When a radar pulse encounters obstacles in its path, the accuracy of radar reflectivity data is adversely affected, which in turn decreases the quality of forecasting and nowcasting tools such as rainfall totals and cell-tracking algorithms. In this study, we seek an optimal solution for real-time, operational gap-filling in radar data contaminated by known areas of ground clutter, and explore a variety of algorithms of increasing complexity to that end, making use of a geostatistical method known as ordinary kriging. The final result is the development of a "smart" ordinary kriging algorithm. This method replaces clutter-contaminated pixels in radar data using the weighted average of a nearby collection of uncontaminated pixels, which have been specially selected to sample independent spatial and temporal information while avoiding bogging down calculations with redundant information. These data are obtained not only from the same reflectivity scan as the ground clutter to be corrected, but also from different heights and from both earlier and near-future times. The incorporation of the time dimension in particular adds a great deal of value to simplistic algorithms, even when only data from past times are considered. Radar scans from earlier times are thus shown to be a major untapped source of information that can be used to generate (and regenerate, using near-future data) more accurate radar products. / Lorsqu'un signal radar rencontre des obstacles, la précision des données de réflectivité est endommagée, ce qui réduit la qualité des outils de prévisions météorologiques tels les totaux de précipitation et les algorithmes qui surveillent l'évolution des orages. Dans cette étude, on recherche une solution optimale pour remplir en temps réel et dans un contexte opérationnel les trous d'information causés par les échos de sol, en explorant une variété d'algorithmes de plus en plus complexe basée sur une méthode géostatistique: le kriging ordinaire. Le résultat final est le développement d'un algorithme de kriging ordinaire "intélligent". Cette méthode remplace les pixels contaminés en utilisant la moyenne pondérée de pixels non-contaminés à proximité, où ces pixels sont sélectionnés specialement pour incorporer des données indépendentes et pour ne pas surcompliquer les calculs avec trop d'informations redondantes. Ces informations proviennent non seulement du même temps et du même niveau que la région qui doit être corrigée, mais aussi d'aux autres niveaux ainsi que du passé et du proche-futur. L'inclusion de la dimension temporelle en particulier offre grand valeur même aux algorithmes les plus simples, et aussi lorsqu'on considère seulement les informations du passé et non du futur. Les données du radar des temps antérieurs constituent alors une source inexploité d'informations qui pourraient permettre de générer (et de régénérer, en utilisant les données du proche-futur) des produits radar plus précis.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.121490 |
| Date | January 2014 |
| Creators | Anderson-Frey, Alexandra |
| Contributors | Frederic Fabry (Internal/Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (Department of Atmospheric and Oceanic Sciences) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically-submitted theses |
Page generated in 0.0025 seconds