Capítulo 2: Percepción remota

Índice

2.0 Descripción general

Balance energético

El tema central de este capítulo es la percepción remota, el método principal que empleamos para observar el tiempo y el clima en las regiones tropicales del mundo. Estudiaremos cómo usamos las técnicas de percepción remota y examinaremos los tipos de información que nos proporcionan sobre regiones que antes carecían por completo de datos. Por ejemplo, las imágenes tomadas por los modernos sistemas de radar espaciales y aerotransportados captan la estructura detallada de los ciclones tropicales, permitiéndonos comprender mejor los cambios que se producen en su intensidad. Los sensores de microondas de los satélites generan datos de velocidad del viento en la superficie de los océanos. Las capacidades de seguimiento de polvo y cenizas volcánicas, y de medición de los océanos, los suelos y la superficie terrestre, contribuyen a mitigar los peligros. También consideraremos la aplicación de los satélites no meteorológicos a fines meteorológicos.

Versión multimedia

La versión multimedia permite navegar por la estructura de páginas del capítulo.

Temas de enfoque

Prueba y encuesta

Tome la prueba y envíe los resultados a quien interese por correo electrónico.

Una vez que termine de estudiar el capítulo, no se olvide de completar la encuesta.

2.0 Descripción general »
Objetivos de aprendizaje

Al final de este capítulo, debería comprender y ser capaz de explicar:

  • por qué la percepción remota es importante en los trópicos;
  • varias aplicaciones tropicales del radar terrestre;
  • las ventajas y limitaciones del radar aéreo y espacial;
  • varias aplicaciones del radar satelital y la percepción remota por microondas en meteorología tropical;
  • los beneficios y las limitaciones de las estimaciones satelitales del contenido de vapor de agua;
  • cómo se utilizan las señales del satélite de posicionamiento global (GPS) para derivar perfiles de temperatura y humedad, y los beneficios que esto implica para la meteorología tropical;
  • los beneficios y las limitaciones de las estimaciones satelitales de precipitación;
  • cómo los satélites detectan los rayos;
  • los beneficios y las limitaciones de las estimaciones satelitales del viento;
  • por qué son útiles los sensores de microondas en la identificación de la humedad de superficie;
  • cómo se utilizan los satélites para seguir los cambios en la vegetación, y otros usos y cobertura del suelo;
  • cómo se siguen los fenómenos importantes en meteorología, como las propiedades de las nubes, mediante imágenes satelitales;
  • cómo se utilizan los satélites para evaluar la calidad del aire, por ejemplo observando la dispersión de cenizas volcánicas, contaminantes químicos, polvo y humo.

2.1 Introducción a la percepción remota

2.1 Introducción a la percepción remota »
2.1.1 ¿Por qué usar sistemas de percepción remota en los trópicos?

En los trópicos, las observaciones de superficie y de radiosonda son escasas, especialmente en comparación con el hemisferio norte (fig. 2.1). Las principales regiones para las cuales contamos con muy pocos datos de superficie son los océanos tropicales; considere, por ejemplo, que el Pacífico abarca cerca de la mitad de la circunferencia ecuatorial. En las últimas dos décadas, en algunas regiones el tamaño de la red de superficie y la regularidad de los informes han disminuido.1 Dadas estas condiciones, la percepción remota o teledetección es la fuente primaria y a veces la única fuente de observaciones regulares para la mayor parte de las regiones tropicales. La Organización Meteorológica Mundial (OMM) brinda información actualizada sobre el Sistema Mundial de Observación bajo el programa de Vigilancia Meteorológica Mundial.

Desde 1964, los sensores satelitales han proporcionado observaciones rutinarias para el análisis meteorológico.2 Los satélites y sensores remotos aerotransportados han generado una enorme cantidad de información sobre los huracanes, el fenómeno meteorológico más peligroso de las regiones tropicales. Los estudios climáticos basados en datos satelitales han producido información importante sobre las nubes y la precipitación, las circulaciones a gran escala, la interacción entre el aire y el mar, la química del aire y los cambios en la superficie terrestre. La asimilación de los datos satelitales en los modelos de predicción numérica ha mejorado el desempeño de los modelos.3,4,5

Red mundial de estaciones de superficie.
Mapa de la red mundial de estaciones pluviométricas.
Red mundial de estaciones de radiosondeo.
Fig. 2.1. Red mundial de (a) estaciones de superficie regulares,
(b) estaciones pluviométricas y (c) estaciones de radiosondeo.
Las líneas de trazos blancas indican los 30º de latitud norte y sur.

2.1 Introducción a la percepción remota »
2.1.2 Conceptos básicos de percepción remota: radar y satélites

Las aplicaciones de la percepción remota a los ámbitos del tiempo y clima son posibles gracias a la variedad de formas en que la atmósfera y los demás sistemas terrestres interactúan con el espectro electromagnético, o EM (fig. 2.2). Por ejemplo, la nieve dispersa la luz visible, el vapor de agua absorbe la radiación infrarroja (IR) y el granizo dispersa la radiación de microondas. Las porciones del espectro electromagnético donde la absorción de la atmósfera es leve se conocen como «ventanas» y se usan para observar las propiedades de superficie. La atmósfera es más transparente en las regiones del visible y de microondas del espectro, y es opaca en el infrarrojo, a excepción de una pequeña ventana cerca de 10 μm. Los sensores satelitales miden la energía de longitudes de onda específicas que se denominan «canales» y se numeran en orden ascendente desde la longitud de onda más corta hasta la más larga. En meteorología utilizamos principalmente las longitudes de onda visibles, infrarrojas y de microondas.

Espectro electromagnético.
Espectro electromagnético y radiación transmitida al espacio. Se destacan las bandas espectrales en las cuales distintos gases absorben la radiación.
Fig. 2.2. (a) El espectro electromagnético y (b) la fracción de radiación terrestre transmitida hacia el espacio. La cantidad de radiación transmitida es menor debido a la absorción de la radiación por los diferentes gases atmosféricos.

Encontrará un breve resumen de la base teórica de la medición de la radiación transferida por y a través de la atmósfera en la Sección especial 2-1: Transferencia radiativa.

2.1 Introducción a la percepción remota »
2.1.2 Conceptos básicos de percepción remota: radar y satélites »
2.1.2.1 Principios de funcionamiento del radar meteorológico

La capacidad de los cuerpos de dispersar la radiación es la base de las aplicaciones meteorológicas del radar. El radar meteorológico transmite pulsos de microondas de alta frecuencia (mm a cm) a la atmósfera y mide la «retrodispersión» resultante, es decir, los ecos de los pulsos que regresan al radar (fig. 2.3). La señal devuelta se interpreta para determinar dónde hay precipitación. Típicamente, el barrido o exploración del radar se realiza a medida que la antena se eleva a través de ángulos prefijados cada vez mayores para generar una representación de la atmósfera en tres dimensiones. Es interesante notar que el radar meteorológico se emplea también para observar el movimiento de insectos, aves migratorias y tormentas de polvo y arena.

Modelo conceptual del radar meteorológico y retrodispersión por la lluvia.
Imágenes de reflectividad radar.
Fig. 2.3. (a) Modelo conceptual de los principios de funcionamiento del radar meteorológico y (b) imágenes de reflectividad de radar obtenidas con cuatro ángulos de elevación distintos: 0,5 / 2,4 / 4,3 / 7,5 grados.

2.1 Introducción a la percepción remota »
2.1.2 Conceptos básicos de percepción remota: radar y satélites »
2.1.2.2 El sistema mundial de observación satelital

Los satélites constituyen el método principal de obtener observaciones de escala global (fig. 2.4). Los satélites están agrupados de acuerdo con sus configuraciones orbitales:

  • órbita geoestacionaria, a aproximadamente 35 800 km de altura sobre el ecuador y a una velocidad equivalente a la rotación de la Tierra;
  • órbita polar, que pasa sobre los polos, a unos 850 km de altura sobre la superficie terrestre; y
  • órbitas de investigación y desarrollo, entre determinadas latitudes a unos centenares kilómetros de altura.
Sistema mundial de observación satelital.
Fig. 2.4. El sistema mundial de observación satelital.

Los satélites operativos se dedican exclusivamente al análisis meteorológico y las actividades de pronóstico. Los datos que generan están disponibles de manera oportuna para uso inmediato en actividades tales como mitigación de peligros, comercio, seguridad y otros aspectos de la vida diaria, y se considera de particular importancia asegurar que estos servicios no se vean interrumpidos. Las misiones de los satélites de investigación se dedican a objetivos científicos específicos, como la medición del ozono para documentar y comprender el cambio climático o la medición de la precipitación con el fin de comprender mejor los ciclos energético e hidrológico del planeta. Muchos satélites de investigación han sido diseñados para tener una vida útil limitada, aunque algunos han superado la duración esperada de su misión y en ciertas ocasiones se han aplicado a las funciones operativas. Por ejemplo, los datos satelitales de la misión de medición de la lluvia tropical (Tropical Rain Measuring Mission, TRMM) se han usado ampliamente para observar la intensidad y posición de los huracanes. La necesidad de realizar análisis climáticos a largo plazo ha impulsado el archivo de los datos operativos y su uso como registro de datos climáticos.

Satélites geoestacionarios

Debido a su alta resolución temporal (intervalos de 15 a 30 minutos o menores) y campo de visión hemisférico, los sensores de los satélites geoestacionarios son de mayor utilidad para observar los fenómenos atmosféricos sobre grandes distancias (fig. 2.5). Sin embargo, debido a su distancia orbital, la resolución espacial de estos satélites no resulta adecuada para identificar las características que abarcan menos de un kilómetro.

El área de cobertura del GOES.
Fig. 2.5. Área de cobertura de los satélites ambientales
operacionales geoestacionarios (Geostationary Operational
Environmental Satellites,
GOES) de los EE.UU.

Satélites en órbita polar

Los satélites ambientales en órbita polar (Polar-Orbiting Environmental Satellites, POES) brindan excelente resolución espacial dentro de un campo de visión pequeño (del orden de 100 a 1000 km). Por ejemplo, el radiómetro avanzado de muy alta resolución AVHRR (Advanced Very High Resolution Radiometer) a bordo de los satélites POES de la NOAA cuenta con una resolución de 1 km en seis canales.

Sin embargo, los satélites polares observan cualquier lugar en particular dos veces al día como máximo. Como ilustra la animación de la figura 2.6, a lo largo de un día un solo satélite en órbita polar dejaría muchas zonas tropicales sin cobertura. Con la proliferación de satélites polares secuenciales como el MetOp de la Agencia Espacial Europea, el sistema JPSS (Joint Polar Satellite System) y la misión de precipitación global (Global Precipitation Mission, GPM) de EE.UU., cabe esperar que en el futuro podamos contar con más observaciones de alta resolución de los trópicos.

Para aprender más sobre los productos de los satélites en órbita polar, consulte la serie de módulos de meteorología satelital de COMET:
https://www.meted.ucar.edu/training_detail_es.php?topicSorting=12&languageSorting=6&module_sorting=publishDateDesc

Cobertura del satélite en órbita polar MetOp de Eumetsat.

Los sensores satelitales emplean técnicas de percepción activas o pasivas. Los sensores activos envían señales hacia la superficie terrestre y miden la señal devuelta (como un radar). Los sensores pasivos detectan la radiación que ocurre naturalmente. Aunque los sensores pasivos reciben información de ciertas capas, la ventaja de los sensores activos consiste en que miden la radiación en niveles discretos y pueden producir, por ejemplo, perfiles verticales de precipitación y nubes. La resolución espacial de los sensores activos es mayor que la de los sensores pasivos.

Puede repasar los conceptos básicos de la percepción remota satelital en la lección Teledetección por satélite y el módulo sobre la identificación de fenómenos y características mediante satélites ambientales (Feature Identification Using Environmental Satellites, ambos de COMET. Encontrará una breve descripción de la geometría orbital y de barrido de los satélites meteorológicos en la Sección especial 2-2.

Agencias a cargo de satélites meteorológicos operativos

2.1 Introducción a la percepción remota »
2.1.2 Conceptos básicos de percepción remota: radar y satélites »
Sección especial 2-1: Transferencia radiativa

Esta sección presenta un breve resumen de las propiedades de la radiación electromagnética y su interacción con la atmósfera. Las ondas electromagnéticas se describen de acuerdo con su:

  • longitud de onda (λ), la distancia entre las crestas de un campo eléctrico o magnético (unidad SI: m)
  • número de onda (κ), el recíproco de la longitud de onda, El número de onda es 1 dividido entre la longitud de onda. (unidad SI: m−1)
  • frecuencia (ν), la tasa de oscilación de la radiación en un punto La frecuencia es la velocidad de la luz en el vacío dividida por la longitud de onda. (unidad SI, Hz), donde c es la velocidad de la luz en el vacío: 2,99792458 × 108 m s−1.

Al trabajar con la radiación, resulta útil el concepto de cuerpo negro, un objeto que absorbe toda la radiación incidente y emite la cantidad máxima de energía a cualquier longitud de onda. La energía emitida por fotón equivale a

E = hν, donde h es la constante de Planck (6,625 × 10−34 J) y ν es la frecuencia (s−1).

La radiancia es la energía por unidad de tiempo/longitud de onda/ángulo sólido/área. La radiancia emitida por un cuerpo negro se expresa mediante la Ley de Planck y se mide en unidades de W m−2 sr−1.

Ecuación                 (E2-1.1)

donde λ = longitud de onda, T = temperatura (K), c1 = 1,1910439 × 10−16 W m−2 sr−1 y c2 = 1,438769 × 10−2 m K.

La temperatura de brillo o de emisión T se determina invirtiendo la función de Planck. A las longitudes de onda de microondas (mm, cm) y para el rango de temperaturas de la Tierra y la atmósfera, la radiancia a temperatura es una proporción simple.

Tal como se ilustra a continuación (fig. 2SE1.1), la energía del espectro electromagnético aumenta de derecha a izquierda, de modo que las longitudes de onda visibles (onda corta) son más energéticas que las longitudes de onda infrarrojas (onda larga).

Curvas de cuerpo negro para radiación solar y terrestre.Curvas de cuerpo negro para radiación solar y terrestre.
Fig. 2SE1.1. (a) Radiancia para cuerpos negros solar y térmico y (b) las mismas curvas con indicación de las longitudes de onda correspondientes a las emisiones máximas del cuerpo negro solar (Vis) y térmico (IR de onda larga) y los solapamientos de longitud de onda (IR cercano e IR de onda corta).

La energía emitida por unidad de área (en todas las longitudes de onda y representada por el área debajo de la curva de cuerpo negro) está relacionada con la temperatura absoluta a través de la Ley de Stefan-Boltzmann:

               Ecuación                   (E2-1.2)

donde la constante de Stefan-Boltzmann es σ = 5,67 × 10−8 W m−2 K−4.

La ley de desplazamiento de Wien declara que la longitud de onda de la emisión máxima de un cuerpo negro es inversamente proporcional a su temperatura, es decir, cuanto más cálido el objeto, tanto menor la longitud de onda máxima de sus emisiones.

              Ecuación de la ley de Wien                 (E2-1.3)

Un haz de radiación que atraviesa la atmósfera puede verse alterado por absorción, emisión, extracción del haz por dispersión e incorporación al haz de radiación por dispersión. Por ejemplo, como muestra la figura siguiente, los gases atmosféricos absorben la radiación solar y reducen la cantidad de radiación solar en la superficie (fig. 2SE1.2).

Curvas de cuerpo negro de la radiación solar en el tope de la atmósfera y la radiación que incide en la superficie.
Fig. 2SE1.2. Radiancia espectral solar con indicación por colores de la absorción por distintos gases atmosféricos.

La tasa de cambio de la radiancia L con la distancia s es la suma de la extinción (absorción o dispersión) y las fuentes (emisión o incorporación al haz por dispersión) y se puede representar mediante la ecuación de transferencia radiativa:

                        Ecuación                 (E2-1.4)

donde kλ es la sección transversal de la extinción (en unidades de área por masa) para la longitud de onda (λ), ρ es la densidad del medio y jλ es el coeficiente de la función de origen.

Los sensores remotos miden la radiación transmitida por la atmósfera y a través de ella. La radiancia monocromática es la unidad más fundamental medida mediante los instrumentos satelitales. Un detector (normalmente se trata de un radiómetro) graba una señal electromagnética después de que interactúe con las moléculas, las partículas o las superficies de interés. Si Τ y S denotan el objetivo y la señal, respectivamente, podemos representar su relación mediante:

                        Ecuación                 (E2-1.5)

donde F es una función que rige la transferencia radiativa.

Aunque la radiación se caracteriza por una longitud de onda específica y su sensibilidad a algún aspecto físico del medio de transmisión, es posible que la solución de la función inversa no sea única. Una combinación de parámetros desconocidos puede llevar a la misma medición de radiancia. Esta falta de exclusividad crea una incertidumbre inherente en las mediciones de percepción remota.

2.1 Introducción a la percepción remota »
2.1.2 Conceptos básicos de percepción remota: radar y satélites »
Sección especial 2-2: Geometría orbital y de barrido

Esencialmente, los satélites geoestacionarios se hallan inmóviles encima de un punto sobre el ecuador que se suele denominar «punto subsatélite». Desde una órbita de aproximadamente 35 800 km, los satélites geoestacionarios tienen un campo de visión hemisférico. Los satélites en órbita polar, a una altitud de 850 km, tienen un campo de visión más pequeño, pero una resolución espacial más alta.

