada por la dirección en
la cual el pulso de energía fue trasmitida para chocar con él. Hay numerosos factores que
limitan el rango de acción y el buen funcionamiento de un radar, sin embargo estos serán
discutidos más adelante. En este momento es suficiente decir que, en la práctica, un radar
difícilmente puede detectar precipitaciones más allá de 300 Km, mientras razonablemente la
intensidad de la precipitación al suelo no se puede determinar con ninguna pretensión de
exactitud para rangos mayores de 100 Km La figura 2.1 ilustra una vista de un radar
meteorológico.
2.1.1 Principios de estimación de la precipitación con radar.
El sistema radar está configurado en forma tal que el transmisor produce radiación
electromagnética de una potencia conocida a una frecuencia dada. La radiación es emitida a
lo largo de un haz radial angosto desde la antena del radar, que recibe también la parte del
haz de retorno ( señal de retorno) disipado por las partículas de lluvia. Un receptor detecta la
señal de retorno, la amplifica y convierte la señal recibida en un señal de baja frecuencia que
refleja las propiedades de la interacción onda electromagnética - precipitación. La potencia de
retorno producida por un objetivo volumétricamente desagregado como son las partículas de
lluvia en el aire, puede representarse de la siguiente forma:
PP G
rr
t
ii
n
==∑
2 2
3 414
λπ
σ( )
(1)
13
Donde Pt es la potencia emitida por el radar, Pr es la potencia media de una serie de
impulsos reflejados que llegan al receptor del radar, λ es la longitud de onda, G es una
característica de la antena (llamada ganancia de la antena), r es el rango del objetivo y σj es
la sección transversal de la disipación de retorno de una partícula simple, siendo la suma de
todas las n partículas disipadas por unidad de volumen.
Figura 2.1. El radar meteorológico del Centro Experimental de Hidrología y Meteorología(Padua - Italia). La antena está instalada al interior del “radome” de protección (radar coverdome).
La señal de retorno producida por las secciones transversales de las partículas de lluvia,
representa la intensidad por unidad de distancia de la radiación disipada por la lluvia en la
14
dirección del radar. Ella depende del tamaño del objeto, del material del cual ésta constituido y
de su forma. En radar meteorología, el objeto de interés son las partículas de agua (sólida o
liquida) sea esferoide o en forma de copos de nieve. Para una partícula esférica de diámetro
D, la cual es pequeña comparada con la longitud λ de la radiación incidente (D/λ < 0,22 tal
como establece la aproximación de Rayleigh). La señal de retorno depende principalmente de
la constante dieléctrica del material que compone la partícula, de la longitud de onda, y de la
sexta potencia del diámetro de la partícula. Como muestra Battan (1973) la energía reflejada
por la sección transversal de una partícula simple es:
σπλi iK D=
5
4
2 6 (2)
Donde K es el índice de refracción complejo y depende de las propiedades dieléctricas de la
partícula. Se asume que las partículas que están en el volumen examinado por el haz del
radar se pueden considerar distribuidas al azar y por lo tanto el total de la radiación reflejada
por el volumen elemental en la dirección del radar, será la suma de la contribución individual
de todas las partículas. Es común referirse a N Di i6∑ como la reflectividad del radar Z, donde
Ni es el número de partículas de diámetro Di por unidad de volumen de la atmósfera. Cuando
se introduce la reflectividad, la ecuación (1) puede ser reescrita y simplificada y queda:
PC K Z
rr =2
2 (3)
Donde C se conoce como constante del radar. En el caso de radares con longitudes de onda
pequeñas (< 3 cm) que miden tormentas de fuerte intensidad la aproximación de Rayleigh no
se verifica, en estos casos se acepta que una cantidad conocida como reflectividad efectiva
del radar Ze sea utilizada. La reflectividad efectiva se define como la sumatoria por unidad de
volumen de la sexta potencia del diámetro de las gotas esféricas de agua que caen en la
región de Rayleigh que podrían retransmitir la misma potencia de la reflectividad medida. A
causa que los valores de Z (o Ze) comúnmente encontrados en las observaciones
meteorológicas presentan un range de variación de varios órdenes de magnitud, la unidad dBZ
es frecuentemente usada representando la reflectividad medida en decibeles con respecto a 1
tal que: 1mm6/m-3
( )( )dBZZ e=
−
−101
10
6 3
6 3log
mm m
mm m(4)
15
La figura 2.2 muestra, un ejemplo de la imagen de reflectividad normal tomada por el radar
meteorológico en banda C del Centro Experimental de Hidrología y Meteorología – Padua
Italia.
Figura 2.2. Imagen radar en modalidad normal, radio de cobertura 120 km (cortesía de: Dr. M.Monai, Centro Experimental de Hidrología y Meteorología – Padua Italia).
2.1.2 Selección de la técnica de estimación
De la discusión precedente es obvio que para determinar la variable de interés, es decir la
intensidad de lluvia R, es necesario encontrar la relación entre R y Ze, que es dependiente de
la medición de la potencia de retorno de la onda electromagnética disipada. Asumiendo que
los movimientos verticales del aire son despreciables, la intensidad de lluvia R se relaciona con
el diámetro de la partícula en la siguiente forma:
16
R N D Vi i ii
n
==∑π
63
1
(5)
Donde Vi es la velocidad terminal de una gota de diámetro Di; la velocidad terminal de caída
de las partículas de lluvia es proporcional al diámetro D afectado por un exponente que varía
entre 0,3 para la nieve y 0,7 para la lluvia. De acuerdo a la ecuación ( 5 ) R es proporcional a
Dα para α en un rango entre aproximadamente 3,3 a 3,7. Como se muestra arriba, Z es
proporcional D6., por lo tanto entre Z y R se puede establecer una relación de la forma.
Z aR b= (6)
Donde a y b son parámetros que dependen de la distribución del tamaño de las partículas de
la precipitación observada. Como se puede observar es lógico que la variabilidad natural en la
distribución del tamaño de las gotas sea una importante fuente de incertidumbre en la
medición radar de la precipitación. La relación más ampliamente usada para la distribución del
tamaño de gotas de lluvia es la de Marshall and Palmer (1948) quienes encontraron que una
función exponencial se ajusta razonablemente bien. Cuando se usa la distribución exponencial
de Marshall - Palmer, los parámetros a y b de la ecuación (6) tienen los valores de 200 y 1,6
respectivamente, donde Z se expresa en mm6m-3 y R en mm h-1
2.1.2.1 Sistema de doble polarización.
El método más común para determinar la intensidad de lluvia por medio del radar es la de usar
relaciones empíricas que relacionen la reflectividad registrada por el radar con la precipitación
medida al suelo (relación Z-R). Estas relaciones dependen sin embargo de la distribución
estadística del tamaño de gota en el momento de la medición, en particular el error puede ser
mayor si el volumen a investigar es grande o si el tiempo sobre el cual el dato es promediado
es pequeño. Estas relaciones a menudo ofrecen fuertes fluctuaciones regionales y temporales
debido a la variabilidad en la distribución del tamaño de las gotas, una de las causas es la
presencia del efecto “wind shear” (vientos paralelos de diferente velocidad) que crean un
particular ordenamiento de las diferentes partículas. Un método para superar este problema es
hacer uso del hecho que las gotas grandes se deformen a medida que caen hasta hacerse
esferoides oblongos con sus ejes de simetría aproximadamente verticales, es decir la
reflectividad del radar medida usando polarización horizontal diferirá de aquella que se mida
usando polarización vertical y del método que se use para determinar la distribución del
tamaño de gota. El sistema de doble polarización permite además distinguir entre gotas de
lluvia y partículas de hielo seco. Giuli (1984) ofrece una amplia revisión del papel del radar de
17
doble polarización en este campo especifico. Existen varias técnicas radar que utilizan el
sistema de polarización diferente para mejorar las mediciones de lluvias. En particular se ha
sugerido que la diferencia entre la reflectividad con polarización horizontal y vertical (Zdr)
puede proveer información útil sobre la distribución del tamaño de gota (Seliga and Bringi,
1989). Joss and Walvolgel (1990) indican que las técnicas de polarización diferencial están
todavía en etapa de investigación y que todavía existe una considerable controversia sobre la
potencialidad de estas técnicas en la medición operativa de la precipitación.
2.1.2.2 Radar Doppler
Usando el efecto Doppler los radares pueden medir la velocidad absoluta y la dirección
instantánea de movimiento de una gota de lluvia.. Un campo de velocidades Doppler se
muestra en la figura 2.3.
Figura 2.3. Imagen del campo de velocidades Doppler de la tormenta de la Figura 2.2.
(cortesía de: Dr. M. Monai, Centro Experimental de Hidrología y Meteorología – Padua Italia).
18
La mayor limitación de un radar Doppler actuando en forma independiente es que se obtiene
solamente la componente radial de la velocidad de las partículas. Para obtener un cuadro
completo de los campos de viento de una zona de interés, se requieren dos o incluso tres
radar con sistemas Doppler. El radar Doppler tiene principalmente dos usos diferentes. El
primero, la realización de pronósticos meteorológicos gracias a su habilidad de proveer
información sobre fenómenos tales como tornados y tormentas severas, más aún el efecto
Doppler puede proveer más información acerca de la intensidad y estructura de estos
fenómenos que cualquier otro medio. El segundo uso es su habilidad para medir la presencia
de vientos paralelos cortantes “wind shear”. Una importante ventaja de tal sistema dual
Doppler es que es posible determinar con cierto grado de exactitud la posición y extensión de
ecos permanentes, tales como los ecos de tierra o “ground clutter” es decir cuando la señal
intercepta el terreno. Esta información puede luego ser usada en modo de asegurar que el
canal no-Doppler mida sólo datos de precipitación. Un ejemplo de la eliminación de ecos
terrestres utilizando el efecto Doppler del radar de Monte Grande (Padua - Italia) se ilustra las
figuras 2.4 y 2.5.
Fig.2.4. Imagen Radar tomada en una condición de cielo sereno sin el filtro Doppler. El ángulode elevación es de 0,5º y el radio 120 km (cortesía del Dr. M. Monai Centro Experimental deHidrología y Meteorología – Padua Italia).
19
Fig. 2.5. Imagine Radar en modo Doppler tomada 15 minutos antes que la imagen previausando filtro Doppler. Notar la supresión casi total de ruidos. La región de baja reflectividad enel borde sudeste presentada también en figura 2.4., no es suprimida porque es causado porun objeto no permanente, las otras manchas remanentes son ecos secundarios de ruidoslejanos (cortesía del Dr. M. Monai, Centro Experimental de Hidrología y Meteorología – PaduaItalia).
2.1.3 Longitudes de onda en uso operativo
- Longitud de onda 10 cm. - (Banda S, 2,7 - 2,9 GHz)
Esta es la longitud de onda más apropiada en regiones donde ocurren precipitaciones fuertes
y la atenuación del señal debido al efecto de la precipitación sea significativa (una discusión de
este efecto se tratará más adelante), esta longitud de onda es la menos afectada por el
fenómeno de atenuación en comparación con las longitudes de onda más cortas. Debido a los
particulares requerimientos para generar impulsos electromagnéticos de ancho angosto y
longitud de onda grande, el tamaño del reflector necesario para tal fin es relativamente grande
(el tamaño del reflector para determinado ancho de haz es proporcional a la longitud de onda).
20
Este hecho es mecánicamente indeseable y lógicamente mucho más costoso puesto que
debido a su dimensión, fuerzas externas pueden afectar la precisión de sus movimientos.
- Longitud de onda 5,6 cm. - (Banda C, 5,3 - 5,7 G Hz).
Recientemente se ha llegado a la conclusión que esta longitud de onda ofrece las mejores
posibilidades para propósitos meteorológicos y ahora es usada para la mayoría de los nuevos
radares que se instalan en regiones no tropicales. En esta longitud de onda la energía
transmitida tiene la capacidad de penetrar precipitaciones de media intensidad y si necesario
se pueden incorporar sistemas para la corrección de la atenuación del señal.
- Longitud de onda 3,0 cm. - (Banda X, 9,3-10,0 GHz).
La emisión de señales a esta longitud de onda esta fuertemente afectada por el fenómeno de
la atenuación. Los radares que operan en esta longitud son generalmente dedicados a
aplicaciones de hidrología urbana, las cuales requieren resoluciones espaciales elevadas con
rangos de cobertura limitada. También, en este caso se deben integrar procedimientos
adecuados para la corrección de la atenuación.
2.2 PROBLEMAS ASOCIADOS A LAS ESTIMACIONES CON RADAR.
Una extensa discusión de los varios factores que introducen discrepancias entre las
mediciones de intensidad de lluvia con radar y las mediciones de intensidad de lluvia en tierra,
se encuentra en Zawadski (1982, 1984). Una lista completa de las fuentes de error sería muy
larga, pues son más de 20 causas diferentes. En este documento se describirán solamente los
errores más significativos, en particular aquéllos que resultan ya sea de errores sistemáticos
o al azar y que presentan magnitudes mayores de 0,5 dBZ. La variabilidad natural de la
distribución del tamaño de gotas y la falta de una única correspondencia entre la reflectividad
observada y la estimación de la intensidad de lluvia son quizás las causas más
frecuentemente indicadas de errores del radar en la medición de lluvias. Otros errores incluye
relaciones Z-R inapropiadas; errores en la medición de la reflectividad; problemas de
atenuación del señal; variabilidad de la reflectividad en la vertical; precipitación a baja altura no
detectada por el radar; ecos terrestres; propagación anormal del señal; oscuramiento y llenado
parcial del haz.
Una breve descripción de estas fuentes de errores radar se ofrecen a continuación:
21
2.2.1 Atenuación
Una onda electromagnética atravesando la atmósfera pierde energía por absorción y
dispersión. La atenuación de las microondas por gases atmosféricos es despreciable para las
longitudes de onda larga. De mayor importancia es la atenuación debida a partículas sólidas o
líquidas presentes en la atmósfera. La atenuación depende de la longitud de onda λ, del
diámetro de la partícula D (se asume que es esférica) y de la constante dieléctrica de las
partículas (agua liquida o nieve). Es obvio que debido a la precipitación las señales con
longitudes de onda corta presentan una considerable reducción de la potencia reflejada. Como
resultado cuando se hacen mediciones de intensidad de precipitación utilizando los métodos
tradicionales de la reflectividad se recomiendan longitudes de onda larga. En regiones
templadas se ha encontrado que en el caso de precipitaciones bastante fuertes (intensidades
del orden de, 50 mm/h-1 o más) la atenuación con longitudes de onda de 3 cm pueden ser tan
elevada de impedir la detección de precipitaciones localizadas al interior del área de cobertura
radar. Un ejemplo de atenuación en banda X se ofrece en figura 2.6. la cual muestra las
imágenes tomadas por un radar de banda X y una de banda S.
Fig.2.6. Ilustraciones de imágenes radar en banda X y en banda S sobre Marsella (Francia).La escala de “color” es común para ambas ilustraciones y es en mm/h-1 (cortesía del Dr.H.Andrieu, L.C.P.C. División de Aguas, Bouguenais, Francia).
22
La zona gris en la imagen de banda X corresponde a un área montañosa donde el radar en
banda X es ciego y donde el radar en banda S detecta el terreno, es claro que la banda X sólo
detecta el primer borde del área de lluvia.
2.2.2 Efecto de la curvatura terrestre y desarrollo de precipitaciones de bajo nivel
Las variaciones verticales de la presión, temperatura y humedad en la atmósfera terrestre
pueden causar la refracción del señal radar. A los radar meteorológicos interesa
principalmente el haz proyectado a una elevación de 0º ó cerca de 0º. En este caso bajo lo
que se puede llamar “condiciones normales” y dentro del rango en el cual estamos
interesados, el haz se proyecta sobre una circunferencia con un radio de curvatura de 4/3 el
radio de la tierra. Es de destacar que con el haz puesto a 0º y a una distancia de 100 km, el
radar no puede detectar precipitaciones a alturas inferiores de 600 m, igualmente a distancias
de 200 km el radar no detecta nada por debajo de los 2.300 metros. (Fig.2.7). Como se puede
apreciar esta situación puede provocar diferentes efectos en la estimación de la precipitación,
en particular.
a) Las precipitaciones de bajo nivel pueden no ser detectadas generando subestimaciones.
b) Puede ocurrir condensación de bajo nivel, generando de esta forma sobre estimaciones.
c) Puede ocurrir evaporación de bajo nivel, generando subestimaciones.
d). Debido a que las mediciones del radar pueden hacerse a considerable altura sobre el nivel
del suelo, puede ocurrir desplazamiento del volumen de lluvia, es decir la precipitación puede
efectivamente caer en áreas a cierta distancia de la registrada por el radar. (Esto es
particularmente cierto en el caso de la nieve).
