A new cloud classification system for rainfall detection over puerto rico using remotely sensed data

Abstract

A new rainfall detection algorithm was developed to overcome challenges algorithms like the operational NOAA/NESDIS Hydro-Estimator (HE) present over Puerto Rico when detecting rainfall. The HE, a brightness temperature and numerical weather prediction based algorithm, detects about half of the rainfall received throughout a year, and when it does, the detection of rainfall is inconsistent. Part of this may due to the fact that the HE uses brightness temperature to discriminate between rain and no rain, and a large amount of the rainfall received in Puerto Rico is produced by warm clouds. In order to achieve greater accuracy of detection over PR, the new rainfall detection algorithm utilizes data from multiple channels of GOES-12 to extract several features from clouds (e.g., Brightness Temperature, Visible Reflectance, and Albedo). These features are utilized to perform a supervised classification of the image pixels into 4 previously defined classes. The classes were defined using NEXRAD rainfall detection information. Radar and satellite information from five heavy storms that occurred from 2003 to 2007 were used to define the parameters of the algorithm. Once the algorithm was developed a discrete validation was performed to both the cloud classification system and the HE using NEXRAD information as ground truth. The performance of both algorithms was measured in terms of rainfall detection and compared. Warm cloud detection capability was also measured and compared between both algorithms.

Un nuevo algoritmo de detección de lluvias se ha desarrollado para superar retos similares a los que presenta la versión operacional del Hidro-Estimador (HE) de NOAA/NESDIS sobre Puerto Rico al detectar precipitación. El HE, un algoritmo basado en temperatura de brillantez y datos de predicción numérica, detecta alrededor de la mitad de la precipitación recibida a lo largo de un año en Puerto Rico, y cuando lo hace, la misma es irregular. Parte de esto se debe a que el HE utiliza temperatura de brillantez para discriminar entre la lluvia y no lluvia, y una gran cantidad de la precipitación recibida en Puerto Rico es producto de nubes tibias. Con el fin de lograr una mayor precisión de la detección a través de PR, el nuevo algoritmo de detección utiliza datos provenientes de múltiples canales de GOES-12 para extraer diversas características de las nubes (ejemplo, temperatura de brillantez, reflectancia del canal visible y albedo). Estas características se utilizan para llevar a cabo una clasificación supervisada de los píxeles de la imagen en 4 clases definidas previamente utilizando información de NEXRAD. Información de radar y satélite de cinco tormentas que se produjeron entre 2003 y 2007 se utilizaron para definir los parámetros del algoritmo. Una vez desarrollado el algoritmo se llevó a cabo una validación discreta con el sistema de clasificación de las nubes y el HE, utilizando información de NEXRAD como datos reales de campo. El rendimiento de ambos algoritmos se midió en cuanto a detección de lluvia y luego fueron comparados. La capacidad de detección de nubes tibias también fue medida y se compararon ambos algoritmos.