La figura a la izquierda (fig. 2SE2.1) muestra las verdaderas distancias relativas de los satélites geoestacionarios y polares. Desde la altitud geoestacionaria, el disco terrestre solo subtiende un ángulo de 17,4 grados. Un típico satélite en órbita polar ve una porción relativamente pequeña del globo a la vez.

A medida que un satélite polar se desplaza alrededor del globo, sus instrumentos toman mediciones a lo largo de su trayectoria. Los instrumentos pueden barrer lateralmente a lo largo de la trayectoria, barrer en forma cónica, o bien hacia adelante, en forma «arrastrada». La imagen siguiente muestra un ejemplo de la geometría de barrido cónica de un satélite en órbita polar (fig. 2SE2.1).

Geometría orbital relativa de satélites en órbita geoestacionaria y polar.Moléculas que absorben la radiación solar.
Fig. 2SE2.1. Geometría de los sistemas satelitales en órbita geoestacionaria y polar (izquierda) y geometría de barrido del satélite SSM/I en órbita polar (derecha).

2.2 Radar meteorológico en los trópicos

2.2 Radar meteorológico en los trópicos »
2.2.1 Radar meteorológico terrestre

El huracán Donna fue uno de los primeros ciclones tropicales observados por radar (fig. 2.7a). Hoy día el radar Doppler mide la posición y la velocidad radial de los objetos, permitiéndonos examinar las características de precipitación de los huracanes con mayor detalle (fig. 2.7b).

Imagen de radar de huracán Donna.
Imagen de radar doppler de huracán Iván.
Fig. 2.7. (a) Imagen de radar de huracán Donna, en 1960 y
(b) imagen de radar Doppler de huracán Iván. La imagen del huracán
Iván es cortesía del Servicio Meteorológico Nacional de Jamaica.

El radar Doppler se llama así porque realiza las mediciones aprovechando el efecto de desplazamiento o corrimiento Doppler, el corrimiento aparente en la longitud de onda y frecuencia de una onda percibida por un observador que se desplaza en relación con el origen de dicha onda, una hipótesis planteada originalmente por Johann Christian Andreas Doppler. La velocidad radial de un objeto se puede calcular de acuerdo con el desplazamiento de fase entre el pulso transmitido y la retrodispersión recibida. Los desplazamientos de fase positivos indican movimiento hacia el radar, mientras los desplazamientos negativos indican movimiento en dirección opuesta al radar. Un desplazamiento de positivo a negativo significa rotación, una señal que facilita la detección de tornados.

La capacidad de observar la precipitación con el radar meteorológico disminuye cuando la topografía es compleja, porque el terreno elevado puede bloquear el haz del radar. Debido a que el radar barre en un ángulo y la superficie terrestre es curva, el radar mide las partes superiores de los sistemas de precipitación a grandes distancias. Note que la capacidad de detección del radar se limita a unos centenares de kilómetros. Puede aprender más sobre las operaciones de radar a través de los servicios de información de radar del Servicio Nacional de Meteorología (NWS) de Estados Unidos.

Los emplazamientos de radar terrestre son muy poco comunes en los trópicos, pese a que la primera red de radares usada para vigilancia meteorológica se formó en Panamá en el año 1944.6 El apéndice A contiene una breve lista de las imágenes de radar terrestre en regiones tropicales que se pueden conseguir en línea. La resolución de los datos de radar permite estudiar los procesos nubosos que influyen en la organización y evolución de los sistemas meteorológicos convectivos. La disponibilidad continua de imágenes de radar es esencial para pronosticar condiciones severas e inundaciones repentinas a corto plazo. Nuestro conocimiento del ciclo de vida, la dinámica y las propiedades microfísicas de la convección tropical ha dependido enormemente de las observaciones de radar realizadas durante estudios de campo. Las imágenes de radar del experimento internacional de nubes en las aguas cálidas tropicales (Tropical Warm Pool-International Cloud Experiment, TWP-ICE) llevado a cabo entre enero y febrero de 2006 revela una variedad de estructuras convectivas y de mesoescala que ocurren bajo regímenes de vientos del este y del oeste (fig. 2.8).

Imágenes radar de convección sobre el NO de Australia el 18 de febrero de 2006 bajo un régimen de vientos del oeste.
Imágenes radar de convección sobre el NO de Australia el 18 de febrero de 2006 bajo un régimen de vientos del este.
Fig. 2.8. (a) Imagen de radar de sistemas meteorológicos convectivos durante un régimen de vientos del oeste el 16 y 17 de enero de 2006 y (b) imagen de radar de sistemas meteorológicos convectivos durante un régimen de vientos del este el 18 de febrero de 2006 (imágenes cortesía del Dr. Peter May).

Se ha demostrado que la asimilación de los datos de radar en los modelos de predicción numérica del tiempo (PNT) mejora la predicción de las estructuras de las tormentas y la cantidad de precipitación anticipada para plazos de 0 a 6 horas.7,8 Para obtener más información sobre la asimilación de datos de radar en los modelos de PNT, vea la presentación del Dr. Juanzhen Sun, en http://meted.ucar.edu/AMS_Radar05/index.htm.

2.2 Radar meteorológico en los trópicos »
2.2.2 Radar Doppler aerotransportado

El radar Doppler se ha instalado a bordo de las aeronaves de investigación desde que fue sometido a prueba el primer prototipo, en 1982.9 El radar Doppler aerotransportado es útil para estudiar células tormentosas individuales y fenómenos meteorológicos de mesoescala porque:

  • Tiene una resolución espacial y temporal muy alta. Por ejemplo, el radar Doppler Electra de haz dual (Electra Doppler Radar, ELDORA), que fue desarrollado gracias a un proyecto de colaboración entre NCAR y el gobierno francés, se destaca por su resolución de muestreo horizontal de alrededor de 400 m,10,11 un orden de magnitud mayor que la mayoría de los sistemas de radar terrestres.
  • Opera en o cerca de los fenómenos de interés

El radar Doppler aerotransportado barre hacia delante y atrás de la aeronave, lo cual produce dos componentes del viento para cada posición en la atmósfera (fig. 2.9). Si aplicamos a estos datos los principios de conservación de momento y de masa, podemos producir una vista tridimensional de la atmósfera. El radar Doppler aerotransportado tiene algunas limitaciones, por ejemplo, los tramos de vuelo deben ser relativamente rectos y la precisión de la velocidad radial se halla dentro de 1,5 m s−1, debido al movimiento de la aeronave (se deben aplicar correcciones para compensar el movimiento de la aeronave12,13). Las operaciones aéreas son costosas y, por tanto, solo pueden proporcionar una cobertura espacial y temporal limitada.

Técnicas de exploración con radar Doppler.
Fig. 2.9. Modelo conceptual de las técnicas de barrido y patrón del haz
del radar Doppler aerotransportado para una aeronave individual
(gráfico cortesía del Dr. David Jorgensen).
Icono Piénselo

Compare la imagen de reflectividad de la fig. 2.10 (abajo) con las imágenes de radar de la fig. 2.7a. ¿Qué características podemos distinguir ahora que no podíamos observar en 1960?


Imagen compuesta de reflectividad de ELDORA de huracán Rita 1706-1742 UTC 22 de septiembre de 2005.
Sección a de reflectividad ELDORA través del huracán Rita 1801-1821 UTC 22 de septiembre de 2005.
Fig. 2.10. (a) Imagen compuesta de reflectividad radar del huracán Rita tomada por ELDORA el 22 de septiembre de 2005 durante el experimento de cambios en las bandas de lluvia y la intensidad de los huracanes (Hurricane Rainband and Intensity Change Experiment, RAINEX). Los pequeños aviones marcan la trayectoria de vuelo. (b) Sección a través del huracán Rita, aproximadamente una hora más tarde. (Imágenes cortesía del Sr. Michael Bell y el Dr. Wen-Chau Lee.)

Las nuevas observaciones realizadas con el radar Doppler aerotransportado nos permiten estudiar estructuras celulares y de precipitación en bandas en el interior de la pared del ojo y las bandas de lluvia de los ciclones tropicales (fig. 2.10). La transformación de estas estructuras se ha relacionado con los cambios en la intensidad de los ciclones tropicales.14 Las imágenes de alta resolución nos permiten examinar los detalles de escala fina y relacionarlos a las estructuras previstas en estudios teóricos y modelos de PNT. La figura 2.10 muestra varias características interesantes que hasta ahora no se habían observado, como filamentos de muy alta reflectividad oblicuos respecto de la pared del ojo y bandas de lluvia concéntricas. Estas estructuras se ven afectadas por vientos variables a medida que se desplazan a lo largo de la pared del ojo y brindan pistas sobre cómo la pared del ojo se transforma durante los cambios rápidos de intensidad.

2.2 Radar meteorológico en los trópicos »
2.2.3 Radar de precipitación a bordo de satélites

El primer radar de precipitación fue lanzado a bordo de un satélite como parte de la misión de medición de la lluvia tropical TRMM (Tropical Rainfall Measurement Mission) en 1997 y generó las primeras mediciones continuas de la precipitación para todas las regiones tropicales. Gracias a su ángulo de observación, el radar de precipitación del satélite TRMM genera mejores descripciones de la estructura vertical de las tormentas que el radar terrestre.15 Además, no exhibe problemas de alcance, como las variaciones de sensibilidad o variaciones regionales de calibración del radar.16 Sin embargo, el radar de precipitación, cuyo barrido cubre una franja de 247 km (fig. 2.11), puede observar cada lugar solo una o dos veces al día. Esta baja resolución temporal significa que el radar de precipitación del TRMM se debe usar en combinación con otras observaciones para los análisis y pronósticos meteorológicos. El radar de precipitación del TRMM pone a nuestra disposición mediciones exactas de la precipitación en los trópicos, las regiones donde cae la mayor parte de la lluvia del planeta,17 y esto ha mejorado nuestro conocimiento del ciclo energético e hidrológico del planeta. Examinaremos el radar de precipitación del TRMM más en detalle en la sección de enfoque 1.

El satélite TRMM y su órbita.
Fig. 2.11. Representación artística del satélite TRMM
y la franja de barrido de su órbita sobre los trópicos.

2.2 Radar meteorológico en los trópicos »
2.2.4 Perfiladores del viento y aplicaciones de capa límite

Los perfiladores del viento operan sobre el mismo principio que el radar Doppler, excepto que apuntan en dirección vertical desde la superficie (fig. 2.12a). Los perfiladores del viento obtienen mediciones de alta resolución de las propiedades de la capa límite, tales como velocidad del viento, temperatura y humedad. Dichas mediciones nos permiten identificar la cizalladura o cortante del viento en los niveles inferiores, un factor sumamente peligroso para las operaciones aéreas. Los productos generados por el perfilador del viento muestran zonas de convergencia o fronteras de humedad en los niveles inferiores que pueden conducir a tiempo severo. Por ejemplo, un perfil tiempo-altura de la velocidad del viento nos permite observar la profundidad y el momento en que se produce un frente de brisa marina sobre la zona central de la costa occidental de Florida (fig. 2.12b), una causa común de formación de tormentas intensas.

Perfilador de viento Doppler basculante y dispersómetros atmosféricos.
Gráfica de perfil tiempo-altura de velocidad del viento.
Fig. 2.12. (a) Modelo conceptual de perfilador de viento y las partículas
que dispersan el haz del radar y (b) gráfica de perfil tiempo-altura de velocidad
del viento sobre Ruskin, Florida. Se destaca el frente de brisa marina.

Un arreglo de perfiladores del viento de muy alta frecuencia (VHF, por sus siglas en inglés) denominada red transpacífica de perfiladores (Trans-Pacific Profiler Network) contribuye a la climatología de velocidad del viento y de variabilidad natural de los vientos en el Pacífico ecuatorial. El primero de estos perfiladores se instaló en 1984. La información generada por la red ha sido útil en los estudios de ENOS y para comprender los efectos locales de las islas para los vientos a gran escala. Los científicos de NOAA diseñaron un perfilador del viento de 915 MHz (33 cm) especialmente para el uso en los trópicos.18 Normalmente, este perfilador realiza mediciones entre 3 y 6 km de altura sobre la superficie del suelo, excepto durante eventos de precipitación, cuando puede observar a mayor altura debido a su sensibilidad a los hidrometeoros. El perfilador se ha usado para clasificar los sistemas de nubes tropicales que provocan precipitaciones en términos de precipitaciones convectivas o estratiformes. Los perfiladores del viento (especialmente los de muy alta frecuencia) han proporcionado excelentes mediciones de los movimientos verticales del aire en el interior de las tormentas convectivas, porque permiten distinguir entre la velocidad de movimiento del aire y la velocidad de caída de los hidrometeoros. Encontrará una descripción detallada de las aplicaciones de los perfiladores de viento en la presentación del Dr. Paul Neiman en http://meted.ucar.edu/AMS_Radar05/.

2.2 Radar meteorológico en los trópicos »
2.2.5 Aplicaciones del radar en la alta troposfera

En los trópicos, la tropopausa y la estratosfera inferior se observan a alta resolución mediante el Radar de Atmósfera Ecuatorial (Equatorial Atmosphere Radar, EAR), un perfilador del viento VHS (fig. 2.13a). El sistema EAR comenzó a operar en la zona ecuatorial de Indonesia en julio del año 2001. Su propósito consiste en observar los vientos y la turbulencia a entre 1,5 y 20 km de altura (troposfera y estratosfera inferior), así como las irregularidades en la ionosfera, a más de 90 km de altura. EAR ofrece una resolución espacial y temporal muy alta (150 m y 1,5 min, respectivamente) y las observaciones de la velocidad del viento que se obtienen con el sistema EAR nos ayudan a identificar las estructuras de onda asociadas con los intercambios troposfera-estratosfera (fig. 2.13b)19 en una de las regiones más activas del mundo en cuanto a convección.

Foto del sistema EAR.
Velocidad del viento por zonas cerca de la tropopausa medida por el radar atmosférico ecuatorial (EAR).
Fig. 2.13. (a) Fotografía del radar EAR y (b) velocidad de viento zonal
cerca de la tropopausa, donde la turbulencia se indica mediante
discontinuidades en la onda ecuatorial de la troposfera superior.19
(Cortesía del Dr. H. Hashiguchi, Research Institute for Sustainable
Humanosphere, RISH, Universidad de Kyoto, 1º de agosto de 2004).

El sistema EAR forma parte de una creciente red regional de radares y otros instrumentos que tienen como fin mejorar nuestra comprensión de cómo la convección en cúmulos y las ondas ecuatoriales afectan el tiempo y el clima, tanto a nivel regional como global.

2.3 Detección satelital de vapor de agua

2.3 Detección satelital de vapor de agua »
2.3.1 Vapor de agua en IR

El vapor de agua emite radiación en la longitud de onda infrarroja (IR) de 6,7 μm. Las imágenes de las emisiones de vapor de agua como las que componen las secuencias de imágenes de los satélites geoestacionarios constituyen un indicativo de los movimientos del aire en los niveles medios y altos de la atmósfera. Es común usar las imágenes IR de vapor de agua para detectar las ondas cortas en la atmósfera superior, los chorros y las cimas de las tormentas. Las áreas brillantes muestran donde el satélite detecta vapor de agua en los niveles altos de la troposfera, como en el caso de las cimas de las tormentas, donde la temperatura es fría. Las áreas oscuras indican los lugares donde la troposfera superior está seca y el sensor puede observar los niveles más bajos de la troposfera, donde al aire es más cálido.

Imagínese que está dando un parte meteorológico. Trate de identificar las características interesantes de la imagen de vapor de agua de la figura 2.14.

Imagen de vapor de agua del GOES.
Fig. 2.14. Imagen de vapor de agua del GOES.

Explicación

Estas son algunas de las características que se observan en la figura 2.14.

Imágenes de vapor de agua y VIS del GOES.

Este ejemplo ilustra que las imágenes IR de vapor de agua no brindan suficiente información y se deben suplir con otras imágenes. Observe que donde en la imagen de vapor de agua vemos un área relativamente oscura, la imagen visible presenta algunas nubes. Mientras el nivel medio-alto está seco, la humedad relativa en la troposfera inferior es alta. Quizás haya observado también que las áreas grises muy claras alrededor de la depresión en altura y la onda tropical indican condiciones húmedas en la troposfera superior. Un examen de la imagen visible permite notar que el área alrededor de la depresión en altura está relativamente despejada, lo cual indica la existencia de condiciones bastante secas en la troposfera inferior. Alrededor de la onda tropical, tanto la imagen de vapor de agua como la imagen visible indican una humedad relativa alta en toda la troposfera.

Si dependiéramos exclusivamente de estas imágenes, llegaríamos a diagnósticos incorrectos de las condiciones atmosféricas cuando la humedad en los niveles inferiores difiere de la humedad en la troposfera media-superior. Por lo tanto, debemos tomar en cuenta otros datos al analizar la distribución del vapor de agua en la atmósfera.

