SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

G. Haase, T. Landelius and D.M. Michelson

nigel-white avatar
nigel-white
14 diapositives · 310 Views · Dec 01, 2014

WP2: Extraction of Information from Doppler Winds. G. Haase, T. Landelius and D.M. Michelson. Swedish Meteorological and Hydrological Institute. Doppler wind measurements. Quality control (e.g. de-aliasing). Assimilation into NWP models (e.g. VAD profiles, superobservations …).

#g. haase, t. landelius and d.m. michelson #g. haase, t. landelius and d.m. michelson ppt #powerpoint #presentation
G. Haase, T. Landelius and D.M. Michelson - slide 1
01 / 14G. Haase, T. Landelius and D.M. Michelson
1 / 17

Télécharger la présentation

G. Haase, T. Landelius and D.M. Michelson
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. WP2: Extraction of Information from Doppler Winds G. Haase, T. Landelius and D.M. Michelson Swedish Meteorological and Hydrological Institute

  2. Doppler wind measurements Quality control (e.g. de-aliasing) Assimilation into NWP models (e.g. VAD profiles, superobservations …)

  3. Aliasing problem Doppler “dilemma”

  4. De-aliasing algorithm Linear wind model:

  5. De-aliasing algorithm Linear wind model: Map the measurements onto the surface of a torus

  6. Case study Vantaa (Finland): 4 December 1999, 12:00 UTC

  7. Case study Vantaa (Finland): 4 December 1999, 12:00 UTC observed velocity de-aliased velocity

  8. Validation Hemse (Sweden): 2 July 2003, 10:47 UTC Sample size: 388,147 pixels Nyquist velocity: 7.55 m/s

  9. Application 1: Wind profiles (VVP) Vantaa (Finland): 4 December 1999, 12:00 UTC

  10. Application 2: Superobservations Vantaa (Finland): 4 December 1999, 12:00 UTC

  11. Application 2: Superobservations Vantaa (Finland): 4 December 1999, 12:00 UTC observed velocity de-aliased velocity

  12. Summary • accurate & robust post-processing algorithm • (elimination of multiple folding) • no additional wind information needed • (independent data source) • improved quality of wind profiles and superobservations for data assimilation

  13. To do • validate the new de-aliasing algorithm for convective precipitation events • generate de-aliased superobservations: • SMHI & FMI: July 2000 + January 2002 • prepare real-time application

  14. Deliverables • Report: Radar radial wind superobservations • (http://carpediem.ub.es) • Data sets