studio delle proprietà ottiche e polarimetriche di ... · gocce di pioggia, ma non quella dei...
TRANSCRIPT
Studio delle proprietà ottiche e polarimetriche di aggregati di cristalli di ghiaccio in
atmosfera per il telerilevamento della precipitazione nevosa ed in fase mista
Dott. Davide OriBologna, 18 Febbraio 2013
2 18 Febbraio 2013Davide Ori
Perchè misurare la precipitazione nevosa?
Ciclo idrologicoComponente maggioritariaalle medie/alte latitudini
Bilancio energeticoModifica sensibilmente l'albedo superficiale
Impatti economici e socialiTrasportiRisorse idriche
3 18 Febbraio 2013Davide Ori
Come misurare la precipitazione? Tecniche IN SITU
Nivometri
VantaggiMisurazione direttaMisura al suolo
SvantaggiInformazione localeDifficoltà a distinguere neve da pioggia e blowing snowProblemi di rappresentatività → occorre impiegare fitte reti di rilevamentoProblemi tecnici di copertura e manutenzione (oceani, zone difficilmente raggiungibili)
4 18 Febbraio 2013Davide Ori
Come misurare la precipitazione? Telerilevamento
Radar a terra
VantaggiInformazioni di area vastaLunghezze d'onda lunga
Scattering di Rayleigh
Bassa attenuazione da parte dell'acqua
SvantaggiComplessi e costosiMisura indiretta
5 18 Febbraio 2013Davide Ori
Come misurare la precipitazione? Telerilevamento
Radar a bordo di Satelliti
VantaggiCopertura globale
SvantaggiMolto costosiManutenzione quasi impossibileLunghezze d'onda corte per contenere peso e dimensioni delle antenne
Forte attenuazione da parte di acqua liquida
Complessi fenomeni di scattering
NASA - CloudSat
6 18 Febbraio 2013Davide Ori
Problematica: il telerilevamento della neve
A causa delle difficoltà tecniche ed economiche relative al dispiegamento di una fitta ed estesa rete di pluviometri e nivometri solo gli strumenti di telerilevamento (radar, radiometri) sono in grado di fornire informazioni sulla precipitazione con la rappresentatività di area vasta necessaria agli studi idrologici
Gli algoritmi per il telerilevamento della neve mostrano purtroppo pessime performance
7 18 Febbraio 2013Davide Ori
Problematica: il telerilevamento della neve
Storicamente si è fatto uso di un approccio statistico per il telerilevamento della precipitazione sia liquida che solida
La comunità scientifica internazionale raccomanda invece l'elaborazione di algoritmi di retrieval basati sulla descrizione fisica dei processi di scattering
(3rd International Workshop on Snowfall Measurement - 2011)
8 18 Febbraio 2013Davide Ori
Performance del telerilevamento della neve
Gli algoritmi di identificazione delle idrometeore faticano molto nel riconoscimento della neve
Marzano et al. 2007
L'algoritmo di Marzano et al. 2007 solo nel 22% delle simulazioni riconosce correttamente la Dry Snow e solo nel 46% la Wet Snow.
Nel 46% dei casi la DS viene confusa con graupel o grandine.
Nel 38% dei casi la WS non viene classificata
L'algoritmo è basato su proprietà ottiche calcolate utilizzando la metodologia T-matrix (sferoidi omogenei)
9 18 Febbraio 2013Davide Ori
Problematica: proprietà ottiche della neve
I fiocchi di neve sono generalmente modellati da forme sferoidali caratterizzati da una determinata massa o sezione d'urto geometrica
Questa approssimazione consente l'utilizzo di tecniche semplificate (teoria di Mie, T-Matrix, …) per la simulazione delle proprietà di singolo scattering
I codici di elettrodinamica computazionale che implementano queste tecniche sono molto veloci
Questa metodologia ha funzionato molto bene nella modellazione della pioggia
10 18 Febbraio 2013Davide Ori
Effective dielectric mixing formula
Si possono adottare modelli più raffinati. Ad esempio utilizzando una formula di miscelazione delle proprietà dielettriche si possono ottenere modelli sferoidali che possiedono contemporaneamente specifiche sezioni d'urto e “massa”
I fiocchi neve reali possiedonoperò disomogeneità interneche influiscono in manierasignificativa sulle proprietà discattering
In particolare il nucleointerno è più denso dellezone periferiche
+−=
+−
mi
mii
meff
meff
εεεεδ
εεεε
22
Approssimazione di Maxwell-Garnett per il calcolo della costante dielettrica effettiva di un mezzo costituito da una matrice di costante dielettrica εm e inclusioni di materiale con costante dielettrica εi. δ è la frazione in volume delle inclusioni
11 18 Febbraio 2013Davide Ori
Gli sferoidi rappresentano bene la forma delle gocce di pioggia, ma non quella dei fiocchi di neve
Sferoide oblato
Goccia di pioggia Fiocco di neve
I fiocchi di neve precipitanti sono generalmente costituiti da aggregati di cristalli di ghiaccio.
