Fenòmens de “temps sever” a Catalunya: cap a una base de dades històrica d’episodis

Els fenòmens meteorològics que denominem de temps sever (de l’anglès “severe weather”) són aquells que poden causar danys materials o posar en risc la vida de les persones. En tractar-se d’un terme que pot incloure diversos fenòmens amb diferent grau d’afectació, s’han definit una sèrie de llindars per poder-lo quantificar. Així, i seguint les pautes del National Weather Service (http://www.weather.gov/), el temps sever al qual ens referirem a continuació correspon a pedra de diàmetre superior a 2 cm, o a ratxes de vent superiors a uns 25 m/s (encara que a altres regions, aquests llindars poden ser diferents– vegeu, per exemple: http://www.nws.noaa.gov/os/severeweather/). El vent es pot donar en forma de tornado (rotacional) o bé en una direcció concreta (generalment, en forma del que coneixem com a esclafit-http://www.termcat.cat/ca/Cercaterm/esclafit). Si bé hi ha altres fenòmens associats a les tempestes severes, com ara llamps o pluges d’elevada intensitat, aquestes manifestacions no es consideren com a indicadors de la “severitat” de la tempesta. Tanmateix, la presència i detecció de determinats patrons associats a aquests últims fenòmens són fonamentals per a la diagnosi i predicció a curt termini de la possible severitat de la tempesta.

Com es pot comprovar a diferents bases de dades consultables per internet (http://sinobas.aemet.es/ o http://www.eswd.eu/), el nombre d’episodis de temps sever observats a Catalunya en els darrers anys (aproximadament, des de 2001) és força elevat. A la figura 1 es mostra un recull global de totes aquestes observacions, que s’han incorporat a una primera base de dades preliminar. Cal dir, però, que tot i la utilitat d’ambdues bases de dades, com que es centren únicament en les observacions de la població autòctona, aquestes tenen dos punts febles (Smith et al., 2012): són sensibles a la densitat de població i a l’hora del dia en què es produeixen. Així, les àrees rurals o de muntanya presenten menys registres (i amb un menor número de proves documentals, com fotografies o vídeos) i per altra banda hi ha menys registres a hores “intempestives”, perquè durant la matinada la probabilitat d’observació d’aquests fenòmens decreix notablement. Finalment, cal fer esment de l’exactitud de les dades registrades. Les coordenades i les hores no són sempre exactes (fet que, com es veurà més endavant, és molt important), ja que no sempre l’observador es troba a prop del fenomen; el registre es guarda força temps a posteriori -motiu pel qual algun dels camps no queda ben definit- o hi ha errades en la introducció dels mateixos camps.

La Fig.1 presenta la distribució de casos de temps sever a Catalunya, i si bé mostra una sèrie de patrons coneguts, això no treu que sigui d’interès visualitzar-los: la gran quantitat d’episodis de pedregades que s’enregistren a la Plana de Lleida; el gran nombre de casos de vents convectius forts a les zones litorals de Tarragona i Barcelona; i, finalment, una densitat moderada de casos al prelitoral sud i a la Plana de Vic, però en ambdós casos, repartits en situacions de pedra i vent. Totes les zones esmentades anteriorment tenen densitats de poblacions més o menys elevades (o suficients per a poder detectar els fenòmens). La primera pregunta que cal fer-se és si aquesta situació és real (és a dir, tots els fenòmens severs es donen a les zones indicades), o bé es troba esbiaixada per aquesta densitat de població. La segona és si resulta possible crear una base de dades completa, amb el mínim d’errors possibles, i que es vagi actualitzant de manera automàtica quan un cas d’aquests es produeixi.

fig1
Figura 1: distribució de casos de temps sever a Catalunya, en base d’informació disponible a Internet, per al període 2001-2015

Per tal de respondre a les dues preguntes anteriors, des del Servei Meteorològic de Catalunya s’ha engegat un projecte per a la creació d’una base de dades de fenòmens sever identificats mitjançant dades de les diferents xarxes meteorològiques pròpies (els primer resultats es varen presentar aquí a: http://www.essl.org/cms/european-conferences-on-severe-storms/ecss-2015/). Breument, les dades utilitzades per a la identificació dels episodis serien les de: la xarxa d’observadors meteorològics (XOM), la xarxa d’estacions meteorològiques automàtiques (XEMA), la xarxa de detectors de descàrregues elèctriques (XDDE), la xarxa de radars meteorològics (XRAD), els perfils verticals proporcionats pel radiosondatge de Barcelona, i les imatges del satèl·lit Meteosat de segona generació (MSG). El projecte, es divideix en tres fases principals.

