Precipitazioni
Poiché le precipitazioni provenienti dai dati della simulazione meteorologica possono mostrare deviazioni sostanziali, l'implementazione delle misurazioni è di grande importanza per raggiungere il massimo livello di precisione. Le osservazioni in tempo reale dai sistemi radar sono utilizzate per le precipitazioni oracasting. Per stimare le precipitazioni storiche sono disponibili dati compositi provenienti da satelliti e stazioni di misura.
meteoblue offre i seguenti set di dati:
- Radar in tempo reale e nowcast - disponibile per molti paesi
- CMORPH (NOAA) - Storia delle precipitazioni orarie, in tutto il mondo
- CHIRPS2 (CHG) - Storia delle precipitazioni giornaliere, in tutto il mondo
- ARC2 (NOAAA) - La storia delle precipitazioni giornaliere nel continente africano
Radar in tempo reale e nowcast
I dati sulle precipitazioni oracast mostrano i dati meteorologici per il presente e il prossimo futuro (1-6 ore). Questi sono osservati con il radar e mostrano le migliori informazioni disponibili per le condizioni attuali.
Le previsioni meteorologiche simulate (pacchetti di dati) ottenute dall'API meteoblue includeranno sempre automaticamente i dati satellitari, radar e di misura, se questi dati sono disponibili per la località selezionata. L'accuratezza di una precipitazione oracast dipende fortemente dalla disponibilità, dalla risoluzione e dal ritardo dei dati radar, che differiscono per ogni paese. La seguente tabella fornisce una panoramica della disponibilità dei dati radar in tempo reale:
Classificazione / Paese | Dati pubblici | Ritardo delle ultime osservazioni disponibili | Intervallo di Nowcast / Durata delle previsioni | Intervallo Nowcast / Risoluzione temporale | Risoluzione spaziale |
---|---|---|---|---|---|
Spagna | sì | 15 minuti | - | 15 minuti | 1 km |
Francia | sì | 60 - 85 minuti | - | 15 minuti | 1 km |
Svizzera | sì | 10 minuti | 60 minuti | 15 minuti | 1 km |
Germania | sì | 5 minuti | 90 minuti | 10 minuti | 1 km |
Regno Unito | sì | 30 minuti | - | 15 minuti | |
USA | sì | 5 minuti | 60 - 90 minuti | 10 minuti | 1 km |
CMORPH - Precipitazioni, orarie, globali
Campo | Metadati |
---|---|
Titolo | NOAA CPC tecnica di morphing |
Titolo breve | CMORPH |
Versione | 1.0, 2002 |
Tema | satellite, precipitazioni, stima |
Periodo di tempo | 1998 ad oggi |
Frequenza | quotidiano |
Aggiornare il timelag | < 24 orari |
Risoluzione temporale | ogni ora |
Tipo spaziale | Griglia di carrée a piastra (proiezione rettangolare) |
Estensione spaziale | 180°W to 180°E / 60°S to 60°N |
Risoluzione spaziale | 8 km all'equatore |
Sistema di coordinate | WGS-84 |
Modello della Terra | WGS-84 |
Sistema di riferimento spaziale | |
Editore | NCEP/NOAA |
Data di pubblicazione | 2002 |
Data Obsoleto | |
Descrizione |
CMORPH produce un'analisi globale delle precipitazioni ad altissima risoluzione spaziale e temporale. Questa tecnica utilizza stime di precipitazione che sono state derivate esclusivamente da osservazioni a microonde da satellite a bassa orbita, e le cui caratteristiche sono trasportate attraverso informazioni di propagazione spaziale che sono ottenute interamente da dati satellitari geostazionari all'infrarosso. Attualmente incorporiamo stime di precipitazione derivate dalle microonde passive a bordo dei satelliti DMSP 13, 14 e 15 (SSM/I), NOAAA-15, 16, 17 e 18 (AMSU-B), e AMSR-E e TMI a bordo delle navicelle spaziali Aqua e TRMM della NASA, rispettivamente. Queste stime sono