Novo Algoritmo do FY-3G Aprimora o Monitoramento Global de Precipitação

By Redação da Burstable•
Novo Algoritmo do FY-3G Aprimora o Monitoramento Global de Precipitação

Pesquisadores desenvolveram o primeiro algoritmo sistemático de recuperação de precipitação para o satélite Fengyun-3G (FY-3G) da China, convertendo observações de micro-ondas passivas em um produto operacional que descreve a precipitação superficial e perfis verticais de hidrometeoros. O método, publicado em 11 de agosto de 2026 no Journal of Remote Sensing, combina recuperação bayesiana com um banco de dados prévio fisicamente otimizado para produzir estimativas consistentes com os produtos estabelecidos do Global Precipitation Monitoring (GPM), ao mesmo tempo que melhora a representação da água líquida em nuvens.

Medições precisas de precipitação são cruciais para previsão do tempo, pesquisa climática, gestão de recursos hídricos e preparação para desastres, mas a precipitação continua sendo uma importante fonte de incerteza em modelos ambientais. Satélites de micro-ondas passivas podem monitorar a precipitação sobre oceanos, montanhas e áreas mal cobertas por instrumentos de solo, proporcionando cobertura mais ampla que o radar. O FY-3G carrega o radiômetro avançado MWRI para a missão de precipitação (MWRI-RM) com 26 canais abrangendo 10,65–183 GHz, mas essas observações careciam de um algoritmo dedicado para recuperação operacional abrangente.

A equipe de pesquisa da Universidade de Ciência e Tecnologia da China, do Centro Nacional de Satélites Meteorológicos, do Centro de Observação Meteorológica da Administração Meteorológica da China e colaboradores construiu uma recuperação bayesiana em torno de um banco de dados prévio que relaciona perfis de hidrometeoros e estados atmosféricos com temperaturas de brilho de micro-ondas. Eles combinaram observações do GMI, perfis do GPROF, variáveis do ERA5 e cálculos de transferência radiativa, e então aplicaram um método variacional unidimensional para ajustar água líquida em nuvens, água de chuva, água em gelo e emissividade superficial para consistência física. O banco de dados foi aplicado às observações do MWRI-RM do FY-3G com recuperações separadas para oceano, costa, terra de baixa elevação e regiões de alta elevação.

O algoritmo gerou um produto de perfil de múltiplos hidrometeoros (MHP) que concordou bem com dois produtos GPM estabelecidos — o algoritmo de perfilamento Goddard (GPROF) e o algoritmo combinado radar-radiômetro (CMB) — em taxa de precipitação superficial, caminho de água de chuva e padrões de caminho de água em gelo. As estimativas de precipitação superficial geralmente mostraram vieses médios relativos dentro de 14% sobre oceano e terra. Uma vantagem chave surgiu para a água líquida em nuvens: o MHP mostrou uma relação marcadamente mais forte entre o caminho de água líquida em nuvens e a intensidade da precipitação do que qualquer um dos produtos de comparação, indicando uma ligação nuvem-chuva mais fisicamente realista. O método também recupera perfis verticais de água líquida em nuvens, água de chuva e água em gelo, oferecendo mais informações sobre a microfísica de tempestades do que produtos apenas de precipitação.

Testes de calibração mostraram forte concordância entre as temperaturas de brilho simuladas e observadas do MWRI-RM. Sob céu claro, as correlações de Pearson excederam 0,94 em todos os canais, os vieses médios permaneceram dentro de ±0,4 K, e os RMSEs ficaram abaixo de 2,5 K sobre terra e 2,0 K para a maioria dos canais oceânicos. Em um caso de tufão, todos os três produtos capturaram a parede do olho e três faixas espirais de chuva; o MHP alcançou uma correlação espacial entre água líquida em nuvens e precipitação de 0,84, contra 0,72 para o GPROF e 0,52 para o CMB. Em um caso de precipitação sobre terra, as correlações foram 0,84, 0,76 e 0,47. A validação contra 2.486 pluviômetros mostrou que estender a acumulação de 10 para 60 minutos aumentou a correlação de 0,455 para 0,542 e reduziu o erro quadrático médio de 1,743 para 1,341 mm/h. Os vieses remanescentes refletiram subestimação de chuva forte e incertezas relacionadas ao tipo de superfície e suposições sobre partículas de gelo. O caminho de água de chuva oceânico foi subestimado em 27% em relação ao GPROF e 19% em relação ao CMB.

Os autores observam que "o produto MHP exibe boa consistência com o GPROF e o CMB", acrescentando que suas variáveis relacionadas à precipitação podem revelar a microfísica de tempestades e apoiar a melhoria da parametrização de modelos. A equipe também vê potencial para estender a estrutura de recuperação além do FY-3G para outros imageadores de micro-ondas Fengyun e futuras missões de satélite. O protótipo poderia fortalecer o monitoramento operacional de precipitação sobre a China e globalmente, especialmente onde as redes de solo são esparsas, e pode apoiar o monitoramento de tufões e inundações, pesquisa nuvem-precipitação, avaliação de modelos climáticos e melhoria da parametrização microfísica. Refinamentos adicionais na representação de chuva forte, recuperações em alta elevação e modelos de partículas de gelo poderiam melhorar a precisão e ampliar o uso operacional futuro. O estudo está disponível em DOI: 10.34133/remotesensing.1057.

Redação da Burstable

Redação da Burstable

@estouro

O Burstable News™ é uma solução hospedada projetada para ajudar empresas a construir audiência e aprimorar suas estratégias de press release para AIO e SEO, fornecendo automaticamente conteúdo de notícias corporativas atualizado, exclusivo e alinhado à marca.

A plataforma elimina a complexidade de engenharia, manutenção e criação de conteúdo, oferecendo uma implementação fácil — sem necessidade de desenvolvedores — que funciona em qualquer site.

O serviço concentra-se em aumentar a autoridade do site com matérias alinhadas ao setor, garantidamente exclusivas e em conformidade com as diretrizes E-E-A-T do Google, para manter seu site dinâmico e envolvente.