Millora de la predicció i seguiment de la convecció per a la presa de decisions i alerta primerenca en entorns crítics

Abstract

[cat] Aquesta tesi aborda el seguiment i el nowcasting de tempestes convectives intenses en entorns crítics, amb especial atenció a l’Àrea Metropolitana de Barcelona (AMB) i als principals aeroports del nord d’Itàlia. El fil conductor és la utilització del producte radar de densitat de VIL (DVIL) com eina d’identificació i pronòstic de sistemes convectius. La DVIL combina l’estimació del contingut d’aigua integrat verticalment amb l’alçada de la columna com a magnitud optimitzada tant per a la diagnosi de la magnitud de la intensitat de la precipitació convectiva com pel seguiment i la predicció a molt curt termini (nowcasting). Malgrat no oferir una informació detallada sobre el desenvolupament vertical de les tempestes, la DVIL incorpora aquesta dimensió en un producte bidimensional de menor complexitat. Això el fa més fàcil de processar pels algoritmes que s’utilitzen, per exemple, en l’aviació, i en facilita les prediccions en temps quasi real. Aquestes prediccions poden ser molt útils en l'ajuda a la presa de decisions envers la trajectòria, aterratge i enlairament d'un avió o la gestió de la xarxa de drenatge d'una gran ciutat. El treball s’articula al voltant de quatre eixos principals: la definició de criteris òptims de detecció i seguiment; el desenvolupament i l’optimització de l’eina de seguiment i pronòstic RaNDeVIL; aplicant-lo a situacions de temps violent en els principals aeroports del Nord d'Itàlia, en tres casos d’estudi del 2019 a partir de les dades de la Rete Radar Nacionale (RRN) i observacions en superfície; l’anàlisi dels nius de tempesta a Barcelona i aplicació del RaNDeVIL a l'AMB, amb especial incidència en l'aeroport de Barcelona, a partir de dades radar del Servei Meteorològic de Catalunya (SMC), així com d'observacions en superfície incloent-hi la xarxa de pluviòmetres de Barcelona Cicle de l'Aigua S.A. (BCASA); i la dimensió de transferència de coneixement i cocreació amb la societat a través del Barcelona Living Lab on Extreme Events (BLLEE) del projecte I-CHANGE. En essència el RaNDeVIL consisteix en la identificació i seguiment dels nuclis de tempesta més intensos a partir de la DVIL per poder-los caracteritzar i realitzar el pronòstic de la seva evolució en els pròxims minuts (fins a 60 min). El primer requisit de l’algoritme és definir el llindar de DVIL associat a la convecció o intensitat del fenomen que es pretén identificar. En els entorns aeroportuaris del nord d’Itàlia, les proves de configuració van apuntar a llindars de DVIL d’1 g/m3 i una àrea mínima de 20 km2 pel seguiment òptim de les tempestes amb convecció profunda (a vegades associada a temps violent) dels casos d’estudi seleccionats. A Catalunya, en canvi, ha estat necessari relaxar els llindars d’intensitat (DVIL = 0.5 g/m3) i d’extensió (4 km2). Aquests llindars permeten capturar episodis convectius de precipitació intensa o amb temps violent sense fragmentar en excés el seguiment. La validació per objectes aplicada (MODE i mètriques d’àrea i distància entre centroides), mostra prediccions robustes fins a 18–30 minuts i útils fins a 60 minuts en alguns casos pel que fa a trajectòries, amb una degradació de l’habilitat a mesura que s’allarga l’horitzó. Sobre dades pel