2.2.3 Propagaciones anómalas.
Severas inversiones de temperatura cambian la refracción del haz generando lo que se llama
propagación anómala del haz del radar. El haz puede efectivamente ser canalizado hacia la
superficie terrestre o por el contrario reflejado hacia el espacio. En el primer caso una gran
cantidad de ecos terrestres son recibidos con las consiguientes dificultades en medir la
precipitación en las áreas de interés. Es obvio que las propagaciones anómalas pueden
originar un acortamiento del radio de cobertura radar debido a la combinación de varias
obstrucciones y a la absorción de energía por esas obstrucciones.
23
Fig. 2.7. Efecto de la curvatura terrestre en la propagación del haz radar asumiendocondiciones de refracción standard.
2.2.4 Variabilidad de la reflectividad en la vertical.
Al aumentar la distancia respecto al sitio del radar, el haz aumenta considerable su altura
sobre la superficie terrestre. Por consiguiente es posible encontrar en el perfil vertical de la
reflectividad, fuertes variaciones debido a fenómenos de evaporación o incremento de la
precipitación, corrientes verticales o cambios de fase de las partículas de agua (estado liquido
– estado sólido). Este fenómeno hace que se puedan presentar fuertes diferencias entre la
precipitación registrada por el radar y la cantidad de la misma medida al suelo.
La banda brillante consiste en un fuerte aumento de la señal de retorno cuando el haz del
radar intercepta nieve en fusión, este hecho puede ser considerado como una fuente particular
de error relativa a la variabilidad de la estructura vertical de la reflectividad. (Fig. 2.8). La banda
brillante puede generar una fuerte sobreestimación (hasta un factor de 5 ó 6) de la
precipitación estimada por el radar. Este es un importante problema en latitudes medias y
lluvias frontales de invierno cuando la banda brillante está en promedio a alturas de solo a 1
24
Km sobre la superficie terrestre. La banda brillante presenta típicamente espesores de
alrededor 300 m. y se sitúa a pocos cientos de metros debajo del nivel de 0º C, por encima de
ella el perfil de reflectividad decrece fuertemente con la altura. Se puede afirmar que cuando
el fenómeno de banda brillante se presenta, la exactitud en la estima de la precipitación es
menor. En particular cuando la banda brillante es baja, en rangos cortos ocurre una sobre
estimación de la precipitación, en rangos medianos compensa la reducción en la reflectividad
debido a la presencia de nieve a cotas superiores y a grandes distancias puede presentarse
una significativa subestimación. Collier (1986) presenta una descripción detallada de la
influencia de la banda brillante en la cantidad de precipitación medida por el radar. Andrieu y
Creutin (1995) describe un algoritmo para reducir los errores causados por la banda brillante
en la medición cuantitativa de la lluvia.
2.2.5 Ecos permanentes y ruidos terrestres.
Los ecos permanentes son señales de retorno producidos ya sea por objetos naturales o
hechos por el hombre (colinas, edificios, torres, etc.). Si no se toman precauciones en el
análisis de los datos, cuando el haz del radar o sus lóbulos laterales encuentran objetivos
terrestres, es posible encontrar ecos fuertes y persistentes que sumados en el tiempo
aparecen como grandes cantidades de lluvias. Considerando que los ecos permanentes varían
menos rápidamente respecto a la variabilidad natural del señal radar, un método bastante
simple para eliminar los ecos fijos es el usar un mapa de ecos en la memoria de la
computadora (constituida por un bit de información por cada pixel del volumen total barrido) en
modo de determinar cuando un pixel está o no contaminado por factores externos y bloquear
los pixels contaminados. Debido a que las interferencias y especialmente aquéllas causadas
por propagaciones anómalas son variables en el tiempo, el mapa de interferencias se debe
construir utilizando diferentes barridos radar en condiciones de cielo sereno, incluyendo
aquéllos con propagaciones anómalas. Como consecuencia de este hecho e
independientemente de la particular situación meteorológica la información de un área bajo la
cobertura radar se puede perder. Las técnicas Doppler son prometedoras en la reducción de
estas dificultades, sin embargo en el caso de lluvias estacionarias algunos de estos problemas
pueden persistir.
2.2.6 Oscuramiento.
Un oscuramiento del señal ocurre cuando el haz del radar es interceptado por una obstrucción
fija, la cual probablemente será vista como un eco permanente. Si la obstrucción es muy
25
grande, ej. una montaña, habrá un área muerta detrás de ella y no se observará precipitación
(Fig.2.9). Si por el contrario, el oscuramiento es sólo parcial, e inferior al 60%, es posible
obtener datos aceptables de precipitación utilizando un factor apropiado (Borga and Giaretta,
1991).
Fig.2.8. Campo de reflectividad Doppler observado a 2.5º de elevación con banda brillante.Nivel de congelamiento está a 1700 m.s.n.m El radio máximo es 80 Km (cortesía del Dr. M.Monai, Centro Experimental de Hidrología y Meteorología – Padua Italia).
Fig. 2.9 Ilustración de la ocurrencia de oscuramiento parcial y ecos permanentes (PE) enuna región de colinas.
26
2.2.7 Llenado parcial del haz.
La ecuación del radar asume que el haz volumétrico del radar esta totalmente lleno por las
partículas de lluvia. Cuando esto no ocurre, como en el caso de chubascos de carácter local,
la energía reflejada será menor respecto a lo que teóricamente una tormenta de este tipo
produciría, como resultado se obtiene una subestimación de la precipitación. Por ejemplo si se
considera que a una distancia de 100 Km un impulso radar con un haz de 1º de ancho cubrirá
un arco de circunferencia de la atmósfera de 1,75 Km de diámetro, se comprende la
necesidad de restringir el ancho del impulso radar al fin de tener el haz lleno, por consiguiente
una exigencia practica es que el ancho del haz sea tan angosto cuanto sea posible.
2.3 COMPARACIÓN Y AJUSTES ENTRE RADAR Y PLUVIÓGRAFOS.
Como las estimaciones radar de la precipitación se caracterizan por presentar una cierta
incertidumbre en su exactitud, la opción de ajustar estas estimaciones sobre la base de
comparaciones con las mediciones de pluviógrafos, aparece como algo obvio. En general este
procedimiento se acepta que como una medida de control del correcto funcionamiento del
radar, en estos casos periódicamente se llevan a cabo comparaciones, y en el caso se
presenten sesgos importantes se realizan los ajustes adecuados. Este procedimiento ayuda
además a corregir las inexactitudes internas del propio radar, sin embargo tal como lo sugiere
Joss and Waldvogel (1990) antes de hacer ajustes basados en pluviógrafos, es necesario
corregir todos los errores sistemáticos conocidos en las mediciones del radar, es decir la
primera acción es hacer las correcciones al origen.
Cuando se comparan estimas de radar y registraciones pluviómetricas, un método simple es
utilizar una relación del tipo P/R (Pluviógrafo/Radar), en general esta relación presenta una
distribución aproximadamente lognormal sin embargo la variabilidad es relativamente elevada.
Esto hace conveniente analizar las observaciones utilizando el logaritmo de la relación entre
las mediciones pluviométricas y las estimas radar.
Numerosas técnicas han sido propuestas para ajustar las estimas de radar en base a los datos
de pluviógrafos (Brandes, 1975; Krajewski, 1987; Creutin et al., 1988; Moore et al., 1989).
Estos procedimientos de ajuste son diseñados para corregir errores sistemáticos en el calculo
de las intensidades de lluvias utilizando mediciones de reflectividad. Sin embargo estructuras a
escalas pequeñas introducen errores de muestreo en la relaciones radar/pluviógrafo pues
27
contaminan los procesos de ajuste y limitan la confiabilidad de las pruebas de verificación e
impiden discernir los mejoramientos en el proceso de ajuste. Además otras fuentes de error
como las descritas en las secciones precedentes impiden una clara identificación de los
errores de tipo sistemático, este hecho hace que en algunas ocasiones los ajustes basados
en comparaciones radar / pluviómetro utilizando métodos tradicionales no sean efectivos. Por
consiguiente el valor de los procedimientos de corrección espacial, que se basan en las
relaciones radar - pluviómetro son muy controvertidos. Moore et al (1991a) ilustra que
(Fig.2.10, 2.11) para un área de 60 x 60 km sobre Londres, el porcentaje de mejoramiento en
la estima de la precipitación utilizando datos pluviométricos y datos radar calibrados respecto a
la estima utilizando datos radar no calibrados, depende del numero de pluviómetros presentes
en la red. Un promedio de mejoramiento del 22% se obtiene cuando se utilizan más de 30
pluviógrafos. En el caso de redes menos densas, las estimaciones con radares calibrados o
sin calibrar muestran un mejoramiento relativo respecto a las estimaciones utilizando sólo
pluviógrafos.
Fig. 2.10. Efecto del numero de pluviógrafos en la estimación de la exactitud de la lluvia.Resultados promediados sobre 13 eventos. Línea continua: radar calibrado; líneas cortas: sólopluviógrafos; líneas largas: radar no calibrado. (luego de Moore et al, 1991 a).
28
Fig.2.11. Mejoramiento de la perfomance de estimación de la lluvia utilizando radar calibrado(línea continua) y sólo pluviógrafos (línea quebrada) respecto a un radar no calibrado y alnúmero de pluviógrafos en la red. Resultados promediados sobre 13 eventos (luego de Mooreet al, 1991 a).
Es importante evidenciar los resultados obtenidos presentan una considerable variación
respecto a los valores promedios obtenidos a través de los diferentes eventos, por
consiguiente cualquier recomendación en relación al número óptimo de pluviógrafos
necesarios para la calibración debe ser altamente prudente. Factores variables en el tiempo
pueden influenciar el número óptimo incluyendo el efecto de la banda brillante y el problema
de llenado parcial del haz asociado con lluvias originadas por nubes finas. En tales
condiciones el peso del radar es el más pequeño y el papel complementario de los
pluviógrafos es muy grande.
Un método no paramétrico para transformar los valores de reflectividad del radar en intensidad
de lluvias, tal que la distribución probable de las estimaciones de lluvias concuerde con la
lluvia medida por el pluviógrafo, ha sido desarrollado por Rosenfeld et al (1993). El método es
atractivo ya que la única suposición es que la función de distribución de probabilidad (FDP) de
la lluvia derivada con radar (incluyendo los casos de ausencia de lluvia) sea idéntica con la
FDP de las lluvias medidas con pluviógrafo. Mejoras adicionales en la exactitud del método es
presentada por Rosenfeld et al (1995) usando una clasificación objetiva de datos para
diferentes regímenes de lluvia.
29
2.4 REDES RADAR.
Una de las ventajas del radar es su habilidad para medir a partir de un único punto los campos
de precipitación sobre grandes extensiones, cualitativamente esto es posible hasta radios de
200 km de distancia. La obtención de información a escala nacional o continental requiere el
utilizo de redes radar, así como de una fuerte capacidad de procesamiento y de transmisión
de la información, al fin de elaborar los datos provenientes de los diferentes sitios radar.
Durante la década de los 80 numerosos países desarrollaron redes nacionales de radares
meteorológicos. La colaboración en Europa permitió el inicio de grandes programas
internacionales de investigación como el programa COST y el intercambio de datos en tiempo
real a través de una amplia red de cobertura Europea. El programa COST (Co-operation in
Science and Technology) Cooperación en Ciencia y Tecnología, es un programa para los
estados Europeos que promueve el desarrollo de proyectos de investigación en forma
conjunta. Entre 1980 y 1985 el proyecto COST 72 demostró la factibilidad de realizar una red
integrada de radares meteorológicos. Los proyectos son organizados siguiendo las políticas de
la Comisión de la Comunidad Europea (CEC) la cual provee la Secretaría, sin embargo estos
son financiados utilizando los programas nacionales existentes. En el marco de COST 72 se
trabajo en las especificaciones hardware, la calidad de los datos de radar y la organización de
redes, se incluyo además una demostración de la factibilidad y a nivel preliminar la utilidad de
intercambiar y generar datos en tiempo real entre los diferentes países. Sucesivamente con el
programa COST-73 se continuo adelante, y en 1986 ocho países (Alemania, Bélgica,
Finlandia, Francia, Italia, Suiza, Holanda y el Reino Unido), firmaron un Memorandum de
Entendimiento (Memorandum Of Understanding - MOU) dando inicio al proyecto con el
secretariado suministrado por la CEC. En 1987 a los ocho países fundadores de COST-73, se
unieron otros países como Austria, Dinamarca, Irlanda, Portugal y Suecia, durante 1988 se
integro España y Yugoslavia, en 1989 Noruega y en 1990 la Comisión de Comunidades
Europeas como participante pleno, llevando el número total de países participantes a 16.
El MOU contiene un programa de investigación dividido en cinco áreas principales (1)
Sistemas radar, características de funcionamiento de las diferentes técnicas radar,
requerimientos de vídeo, estandarización de equipos e investigación de nuevas técnicas; (2)
Sitios para instalación de radar y centros nacionales de procesamiento, datos de las redes
radar, requerimientos de computación, calibración meteorológica y algoritmos de corrección de
datos, especificaciones de software, combinación de diferentes tipos de información y de
30
datos provenientes de diferentes radares; (3) Transmisión de datos, estandardización de
formatos y protocolos y ensayo de diferentes medios de transmisión; (4) Intercambio bilateral
de datos radar, coordinación de instalaciones y operaciones a través de fronteras nacionales y
estudios de la propiedad de los datos de radar; (5) Investigación de redes Europeas,
requerimientos operacionales para archivo de datos compuestos de radares Europeos,
pruebas en tiempo real, explotación comercial y propuestas de un modus operandi para una
red coordinada de radares Europeos basada en los planes nacionales.
En 1980 había 9 radares dentro de los países participantes en COST, en 1991 en Europa
occidental su número aumento a 80, 36 de los cuales son radares Doppler (Collier, 1992). Esta
situación ha llevado a una expansión del intercambio de datos y a una rutina de generación de
imágenes compuestas que cubren gran parte del Noroeste de Europa con una resolución
espacial de 5 Km y una escala de 8 categorías de intensidad de la precipitación.
El Servicio Meteorológico Nacional de Estados Unidos de América (NWS) instalo durante los
años 1960 una red de 56 radares de 10 cm. Esta red se ha ido incrementando con un número
de radares con longitud de onda de 5 centímetros que cubren las áreas no cubiertas por esta
red principal. Los datos son codificados e integrados rutinariamente y enviados a la oficina
central de NWS donde se integran en un mapa sintético preliminar. El objetivo inicial de la red
radar era el de identificar tormentas severas y producir alertas meteorológicas. Se espera que
en los 1990 el entero sistema sea sustituido con el NEXRAD (Next Generation Weather
Radar), el cual esta actualmente siendo desarrollado y verificado. NEXRAD prevé un
ambicioso programa para instalar una red de 175 radares Doppler con un sistema completo de
procesamiento de datos, orientado principalmente para fines meteorológicos y en particular
para la identificación de tornados y otros riesgos meteorológicos. Se prevé un cubrimiento
casi continuo de la parte continental de Estados Unidos para detectar tormentas severas y
otros fenómenos meteorológicos importantes. Las metas operacionales fundamentales y
objetivos de NEXRAD son los siguientes: (NEXRAD, 1984).
- Incrementar el promedio de tiempo de anticipación para aviso de tornados desde 1-2 minutos
a 20 minutos.
- Mejorar la exactitud de localización y la estima de la intensidad de las tormentas.
- Mejorar la detección de vientos destructivos y granizo.
- Mejorar las estimaciones de lluvias para aviso de crecientes torrenciales (Flash floods).
