Reconocimiento de las tormentas 57

Se diseñó un algoritmo que permite determinar la extensión de las tormentas, se consideran tormentas a aquellas regiones con lluvia en la superficie mayor a 0.1mm/hr. Por otro lado, el algoritmo no considera las tormentas que estén al borde del swath del PR ya que podría darse el caso que el swath sólo capture una parte de la tormenta. Además para hacer este reconocimiento de las tormentas se extendió un poco el área de estudio, debido a que si queremos mantener el criterio de no capturar tormentas incompletas, pero a la vez capturar las suficientes para hacer algún tipo de estadística, debemos considerar que los bordes del área de estudio limitan el número de tormentas que entran en el conteo. Así que en este caso mientras el área es más grande es mejor, pero, si debemos cuidar de no extender el área a una zona con características de lluvia distintas. Finalmente se decidió extender el área de estudio a la región limitada por la línea amarilla de la figura 5.10.

El tamaño de las tormentas mas grandes que son registradas depende del área de estudio, el área de la zona de estudio es 10900 km2. Es menos probable encontrar tormentas muy grandes que se encuentren dentro de los límites de la zona de estudio. En este estudio la tormenta más grande registrada tiene una extensión de 1300 km2_.

Figura 5.10 La región encerrada por la línea amarilla es el área de estudio extendida para determinar la extensión de las tormentas. Se limitó a esa zona debido a la topografía y a que en la lluvia observada en las isoyetas de colores, que son producto de una climatología de

lluvia de alta resolución (Nesbitt et al., 2009) , se aprecia una diferencia entre la región andina y la selva alta al este. Imagen de Google Earth.

Para hacer el reconocimiento de las tormentas se utilizó el comando regionprops de matlab, al cual se le debe ingresar dos imágenes. Una es la imagen que contiene los valores de lluvia para cada pixel. La otra imagen es una imagen binaria, que es una matriz lógica, cuyos elementos toman solo 2 valores: el valor de 1 para las zonas con lluvia (cualesquiera sea su valor) y el valor 0 cuando no hay lluvia, esta matriz lógica se observa como una imagen en blanco y negro, donde las zonas de lluvia se ven de blanco y las zonas sin lluvia se ven en negro (figura 5.10). El comando calcula el tamaño de las zonas con lluvia, es decir, cuenta el numero de pixeles de la imagen binaria con valores igual a 1. Además permite obtener la posición de cada pixel y el valor de lluvia de los pixeles que conforman cada región.

En la sección anterior se obtuvo una grilla regular de 0.05º de resolución con los valores de lluvia interpolados bilinealmente para cada pasada del PR TRMM, pero al hacer eso se perdió la forma de la matriz original de lluvia que tiene el número de rayos y el número de escaneo y que permite visualizar el swath como una imagen. Para usar el comando regionprops se debe tener una matriz de la lluvia que corresponda espacialmente con el swath del PR. Además, se quiere que en la matriz de lluvia la lluvia menor a 0.1mm/hr sea considerada como cero y además se debe ignorar las tormentas que colindan con los bordes del swath y de la zona de estudio. Por ello se diseñó un algoritmo que permite reconstruir el swath del PR con los puntos de la grilla regular de 0.05º, que cumple con el criterio de lluvia mínima 0.1 mm/hr y que considera los límites de la zona de estudio. El resultado de este algoritmo es una matriz de lluvia que luego es usada como la imagen de lluvia (figura 5.11) por el comando regionprops.

Seguidamente se debe obtener la imagen binaria, la forma más común de generar imágenes binarias es mediante la utilización de un valor umbral; es decir se elige un valor limite a partir del cual todos los valores de intensidades mayores serán codificados como 1 mientras que los que estén por debajo serán codificados a cero. En matlab este tipo de operaciones se realizan de forma bastante sencilla utilizando las propiedades de sobrecarga de los símbolos relacionales.

En nuestro caso el algoritmo que genera la imagen de lluvia reconstruida (LluviaPR) considera a los valores de lluvia menor a 0.1mm/hr como cero así que para crear la imagen binaria en matlab hacemos lo siguiente:

Figura 5.11 A la izquierda se muestra la imagen de lluvia, se observa el swath del PR y la lluvia a colores, además se ha asignado un valor fijo a aquellos pixeles que están dentro de la zona de estudio para que se distingan en la imagen (color celeste). A la derecha la imagen binaria formada a partir de la imagen de la izquierda; es mucho más fácil distinguir los pixeles con lluvia en la imagen de la derecha ya que aparecen en blanco y los pixeles con lluvia igual a cero en negro.

Finalmente con la imagen de lluvia y la imagen binaria, se utiliza el comando regionprops, para identificar las tormentas en un swath del PR TRMM, se hace esto para todos los swaths que tienen pixeles dentro de la zona de estudio. El algoritmo diseñado guarda los valores de lluvia total de la tormenta para cada tamaño (extensión horizontal) de tormenta y cuenta cuantas tormentas de cada tamaño hay . Conociendo la lluvia total y el numero de pixeles de la tormenta se puede calcular la intensidad de la lluvia o lluvia por pixel para cada tormenta, los resultados de esta parte se muestran en la sección 6.6.