2.3 Detección satelital de vapor de agua »
2.3.2 Estimaciones satelitales de vapor de agua por microondas

Las primeras estimaciones satelitales de la humedad cerca de la superficie se basaban en relaciones empíricas entre promedios mensuales de agua precipitable y observaciones in situ de la humedad específica.20,21 Ahora las estimaciones de humedad específica se realizan directamente con los sensores de microondas de los satélites, así como las observaciones del sensor especial y generador de imágenes de microondas (Special Sensor Microwave/Imager, SSM/I) del programa de satélites meteorológicos del Departamento de Defensa (Defense Meteorological Satellite Program, DMSP) de EE.UU. y la unidad avanzada de sondeo por microondas B (Advanced Microwave Sounding Unit-B, AMSU-B) de NOAA. La figura 2.15a muestra un ejemplo de la humedad específica en la superficie medida por los instrumentos SSM/I y AMSU-B.22 Las estimaciones de vapor de agua total en la columna atmosférica se pueden obtener con los sensores satelitales más nuevos, como el sistema de observación terrestre del radiómetro avanzado de barrido por microondas (Advanced Microwave Scanning Radiometer, AMSr-E) de NASA, lanzado en 2002 (fig. 2.15b).

Humedad específica cerca de la superficie medida por SSM/I y AMSU-B, 23 de abril de 1999.
Vapor de agua total en la columna atmosférica medido con AMSR-E, septiembre de 2005.
Fig. 2.15. (a) Humedad específica cerca de la superficie medida por SSM/I y AMSU-B para el 23 de abril de 199922 y (b) vapor de agua atmosférico (mm) para septiembre de 2005 medido por AMSR-E.

2.4 Sondeos satelitales

Dada la escasez de observaciones de radiosonda en los trópicos (fig. 2.16), los sondeos satelitales constituyen la forma principal de observar la distribución de la humedad a través de la troposfera tropical. Los primeros intentos de generar perfiles de la atmósfera desde el espacio empleaban los datos de los satélites geoestacionarios para estimar el agua precipitable y el vapor de agua total en la columna atmosférica. Las observaciones más recientes aprovechan las señales de la red de satélites de defensa que integra el sistema de posicionamiento global (Global Positioning System, GPS) de EE.UU. La asimilación de los sondeos satelitales puede mejorar considerablemente los pronósticos de las variables de temperatura y humedad; no obstante, el desempeño de los modelos aún puede depender de la calidad de los datos recuperados por los satélites.23

Red mundial de estaciones de radiosondeo.
Fig. 2.16. Red mundial de estaciones de radiosondeo. Las líneas blancas indican los 30 grados de latitud norte y sur.

2.4 Sondeos satelitales »
2.4.1 Sondeos del GOES, POES y DMSP

Los sensores de los satélites GOES, POES y el sensor especial sonda atmosférica/generador de imágenes de microondas (Special Sensor Microwave Imager/Sounder, SSM/IS) del programa de satélites meteorológicos del Departamento de Defensa (Defense Meteorological Satellite Program, DMSP) de EE.UU pueden medir los cambios de temperatura y humedad que se producen con la altura porque los gases atmosféricos absorben la radiación saliente a ciertas longitudes de onda y esa absorción ocurre de forma preferencial a diferentes alturas. Una función de ponderación indica las contribuciones relativas a la radiancia saliente de varios niveles atmosféricos y por tanto determina la capa detectada para una longitud de onda o banda espectral en particular.

A diferencia de las sondas atmosféricas de las últimas dos décadas, que empleaban 20 bandas espectrales, las sondas atmosféricas actuales son hiperespectrales, es decir que la cantidad de bandas que usan es un orden de magnitud mayor. Por ejemplo, la sonda atmosférica infrarroja avanzada (Advanced InfraRed Sounder, AIRS) en órbita polar de NASA emplea 65 bandas espectrales para temperatura, 42 para vapor de agua, 26 para el ozono y 23 para la temperatura de superficie. Las sondas atmosféricas hiperespectrales generan perfiles de una profundidad de 1 K, es decir, 1 a 2 km. La próxima generación de satélites geoestacionarios contará con sondas atmosféricas hiperespectrales infrarrojas. Las sondas atmosféricas en órbita polar tienen resoluciones horizontales del orden de 1 a 10 km sobre franjas de barrido de 1000 km (fig. 2.17). Las sondas atmosféricas geoestacionarias generan observaciones continuas a escala hemisférica con una resolución horizontal aproximada de 8 km. Las imágenes de los satélites geoestacionarios también proporcionan estimaciones de la velocidad de los vientos alrededor del globo (fig. 2.17). Los satélites geoestacionarios también proporcionan estimaciones continuas de los vientos derivadas del movimiento de las nubes y del vapor de agua (fig. 2.17).

Sondeos del POES y vientos derivados del movimiento de las nubes y el vapor de agua por satélites geoestacionarios.
Fig. 2.17. Seis horas de cobertura de (a) sondeos del POES y
(b) vientos derivados del movimiento de las nubes y el vapor de agua por satélites geoestacionarios. Cada color representa la cobertura de un solo satélite.

Encontrará un breve resumen de la base teórica de la recuperación de sondeos satelitales en la sección especial Fundamentos de la recuperación de sondeos atmosféricos satelitales.

2.4 Sondeos satelitales »
2.4.1 Sondeos del GOES, POES y DMSP »
Sección especial 2-3: Fundamentos de la recuperación de sondeos atmosféricos satelitales

La percepción remota satelital se optimiza para distintas partes del espectro según la longitud de onda, la cantidad de energía y la altitud del pico de transmisión o de absorción de diferentes gases y aerosoles. La emisión y absorción solo pueden ocurrir a longitudes de onda discretas que están relacionadas con la estructura molecular de los gases o aerosoles. En el interior de las moléculas, varias transiciones de energía posibles están asociadas con una serie de longitudes de onda características. La radiancia saliente (fig. 2SE3.1) está marcada por bandas de absorción.

Curvas de radiancia de onda larga saliente para temperaturas terrestres y la absorción por los gases atmosféricos en distintas bandas o longitudes de onda.
Fig. 2SE3.1. Curvas de radiancia de onda larga saliente para temperaturas terrestres y la absorción a distintas longitudes de onda (bandas) por algunos gases atmosféricos.

La selección de distintas longitudes de onda de sondeo permite usar las radiancias observadas para inferir perfiles de temperatura y humedad, así como la presión en la cima de las nubes.

La fuente de la emisión debe ser un gas relativamente abundante de distribución uniforme y conocida. El dióxido de carbono es uno de los gases cuya distribución es uniforme y abundante a alturas por debajo de 100 km. La elección de un número de onda para el sondeo requiere una comprensión de las funciones de ponderación, las cuales indican la radiancia relativa que aportan los varios niveles de la atmósfera. Por ejemplo, la función de ponderación del dióxido de carbono para 13,3 µm muestra que la mayor parte de la energía emitida en esta longitud de onda se origina cerca de la troposfera baja a media, como está ilustrado en estas figuras (fig. 2SE3.2).

Radiancia saliente.
Fig. 2SE3.2. Representación esquemática de la radiancia del dióxido de carbono a 13,3 µm (izquierda) y la función de ponderación correspondiente a dicha longitud de onda (derecha).

En general, las bandas discretas de la sonda atmosférica se eligen de modo que la atmósfera se vuelva paulatinamente más opaca de una banda espectral a la siguiente. Cuanto mayor la opacidad, tanto más alto el nivel atmosférico de la señal detectada.

2.4 Sondeos satelitales »
2.4.1 Sondeos del GOES, POES y DMSP »
2.4.1.1 Comparación de sondas atmosféricas y radiosondas

A diferencia de las radiosondas, que obtienen mediciones de temperatura y presión en niveles específicos, las sondas atmosféricas satelitales generan promedios de temperatura y humedad para diferentes capas. Las sondas atmosféricas satelitales suavizan las características verticales, pero captan muy bien el perfil vertical promedio. La figura 2.18 muestra ejemplos de ambos sistemas de observación. De modo particular, la sonda atmosférica del GOES:

  • no puede detectar a través de las nubes, lo cual constituye una desventaja en comparación con las radiosondas;
  • genera mediciones promediadas de 10 km en sentido horizontal, mientras las observaciones de radiosonda son mediciones en puntos discretos muy distantes entre sí (fig. 2.16);
  • tiene una resolución temporal horaria, relativamente alta en comparación con las observaciones de radiosonda, que suelen realizarse a intervalos de 12 horas. La información oportuna de la sonda atmosférica del GOES puede mejorar los análisis de mesoescala y el pronóstico momentáneo (nowcast) de tiempo severo, si se utilizan para diagnosticar el ambiente previo a la convección (por ejemplo, los gradientes de humedad y las lenguas de aire frío en la capa límite) antes de la formación de cantidades considerables de nubes.
Sondeo del POES.Radiosondeo.
Fig. 2.18. (a) Sondeo del POES y (b) radiosondeo para Medford, Oregón (EE.UU.)

El módulo de COMET Introducción al uso de la sonda atmosférica del GOES explica las bases científicas de la recuperación de datos de sondeo y presenta ejemplos de sus aplicaciones.

2.4 Sondeos satelitales »
2.4.1 Sondeos del GOES, POES y DMSP »
2.4.1.2 Vientos derivados por satélite

La velocidad del viento se deriva a partir del seguimiento automático de las características de vapor de agua en la troposfera media-superior y de los elementos nubosos de la troposfera inferior24,25 (fig. 2.19), aunque esto se puede hacer únicamente en áreas sin nubes de gran espesor. La asignación de alturas es uno de los principales impedimentos para la precisión los vientos derivados del seguimiento de características atmosféricas.

Vientos en niveles medios y altos derivados por GOES y MT_SAT, 00UTC, 24 de enero de 2007Vientos de deriva de nubes en IR del GOES y MT_SAT, 00 UTC, 24 de enero de 2007
Fig. 2.19. Vientos derivados por satélite (a) en los niveles
medios a superiores y (b) en los niveles inferiores.

2.4 Sondeos satelitales »
2.4.2 Sondeos por radioocultación del GPS

Mediante la técnica de radioocultación, los receptores satelitales interceptan las señales del sistema de posicionamiento global (Global Positioning System, GPS) e infieren las desviaciones provocadas en las trayectorias de las señales por los gradientes de temperatura y humedad (fig. 2.20). Esta técnica se empleó por vez primera a finales de la década de los sesenta para estudiar las atmósferas de planetas distantes.26

Perfil atmosférico derivado por radioocultación del GPS.
Ejemplo de sondeo de temperatura y humedad.Perfiles de temperaturas tropicales.
Fig. 2.20. (a) Modelo conceptual de cómo se deriva un perfil atmosférico a partir de la radioocultación del GPS, (b) ejemplo de un sondeo de temperatura y humedad, y (c) perfiles de temperaturas tropicales en la alta troposfera y la baja estratosfera.

El satélite MetOp lleva a bordo el receptor y sonda atmosférica del sistema de satélites de navegación global (Global Navigation Satellite System Receiver and Atmospheric Sounding, GRAS), el primer instrumento de radioocultación que hace uso operativo de los satélites GPS para derivar sondeos atmosféricos. El Sistema de Observación en Constelación para Meteorología, Ionosfera y Clima (Constellation Observing System for Meteorology, Ionosphere, and Climate, COSMIC) comprende seis satélites lanzados en 2006 como parte de un proyecto conjunto entre Taiwán y EE.UU. diseñado para obtener perfiles de temperatura y humedad atmosférica con altas resoluciones espaciales y temporales mediante los satélites GPS.

La resolución espacial de los sondeos atmosféricos de COSMIC es de particular importancia en las zonas tropicales, donde los perfiles de radiosonda son muy poco frecuentes y muy distantes entre sí (fig. 2.21). Como lo demuestran las simulaciones publicadas en el sitio web de COSMIC (http://www.cosmic.ucar.edu/), la asimilación de los sondeos con GPS en los modelos de predicción numérica ha mejorado los pronósticos de huracanes. Puede escuchar este webcast de COSMIC para aprender más sobre la técnica de ocultación de GPS: http://www.meted.ucar.edu/COSMIC/.

Radiosondeos y sondeos de COSMIC durante un día.
Fig. 2.21. Sondeos de COSMIC (verde) y radiosondeos (rojo) anticipados por día.

2.4 Sondeos satelitales »
2.4.3 Meteorología GPS basada en superficie

Los sondeos con GPS desde la superficie terrestre se derivan a partir de la medición de la demora de propagación de las señales causada por la atmósfera por encima del instrumento receptor. La red de receptores GPS en superficie (fig. 2.22) genera observaciones autónomas, frecuentes y exactas del contenido de vapor de agua en la superficie. La capacidad de esta técnica de generar mediciones muy precisas del contenido de vapor de agua atmosférico se demostró en 1992.27 Aunque la resolución vertical y temporal de los datos es muy buena, la resolución horizontal es pobre debido a la cantidad relativamente pequeña de estaciones en funcionamiento a nivel mundial. Por lo tanto, las mediciones con GPS realizadas en la superficie se pueden aplicar de forma eficaz al análisis del paso de los límites frontales o una serie temporal en un sitio, pero se deben usar en combinación con otros datos a la hora de realizar análisis a escala regional o continental.

Emplazamientos mundiales de sondeo de GPS con estimados de vapor de agua precipitable y foto de receptor de GPS.
Fig. 2.22. Emplazamientos mundiales del sistema GPS en el año 2007, con estimaciones de vapor de agua precipitable en tiempo real
y foto de receptor GPS terrestre.

2.5 Detección satelital de nubes y precipitación

2.5 Detección satelital de nubes y precipitación »
2.5.1 Observación de las nubes tropicales

Los patrones de nubes nos permiten identificar las estructuras y los fenómenos meteorológicos, como la zona de convergencia intertropical (ZCIT), los ciclones tropicales, las brisas marinas y los tornados. Las nubes cubren casi dos tercios de la superficie terrestre28 y contribuyen a regular el balance radiativo del sistema Tierra-atmósfera.29 La percepción remota satelital constituye el método primario de observar y documentar las propiedades radiativas de las nubes a nivel global. Varios nuevos sensores satelitales también nos ayudan a comprender mejor las estructuras, las formas y las propiedades microfísicas de las nubes.

2.5 Detección satelital de nubes y precipitación »
2.5.1 Observación de las nubes tropicales »
2.5.1.1 Estructura tridimensional (3D) de las nubes

La naturaleza tridimensional de las nubes es evidente en las imágenes satelitales en el visible, en las cuales se distinguen las sombras de las nubes más altas, especialmente cuando el ángulo solar es bajo (fig. 2.23a). La altura de las cimas de las nubes se puede estimar a partir de las mediciones satelitales de la radiancia IR emitida por la cima de las nubes, que es una función de la temperatura absoluta. Por lo general, en los trópicos las nubes cuyas cimas son más cálidas son más bajas y las nubes cuyas cimas son más frías son más altas (fig. 2.23b). Durante la última década, varios nuevos sensores satelitales capaces de captar observaciones simultáneas desde varios ángulos nos han proporcionado vistas tridimensionales de las nubes.30

Imágenes satelitales de sistemas nubosos en el sudoeste del Pacífico en el visible.Imágenes satelitales de sistemas nubosos en el sudoeste del Pacífico en el IR.
Fig. 2.23. Imágenes satelitales de sistemas nubosos
en el sudoeste del Pacífico en el visible (a) y en el IR (b).

Espectrorradiómetro de imágenes desde múltiples ángulos (Multi-angle Imaging Spectro-Radiometer, MISR)

El espectrorradiómetro de imágenes multiangulares (Multi-Angle Imaging Spectro-Radiometer, MISR), a bordo del satélite Terra de NASA lanzado en 1999, observa las nubes desde nueve ángulos diferentes (como en el ejemplo de la figura 2.24) y las localiza en tres dimensiones. El MISR realiza la exploración en las longitudes de onda correspondientes al azul, verde, rojo e IR cercano (0,446; 0,558; 0,672; y 0,866 µm, respectivamente), cuenta con una resolución espacial de 275 m a lo largo de una franja de barrido de 360 km y obtiene una cobertura global (incluyendo toda la zona ecuatorial) aproximadamente cada nueve días.

Imágenes satelitales de sistemas nubosos en el sudoeste del Pacífico desde tres ángulos en el IR.
Fig. 2.24. Imágenes MISR de nubes sobre la península
de Florida desde tres ángulos distintos.

A medida que cambia el ángulo de visión, las nubes parecen desplazarse, un efecto llamado paralaje. (Es fácil experimentar este efecto: extienda un brazo y levante un dedo; luego abra y cierre un ojo y luego el otro: parecerá que el dedo se mueve.)

Para ver cómo se aprovecha este efecto en meteorología satelital, haga clic en el enlace de la animación anterior para abrir una breve película de las nubes sobre Florida. También puede hacer clic en este enlace para ver una versión más grande de la misma animación desde el sitio Visible Earth de la NASA. El mayor movimiento aparente de los cirros respecto de los cúmulos indica que los cirros son más altos. La posición de las nubes en 3D se puede combinar con otra información, como la cantidad de luz solar reflejada, para identificar distintos tipos de nubes. Es posible que en algún momento podamos comprender cómo cada tipo de nube afecta el balance radiativo global.