31
- Reducir el número de avisos falsos e innecesarios.
- Detección de condiciones meteorológicas peligrosas.
Un importante producto para la gestión de crecientes, es la proyecciones de la precipitación y
la determinación de las condiciones potenciales de crecientes torrenciales. En particular se
pronostican las cantidades de lluvias hasta con 1 hora de anticipación, y se usan
conjuntamente valores guías de crecientes con precipitaciones observadas y pronosticadas
para estimar la probabilidad de ocurrencia de crecientes torrenciales. (Georgakakos, 1991).
Programas similares han sido llevados a cabo en Japón donde las particulares condiciones
climáticas y geográficas unido a su densidad de población han creado una fuerte presión
social para proveer alertas hidrológicas. Anualmente el Japón es golpeado por tifones y
eventos similares y sus ríos siendo cortos y con fuertes pendientes han producido
devastadoras inundaciones y grandes desastres. Para el control de este tipo de situaciones
es necesario una rápida y confiable información sobre lluvias y caudales. Japón tiene
probablemente la red más densa de radares operada por algún país y las investigaciones
sobre radares meteorológicos empezaron en 1941. El Ministerio de la Construcción instaló su
primer radar digital en el monte Akagi en 1976 y en 1991 contaba con 15 sistemas operativos
de 22 planeados. Al fin de distribuir información hidrológica de las diferentes cuencas, en 1985
se creo la Fundación de Comunicaciones Integradas de Cuencas Hídrográficas. Los datos de
los radares meteorológicos y otros datos telemétricos son automáticamente procesados en
tiempo real. Los datos de los radares meteorológicos son disponibles cada 5 minutos, los
datos telemétricos de pluviógrafos y estaciones hidrométricas son trasmitidos usualmente cada
hora, pero en algunas áreas urbanas se pueden tener cada 10 minutos.
32
3 MEDICION DE LA PRECIPITACION CON SATELITE
3.1 ASPECTOS GENERALES DE LOS SATÉLITES.
En su sentido más amplio un sistema satelital incluye los instrumentos que monitorean la tierra
y su atmósfera. Estos son:
- Una estructura llamada ómnibus que soporta los sensores y provee la potencia;
- Memorias para guardar las observaciones:
- Radios para trasmitir la información a tierra.
- Dispositivos eléctricos y mecánicos y pequeños cohetes para controlar la orientación del
satélite;
- Estaciones terrenas para recibir los datos trasmitidos; y
- Una red para procesar y distribuir la información de los sensores.
Los sistemas satelitales pueden dividirse en dos clases sobre la base de sus órbitas: a)
geoestacionario y b) órbita polar. El período orbital de un sistema satelital depende de la
elevación del satélite. Hay una elevación en la cual un satélite tiene un período precisamente
de un día. Si un satélite es puesto en órbita a esta altura y, además, si su órbita es ecuatorial
y sigue la misma rotación que la tierra, entonces el satélite rotará a una altitud igual a 35.910
Km en sincronización con la tierra. Este aparecerá como si permaneciera estacionario sobre
un particular punto del ecuador, por esta razón se dice que esta en órbita geoestacionaria.
Los satélites geostacionarios permiten la producción frecuente de imágenes sobre la misma
área, comúnmente cada media hora o incluso menos de 5 minutos, lo cual es ideal para
observar rápidamente el desarrollo de situaciones meteorológicas. Las órbitas más bajas
tienen períodos más cortos. Satélites a altitudes entre 500 y 2000 Km son normalmente
puestos en órbitas casi polares, por lo que ellos se mueven sobre los polos con un período de
alrededor de 1 ó 2 horas. Como la tierra rota bajo esta órbita, el satélite efectivamente barre
varias veces cada día de norte a sur un lado del hemisferio y de sur a norte el otro lado del
planeta logrando de esta forma una mayor cobertura de superficie que si estuviera en órbita no
polar.
Los nuevos sensores para uso meteorológico que serán instalados en satélites polares y
geoestacionarios han abierto grandes posibilidades en el campo del monitoreo de nubes y en
33
la estima de las precipitaciones. Los sensores usan radiación electromagnética (RE) ya sea en
forma pasiva, es decir detectando RE emitida desde la superficie de la tierra o desde la
atmósfera, o activamente, esto es usando energía electromagnética generada por el sensor
para sondear la atmósfera y medir las características de la superficie. Tradicionalmente las
imágenes visibles e infrarrojos son usadas para estimar intensidades de lluvias, sin embargo
recientemente datos pasivos y activos de microondas están siendo usados en la estima de la
precipitación.
3.2 PRIMEROS SATÉLITES METEOROLÓGICOS.
Por muchos años el radar suministro la principal fuente de datos detallando la estructura y el
comportamiento de los sistemas meteorológicos a mesoescala. Solo a partir de los años
sesenta, iniciando con el satélite TIROS-1 lanzado en abril 1960, los primeros satélites
meteorológicos iniciaron a enviar imágenes aproximadas de los patrones de las nubes. Con el
mejoramiento de los sensores semi-operacionales instalados a bordo en los nuevos satélites
meteorológicos, los rasgos atmosféricos de las imágenes se hicieron más diferenciados. Los
meteorólogos iniciaron intensos estudios para recolectar datos sobre las características de las
nubes, la nieve y el hielo. El prometente futuro de los sensores remotos desde el espacio se
hizo más claro durante los programas espaciales dirigidos de los años sesenta: Mercury,
Gemini y Apollo. Algunas cámaras fotográficas y otros instrumentos fueron incluidos en las
cargas útiles de las naves espaciales. Por ejemplo uno de los vuelos orbitales terrestres del
Apollo (Apollo 9) realizado antes del vuelo que se posó en la luna incluyó el primer
experimento controlado de adquisición de fotografía orbital multiespectral.
El conocimiento y experiencia de la comunidad meteorológica fue nuevamente ampliado con
los programas de satélites meteorológicos diseñados especialmente para asistir
continuamente el monitoreo y las predicciones meteorológicas. Desde principios de los setenta
numerosos países lanzaron varios tipos de satélites meteorológicos con diversos rangos de
órbitas y diferentes tipologías de sensores. No es posible cubrir acá todos los programas de
satélites. Solamente unos pocos de los programas civiles más conocidos serán mencionados.
El primero es la serie NOAA (National Oceanic and Atmospheric Administration) con varias
generaciones de satélites. Estos satélites vuelan en órbitas casi polares. El instrumento a
bordo, es el “Advanced Very High Resolution Radiometer” (AVHRR). Radiómetro Avanzado a
muy Alta Resolución. El AVHRR tiene una resolución espacial de alrededor de 1,1 km en
ángulo del nadir y de alrededor de 4 Km en el borde del campo visual del barredor. El ancho
34
de cada línea de barrido es alrededor de 2.700 Km y la producción de imágenes de cualquier
área es muy frecuente. Combinando las trayectorias de diferentes satélites que posean
sensores AVHRR es posible obtener para algunas zonas frecuencias de barrido mayores. Las
primeras series de los sensores AVHRR fueron instalados en los satélites TIROS-N, lanzados
en setiembre de 1978 y en los siguientes satélites NOAA, 6-7-8-9-10. El radiómetro tenía
cuatro bandas espectrales: una banda visible, una infrarrojo cercano (IR) y dos bandas IR-
térmico. La segunda serie de los radiómetros AVHRR instalados en las plataformas NOAA 7 a
14 tienen 5 canales espectrales, con un canal más en la banda del IR-térmico, la cual es muy
útil para aplicaciones meteorológicas. En la tabla 1 se muestra, la longitud, el rango de
longitud de onda de cada canal.
Tabla 1 - Bandas espectrales de los sensores de AVHRR.
Canal Rango de longitud de onda (µm) Aplicaciones Meteorológicas
1 0,5 - 0,68 Mapeo de nubes durante el día
2 0,72 - 1,1 Mapeo de nubes durante el día
3 3,55 - 3,93 Mapeo de nubes en horas nocturnas
4 10,3 - 11,3 Mapeo de nubes día y noche
5* 11,5 - 12,5 Mapeo de nubes día y noche
* Instalados en los satélites NOAA 7 a 14.
En la figura 3.1. se muestra un ejemplo del pasaje del NOAA-9 sobre Europa el 5 de
noviembre de 1994. La imagen del infrarrojo térmico describe la estructura de banda del paso
del frente frío sobre Francia antes del comienzo de la inundación de noviembre de 1994 que
causó pérdidas de vidas y serios daños en la región Piedemonte - Italia.
El satélite meteorológico más popular en Europa es el METEOSAT, originalmente concebido
por la autoridad espacial y meteorológica de Francia, fue cedido a la ESA (European Space
Agency) Agencia Espacial Europea, para las fases de desarrollo, lanzamiento y operación.
METEOSAT, fue lanzado por primera vez en noviembre de 1977 y continuó su operación
normalmente por un período de dos años, sucesivamente la ESA procedió al lanzamiento de
35
otros satélites meteorológicos. METEOSAT es un satélite geoestacionario que gira a la tierra
con el mismo período y por lo tanto tiene una posición fija en relación al suelo. El tiene una
posición nominal en el Meridiano de Greenwich sobre el ecuador a una altitud de alrededor de
36.000 Km
Fig.3.1. Imagen del NOAA-9 (Canal 5, banda 11,5 - 12,5 µm) sobre Europa el 5 de noviembrede 1994.
36
Desde su posición ventajosa METEOSAT ve el disco hemisférico entero de la tierra. La
frecuencia de repetición está por lo tanto limitada por el tiempo que él tarda en hacer el barrido
y relevar una imagen. METEOSAT, lleva un radiómetro multiespectral que consiste en un
telescopio de gran abertura y usa una serie de espejos para enfocar las señales obtenidas
ópticamente por las cámaras, los cuales convierten la información en una señal que se
trasmite a la estación terrena. El escáner toma alrededor de 25 minutos para un barrido
completo del disco de la tierra. Luego se necesitan 5 minutos para el procesamiento y
transmisión de los datos. Como resultado el sensor da una imagen del disco completo en tres
bandas diferentes: visible – cercano (0,4-1,1 µm), absorción de vapor de agua (5,7-7,1 µm ) e
IR-térmico (10,5-12,5 µm) cada 30 minutos. La resolución espacial de la imagen es
nominalmente 2,5 Km bajo el satélite en la banda visible y 5 Km en las otras bandas. Debido a
la curvatura de la tierra, resulta que a 45oN, las resoluciones decaen respectivamente a 3,5 y 7
Km y permite sólo la discriminación de características de gran escala de la escena, no
obstante esto la información es muy útil en la estimación de los campos de lluvias. La mayor
ventaja de este satélite es la resolución en tiempo de la transmisión de imágenes: 30 minutos
es suficiente para detectar los mayores rasgos dinámicos de las tormentas organizadas en
mesoescala hasta escala sinóptica. METEOSAT es sólo una parte de la red global de satélites
meteorológicos distanciados aproximadamente 70º en longitud alrededor del planeta. Mientras
que METEOSAT es un sistema Europeo, sistemas similares están en operación o planeados
por USA, Japón y la ex Unión Soviética. Por ejemplo el satélite GOES (Geostationary
Operational Environmental Satellite) es un proyecto cooperativo entre NOAA y NASA. Las
imágenes GOES son generadas dos veces en la hora en bandas visible e IR-térmico. La
banda visible opera durante las horas del día y la banda IR opera día y noche. Las imágenes
METEOSAT y GOES son distribuidas en tiempo casi real para uso de pronósticos
meteorológicos locales. La figura 3.2. muestra un ejemplo de imagen IR suministrada por
METEOSAT sobre Irlanda y la Gran Bretaña.
3.3 TÉCNICAS PARA ESTIMACIÓN DE LLUVIAS CON IMAGENES SATELITARES.
3.3.1 Uso de datos visibles e infrarrojos.
La estimación de lluvias a partir de datos de satélite fue intentada inmediatamente después
del lanzamiento de las primeras naves espaciales. Un problema substancial es que ningún
sensor a bordo de los satélites miden lluvia en forma directa. Por lo tanto es necesario utilizar
alguno de los numerosos métodos que han sido desarrolladas para inferir estimaciones
37
cuantitativas de lluvias desde datos de satélite. La mayor parte de tales métodos se basan en
relaciones empíricas y en el hecho que en la banda infrarrojo visible - cercano las nubes con la
más alta radiación tienen la mayor probabilidad de producir lluvias.
Figura 3.2. Imagen METEOSAT de la temperatura de las nubes sobre el Reino Unido.Resolución de la imagen 5 Km (cortesía del Dr. R. Moore Instituto de Hidrología, Reino Unido).
En la banda del infrarrojo térmico nubes más frías denotan formaciones propensas a las
precipitaciones. El contenido predictivo de tal estimación es alto pero los intervalos de
confianza en la estimación de la lluvia en el suelo son muy grandes, debido a que no hay
información sobre la dinámica del sistema nuboso y la microfísica de la fase líquida en las
imágenes. La lluvia desde el satélite se obtiene a partir de las propiedades de las nubes; sin
embargo algunas relaciones físicas importantes, tales como altura de la nube y precipitación
no han sido establecidas en modo absoluto.
38
Muchas técnicas han sido desarrolladas para estimar las precipitaciones usando datos
infrarrojos y visibles. Estas técnicas han conducido al desarrollo de tres metodologías: el
procedimiento del umbral, el procedimiento del índice de nube y el procedimiento de la historia
de vida.
Las técnicas del umbral consideran que todas las nubes con bajas temperatura en la superficie
superior son nubes de lluvias.
El índice de nube fue la primer técnica desarrollada para la estimación de lluvias. Un
coeficiente de lluvia (o índice de nube) se obtiene a partir del brillo o textura de las imágenes
visibles o infrarrojos. Este índice es sucesivamente relacionado por ecuaciones de regresión, a
observaciones de lluvias en pluviógrafos. En general esta técnica es usada sea por los
satélites de órbita polar que geoestacionarios, sin embargo el procedimiento involucra un alto
grado de interpretación subjetiva del analista. En general esta técnica trabaja bien sólo para
nubes convectivas en oposición a nubes frontales.
El método de la historia de vida de la nube está basado en la hipótesis que la lluvia producida
por nubes convectivas es directamente proporcional al área de nubes y a la tasa de
crecimiento de esa área. Este tipo de técnica requiere imágenes de satélite a intervalos muy
frecuentes que solamente pueden ser provistas por satélites geo-estacionarios.
Es posible obtener estimas mejores combinando la información de diferentes bandas
espectrales. Por ejemplo sensores visibles proveen información de la profundidad de las
nubes, su geometría y composición, mientras sensores infrarrojos proveen información sobre
la temperatura al tope de la nube y por consiguiente indirectamente de la elevación de los
topes de las nubes. Tal como descrito por Lovejoy y Austin (1979) la combinación de datos
visible e infrarrojo permite obtener estimaciones más realistas de la precipitación ya que los
datos infrarrojos solos no pueden remover los cirros fríos y tenues que no precipitan y los
datos visibles solos no pueden remover la capa límite de nubes densas que no precipitan. La
combinación de esta información permite reconocer los topes elevados de nubes asociados
con nubes profundas, las cuales generalmente producen abundantes lluvias. Existen sin
embargo diferentes problemas operativos que dificultan la plena integración entre imágenes
provenientes de diferentes satélites, entre estos se destaca errores de registración, errores de
calibración de instrumentos, diferencias de tiempo entre imágenes y geometría de la
iluminación. Trabajos de investigación han demostrado que algunos de estos problemas
39
pueden ser superados, en particular el sistema FRONTIERS ( Reino Unido) utiliza esta técnica
en modo operativo.
Recientemente se ha propuesto un procedimiento en el cual se calcula la integral Area-
Tiempo (ATI) de las áreas nubosas a lo largo del período de vida de la tormenta y se relaciona
con el volumen total de la lluvia. Investigaciones recientes confirman que esta técnica ofrece
mejores resultados en el caso de lluvias convectivas.
En los últimos 20 años la investigación satelital sobre lluvias ha llevado al desarrollo de
diferentes técnicas utilizando sea datos visibles y/o infrarrojos. La experiencia ha demostrado
que:
- La precipitación se pueden estimar por técnicas visibles y/o infrarrojo, sin embargo la estima
de las lluvias convectivas presenta una mayor confiabilidad respecto a las lluvias
estratiformes.
