Diss. ETH No. 11316 REMOTE SENSING OF SEVERE HAILSTORMS A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of Natural Seiences presented by BETI1NA BAUER-MESSMER Dipl. Informatik-Ing. ETH born 16 March 1968 citizen of Oberbüren (SG) and Thal (SG) accepted on the recommendation of Prof. Dr. A. Waldvogel, examiner Prof. Dr. E. Parlow, co-examiner Zürich, 1995
Remote Sensing 0/Severe Hailstoms Zusammenfassung Seit Menschengedenken hatten Wettererscheinungen einen faszinierenden, bisweilen auch erschreckenden, Einfluss auf das menschliche Leben. Ausser Wetterbeobachtungen standen keine Mittel zur Untersuchung von Gewittern zur Verfügung. Heutzutage ermöglichen Fernerkundungstechniken einen Einblick in die Struktur und Dynamik von Gewitterstürmen. Gewitterstürme haben verschiedenartige zerstörerische Auswirkungen: durch Tornados, Windböen, Hagel und Starkniederschläge. In der Schweiz wird ein grosser Teil der versicherten Schäden durch Hagel verursacht. Deshalb ist ein genaues Verständnis der Entstehungsmechanismen von Hagelstürmen notwendig. In den letzten dreissig Jahren wurden Gewitter eingehend mittels Wetterradar untersucht. Ein Schwellenwert konnte gefunden werden, der es erlaubt, anhand der Radarreflektivität von Gewittern mit grosser Sicherheit zu entscheiden, ob es sich um Hagel oder Starkniederschläge handelt. Die Nützlichkeit von Radardaten in der Vorhersage von Gewittern ist jedoch eingeschränkt. Typischerweise wird ein Gewittersturm in den Radardaten erst erkennbar, wenn sich die Niederschlagspartikel schon gebildet haben, d.h. wenn der Sturm seine stärkste Phase erreicht hat. Eine Möglichkeit Gewitterstürme zu erkennen bevor sich die Niederschlagspartikel gebildet haben, ist der Einsatz von Satellitendaten im sichtbaren und infraroten Bereich. Ziel dieser Arbeit ist es, Hagelinformationen, sowohl für die Erkennung als auch die Vorhersage, aus Satellitenbeobachtungen von Wolken herzuleiten. Verherende Hagelstürme sind weltweit zu beobachten. Verschiedene Versuche, Hagel zu verhindern oder zumindest abzuschwächen wurden unternommen. Randomisierte Hagelabwehr-Versuche zeigten jedoch, dass keine Wirkung erzielt werden konnte. Somit besteht die einzig verbleibende Möglichkeit, Hagelschaden zu reduzieren, darin, frühzeitige Warnungen herauszugegeben. Viele operationelle Wetterdienste entwickeln Vorhersagesysteme, in denen Satelliten-, Radardaten, Resultate aus numerischen Modellen und andere meteorologische Grössen kombiniert werden (z.b. IGS, Interaktives Graphisches System, entwickelt vom DWD). Die meisten dieser Systeme erfor- 7
Remote Sensing 0/Severe Hailstoms dem hochkomplexe Software und spezielle Hardware, und trotzdem ist manuelle Interaktion noch nötig. In dieser Arbeit wird eine Hagelerkennungs- und Vorhersagetechnik vorgestellt, die mit sehr bescheidenen Mitteln auskommt und somit auch für weniger wohlhabende Länder und Organisationen erschwinglich ist. Aus eben diesem Grund wurden Satellitendaten verwendet, die kostenlos empfangen werden können mit einer geeigneten Antenne, einem Empfänger und einem handelsüblichen PC Computer. Aufgrund der Resultate, die in dieser Arbeit vorgestellt werden, können Algorithmen entwickelt werden, die eine vollautomatische Erkennung und Vorhersage von Hagel ermöglichen. Um die Vorhersage zu verbessern wurden zusätzlich Parameter, die das meteorologische Umfeld beschreiben, sowie Radardaten zu Hilfe gezogen. Als Vergleichswahrheit für das Auftreten von Hagel wurden Radarmessungen verwendet. Diese eignen sich dazu aufgrund ihrer hohen räumlichen und zeitlichen Auflösung sehr gut. Das Auftreten von Hagel wurde mittels eines einzigen Schwellenwertes bestimmt: 'Wolkencluster', die ein Radarecho von mehr als 55 dbz erzeugen wurden als 'Hagelcluster' (hailcluster) definiert. Die 'Wolkencluster' wurden als zusammenhängende Gebiete von Datenpunkten