Ricostruzione 3D del campo di vento utilizzando osservazioni radar Doppler

Abstract

Le tempeste di vento sono tra i fenomeni naturali più distruttivi in Europa, causando ogni anno ingenti perdite economiche e vittime. Questa tesi studia la struttura tridimensionale del vento nelle nubi temporalesche a partire dai dati radar Doppler, con un caso di studio sul temporale multicellulare che ha colpito Torino il 23 settembre 2023. La ricostruzione del vento ha utilizzato dati di un radar C-band operativo e di un radar X-band installato nell’area, con LiDAR e osservazioni di superficie per la validazione. Il pacchetto Pythonic Direct Data Assimilation (PyDDA) ha assimilato le osservazioni radar. Sono stati condotti test di sensibilità per valutare l’effetto della risoluzione della griglia, del filtraggio passa-basso e dei pesi della funzione di costo sulle prestazioni della stima. La componente verticale del vento e la direzione del vento orizzontale sono risultate le più difficili da stimare, mentre la velocità orizzontale e quella radiale hanno ottenuto coefficienti di correlazione tra 0,6 e 0,8 nelle configurazioni ottimizzate. Le principali limitazioni derivano dalla configurazione del LiDAR, dalla geometria radar e dalle difficoltà intrinseche dei metodi di assimilazione. Nonostante ciò, i campi ricostruiti hanno catturato l’evoluzione temporale del temporale, inclusi afflussi, deflussi, zone di convergenza e moti convettivi organizzati. I risultati evidenziano il potenziale e i limiti attuali di PyDDA. Studi futuri dovrebbero ottimizzare la geometria radar e implementare assimilazioni in tempo reale per migliorare il nowcasting e le strategie di mitigazione del rischio. Parole chiave: Tempesta di vento, ricostruzione del vento, radar Doppler, WIND-RISK, PyDDA

Windstorms are among the most destructive natural hazards in Europe, causing severe economic losses and casualties each year. This thesis investigates the reconstruction of the three-dimensional wind structure of thunderstorm clouds from Doppler radar measurements, with a case study of the multicellular thunderstorm that struck Turin on September 23, 2023. The wind retrieval was performed using data from an operational C-band radar and an X-band radar deployed within the study area. Additionally, a LiDAR and surface observations were used for validation. The Pythonic Direct Data Assimilation (PyDDA) package was applied to assimilate the radar observations. Sensitivity tests were conducted to evaluate the influence of grid resolution, low-pass filtering, and cost function weighting on the performance of the retrieval. Vertical wind speed and horizontal wind direction were found to be the most challenging variables to retrieve, while validation of horizontal wind speed and radial wind achieved correlation coefficients between 0.6 and 0.8 under optimized settings. The performance was limited by the inadequate setup of the LiDAR used for validation, radar geometry, and the inherent challenges of assimilation methods. Despite these limitations, the reconstructed fields successfully captured the temporal evolution of storm structures, including inflows, outflows, convergence zones, and organized updrafts. The outcomes of this work highlight both the potential and current limitations of PyDDA. Future research should focus on optimizing radar geometries and implementing real-time assimilation frameworks to improve nowcasting and risk mitigation strategies. Keywords: Windstorm, wind retrieval, Doppler-radar, WIND-RISK, PyDDA