període 2014–2022 a l’AMB, el mòdul del tracking del RaNDeVIL assoleix una probabilitat de detecció amb anticipació de precipitació convectiva del 72.8%, amb un índex crític d’encerts de 0.53 i una taxa de falses alarmes del 33%, demostrant potencial com a predictor de convectivitat. A partir de la combinació dels valors de CAPPI 6-minutals (SMC), de la pluja en superfície 1-minutal (BCASA) i de les incidències (BCASA) ha estat possible identificar i classificar els episodis de precipitació significativa pel municipi de Barcelona. Les distribucions de centroides intraciutat identifiquen punts negres o àrees que concentren els valors de reflectivitat més elevats i es comparen amb aquelles que resulten d’aïllar els episodis amb incidències de drenatge a la ciutat. Els resultats mostren la combinació de les dades anteriors amb informació sobre inundacions i retards en l'aeroport de Barcelona han permès identificar els episodis que han tingut un major impacte en l’AMB. Aquests es caracteritzen mitjançant el mòdul de tracking del RaNDeVIL. L’anàlisi revela patrons clars: a l’estiu dominen trajectòries més heterogènies, amb centroides distribuïts terra endins, i un màxim horari ampli entre la matinada i primera hora de la tarda; en canvi, a la tardor predominen intensificacions de tempesta sobre el mar amb desplaçaments paral·lels a la costa i pics horaris de tarda. Operativament, el RaNDeVIL s’ha integrat satisfactòriament en una cadena de gestió d’arribades (AMAN, Arrival Manager) desplegada sobre l’aeroport de Milà-Malpensa pel cas d’estudi, aportant informació immediata i rellevant per a la gestió de seqüenciacions en presència de convecció. Alhora, el BLLEE ha demostrat que la combinació d’instrumentació de baix cost i processos participatius pot potenciar l’alfabetització dels impactes del canvi climàtic i risc hidrometeorològic, facilitant el retorn de coneixement i suggerint incorporar indicadors de percepció i criteris de confort en la planificació urbana i els protocols d’alerta. Les limitacions identificades a la tesi inclouen la fragmentació dels seguiments per manca de superposicions d’àrea (segons el llindar de DVIL establert) entre productes consecutius de radar, que comporten prediccions de molt curta durada, i les propagacions anòmales nocturnes. Aquestes obren línies futures concretes: incorporació d’una variació en la mida de l’àrea del seguiment (en funció de les tendències recents) i de la intensitat en l’extrapolació, combinació amb mòduls probabilístics o basats en aprenentatge automàtic, disseny de llindars adaptatius condicionats pel context i integració de fonts complementàries com descàrregues elèctriques i productes 3D per a diagnosi i verificació creuada. En conjunt, la tesi ofereix una nova proposta per millorar la predicció de tempestes intenses a alta resolució en entorns de decisió. Connecta diagnosi física, necessitats operatives i dimensió social, i contribueix a enfortir els sistemes d’alerta primerenca i la resiliència urbana davant la precipitació convectiva en escenaris mediterranis.

[spa] Esta tesis aborda el seguimiento y el nowcasting de tormentas convectivas intensas en entornos críticos, con especial atención al Área Metropolitana de Barcelona (AMB) y a los principales aeropuertos del norte de Italia. El hilo conductor es la utilización del producto radar de densidad de VIL (DVIL) como herramienta de identificación y pronóstico de sistemas convectivos. La DVIL combina la estimación del contenido de agua, integrado verticalmente, con la altura de la nube de tormenta. De ese modo se obtiene una magnitud optimizada tanto para el diagnóstico de la intensidad de la precipitación convectiva como para el seguimiento y la predicción a muy corto plazo (nowcasting). Aunque no ofrece una información detallada sobre el desarrollo vertical de las tormentas, la DVIL incorpora esta información en un producto bidimensional de menor complejidad. Esto lo hace más fácil de procesar por algoritmos utilizados, por ejemplo, en aviación, y facilita predicciones en tiempo casi real que pueden ser muy útiles para la toma de decisiones sobre la trayectoria, aterrizaje y despegue de un avión, o para la gestión de la red de drenaje de una gran ciudad. El trabajo se articula en torno a cuatro ejes principales: la definición de criterios óptimos de detección y seguimiento; el desarrollo y la optimización de la herramienta de seguimiento y pronóstico RaNDeVIL; su aplicación a situaciones de tiempo severo en los principales aeropuertos del norte de Italia, en tres casos de estudio de 2019 a partir de datos de la Rete Radar Nazionale (RRN) y observaciones en superficie; el análisis de los núcleos de tormenta en Barcelona y la aplicación del RaNDeVIL en el AMB, con especial incidencia en el aeropuerto de Barcelona, a partir de datos radar del Servei Meteorològic de Catalunya (SMC) y de observaciones en superficie incluyendo la red de pluviómetros de Barcelona Cicle de l’Aigua S.A. (BCASA); y la dimensión de transferencia de conocimiento y cocreación con la sociedad a través del Barcelona Living Lab on Extreme Events (BLLEE) del proyecto I-CHANGE. En esencia, el RaNDeVIL consiste en la identificación y seguimiento de los núcleos de tormenta más intensos a partir de la DVIL para poder caracterizarlos y realizar el pronóstico de su evolución en los próximos minutos (hasta 60 min). El primer requisito del algoritmo es definir el umbral de DVIL asociado a la convección o a la intensidad del fenómeno que se pretende identificar. En los entornos aeroportuarios del norte de Italia, las pruebas de configuración señalaron umbrales de DVIL de 1 g/m3 y un área mínima de 20 km2 para el seguimiento óptimo de tormentas con convección profunda (a veces asociadas a tiempo severo) en los casos de estudio seleccionados. En Cataluña, en cambio, fue necesario relajar los umbrales de intensidad (DVIL = 0.5 g/m3) y de extensión (4 km2). Estos umbrales permiten capturar episodios convectivos de precipitación intensa o con tiempo severo sin fragmentar en exceso el seguimiento. La validación por

