Products, help and information

Precipitación

Como la precipitación de los datos de simulación del clima puede mostrar desviaciones sustanciales, la implementación de mediciones es de gran importancia para alcanzar el nivel más alto de precisión. Las observaciones en tiempo real de los sistemas de radar se utilizan para nowcasting de precipitación. Para estimar la precipitación histórica hay datos conjuntos de satélites y estaciones de medición.

meteoblue ofrece los siguientes conjuntos de datos:

  • Radar en tiempo real y nowcast - disponibles para muchos países
  • CMORPH (NOAA) - Historial de precipitación por hora, en todo el mundo
  • CHIRPS2 (CHG) - Historial de precipitación diaria, en todo el mundo
  • ARC2 (NOAA) - Historial de precipitación diaria para el continente africano

Radar en tiempo real y nowcast

Los datos de precipitación de nowcast muestran datos meteorológicos para el presente y el futuro cercano (1-6 horas). Estos se observan con radar y muestran la mejor información disponible para las condiciones actuales.

Los pronósticos meteorológicos simulados (paquetes de datos) obtenidos por la API de meteoblue siempre incluirán datos satelitales, de radar y de medición automáticamente, si esos datos están disponibles para la ubicación seleccionada. La precisión de un pronóstico de precipitación depende en gran medida de la disponibilidad, resolución y demora de los datos del radar, que difieren para cada país. La siguiente tabla ofrece una descripción general de la disponibilidad de datos de radar en tiempo real:

Clasificación / País Datos Públicos Retraso de las últimas observaciones disponibles Rango de Nowcast/ Duración del pronóstico Intervalo de Nowcast/ Resolución Temporal Resolución espacial
España 15 minutos - 15 minutos 1 km
Francia 60 - 85 minutos - 15 minutos 1 km
Suiza 10 minutos 60 minutos 15 minutos 1 km
Alemania 5 minutos 90 minutos 10 minutos 1 km
Reino Unido 30 minutos - 15 minutos
USA 5 minutos 60 - 90 minutos 10 minutos 1 km

CMORPH - Precipitación, por hora, global

Campo Metadatos
Título NOAA CPC técnica de morphing
Título corto CMORPH
Versión 1.0, 2002
Tema satélite, precipitación, estimación
Periodo de tiempo 1998 al presente
Frecuencia diaria
Calendario de actualización < 24 horas
Tiempo de resolución por hora
Tipo espacial Plate carrée grid (proyección rectangular)
Extensión espacial 180°O a 180°E / 60°S a 60°N
Resolución espacial 8 km en el Ecuador
Sistema de coordenadas WGS-84
Modelo de la Tierra WGS-84
Sistema de referencia espacial
Editor NCEP/NOAA
Fecha de primera publicación 2002
Fecha obsoleta
Descripción

CMORPH produce análisis de precipitación global a una resolución espacial y temporal muy alta. Esta técnica utiliza estimaciones de precipitación derivadas exclusivamente de observaciones de microondas satelitales de órbita baja, y cuyas características se transportan a través de información de propagación espacial que se obtiene completamente de datos infrarrojos de satélites geoestacionarios. En la actualidad incorporamos estimaciones de precipitación derivadas de los microondas pasivos a bordo del DMSP 13, 14 y 15 (SSM / I), el NOAA-15, 16, 17 y 18 (AMSU-B), y el AMSR-E y TMI a bordo del Aqua de la NASA. y la nave espacial TRMM, respectivamente. Estas estimaciones son generadas por los algoritmos de Ferraro (1997) para SSM / I, Ferraro et al. (2000) para AMSU-B y Kummerow et al. (2001) para TMI. Tenga en cuenta que esta técnica no es un algoritmo de estimación de precipitación, sino un medio por el cual se pueden combinar las estimaciones de los algoritmos de lluvia de microondas existentes. Por lo tanto, este método es extremadamente flexible, de modo que se pueden incorporar las estimaciones de precipitación de cualquier fuente de satélite de microondas.

Acerca de la resolución espacial, aunque las estimaciones de precipitación están disponibles en una cuadrícula con un espaciado de 8 km (en el ecuador), la resolución de las estimaciones individuales derivadas del satélite es más gruesa que eso, más del orden de 12 x 15 km. La "resolución" más fina se obtiene a través de la interpolación..

Especificación detallada

Joyce, R. J., J. E. Janowiak, P. A. Arkin, and P. Xie, 2004: CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution. J. Hydromet., 5, 487-503.

http://journals.ametsoc.org/doi/abs/10.1175/1525-7541%282004%29005%3C0487%3ACAMTPG%3E2.0.CO%3B2

URL de la página principal http://www.cpc.ncep.noaa.gov/products/janowiak/cmorph_description.html
Clasificación de seguridad pública
Nivel de acceso https://www.usa.gov/government-works
Licencia pública

Problemas actuales del conjunto de datos

CMORPH se deriva de satélites de órbita polar y, por lo tanto, las brechas de datos son bastante frecuentes, con una cobertura de datos estimada del 95%. Los datos faltantes se marcan con valores "NaN" y se pueden reemplazar con NEMS30 o ERA5 mediante la función "relleno de huecos".