- En regiones costeras, las lluvias pueden caer desde nubes con topes relativamente cálidos
presentando problemas para las técnicas basadas solamente en radiación infrarroja.
- Condiciones meteorológicas extremas pueden indicar eventos de lluvias de muy alta
intensidad en áreas limitadas.
- Nubes con apariencia similar pero asociadas con diferentes tipos de sistemas
meteorológicos, o localizados sobre diferentes tipos de terrenos, pueden estar asociados a
muy diferentes intensidades de lluvias.
3.3.2 Uso de radiación de microondas.
Como consecuencia de las limitaciones de utilizar solo técnicas visible/infrarroja para el
diagnóstico de lluvias, recientemente se ha prestado una creciente atención a la posibilidad
de utilizar datos de microondas pasivas (aproximadamente 10-0,1 cm. de longitud de onda)
como complemento útil para mejorar el monitoreo de las lluvias (La Barbera and Lanza, 1995).
Uno de los primeros instrumentos usados para medir la radiación natural en la región de
microondas fue ESMR-5 (Electrically Scanning Microwave Radiometer) lanzado en el NIMBUS-
5 en 1972. La frecuencia de microondas medida por este radiómetro era 37 GHz y la
resolución espacial era 25 Km en el ángulo del nadir y 160 x 45 km2. en el borde de la línea de
barrido. En la carga del satélite NIMBUS-7 lanzado en noviembre de 1978, se encontraba
también con el SMNR (Scanning Multichannel Microwave Radiometer) - radiómetro de barrido
de microondas multicanal con cinco canales microondas en la banda desde 6,6 a 37 GHz. La
40
resolución espacial abarcaba desde 33 a 245 Km y el período entre trayectorias sobre la
misma área era de 6 días.
Respecto a las técnicas visibles e infrarrojas el uso de las región de las microondas del
espectro electromagnético tiene la ventaja de hacer mediciones completas de la precipitación
puesto que a esta frecuencia las nubes son total o parcialmente transparentes (Curtis, 1991).
Mediciones de precipitación con microondas pasiva son de dos tipos: absorción - emisión (por
gotas de lluvia) y métodos de dispersión (por partículas de hielo). El primer método requiere
un fondo frío y por lo tanto se aplica sobre el mar. La razón para esto es que los océanos
tienen una muy baja emisión de microondas contra lo cual es posible detectar la emisión y
absorción selectiva de la energía térmica dirigida desde las gotas de lluvia, proveyendo, por lo
tanto, un vínculo físico directo entre la lluvia y la radiación de observación del satélite. Esta
técnica no trabaja bien sobre el terreno debido a las altas y muy variables emisiones de
microondas encontradas, y porque pueden ser muy similares a aquéllas producidas por la
lluvia que cae.
Algunas de las limitaciones e incertidumbres asociadas con este método son:
1) Para un dado periodo de tiempo el parámetro de radiación, es derivado de un valor
instantáneo de la cantidad de agua de lluvia integrada sobre la vertical extendida en la nube y
no la cantidad de lluvia cayendo a la superficie en el período de tiempo.
2) El denominado efecto de saturación (la lluvia fuerte no está directamente relacionada con la
temperatura del brillo) limita el rango dinámico de lluvia el cual puede ser derivado de una
nube dada.
3) La absorción debida a gotas que no precipitan, se incluye en la absorción total y en algunos
casos puede resultar en una gran sobreestimación de la lluvia.
El método de dispersión puede ser aplicado sobre terrenos así como sobre la superficie del
océano. Por encima de 60 GHz la dispersión es el proceso dominante respecto a la emisión y
absorción de energía. La precipitación se estima al interior de una columna la cual actúa como
un espejo para reflejar hacia el sensor del satélite la radiación cósmica fría entrante. Este
proceso permite la observación de lluvia sobre cualquier tipo de fondo, sin embargo debido a
que la dispersión se debe principalmente a las hidrometeoras congeladas a altas elevaciones,
la relación con intensidad de lluvia es menos directa que en el caso de absorción el cual
observa la totalidad de la columna de lluvia.
41
Actualmente se está concentrando la atención en investigar la habilidad del Sensor Especial
de Imágenes Microondas (SSM/I) (Special Sensor Microwave Imagery) del Programa de
Satélite de Defensa Meteorológica de Estados Unidos que ha estado en órbita polar desde
1988 para medir la precipitación. El sensor opera en cuatro frecuencias: 19,35; 22,235; 37,0 y
85,5 GHz. Las resoluciones en el terreno asociadas con estas frecuencias son las siguientes:
69 x 43; 60 x 40; 37 x 28; 15 x 13 km2. Como se indicó antes, a excepción de las altas
latitudes existe el problema de la baja frecuencia de muestreo, en efecto el SSM/I pasa sobre
cualquier punto de la superficie de la tierra como máximo dos veces al día. Por lo tanto aunque
si las técnicas de microondas ofrecen un gran potencial debido a las relaciones directas que
se pueden establecer entre las radiaciones a esta longitud de onda y la precipitación, en
general la menor disponibilidad de datos de microondas de los satélites geoestacionarios la
hacen menos atractiva para aplicaciones hidrológicas orientadas a la mitigación de riesgos de
inundaciones.
Recientemente los científicos en sensores remotos han tomado en consideración la posibilidad
de hacer análisis integrados de datos de SSM/I y METEOSAT para mediciones de
precipitación. Nuevas técnicas basadas en el uso integrado de datos de microondas y visible -
infrarrojo utilizarían el potencial de éstas y podrían ayudar a resolver numerosos problemas
que afectan a las técnicas basadas en el uso separado de datos de microondas o visible-
infrarrojo. Las mediciones visible - infrarrojo son indirectas y estadísticamente relacionadas con
la precipitación ya que el señal visible - infrarrojo atribuye propiedades termodinámicas y
microfísicas al tope de la nube. Las relaciones empíricas usadas para obtener información
sobre precipitación tienen solo validez estadística y su aplicabilidad depende fuertemente de
parámetros locales y temporales. Por el otro lado los datos METEOSAT tienen la necesaria
resolución espacial y temporal para una eficiente medición de la lluvia y posiblemente para
predicciones sobre áreas grandes para pronosticar crecientes torrenciales. Contrariamente los
datos de microondas de satélite están directamente ligados a la estructura microfísica del
conjunto de nube en relación con el contenido de agua y la precipitación. Es claro que si los
datos de microondas serán disponibles en el próximo futuro, esta información podrían ser
utilizada para obtener información detallada sobre la estructura microfísica del conjunto de
nubes y para calibrar técnicas infrarrojas al fin de monitorar tormentas que se acercan al área
de interés. Eventualmente las imágenes infrarrojas podrían ser usadas para un control
continuo y de alta resolución espacial de la evolución de las estructura de las nubes.
42
El desarrollo de técnicas que combinen imágenes polares de microondas y geoestacionarias
infrarrojas permitirá utilizar los datos del próximo radiómetro de alta resolución, AMIR
(Advanced Microwave Imaging Radiometer). Muy probablemtne el AMIR será lanzado dentro
de pocos años y tendrá 12 canales de microondas con 6 frecuencias en doble polarización.
43
4 PRONOSTICOS DE LLUVIAS A CORTO PLAZO USANDO DATOS RADAR Y DE SATELITEMETEOROLOGICO.
Un sistema integrado meteorológico - hidrológico para uso en tiempo real se caracteriza por su
capacidad de incorporar las previsiones de la precipitación en pronósticos de tipo hidrológico.
Este tipo de sistemas son útiles en los casos donde el máximo tiempo de respuesta de la
cuenca de drenaje es menor que el tiempo necesario para producir y diseminar avisos de
crecientes y para poner en marcha acciones de mitigación. El corto tiempo de respuesta de
algunas áreas propensas a crecientes torrenciales (con tiempos de pico inferiores a 1 hora)
requiere sistemas de aviso que incorporen componentes de predicción de lluvias, estos
sistemas agregarán un valioso tiempo de anticipación al pronóstico. Georgakakos (1986,
1987) muestra que un acoplamiento directo de modelos hidrológicos con modelos de
pronósticos de precipitaciones mejora substancialmente las predicciones de crecientes.
Reseñas de pronósticos a corto plazo de precipitaciones basados en radar son presentados
por Browning y Collier (1989) y Collier (1991). Los métodos disponibles para pronósticos de
lluvias dependen de las escalas de interés. Las escalas espacial y temporal deben ser
consideradas y depende de la aplicación particular. En aplicaciones hidrológicas típicamente
las escalas de tiempo mayores están asociadas con escalas espaciales más grandes. Para
cuencas no muy grandes, las escalas de interés son en el orden de una a seis horas en
tiempo y escalas espaciales desde pocos kilómetros cuadrados hasta algunos miles de
kilómetros cuadrados.
El método adoptado en pronósticos meteorológicos y el grado de detalle factible depende de
la longitud del período de pronóstico. Browning (1980) ha subdividido el pronóstico a corto
plazo como se muestra en la Figura 4.1. Las bases primarias de la predicción meteorológica
numérica (NWP - Numerical Weather Prediction) está formada por los modelos basados en un
sistema de ecuaciones diferenciales parciales, hidrodinámicas conocidas como las ecuaciones
primitivas. Las ecuaciones primitivas representan una síntesis de: la segunda Ley de Newton
para la componente horizontal del movimiento atmosférico; la ecuación ideal de los gases; la
primera ley de la termodinámica; y conservación de masa (Wallace and Hobbs, 1977).
Cantidades tales como, precipitación, temperatura, presión y humedad a niveles discretos en
la atmósfera y en una malla de puntos a nivel del suelo son suministrados por estos modelos.
44
Figura 4.1. Calidad de los pronósticos meteorológicos para tres diferentes métodos depronóstico. La figura es altamente esquemática y el estado en el cual la calidad de unatécnica es superior a la otra, no sólo puede cambiar con el desarrollo de los diferentesmétodos, sino que también dependerá del fenómeno particular a ser pronosticado (luego deBrowning, 1980).
Los modelos convencionales NWP aunque deben ser mejorados por interpretación
estadística de la salida del modelo, representan explícitamente sólo rasgos del tiempo y están
mejor adaptados para proveer pronósticos de naturaleza general por períodos más allá de 12
horas de anticipación. Mientras los modelos NWP tienen su mayor ventaja en que ellos
pueden, en principio, predecir el desarrollo de nuevos sistemas meteorológicos, su resolución
es aún inadecuada. Estos modelos dinámicos son limitados primariamente por la demanda
computacional la cual es una función directa de la grilla de resolución tiempo - espacio. Por
ejemplo para un período dado de tiempo de computación, resoluciones espaciales mayores
(tales como las que se desean para aplicaciones hidrológicas) es sólo posible solo a expensas
de la confiabilidad de la predicción. Para obtener predicciones útiles, el área de pronóstico
debe ser limitada a una región significativamente menor que el tamaño de un hemisferio.
Imponiendo limitaciones en la extensión del área de la región a modelar y necesariamente
forzando una menor resolución, resulta en contaminación de los productos pronosticados en
tiempos debido a la propagación de los errores de las condiciones de borde. Adicionalmente a
medida que la grilla de los modelos es disminuida hasta una resolución fina, los datos de
45
entrada deben ser provistos a escalas más finas. Falta de calidad en datos de alta resolución
contribuyen a imponer límites en la escala de la grilla de computación.
Estas razones explican porque pronósticos de precipitaciones de hasta algunas horas de
anticipación se pueden obtener simplemente con observaciones de los detalles de distribución
del movimiento de los patrones meteorológicos y asumiendo que continuará viajando sin
cambios en el muy corto período. Este enfoque junto a una descripción completa de la
situación meteorológica actual y una extrapolación hasta 2 horas hacia adelante, se conoce
como pronóstico presente (nowcasting). Como la extrapolación es la base de los sistemas de
pronósticos presentes, la calidad de los resultados del pronóstico dependen de el tiempo de
anticipación, para el cual la extrapolación linear es válida. Esto varía para diferentes
situaciones sinópticas y sistemas meteorológicos como fue discutido por Zawadski et al.
(1994).
Considerando que el método de advección más popular es el de tomar dos imágenes
consecutivas de radar y desplazar la primera hasta obtener el mejor nivel de correspondencia
con la segunda. El desplazamiento óptimo provee una estimación de la velocidad de la
tormenta y su dirección. Esto es luego usado para la advección de la imagen más reciente y
formar un pronóstico de imágenes para tiempos futuros. Un estudio de verificación sobre un
algoritmo de extrapolación con radar basado en determinar la velocidad del patrón promedio
de lluvia de sucesivos mapas de radar fue realizado por “Bellon and Austin”(1984). Una
técnica similar de extrapolación (basada en un análisis de correlación cruzada de mapas
sucesivos) fue usada con datos de satélite en Leese et al. (1971) y Austin and Bellon (1982).
Los usos iniciales de estas técnicas para pronóstico en tiempo real de crecientes son
prometentes. La investigación dentro de los programas Europeos (Moore et al, 1989; Moore et
al, 1991 b), indican la factibilidad de implementar operativamente modelos de advección (Fig.
4.2.).
Se debe reconocer que la dependencia del método de pronóstico con datos de un sólo radar,
significa que el campo previsto disminuye con el aumento del tiempo de anticipación, en
particular en el caso de tormentas con altas velocidades. Por lo tanto estos procedimientos
deberían ser incorporados, como elementos locales de alta resolución, en un producto más
amplio.
Una propuesta diferente de pronóstico de lluvias con radar está basado en el análisis
automático de patrones de lluvia en un intento de estimar ciertos parámetros globales (la
46
posición del centroide de la tormenta, el azimut de los ejes principales, los principales
incrementos de inercia y así sucesivamente), y luego en una manera simple y compacta
delinear la distribución espacial y el movimiento del campo de lluvia
.
Figura 4.2. Evaluación de métodos de pronósticos de lluvias con radar usando como criterio deperfomance el RMSE. Los métodos son: 1) Persistencia; 2) Campo promedio; 3) Advecciónstandard; 4) Advección standard con contracción; 5) Aceleración y advección; 6)Intensificación de la advección con contracción; 7) Mejor advección (luego de Moore et al,1991 b).
Habiendo elegido un juego apropiado de rasgos característicos, el próximo paso es el de
definir la regla de coincidencia entre los distintos rasgos de imágenes sucesivas. El último
paso de la construcción del pronóstico está generalmente basado en asumir velocidades
globales y locales en la advección de los rasgos en tiempos hacia adelante. Un ejemplo de tal
técnica de localización de rasgos, en uso en aplicaciones hidrológicas es el método SCOUT
II.O (Einfalt et al, 1990).
Un sistema de pronóstico de la precipitación con un interfaz hombre/máquina fue desarrollado
por la Oficina Meteorológica del Reino Unido, llamado FRONTIERS. El concepto era de
combinar imágenes de radar y METEOSAT con experimentados pronosticadores y desarrollar
herramientas de software para soportar al pronosticador en el uso de imágenes para hacer
47
pronósticos de lluvias. Evaluaciones de este sistema han mostrado que los pronósticos
FRONTIERS son muy útiles en modelos de pronósticos operacionales de crecientes en
situaciones de lluvias frontales, pero son menos satisfactorias en lluvias convectivas
(incluyendo tormentas intensas). Investigaciones para automatizar los pronósticos
FRONTIERS y desarrollar y mejorar procedimientos usando técnicas de inteligencia artificial
están en marcha. Este trabajo incluye investigaciones del mejoramiento de mediciones de
precipitación con radar, incluyendo el uso de estimaciones de los perfiles de reflectividad,
procedimientos de corrección de banda brillante y representatividad de pluviógrafos, uso de
procedimientos de códigos orientados a objetos para pronosticar la convección y mejorar la
estimación de lluvias desde datos visible e infrarrojo de satélite. Donde la extrapolación lineal
no es capaz de producir un buen pronóstico por desarrollo o decaimiento, se debe aplicar un
procedimiento de pronóstico no lineal. Sin embargo, en el caso de un detallado pronóstico de
un fenómeno local intenso, la aplicación de modelos no lineales pueden producir peores
resultados que las técnicas lineales. Una cosa es predecir que las condiciones son adecuadas
para que se presente un evento de fuerte intensidad y otra cosa es predecir exactamente su
evolución, al menos que haya, por ejemplo, alguna bien definida fuerza topográfica.