Non esiste una forma geometrica “semplice” che possa rappresentare un aggregato.
12 18 Febbraio 2013Davide Ori
Stato dell'arte
Studi recenti tentano di rappresentare i fiocchi di neve in maniera più realistica
Botta et al. 2010
Tyynela et al. 2011 Petty et al. 2010
13 18 Febbraio 2013Davide Ori
DDA – Discrete Dipole Approximation
Una tecnica di elettrodinamica computazionale per calcolare le proprietà ottiche di particelle di forma arbitraria
14 18 Febbraio 2013Davide Ori
DDA – Discrete Dipole Approximation
La DDA è una tecnica di elettrodinamica computazionale che consente il calcolo delle proprietà ottiche di particelle di forma arbitrariaÈ basata sull'equazione integrale di volume
E sca(r )=∫V
d r ' G (r , r ')⋅j (r ')
15 18 Febbraio 2013Davide Ori
DDA – Come funziona?
Le particelle sono rappresentate da un insieme di punti polarizzabili (discretizzazione del mezzo)
Ad ogni punto è associata una costante dielettrica
La distanza fra questi punti deve essere molto più piccola della lunghezza d'onda della radiazione incidente e di ogni lunghezzastrutturale della particella
Computazionalmente onerosi
16 18 Febbraio 2013Davide Ori
DDA – Come funziona?
I punti polarizzabili di cui è costituita la particella acquisiscono un momento di dipolo elettrico oscillante a causa dell'interazione con l'o.e.m. incidente e riemettono a loro volta radiazione elettromagnetica
Draine, 1988
17 18 Febbraio 2013Davide Ori
DDA – Quanto costa?
Tempo di esecuzione del codice ADDA su un cluster da 64 core per una sfera a differenti size parameter ed indici di rifrazione
Il tempo di calcolo riportato si intende per singola orientazione
La media su molte orientazioni richiede ovviamente il calcolo delle proprietà ottiche per molteplici orientazioni delle particelle
Yurkin et al. 2007
18 18 Febbraio 2013Davide Ori
SAM – Snow Aggregation and Melting
Un nuovo schema di aggregazione e fusione dei cristalli di ghiaccio per modellare I fiocchi di neve secca ed in fase mista e calcolarne le proprietà ottiche attraverso la tecnica DDA
19 18 Febbraio 2013Davide Ori
SAM – Snow Aggregation and Melting
Si rende necessario sviluppare un modello che descriva la complessa morfologia dei fiocchi di neve. Nel corso del 2012 è stato sviluppato SAM
SAM è un modello che simula l'aggregazione casuale di cristalli di ghiaccio colonnari di differenti dimensioni, traduce la forma ottenuta in cluster di punti polarizzabili ed eventualmente è in grado di simulare la fusione parziale dell'aggregato.