2.5 Detección satelital de nubes y precipitación »
2.5.1 Observación de las nubes tropicales »
2.5.1.2 Formas de las nubes

Las imágenes satelitales nos permiten distinguir las formas de las nubes, es decir, su morfología. Por ejemplo, las nubes celulares de la capa límite se identifican fácilmente en las imágenes visibles (1 km de resolución) o en las imágenes de color verdadero de alta resolución (fig. 2.25) del satélite geoestacionario.

Formaciones nubosas celulares observadas por MODIS el 23 de febrero de 2003.
Fig. 2.25. Formaciones nubosas celulares
sobre las Bahamas observadas por MODIS.

La convección celular ocurre cuando se calienta la base o se enfría la superficie de una capa de fluido. La existencia de células cerradas indica que el aire asciende en el centro y desciende en los márgenes. Ambas formas de nubes evolucionan bajo condiciones sinópticas estables. Suelen observarse células hexagonales donde la diferencia de temperatura entre el aire y el mar es mayor de 3 °C y la velocidad del viento es menor de 7 m s−1. Woodcook,31 quien observó los patrones de planeo de las aves sobre el océano tropical, fue el primero en describir la relación entre las formas nubosas y determinadas condiciones particulares en la capa límite.

Las imágenes infrarrojas y visibles de los satélites geoestacionarios operativos constituyen las vistas más frecuentes de las formas y los tipos de nubes.

2.5 Detección satelital de nubes y precipitación »
2.5.1 Observación de las nubes tropicales »
2.5.1.3 Parámetros microfísicos de las nubes

El satélite CloudSat, que fue lanzado en 2006, lleva a bordo el primer radar de longitud de onda milimétrica para la detección de nubes desde el espacio. Debido a que puede detectar gotitas líquidas y cristales de hielo más pequeños que el radar meteorológico, CloudSat puede proporcionar mucha información sobre la masa nubosa.32 Las mediciones de CloudSat permiten inferir las propiedades de las nubes tales como las concentraciones de partículas, agua líquida en las nubes e intensidad de la precipitación, que se pueden usar para comprender la variabilidad del clima.

La figura 2.26 muestra un perfil obtenido con CloudSat a través de la tormenta tropical Ernesto. Una extensa zona de alta reflectividad se extiende al sur de las sierras de la República Dominicana. Los tonos rojos y naranja indican la existencia de grandes cantidades de agua y hielo en las nubes, mientras los tonos azules por encima de ellos indican que hay hielo en las nubes. Las líneas azules onduladas a lo largo de la parte inferior de la masa nubosa indican lluvia intensa. La imagen IR tomada desde la perspectiva del satélite no logra detectar las dos pequeñas tormentas debajo del yunque de cirros. La alta reflectividad a lo largo de las cimas de las montañas es una indicación del rol del ascenso orográfico en la producción de grandes cantidades de agua en las nubes. A la misma altitud sobre el océano, los valores de reflectividad son generalmente menores. Puede aprender más acerca de CloudSat en la Sección de enfoque 1.

Perfil de reflectividad de CloudSat a través de la tormenta tropical Ernesto en fase de desarrollo.Segmento orbital superpuesto a una imagen IR realzada del GOES.
Fig. 2.26. (a) Perfil de CloudSat a través de la tormenta tropical Ernesto y
(b) Segmento orbital superpuesto a una imagen IR realzada del GOES del 26 de agosto de 2006.

2.5 Detección satelital de nubes y precipitación »
2.5.2 Estimaciones de precipitación con IR

Las emisiones infrarrojas (IR) son de gran utilidad para estimar la precipitación de las nubes convectivas, porque las cimas de las nubes más altas, que son más frías, se correlacionan con tasas de precipitación más altas (fig. 2.27). La precipitación se estima promediando las temperaturas IR detectadas en distintas áreas y períodos. Esos promedios luego se comparan con las mediciones de precipitación para llegar a una correlación operativa de temperatura y precipitación. Un ejemplo de esto es el índice de precipitación del GOES (GOES Precipitation Index, GPI), que emplea 235 K como temperatura IR y se correlaciona mejor con la precipitación media en áreas que abarcan 50 a 250 km durante períodos de 3 a 24 horas.

Imagen infrarroja para ilustrar varias temperaturas en la cima de las nubes y las tasas de lluvia asociadas.
Fig. 2.27. Imagen infrarroja realzada para ilustrar varias temperaturas en la cima de las nubes y las tasa de lluvia asociadas (mm h−1).

La ventaja principal de las técnicas basadas en el infrarrojo es la alta frecuencia temporal de las imágenes, que para los satélites geoestacionarios GOES y Meteosat Segunda Generación (MSG) puede ser de hasta 15 minutos. Las técnicas que se basan exclusivamente en el infrarrojo implican cierta desventaja en comparación con el radar, porque la menor resolución del satélite en el infrarrojo no permite distinguir la estructura de escala convectiva y la lluvia en las nubes cálidas. Además, los cirros gruesos y la precipitación convectiva lucen similares. Esto significa que las técnicas satelitales basadas exclusivamente en el infrarrojo tienden a subestimar la precipitación en las etapas iniciales del ciclo de vida de los sistemas convectivos, cuando predominan los procesos de lluvia cálida, y a sobreestimarla en las etapas de disipación, cuando los cirros fríos son comunes. El GPI exhibe un sesgo importante sobre África ecuatorial e Indonesia,33 donde la existencia de virga se puede interpretar como lluvia en la superficie, y sobre las montañas altas, donde es posible que la nieve llegue a interpretarse como precipitación (fig. 2.28).

Sesgo del promedio temporal de precipitación analizado directamente (1996-2003) para estimaciones del satélite GPI en mm por día.
Fig. 2.28. Sesgo del promedio temporal de precipitación analizado
directamente (1996-2003) para estimaciones del satélite GPI en mm por día.
El intervalo de las curvas es de 1 mm por día, se ha omitido la línea cero
y el sombreado se indica en la escala (Smith et al., 2006).33

2.5 Detección satelital de nubes y precipitación »
2.5.3 Observaciones de nubes y precipitación con microondas

A partir del sensor especial y generador de imágenes de microondas (Special Sensor Microwave/Imager, SSM/I) del programa de satélites meteorológicos del Departamento de Defensa (Defense Meteorological Satellite Program, DMSP) de EE.UU., que fue lanzado en 1987, los sensores satelitales de microondas han cambiado radicalmente la forma en que distinguimos las propiedades de las nubes y medimos la precipitación desde los satélites, porque detectan la precipitación directamente en las nubes. Esto constituye una gran ventaja frente a las técnicas que emplean el infrarrojo, con las cuales resulta difícil distinguir las nubes que provocan precipitaciones de las que no. Los sensores SSM/I miden la dispersión y las características de emisión de microondas del agua líquida o las partículas de hielo.

Para detectar la precipitación con microondas empleamos varios canales que suelen describirse por su frecuencia en gigahercios (GHz). Algunos canales se encuentran en regiones de ventanas atmosféricas en las cuales los gases atmosféricos absorben muy poca radiación (fig. 2.29). Los sensores satelitales pueden «ver» la superficie a través de estas ventanas, incluso cuando hay nubes. Tanto las regiones de ventana atmosférica como las de alta absorción se emplean para derivar varios productos con el objetivo de identificar las propiedades de la superficie y de las nubes.

Porción de microondas del espectro electromagnético.
Fig. 2.29. La porción de microondas del espectro electromagnético
y su ubicación relativa en el espectro electromagnético.

Las características y capacidades de medición de los sensores de microondas satelitales actuales (en el año 2007) se describen en esta sección y se resumen en el apéndice B.

Sensor especial y generador de imágenes de microondas (Special Sensor Microwave/Imager, SSM/I)

El SSM/I usa las temperaturas de brillo (o de emisión) de las bandas de 37 y 85 GHz (fig. 2.29) para inferir la cantidad de agua líquida y hielo en una columna atmosférica, lo cual se correlaciona bien con la precipitación en superficie. Se utilizan métodos basados en dispersión y emisión para identificar la lluvia. Las técnicas de emisión funcionan bien sobre el océano, donde la emisividad de fondo de la superficie del océano es baja y uniforme. Como sobre tierra firme la emisividad de fondo es mayor y más variable, resulta más difícil distinguir las gotas de lluvia. El hielo dispersa fuertemente las emisiones en el canal de 85 GHz del SSM/I, de modo que se usa para definir la intensidad de la lluvia. Por lo tanto, los datos de precipitación recuperados sobre tierra firme dependen de cierto grado de dispersión.

Sesgo del promedio temporal de precipitación analizado directamente (1996-2003) para estimaciones del satélite SSM/Ic en mm por día.
Fig. 2.30. Sesgo del promedio temporal de precipitación analizado
directamente (1996-2003) para estimaciones del satélite SSM/Ic en mm por día.
El intervalo de las curvas es de 1 mm por día, se ha omitido la línea cero
y el sombreado se indica en la escala (Smith et al.).33

El sesgo del instrumento SSM/Ic es mayor en el hemisferio norte en invierno, cuando las estimaciones de la precipitación son más bajas en comparación con las mediciones realizadas con los pluviómetros33 (fig. 2.30). Entre los factores que pueden contribuir a este sesgo cabe mencionar la existencia de zonas sin muestreo o la eliminación incorrecta de datos debido a la existencia de un manto de nieve o una capa de hielo en la superficie. Sobre Indonesia, los sesgos pueden deberse a la abundancia de nubes altas. Como ocurre con el GPI, el SSM/Ic exhibe un sesgo muy pronunciado sobre África ecuatorial, donde los hidrometeoros detectados por el satélite no alcanzan la superficie.

Unidad Avanzada de Sondeo por Microondas (Advanced Microwave Sounding Unit, AMSU)

AMSU incluye canales de 89 y 150 GHz que son muy adecuados para detectar partículas de hielo. El producto precipitación de AMSU está basado en la dispersión de microondas por las partículas de hielo. Las ecuaciones empleadas para determinar la precipitación derivada por AMSU admiten recuperaciones de datos más exactas sobre tierra firme. Esto difiere de los algoritmos de emisiones previamente usados por el SSM/I, que eran más apropiados para detectar la lluvia en entornos marinos.

Generador de imágenes por microondas del TRMM (TRMM Microwave Imager, TMI)

El generador de imágenes por microondas del TRMM, o TMI, mide la intensidad de la radiación en las bandas de 10, 19, 22, 37 y 85 GHz. Las cuatro frecuencias más altas son similares a las del SSM/I. El canal de 10 GHz fue diseñado para incorporar una respuesta más lineal en los índices de lluvia más altos, que son comunes en los trópicos. Gracias a su órbita más baja, el TMI brinda una mayor resolución que el SSM/I o el AMSU (fig. 2.31). El TMI será reemplazado por instrumentos incluso mejores en los satélites GPM.

Comparación de la distribución de la lluvia.
Fig. 2.31. Comparación de la distribución de la lluvia medida por SSM/I de DMSP, AMSU de NOAA y TRMM-TMI de NASA.

Radiómetro avanzado de barrido por microondas (Advanced Microwave Scanning Radiometer, AMSR-E) de la NASA

El radiómetro avanzado AMSR-E es una adición reciente al arsenal de sensores de NASA empleados para medir la precipitación (fig. 2.32). El AMSR utiliza las siguientes frecuencias: 6,9; 10,7; 18,7; 23,8; 36,5 y 89,0 GHz (polarización horizontal y vertical) y 50,3 y 52,8 GHz (solo polarización vertical). El sensor AMSR-E es similar al SSM/I y al TMI. Sobre el océano, el AMSR-E puede «ver» a través de las partículas pequeñas de las nubes para medir las emisiones de microondas de las gotas de lluvia más grandes. Sobre tierra firme, el AMSR-E puede medir los efectos de dispersión de las partículas de hielo grandes que luego se derriten para formar gotas de lluvia. Estas mediciones se convierten en índices de lluvia mediante un modelo de nubes.

Comparación de estimaciones de precipitación de radar y del AMSR-E.
Fig. 2.32. Comparación de estimaciones de precipitación de radar y del AMSR-E.
Tabla 2.1. Resumen de las características de los instrumentos de microondas de los satélites
  SSM/I AMSU-B TRMM TMI AMSR-E
Bandas espectrales (GHz) 19; 22; 37; 85 89; 150 y tres cerca de 183 10,7; 19; 22; 37; 85 6,9; 10,7; 18,7;
23,8; 36,5; 89
Resolución horizontal (nadir) Entre 12,5 km a 85,5 GHz y 50 km a 19 GHz 16,3 km 4,6 × 6,95 km a 85,5 GHz a 45 km a 10,7 GHz Entre 6x4 km a 89 GHz y 74x43 km a 6,9 GHz
Anchura de barrido (km) 1400 2343 780 1440

Las siguientes son algunas de las características exclusivas de la identificación de nubes y precipitación por microondas.

En las bandas de 85 a 91 GHz:

  • La convección profunda tiene un aspecto relativamente frío.
  • Las nubes de agua y masas de aire húmedo tienen temperaturas de brillo altas sobre las superficies de agua.
  • Las imágenes revelan la estructura interna de las tormentas a través de capas de cirros delgadas.
  • Las imágenes pueden distinguir la convección profunda, pero no siempre pueden ver las circulaciones en los niveles inferiores asociadas principalmente con las nubes de agua bajas.
  • La resolución espacial es más alta que para las imágenes a frecuencias de microondas más bajas.

En la banda de 37 GHz:

  • Las nubes de agua y de precipitación tienen un aspecto cálido en contraste con un océano relativamente frío.
  • En gran medida, la radiación que sale hacia el espacio no se ve afectada por las partículas de hielo, de modo que las imágenes pueden resaltar las estructuras de las nubes en los niveles inferiores.
  • Las imágenes resuelven detalles que no se detectan a 85-91 GHz.
  • Las imágenes muestran regiones de nubes y lluvia en los niveles inferiores.

Encontrará más información en estos módulos de COMET: Percepción remota por microondas: nubes, precipitación y vapor de agua y Productos de satélites polares para pronósticos operativos: análisis de ciclones tropicales por microondas.

En tiempos recientes, se ha derivado una estimación de la precipitación combinando las mediciones de microondas tomadas en órbita terrestre baja, de alta resolución pero baja frecuencia, con las mediciones infrarrojas tomadas con mayor frecuencia de los satélites geoestacionarios. Encontrará una descripción de los productos combinados en la Sección de enfoque 2, al final de este capítulo.

2.5 Detección satelital de nubes y precipitación »
2.5.4 Observación satelital de los ciclones tropicales

Una de las primeras y más importantes aplicaciones de las observaciones satelitales en los trópicos ha sido la estimación de la posición e intensidad de los ciclones tropicales. Desde las primeras imágenes que recibimos, la forma en espiral de los ciclones tropicales ha sido una de las estructuras más fáciles de identificar, pero además las imágenes infrarrojas realzadas nos permiten estimar la intensidad de estas tormentas. Utilizamos una técnica especial denominada realce o curva BD para identificar las cimas de nubes frías asociadas con la convección intensa. Esta técnica, diseñada originalmente por Dvorak34 y luego actualizada y automatizada,35 asocia la intensidad de los ciclones con la temperatura del ojo, la organización de las nubes y el ambiente circundante. La figura 2.33 muestra los cambios en la organización de las nubes, la zona central del ciclón y las bandas de lluvia a medida que ciclón tropical Indlala se intensifica. El 13 y 14 de marzo, la formación de un ojo pequeño (con las temperaturas más cálidas relacionadas con la pared del ojo) y una zona más amplia de bandas de nubes muy frías alrededor del ojo indican el aumento de intensidad.

Imagen IR del ciclón tropical Indlala, 11 de marzo de 2007Imagen IR del ciclón tropical Indlala, 12 de marzo de 2007Imagen IR del ciclón tropical Indlala, 13 de marzo de 2007Imagen IR del ciclón tropical Indlala, 14 de marzo de 2007
Fig. 2.33. Realce IR-BD en imágenes del ciclón tropical Indlala con una presión central de (a) 994 hPa, (b) 984 hPa, (c) 967 hPa y (d) 927 hPa.

Los sensores de microondas han mejorado nuestra capacidad de detectar la estructura interna de los ciclones tropicales, como la posición del ojo, porque esas longitudes de onda se perciben a través de las nubes altas que a veces pueden ocultar el ojo en las imágenes infrarrojas. Por ejemplo, en la figura 2.34 resulta difícil identificar el ojo del ciclón tropical Indlala en las imágenes IR y visible. Sin embargo, el ojo se ve claramente en las imágenes de microondas de 85 GHz. El capítulo sobre ciclones tropicales cubrirá en detalle la técnica de Dvorak y sus adaptaciones, así como otras herramientas empleadas para evaluar la intensidad de los ciclones tropicales.

Imágenes multisensor del ciclón tropical Indlala, 12 de marzo de 2007
Fig. 2.34. Observaciones del ciclón tropical Indlala
con los sensores IR y visible del satélite geoestacionario (arriba)
y el sensor de microondas de 85 GHz en órbita polar (abajo).