Recientes investigaciones en el área de modelos hidrológicos de precipitación y pronósticos en
tiempo real incluyen el modelo lumped de una dimensión de parámetros concentrados de
Georgakakos and Brass (1984) su formación en dos dimensiones por Lee and Georgakakos
(1990), mejorado usando advección por French and Krajewski (1994). Estas propuestas están
esencialmente basadas en un modelo simple de parametrización de nube el cual tiene el
propósito de encapsular la dinámica dominante que afecta la formación de precipitaciones. La
columna de nube se advecciona para proveer pronósticos de resolución fina de los campos de
lluvias. En el modelo de nube, el cual provee un balance de agua dinámico simple de la baja
atmósfera, se modelan procesos adiabáticos y pseudo-adiabáticos para la determinación de
los orígenes de las condiciones de condensación y la parametrización de la microfísica de la
nube para el cálculo de la intensidad de precipitación. Datos de radares meteorológicos de
barridos a elevaciones múltiples, son usados para estimar el contenido integral de líquido de la
columna, el cual es usado en la re-inicializacion del modelo de balance de agua en tiempo
real. Las imágenes de satélite en la longitud de onda de infrarrojo son usadas para estimar la
temperatura al tope de la columna. El radar puede también ser usado para inferir la velocidad
de advección. Resultados preliminares de este tipo de modelos, aplicado en el sur de
Inglaterra, usando datos del radar meteorológico de Wardon Hill fueron descritos por Bell et al
48
(1994) (ver figura 4.3.). Sin embargo este procedimiento ha sido desarrollado para sistemas
esencialmente convectivos y su extensión a tormentas frontales / estratiformes requiere ya sea
acceso a datos numéricos a mesoescala o a un desarrollo fundamental de la microfísica
subyacente.
Fig.4.3. Campo observado y previsto una hora hacia adelante de una tormenta frontal(resolución 5 Km) (cortesía del Dr. R.J. Moore, Instituto de Hidrología, Reino Unido).
49
5 INTEGRACION DE DATOS RADAR Y SATELITE PARA LA MODELACION HIDROLOGICA Y ELPRONOSTICOS DE CRECIENTES
Los satélites y radar meteorológicos han puesto a disposición datos de precipitación en forma
de malla regular estimulando de esta forma el desarrollo de nuevos modelos lluvia-escorrentía
capaces de aceptar estimaciones espaciales distribuidas de lluvia. Los modelos de este tipo
denominados Modelos hidrológicos “distribuidos” tienen típicamente bases físicas y operan
por subcuencas o por elementos raster de la malla regular. Para calcular la precipitación media
areal y el input de modelos concentrados de lluvia - escorrentía tradicionalmente se utilizaban
modelos basados en datos de redes con pocos pluviógrafos y procedimientos simples de
interpolación, aun para enteras cuencas hidrográficas. Formulaciones más distribuidas de la
precipitación mostraron escasos mejoramientos en los pronósticos habida cuenta de las
limitaciones impuestas por las estimaciones obtenidas a partir de redes de pluviógrafos poco
densos. Esta limitación no existe con los datos de radares meteorológicos sin embargo es
necesario continuar las investigaciones y la utilización de modelos distribuidos al fin de evaluar
la efectiva contribución del radar en el mejoramiento de los pronósticos de crecientes.
Diversos estudios publicados documentan la utilización de datos de lluvias radar en
aplicaciones hidrológicas operativas. Entre las más recientes, se deben mencionar los
artículos de Reed, Knowles, Douglas and Dobson y Cluckie and Owens, en el libro editado por
Collinge and Kirby (1987) el cual describe la experiencia operativa de usar datos de lluvias de
radar para predicción de caudales en el Reino Unido. El artículo de Schultz en el mismo libro,
describe pruebas de modelos de lluvia - escorrentía con alimentación de lluvias con radar para
cuencas en Alemania. Más recientemente, modelos con mallas cuadradas han sido
desarrolladas para pronósticos de crecientes en tiempo real en Italia (Chander and Fattorelli,
1991; La Barbera et al, 1992) y en el Reino Unido (Moore and Bell, 1991; Moore et al 1994).
Un modelo distribuido fue también desarrollado dentro del Proyecto Arno, la principal finalidad
de este proyecto era controlar la predicción de los efectos del terreno en eventos de
precipitaciones extremas, usando un sistema integrado de sensores de diferentes clases
capaces de pronosticar condiciones meteorológicas propensas a producir crecientes
torrenciales en la cuenca del Arno aguas arriba de Florencia (Becchi, 1987).
Los modelos distribuidos en su forma básica toman en cuenta la variación espacial de las
entradas y salidas del modelo, de las variables de estado y de los parámetros. Esto se logra
por ejemplo subdividiendo la superficie del área de la cuenca en unidades elementales de área
50
determinadas en una grilla regular. En muchos casos, especialmente en consideraciones de
microescala, las áreas de la grilla son seleccionadas de modo que sean lo suficientemente
pequeñas para asegurar la validez de las leyes físicas fundamentales que lo gobiernan.
La aplicación de modelos hidrológicos distribuidos puede ser ventajoso si la modelación
intenta tomar en consideración (Todini, 1989) :
- La variabilidad espacial de la precipitación;
- La no-uniformidad espacial de las características de la cuenca (orografía, vegetación, suelos)
;
- Las diferencias espaciales y la no linearidad del proceso de transferencia de masa y energía
que tiene lugar en la cuenca y las diferencias en los mecanismos productores de la creciente;
- La no uniformidad de las influencias distribuidas de las actividades humanas en el ciclo
hidrológico y su interacción.
Las aplicaciones hidrológicas de datos distribuidos de lluvia (sean ellos datos actuales de
radar o campos de lluvias simulados) han mostrado que la variabilidad espacial y temporal de
la lluvia puede tener un efecto significativo en la transformación lluvia - escorrentía sea en el
caso de cuencas urbanas o rurales. Investigaciones recientes han analizado acerca la
selección de la resolución espacial correcta en datos distribuidos de lluvia. Es evidente que
las necesidades son fuertemente dependientes de la escala espacial y temporal de proceso
físico a ser modelado por medios hidrológicos. Por ejemplo tratando con aplicaciones de
hidrología urbana, Schilling (1991) indica un requerimiento de una medición por km2. cada
minuto. En el caso de cuencas rurales, Obled (1991) observa que los requerimientos para la
exactitud de la lluvia son principalmente dependientes del proceso (Hortonianos versus flujo
superficial saturado) el cual efectivamente domina la generación de escorrentía en una cuenca
dada. Cluckie et al (1991) muestra que los modelos de lluvia - escorrentía son muy
susceptibles a errores sistemáticos en la estimación de las lluvias mientras son
razonablemente tolerantes con errores del tipo “ruidos”.
Kouwen y Garland (1989) examinaron los efectos del cambio en la resolución espacial de los
datos de lluvias radar en un modelo de cuenca distribuido. Una cuenca de 3.250 km2. fue
simulada con datos de lluvia con resoluciones de 2 x 2 Km y 10 x 10 Km La resolución de
celdas cuadradas de 10 x 10 km mostró que era suficiente para modelar crecientes producidas
ya sea por tormentas severas o sistemas frontales, por consiguiente con solo 30-50 elementos
51
areales es posible representar adecuadamente el campo de precipitación para propósitos de
pronósticos de crecidas.
Para estudiar el efecto de la localización de los pluviógrafos en un modelo distribuido de
cuenca Krajewski et al (1991) utilizo la técnica de Monte Carlo. Los resultados de este estudio
indican que la respuesta del modelo es más sensible a la resolución temporal de los datos de
ingreso respecto a su resolución espacial. La perfomance del modelo distribuido fue
comparado con los de un modelo concentrado, los resultados indicaron que el modelo a
parámetros concentrados subestimaba consistentemente los picos de los flujos y Krajewski et
al concluyeron que un modelo distribuido podría ser más adecuado para modelar el problema
de una resolución espacial y temporal óptima. Para examinar la sensibilidad del modelo a la
variación temporal y espacial de la intensidad de precipitación Seliga et al (1991) utilizo datos
radar de doble polarización a un modelo distribuido, los resultados indicaron que la respuesta
de la cuenca es fuertemente afectada por la disponibilidad de la resolución espacial de datos
de precipitación y concluyeron que una resolución espacial de 5 km2. es adecuada.
Conclusiones similares fueron obtenidas por Michaud and Sorooshian (1994) en un estudio
que trata con tormentas generadoras de crecientes en cuencas del sudoeste de Estados
Unidos. Sus resultados muestran que para cuencas de rango de tamaños entre 50 y 500 km2
resoluciones espaciales de 4 km conducen a reducciones en las escorrentías simuladas y en
promedio a reducciones del 50% de los flujos picos observados, una resolución de 2 km podría
ser apropiada
De las investigaciones anteriores se puede afirmar que la resolución espacial típica de celdas
de la presente generación de sistemas operacionales de radares meteorológicos (4-5 km2)
sería suficiente para propósitos hidrológicos.
Algunos autores sugieren que la exactitud en la medición de la lluvia requerida para
pronósticos hidrológicos depende de la cantidad de lluvia. Nemec (1986) sugiere exactitudes
de 2 mm. en la precipitación total para tormentas con precipitaciones inferiores a 40 mm, del
5% para tormentas con precipitaciones superiores a 40 mm. y además una distinción entre
precipitación sólida y líquida. Tan pronto como los datos radar sean disponibles en tiempo
real, la detallada información de precipitación sobre grandes áreas estimulara a los hidrólogos
a incluirla como datos de input en modelos de simulación hidrológica de pronóstico de
caudales. Algunas evaluaciones tempranas son optimistas y los resultados de simulación de
hidrogramas muestran una considerable mejora respecto a los hidrogramas derivados usando
52
sólo datos de pluviógrafos. Otros autores (Gorrie and Kouwen, 1977) notaron que en el caso
de lluvias uniformes generalmente se obtienen muy pequeñas mejoras al utilizar datos radar,
sin embargo en el caso de lluvias convectivas la ventaja fue evidente. Los efectos de errores
en mediciones de la precipitación con radar fueron ilustradas por Collien and Knowles (1986).
La Fig.5.1. muestra algunos ejemplos de hidrogramas obtenidos utilizando datos radar.
.
Fig. 5.1.a). Lluvia instantánea del 19 de diciembre de 1982 a las 12:32 GMT en el noroeste deInglaterra. Se muestran los bordes de la cuenca del Río Wyre, la localización del sitio del radary de los pluviógrafos usados para calibrar el radar, se ilustra igualmente la situación sinópticacaracterizada por un frente frío localizado sobre el noroeste de Inglaterra; c) lluvia horariaregistrada por el pluviógrafo de Abbeystead y por el radar calibrado, en la parte inferior seilustran los hidrogramas observados y estimados usando datos radar. (b), (d) como (a), (c)
53
para la cuenca del Ribble el 31 de enero de 1983 a las 18:19 GMT. Se presenta un frentecálido sobre el norte de Inglaterra, dejando el área dentro de un sector de una depresión. Losdatos del pluviógrafo corresponden a la estación Far Gearstones, indicado por una cruz en a)(De Collier and Knowles, 1986).
Un modelo distribuido (el modelo de grilla IH) desarrollado por Moore et al (1994) fue aplicado
a cuatro cuencas en el Reino Unido, en rangos de tamaño desde 100 a 275 km2. (Fig.5.2. a,b).
Fig.5.2.a. Resultados del modelo de simulación para el Mole en Kinnersly Manor para elperíodo 22 de diciembre de 1990 a 22 de enero de 1991 (Línea sólida. Caudal observado:línea de puntos: pronóstico de flujo total; línea de rayas flujo base pronosticado; línea de rayasinferior, déficit de humedad del suelo (luego de Moore et al, 1994).
Los resultados obtenidos muestran que cuando las condiciones prevalentes hacen que los
datos del radar meteorológico sean un buen estimador de la lluvia, al sustituir los datos de un
pluviógrafo por los datos radar sobre una grilla cuadrada de 2 km, se obtienen mejoras
significativas en el modelo. Sin embargo en cuencas montañosas las bajas posibilidades de
mejorar las lluvias al suelo y los efectos de clutter afectan adversamente los pronósticos de
caudales.
Utilizando una cuenca de 77 km2. localizada a alrededor de 45 km del radar y un modelo
hidrológico concentrado, Borga et al (1995) investigaron la influencia de diferentes
procedimientos de corrección de radares meteorológicos en la estimación de la precipitación y
54
en la simulación de lluvia - escorrentía. El sistema de procesamiento de datos se dedico
principalmente a la corrección de errores debidos al oscuramiento y a la variabilidad del perfil
vertical de la reflectividad, además se incorporo un procedimiento de ajuste utilizando
pluviógrafos, basado en la técnica propuesta por Moore et al (1991 a).
Fig. 5.2.b. Caudales pronosticados usando el Modelo a malla IH y datos de radarmeteorológico (luego de Moore et al, 1994).
Un mejoramiento substancial en la simulación de los hidrogramas se obtuvo utilizando sea
datos radar corregidos y sin corregir, al puesto de un pluviógrafo localizado en el centro de la
cuenca. Los resultados obtenidos usando nueve pluviógrafos para ajustar datos radar
indicaron, que el uso de los solos pluviógrafos o los solos datos radar proveen resultados
menos satisfactorios respecto al radar ajustado combinando las dos fuentes de información
(Fig.5.3.). El problema de la inexactitud en los inputs es mayor cuando se utilizan pronósticos
de precipitaciones los cuales pueden presentar incluso grandes errores. Cluckie and Owens
(1987) presentaron (Fig.5.4.) los resultados de pronósticos de crecientes realizados usando
diversos escenarios de pronósticos de lluvia en períodos cortos incluyendo uno basado en la
extrapolación de datos radar. Un amplio estudio que ilustra los resultados de investigaciones
sobre la utilización de pronósticos de lluvia derivados de radar en modelos lluvia - escorrentía,
55
es descrito en Moore et al (1993). Se encontró que el uso de pronósticos de lluvia con radar
incrementa consistentemente la probabilidad de detección de excedencias (alertas).
Sólo si se logra disminuir las fuentes de error en la estimación de la precipitación con radar, el
radar logrará su pleno potencial en pronósticos hidrológicos. Cuando los modelos hidrológicos
son utilizados en tiempo real se enfatiza la importancia de poder actualizar los parámetros del
modelo. La actualización de los parámetros del modelo puede ser lograda por dos caminos: i)
A través del ajuste de la variable de estado del modelo, el contenido interno de agua
almacenada del modelo se ajusta usando valores observados de escorrentía para obtener una
mejor concordancia entre valores observados y pronosticados y ii) A través de la predicción del
error el cual explota la dependencia vista en los errores pasados del modelo para predecir
futuras situaciones. Los resultados obtenidos por Moore et al (1994) resaltan el hecho que la
actualización de los parámetros nunca podrá compensar totalmente las deficiencias de una
estructura determinística deficiente del modelo o datos radar poco confiables
Fig 5.3. Comparación de hidrogramas observados (Obs) y simulados para el evento del 3 -6de octubre de 1992. Las simulaciones son obtenidas usando datos e radar con amboscasos, sin ajuste ( P Radar) y ajustados con coincidencia con pluviógrafos ( CP Radar 9).Tiempo de inicio Octubre 2 de 1992 23:00 LT.
56
Fig.5.4. Secuencia de pronóstico para el 29 de enero de 1985 mostrando escenarios de lluviasfuturas. FRONTIERS es el sistema operativo de pronósticos usando datos de una red deradares que fue desarrollada en la Oficina Meteorológica del Reino Unido: *, tiempo depronóstico; - Caudal actual pronosticado; -- No más lluvia; --- previsión perfecta; -.- promediode lluvia anterior; ---, FRONTIERS (de Cluckie and Owens, 1987).