Fase 1:  la primera, la identificació de nous casos, així com la correcció dels ja emmagatzemats. Quan parlem de correccions ens referim a l’eliminació d’aquells episodis que no es corresponen amb fenòmens convectius, o bé a la recol·locació en el temps o l’espai dels fenòmens. Aquest procés s’ha fet mitjançant dades de la XEMA i la XRAD (figura 2). La identificació de nous casos es fa d’acord amb les observacions proporcionades per la XOM, la XEMA i la XDDE, així com altres fonts pròpies de l’SMC (per exemple, reculls d’episodis anteriors que s’han estudiat o han estat motiu d’una nota de premsa).

fig2a

fig2b

fig2c
Figura 2: exemples de diferents tipus de registres de la base de dades. En primer lloc, sense cap tipus de correcció (el registre original -primera taula- coincideix amb les observacions de la XEMA –segona taula- i amb les imatges de la XRAD); a continuació, amb alguna correcció, el registre original s’ha de modificar perquè les coordenades i l’hora donades no es corresponen amb la XEMA i la XRAD); finalment, registres eliminats, perquè tot i que poden coincidir amb dades de la XEMA no corresponen a fenòmens convectius (no s’observen tempestes a la imatge radar).

Fase 2: Un cop es disposa d’una base de dades prou completa, es pot fer l’anàlisi de les diferents observacions (XEMA, XRAD, XDDE i MSG, principalment, però també radiosondatges i models) associades amb l’estructura convectiva (tempesta) a la qual s’associa cada fenomen sever. Per aquest motiu és important disposar de la millor localització temporal i espacial de la pedregada, el tornado o l’esclafit, ja que el patró associat canvia molt ràpidament dins la tempesta. Els primers patrons que s’han decidit analitzar són el del “lightning jump” (o salt de descàrregues elèctriques, referit a increments sobtats de la ràtio de llamps dins una tempesta, Metzger & Nuss, 2013) i l’”overshooting”(conegut com l’efecte que té un fort corrent ascendent al travessar la tropopausa, veient-se a les imatges de satèl·lit com un barret al mig de l’enclusa de la tempesta –Bedka, 2011; Bedka et al., 2010). Aquests patrons s’han identificat a les dades de la XDDE i de MSG, respectivament, mitjançant algorismes automàtics desenvolupats al mateix SMC, a partir dels models teòrics trobats a la bibliografia.

En el cas del Lightning Jump (LJ), aquest s’identifica a partir de les descàrregues elèctriques observades dins d’una cel·la de tempesta (llamps núvol-núvol). Es defineix com a LJ el moment en el qual la intensitat minutal de descàrregues s’incrementa de forma notable (figura 3). Aquest patró s’ha observat en moltes tempestes amb temps sever associat i s’han desenvolupat algorismes per aprofitar-lo com a indicador (Gatlin & Goodman, 2010; Schultz et al., 2009; Williams et al. 2009). En les primeres passes de l’anàlisi realitzades aquí, s’ha observat que en un 95% dels casos de pedra varen presentar un LJ uns 10 minuts abans de la precipitació. Per als fenòmens de vent, aquest percentatge decreix fins a un 67% dels casos. En qualsevol cas, sembla clar que resulta un bon indicador a priori de la possibilitat que es produeixi un fenomen sever dins una tempesta.

fig3
Figura 3: exemple de lightning jumps (marcats amb línia verda) observats abans d’un episodi de pedra (el moment del fenomen es marca amb una línia de color vermell).