CHIRPS2 - Precipitación, diaria, global

Campo Metadatos
Título Precipitaciones por infrarrojos del Grupo de Riesgos Climáticos con datos de la Estación
Título corto CHIRPS2
Versión 2, 2015
Tema satélite, precipitación, estimación
Periodo de tiempo 1981 al presente
Frecuencia diaria
Calendario de actualización < 24 horas
Tiempo de resolución diaria
Tipo espacial Plate carrée grid (proyección rectangular)
Extensión espacial 180°O a 180°E / 50°S a 50°N (origen: -179.975/-49.975)
Resolución espacial 5 km (interpolada a 0.05 grados)
Sistema de coordenadas WGS-84
Modelo de la Tierra WGS-84
Sistema de referencia espacial
Editor CHG (Climate Hazards Group)
Fecha de primera publicación 2015 (primera versión 2013)
Fecha obsoleta
Descripción CHIRPS es un conjunto de datos de precipitación cuasi global de más de 30 años. CHIRPS, que abarca 50 ° S-50 ° N (y todas las longitudes), desde 1981 hasta casi el presente, incorpora imágenes satelitales con resolución de 0,05 ° con datos de estaciones in situ para crear series de tiempo de lluvia cuadriculadas para el análisis de tendencias y el monitoreo de sequía estacional.
Especificación detallada

Funk, Chris, Pete Peterson, Martin Landsfeld, Diego Pedreros, James Verdin, Shraddhanand Shukla, Gregory Husak, James Rowland, Laura Harrison, Andrew Hoell & Joel Michaelsen.
"The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes". Scientific Data 2, 150066. doi:10.1038/sdata.2015.66 2015.

https://www.nature.com/articles/sdata201566

URL de la página principal http://chg.geog.ucsb.edu/data/chirps/
Clasificación de seguridad público
Nivel de acceso https://www.usa.gov/government-works
Licencia público

Problemas actuales del conjunto de datos

CHIRPS2 se deriva de satélites de órbita polar y, por lo tanto, las brechas de datos son bastante frecuentes, con una cobertura de datos estimada del 95%. Los datos faltantes se marcan con valores "NaN" y se pueden reemplazar con NEMS30 o ERA5 mediante la función "relleno de huecos".

ARC2 - Precipitación, diaria, África

Campo Metadatos
Título Climatología de lluvia africana, versión 2
Título corto ARC2
Versión 2, 2012
Tema satélite, precipitación, estimación
Periodo de tiempo 1983 al presente
Frecuencia diaria
Calendario de actualización < 24 horas
Tiempo de resolución diaria
Tipo espacial Plate carrée grid (proyección rectangular)
Extensión espacial 20°O a 55°E / 40°S a 40°N (origin: -20.0/-40.0)
Resolución espacial 10 km (interpolada a 0.1 grados)
Sistema de coordenadas WGS-84
Modelo de la Tierra WGS-84
Sistema de referencia espacial
Editor Centro de Predicción del Clima de NOAA
Fecha de primera publicación 2012, (primera versión 1996)
Fecha obsoleta
Descripción ARC2 es una revisión de la primera versión del ARC. Consistente con la Estimación de Precipitación operacional, versión 2, algoritmo (RFE2), ARC2 utiliza datos de dos fuentes: 1) datos infrarrojos geoestacionarios (IR) de la Organización Europea para la Explotación de Satélites Meteorológicos (EUMETSAT) de 3 horas centrados en África y 2) observaciones del indicador del Sistema Mundial de Telecomunicaciones (GTS) con control de calidad que informan sobre acumulaciones de 24 h de lluvia en África. La principal diferencia con ARC1 reside en la recalibración de todos los datos IR de Meteosat First Generation (MFG) (1983-2005). Los resultados muestran que ARC2 es una gran mejora con respecto a ARC1. Es consistente con otros conjuntos de datos a largo plazo, como el Proyecto de Climatología de la Precipitación Global (GPCP) y el Análisis Combinado de Precipitación (CMAP) del Centro de Predicción del Clima (CPC), con coeficientes de correlación de 0,86 durante un período de 27 años. Pero se examina un sesgo marginal seco en verano que ocurre en África occidental y oriental. La validación diaria con datos de medidores independientes muestra RMSE de 11.3, 13.4 y 14, respectivamente, para ARC2, Análisis de precipitación multisatelital 3B42, versión 6 (3B42v6) de la Misión de medición de lluvias tropicales, y la técnica de transformación de CPC (CMORPH) para África occidental en temporada de verano. El ARC2 RMSE es ligeramente más alto para Etiopía que los de CMORPH y 3B42v6. Las validaciones diarias y mensuales sugirieron que las subestimaciones de ARC2 pueden atribuirse a la falta de disponibilidad de los informes diarios de GTS en tiempo real, y las deficiencias en la estimación satelital asociada con los procesos de precipitación en las áreas costeras y orográficas. Sin embargo, se espera que ARC2 proporcione a los usuarios un monitoreo en tiempo real de la evolución diaria de las precipitaciones, que es fundamental para mejorar la toma de decisiones en los sistemas de alerta temprana de hambruna.
Especificación detallada https://journals.ametsoc.org/doi/10.1175/JAMC-D-11-0238.1
URL de la página principal https://www.ngdc.noaa.gov/docucomp/page?xml=NOAA/NWS/NCEP/CPC/iso/xml/Daily-ARC2-Africa.xml&view=getDataView&header=none
Clasificación de seguridad público
Nivel de acceso https://www.usa.gov/government-works
License público

Problemas actuales del conjunto de datos

ARC2 se deriva de satélites de órbita polar y, por lo tanto, las brechas de datos son bastante frecuentes, con una cobertura de datos estimada del 95%. Los datos faltantes se marcan con valores "NaN" y se pueden reemplazar con NEMS30 o ERA5 mediante la función "relleno de huecos".