57
6 INVESTIGACIONES EUROPEAS SOBRE ESTIMACION DE LLUVIAS Y APLICACIONESHIDROLOGICAS DE DATOS RADAR Y SATELITES METEOROLOGICOS
Desde 1986 la Comisión Europea ha incluido el tema del riesgo de inundaciones dentro de sus
programas oficiales de investigación, Inicialmente el programa tuvo un énfasis en el impacto
de la componente de cambio climático en los desastres naturales, dando una particular
atención a las investigaciones sobre inundaciones, en los programas siguientes y en particular
bajo el programa “Ambiente”, se enfatizo más explícitamente las necesidades de investigación
sobre riesgos de inundación al fin de mejorar los sistemas de gestión de emergencias.
Este capitulo selecciona y sintetiza el trabajo desarrollado por 4 grupos europeos que han
venido siendo financiados por la Comunidad Europea para llevar a cabo investigaciones en los
sectores de las tormentas, riesgo de inundación y su mejor gestión, en particular se describirán
los proyectos : AFORISM, STORM, PADRE y Grupo Europeo de Radar Hidrología. El proyecto
AFORISM investiga sobre sistemas integrados de pronóstico de inundaciones y sistemas de
soporte a las decisiones; STORM explora el uso complementario de satélites, radares
terrestres y redes pluviométricas para la estima y previsión de los campos de precipitación;
PADRE punta hacia las tecnologías radar avanzadas que utilizan técnicas Doppler y de
Polarización para mejorar la estima de las precipitaciones intensas; y el Grupo Europeo de
Radar Hidrología focaliza la atención en las aplicaciones hidrológicas del radar meteorológico,
especialmente en el pronóstico de avenidas y el control de inundaciones en áreas urbanas y
rurales.
En fin el capitulo concluye con un resumen sobre las actividades del programa de acciones
concertadas RIBAMOD el cual esta definiendo la línea guía para las futuras investigaciones en
modelación de cuencas hidrográficas, manejo y mitigación de inundaciones.
6.1 PROYECTO AFORISM
El objetivo del proyecto AFORISM (en ingles, A comprensive FOrecasting system for flood
RISk Mitigation and control ) fue el desarrollo de un sistema integrado de pronóstico para el
control y mitigación de las inundaciones. El proyecto involucro 10 grupos de investigación de 7
estados de la Unión Europea y se concluyo en junio 1995. El propósito del proyecto fue el de
integrar datos y modelos al interior de un sistema de soporte a la toma de decisiones para la
mitigación en tiempo real del riesgo de inundación.
58
En particular se trabajo en las siguientes áreas : Sistemas de adquisición de datos, modelos
de pronósticos para la precipitación, la escorrentía en cuencas y la propagación en cursos de
agua y planicies de inundación; toma de decisiones y el uso de herramientas tales como la
optimización multicriterio; inteligencia artificial y sistemas de información geográfica.
Los métodos utilizados para el pronóstico de la precipitación incluye modelos deterministicos
de Area Limitada (LAM), así como modelos estocasticos univariados y multivariados. El trabajo
con el modelo LAM se concentro en la reestructuración de un modelo pre-existente que
soportara las exigencias operativas para el pronóstico de avenidas en la cuenca del río Reno.
Este incluyo la corrida del modelo a diferentes resoluciones con distancias horizontales
inferiores a 10 Km, y la exploración de diferentes métodos de generación de previsiones
integradas como soporte a pronósticos de riesgo de inundación. Se utilizaron además algunos
modelos estocasticos de precipitación debido al hecho que exigen poco tiempo de calculo para
generar los pronósticos. Los modelos considerados incluye aquellos basados en el método
modificado de “Turning Bands”, escalamiento simple, Bayesianos y otros.
Para las cuencas de seis países se evaluaron diferentes tipos de modelos de precipitación –
escorrentía, tales como modelos a evento simple, conceptuales, semi-distribuidos y
físicamente basados. En general se encontró que los modelos más adecuados son aquellos
que emplean distribuciones de probabilidad del contenido de humedad del suelo para controlar
la producción de escorrentía. Los modelos hidráulicos unidimensionales y bidimensionales se
configuraron utilizando la información geométrica del cauce, los resultados se visualizaron
como perfiles longitudinales de la creciente, secciones transversales y vistas en planta. Para el
cauce principal del río Reno se utilizo el modelo PAB (en ingles, Parabolic And Backwater),
mientras para los cauces secundarios se modelaron utilizando el procedimiento de
Muskingum-Cunge. Algunos modelos hidráulicos bidimensionales más complejos fueron
investigados al fin de evaluar los costos provocados por las inundaciones.
Las investigaciones se orientaron a la ampliación de un modelo integrado a las diferencias
finitas que hiciera frente a problemas encontrados en situaciones practicas y al desarrollo de
un modelo de flujo mixto mono - bidimensional que emplee como método de discretización
volúmenes de control a los elementos finitos, con conservación de la masa y la energía sea a
escala global que a escala local.
Como actividad final se llevo a cabo un Análisis de Impacto de las Inundaciones
sobreponiendo con un SIG mapas de inundaciones con información espacial georeferenciada
59
tales como infraestructura, uso del suelo, trafico y con información no espacial relativa a los
aspectos económicos, sociales y ambientales. Un análisis multiobjetivo de impacto de la
inundación permite jerarquizar diferentes alternativas permitiendo de esta forma evaluar los
efectos de diferentes estrategias de control de inundación.
El sistema de soporte a las decisiones comprende un sistema experto con un interfaz propio
especialmente desarrollado. Se incluyeron además ventanas de dialogo para identificar las
necesidades de gestores operacionales y responsables de la infraestructura física de control
de la inundación (p. ej. represas, estaciones de bombeo etc), directores de la Defensa Civil y
responsables de la gestión operativa de las emergencias (p. ej. trabajos temporáneos y
evacuación). Los resultados fueron utilizados para definir un grupo de reglas para el sistema
de soporte a las decisiones.
6.2 PROYECTO STORM
El proyecto STORM (en ingles, Storm Tracking and Observation of Rainfall-runoff Monitoring),
tiene como objetivo mejorar la identificación, monitoreo y pronóstico local de eventos de
precipitación de alta intensidad que causan inundaciones en las regiones costeras de la zona
Mediterránea Europea. El grupo de investigación esta constituido por nueve grupos de Italia,
España e Inglaterra, a este se agrego posteriormente un partner de Bulgaria. La motivación
del proyecto nace de la gravedad de las inundaciones en el Mediterráneo y en particular de las
inundaciones catastróficas ocurridas en Barcelona en 1963, en Florencia en 1966 y en Nimes
en 1988. Se reconoció que en tales casos, una contribución a la mitigación de las
inundaciones podía provenir de investigaciones sobre la integración de sistemas satelitales y
radar a tierra con redes de pluviómetros que permitan mejorar los sistemas de monitoreo,
seguimiento y pronóstico de tormentas.
En el proyecto se consideraron cuatro temas principales: i) Instalación y calibración de
sistemas de sensores, incluyendo calibración de datos provenientes de radar y satélite; ii)
Desarrollo de técnicas para la extracción de información, tales como algoritmos para calcular a
partir de datos radar y satélite, áreas e intensidades de precipitación y para seguir el
movimiento de las tormentas. iii) Desarrollo de métodos para integrar datos provenientes de
satélite, radar y pluviómetros, con el auxilio de mapas climáticos a escala sinóptica; y iv)
Definición de una estructura de información que comprenda un SIG y un análisis del
rendimiento del sistema utilizando como casos de estudio eventos reales.
60
Los datos satelitales considerados fueron de dos tipos, Meteosat y SSM/I. Los datos Meteosat
fueron obtenidos de un satélite geostacionario con frecuencia de 30 minutos y resolución
espacial de 7 x 5 Km Los datos provienen de un sensor al infrarrojo que mide la temperatura
de radiación de la cara superior de las nubes, se utilizaron algunos algoritmos empíricos para
estimar la intensidad de precipitación, la cual sin embargo es significativa solo cuando
integrada sobre áreas a gran escala. Los datos SSM/I son registrados por el “Special Sensor
Microwave Imager” localizado a bordo de los satélites de órbita polar. El SSM/I mide las
emisiones de microondas de carácter natural emitidas por la tierra después de haber
interactuado con las microparticulas de agua de la atmósfera. Estas mediciones proveen una
medida más directa de la precipitación puesto que es afectada por los cambios de emisividad
debidos a la superficie terrestre, la temperatura, el vapor de agua etc.
Para describir la evolución de formaciones de nubes así como para pronosticar la precipitación
probable sobre áreas especificas se desarrollo un algoritmo basado en datos Meteostat. El
algoritmo identifica a partir de las imágenes Meteosat los rasgos característicos de los cuerpos
nubulosos, sucesivamente aplica un análisis de correspondencia a imágenes consecutivas y
se estiman los parámetros que describen la evolución temporal de las imágenes y finalmente
se pronostica la evolución de los parámetros. El algoritmo permite obtener previsiones
aceptables de la evolución de las nubes a uno o dos pasos adelante en el tiempo.
Se aplicaron además cuatro técnicas de estima de la precipitación que utilizan datos SSM/I y
se compararon respecto a datos radar y pluviométricos. Las técnicas SSM/I utilizadas fueron :
“Polarisation Corrected Temperature, Combined Polarisation and Frecuancy Difference,
Combined Todd and Kniveton (KTK) e IFA-CNR”. Los resultados iniciales favorecieron las
técnicas CTK e IFA-CNR y evidenciaron la necesidad de mayor información radar/pluviómetro
para su calibración y validación.
En términos de integración de información proveniente de diferentes sensores, el proyecto
evidencio la falta de información sobre la estructura de la precipitación a escalas inferiores a 1
– 10 km2 y 10 – 30 minutos. La integración fue necesaria al fin de identificar las áreas donde
las celdas intensas de precipitación se pueden desarrollar al fin de rastrear y pronosticar su
evolución. Se utilizaron además mapas climatológicos a escala sinóptica al fin de delinear el
área cubierta por fuerzas quasi-geostroficas, inestabilidad potencial y convergencia de vapor
de agua. Estos mapas conjuntamente con las imágenes satelitales muestran como los clusters
61
de tormentas están relacionados con los factores meteorológicos, las corrientes que se abaten
sobre las costas mediterráneas, y la proximidad del relieve.
Adicionalmente a estos mecanismos que actúan a la escala sinóptica existen fenómenos a la
mesoscala que generan repentinos procesos convectivos de carácter localizado. La
información de los sensores satelitales, radar terrestre y pluviómetros pueden ayudar en la
identificación de estos procesos.
El proyecto STORM desarrollo una estrategia que utiliza imágenes Meteosat y SSM/I para
monitorar y pronosticar el peligro de inundación. Aplicando el algoritmo IFA-SAP a los datos
SSM/I y la técnica Negri-Adler-Wetzel a los datos Meteosat se obtuvieron las estimas de la
precipitación.
Utilizando un modelo precipitación escorrentía y tres diferentes procedimientos de estima de la
precipitación se simularon los hidrogramas de creciente producidos por dos tormentas sobre
la cuenca del río Arno (Italia). Los procedimientos de estima utilizados fueron : (i) Meteosat y
Adler simple, (ii) solo información de pluviómetros y (iii) información de pluviómetros e
imágenes Meteosat. Con este ultimo procedimiento se obtuvieron los mejores hidrogramas.
Combinando información radar e información pluviométrica y utilizando el radar de la ciudad de
Pisa (Italia) se estudio el efecto del terreno sobre el oscuramiento del haz radar y la precisión
en la estima de la precipitación. Se desarrollo un procedimiento para corregir el oscuramiento
del haz radar el cual utiliza un modelo digital del terreno y permite la evaluación de la precisión
incluyendo la atendibilidad de una estima de ausencia de lluvia.
Cuando y donde disponibles, los datos SSM/I se utilizan para confirmar la localización de estas
áreas y eventualmente para calibrar las intensidades de precipitación en áreas de particular
interés. Para identificar la severidad de las áreas criticas se utilizo como criterio adicional las
mapas climáticas a escala sinóptica. Las áreas criticas habiendo sido individuadas y evaluada
la intensidad de precipitación, son sucesivamente rastreadas y se pronostica su evolución. La
información satelital se continua a utilizar conjuntamente al radar al fin de extrapolar la
calibración del radar sobre áreas fuera de la cobertura radar. En la medida que la tormenta se
acerca a la región de interés, se simulan escenarios potenciales de precipitación futura que
mantengan las características generales y de pequeña escala de la tormenta, al final se evalúa
el peligro hidrometeorológico.
62
6.3 PROYECTO PADRE
El proyecto PADRE (en ingles, Polarisation And Doppler Radar Experiment) hace parte del
programa de la Comisión Europea “Ambiente”, el proyecto involucra seis partners de Italia,
Alemania e Inglaterra, y a partir de abril 1994 gracias al programa PECO se unieron al grupo 3
partners de Europa Oriental provenientes de Rumania, Eslovenia y República Checa. El
proyecto se ocupa del análisis de datos radar Doppler y de diversa polarización para el
monitoreo cualitativo y cuantitativo de la precipitación en condiciones climáticas severas. Su
relevancia para la mitigación de las inundaciones esta en el hecho que los radares
convencionales en banda C, ampliamente utilizados en Europa, son fuertemente afectados por
fenómenos de nieve y precipitación mixta, por consiguiente bajo condiciones de lluvias severas
sus estimas pueden ser poco atendibles, pudiendo llegar a no poder diferenciar entre
precipitación y ecos de tierra provenientes de las montañas o edificios.
El proyecto PADRE afronta estos problemas utilizando la potencialidad de los nuevos radar
equipados con sistemas Doppler y de polarización del señal. El sistema Doppler tiene la
potencialidad de identificar los ecos del terreno y puede cuantificar la componente radial de la
velocidad del viento. Es necesario desarrollar metodologías que utilicen datos de radar Doppler
y de polarización al fin de mejorar la cuantificación y los pronósticos de precipitación en
tormentas severas. En el caso de los datos radar en banda C con polarización diversa, existen
muy poca experiencia, la mayor parte de los estudios se han llevado a cabo utilizando radares
en banda S. En particular existe la necesidad de comprender el efecto de la atenuación
experimentada por los parámetros de polarización en banda C.
El experimento involucro tres radares en banda C, dos radares operativos Doppler a doble
polarización localizados en Italia (Padua y Boloña) y un radar experimental con diversidad de
polarización localizado en Alemania. La reflectividad diferencial es medida por los dos radares
italianos sin embargo es disponible en modalidad Doppler solo por el radar de Boloña. Se
desarrollo una base datos de tormentas registradas por los tres radares utilizando un formato
común, este hecho facilito el análisis y comparación de los datos del área de intersección de
los dos radares italianos y la individuación de diferencias que dieron lugar a nuevas
investigaciones.
Se mostró como el efecto de la atenuación en la reflectividad diferencial es severo en el caso
de chubascos de fuerte intensidad y en ocasiones también puede afectar los valores de
reflectividad a distancias mayores de 80 Km Esto implica que bajo estas situaciones las
63
estimas de precipitación de radares operativos en banda C, pueden ser significativamente
subestimadas. En síntesis debido a los efectos de atenuación, los errores en la estimación de
la intensidad de precipitación pueden ser significativos aun cuando se utilice radares en banda
C a doble polarización, es decir la estima puede no ser tan exitosa como originalmente lo
propuso Seliga y Bringi.
Utilizando el radar de polarización múltiple, se llevaron a cabo comparaciones con diferentes
polarizaciones y se interpretaron en términos del efecto del estrato de fusión y de regiones
con presencia de hielo. El radar de Padua registro en el verano de 1994 bajos valores de
reflectividad diferencial acompañados por altos valores de reflectividad, indicando de esta
forma la presencia de granizo, tal como lo confirmo las registraciones a tierra.
La reflectividad en modalidad Doppler y sin modalidad Doppler fueron comparadas con los
valores de los respectivos pluviómetros a tierra, la desviación standard de la relación
pluviómetros y radar es pequeña en la modalidad Doppler indicando una exitosa corrección del
eco de tierra causado por la alta elevación del haz radar y las montañas del norte. La
precipitación es sobrestimada en las dos modalidades y requiere corrección adicional. Los dos
radares italianos distanciados 80 km en el valle del río Po, permiten estimar la componente bi-
dimensional a partir de los campos de viento radial Doppler y continuar el trabajo de estima de
la velocidad vertical del aire. Tal análisis es de uso potencial en el pronóstico de tormentas
convectivas severas.