2.6 Detección de rayos desde el espacio

Los rayos constituyen un peligro mortal y son un fenómeno muy frecuente en los trópicos, especialmente en las zonas tropicales de los continentes, donde su incidencia es mayor.36 A diferencia de la mayoría de los detectores terrestres, que están limitados a tierra firme y solo pueden detectar las descargas de las nubes al suelo, los sensores satelitales producen vistas de escala regional a global de la actividad de rayos.37 La variabilidad de los rayos es un indicador de la intensidad de las tormentas, de las propiedades microfísicas de las nubes y de la variabilidad en la producción natural de los compuestos de nitrógeno.

El primer sensor de rayos a bordo de un satélite fue el detector óptico de eventos transitorios OTD (Optical Transient Detector),37 que observó los rayos a nivel mundial desde órbita terrestre baja entre 1995 y 2000. El sensor generador de imágenes de rayos LIS (Lightning Imaging Sensor)38 del Global Hydrology Resource Center (GHRC), una versión mejorada del OTD a bordo del satélite TRMM, ha observado los rayos en los trópicos desde 1997. Los índices anuales de destello derivados de los instrumentos LIS y OTD muestran que África central es la zona donde se registra la mayor densidad de relámpagos (fig. 2.35). El instrumento de grabación orbital rápida de eventos transitorios FORTE (Fast On-orbit Recording of Transient Events)39 ha observado la actividad de rayos a nivel global desde 1997 y el sistema operativo de barrido en línea OLS (Operational Linescan System) del DMSP detecta los rayos por la noche en todo el mundo.

Promedio anual combinado de los datos cuadriculados de cantidad de destellos por km2 provenientes de los sensores LIS y OTD.
Fig. 2.35. Promedio anual combinado de cantidad de destellos por km2 a partir de datos cuadriculados provenientes de los sensores LIS y OTD. Las líneas blancas señalan los límites de las observaciones del LIS.

El instrumento LIS comprende una pequeña cámara de estado sólido con filtros especiales que solo admiten la longitud de onda óptica máxima emitida por los rayos. Para mantener una eficiencia de detección del 90 %, el sensor separa las emisiones de fondo de las señales de rayos débiles. La cámara observa una franja de 600 km de ancho y cada píxel de LIS cubre entre 5 y 10 km en el suelo, lo cual permite resolver las células de las tormentas que pueden producir rayos. El sensor OTD detectaba los cambios momentáneos que ocurren en una escena óptica cuando se produce una descarga eléctrica. El sensor observaba una franja de 1300 km con una resolución espacial de 10 km y un índice de detección del 40 al 65 %.37

El OLS incorpora dos telescopios y un tubo fotomultiplicador que permite generar imágenes nocturnas en el visible que abarcan una franja de 1080 km. El OLS produce vistas nocturnas de ciudades, incendios, ciertas nubes y rayos. Los rayos tienen el aspecto de rayas horizontales en las imágenes OLS suavizadas de 2.7 x 2.7 km (fig. 2.36). Encontrará más información sobre el OLS y los nuevos instrumentos de detección nocturna de rayos en el módulo de COMET sobre la generación de imágenes con el VIIRS de NPOESS (Imaging with NPOESS VIIRS: A Convergence of Technology and Experience.

Descargas eléctricas (rayos), nubes y luz urbana.
Fig. 2.36. Descargas eléctricas (rayos), nubes y luces urbanas
detectadas por el instrumento OLS del DMSP.

La detección de rayos del instrumento FORTE se basa en la energía electromagnética de frecuencia radio producida por las descargas eléctricas de los rayos. Cada fase de un relámpago irradia en una banda de frecuencia específica que se graba mediante un instrumento de muy alta frecuencia. Se utilizan dos instrumentos ópticos para confirmar la descarga de un rayo.

También se han usado las cámaras del transbordador espacial para observar los rayos desde el espacio. Las grabaciones de video de las misiones del transbordador espacial han confirmado la existencia de ciertos destellos ópticos observados por pilotos y observadores terrestres en la atmósfera superior («duendes», «chorros azules» y «elfos»). Las observaciones espaciales de los impulsos eléctricos en la estratosfera e ionosfera del satélite de las tormentas han confirmado tales observaciones.

La próxima serie de satélites GOES llevará a bordo sensores de rayos diseñados para realizar análisis meteorológicos y pronósticos de escala global a corto plazo.

2.7 Dispersometría

2.7 Dispersometría »
2.7.1 Velocidad de vientos en superficie

Las observaciones de los vientos en la superficie del océano son esenciales para los pronósticos a corto plazo y los estudios climatológicos y oceanográficos. Los sensores satelitales de microondas representan el método principal de observación de las superficies oceánicas mundiales, porque son sensibles a la rugosidad de pequeña escala causada por los vientos cerca de la superficie del agua (por ejemplo, espuma y olas rompientes). El dispersómetro de vientos marinos SeaWinds del satélite QuikSCAT lanzado por NASA en 1999 genera vectores viento de alta resolución para la superficie del océano. QuikSCAT observa una franja de 1800 km de anchura en la superficie, lo cual significa que cada lugar se observa un máximo de dos veces al día. Las mediciones de vientos se recuperan a una escala espacial de 25x25 km.

Vector viento recuperado por dispersometría.Modelo conceptual del proceso de recuperación del vector viento por dispersometría.
Fig. 2.37. (a) Modelo conceptual del proceso de recuperación del vector viento por dispersometría y (b) ejemplo de vientos derivados por dispersometría sobre el Atlántico tropical.

Para inferir la velocidad del viento cerca de la superficie, el dispersómetro envía pulsos de energía de microondas hacia la superficie del océano y mide la retrodispersión de las ondas de pequeña escala (fig. 2.37). Los vientos derivados por el dispersómetro se pueden usar para observar el movimiento de sistemas meteorológicos atmosféricos tales como las ondas tropicales.

¿Puede identificar la onda en la figura 2.37b?

Explicación

La onda es evidente como una «V» invertida en el campo de vientos.

Vector viento recuperado por dispersometría.

El vector viento en los datos de viento recuperados por dispersometría puede presentar ambigüedades cuando llueve, porque la interferencia de la lluvia crea retrodispersión adicional y atenúa el haz del radar.40 Puede obtener más información sobre la dispersometría en los módulos de COMET Remote sensing of ocean wind speed and direction: An introduction to scatterometry y ASCAT, an Advanced Scatterometer. El apéndice B enumera los sensores satelitales empleados para estimar los vientos en la superficie del océano, incluido WindSat, que fue lanzado en 2003.

2.7 Dispersometría »
2.7.2 Estimaciones de precipitación por dispersometría

A veces, las observaciones satelitales se utilizan de maneras completamente inesperadas por parte del equipo que desarrolló el instrumento. La atenuación de la lluvia, que representa una desventaja en términos de la recuperación de datos sobre vientos, se ha transformado en una importante herramienta de medición de la lluvia. Algunos estudios recientes han demostrado que la retrodispersión del volumen de lluvia en la atmósfera se puede utilizar para estimar las tasas de lluvia.41 El dispersómetro utiliza una técnica llamada «reflectividad diferencial» que permite distinguir las pequeñas gotas de lluvia esféricas de las gotas de lluvia grandes y «achatadas». Cuando la tasa de lluvia excede 5 mm h−1 y el volumen de lluvia contiene más gotas grandes y achatadas, la polarización horizontal de la señal de radar excede la polarización vertical. La polarización dual del dispersómetro permite medir la tasa de lluvia (fig. 2.38).

Tasa de lluvia de TMI y derivada de QuikSCAT.
Fig. 2.38. Estimaciones de tasa de lluvia de SeaWinds promediadas sobre 0,5 grados para coincidir con los datos del TMI dentro de la franja de polarización horizontal del radar. La gráfica superior muestra la medición del TMI. La gráfica inferior muestra las estimaciones de tasa de lluvia de SeaWinds, cuyo patrón espacial de detección de lluvia coincide bien con los datos del TMI. Observe que la calibración de las escalas de color no es idéntica (imagen cortesía del Dr. David Weissman, datos de la NASA).

2.8 Detección satelital del polvo

Aunque hasta ahora hemos considerado principalmente la detección de nubes y precipitación, cabe recordar la importancia de observar las condiciones atmosféricas opuestas, es decir, el aire seco. El aire seco y cálido cargado de arena proveniente del Sahara alimenta la llamada «capa de aire del Sahara», cuyo gran alcance influye en el tiempo y el clima de los trópicos.42 La capa de aire del Sahara contiene enormes cantidades de polvo mineral impulsadas por vientos fuertes (~10 a 25 m s−1). Este inagotable suministro de polvo influye adversamente en los aspectos socioeconómicos de salud, agricultura y vida marina.

Algunos productos especiales derivados de los sensores de los satélites geoestacionarios (GOES y Meteosat) permiten observar el movimiento del polvo y otros aerosoles (partículas suspendidas en el aire). Para detectar el polvo desde los satélites se utilizan técnicas de diferenciación de canales IR (fig. 2.39), el vapor de agua en los niveles medios e imágenes multiespectrales en color verdadero.

Técnica de ventana dividida (split window) empleada para diferenciar entre el polvo y los cirros delgados.
Fig. 2.39. Técnica de ventana dividida (split window) empleada
para diferenciar entre el polvo y los cirros delgados.

En marzo de 2004, estos productos del satélite geoestacionario (fig. 2.40) permitieron observar un espectacular episodio de movimiento de polvo del Sahara que redujo la visibilidad en el norte de África, las Islas Canarias y el Mediterráneo.

Episodio de polvo del Sahara ocurrido en marzo de 2004.Episodio de polvo del Sahara ocurrido en marzo de 2004.Episodio de polvo del Sahara ocurrido en marzo de 2004.
Fig. 2.40. Episodio de polvo del Sahara ocurrido en marzo de 2004 según fue observado en imágenes compuestas de los canales IR de Meteosat-8.

La capa de aire del Sahara inhibe la intensificación de los ciclones tropicales.42 El ciclo de vida del huracán Erin ilustra el efecto de la capa de aire del Sahara en la intensificación del huracán (fig. 2.41). El aire seco y la fuerte cizalladura vertical de los vientos de la capa de aire del Sahara impidieron el fortalecimiento del ciclón tropical. Sin embargo, una vez alejado de la influencia de la capa de aire del Sahara, Erin se intensificó rápidamente sobre el Atlántico occidental.

Imágenes GOES y Meteosat compuestas de la capa de aire del Sahara y huracán Erin, septiembre de 2001.
Fig. 2.41. Interacciones entre huracán Erin y la capa de aire del Sahara, septiembre de 2001.

El realce de color falso se puede usar para identificar el polvo sobre agua y tierra firme (fig. 2.42). El webcast de COMET titulado Dust Enhancement Techniques Using MODIS and SeaWiFs brinda más información sobre las técnicas de realce del polvo en imágenes satelitales.

Imagen MODIS en falso color de nubes de polvo provenientes del desierto arábigo.
Fig. 2.42. Imagen MODIS en falso color de nubes de polvo provenientes del desierto arábigo.

Desde junio de 2006 la misión de observación de nubes y aerosoles con lídar e infrarrojos desde el satélite Pathfinder (Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation, CALIPSO) ha generado perfiles verticales de polvo y otros aerosoles. Su misión consiste en ayudarnos a comprender los impactos de las nubes y los aerosoles sobre el tiempo, el clima y la calidad del aire de nuestro planeta. El satélite lleva a bordo un instrumento llamado lídar, un sensor activo similar al radar, excepto que emite rápidos pulsos de luz verde e infrarroja. Las nubes y las partículas de aerosoles reflejan los pulsos luminosos, produciendo un perfil vertical de la atmósfera. Cada perfil de muestreo del lídar mide aproximadamente 90 metros (300 pies) en longitud. Los perfiles recopilados se secuencian para crear un corte vertical de la atmósfera a lo largo de la órbita del satélite. A bordo del satélite también se encuentran sistemas de generación de imágenes en el IR y el visible. Las observaciones de CALIPSO y CloudSat se realizan con una separación de tan solo 15 segundos, lo cual nos permite estudiar las interacciones entre nubes y aerosoles.

2.9 Observación de la superficie terrestre desde el espacio

2.9 Observación de la superficie terrestre desde el espacio »
2.9.1 Agua superficial: superficie del mar, humedad del suelo, inundaciones

La percepción remota satelital de la superficie terrestre se basa en dos propiedades fundamentales de la radiación de microondas: la polarización y una propiedad eléctrica conocida como efecto dieléctrico (los materiales dieléctricos tienen bajas características de conductividad eléctrica). Las superficies de agua polarizan fuertemente la radiación de microondas, provocando fuertes reducciones de emisividad y temperatura de emisión. Desde el espacio es posible observar ciertos cambios anómalos en las propiedades de las superficies de agua, como por ejemplo su densidad y temperatura. Esto incluye las anomalías en la temperatura de la superficie del mar (TSM) asociadas con El Niño (fig. 2.43). En términos generales, las superficies terrestres no son buenos polarizadores, y un aumento considerable en la emisividad y la temperatura de emisión produce un fuerte contraste entre las superficies de suelo y el agua.

Anomalías de TSM durante el episodio de El Niño de 2002-2003.
Fig. 2.43. Anomalías de TSM asociadas con el episodio de El Niño
de 2002-2003 (detectadas por AMSR-E). Las anomalías cálidas
se representan con tonos rojos y las anomalías frías con tonos azules.

Esta serie de animaciones le permitirá aprender más sobre el concepto de polarización de la radiación electromagnética.

Polarización de la radiación electromagnética (EM)

Aleatoria

Vertical

Horizontal

Lineal, +45°

Lineal, −45°

Circ. izq.

Circular izquierda, desfase de +90°

Circ. der.

Circular derecha, desfase de −90°

La cantidad de radiación de microondas emitida por el suelo disminuye fuertemente a medida que la humedad del suelo aumenta.43 Los suelos muy secos tienen un aspecto relativamente brillante, es decir, más cálido, para un sensor de microondas, mientras los suelos saturados tienen un aspecto relativamente oscuro, o más frío (fig. 2.44).

Tendencias de humedad del suelo.
Fig. 2.44. Tendencias de humedad del suelo
detectadas mediante la temperatura de brillo de microondas.

El efecto dieléctrico produce efectos importantes en las interacciones entre la radiación de microondas y el suelo y la atmósfera. El efecto de la mayoría de los gases y los materiales basados en suelos secos es débil, mientras para los suelos húmedos, la vegetación húmeda y las superficies de agua el efecto es fuerte. Estas características contribuyen a la observación satelital de la humedad del suelo (p. ej., fig. 2.45).

Humedad del suelo medida por AMSR-E.
Fig. 2.45. Imagen compuesta de la humedad del suelo de 12 horas
medida por AMSR-E el 26 de octubre de 2005.

Los productos derivados del generador de imágenes por microondas (TMI) y del radar de precipitación del TRMM se usan para observar el potencial de inundaciones en los trópicos. Es posible utilizar una combinación de canales visibles e IR para observar las inundaciones. La figura 2.46 muestra la inundación del río Zambeze (sudeste de África) que ocurrió entre enero y febrero de 2001.

Inundación provocada por el río Zambeze (sudeste de África).
Fig. 2.46. Inundación provocada por el río Zambeze (sudeste de África)
detectada con una combinación de los canales visible e IR. En este tipo
de imagen el agua es de color azul oscuro o negro, el suelo cubierto por vegetación es verde brillante, las zonas con poca o ninguna cubierta vegetal
son de color tostado a rosado y las nubes entre celeste y blanco.

2.9 Observación de la superficie terrestre desde el espacio »
2.9.2 Vegetación

Los índices de vegetación y los realces de las imágenes satelitales (como la fig. 2.47) se usan para detectar los cambios que se producen en la cubierta vegetal y los niveles de estrés al que están sometidas las plantas, información que puede asistir en la mitigación de hambrunas y para estimar el balance hídrico a nivel global y regional.

  • El índice de área foliar (IAF) corresponde al área de hojas verdes. Los valores mayores que 1 indican múltiples capas de hojas superpuestas.
  • La fracción de radiación fotosintéticamente activa (FRFA) mide la cantidad de luz solar que las hojas están absorbiendo.
Vegetación de fondo de MODIS.Índice de área foliar (IAF) y fracción de radiación fotosintéticamente activa (FRFA) para África, diciembre de 2000.
Fig. 2.47. (a) Detección de vegetación en el sudeste asiático con imágenes
MODIS de color falso. Las zonas mojadas son rojas y las áreas secas
son grises y pardas; (b) índice de área foliar (IAF) y fracción de radiación fotosintéticamente activa (FRFA) en África en diciembre de 2000.

2.9 Observación de la superficie terrestre desde el espacio »
2.9.3 Quema de biomasa

La detección satelital de quema de biomasa (fig. 2.48) se ha vuelto cada vez más sofisticada y se ha usado para seguir el movimiento de sustancias químicas, pronosticar peligros para las operaciones aéreas y documentar la deforestación. Los sensores satelitales también observan las zonas quemadas (fig. 2.48c), ya que en dichas zonas pueden formarse costras que impiden la infiltración del agua, con el resultado de que la mayor parte del agua descargada por una lluvia intensa queda en la superficie y causa inundaciones repentinas.

