ATMS-CRTM operator - Parte 2 (12/06 a 18/06)

[thaisa-lopes]

Uso do pyCRTM para emular dos dados de radiância do ATMS. O objetivo é entender o processo de construção dos dados de radiância do ATMS usando o CRTM e os dados do BAM, e posteriormente o MONAN. Continuação das tarefas da issue #58

[thaisa-lopes]

Algumas questões discutidas na reunião do dia 11/06:

• Em relação ao Pressure Levels e a escolha dos níveis do topo e da superficie, o pressure levels do case 1 vai de 0.838 até 1100 hPa. No caso do BAM o Pressure Levels vai de 1 a 1012.5 hPa.
• A Tb do canal 15 ficou bem diferente do case. Estudar quais variáveis que influenciam na reprodução do canal 15 (ver principalmente o O3). Não só isso, mas verificar a influencias das variáveis de todos os canais. Uma pergunta, quais canais são impactados pelo O3?.
• Para ver a diferença entre a Tb do case e simulada pelo BAM, uma ideia é gerar os plots em um mesmo gráfico pois assim dá pra ver quais canais estão sendo reproduzidos semelhantes ao case e quais estão diferentes.
• Nos níveis próximos de 600 hPa, as curvas ficaram com "bicos". O que pode ser a causa é a resolução baixa do modelo. A camada de pressão é mais larga em médio níveis do que em altos níveis (o ar é mais rarefeito), e quando discretiza tem muitos níveis em cima e embaixo menos, então a resolução é maior em cima e menor embaixo da coluna atmosférica.
• Estudar a coordenada hibrida de pressão. O ideal seria usar a pressão em coordenada hibrida, pois é essencial na assimilação de dados de radiância.
• Usar os dados do modelo BAM, que tem os 64 níveis, maior resolução. As variáveis terão que ser convertidas.
• Aplicar o pyCRTM em cada ponto do domínio da observação do sensor ATMS, ver quais coordenadas, pode pegar uma janela de horário de passagem do satélite equivalente ao horário que o modelo está querendo reproduzir. Pegar os mesmos pontos da observação no BAM para poder comparar.

[thaisa-lopes]

Foi verificado a influencia das características de superfícies, nuvem, aerossol e absorvedores (Q, O3 e CO2) nos canais do sensor ATMS.
As imagens abaixo mostram duas curvas de Temperatura de brilho. A curva azul representa os valores originais da reprodução com os dados do BAM e case, e a curva vermelha é referente aos valores modificados para comparação.

• Absorvedores (Q, O3 e CO2). OBS: O CO2 foi adicionado apenas para teste, no script principal essa variável não estava selecionada.

• Nuvem e aerossol

• Ângulos sensor

• Características de superfície

[thaisa-lopes]

O próximo passo foi pegar um ponto lat e lon de grade do modelo e comparar com o mesmo ponto da observação (ATMS, disponível para uso), correspondentes à mesma janela de tempo.

Os dados do BAM continuam sendo do arquivo do pós processamento do dia 00Z02FEB2024 6hr.

Os dados BUFR do atms usados estão disponíveis na egeon nesse diretório: /oper/dados/dboper/raw/arch/mod/ncep/gdas/2024/02/02, o arquivo usado é: gdas.t06z.atms.tm00.bufr_d.

Nesse arquivo tem os dados dos ângulos necessário, com exceção do scanAngle, quando dou o comando: bufr_dump gdas.t06z.atms.tm00.bufr_d | grep -E "scan", aparece somente esses:

Para a leitura dos dados em formato BUFR foi utilizado a biblioteca ecCodes do ECMWF: https://www.ecmwf.int/en/learning/training/eccodes-grib-and-bufr-data-decoding-and-encoding-software. A seguir mostra figura espacial abaixo mostra da temperatura de brilho para uma janela de 1 hora de observação (05h30 a 6h30). Veja que esses dados não passaram por um controle de qualidade.

O ponto escolhido da observação ATMS foi lat = -28.98843 e lon = -57.48239, no horário de passagem 5h46min51s, e o mesmo ponto de grade foi escolhido para o BAM. Para saber os valores aproximados de surfaceFractions, foi feito uma busca no Google Earth com as mesmas coordenadas do ponto para ver land = 0.99, water=0.01, snow=0.0 e ice=0.0, lembrando que a soma tem que ser 1 e referente ao campo de visão do sensor (FOV).

Depois, os subtipos de solo continuaram com os mesmos valores default, soilType = 1 (coarse loamy sand), vegType = 7 (ground cover only perennial), waterType = 1, iceType = 1, snow = 2 (new snow).

As características de nuvem e aerossóis continuam sendo o usado do default. Os perfis de T, Q, O3, dir. e vel. do vento, T_sup são do BAM.