Las investigaciones desarrollaron además herramientas de visualización que ilustran los ecos
radar y del terreno en modalidad tridimensional. Contribuyendo de este modo a revelar las
interacciones entre tormentas y el terreno y como un medio de pronóstico.
Un componente final del proyecto contribuyo a explorar la potencialidad de la información
Doppler y de polarización para el pronóstico de la precipitación. En particular se utilizaron
modelos conceptuales para los diferentes tipos de precipitación, frentes sinópticos,
estratiformes con convección interna y celdas de alta precipitación. Se llevo a cabo una
prueba al fin de relacionar a través de un modelo conceptual las mediciones radar con las
mediciones a tierra, de la misma forma el modelo conceptual se utilizo para realizar
pronósticos.
Datos satelitales y de modelos numéricos fueron igualmente utilizados. El uso de los datos
Doppler focalizó la atención en el uso de la distribución del espectro de velocidad (la amplitud
del espectro Doppler) para obtener el perfil de energía en la forma del gradiente de disipación
64
Eddy. Este procedimiento permite identificar regiones con condiciones uniformes para el
desarrollo de tormentas, como caso de estudio se llevo a cabo una aplicación utilizando un
radar a múltiple polarización .
El proyecto PADRE creo una sólidas bases para investigaciones acerca de una nueva
generación de radares en banda C con aplicabilidad operativa en la gestión de inundaciones
a lo largo de toda Europa. Una segunda fase se esta beneficiando de estas bases y esta
orientada al problema del mejoramiento de la cuantificación de la precipitación utilizando estos
nuevos radares. Los resultados de este trabajo constituirán a largo plazo la base de nuevos
procedimientos de alerta y pronóstico de crecientes más precisos y confiables.
6.4 EL GRUPO EUROPEO DE RADAR HIDROLOGIA
El grupo Europeo de radar hidrología inicio su labor en 1988 bajo el programa de investigación
“Climatología y riesgos naturales” e involucra partners de Italia, Portugal, Francia, Inglaterra y
Holanda. El grupo esta conformado por investigadores con el interés en hacer el radar
meteorológico una herramienta más útil para las aplicaciones hidrológicas, especialmente para
el pronóstico y control de inundaciones. El proyecto inicial titulado “Application of Weather
Radar for the Alleviation of the Effects of Climatic Hazard” reconoció que las inundaciones
están volviéndose más frecuentes y extremas en diferentes partes de Europa, como
consecuencia la necesidad de implementar medidas de mitigación contra las inundaciones es
mayor así como el peso potencial del radar meteorológico al interior de tales medidas .
En 1991 bajo el programa EPOCH el proyecto incluyo un partner de Grecia y Alemania. El
titulo del nuevo proyecto representa el interés del grupo y del programa EPOCH “Weather
Radar and Storm and Flood Hazard”. El trabajo continuo en 1993 bajo el programa Ambiente
con el proyecto “Storms, floods and radar hydrology” y se vincularon otros dos partners
provenientes de España y Eslovenia.
Mientras los científicos del proyecto PADRE focalizaron la atención en el radar como un
instrumento de medición, explotando los nuevos desarrollos hardware y desarrollando
algoritmos para el procesamiento del señal, el grupo de radar hidrología se intereso en hacer
los datos radar más precisos y confiables para su utilización al interior de modelos hidrológicos
para el pronóstico de avenidas, alerta y control. Tres grandes temas constituyeron las líneas
guía del grupo de trabajo.
65
6.4.1 El problema de la medición de la precipitación:
se oriento a hacer los datos radar más confiables y robustos para aplicaciones cuantitativas en
el pronóstico de inundaciones en cuencas rurales y a escala local en áreas urbanas. Para las
aplicaciones hidrológicas y en particular para problemas urbanos, es necesario utilizar
mayores niveles de precisión y resoluciones espaciales en la estima de la precipitación,
especialmente cuando se compara con el uso operativo de los radares por parte de las
instituciones meteorológicas. En el proyecto se utilizaron y evaluaron diferentes radares con
longitud de onda (S, C, X), con funciones Doppler, doble polarización y perfiles verticales de
reflectividad en diferentes regímenes climáticos. Además con el soporte de disdometros y
redes pluviometricas a tierra y métodos para combinar datos radar y pluviométricos se
investigaron algunas técnicas para la corrección de eventos con precipitación mixta (agua-
nieve), y de los efectos de la orografía y de la distancia del radar.
La posibilidad de utilizar pequeños radares en banda X que permitan obtener barridos y
perfiles verticales de la precipitación sobre ciudades y áreas urbanas, y su potencialidad en la
gestión y control de los sistemas de drenaje urbano llevo al desarrollo de nuevos
procedimientos de corrección de la atenuación y a la exploración de su uso conjunto en redes
radar operativas en banda S y C.
Las comparaciones entre datos (no ajustados) de radar banda X y S por un lado y mediciones
de pluviógrafos por el otro, mostraron el potencial de ambos radares para servir como aparato
de medición de lluvias. Esta componente del proyecto también llevó a cabo estudios de
simulación numérica de diferentes aspectos de la estructura espacio - tiempo de la lluvia a la
escala de gota usando radar y mediciones de pluviógrafos.
La universidad de Padua (Italia) desarrolló además un esquema de simulación para estudiar la
complementación entre diferentes sensores de lluvia. El modelo matemático combinó campos
de lluvia generadas en dos dimensiones (con una parametrización estadística de la distribución
del tamaño de gota) con un número de distintos modelos de nubes, una simulación con base
física del proceso de fusión y la medición por radar del proceso de integración de muestras
volumétricas.
La principal fuente de error de la intensidad de lluvia derivada de la reflectividad de radar es
causada por el aumento del retorno del radar debido a la fusión de copos de nieve en la banda
brillante. El aumento de retorno es causado por copos de nieve grandes, de baja densidad,
húmedos, los cuales reflejan microondas como si fueran gotas gigantes de lluvia. Una
66
sobreestimación de la precipitación de hasta un factor de 5, puede ser observada debido a la
banda brillante. Un sistema de radar apuntado verticalmente ha sido desarrollado por la
Universidad de Salford, Reino Unido, para estudios de banda brillante
Un método para identificar el perfil vertical de la reflectividad el cual requiere el uso de
imágenes de radar, desde por lo menos dos ángulos de elevaciones diferentes fue
desarrollado durante uno de los primeros proyectos financiados por la Comisión Europea. A
escala de cuenca se llevo a cabo una comparación entre la intensidad de precipitación horaria
medida con una red densa de pluviógrafos y datos de radar. Este análisis mostró que la
introducción de la identificación y la corrección de la influencia de los perfiles verticales de la
reflectividad mejora la exactitud de las estimaciones de lluvia con radar y que los métodos
pueden ser operativamente aplicables. Trabajos futuros consistirán en extender este método a
un barrido total del volumen de datos.
6.4.2 El problema de la previsión de la precipitación,
Mientras el primer tema se orienta a hacer los datos radar más precisos, este tema se orienta a
hacer los datos radar más útiles en términos de aumentar el tiempo de previsión de las alertas
hidrológicas. Se desarrollaron algunos algoritmos para inferir a partir de imágenes radar
consecutivas la velocidad y la dirección de la tormenta, esta información constituyo la base
para la previsión de la precipitación utilizando técnicas de advección de la imagen radar
corriente. En el caso de eventos cuya intensidad aumenta o rota, los métodos de advección
simplificada no permiten obtener buenas previsiones del desarrollo de la tormenta. El grupo
investigo sobre la utilización de modelos meteorológicos simplificados para la previsión de la
precipitación que utilizan los volúmenes polares radar para estimar el contenido de agua de
una columna atmosférica. Estos modelos de balance de agua atmosférica se configuran sobre
la malla radar y pueden utilizar observaciones climáticas al suelo y datos Meteosat de
temperatura de la cara superior de la nubes para inferir la influencia de la componente
ascensional en la intensidad de precipitación de tormentas convectivas. Diferentes grupos
exploraron y aplicaron este procedimiento de modelación en regiones montañosas donde la
ascensión vertical es importante, y en áreas de relieve modesto.
6.4.3 La aplicación del radar en el control y alertas de crecientes,
Una particular atención de esta investigación fue el desarrollo de un nuevo modelo lluvia –
escorrentía distribuido configurado sobre una malla regular al fin de hacer un máximo uso de la
información radar. La parametrización de este modelo se apoyo en el uso de un modelo digital
67
del terreno (MDT) que permitió la definición automática de las líneas de flujo, la estima de los
tiempos de viaje de cada área elemental de calculo y la inferencia de la función de traslación
de la cuenca. La estima de la pendiente a partir del (MDT) puede ser relacionada a la
producción potencial de escorrentía e incluida en el calculo de escorrentía de la tormenta. Se
confrontaron los resultados de un modelo lluvia – escorrentía conceptual a malla regular que
utiliza los datos radar en forma de malla regular con los resultados de un modelo lumped
conceptual que utiliza la precipitación media sobre la cuenca. Se observo que aun cuando la
estima de la precipitación al suelo es buena y la escala de la tormenta es menor de la escala
de la cuenca, las estimas obtenidas utilizando el modelo lumped son menos precisas respecto
a las estimas utilizando el modelo distribuido. Por consiguiente para la previsión de las
crecientes se puede afirmar que modelos lluvia – escorrentía a malla regular ofrece mejores
resultados. Para actualización de pronósticos en tiempo real, fue desarrollada una nueva
forma de estado de actualización de el Modelo Grid y técnicas de predicción del error. Este
método de actualización probó ser mejor que el procedimiento de predicción del error basado
en la persistencia.
La Universidad de Padua (Italia) llevo a cabo investigaciones de intercomparación entre
diferentes técnicas de estimación de los campos de precipitación utilizando datos de
pluviógrafos y datos de radar. Como caso de estudio se selecciono una cuenca de montaña de
77 km2 equipada con una densa red de pluviómetros donde los ecos del terreno y el
oscuramiento del señal son las mayores fuentes de error. Adicionalmente se utilizo un modelo
hidrológico concentrado para determinar los efectos de las metodologías de elaboración de los
datos radar y pluviómetros en los pronósticos de caudales. Una mejora sustancial en la
simulación hidrológica se obtuvo usando, sea datos radar corregidos y sin corregir respecto a
un pluviógrafo localizado en el centro de la cuenca.
Finalmente se realizaron investigaciones en el control de inundaciones en sistemas de drenaje
urbano utilizando radares en banda X. Para representar la dinámica del sistema el proyecto
utilizo una cuenca urbana de alrededor de 1000 ha y una combinación de modelos
hidrológicos e hidrodinámicos. Se encontró que estos modelos constituyen una base sólida
para la evaluación y pronóstico del comportamiento del sistema. Un modelo de optimización
fue usado para hacer un control de la toma de decisiones y una determinación de las ventajas
de estrategias de control global respecto a estrategias de control local.
68
6.5 ACCIONES CONCERTADAS RIBAMOD
Aunque si en toda Europa se han dado pasos importantes en el mejoramiento de la gestión de
emergencias hidrológicas, aun existen importantes retos que deben ser afrontados. Las
grandes inundaciones producidas en Enero y febrero 1995 por el río Rhin y Meuse,
constituyeron un oportuna señal de alerta que no todo estaba bien, las repentinas y dramáticas
inundaciones que afectaron las regiones costeras del Mediterráneo europeo constituyeron
nuevas señales de alerta, sobre los riesgos hidrológicos de carácter local.
Concluida la emergencia de las inundaciones del río Rhin – Meuse, y siguiendo las
preocupaciones expresadas por varios estados miembros, en Mayo 1995 la DG XII organizo
un encuentro en Bruselas con el objetivo de coordinar a nivel europeo una estrategia de
respuesta al riesgo de inundaciones en Europa. Esto llevo a la creación del programa de
acciones concertadas RIBAMOD (River Basin Modelling, Management ande Flood Mitigation)
cuyo objetivo es examinar problemas de largo plazo y la complementación de iniciativas
operacionales en curso relativas al problema de las inundaciones, manteniendo pero como
marco de referencia la gestión integrada de las cuencas hidrográficas.
El comité de RIBAMOD organizo una serie de meeting de expertos y workshops abiertos, para
analizar el estado del arte sobre modelación y previsiones, y sistemas de soporte a las
decisiones. Los temas de los próximos workshop son sobre las alertas y mitigación de riesgos
en tiempo real y uso sostenible de cuencas hidrográficas y cambio climático.
En general los objetivos de RIBAMOD son aprender de las pasadas experiencias, identificar el
estado del arte y las mejores practicas, revisar las actuales investigaciones en riesgos de
inundación e identificar necesidades de investigación y contribuir a la definición de políticas de
los programas de investigación. Un tema de recurrente de discusión en el pasado encuentro
europeo RIBAMOD (River Basin Modelling), fue la necesidad de mejorar las comunicaciones
entre hidrólogos y meteorólogos. Estas comunidades científicas necesitan ser involucradas en
el desarrollo y operación de sistemas de previsión real time, además permanecen algunas
divergencias de escala relacionados con la información generada y utilizada en la previsión
hidrológica y meteorológica.
69
7 PERSPECTIVAS Y EXPECTATIVAS
El informe ha intentado dar una rápida visión de los desarrollos y de algunas investigaciones
en curso sobre la estimación de lluvias utilizando sensores remotos y sus aplicaciones en el
pronóstico de crecientes, igualmente se ilustro como éste es un campo en el cual las
contribuciones multidisciplinarias son esenciales para su desarrollo exitoso.
Los pronósticos cuantitativos de crecientes, tal como cualquier pronóstico de fenómenos
naturales presenta un grado de incertidumbre, la incertidumbre sin embargo es una aspecto de
vital importancia sea para quien produce avisos de crecientes como para el público mismo. Si
se usan apropiadamente los pronósticos y la incertidumbre asociada, es posible llevar cabo un
manejo adecuado del aviso de crecientes y una correcta percepción del público sobre este tipo
de pronósticos. Si se considera que una importante fuente de incertidumbre en los pronósticos
de crecientes son debidos a incertidumbre en la estimación y el pronóstico de las lluvias, la
evaluación de la incertidumbre asociada con radar y las estimaciones basadas en sensores
remotos son esenciales. Esto requiere el desarrollo de una estructura estadística para la
descripción y propagación de errores desde diferentes fuentes. Estudios de simulación son
importantes en este contexto porque permiten separar las diferentes fuentes de error y
desarrollar una caracterización estadística de los errores.
El acceso en tiempo real a más datos atmosféricos permitirá igualmente mejorar las estimas y
los pronósticos de la precipitación. Investigaciones recientes han evidenciado la importancia
del uso de modelos meteorológicos conceptuales simples ya que pueden contribuir
eficazmente a la asimilación y actualización de datos en tiempo real. En particular utilizando
técnicas apropiadas de asimilación e integracion de las diferentes fuentes de datos en tiempo
real se podrá mejorar la exactitud de los pronósticos de lluvias.
La validación de sistemas de pronósticos hidrológicos que utilicen información de radar
meteorológico y datos digitales de elevaciones del terreno son entre otras, las áreas prioritarias
para mejorar la capacidad para predecir las crecientes. En particular considerando que las
crecientes son fenómenos hidrometeorológicos, los procesos hidrológicos y meteorológicos
deben ser incluidos e integrados en todo sistema de alerta y pronostico hidrologico.
El continuo desarrollo tecnológico del sector aumentara la confianza y la utilizacion de
informacion preveniente de radares meteorológicos, sensores de satélites y productos de
modelos numéricos meteorológicos al interior de sistemas de alerta y pronóstico hidrológico.
70
Existen sin embargo un número de factores limitantes que impiden que la tecnología radar
juegue un rol más importante en hidrología tradicional, por ejemplo para los usuarios no es
completamente claro cual es el beneficio neto de la instalacion de un sistema radar y en
particular económicamente como se expresa. Para dar respuesta a esta pregunta se requiere
una mayor y más estrecha cooperación entre la comunidad científica y los usuarios
hidrológicos finales al fin de evaluar las limitaciones y beneficios económicos de la aplicación
de datos de precipitación de radar y de sensores remotos en la hidrología operativa.