generate dagli algoritmi di Ferraro (1997) per SSM/I, Ferraro et al. (2000) per AMSU-B e Kummerow et al. (2001) per TMI. Si noti che questa tecnica non è un algoritmo di stima delle precipitazioni, ma un mezzo attraverso il quale si possono combinare le stime degli algoritmi di precipitazione a microonde esistenti. Pertanto, questo metodo è estremamente flessibile in modo da poter incorporare qualsiasi stima delle precipitazioni da qualsiasi sorgente satellitare a microonde. Per quanto riguarda la risoluzione spaziale, sebbene le stime delle precipitazioni siano disponibili su una griglia con una distanza di 8 km (all'equatore), la risoluzione delle singole stime derivate dai satelliti è più grossolana - più dell'ordine di 12 x 15 km circa. La "risoluzione" più fine si ottiene per interpolazione. |
Specifiche dettagliate |
Joyce, R. J. J., J. E. Janowiak, P. A. Arkin e P. Xie, 2004: CMORPH: Un metodo che produce stime globali delle precipitazioni da dati passivi a microonde e infrarossi ad alta risoluzione spaziale e temporale. J. Hydromet., 5, 487-503. http://journals.ametsoc.org/doi/abs/10.1175/1525-7541%282004%29005%3C0487%3ACAMTPG%3E2.0.CO%3B2 |
URL della home page | http://www.cpc.ncep.noaa.gov/products/janowiak/cmorph_description.html |
Classificazione di sicurezza | pubblico |
Livello di accesso | https://www.usa.gov/government-works |
Licenza | pubblico |
Problemi attuali del dataset
CMORPH deriva dai satelliti in orbita polare e quindi le lacune nei dati sono abbastanza frequenti, con una copertura di dati stimata al 95%. I dati mancanti sono contrassegnati con i valori "NaN" e possono essere sostituiti con NEMS30 o ERA5 utilizzando la funzione "gap filling".
CHIRPS2 - Precipitazioni, giornaliere, globali
Campo | Metadati |
---|---|
Titolo | Gruppo pericoli climatici Precipitazioni a infrarossi con i dati della stazione |
Titolo breve | CHIRPS2 |
Versione | 2, 2015 |
Tema | satellite, precipitation, estimate |
Periodo di tempo | 1981 ad oggi |
Frequenza | quotidiano |
Aggiornamento timelag | < 24 orari |
Risoluzione temporale | quotidiano |
Tipo spaziale | Griglia di carrée a piastra (proiezione rettangolare) |
Estensione spaziale | 180°W to 180°E / 50°S to 50°N (origin: -179.975/-49.975) |
Risoluzione spaziale | 5 km (interpolato to 0.05 deg) |
Sistema di coordinate | WGS-84 |
Modello della Terra | WGS-84 |
Sistema di riferimento spaziale | |
Editore | CHG (Gruppo pericoli climatici) |
Data Prima Pubblicato | 2015 (prima versione 2013) |
Data Obsoleto | |
Description | CHIRPS is a 30+ year quasi-global rainfall dataset. Spanning 50°S-50°N (and all longitudes), starting in 1981 to near-present, CHIRPS incorporates 0.05° resolution satellite imagery with in-situ station data to create gridded rainfall time series for trend analysis and seasonal drought monitoring. |
Detailed specification |
Funk, Chris, Pete Peterson, Martin Landsfeld, Diego Pedreros, James Verdin,
Shraddhanand Shukla, Gregory Husak, James Rowland, Laura Harrison, Andrew Hoell & Joel
Michaelsen. |
Homepage URL | http://chg.geog.ucsb.edu/data/chirps/ |
Security Classification | public |
Access Level | https://www.usa.gov/government-works |
License | public |
Current dataset issues
CHIRPS2 is derived from polar orbiting satellites and therefore data gaps are quite frequent, with an estimated data coverage of 95 %. Missing data are flagged with ‘NaN’ values and can be replaced with NEMS30 or ERA5 using the “gap filling” function.