O script para extrair os valores de Temperatura de Brilho do sensor ATMS do arquivo BUFR:

Tb_ATMS.txt

Na figura temos a repordução do BAM com a curva azul usou os ângulos do sensor com a versão default [zenithAngle = 0, azimuthAngle = 999.0, solar_zenith= 100.0, solar_azimuth = 0.0, scanAngle = 26.37], e a curva verde com os ângulos do sensor ATMS (arquivo BUFR) [zenithAngle = 64.21, azimuthAngle = 272.72 , solar_zenith = 127.72, solar_azimuth = 148.2 , scanAngle = -41.2 (aprox.)]. Podemos observar os valores de Temperatura de brilho da observação do ATMS (curva vermelha).

[thaisa-lopes]

• Usar os dados do modelo BAM que tem os 64 níveis, maior resolução. As variáveis têm que ser convertidas.
• Sobre a coordenada hibrida de pressão, tem sigma próximo da superfície, onde representa a topografia, e pressão em níveis mais altos ~100hPa. É essencial na assimilação de dados de radiância.

Koo, Myung-Seo & Hong, Song-You. (2013). Double Fourier series dynamical core with hybrid sigma-pressure vertical coordinate. Tellus A. 65. 10.3402/tellusa.v65i0.19851.

O primeiro passo é conseguir extrair a pressão em coordenada hibrida usando o a grade convertida do modelo, ou seja, de espectral para grade regular. Para isso, a primeira alternativa será utilizar o pyBAM para extrair as variáveis. O arquivo GFCTCPT20240201002024020103F.dir.TQ0299L064 tem as seguintes variáveis que precisamos:

LAND SEA ICE MASK
LN SURFACE PRESSURE
SPECIFIC HUMIDITY
VIRTUAL TEMPERATURE
SURFACE TEMPERATURE
STORAGE ON CANOPY
STORAGE ON GROUND
ZONAL WIND AT 10-M FROM SURFACE
MERID WIND AT 10-M FROM SURFACE
MASK VEGETATION
MASK SOIL TEXTURE CLASSES
VEGETATION COVER
LIQ MIXING RATIO PROGNOSTIC
ICE MIXING RATIO PROGNOSTIC
CLOUD TOTAL PROGNOSTIC
OZONE MIXING RATIO

Começando pela pressão em coordenada hibrida a ser determinada, a variável LN SURFACE PRESSURE (Pa) será utilizada na seguinte equação:

P = a + Ps*b

onde Ps = Pressão de superficie, a e b = coeficientes.
A pressão de superfície está como ln(ps), então deve-se usar exp(ps) para calcular o valor da pressão e depois transformar em hPa. Os coeficientes b variam de 1 (superficie) a 0 (topo da atmosfera).

Esses coeficientes são encontrados no início do arquivo, a=65 coeficientes e b=65 coeficientes:

Depois tem que ser encontrada é a temperatura absoluta. Primeiro é necessário transformar a umidade específica em razão de mistura, usando a seguinte equação:

Depois, a razão de mistura é aplicada seguindo a equação abaixo, e assim obtém os valores de temperatura:

Fazendo o calculo da pressão, esse resultado:

[thaisa-lopes]

Assuntos discutidos na reunião do dia 18/06 e 02/07:

• Em relação ao testes feitos no inicio com valores diferentes, utilizar valores diferentes do case para os testes mas reais.
• Posso pegar a simulação do modelo e mudar o ângulo do scan para ver a diferença entre um valor qualquer e o valor 0º.
• Biblioteca usada para ler os arquivos BUFR é o ecCodes do ECMWF.
• Os valores de Temperatura de Brilho do arquivo BUFR estão muito semelhantes em todos os canais. Verificar se a leitura do arquivo está certa, verificar outros pontos lat e lon, ver como fica em um ponto em que o scan fica próximo do nadir, e selecionar apenas um satélite.
• Fiz testes selecionando um único satélite e verifiquei outros pontos lat e lon, mas os valores ainda ficaram próximos.
• Uma sugestão é ver os dados dos canais AMSUA para o mesmo período e comparar com os canais do ATMS, usar os dados do AMSUA do gsi.

Continuação (a partir do dia 01/07/2025):

Na parte das observações dos satélites, no arquivo gdas.t06z.atms.tm00.bufr_d os códigos de identificação dos satélites (satelliteIdentifier) são 224, 225 e 226. Segundo a tabela BUFR, os códigos equivalem: 224=NPP, 225=NOAA 20, 226=NOAA 21. A tabela pode ser encontrada nesse link: https://www.nco.ncep.noaa.gov/sib/jeff/CodeFlag_0_STDv31_LOC7.html#001007.
Algumas imagens de diferentes satélites e localidades podem ser vistas abaixo:

[thaisa-lopes]

Teste JEDI: https://jointcenterforsatellitedataassimilation-jedi-docs.readthedocs-hosted.com/en/1.2.0/learning/tutorials/index.html
É preciso usar configurar o ambiente Linux, utilizando uma maquina virtual, nesse caso recomenda-se o Vagrant. Depois é preciso configurar o ambiente do JEDI, Para configurar o ambiente JEDI com o Singularity.
Segunda parte: https://jointcenterforsatellitedataassimilation-jedi-docs.readthedocs-hosted.com/en/1.2.0/learning/tutorials/level2/index.html