AGRADECIMIENTOS
Los autores han citado libremente el trabajo de muchos investigadores en este campo. Los
autores agradecen las valiosas discusiones con colegas dentro de los diferentes proyectos
mencionados en el trabajo, incluyendo R.J.Moore (Institute of Hydrology, UK); I.D.Cluckie
(University of Salford, UK); R.Ranzi (University of Brescia, Italy); F.Porcú (FISBAT-CNR, Italy).
La asistencia de A.Vizzaccaro (University of Padova, Italy) es también agradecida. Las
consideraciones expresadas y cualquier error u omisión son, por supuesto, enteramente
imputables a los autores.
71
8 REFERENCIAS
1. Andrieu, H., Creutin, J.D. (1995) “Identification of vertical profiles of radar reflectivities for
hydrological applications using an inverse method. Part 1: Formulation”, J.Appl. Meteor.,
34, pp 225-239.
2. Austin, G.L., Bellon, A. (1982) “Very-short-range forecasting of precipitation by the objective
extrpolation of radar and satellite data”, in Nowcasting, ed. K.A. Browning, Academic Press,
New York.
3. Barrett, E.C., Martin, D.W. (1981) The use of satellite data in rainfall monitoring, Academic
Press, London, 340 pp.
4. Barret, E.C., Curtis, L.F. (1982) Introduction to environmental remote sensing, Chapman
and Hall, London.
5. Battan, L.J. (1973) Radar observation of the atmosphere, University of Chicago Press, 323
pp.
6. Becchi, I. (1987) “Introduction to the Arno basin flooding problems”, in The Récords of the
International Conference on the Arno Projec, CNR-GNDCI, Florence, November 1986,
pp.57-63.
7. Bell, V.A., Carrington, D.S., Moore, R.J. (1994) “Rainfall forecasting using a simple
advected cloud model with weather radar, satellite infra-red and surface weather
observations: an initial appraisal under UK conditions”, Istitute of Hydrology, Wallingford,
UK.
8. Bellon, A., Austin, G.L. (1984) “The accuracy of short-term radar rainfall forecasts”,
J.Hydrol., 70, pp. 35-49.
9. Beven, K.J., Hornberger, G.M. (1982) “Assessing the effect of spatial pattern of
precipitation in modelling stream flow hydrographs”, Water Resour, Bull, 18(5),pp. 823-829.
10. Borga, M., Giaretta, P. (1991) “Errors in beam path modelling and correction of partial
blocking effects”, in Advances in Radar Hydrology, edts. M.E. Almeida-Teixeria, R.
Fantechi, R.Moore, V.M.Silva, pp.105-114.
11. Borga, M., Da Ros, D., Fattorelli, S. Vizzaccaro A. (1995) “Influence of various weather
radar correction procedures on mean areal rainfall estimation and rainfall-runoff simulation”,
72
III International Symposium on Hydrological Applictions of Weather Radar, S.Paolo, 20-23
August, 1995, pp. 146-157.
12. Brandes, E.A. (1975) “Optimizing rainfall estimates with the aid of radar”. J. Appl. Meteor,
14 pp. 1339-1345.
13. Browing K.A. (1980) “Local Weather Forecasting”, Proc. R. Soc London, Ser. A. 371, pp.
179-211.
14. Browning, K.A., Collier, C.G. (1982) “An integrated radar-satellite nowcasting system in the
UK”, in Nowcasting, ed, K.A. Browning Academic Press, London.
15. Browning, K.A., Collier, C.G. (1989) “Nowcasting of precipitation systems”, Rev. Geophis,
27(3),pp.345-370.
16. Chander, S., Fattorelli, S., (1991) “Adaptive grid-square-based geometrically distributed
flood-forecasting model”, in Hydrological Applications of Weather Radar, edts. I.D. Cluckie,
C.G. (ed) (1983). The GOES User’s Guide, National Environmental Satellite, Data, and
Information Service, NOAA, U.S. Department of Commerce, Washington, D.C., 163 pp.
17. Clark, J.D. (de) The Goes User`s Guide, National Environmental Satellite, Data and
Information Service, NOAA, U.S. Department of Commerce, Washington, D:C., 163 p.p.
18. Cluckie, I.D., Owens, M.D. (1987) “Real-time rainfall-runoff models and use of weather
radar information”, in Weather radar and flood forecasting, edts. V.K. Collinge and C. Kirby,
J. Wiley, Chichester, West Sussex, pp. 171-190.
19. Cluckie, I.D., Tilford, K.A., Shepherd, G.W. (1991) “Radar signal quantization and its
influence on rainfall-runoff models”, in Hydrological Applications of Weather Radar, edts.
I.D. Cluckie, C.G. Collier, Ellis Horwood, pp. 440-451.
20. Collier, C.G. (1986) “Accuracy of rainfall estimates by radar, Part I: Calibration by
telemetering raingauges”, J. Hydrol., 83, pp. 207-223.
21. Collier, C.G. (1991) “The combined use of weather radar and mesoscale numerical model
data for short-period rainfall forecasting”, in Hydrological Applications of Weather Radar
edts. I.D. Cluckie, C.G. Collier, Ellis Horwood, pp. 331-348.
22. Collier, C.G. (ed) (1992) International Weather Radar Networking, Final Seminar of the
COST Project 73, Kluwer Academic Publishers, Netherlands, EUR 13649 EN.
73
23. Collier, C.G. Knowles, J.M. (1986). “Accuracy of rainfall estimates by radar, Part III:
Application to short term forecasting, J.Hydrol, 83,pp. 235-249.
24. Collinge, V.K., Kirby, C. (edts.) (1987) Weather Radar and Flood Forecasting, J. Wiley,
Chichester, West Sussex, 196 pp.
25. Corradini, C., Singh, V.P. (1985). “Effect of spatial variability of effective rainfall on direct
runoff by geomorphologic approach”, J. Hydrol., 81, pp. 27-43.
26. Creutin, J.D., Delrieu, G., Lebel, T. (1988). “Rain measurement by raingage-radar
combination: a geostatistical approach”, J.Atmos. Ocean. Technol., 5, pp. 102-115.
27. Curtis, L.F. (1991) “Remote sensing principles, sensors, platforms and data”, in Current
topics in remote sensing. Vol.2: Remote sensing for hazard monitoring and disaster
assessment, edts. E.C. Barrett,. K.A. Brown and A. Micallef, pp. 19-49.
28. Dawdy, D.R., Bergman, J.M. (1969) “Effect of rainfall variability on streamflow simulation”,
Water Resour. Res., 5(5), pp. 958-966.
29. Einfalt, T., Denoeux, T., Jacquet, G. (1990) “A radar rainfall forecasting method designed
for hydrological purposes”, J.Hydrol., 114, pp. 229-244.
30. Engman, E.T., Gourney, R.J. (1991) Remote Sensing in Hydrology, Chapman and Hall,
London, 225pp.
31. French, M.N., Krajewshi, W.F. (1994) “A model for real-time quantitative rainfall forecasting
using remote sensing. 1. Formulation”, Water Resour. Res., 30(4), pp. 1075-1097.
32. Georgakakos, K.P. (1986) “A generalized stochastic hydrometeorological model for flood
and flash-flood forecasting. Parts I and II”. Water Resour. Res., 22(13), pp. 2083-2106.
33. Georgakakos, K.P. (1987) “Real-time flash-flood prediction”, J. Geophys. Res. 92(D8), pp.
9615-9629.
34. Georgakakos, K.P. (1991) “Weather radar for flow forecasting, water management and
hydrological design”, in Advances in Radar Hydrology, edts. M.E. Almeida-Teixeria, R.
Fantechi, R.Moore, V.M. Silva, pp. 254-262.
35. Georgakakos, K.P., Bras, R.L. (1984) “A hydrologically useful station precipitation model,
Part 1, Formulation”, Water Resour. Res., 20(11), pp. 1585-1596.
36. Giuli, D. (1986) “Polarization diversity in radars”, Proc. IEEE, 74 pp.245-269.
74
37. Gorrie, J.E., Kouwen, N. (1977) “Hydrological applications of calibrated radar precipitation
measurements”, Preprints of the 2nd Conference on Hydrometeorology, Toronto, Ontario,
25-27 October 1977, AMS, Boston, MA. pp. 272-279.
38. Joss, J., Waldvogel, A. (1990) “Precipitation Measurement and Hydrology”, Radar in
Meteorology: Battan memorial and 40th Anniversary of Radar Meteorology Conf., ed. D.
Atlas, AMS, pp. 577-606.
39. Kouwen, N., Garland, G. (1989) “Resolution considerations in using radar rainfall data for
flood forecasting”, Can, Journal of Civil Eng., 16, pp.279-289.
40. Krajewski, W.F. (1987) “Cokriging radar-rainfall and rain gauge data”, J. Geophys. Res.,
92(D8), pp. 9571-9580.
41. Krajewski, W.F., Lakshmi, V., Georgakakos, K.P., Jain, S.C. (1991) “A Monte Carlo study of
rainfall sampling effect on a distributed catchment model”, Water Resour. Res., 27(1), pp.
119-128.
42. La Barbera, P., Lanza, L. (1995) “The use of remote sensing in rainfall monitoring and
forecasting”, Excerpta (8), 1993-1994, pp. 135-153.
43. La Barbera, P., Lanza, L., Siccardi, F. (1992) “Hydrologically oriented geographical
information systems and application in rainfall-runoff distributed modelling: case study or
the Arno basin”, Application of Geographical Information Systems in Hydrology and Water
Resources Management, IAHS publi. no211, pp. 171-179.
44. Lebel T., Bastin G., Obled C., Creutin J.D. (1987) “On the accuracy of areal rainfall
estimation: a case study”, Water Resour. Res, 23(11), pp. 2123-2134.
45. Lee, T.H., Georgakakos, K.P. (1990) “A two-dimensional stochastic-dynaminal quantitative
precipitation forecasting model”, J.Geophys. Res., 95(D3), pp. 2113-2126.
46. Leese, J.A., Novak, C.S., Clarke, B.B. (1971) “An automated technique for obtaining cloud
motion from geosynchronous satellite data using cross-correlation”, J. Appl. Meteorol., 10,
pp. 118-132.
47. Lovejoy, S., Austin, G.L. (1979) “The delineation of rain áreas from visible and IR satellite
data for GATE and mid-latitudes”, Atmos.-Ocean., 20, pp. 77-92.
48. Marshall, J.S., Palmer, W.Mck., (1948) “The distribution of raindrops with size”, J. Meteor.,
5.pp. 165-166.
75
49. Michaud, J.D., Sorooshian, S. (1994) “Effect of rainfall-sampling errors on simulations of
desert flash floods”, Water Resour. Res., 39(10), pp. 2765-2775.
50. Moore, R.J., Bell, V.A. (1991) “A grid-square rainfall-runoff model for use with weather radar
data”, in Advances in Radar Hydrology, edts. M.E. Almeida-Teixeria, R. Fantechi, R. Moore,
V.M. Silva, pp. 303-314.
51. Moore, R.J., Austin, R., Carringtonm, D.S. (1993) “Evaluation of FRONTIERS and local
radar rainfall forecasts for use in flood forecasting models”, R&D Note 225, Institute of
Hydrology, Wallingford, National Rivers Authority, UK, 156 pp.
52. Moore, R.J., May, B.C., Jones, D.A., Black, K.B. (1991a) “Local calibration of weather radar
over London”, in Advances in Radar Hydrology, edts. M.E. Almeida-Teixeria, R. Fantechi,
R. Moore, V.M.Silva, pp. 186-195.
53. Moore, R.J., Hotchkiss, D.S., Jones, D.A., Black, K.B. (1991b) “Local rainfall forecasting
using weather radar: the London case study”, in Advances in Radar Hydrology, edts. M.E.
Almeida-Teixeria, R. Fantechi, R. Moore, V.M.Silva, pp.235-244.
54. Moore, R.J., Bell, V., Roberts, G.A., Morris, D.G. (1994). “Development of distributed flood
forecasting model using weather radar and digital terrain data”, R&D Note 252, Institute of
Hydrology, Wallingford, National Rivers Authority, 144 pp.
55. Moore, R.J., Watson, B.C., Jones, D.A., Black, K.B., Haggett, C., Crees, M., Richards, C.
(1989) “Towards an improved system using raingauge data from a regional telemetry
system”, in Surface water modelling - New directions for surface water modelling, IAHS
publ. no 181, pp. 13-21.
56. Nemec, J. (1986) Hydrological Forecasting, D. Reidel, Dordrecht, 239 pp.
57. NEXRAD (1984) Next Generation Weather Radar, Project Descriptive Document R400-
P0202, NEXRAD, Joint System Program Office, U.S. Department of Commerce.
58. Obled, C. (1991) “Rainfall information requirements for operational rainfall runoff
modelling”, in Hydrological Applications of Weather Radar, edts. I.D. Cluckie, C.G. Collier,
Ellis Horwood, pp. 56-64.
59. Obled, C., Tourasse, P. (1994) “Uncertainty in flood forecasting: a French case study”, in
Coping with Floods, NATO ASI series E, vol. 257, edts. G. Rossi, N. Harmancioglu and V.
Yevjevich, Kluver Academic Publishers, the Netherlands, pp. 473-501.
76
60. Penning-Roswel, C., Fordham, M. (1994) Floods across Europe, Middlesex University
Press, London, 213 pp.
61. Rosenfeld, D., Wolff, D.B., Atlas, D. (1993) “General probability-matched relations between
radar reflectivity and rain rate”, J. Appl. Meteor., 32, pp. 50-72.
62. Rosenfeld, D., Wolff, D.B., Amitai, E. (1995) “Classification of rain regimes by three
dimensional properties of reflectivity fields”, J. Appl. Meteor., 33, pp. 682-693.
63. Schilling, W., (1991) “Rainfall data for urban hydrology: what do we need?”, Atmospheric
Research, 27, pp. 5-22.
64. Seliga, T.,A., Bringi, V.N. (1984) “Differential reflectivity and circular depolarization ratio
radar signals and related drop oscillations and propagation effects in rainfall”, Radio Sci.,
19(1), pp. 81-89.
65. Seliga, T.A., Aron, G., Aydin, K., White, E. (1991) “Storm runoff simulation using radar-
estimated rainfall rates and a unit hydrograph model (Syn-Hyd) applied to the Greve
watershed”, Proc. 25th Conf. on Radar Meteorol., 24-28 June 1991, Paris, AMS, pp. 587-
590.
66. Sevruk, B. (1982) “Method of correction for systematic error in point precipitation measures
for operational use”, WMO Operational Hydrology Rep. No. 21. WMO No. 589, 91 pp.
67. Skolnik, M. I. (1980). Introduction to radar systems, McGraw-Hill, New York, 581 pp.
68. Todini, E. (1989) : Flood forecasting models”, Excerpta, 4, pp. 117-162.
69. Troutman, B. (1983) “Runoff prediction errors and bias in parameters estimation induced by
spatial variability of precipitation”, Water Resour. Res., 19(3), pp. 791-810.
70. Wallace, J.M., Hobbs, P.V. (1977) Atmospheric Science. An Introductory Survey, Academic
Press, 467 pp.
71. Wilson, C.B., Valdes, J.B., Rodriguez-Iturbe, I. (1979). “On the influence of the spatial
distribution of rainfall on storm runoff”, Water Resour. Res., 15(2), pp. 321-328.
72. Zawadski, I. (1982). “The quantitative interpretation of weather radar measurements”.
Atmos.-Ocean., 20, pp. 158-180.
73. Zawadski, I. 91984). “Factors affecting the precisión of radar measurements of rain”,
Preprints 22 nd Conf. of Radar Meteorology, 10-13 Sept. 1984, Zurich, AMS, pp. 251-256.
77
74. Zawadski, I., Morneau, J., Laprise, R. (1994). “Predictability of precipitation patterns: an
operational approach”, J.Appl. Meteor., 33, pp. 1562-1571.