ARC2 - Precipitation, daily, Africa
Field | Metadata |
---|---|
Title | African Rainfall Climatology, version 2 |
Short Title | ARC2 |
Version | 2, 2012 |
Theme | satellite, precipitation, estimate |
Period of Time | 1983 to present |
Frequency | daily |
Update timelag | < 24 hours |
Time-resolution | daily |
Spatial Type | Plate carrée grid (rectangular projection) |
Spatial extend | 20°W to 55°E / 40°S to 40°N (origin: -20.0/-40.0) |
Spatial resolution | 10 km (interpolated to 0.1 deg) |
Coordinate system | WGS-84 |
Earth model | WGS-84 |
Spatial reference system | |
Publisher | NOAA Climate Prediction Center |
Date First Published | 2012, (first version 1996) |
Date Obsoleto | |
Descrizione | ARC2 è una revisione della prima versione di ARC. Coerentemente con l'algoritmo operativo Rainfall Estimation, versione 2, algoritmo (RFE2), ARC2 utilizza ingressi da due sorgenti: 1) dati geostazionari all'infrarosso (IR) geostazionari a 3 ore centrati sull'Africa, provenienti dall'Organizzazione europea per lo sfruttamento dei satelliti meteorologici (EUMETSAT) e 2) osservazioni di misura del sistema globale di telecomunicazioni (GTS) con controllo di qualità, che riportano gli accumuli di pioggia in 24 ore su tutto il continente africano. La differenza principale con l'ARC1 risiede nella ricalibrazione di tutti i dati IR di Meteosat First Generation (MFG) (1983-2005). I risultati mostrano che l'ARC2 rappresenta un notevole miglioramento rispetto all'ARC1. È coerente con altri set di dati a lungo termine, come il Global Precipitation Climatology Project (GPCP) e il Climate Prediction Center (CPC) Merged Analysis of Precipitation (CMAP), con coefficienti di correlazione di 0,86 su un periodo di 27 anni. Tuttavia, viene esaminata una polarizzazione marginale estiva secca che si verifica sull'Africa occidentale e orientale. La convalida giornaliera con dati di misura indipendenti mostra RMSEs di 11.3, 13.4, e 14, rispettivamente, per ARC2, Tropical Rainfall Measuring Mission Multi-satellite Precipitation Analysis 3B42, versione 6 (3B42v6), e la tecnica di morphing CPC (CMORPH) per la stagione estiva dell'Africa occidentale. L'ARC2 RMSE è leggermente superiore per l'Etiopia rispetto a quelli del CMORPH e della 3B42v6. Sia le convalide giornaliere che mensili suggeriscono che le sottovalutazioni dell'ARC2 possono essere attribuite alla mancata disponibilità di rapporti giornalieri di misurazione GTS in tempo reale, e alle carenze nella stima satellitare associata ai processi di precipitazione sulle aree costiere e orografiche. Tuttavia, ARC2 dovrebbe fornire agli utenti un monitoraggio in tempo reale dell'evoluzione giornaliera delle precipitazioni, che è strumentale per migliorare il processo decisionale nei sistemi di allarme rapido in caso di carestia. |
Specifiche dettagliate | https://journals.ametsoc.org/doi/10.1175/JAMC-D-11-0238.1 |
URL della home page | https://www.ngdc.noaa.gov/docucomp/page?xml=NOAA/NWS/NCEP/CPC/iso/xml/Daily-ARC2-Africa.xml&view=getDataView&header=none |
Classificazione di sicurezza | pubblico |
Livello di accesso | https://www.usa.gov/government-works |
Licenza | pubblico |
Problemi attuali del dataset
ARC2 deriva dai satelliti in orbita polare e quindi le lacune nei dati sono abbastanza frequenti, con una copertura di dati stimata al 95%. I dati mancanti sono contrassegnati con i valori "NaN" e possono essere sostituiti con NEMS30 o ERA5 utilizzando la funzione "gap filling".