Imagen del POES de NOAA de 3,7 micrómetros (IR cercano) de incendios y cambios en la superficie en Brasil.Imagen satelital de incendios en África central, 30 de noviembre de 2000Ubicación de zonas quemadas e incendios en África central detectadas con las bandas de IR cercano de onda corta y visible del MODIS.
Fig. 2.48. (a) Detección de incendios y cambios en la superficie del suelo en Brasil con imágenes de IR cercano de NOAA. (b) Imagen MODIS con numerosos incendios activos (puntos rojos) y humo en África Central, 30 de noviembre de 2000.
(c) Zonas quemadas e incendios en África central. Se utilizan los canales de IR cercano de onda corta y visible para que las zonas quemadas se distingan claramente de las zonas con vegetación no quemada. Las zonas quemadas
color rojo profundo están intercaladas con la vegetación color verde brillante
que no se ha quemado. El agua es de color azul oscuro y el suelo con poca o ninguna vegetación es color tostado (a veces rosado) claro.

En la actualidad, el algoritmo automatizado de quema de biomasa para incendios forestales (Wildfire Automated Biomass Burning Algorithm, WFABBA) genera datos de incendios en tiempo real para el hemisferio occidental cada media hora.

2.9 Observación de la superficie terrestre desde el espacio »
2.9.4 Usos del suelo, cubierta del suelo y otros cambios en la superficie en alta resolución

Los procesos de retroalimentación atmósfera-superficie afectan las manifestaciones del tiempo atmosférico y del clima. Por ejemplo, la urbanización crea zonas de convergencia que inician el desarrollo de las tormentas, y hasta cambian el balance de energía y el clima a nivel regional, todo lo cual influye en las condiciones del tiempo. Es esencial contar con datos de uso y cubierta del suelo de alta resolución para el funcionamiento adecuado de los modelos de mesoescala y de turbulencia en la capa límite.

Uno de los sensores empleados para observar el uso y la cubierta del suelo es el radar de apertura sintética, o RAS (Synthetic Aperture Radar, SAR).44 El RAS es adecuado para realizar observaciones de la superficie porque utiliza una tecnología de microondas que mayormente no siente los efectos de la presencia de nubes ni de la hora del día. El RAS funciona como los demás sistemas de radar, pero cuenta con una resolución muy fina en la dirección azimutal. Normalmente, para obtener imágenes de resolución muy fina se utiliza una antena grande que enfoca la energía transmitida y recibida en un haz muy preciso. Sin embargo, como el uso de una antena del tamaño adecuado para observar la superficie terrestre resultaría impráctico, el RAS combina varias señales de un mismo objeto obtenidas a lo largo de una trayectoria de vuelo del radar y las procesa como si las hubiese obtenido simultáneamente con una sola antena grande. La distancia a lo largo de la cual se compilan las señales se conoce como apertura sintética.

El RAS se utilizó por primera vez en el satélite Seasat de la NASA, en 1978.45 A bordo de los transbordadores espaciales, el RAS ha generado mapas globales de alta resolución de topografía, usos del suelo y cambios en la superficie terrestre (fig. 2.49). Entre los satélites actuales equipados con sistemas RAS cabe mencionar el RADARSAT-1 canadiense y el radar avanzado de apertura sintética ASAR (Advanced Synthetic Aperture Radar) del Envisat europeo, y el radar de apertura sintética de banda L de matriz en fase (Phased Array type L-band Synthetic Aperture Radar, PALSAR) japonés. La tabla 2 resume las propiedades de estos instrumentos.

Imágenes del radar espacial (C/Xband Synthetic Aperture Radar) tomadas cerca de Manaus, Brasil
Fig. 2.49. Imágenes tomadas por el radar espacial SIR-C/X SAR del transbordador espacial Endeavor. Las imágenes cubren una región de 8 × 40 km alrededor de Manaus, Brasil, donde la confluencia de los ríos Negro y Solimões forma el Amazonas. Los tonos cian identifican la enorme reducción en la superficie de bosque inundado a medida que ha bajado el nivel de las aguas del río. Las áreas grises no se vieron afectadas por las inundaciones estacionales.
Tabla 2.2. Resumen de las propiedades de RADARSAT, Envisat-ASAR y PALSAR
Radares de apertura sintética RADARSAT-1 Envisat-ASAR PALSAR
Año de lanzamiento 1995 2002 2006
Banda espectral 5,3 GHz 5,33 GHz 1,27 GHz
Resolución horizontal 8 a 100 m 30 m a 1 km 7 a 100 m
Ancho de barrido 45 a 500 km 100 a 405 km 40 a 350 km
Cobertura completa del planeta 34 días 35 días 46 días

Estos sistemas RAS satelitales pueden observar los cambios en la superficie terrestre en un lugar dado durante períodos de varias semanas, lo cual brinda información sobre el impacto de las inundaciones, las zonas quemadas tras la quema de biomasa, etc.

Además de hacer el seguimiento de los cambios en la superficie terrestre, las mediciones de la superficie del océano realizadas con el RAS satelital han asistido en el estudio de los ciclones tropicales. El Envisat-ASAR es sensible a la rugosidad superficial y puede resolver alturas en la superficie hasta a nivel submilimétrico, una capacidad muy útil, ya que las anomalías en la altura de la superficie del mar del orden de mm a cm están asociadas con un mayor grado de absorción de calor y cambio de intensidad en los ciclones tropicales.46 Las observaciones de las circulaciones en la superficie del océano realizadas con el RAS satelital también son de utilidad para estimar la velocidad del viento en la superficie e identificar los máximos de velocidad del viento en los ciclones tropicales.47

Antes del RAS, la imágenes de alta resolución de la superficie se generaban principalmente mediante los sensores del Landsat, que usa las bandas visibles en combinación con las bandas IR reflejadas y térmicas. Las imágenes del Landsat cubren centenares de kilómetros y pueden resolver características del orden de decenas de metros. Los satélites comerciales y de reconocimiento militar también producen imágenes de alta resolución de la superficie terrestre.

2.10 Observación satelital de la química del aire

La observación de la superficie para detectar los contaminantes químicos es inexistente en grandes partes de los trópicos, donde la quema de biomasa (por ejemplo, los incendios forestales y de pastizales) es la causa principal de la contaminación troposférica. Las observaciones satelitales son esenciales para comprender las complejas interacciones de la química con el tiempo y el clima. Ciertas misiones satelitales recientes han generado nueva información sobre las fuentes, las concentraciones y el transporte de ozono (O3), monóxido de carbono (CO) y otros contaminantes.

Por ejemplo, el instrumento de medición de contaminantes en la troposfera (Measurements Of Pollution In The Troposphere, MOPITT) a bordo del satélite EOS Terra detecta el CO a partir de las emisiones IR y el metano y el CO a partir de la luz solar reflejada. El instrumento, que tiene una resolución espacial de 22 km, es capaz de distinguir distintas fuentes de contaminación. Se han registrado niveles altos de CO sobre África central, el sudeste asiático y los océanos circundantes48,49 (por ejemplo, vea la fig. 2.50). La quema de pastizales, terrenos de cultivo y bosques con el fin de preparar el suelo para las actividades agrícolas produce niveles elevados de CO.

Mediciones MOPITT: concentraciones medias de CO en 700 hPa entre el 2 y el 12 de diciembre de 2004
Fig. 2.50. Concentraciones medias de CO medidas en 700 hPa
entre el 2 y el 12 de diciembre de 2004.

Los cuatro instrumentos a bordo del satélite AURA, que fue lanzado en agosto de 2004, se dedican principalmente a observar la troposfera superior, la estratosfera y la mesosfera. El instrumento de observación del ozono (Ozone Monitoring Instrument, OMI) es el más importante para los estudios climáticos de la contaminación en los trópicos, ya que continúa 34 años de observación del ozono que comenzaron con el detector ultravioleta de retrodispersión (Backscatter Ultraviolet Detector, BUV) en 1970 y el espectrómetro de representación de la distribución del ozono total (Total Ozone Mapping Spectrometer, TOMS), en 1978. El OMI mide la luz solar reflejada y retrodispersada en las porciones ultravioleta y visible del espectro (fig. 2.2a). Esos datos se usan también para estimar la cantidad de radiación UV que llega a la superficie, lo cual nos ayuda a decidir cuándo conviene advertir al público de la existencia de niveles excesivos de radiación UV.

El OMI también generará mapas de dióxido de azufre (SO2) y, en combinación con otros instrumentos, observará el ozono (O3) y dióxido de nitrógeno (NO2). El espectrómetro de emisión troposférica (Tropospheric Emission Spectrometer, TES) mide la contaminación en la troposfera inferior asociada con la calidad del aire. La combinación de los modelos atmosféricos con las mediciones de los contaminantes químicos del satélite AURA ha permitido mostrar el vínculo que existe entre la quema de biomasa y las regiones con niveles elevados de ozono (fig. 2.51).

Concentraciones de ozono (partes por mil millones) calculadas a partir de los datos satelitales de Aura y el modelo atmosférico GEOS-Chem.
Fig. 2.51. Concentraciones de ozono (partes por mil millones) calculadas a partir de los datos satelitales de Aura y el modelo atmosférico GEOS-Chem. Observe los altos valores a sotavento de las regiones de quema de biomasa.

2.11 Percepción remota de volcanes

Las erupciones volcánicas son la causa de numerosos peligros naturales50 y muchos de los volcanes activos de nuestro planeta amenazan centros de población en los trópicos. La ceniza (tefra) transportada por el viento representa una amenaza para zonas mucho más grandes que las que podrían verse afectadas por cualquier otro peligro volcánico. Los satélites son herramientas prácticas para observar la difusión de la ceniza y otros materiales volcánicos50 (fig. 2.52), que constituyen un peligro particular para la aviación. La ceniza también puede agregarse y formar partículas grandes que caen rápidamente y son terriblemente nocivas para los seres vivos en la superficie.

Es común identificar las nubes de cenizas volcánicas por medio de la diferencia anormal de temperatura negativa que existe entre las bandas IR de 11 y 12 µm, una técnica que se conoce como «ventana dividida» (split-window) o «absorción inversa». En la imagen resultante, la ceniza volcánica se puede distinguir de las nubes meteorológicas (fig. 2.52b). Aunque esta técnica es estándar y por lo general es confiable para los pronósticos operativos, puede producir falsas alarmas, porque las nubes con topes de hielo presentan diferencias de temperaturas IR similares. En los trópicos, el alto contenido de vapor de agua y la existencia de grandes cantidades de hielo en las nubes reduce la eficacia de esta técnica, de modo que es preciso recurrir a otras. Las imágenes en color verdadero, en las cuales se combinan los canales visible e IR cercano, también permiten detectar la ceniza (fig. 2.52a). Algunas imágenes en color verdadero pueden ser engañosas, ya que identifican partículas más densas y más bajas que la ceniza fina que representa un peligro para las operaciones aéreas.

Erupción explosiva del volcán Soufriere Hills, Montserrat (Mar Caribe) observada por MODIS, 1420 UTC 21 de mayo 2006.Erupción explosiva del volcán Soufriere Hills, Montserrat (Mar Caribe) observada por Meteosat 8, 1440 UTC 22 de mayo de 2006.
Fig. 2.52. Erupción explosiva del volcán Soufriere Hills, Montserrat (Mar Caribe) observada por diferenciación de color verdadero de MODIS (a) y diferencia de temperatura IR de Meteosat-8 (b).

Las nubes volcánicas contienen contaminantes gaseosos y partículas de silicato (ceniza) que dispersan la radiación de microondas y se pueden seguir con el radar51 y los sensores de microondas52 de los satélites. Los gases nocivos emanados por las erupciones se observan no solo mediante los sensores de química del aire como el OMI y el TOMS, sino también con los satélites geoestacionarios (fig. 2.53). Desde el año 2003, la sonda atmosférica infrarroja avanzada (Advanced InfraRed Sounder, AIRS) ha generado imágenes del dióxido de azufre y los aerosoles de origen volcánico. Las características térmicas típicas de los volcanes se identifican también por medio del radiómetro espacial avanzado de reflexión y emisiones térmicas (Advanced Spaceborne Thermal Emission and Reflection Radiometer, ASTER) a bordo del satélite Terra de la NASA. La topografía volcánica se ha medido en detalle muy fino (escala de 1 a 100 m) mediante los radares de apertura sintética a bordo de aviones, satélites y misiones del transbordador espacial.

Detección de lava de la erupción de Karthala, islas Comoras (sudoeste del Océano Índico) el 29 de mayo de 2006.Detección de una estela de SO<SUB>2</SUB> de la erupción de Karthala, islas Comoras (sudoeste del Océano Índico) el 29 de mayo de 2006.
Fig. 2.53. Detección de (a) lava y (b) una estela de SO2 de la erupción de Karthala en las islas Comoras (sudoeste del océano Índico) el 29 de mayo de 2006.

Temas de enfoque

Temas de enfoque »
Sección de enfoque 1: Radar satelital de nubes y precipitación

Temas de enfoque »
Sección de enfoque 1: Radar satelital de nubes y precipitación »
2E1.1 CloudSat

El satélite CloudSat,32 que fue lanzado en 2006, lleva a bordo el primer radar satelital de longitud de onda milimétrica para la detección de nubes. Se trata del radar perfilador de nubes más sensible del mundo (fig. 2E1.1), más de 1000 veces más sensible que los radares meteorológicos actuales. CloudSat recopila datos sobre la estructura vertical de las nubes, incluidos datos sobre las cantidades de agua líquida y hielo, y el efecto de las nubes en la cantidad de luz solar y radiación terrestre que atraviesa la atmósfera. La representación inadecuada de las nubes y sus impactos constituye una fuente de error en los modelos climáticos. Las mediciones de CloudSat deberían aumentar nuestra comprensión de los procesos que tienen lugar en las nubes y reducir los errores en las predicciones climáticas y meteorológicas.

Perfil de temperatura CloudSat.
Fig. 2E1.1. Perfil de CloudSat a través de la tormenta tropical Ernesto durante su fase de desarrollo.

Las imágenes de CloudSat también están generando valiosa información sobre la estructura vertical de los huracanes (fig. 2E1.2). Desde una perspectiva IR, huracán Gordon tiene un aspecto bastante simétrico, pero el perfil de CloudSat revela un fuerte contraste entre la parte norte más débil y la parte sur más intensa de la pared del ojo. En el caso de Ileana, la pared del ojo es más intensa y simétrica y llega a 16 km de altura, en comparación con la convección asimétrica y menos intensa de Gordon, donde la pared del ojo solo alcanza 14 km de altura. La comparación de los perfiles de Ileana y Gordon revela que la pared sur del ojo de la tormenta tropical Gordon está inclinada. La existencia de una cortante en altura debilita los ciclones tropicales, y la estructura vertical de las nubes puede indicar esa condición. El perfil de CloudSat también destaca las variaciones en las bandas de lluvia externas de Ileana. El lado sur del ciclón presenta una nube casi continua, mientras que al norte hay una brecha entre las bandas de lluvia externas. El perfil de las nubes nos permite distinguir los cirros de las nubes de convección profunda, algo que resulta imposible a partir de las imágenes de las cimas de las nubes. A pesar de estos ejemplos, es raro que CloudSat pase exactamente por encima del ojo de un ciclón tropical y dado el período de latencia de 3 a 6 horas de sus datos, estos productos no son útiles para el análisis de los ciclones tropicales en tiempo real.

Órbita de CloudSat superpuesta a una imagen IR de la tormenta tropical Gordon.
Perfil de CloudSat a través de la tormenta tropical Gordon, 26 de septiembre de 2006.
Órbita de CloudSat superpuesta a una imagen IR de la tormenta tropical Gordon.
Fig. 2E1.2. Imagen satelital infrarroja y reflectividad de CloudSat de
(a) la tormenta tropical Gordon y (b) el huracán Ileana.
La línea roja muestra la trayectoria del perfil de CloudSat.

Mire otra vez el perfil de CloudSat del huracán Ileana. Fíjese en la línea gruesa cerca de la parte inferior del perfil de nubes en la figura 2E1.3. ¿Qué representa esa línea?

Perfil CloudSat a través del huracán Ileana, 23 de agosto de 2006.
Fig. 3E1.3. Perfil de CloudSat del huracán Ileana.

Explicación

La línea representa la reflectividad de la superficie del océano.

Observe también que en algunas áreas esa línea gruesa desaparece. ¿Por qué cree que ocurre eso? ¿Cuál puede ser la causa?

Explicación

La línea gruesa desaparece en zonas de precipitación intensa. De acuerdo con lo que indican los estudios de los índices de lluvia de radar, esas tasas de precipitación pueden exceder los 30 mm h−1.

Las áreas rojas y naranja de alta reflectividad por del satélite de la intensa precipitación en superficie indican la existencia de grandes cantidades de agua y hielo en las nubes.

Temas de enfoque »
Sección de enfoque 1: Radar satelital de nubes y precipitación »
2E1.2 Radar de precipitación del TRMM

Tasa de lluvia del radar de precipitación del TRMM (banda interna) y de TMI (bandas externas) 0509 UTC del 15 de septiembre de 2004 y canal IR del GOES 0340 UTC del 15 de septiembre de 2004.
Fig. 2E1.4. Ejemplo de la franja del radar de precipitación
del generador de imágenes por microondas del TRMM.