mit Werten über einem vorgegebenen Schwellenwert im sichtbaren Kanal des METEOSAT Satelliten definiert. Für jeden 'Wolkencluster', der in den Satellitendaten gefunden wurde, wurde überprüft, ob in den entsprechenden Radardaten der Hagelschwellenwert erreicht war. Ebenso wurde für jedes Radarecho, das den Hagelschwellenwert überschritt, der zugehörige 'Wolkencluster' in den Satellitendaten untersucht. Es zeigte sich, dass das Überschreiten eines Schwellenwertes in den Daten des sichtbaren Bereiches ein notwendiges wenn auch nicht hinreichendes Kriterium für Hagel ist. Im weiteren kommt hinzu, dass dieser Schwellenwert lange vor dem Auftreten von Hagel erreicht wurde, im Mittel 90 Minuten im voraus. In 80% aller Hagelfälle wurde dieser Schwellenwert mehr als 10 Minuten im voraus erreicht. Folglich erfüllen die Satellitendaten im sichtbaren Bereich die wichtigste Voraussetzung für einen Einsatz in der Vorhersage: Die Daten sind verfügbar bevor das zu beobachtende Ereignis eintritt und 8
Remote Sensing 0/Severe Hailstoms die wesentlichen Parameter können in 'Echtzeit' extrahiert und berechnet werden. Die grösste Herausforderung besteht nun darin, eine Erkennungs- oder Vohersagefunktion zu finden, die absolut zuverlässig ist, d.h. eine Erkennungswahrscheinlihckeit (POD, probability of detection) von 100% aufweist und gleichzeitig (fast) keine Falschalarme auslöst. Zuverlässige Hagelerkennungsfunktionen basierend auf METEOSAT Daten, wie sie in dieser Arbeit beschrieben werden, erzeugen 70-80% Falschalarme, was sehr viel ist. Ein realistischeres Ziel ist somit die korrekte Erkennung und Vorhersage der schwersten Hagelstürme. Die Stärke von METEOSAT Daten im sichtbaren Bereich besteht vor allem in der hohen Erkennungswarhscheinlichkeit und der langen Vorhersagezeit. Eine Kombination von METEOSAT Daten mit Sondierungsdaten verbessert das Resultat nur unwesentlich. Unter Hinzunahme von Radardaten wird die Falschalarmrate bei hoch bleibender Erkennungswahrscheinlichkeit deutlich reduziert. Eine höhere räumliche Auflösung der Satellitendaten bei gleichbleibender zeitlicher Auflösung würde eine Verbesserung der Hagelerkennung bewirken. Es konnte gezeigt werden, dass NOAA Daten, welche eine höhere räumliche Auflösung als METEOSAT Daten aufweisen, eine deutlich bessere Hagelerkennung ermöglichen. Ihre spärliche zeitliche Auflösung schliesst jedoch einen operationellen Einsatz dieser Daten aus. Eine Kombination von METEOSAT-, NOAA- und Radardaten ermöglicht eine gute automatische Erkennung und Vorhersage von Hagel. 9
10 Remote Sensing 01Severe Hailstoms
Remote Sensing 01Severe Hailstoms Abstract Within living memory weather phenomena had a fascinating, occasionally threatening, influence on human life. Apart from observations there were no means to analyse thunderstorms. Nowadays remote sensing techniques allow new insight into the structure and dynamics of thunderstorms. Thunderstorms have different damaging effects caused by tomadoes, wind gusts, hail and heavy rain. In Switzerland enormous insured losses are caused by hail. Therefore a thorough understanding of the mechanisms which trigger the development of hailstorms is essential. In the last thirty years thunderstorms have been analysed in great detail with radar data. For Swiss thunderstorms radar reflectivity thresholds were found which allow the detection of hail with a high precision. However, the possibilities of using radar data for the prediction of hail are rather limited. A characteristic feature of radar data is, that clouds generate radar echoes only when precipitation has already developed, i.e. the cloud reached the beginning of its mature stage. One way to 'see' severe storms before the precipitation particles have grown is the use of satellite imagery in the visible and infrared channels. The purpose of this work is to infer hail