GNSS meteorology: the role of tropospheric delay estimates in weather forecasting strategies

The Global Navigation Satellite System (GNSS) main purpose is the positioning of an object with respect to an Earth-Centered Earth-Fixed reference frame. Thanks to the system design, GNSS signals can be used also to sense atmospheric water vapor. This is of utmost importance for many meteorological and climate-related applications because it is one of the main ingredients of all the atmospheric processes, from cloud formation to energy flows balance. GNSS-based tropospheric water vapor monitoring is currently used for operational meteorology only in some countries like Japan, UK, and France. In these countries, time series of Zenith Total Delays (ZTD) or Precipitable Water Vapor (PWV), derived from GNSS observations, continuously collected by permanent regional networks of geodetic receivers, are routinely assimilated into mesoscale Numerical Weather Prediction (NWP) models. This dissertation demonstrates the opportunity of using GNSS for meteorological applications, with the purpose of spreading this technology in all those countries, like Italy, where it is not already exploited. GNSS water vapor products are first of all validated to assess the reliability of this source of information. In particular, a statistical comparison between GNSS ZTD and similar physical observations derived by other instruments has been performed. For the comparison, conventional meteorological instruments like radiosondes, a radiometer, and also non-conventional ones like the Synthetic Aperture Radar (SAR) sensor have been considered. The results show good agreement between the different data sources, unlocking in some cases the possibility to realize a homogeneous water vapor dataset merging different sensing instruments and techniques. GNSS tropospheric delays are then used to give a first characterization of rain events, highlighting the relation between ZTD time series from a GNSS receiver, rain, and other meteorological variables recorded by a co-located ground meteorological station. A preliminary analysis has been done and some conclusions obtained from selected case studies have been drawn. One of the most important roles of meteorology is to provide forecasts of dangerous events like localized heavy rainfall. Due to the chaotic behavior of the atmospheric processes, this is a very difficult task in which water vapor plays a fundamental role. The availability of water vapor observations can bring improvements in the capability of forecasting intense rainfall events. In this regard, two different experiments are presented. The first deals with the assimilation of GNSS ZTD from a national network into a Numerical Weather Prediction model. Results show that the assimilation improves the forecast capability both in terms of intensity and localization of considered events. The second experiment deals with feeding black-box models with GNSS ZTDs to forecast convective rainfalls at a local scale. A neural network was built and trained with 8 years time series of meteorological data and GNSS ZTDs to predict the occurrence of intense convective events defined by means of a meteorological radar. Promising values of accuracy have been obtained, proving that the implementation of forecasting models based on black-box architectures could be a complementary solution to physically-based models.

Lo scopo principale del Global Navigation Satellite System (GNSS) è il posizionamento di un oggetto rispetto a un sistema di riferimento geocentrico solidale con la Terra. Grazie alla natura del sistema, i segnali GNSS possono essere utilizzati anche per monitorare il vapore acqueo atmosferico. Questa variabile è importante per molte applicazioni meteorologiche e climatiche perché rappresenta uno degli ingredienti principali di tutti i processi atmosferici, dalla formazione delle nuvole al bilancio dei flussi energetici. Il monitoraggio del vapore acqueo troposferico grazie al GNSS è attualmente utilizzato operativamente per scopi meteorologici solo in alcuni paesi come Giappone, Regno Unito e Francia. In questi paesi le serie temporali di Zenith Total Delays (ZTD) o Precipitable Water Vapor (PWV), che sono derivate dalle osservazioni GNSS e sono continuamente raccolte dalle reti regionali permanenti di ricevitori geodetici, vengono abitualmente assimilate in modelli numerici di previsione meteorologica. Questa tesi vuole mostrare alcune strategie di utilizzo del GNSS per applicazioni meteorologiche, con lo scopo di diffondere questa tecnologia in quei paesi, come l'Italia, dove non è ancora sfruttata. Le stime di ritardo troposferico sono prima validate per valutare l'affidabilità di questa fonte di informazioni. In particolare, è stato effettuato un confronto statistico tra lo ZTD da GNSS e osservazioni fisiche simili derivate da altri strumenti. Per il confronto, sono stati considerati strumenti meteorologici convenzionali come le radiosonde, un radiometro e anche strumenti non convenzionali come il SAR (Synthetic Aperture Radar). I risultati mostrano un buon livello di accordo tra le diverse fonti di dati, consentendo la realizzazione di un dataset di dati di vapore acqueo omogeneo basato su diversi strumenti e tecniche di rilevamento. I ritardi troposferici GNSS sono quindi utilizzati per fornire una prima caratterizzazione degli eventi di pioggia, evidenziando la relazione tra le serie temporali ZTD da un ricevitore GNSS, la pioggia e le altre variabili meteorologiche rilevate da una stazione meteo. Uno dei ruoli più importanti della meteorologia è quello fornire previsioni di eventi potenzialmente pericolosi come i temporali localizzati. A causa del comportamento caotico dei processi atmosferici, questo è un compito molto difficile in cui il vapore acqueo gioca un ruolo fondamentale. La disponibilità di osservazioni di vapore acqueo è utile per migliorare la previsione di eventi di pioggia intensi. A questo proposito, vengono presentati due esperimenti. Il primo riguarda l'assimilazione dello ZTD stimato da una rete di ricevitori GNSS a scala nazionale in un modello numerico di previsione meteorologica. I risultati mostrano che l'assimilazione migliora la capacità di previsione sia in termini di intensità che di localizzazione degli eventi considerati. Il secondo esperimento riguarda l’utilizzo di serie temporali di ZTD da GNSS come input di modelli black-box con lo scopo di predire piogge convettive intense. Diversi modelli black-box sono stati addestrati sulla base di 8 anni di dati meteorologici e di ZTD da GNSS per prevedere il verificarsi di eventi convettivi intensi identificati tramite radar meteorologico. Le accuratezze ottenute sono promettenti, a dimostrazione che l’implementazione di modelli previsionali black-box può essere una soluzione complementare ai modelli fisicamente basati.