El radar de precipitación del TRMM, que fue lanzado en 1997, es el primer radar de precipitación en órbita.53 Su resolución espacial es de 4 km en sentido horizontal y 250 m en sentido vertical. La franja de barrido original de 220 km del radar de precipitación aumentó a 247 km (fig. 2E1.4) cuando se elevó la órbita del satélite, en el año 2001.54 El radar de precipitación es un sensor activo cuya resolución es superior a la del generador de imágenes por microondas del TRMM (TMI), un sensor de microondas pasivo. Tras una serie de pruebas de validación que demostraron que las mediciones de lluvia del radar de precipitación son comparables con las del radar terrestre55 (fig. 2E1.5), el radar de precipitación se ha usado en varias aplicaciones.

Promedio de acumulación de lluvia del radar de Kwajalein y del radar de precipitación del TRMM, junio a diciembre de 1999 y 2000.
Fig. 2E1.5. Promedio mensual de acumulación de lluvia (mm)
del radar del atolón Kwajalein y el radar de precipitación del TRMM
dentro de 150 km del radar de Kwajalein, entre junio y diciembre
para los años 1999 y 2000 (Schumacher y Houze55).

El radar de precipitación ha generado información más exacta sobre la cantidad y el tipo de precipitación en los trópicos,55 el ciclo diurno de precipitación,56 la estructura e intensidad de los ciclones tropicales (fig. 2E1.6), la variabilidad de las precipitación, la microfísica de las nubes, la estructura y organización de la convección de mesoescala y los balances de calor y humedad.

Imágenes del ciclón tropical Percy tomadas con el radar de precipitación del TRMM, incluye sección de reflectividad que nuestra la chimenea o torre caliente de cumulonimbos en la pared del ojo.
Fig. 2E1.6. Imágenes del ciclón tropical Percy en el Pacífico Sur
tomadas con el radar de precipitación y el TMI del TRMM.
El perfil del radar de precipitación del TRMM muestra lo que a veces
se denomina chimenea o torre caliente en la pared del ojo.

El calor latente, es decir, el calor liberado o absorbido durante los cambios de fase del agua, es un componente crítico del ciclo energético del planeta. Por ejemplo, los huracanes liberan enormes cantidades de calor latente, especialmente en la región de la pared del ojo57 (fig. 2E1.7).

Secciones verticales de perfiles de tasa de lluvia y de calor latente para huracán Bonnie derivadas del radar de precipitación de TRMM.
Fig. 2E1.7. Arriba: vista en planta de las tasas de lluvia cerca de la superficie para huracán Bonnie el 22 de agosto de 1998. Centro: sección vertical
de los perfiles de tasa de lluvia a lo largo del medio de la trayectoria
del satélite. Abajo: sección vertical de perfiles de calor latente.
Las distancias a través de (en la imagen de arriba) y a lo largo de
la trayectoria del satélite se dan en km (adaptado de Tao et al.)57

Los datos del radar de precipitación se han usado para documentar con mayor precisión el ciclo diurno de la lluvia,56 que los modelos numéricos actuales pronostican con bastante inexactitud. Con la asimilación de los datos del radar de precipitación se ha observado una mejora en el rendimiento de los modelos de predicción numérica, incluidos los modelos de predicción de huracanes.58,59 Se han derivado nuevos productos de potencial de inundaciones a partir de las mediciones del radar de precipitación y del TMI.

Sección de enfoque 2: JPSS, GPM y estimaciones de la precipitación tropical

Los sensores de microondas y radares a bordo de distintas plataformas orbitales ofrecen varias maneras de observar la lluvia, la humedad atmosférica y las propiedades de las superficies del suelo y de los océanos tropicales que nos ayudan a comprender el tiempo y el clima tropical. Los instrumentos más modernos a bordo de las naves del sistema conjunto de satélites en órbita polar (Joint Polar Satellite System, JPSS) y la Misión de Precipitación Global (Global Precipitation Mission, GPM) brindan una cobertura temporal más completa con sensores más avanzados.

Temas de enfoque »
Sección de enfoque 2: JPSS, GPM y estimaciones de la precipitación tropical »
2E2.1 JPSS

La constelación de JPSS colaborará con MetOp de la forma ilustrada en la figura 2E2.1. Las áreas principales de la misión de JPSS son atmósfera, suelo, océano, ambiente espacial y clima. Las capacidades mejoradas de los sistemas JPSS incluirán mayor resolución espacial, generadores de imágenes multiespectrales, sonda atmosférica hiperespectral, gran mejora en la disponibilidad oportuna de los datos (el 95 % de todos los datos globales estarán disponibles dentro de media hora) y repetición de la cobertura local a intervalos de cuatro horas.

El sistema de tres órbitas de JPSS con MetOp.
Fig. 2E2.1. El sistema de tres órbitas de JPSS.

El sistema actual de sensores IR geoestacionarios, sensores de microondas operativos e instrumentos de investigación de microondas en órbita polar se utiliza para generar prototipos de mediciones fusionadas de la precipitación. Los datos IR geoestacionarios de alta frecuencia (15 a 30 min o más) se calibran con las mediciones de los sensores de microondas satelitales y del radar TRMM. NASA, NOAA y el Laboratorio de Investigación Naval (Naval Research Laboratory, NRL) de EE.UU. están sometiendo a prueba distintos productos de precipitación (fig. 2E2.2).

Productos experimentales de fusión de tasas de precipitación de la NASA.
Productos experimentales de fusión de tasas de precipitación del Centro de Predicción Climática (CPC) de la NOAA.
Producto experimental de fusión de tasas de precipitación del Laboratorio de Investigación Naval (<I>Naval Research Laboratory</I>, NRL).
Producto experimental fusionado de tasa de lluvia de NOAA NESDIS: SCamPR 0300UTC 25 de agosto de 2005
Fig. 2E2.2. Productos experimentales de fusión de tasas de precipitación
de NASA, el Centro de Predicción Climática (CPC) de NOAA, el Laboratorio de Investigación Naval (Naval Research Laboratory, NRL) y el servicio nacional
de datos e información de satélites ambientales (National Environmental
Satellite Data and Information Service,
o NESDIS) de NOAA.

Temas de enfoque »
Sección de enfoque 2: JPSS, GPM y estimaciones de la precipitación tropical »
2E2.2 GPM

La misión de precipitación global (Global Precipitation Mission, GPM) amplía la misión del TRMM, ya que proporciona la cobertura a latitudes más altas. Esta misión puede medir tasas de lluvia entre 0,25 y 100 mm h−1. Las órbitas del GPM cubrir el 80 % del globo cada tres horas con el objetivo de que los datos sean accesibles dentro de un plazo de tres horas a partir del momento de la observación.

Frecuencias del radar GPM.
Fig. 2E2.3. Frecuencias del radar GPM.

GPM comprende un satélite principal con un radar de precipitación de frecuencia dual (fig. 2E2.3) e instrumentos de microondas, así como una constelación de satélites en órbita polar cuyas estimaciones de precipitación se pueden calibrar con las del satélite principal (fig. 2E2.4).

Satélite principal y constelación de GPM.
Fig. 2E2.4. Satélite principal y constelación de GPM.

Enfoque operativo

Radar meteorológico

Estimaciones satelitales de vapor de agua

Sondeos satelitales

Análisis de nubes y precipitación de imágenes satelitales

Vientos derivados de satélites

Aplicación de imágenes satelitales a la calidad del aire y evaluación de peligros

Detección satelital de la humedad del suelo

Detección satelital de rayos

Resumen

En los trópicos, la teledetección es un aspecto esencial para el análisis meteorológico, la predicción numérica del tiempo, los estudios climáticos y la mitigación de los peligros relacionados con el tiempo. En las últimas cuatro décadas, la percepción remota desde los satélites y mediante radares ha aumentado enormemente nuestros conocimientos de la atmósfera tropical y de las propiedades de superficie. La disponibilidad de sensores de microondas de alta resolución ha puesto en nuestras manos nueva información fundamental sobre el ciclo hidrológico en los trópicos. Los nuevos radares aerotransportados han generado información detallada sobre el núcleo interno de los ciclones tropicales, información de suma importancia para comprender los cambios en su intensidad. Los sensores de microondas y radares a bordo de varias plataformas orbitales ofrecen varias maneras de observar la lluvia, la humedad atmosférica y las propiedades de las superficies del suelo y de los océanos tropicales que nos ayudan a comprender el tiempo y el clima tropical. Esperamos que la próxima generación de sensores satelitales y radares nos permita aprender incluso más sobre la meteorología tropical.

Apéndice A: Imágenes radar de zonas tropicales

África
La Reunión http://www.meteo.fr/temps/domtom/La_Reunion/
Sudáfrica http://www.weathersa.co.za/web/
Asia
China (sur) http://www.cma.gov.cn/
Hong Kong http://www.hko.gov.hk/wxinfo/radars/radar.htm
India http://www.imd.gov.in/section/dwr/dynamic/dwr.htm
Malasia http://www.met.gov.my/?lang=english
Paquistán (sur) http://www.pakmet.com.pk/RImages/southern.jpg
Tailandia http://www.tmd.go.th/index.php
Taiwán http://www.cwb.gov.tw/V7/index.htm
Australia y Oceania
Australia http://mirror.bom.gov.au/weather/radar/
Guam (EE.UU.) http://radar.weather.gov/ridge/radar.php?rid=gua
Hawái (EE.UU.) http://radar.weather.gov/Conus/hawaii.php
Caribe
Antillas Holandesas y Aruba http://www.meteo.an/Img_Radar_ABC_Cappi_Still.asp
Bahamas http://www.bahamasweather.org.bs/
Barbados http://www.barbadosweather.org/barbados-weather-radar.php
Belice http://www.hydromet.gov.bz/250-km-radar-static
Bermuda http://www.weather.bm/radar.asp
Cuba http://www.met.inf.cu/asp/genesis.asp?TB0=PLANTILLAS&TB1=RADARES
Guadalupe y Martinica http://www.meteo.fr/temps/domtom/antilles/pack-public/animation/animMOSAIC2.html
Guantánamo (EE.UU.) http://radar.weather.gov/ridge/radar_lite.php?rid=gmo&product=N0R&loop=no
Guyana http://www.hydromet.gov.gy/
Jamaica http://www.metservice.gov.jm/radarpage.asp
Puerto Rico (EE.UU.) http://www.srh.noaa.gov/radar/latest/DS.p19r0/si.tjua.shtml
San Martín http://www.meteo.an/Img_Radar_SSS_Cappi_Still.asp
Trinidad y
Tobago
http://www.metoffice.gov.tt/satellite_imagery/radar.aspx
América del Norte
EE.UU. (territorio contiguo, sur) http://weather.noaa.gov/radar/national.html
México http://smn.cna.gob.mx/
América del Sur
Brasil http://www.inmet.gov.br/html/prod_especiais.php
(seleccione “RADARES METEOROLÓGICOS”)
Guyana http://www.hydromet.gov.gy/
 

Apéndice B: capacidades de los sensores y mediciones de microondas de los satélites

Teledetección pasiva por microondas Teledetección activa por microondas
Ejemplos de sensores
AMSU, AMSR-E, SSM/I, SSMIS, TRMM-TMI, WindSat QuikSCAT, TRMM-PR, RADARSAT, ASCAT, CloudSat, PALSAR
Capacidades de medición
Detecta emisiones naturales de energía de microondas Transmite y recibe pulsos de energía electromagnética
Información atmosférica y de nubes por capas Información atmosférica y de nubes por niveles discretos
Vector viento en la superficie del mar, salinidad Vector viento en la superficie del mar, olas oceánicas, salinidad
Precipitación (índice de lluvia/nieve) Precipitación (índice de lluvia/nieve)
Hielo y agua en las nubes Hielo y agua en las nubes
Temperatura y humedad atmosféricas  
Manto de nieve/profundidad de la nieve y hielo marino/concentración del hielo marino Hielo marino, observa su extensión
Equivalente en agua de la nieve  
Humedad del suelo y de la superficie Humedad del suelo y de la superficie
  Vegetación, biomasa, usos del suelo, rugosidad de superficie, topografía y geología (ASCAT, RADARSAT)

Preguntas de repaso

  1. Enumere al menos tres aplicaciones del radar en la meteorología tropical.
  2. Describa las ventajas del radar espacial en comparación con el radar terrestre.
  3. Describa las ventajas de usar los sensores de los satélites geoestacionarios para analizar el tiempo y el clima en los trópicos.
  4. Describa las ventajas de usar los sensores de los satélites en órbita polar para analizar el tiempo y el clima en los trópicos.
  5. Enumere tres tipos de sistemas de percepción remota satelital que producen imágenes de las nubes. Incluya varias de las ventajas y desventajas de cada sistema.
  6. ¿Cómo se usan los satélites para evaluar los peligros de calidad del aire, como la dispersión de cenizas volcánicas, contaminantes químicos, polvo y humo?
  7. Describa tres tipos de sensores usados para estudiar la calidad del aire y enumere sus ventajas y limitaciones.
  8. ¿Por qué son útiles los sensores de microondas para identificar la humedad en la superficie?
  9. ¿Cómo distinguen los sensores de microondas entre los suelos húmedos y secos?
  10. Describa cómo se derivan perfiles verticales de temperatura y humedad mediante los sensores satelitales.
  11. Describa algunas de las ventajas y limitaciones de los sondeos atmosféricos basados en datos satelitales de temperatura y humedad.
  12. Aunque ahora contamos con observaciones satelitales de los vientos sobre los océanos tropicales, que antes eran regiones con poca cobertura de datos, siguen existiendo limitaciones. ¿Cómo se deriva la velocidad del viento?
  13. Explique las limitaciones de las observaciones satelitales del viento.
  14. La próxima generación de sensores en los satélites geoestacionarios será capaz de detectar los rayos, un peligro muy frecuente en los trópicos. ¿Cómo se detectan los rayos desde los satélites?
  15. ¿Qué tipos de variables miden los sensores satelitales usados para detectar los rayos?

Prueba

También puede tomar la prueba y enviarle los resultados a su profesor.

Esbozos biográficos

Uso del radar en la meteorología: Dr. David Atlas

El Dr. David Atlas es reconocido como un pionero en el uso del radar en la meteorología. Según la American Meteorological Society (AMS), el Dr. Atlas «resolvió varios enigmas e inventó numerosas técnicas que transformaron una aplicación incipiente en una herramienta científica y operativa imprescindible». El Dr. Atlas fue uno de los primeros meteorólogos en utilizar el radar en el Cuerpo Aéreo de las Fuerzas Armadas de EE.UU. En 1946 recibió la licenciatura en Meteorología de la Universidad de Nueva York (NYU), y el año siguiente inventó el concepto de contorno de isoeco para cuantificar la reflectividad en tubos de rayos catódicos, una herramienta que se utilizó en los radares aéreos y terrestres durante décadas. Durante 18 años encabezó la sección de radar meteorológico del laboratorio de investigación de la Fuerza Aérea de EE.UU. en Cambridge (Air Force Cambridge Research Laboratory, AFCRL). En 1955 obtuvo el doctorado del Instituto de Tecnología de Massachusetts (MIT). Mientras trabajaba en el AFCRL, estudió la aplicación del radar Doppler a la medición de los vientos. En 1957, junto con Roger Lhermitte capturó grabaciones sonoras del corrimiento de frecuencia corriente arriba y corriente abajo del radar mientras observaban la correspondiente imagen de velocidad-azimut. Entre 1966 y 1972 dictó clases en el Departamento de Meteorología de la Universidad de Chicago, donde encabezó un esfuerzo de colaboración para crear el primer sistema de radar Doppler móvil para uso en programas de estudios de campo en diversos lugares de EE.UU. El radar, denominado CHILL (CHicago ILLinois), aún opera como instalación de investigación y estudio en Colorado State University. En 1972 asumió el cargo de Director de la División de Tecnología Atmosférica de NCAR y encabezó un período de gran avance en el uso del radar meteorológico, incluido el estudio del tiempo severo con el radar Doppler. También dirigió el experimento nacional de investigación sobre el granizo en NCAR. En 1977 fue el director y fundador del Laboratorio para Ciencias Atmosféricas de la NASA en el Centro Goddard de Vuelos Espaciales, y administró el desarrollo de instrumentos espaciales para la observación de sistemas terrestres hasta 1994, año en que se jubiló. Aunque sigue jubilado, aún realiza trabajo de investigación como «científico distinguido visitante» en la NASA.

El Dr. Atlas ha recibido mucho premios, incluidos los siguientes: miembro de la National Academy of Engineering (EE.UU.), de la American Geophysical Society, de la Royal Meteorological Society (R.U.), que le otorgó la Medalla de Oro Symonds, y de la AMS. Fue presidente de la AMS en 1975, y en 1996 recibió la medalla Rossby, el máximo honor que otorga dicha organización.