objetos aplicada (MODE y métricas de área y distancia entre centroides) muestra predicciones robustas hasta 18–30 minutos y útiles hasta 60 minutos en algunos casos en cuanto a trayectorias, con una degradación de la habilidad a medida que se alarga el horizonte. Con datos del periodo 2014–2022 en el AMB, el módulo de tracking del RaNDeVIL alcanza una probabilidad de detección anticipada de precipitación convectiva del 72.8%, con un índice crítico de aciertos de 0.53 y una tasa de falsas alarmas del 33%, demostrando potencial como predictor de convectividad. A partir de la combinación de valores de CAPPI de 6 minutos (SMC), de lluvia en superficie de 1 minuto (BCASA) y de incidencias (BCASA) ha sido posible identificar y clasificar los episodios de precipitación significativa en el municipio de Barcelona. Las distribuciones de centroides intraciudad identifican puntos negros o áreas que concentran los valores de reflectividad más elevados y se comparan con aquellos que resultan de aislar los episodios con incidencias de drenaje en la ciudad. Los resultados muestran que la combinación de los datos anteriores con información sobre inundaciones y retrasos en el aeropuerto de Barcelona, permitió identificar los episodios de mayor impacto en el AMB. Estos se caracterizan mediante el módulo de tracking del RaNDeVIL. El análisis revela patrones claros: en verano dominan trayectorias más heterogéneas, con centroides distribuidos tierra adentro y un máximo horario amplio entre la madrugada y primeras horas de la tarde; en cambio, en otoño predominan intensificaciones de tormenta sobre el mar con desplazamientos paralelos a la costa y picos horarios vespertinos. Operativamente, el RaNDeVIL se ha integrado satisfactoriamente en una cadena de gestión de llegadas (AMAN, Arrival Manager) desplegada sobre el aeropuerto de Milán-Malpensa para el caso de estudio, aportando información inmediata y relevante para la gestión de secuenciaciones en presencia de convección. Al mismo tiempo, el BLLEE ha demostrado que la combinación de instrumentación de bajo coste y procesos participativos puede potenciar la alfabetización sobre los impactos del cambio climático y el riesgo hidrometeorológico, facilitando el retorno de conocimiento y sugiriendo la incorporación de indicadores de percepción y criterios de confort en la planificación urbana y en los protocolos de alerta. Las limitaciones identificadas en la tesis incluyen la fragmentación de los seguimientos por falta de superposición de área (según el umbral de DVIL establecido) entre productos consecutivos de radar, lo que conlleva predicciones de muy corta duración, y las propagaciones anómalas nocturnas. Estas abren líneas futuras concretas: como la incorporación de una variación en el tamaño del área de seguimiento (en función de tendencias recientes) y de la intensidad en la extrapolación, combinación con módulos probabilísticos o de métodos basados en aprendizaje automático, diseño de umbrales adaptativos condicionados por el contexto e integración de fuentes complementarias como descargas eléctricas y productos 3D para diagnóstico y verificación cruzada. En conjunto, la tesis ofrece una nueva propuesta para mejorar la predicción de tormentas intensas a alta resolución en entornos de decisión. Conecta diagnóstico físico, necesidades operativas y dimensión social, y contribuye a fortalecer los sistemas de alerta temprana y la resiliencia urbana frente a la precipitación convectiva en escenarios mediterráneos.