Gli aggregati ottenuti hanno una distribuzione interna della massa realistica
20 18 Febbraio 2013Davide Ori
SAM – Processo di aggregazione
L'aggregato centrale cresce per collezione continua di cristalli colonnari
Il processo di aggregazione è simulato mettendo una nuova particella aggregante disposta casualmente all'interno della sezione d'urto geometrica complessiva delle due particelle
Entrambe le particelle sono ruotate casualmente ad ogni iterazione
Il processo si interrompe quando l'aggregato centrale raggiunge la dimensione massima desiderata
21 18 Febbraio 2013Davide Ori
SAM – Processo di aggregazione
Ad ogni iterazione la dimensione della prossima particella aggregante è estratta casualmente secondo una distribuzione di probabilità che evolve con la dimensione massima dell'aggregato centrale
Agendo sui parametri che regolano l'evoluzione di questa distribuzioneè possibile forzare il modello a formare aggregati con una realisticarelazione massa-dimensioni
Abbiamo scelto di utilizzare larelazione osservata da Brandeset al. (2007) ( ) 1.2
max5
max 109.8 DDm ⋅⋅= −
m è espresso in grammi e D in millimetri
22 18 Febbraio 2013Davide Ori
SAM – Processo di aggregazione
Essendo un processo di aggregazione continuo; SAM produce aggregati che possiedono anche una distribuzione interna della massa che segue la relazione di Brandes et al. 2007
23 18 Febbraio 2013Davide Ori
SAM – Cluster di punti polarizzabili
Il modello di aggregato di cristalli di ghiaccio prodotto viene trasformato in un insieme di punti polarizzabili
Questi dati sono salvati in un formato leggibile da codice DDA
Il modello di fusione parziale è basato su questa rappresentazione delle particelle
24 18 Febbraio 2013Davide Ori
SAM – Processo di fusione
La fase di fusione di SAM è un processo stocastico
La probabilità di fusione di ogni regione del lattice cubico dipende dallo stato fisico delle regioni adicenti
Utilizzando i valori di contributo alla probabilità di fusione riportati nella tabella a fianco lo schema avvantaggia statisticamente la fusione delle regioni esterne dell'aggregato ed in particolare quelle con minore raggio di curvatura
Stato fisicoContributo alla
probabilità di fusione
Aria 1
Acqua 0.1
Ghiaccio 0
25 18 Febbraio 2013Davide Ori
Esempi di aggregati prodotti da SAM
Aggregati di dimensione massima pari a 10 mm, a sinistra un aggregato di ghiaccio, a destra lo stesso aggregato che ha subito il processo di fusione parziale al 10%
26 18 Febbraio 2013Davide Ori
Applicazioni al telerilevamento della neve
Proprietà ottiche per singola particellaProprietà di distribuzioni di particelle e stima quantitativa della precipitazione
27 18 Febbraio 2013Davide Ori
Calcolo delle proprietà di singolo scattering
Il codice DDA utilizzato è ADDA [Yurkin et al. 2011]
30 modelli (particelle) di neve secca ed in fase mista con frazione di massa fusa pari al 10% con dimensione massima da 0.4 a 15 mm
7 frequenze caratteristiche 5.6 GHz (radar in banda C), 9.6 GHz (radar in banda X), 13.6 GHz (radar in banda Ku),35.6 GHz (radar in banda Ka), 89 e 94 GHz (radar in banda W e radiometri), 157 GHz (radiometri)
Indici di rifrazione del ghiaccio derivati da Matzler (2006) e indici di rifrazione dell'acqua da Meissner (2004)
Proprietà mediate su circa 1800 orientazioni
28 18 Febbraio 2013Davide Ori
Proprietà ottiche di singola particella
PANNELLO SUPERIORE Sezione d'urto di backscattering a 35.6 GHz per particelle di neve secca a confronto con la corrispondente soluzione di Rayleigh e di Mie per una sfera omogenea con costante dielettrica calcolata attraverso l'uso dell'approssimazione di Maxwell-Garnett. È presente anche il confronto con la soluzione di Mie per una sfera stratificata con 500 strati
PANNELLO INFERIORE differenza nella sezione d'urto di backscattering tra le particelle di neve bagnata con frazione di massa fusa al 10% e le corrispondenti particelle di neve secca. (Attenzione al fatto che si tratta di differenze di quantità logaritmiche)
29 18 Febbraio 2013Davide Ori
Stima Quantitativa della Precipitazione
Per collegare i risultati ottenuti alle quantità misurabili dobbiamo passare alla descrizione delle caratteristiche distribuzioni dimensionali delle particelle di neve