Uso del radar en meteorología: Dr. Luis Battan (1923 - 1986)

El Dr. Louis Battan fue un pionero en el campo de la física de nubes y del uso del radar en la meteorología. Junto con su colega y gran amigo el Dr. David Atlas, recibió una formación rigurosa en ingeniería de radar y meteorología en el Cuerpo Aéreo de las Fuerzas Armadas de EE.UU., la Universidad de Harvard y MIT. En 1946 recibió la licenciatura en Ciencias de NYU y se trasladó a la Universidad de Chicago, donde obtuvo la maestría y, en 1953, el doctorado. Durante el «proyecto de tormentas» (1946-48), usó el análisis de radar para demostrar la iniciación de la precipitación a partir de la coalescencia en las nubes convectivas de latitudes medias. Junto con el Dr. Roscoe Braham Jr. y el Dr. Horace Byers, el Dr. Battan realizó uno de los primeros experimentos aleatorios sobre la modificación de nubes por nucleación artificial de cúmulos. Permaneció en Chicago hasta 1958, cuando aceptó el cargo de profesor en la Facultad de Ciencias Atmosféricas e Instituto de Física Atmosférica de la Universidad de Arizona, donde también ejerció como director de 1973 a 1982. Allí estudió las relaciones entre el radar y las nubes, los procesos de precipitación y los rayos. Encabezó el desarrollo del primer radar Doppler de 3 cm que midió los movimientos verticales y el tamaño de las partículas en las tormentas en 1964. Fue Presidente de la AMS en 1966-67 y ejerció en numerosos comités a nivel nacional e internacional, incluido el Comité de Asesoramiento Nacional del Presidente de EE.UU. sobre los Océanos y la Atmósfera, en 1978. Jugó un papel decisivo en la fundación de NCAR. Jugó un papel decisivo en la fundación de NCAR. Recibió varios premios, incluido el Premio Meisinger de la AMS en 1962 y el premio Half Century de la AMS en 1975.

El Dr. Battan fue un escritor prolífico, cuyo repertorio incluye uno de los primeros libros de texto sobre el uso del radar en la meteorología, publicado en 1959, y Radar Observation of the Atmosphere, publicado en 1973, que se transformó en un libro de referencia fundamental sobre el tema. Escribió 16 libros y más de 100 monografías. El Dr. Battan falleció en 1986. Para celebrar su contribución a la enseñanza de meteorología a través de publicaciones accesibles e informativas, la AMS instituyó 2 premios de autor «Louis J. Battan» anuales.

Meteorología satelital: Dr. Verner Suomi (1916-1995)

El Dr. Suomi es conocido como el «padre de la meteorología satelital». Cuando miramos alguna imagen satelital, no está de más recordar la deuda que estas imágenes deben a la mente innovadora del Dr. Suomi. Su invención más famosa es la cámara de barrido giratorio, que en 1966 generó las primeras observaciones continuas desde una órbita geoestacionaria. Fue el director y fundador del Space Science and Engineering Center (SSEC) y el Cooperative Institute for Meteorological Satellite Studies (CIMSS) en la Universidad de Wisconsin, Madison, en 1965, donde también ejerció como profesor de ciencias atmosféricas y oceánicas, y ciencias del suelo. El Dr. Suomi también administró el desarrollo del software McIDAS que visualiza, analiza e integra imágenes satelitales con otros datos. Ha recibido numerosos premios, incluidos el Premio Meisinger del AMS en reconocimiento sus logros de investigación aerológica en 1961, la Medalla Nacional de Ciencias en 1977 y el premio IMO de la OMM en 1993 por sus contribuciones pioneras que le merecieron el apodo de «padre del satélite meteorológico». Tras su fallecimiento en 1995, los estudiantes, colegas y amigos del Dr. Suomi en la Universidad de Wisconsin y otros lugares conmemoraron su memoria en:

Verner Suomi, A man for all seasons. University of Wisconsin-Madison. Publicación de SSEC Núm. 98.03.SI. [Disponible de Schwerdtfeger Library, 1225 W. Dayton St., Madison. WI 53706]

En diciembre de 2006 se celebró el cuarenta aniversario del primer satélite geoestacionario de observación terrestre. El sitio web del SSEC destaca los aspectos principales de este período: http://www.ssec.wisc.edu/media/features/dec26_06.htm.

Referencias bibliográficas

1. World Meteorological Organization, 2005: The global observing systems. Twenty-second status report on the implementation of the World Weather Watch, WMO-No. 986. [Disponible en https://ipcc-wg2.gov/njlite_download2.php?id=10799, comprobado el 15 de enero de 2016.]
2. Kidder, S. Q. y T. H. Vonder Haar, 1995: Satellite Meteorology: An Introduction, Academic Press, San Diego, 466 págs.
3. Le Marshall, J., J. Jung, J. Derber, M. Chahine, R. Treadon, S.J. Lord, M. Goldberg, W. Wolf, H.C. Liu, J. Joiner, J. Woollen, R. Todling, P. van Delst e Y. Tahara, 2005: Improving global analysis and forecasting with AIRS. Bull. Amer. Meteor. Soc., 87, 891-894.
4. Lee, M. S. y D. K. Lee , 2003: An application of a weakly constrained 4D VAR to satellite data assimilation and havy rainfall simulation. Mon. Wea. Rev., 131, 2151-2176.
5. Bormann, N., J. N.Thépaut, 2004: Impact of MODIS polar winds in ECMWF's 4DVAR data assimilation system. Mon. Wea. Rev., 132, 929-940.
6. Best, W. H., Jr., 1973: Radars over the hump-Recollections of the first weather radar network. Bull. Amer. Meteor. Soc., 54, 205-208.
7. Lin Y., P. Ray y K .Johnson, 1993: Initialization of a modelled convective storm using Doppler radar derived fields. Mon. Wea. Rev., 121, 2757-2775.
8. Sun, J. y J. Wilson, 2003: The assimilation of radar data for weather prediction. Radar and atmospheric science: a collection of essays in honor of David Atlas. R. Wakimoto and R. Srivastava (Editors), Amer. Meteor. Soc., 175-198.
9. Hildebrand, P. H., 1989: Airborne Doppler radar accuracy. Preprints, 24th Conf. on Radar Meteorology, Tallahassee, Florida (EE.UU.), Amer. Meteor. Soc., 585-588.
10. Hildebrand, P. H. y coautores, 1996: The ELDORA/ASTRAIA Airborne Doppler Weather Radar: High-resolution observations from TOGA COARE. Bull. Amer. Meteor. Soc., 77, 213-232.
11. Wakimoto, R. M., W.-C. Lee, H. B. Bluestein, C.-H. Liu y P. H. Hildebrand, 1996: ELDORA observations during VORTEX 95. Bull. Amer. Meteor. Soc., 77, 1465-1481.
12. Jorgensen, D. P., T. Matejka y J. D. DuGranrut, 1995: Multi-beam techniques for deriving wind fields from airborne Doppler radars. J. Meteor. and Atmos. Physics, 59, 83-104.
13. Bosart, B. L., W.-C. Lee y R. M. Wakimoto, 2002: Procedures to improve the accuracy of Airborne Doppler radar data. J. Atmos. Ocean. Tech., 19, 322-339.
14. Houze, R. A. Jr., S. S. Chen, W.-C. Lee, R. F. Rogers, J. A. Moore, G. J. Stossmeister, M. M. Bell, J. Cetrone, W. Zhao y S. R. Brodzik, 2006: The Hurricane Rainband and Intensity Change Experiment: Observations and modeling of Hurricanes Katrina, Ophelia, and Rita. Bull. Amer. Meteor. Soc., 87, 1503-1521.
15. Hirose, M. y K. Nakamura, 2002: Spatial and seasonal variation of rain profiles over Asia observed by space-borne precipitation radar. J. Climate, 15, 3443-3458.
16. Anagnostou, E.N., C.A. Morales y T. Dinku, 2001: The use of TRMM precipitation radar observations in determining ground radar calibration biases. J. Atmos. Ocean. Tech., 18, 616-628.
17. Adler, R. F. y coautores, 2003: The version-2 global precipitation climatology project (GPCP) monthly precipitation analysis (1979- present), J. Hydromet., 4, 1147- 1167.
18. Gage, K. S., C. R. Williams y W. L. Ecklund, 1996: Application of the 915 MHz profiler for diagnosing and classifying tropical precipitating cloud systems. Meteor. Atmos. Phys., 59, 141-151.
19. Fujiwara, M., M. K. Yamamoto, H. Hashiguchi, T. Horinouchi y S. Fukao, 2003: Turbulence at the tropopause due to breaking Kelvin waves observed by the Equatorial Atmosphere Radar, Geophys. Res. Lett., 30(4), 1171.
20. Liu, W. T., 1988: Moisture and latent heat flux variabilities in the tropical Pacific derived from satellite data, J. Geophys. Res., 93, 6749-6760.
21. Liu, W. T. y P. P. Niiler, 1984: Determination of monthly mean humidity in the atmospheric surface layer over ocean from satellite data, J. Phys. Oceanogr., 14, 1452-1457.
22. Jackson, D. L., G. A. Wick y J. Bates, 2006: Near-surface retrieval of air temperature and specific humidity using multisensor microwave satellite observations. J. Geophys. Res., 111, D10306.
23. Powers, J. G. y K. Gao, 2000: Assimilation of DMSP and TOVS satellite soundings in a mesoscale model. J. Appl. Meteor., 39, 1727-1741.
24. Nieman, S., W. Menzel, C. Hayden, D. Gray, S. Wanzong, C. Velden y J. Daniels, 1997: Fully Automated Cloud-Drift Winds in NESDIS Operations. Bull. Amer. Meteor. Soc., 78, 1121-1133.
25. Velden, C. S., J. Daniels, D. Stettner, D. Santek, J. Key, J. Dunion, K. Holmlund, G. Dengel, W. Bresky y P. Menzel, 2005: Recent Innovations in Deriving Tropospheric Winds from Meteorological Satellites. Bull. Amer. Meteor. Soc., 86, 205-223.
26. Fjeldbo, G., W. C. Fjeldbo y V. R. Eshleman, 1966: Atmosphere of Mars: Mariner IV Models Compared. Science, 153, 1518 - 1523.
27. Bevis, B. G., S. Bussinger, T. A. Herring, C. Rocken, R. A. Anthes y R.H. Ware, 1992, GPS Meteorology: Remote sensing of atmospheric water vapor using the Global Positioning System. J. Geophys. Res., 97, 15787-15801.
28. Rossow, W. B., A. W. Walker y L. C. Garder, 1993: Comparison of ISCCP and other cloud amounts. J. Climate, 8, 2394-2418.
29. Arking, A., 1991: The radiative effects of clouds and their impact on climate. Bull. Amer. Meteor. Soc., 72, 795-813.
30. Diner, D. J., G. P.Asner, R. Davies, Y. Knyazikhin y J. P. Muller, 1999: New directions in earth observing: scientific applications of multiangle remote sensing. Bull. Amer. Meteor. Soc., 80, 2209-2228.
31. Woodcock, A. H., 1942: Soaring over the open sea. Sci. Mon., 55, 226-232.
32. Stephens, G. L., D. G. Vane, R. Boain, G. Mace, K. Sassen, Z. Wang, A. Illingworth, E. O'Connor, W. Rossow, S. L. Durden, S. Miller, R. Austin, A. Benedetti, C. Mitrescu y el equipo científico de CloudSat 2002: The CloudSat Mission and the A-Train: A new dimension of space-based observations of clouds and precipitation. Bull. Amer. Meteor. Soc., 83, 1771-1790.
33. Smith, T. M., P.A. Arkin, J. J. Bates y G. J. Huffman, 2006: Estimating bias of satellite-based precipitation estimates. J. Hydromet., 7, 841-856.
34. Dvorak, V.F., 1975: Tropical cyclone intensity analysis and forecasting from satellite imagery. Mon. Wea. Rev., 103, 420-430.
35. Olander, T. L. y C. S. Velden, 2007: The Advanced Dvorak Technique: Continued development of an objective scheme to estimate tropical cyclone intensity using geostationary infrared satellite imagery. Wea. Forecasting, 22, 287-298.
36. Zipser, E. J., D. J. Cecil, C. Liu, S. W. Nesbitt y D. P. Yorty, 2006: Where are the most intense thunderstorms on earth? Bull. Amer. Meteor. Soc., 87, 1057-1071.
37. Christian, H. J. y coautores, 2003: Global frequency and distribution of lightning as observed from space by the Optical Transient Detector. J. Geophys. Res., 108, D14005.
38. Christian, H. J. y coautores, 1999: The Lightning Imaging Sensor, Proceedings of the 11th International Conference on Atmospheric Electricity, Guntersville, Alabama, June 7-11, 1999, 746-749.
39. Jacobson, A. R., D. A. Smith y J. Harlin, 1998. Correlation of LANL Sferic-Array results with VLF data from the National Lightning Detection Network and with VHF data from the FORTE satellite. AGU Fall Meeting - LA-UR-99-4614.
40. Weissman, D. E., M. A. Bourassa y J. Tongue, 2002: Effects of rain rate and wind magnitude on SeaWinds scatterometer wind speed errors. J. Atmos. Ocean. Tech., 19, 738-746.
41. Weissman, D. E., M. A. Bourassa, J. Tongue y J. J. O'Brien, 2003: Calibrating the QuikSCAT/SeaWinds radar for measuring rain over water. IEEE Trans. Geosci. Remote Sens., 41, 2814-2820.
42. Dunion, J.P. y C.S. Velden, 2004: The impact of the Saharan Air Layer on Atlantic tropical cyclone activity. Bull. Amer. Meteor. Soc., 85, 353-365.
43. Basist, A., N. C. Grody, T. C. Peterson y C. N. Williams, 1998: Using the Special Sensor Microwave/Imager to monitor land surface temperatures, wetness, and snow cover. J. Appl. Meteor., 37, 888-911.
44. Curlander, J. C. y R. N. McDonough, 1991: Synthetic Aperture Radar: Systems and Signal Processing, John Wiley Series in Remote Sensing, John Wiley and Sons, 672 págs.
45. Deane, G. C., 1980: Preliminary evaluation of SEASAT-A SAR data for land-use mapping. The Geographical Journal, 146, 408-418.
46. Shay, L. K., G. J. Goni y P. G. Black, 2000: Effect of a warm ocean ring on hurricane Opal, Mon. Wea. Rev., 128, 1366-1383.
47. Katsaros, K. B., P. W. Vachon, W. T. Liu y P. G. Black, 2002: Microwave remote sensing of tropical cyclones from space. J. Oceanogr., 58, 137-151.
48. Kim, J. H., S. Na, M. J. Newchurch y R. V. Martin, 2005: Tropical tropospheric ozone morphology and seasonality seen in satellite and in situ measurements and model calculations, J. Geophys. Res., 110, D02303.
49. Edwards, D.P., J.-F. Lamarque, J.-L, Attie, L. K. Emmons, A. Richter, J. P. Cammas, J. C. Gille, G. L. Francis, M. N. Deeter, J. Warner, D. C. Ziskin, L. V. Lyjak, J. R. Drummond y J. P. Burrows, 2003: Tropospheric Ozone over the Tropical Atlantic: A satellite perspective. J. Geophys. Res., 108 (D8), 4237.
50. Myers, B., S. R. Brantley, P. Stauffer y J. W. Hendley II, 2004: What are volcano hazards?, U.S. Geological Survey Fact Sheet 002-97. [Disponible en http://pubs.usgs.gov/fs/fs002-97/, comprobado el 23 de agosto de 2007.]
51. Rose, W. I. y A. B. Kostinski, 1994: Radar remote sensing of volcanic clouds, U. S. Geological. Survey Bull 2047: Proceedings of International Symposium on Volcanic Ash and Aviation Safety, edición de T. Casadevall, 391-396.
52. Oppenheimer C., 1998: Volcanological applications of meteorological satellites. Int. J. of Remote Sens., 19, 2829-2864.
53. Simpson, J., C. Kummerow, W.-K. Tao y R. Adler, 1996: On the Tropical Rainfall Measuring Mission (TRMM). Meteor. Atmos. Phys., 60, 19-36.
54. NASA News, 2001: TRMM Spacecraft getting a boost to extend its watch on weather and climate processes. NASA News, No-01-84. [Disponible en http://earthobservatory.nasa.gov/Newsroom/view.php?id=21878, comprobado el 01 de agosto de 2011.]
55. Schumacher, C. y R. A. Houze, Jr., 2003: Stratiform rain in the tropics as seen by the TRMM Precipitation Radar. J. Climate, 16, 1739-1756.
56. Nesbitt, S. W. y E. J. Zipser, 2003: The diurnal cycle of rainfall and convective intensity according to three years of TRMM measurements, J. Climate, 16, 1456-1475.
57. Tao, W-K. y coautores, 2006: Retrieval of latent heating from TRMM measurements. Bull. Amer. Meteor. Soc., 87, 1555-1572.
58. Hou, A., S.-Q. Zhang, A. M. da Silva, W. S. Olson, C. D. Kummerow y J. Simpson, 2001: Improving global analysis and short-range forecasts using rainfall and moisture observations derived from TRMM and SSM/I passive microwave. Bull. Amer. Meteor. Soc., 82, 659-679.
59. Hou, A. y O. Reale, 2004: Variational continuous assimilation of TMI and SSM/I rain rates: Impact on GEOS-3 hurricane analyses and forecasts. Mon. Wea. Rev., 132, 2094-2109.