The Cloud dynamics and radiation database (CDRD) approach for precipitation retrieval by means of satellite based microwave radiometry

In this thesis we have investigated some important issues regarding the retrieval of precipitation from satellite-based microwave measurements. Although microwave radiometry retrieval techniques for the estimation of rainfall have advanced considerably over the past years, further developments are still necessary and some aspects of these techniques are currently being investigated in research activities. The activity we have carried out in this thesis concerned first the implementation and the development of the complete BAMPR (Bayesian Algorithm for Microwave-based Precipitation Retrieval) algorithm, based on the Bayesian estimation theory, for the SSM/I, SSMIS and AMSR-E data (brightness temperatures) processing. The complete algorithm is described in the first part of the thesis, together with the screening procedures we have selected for the correct processing of pixels. The characteristics of the database used (Cloud Radiation Database), and some tests we have performed on it are also presented. The activity was then focused on the introduction of the “dynamical tags” in the retrieval procedure of BAMPR, to be combined with brightness temperatures (Cloud Dynamics and Radiation Database (CDRD) approach). This development we have carried out on the algorithm is aimed at reducing the “ambiguity” or the “non-uniqueness” of the database that is a severe limit for retrieval methodology. The results obtained with the “new” BAMPR algorithm, using three “dynamical tags”, in two case studies over Lazio, are described in the second part of the thesis. A comparison between the “new” BAMPR algorithm and the operational algorithm NESDIS of NOAA is also presented.

Questa tesi affronta alcuni aspetti della stima delle precipitazioni attraverso misure a microonde effettuate da satellite. Sebbene le tecniche di telerilevamento con radiometri a microonde per la stima delle precipitazioni si siano sviluppate notevolmente negli ultimi anni, ulteriori sviluppi sono apparsi necessari ed alcuni aspetti di queste tecniche costituiscono temi di ricerca attualmente in corso. L’attività svolta in questa tesi ha riguardato, in primo luogo, la costruzione e lo sviluppo dell’algoritmo BAMPR (Bayesian Algorithm for Microwave-based Precipitation Retrieval), basato sulla teoria di Bayes, per la stima della precipitazione attraverso l’elaborazione dei dati (temperature di brillanza) forniti dai radiometri SSM/I, SSMIS e AMSR-E. La prima parte della tesi descrive l’algoritmo completo realizzato, richiamando la teoria di Bayes e descrivendo anche le tecniche di “screening” utilizzate per il corretto trattamento dei dati dei vari “pixel”. Particolare attenzione è stata data inoltre alla descrizione della base di dati usata (CRD - Cloud Radiation Database) e ai test effettuati su di essa. La seconda parte dell’attività ha riguardato l’introduzione, nella procedura di stima della precipitazione, di variabili dinamiche e termodinamiche (“dynamical tags”) da associare alle temperature di brillanza (Cloud Dynamics and Radiation Database (CDRD) approach). Questo sviluppo dell’algoritmo è mirato alla riduzione dei problemi di “ambiguità” (o “non unicità”) che rappresentano attualmente un grave limite della metodologia di stima. I risultati ottenuti con il “nuovo” BAMPR, con l’introduzione delle variabili dinamiche e termodinamiche, in due applicazioni a perturbazioni meteorologiche verificatesi sul Lazio, sono descritti nella seconda parte della tesi. In tale parte è infine presentato un confronto della nuova metodologia sviluppata con le prestazioni dell’algoritmo NESDIS (NOAA).