Per altra banda, es defineix un overshooting (OT) del cim dels núvols com una zona molt freda respecte al seu entorn i que té un màxim de temperatura dins el mateix núvol a una distància relativament propera (definits com a nucli fred, el primer, i càlid, el segon). Aquest patró s’associa als corrents ascendents molt forts dins de la tempesta, que solen acompanyar als fenòmens severs. En el nostre cas, s’ha considerat la temperatura de brillantor obtinguda a partir del canal 9 del MSG. El patró (Brunner et al., 2007) es pot observar a la figura 4, i mostra com s’identifiquen els dos nuclis, el fred (blanc) i el calent (vermell), dins una tempesta. Aquest mateix patró s’ha identificat a nombroses tempestes analitzades durant els casos inclosos dins la base de dades, com mostra l’exemple de la dreta de la figura 4. Tot i que els resultats no són, de moment, tan concloents com en el cas del LJ, sembla que l’OT identifica força bé la presència de pedra severa dins una tempesta (més del 80% dels casos), mentre que per als casos de vent la seva detecció no és tan clara. En qualsevol cas, sembla que aquest patró és més útil com a diagnòstic que no com a predictor, ja que la diferència de temps entre l’observació i el fenomen no és gaire gran, en la majoria de situacions.

fig4
Figura 4: a l’esquerra, exemple presentat com a patró de overshooting (OT) per Brunner et al. (2007), amb el nucli fred de color blanc, i el vermell proper indica el nucli càlid. A la imatge de la dreta es presenta un cas d’un tornado a Catalunya (21 de març de 2013), on el punt blau indica la localització del fenomen, i l’estrella vermella la posició del nucli fred de l’OT.

Per acabar, cal esmentar que l’objectiu final del projecte és aconseguir identificar una sèrie de patrons (a més dels ja esmentats LJ i OT), per poder fer una anàlisi objectiu de les diferents dades disponibles i poder detectar de forma automàtica tots els casos de fenòmens severs ocorreguts a Catalunya des de 2005. Aquesta base de dades s’aniria completant de forma automàtica a partir de l’enregistrament de nous casos a partir de l’aplicació en temps real dels algorismes desenvolupats, identificant els diferents patrons a les dades de l’SMC.

Referències

Bedka, K. M. (2011). Overshooting cloud top detections using MSG SEVIRI Infrared brightness temperatures and their relationship to severe weather over Europe. Atmospheric Research, 99(2), 175-189.

Bedka, K., Brunner, J., Dworak, R., Feltz, W., Otkin, J., & Greenwald, T. (2010). Objective satellite-based detection of overshooting tops using infrared window channel brightness temperature gradients. Journal of Applied Meteorology and Climatology, 49(2), 181-202.

Brunner, J. C., Ackerman, S. A., Bachmeier, A. S., & Rabin, R. M. (2007). A quantitative analysis of the enhanced-V feature in relation to severe weather. Weather and Forecasting, 22(4), 853-872.

Gatlin, P. N., & Goodman, S. J. (2010). A total lightning trending algorithm to identify severe thunderstorms. Journal of atmospheric and oceanic technology, 27(1), 3-22.

Metzger, E., & Wendell A.N. (2013). The Relationship between Total Cloud Lightning Behavior and Radar-Derived Thunderstorm Structure. Weather and Forecasting, 28(1), 237-253

Schultz, C. J., Petersen, W. A., & Carey, L. D. (2009). Preliminary development and evaluation of lightning jump algorithms for the real-time detection of severe weather. Journal of Applied Meteorology and Climatology, 48(12), 2543-2563.

2 Comentaris

  1. JOSEP FERRANDO i ROVELLAT 5 novembre 2015, 16:53

    Em podeu facilitar la pluviometria del passat dilluns dia 2, als voltants de les 18 hores, a Reus?

    • mcv 16 novembre 2015, 09:21

      Hauries d’enviar un correu electrònic a dades@meteo.cat

      Gràcies,

      Servei Meteorològic de Catalunya