Kategorizacija konvektivnih oblakov močnega vertikalnega razvoja iz radarskih meritev

Slabajna, Sašo (author), Skok, Gregor (mentor), Hrabar, Andrej (co-mentor)

Nevihte so zaradi svoje nepredvidljivosti za letalstvo izredno nevaren vremenski pojav, saj jih pogosto spremlja močan veter, turbulenca, zaledenitve, lahko tudi razelektritve. Za pilote je torej zelo pomemben podatek o prisotnosti močno vertikalno razvitih konvektivnih oblakov v okolici in na letališčih, ki je zapisan v meteoroloških poročilih. Ker je z mednarodnimi konvencijami določeno neprekinjeno izvajanje nalog, je predvsem v času zaprtja letališč ali odsotnosti meteorologov opazovalcev potrebno zagotoviti samodejno zaznavanje. V Sloveniji se v ta namen trenutno uporabljajo različni senzorji, metode z uporabo algoritmov za identifikacijo objektov na primer na podlagi meritev radarske odbojnosti pa se še niso preizkusile. V tem magistrskem delu sem razvil metodo za zaznavanje in kategorizacijo konvektivnih oblakov močnega vertikalnega razvoja na podlagi meritev radarske odbojnosti. Obravnaval sem obdobje od maja do septembra v letih 2018 in 2019. Pri tem sem uporabil dve metodi vertikalne agregacije meritev, in sicer maksimalno horizontalno projekcijo ($Z_\text{max}$) in vertikalno integrirano vodnost ($VIL$). Za identifikacijo objektov sem uporabil algoritem FiT (Forward in Time), za verifikacijo pa meteorološka poročila Letališča Jožeta Pučnika Ljubljana. Uspešnost kategorizacije tipa oblaka sem izračunal z uporabo kontingenčne tabele, preko katere sem izračunal indekse uspešnosti, kot na primer CSI (Critical Success Index). Nevihtne oblake (Cb) sta obe varianti metode kategorizirali enako uspešno, pri tem pa dosegli indeks uspešnosti CSI 0,558. Mesečna analiza pri optimalnih parametrih je prikazala večjo variabilnost predvsem v indeksu bias, obe metodi pa sta bili najuspešnejši v juniju. Z namenom izboljšanja uspešnosti sem poiskal optimalne nastavitve za vsak mesec posebej. Ta pristop se je izkazal za malenkost uspešnejšega, vendar bi za reprezentativnost rezultatov potreboval večje število podatkov. Za kategorizacijo stolpičastih kumulusov (TCu) se je kot uspešna izkazala le uporaba $Z_\text{max}$, ki je pri optimalnih nastavitvah dosegel vrednost CSI okoli 0,3855. Slabša uspešnost je bila posledica večjega števila lažnih alarmov. Ob uporabi optimalnih parametrov za kategorizacijo obeh tipov oblakov je analiza z $Z_\text{max}$ dosegla CSI okoli 0,5030. Uspešnost optimalnih nastavitev sem preizkusil še na neodvisnem setu podatkov, konvektivni sezoni 2020. Pri tem je indeks CSI dosegel vrednost 0,4320.

• Language: Slovenian
• Keywords: vremenski radar, konvekcija, algoritem FiT, METAR
• Work type: Master's thesis/paper
• Typology: 2.09 - Master's Thesis
• Organization: FMF - Faculty of Mathematics and Physics
• Year: 2020
• PID: 20.500.12556/RUL-121812
• COBISS.SI-ID: 34913027
• Publication date in RUL: 31.10.2020

Secondary language

• Language: English
• Title: Categorisation of deep convection clouds using radar measurements

Abstract

Convective storms are one of the most hazardous weather phenomena in aviation due to their unpredictability and the accompanying strong winds, turbulence, icing and lightning. Information on deep convection clouds in meteorological reports are therefore of great importance to pilots. These reports have to be issued by meteorological services regularly according to international conventions, so they need to be able to issue automated reports in case of airport closure or absence of meteorologists observers. In Slovenia automated meteorological reports are issued using a number of sensor measurements, however, no object identification methods using radar measurements have been tested for this purpose so far. In this master's thesis I have developed a method for detection and categorisation of deep convection clouds using measurements of radar reflectivity. I considered the period from May to September for years 2018 and 2019. FiT algorithm (Forward in Time) was used for object identification based on data prepared using maximum reflectivity ($Z_\text{max}$) and vertically integrated liquid ($VIL$). Meteorological reports for Ljubljana airport were used for verification. Success of each vertical aggregation method was evaluated with the use of contingency table through calculating success indexes such as CSI (Critical Success Index). Both $Z_\text{max}$ and $VIL$ categorised storm clouds (Cb) with CSI value of 0,558. Monthly analysis using optimal parameters showed large variability of index bias and both method options were most successful in June. In order to improve the results, I found optimal parameters of each month separately. This approach has proven to be slightly more successful, but more data should be analysed for results to be representative. Only $Z_\text{max}$ was successful in categorisation of towering cumulus clouds (TCu) and reached a CSI of 0,3855. Poorer performance was achieved due to a bigger number of false alarms. Using optimal parameters for categorisation of both cloud types the $Z_\text{max}$ method option showed a CSI of 0,5030. In the end, performance of optimal settings was tested on an independent set of data, the 2020 convective season, and a CSI value of 0,4320 was reached.

• Keywords: weather radar, convection, FiT algorithm, METAR