[eng] This thesis addresses the monitoring and nowcasting of intense convective storms in critical environments, with particular attention to the Metropolitan Area of Barcelona (AMB) and the main airports of Northern Italy. The guiding thread is the use of the radar-derived Density of Vertically Integrated Liquid (DVIL) as a tool for the identification and short-term prediction of convective systems. DVIL combines the estimation of vertically integrated water content with the column height as an optimized magnitude for both diagnosing the intensity of convective precipitation and for short-term tracking and nowcasting. Although it does not provide detailed information on the vertical development of storms, DVIL incorporates this dimension into a two-dimensional product of lower complexity. This makes it easier to process by algorithms used, for example, in aviation, and facilitates near real-time forecasts that can support decision-making regarding aircraft trajectory, landing and take-off, or the management of the drainage network in a large city. The work is structured around four main axes: the definition of optimal detection and tracking criteria; the development and optimization of the RaNDeVIL tracking and nowcasting tool; its application to severe weather situations in the main airports of Northern Italy through three 2019 case studies based on Rete Radar Nazionale (RRN) and surface observations; the analysis of storm cores in Barcelona and the application of RaNDeVIL to the AMB, with particular focus on the Barcelona airport, using radar data from the Meteorological Service of Catalonia (SMC) and surface observations including the rain-gauge network of Barcelona Cicle de l’Aigua S.A. (BCASA); and, finally, the dimension of knowledge transfer and co-creation with society through the Barcelona Living Lab on Extreme Events (BLLEE) within the I-CHANGE project. Essentially, RaNDeVIL identifies and tracks the most intense storm cores from DVIL fields to characterize them and forecast their evolution in the following minutes (up to 60 min). The first requirement of the algorithm is to define the DVIL threshold associated with convection or the intensity of the phenomenon to be identified. In the airport environments of Northern Italy, configuration tests indicated thresholds of DVIL = 1 g/m3 and a minimum storm area of 20 km2 for the optimal tracking of deep convection (sometimes associated with severe weather) in the selected case studies. In Catalonia, however, it was necessary to relax the intensity thresholds (DVIL = 0.5 g/m3) and extension thresholds (4 km2). These thresholds enable the capture of convective precipitation or severe weather episodes without excessive fragmentation of the tracks. Object-based validation (MODE and area/centroid distance metrics) demonstrated robust forecasts up to 18–30 minutes, and useful guidance up to 60 minutes in some cases regarding trajectories, with a progressive degradation of skill as lead time increases.

For the 2014–2022 period in the AMB, the RaNDeVIL tracking module achieved a probability of detection for convective precipitation of 72.8%, a critical success index of 0.53, and a false alarm rate of 33%, demonstrating its potential as a predictor of convectivity. By combining 6-min CAPPI data (SMC), 1-min surface rainfall data (BCASA), and drainage incident reports (BCASA), it was possible to identify and classify significant precipitation episodes affecting the municipality of Barcelona. Intracity centroid distributions highlighted hotspots with the highest reflectivity values, which were compared with those episodes involving urban drainage incidents. The results show that combining these data with information on floods and delays at Barcelona airport allowed the identification of episodes with the greatest impact on the AMB. These were characterized using the RaNDeVIL tracking module. The analysis revealed clear patterns: in summer, storm trajectories were more heterogeneous, with centroids distributed inland and a broad diurnal maximum from early morning to early afternoon; in contrast, in autumn storm intensifications predominated over the sea, with displacements parallel to the coast and evening maxima. Operationally, RaNDeVIL was successfully integrated into an AMAN (Arrival Manager) chain deployed over Milan-Malpensa airport for the case study, providing immediate and relevant information for sequencing management in the presence of convection. At the same time, the BLLEE demonstrated that the combination of low-cost instrumentation and participatory processes can enhance literacy on climate change impacts and hydrometeorological risks, facilitate knowledge transfer, and suggest the inclusion of perception-based indicators and comfort criteria in urban planning and warning protocols. The limitations identified in this thesis include track fragmentation due to insufficient overlap (as defined by the DVIL threshold) between consecutive radar products, leading to very short-range forecasts, and anomalous nocturnal propagation. These open specific avenues for future work: incorporating storm area and intensity trends into extrapolation schemes, integration with probabilistic or machine-learning-based modules, the design of adaptive thresholds conditioned by context, and the integration of complementary sources such as lightning data and 3D products for diagnosis and cross-verification. Overall, the thesis provides a new proposal to improve the high-resolution prediction of intense storms in decision-making environments. It links physical diagnosis, operational needs, and social dimensions, and contributes to strengthening early warning systems and urban resilience against convection in Mediterranean settings.