information for both nowcasting and forecasting from weather satellite cloud observations. Devastating hailstorms occur all over the world. Different activities have been undertaken in order to suppress hail or at least reduce its damaging effect. Randomized hail suppression experiments however showed that no effect could be observed. As a consequence the only way to reduce damage caused by hail are early wammgs. Currently many operational weather services are developing forecasting systems in which satellite data, radar data, output from numerical models and other meteorological data are combined (e.g. IGS, Interaktives Graphisches System developed at DWD). Most of these systems need highly complex software and dedicated hardware. Nevertheless human interaction is still needed. In this work a hail detection and prediction technique was developed that is affordable also for less wealthy countries and agencies. For this reason the satellite data (SDUS products) which can be received free of charge with an antenna, receiver and common personal computer were used in this work. 11
Remote Sensing 0/Severe Hailstoms Based on the results found in this work algorithms can be developed in order to make the detection and prediction of hail fully automatable. Additional data representing the meteorological environment like sounding data, groundmeasurements and radar data were used in order to improve the predictions. As ground truth for the occurrence of hail radar data was adopted becauseof its extremely high spatial and temporal resolution of hail information. Hail was defined with a single thresholding technique. Cloud clusters producing radar echoes with reflectivities above 55 dbz are defined as 'hailclusters'. The thunderstorms are defined as connected areas of data points having counts above a given threshold in the METEOSAT visible channel. Each cluster was tested whether it' s counterpartin radar data fulfilled the criterion for a 'hailcluster'. Vice versa for each radar echo reaching the hail threshold the counterpartin METEOSAT data was analysed. It was found that exceeding a given visible count threshold is a necessary but not sufficient condition for the occurrence of hail. Furthermore this threshold was reached long before the onset of hail, 90 minutes on average. In 80% of all hail events the threshold was reached more than 10 Minutes ahead. As a consequence satellite data in the visible channel seems to meet the primary requirement for a forecasting parameter: It is available in advance ofthe event to be forecasted and it can be calculatedin 'real-time'. The most demanding task would be to find a detector or predictor function which is absolutely reliable, i.e. has a probability of detection (POD) of 100% and produces (almost) no false alarms. It was found that the reliable detection functions, having a POD > 90%, generate 70-80% false alarms which is very high. A more practicable objective is the correct detection or prediction of the most severe hail events. METEOSAT visible data has proved to be very powerful when both a high probability of detection and a long forecasting time is needed. A combination with sounding data only slightly improves the result. The addition of radar data significantly reduces the false alarm rate while leaving the probability of detection virtually untouched. 12
Remote Sensing ofsevere Hailstoms A higher spatial resolution of the satellite data would improve the detection of hail. It was found that NOAA data, which provides a higher spatial resolution than METEOSAT data, yields a very strong tool for the 'realtime' detection of hail, It's sparse temporal resolution however leaves a routinely application for the future. A combination of METEOSAT, NOAA and radar data makes possible a very strong automatable tool for the detection and prediction of hail. 13