N (Dmax)=N 0⋅e−ΛDmax
Distribuzioni dimensionali Parametri PSD (Straka, 2000)
IWC=∫min(Dmax)
max (Dmax)
N (Dmax)⋅m(Dmax)dDmax [ g /m3]
DRY WET
2.2 < Λ < 8.8 1.8 < Λ < 3.1 [mm-1]
2380 < N0 < 42000 1515 < N0 < 4800 [# mm-1 m-3]
1.0 < Dmax
< 15.0 [mm]
Contenuto di ghiaccio IWC (Ice Water Content)
30 18 Febbraio 2013Davide Ori
Stima quantitativa della precipitazione
SR=ρi−1∫min(Dmax)
max (Dmax)
N (Dmax)⋅m(Dmax)⋅v (Dmax)dDmax [mm /h]
v t (Dmax)=4.836⋅Dmax0.25
[m/ s ]
Velocità terminale di caduta (Straka, 2000)
Intensità di precipitazione SR (Snow Rate)
Z hh=λ4
π5∣K∣
2∫min (Dmax)
max (Dmax)
N (Dmax)⋅σ (Dmax)⋅dDmax [mm6/m3]
Riflettività radar
σ → sezione d'urto di backscatteringm(D) → relazione massa/dimensioni particelleρ → densità del ghiaccio K → fattore dielettrico
31 18 Febbraio 2013Davide Ori
Stima quantitativa della precipitazione Z-IWC
Campionando tra i parametri delle distribuzioni dimensionali è possibile simulare le misure da strumento radar
Ogni punto nei grafici rappresenta una diversa PSD. Blu per la neve secca e rosso per la neve bagnata
Già con 10% di frazione di massa fusa si vede l'incremento di riflettività della neve bagnata
32 18 Febbraio 2013Davide Ori
Stima quantitativa della precipitazione Z-SR
I dati sono interpolati con una legge di potenza
37.161.30 SRZ X ⋅=
29.183.22 SRZKa ⋅=
36.187.29 SRZKu ⋅=
01.152.6 SRZW ⋅=
33 18 Febbraio 2013Davide Ori
Stima quantitativa della precipitazione
L'Ecuyer et al. Modello semiempirico basato sul confronto di dati di riflettività da satellite CloudSat e disdrometri e nivometri a terra
Ori et al. (2012) Modello teorico derivato dallo studio presentato
Entrambi i modelli si accostano al modello di Kulie (2009) per piccoli valori di riflettività e al modello di Matrosov (2007) per alti valori di riflettività
34 18 Febbraio 2013Davide Ori
Lavori in corso
Nuovi sviluppi nella modellistica di SAMCollaborazione con ARPA-SIMC
35 18 Febbraio 2013Davide Ori
Utilizzare SAM non è sufficiente
SAM simula aggregazioni casuali. Questa caratteristica limita le proprietà frattali e l'aspect ratio dei modelli costruiti e dunque le proprietà polarimetriche dei fiocchi di neve modellati vengono inibite
Riformulare lo schema di aggregazione includendo la possibilità di unire tra loro anche fiocchi già aggregati
La simulazione della fase di fusione non modifica la morfologia complessiva della particella. Questa approssimazione limita la sua applicabilità a piccoli valori della frazione di massa fusa
Formulare un processo di fusione che preveda un'appropriata migrazione della massa fusa
Le proprietà ottiche calcolate sono riferite ad una relazione massa-dimensione media osservata. I processi di scattering sono non lineari, dunque le caratteristiche della particella media non riproducono le proprietà della popolazione di particelle
Costruire database di proprietà ottiche di numerose particelle con caratteristiche microfisiche rappresentative della loro variablità naturale
36 18 Febbraio 2013Davide Ori
La collaborazione con ARPA-SIMC
Il Servizio Idro Meteo Clima di ARPA Emilia Romagna ha deciso di collaborare al progetto mettendo a disposizione i dati della sua rete di rilevamento ed i software necessari alla loro interpretazione
Grazie a questa collaborazione sarà possibile effettuare confronti tra le misure simulate dai modelli e le osservazioni di ARPA
L'attività di collaborazione è finalizzata al miglioramento degli algoritmi di classificazione e di quantificazione delle idrometeore solide ed in fase mista
37 18 Febbraio 2013Davide Ori
Cronoprogramma delle attività del dottorato
anno
semestreI II III
1
* Nuovo modello di aggregazione
Database di modelli di aggregati
Calcolo proprietà ottiche di fiocchi di neve secca
Simulazioni di misure da strumenti di
telerilevamento
* Confronto con casi di studio
* Studio di algoritmi di retrieval
Inizio stesura tesi di dottorato
2
* Nuovo modello di fusione
Calcolo proprietà ottiche di fiocchi di neve in fase
mista
* Analisi delle proprietà ottiche della neve
Svolgimento di un periodo di ricerca all'estero
Stesura finale della tesi di dottorato
* è prevista una pubblicazione scientifica
38 18 Febbraio 2013Davide Ori
Grazie per l'attenzione
Domande o suggerimenti?