RADAR CUACA BMKG

BMKG

“RADAR CUACA”
Pengantar I

Cre@ted By : Eko Wardoyo

POTENSI RADAR CUACA

RADAR DATA INFORMASI
SYSTEM

 Konfigurasi System  Validasi Data  Akurat
 Pemeliharaan  Validasi Parameter  Tepat
 Kalibrasi & Perbaikan  Cepat
 Backup System

• SDM (Sumber Daya Manusia)
• Penentuan Lokasi Pembangunan Radar
• Spare part
• Test Equipment
• Maintenance Tools
• Sarana Pendukung
• Sarana Komunikasi
• Pelaksanaan Pemeliharaan, Perbaikan dan Kalibrasi 2
01/27/12


Jaringan Radar Cuaca C-Band Radar Cuaca BMKG
Hingga Tahun 2011

•Sampai dengan Tahun 2011 , 24 Lokasi •Efektif Range Radar 150 Km


OUTLINE


Radar
• Radar merupakan singkatan dari RAdio Detecting
And Ranging, yakni mendeteksi target
menggunakan gelombang radio sehingga posisi
serta jarak (range) antara target dan sumber dapat
diketahui.


Radar Principle
• Mentransmisikan Gelombang Radio
melalui Antena
• Mengukur kekuatan Reflektifitas dari
obyek hydrometeor, bergantung pada
besaran komponen dan massa
• Jarak dari target diukur berdasarkan
perhitungan waktu yang ditempuh
echo dari target.
• Arah antena menyatakan arah dari
target
• Doppler Weather Radar tidak hanya
mengukur reflektifitas tetapi juga
mengukur perubahan frekuensi dari
perferakan objek/target. Perubahan
frekuensi ini dinyatakan sebagai
kecepatan/Velocity yang digambarkan
kedalam pergerakan menjauhi dan
mendekati radar (Doppler Principle)


Scan Radar Cuaca
Z N
Volume
Azimuth
Scan Types Scan
Range
Z N
Azimuth
Scan Azimuth Elevation Elevation
Step

Elevation W E

Range S
W E

S Azimuth Z N
Elevation
Scan

Stopp Start
Elevation Elevation
W E
Range
S

Co-ordinate Systems
Z
N
Radar: Elevation slice based Volume Azimuth
data sampling Scan Range

Elevation

→ Radar “raw” data on Elevation Step

polar co-ordinate system
(range/azimuth) W E

S

Conversion to Cartesian grid

→ Pixel based images (x/y)
(e.g. Maximum Product) y

x

Radar Output Data
• Reflectivity (Z)
Menyatakan besaran Reflektifitas energi yang kembali dari obyek dan
tergantung pada ukuran, bentuk, dan komposisi objek. Radar cuaca
menampilkan lokasi dan intensitas (reflektifitas) dari target meteorologi seperti
Shower hujan dan badai.
• Radial Velocity (V)
Radar Doppler tidak hanya mendeteksi dan mengukur daya yang diterima
dari target, mereka juga mengukur gerakan target menuju atau menjauh dari
Radar kemudian digunakan untuk menentukan kecepatan angin. Radar
Doppler mengukur kecepatan secara rutin dan digunakan untuk mendeteksi
angin kecepatan, tornado, angin topan. Gerak menuju radar Doppler
dinyatakan dalam negatif nilai-nilai dan Motion jauh dari radar Doppler
dinyatakan dalam nilai-nilai positif.
• Spectral Width (W)
Nilai width W sangat penting untuk pengamatan dinamika atmosfir.
Nilai width yang rendah menunjukkan bahwa di pulse-volume tidak
terdapat perbedaan kecepatan.
Nilai width yang tinggi mengindikasikan terdapat perbedaan
kecepatan hidrometeor di dalam pulse-volume. Informasi ini memberi
petunjuk tentang 'kemungkinan' adanya wind-shear, turbulence,
mesocyclone atau indikasi dari TVS (tornado vortex signature) dan
hal yang sejenis lainnya.

Menyatakan besaran Reflektifitas energi yang kembali dari obyek dan
tergantung pada ukuran, bentuk, dan komposisi objek. Radar cuaca
menampilkan lokasi dan intensitas (reflektifitas) dari target meteorologi seperti
Shower hujan dan badai.

Reflectivity Factor (dBZ)

65 55 45 35 25 15 5

“How To Read Reflectifity”


24

Height (kft)
12

Radial Velocity 0
180 225 270 315 360

24

A measure of the

Height (kft)
12

component of the 0
0 20 40 60 80 Wind Speed (knots)

wind along the Wind speed (kt)

-51 -37 -24 -10 3 17 30 44
direction of the
radar beam
24
Height (kft)

12

0
180 225 270 315 360

24
Height (kft)

12

0 Wind Speed (knots)
0 20 40 60 80
Wind speed (kt)
-51 -37 -24 -10 3 17 30 44

l Velocity is important for detection of rotation in


Radar Cuaca
• Deteksi awan dan pergerakannya
• Deteksi sebaran hujan dan intensitas hujan
• Deteksi arah dan kecepatan angin (vertikal &
horisontal) → Radar Doppler
• Deteksi gerakan siklon
• Deteksi badai guntur.


Non Meteorological Objek

Ground Clutter
Sea Cluter
Chaff
Second Trip
Sun Strobe
Interferensi


Interference


Doppler Dilema
For S-band radar For C-band radar
λ = 10cm = 0.1 m λ = 5 cm = 0.05 m
If PRF = 1000 Hz If PRF = 1000 Hz
Vma x = PRF× λ /4 Vma x = PRF× λ /4

= 25 m/s = 12,5 m/s
rma = c/2 PRF rmax = c/2 PRF

=3X10 /2X1000
8 =3X 108/2X1000
= 150 km
= 150 km


Storm „Franz“, January 2007
The Doppler
Dilemma
With “Staggering”

Without “Staggering”


Unfolding method to extend unambigous velocity:

PRFHigh Stagg. PRFLow S-Band C-Band X-Band

1000 Hz non ---- 27 m/s 13 m/s 9 m/s

1000 Hz 3:2 667 Hz 54 m/s 27 m/s 18 m/s

1000 Hz 4:3 750 Hz 81 m/s 40 m/s 27 m/s

1000 Hz 5:4 800 Hz 108 m/s 54 m/s 36 m/s


Dual-PRF (Staggering)

PRFLow 750 Hz PRFHigh 1000Hz PRFLow 750 Hz PRFHigh 1000Hz
pulse

1.33 1.33 1.33 1.33 1 1 1 1.33 1.33 1.33 1.33 1 1 1
ms ms ms ms ms ms ms ms ms ms ms ms ms ms

t
Single-PRF Dual-PRF

λ λ λ PRFLow
vu = = PRF vu = PRFHigh ⋅
4 ⋅ ∆t 4 4 ( PRFHigh − PRFLow)
2, 3, 4


Scaning Mode

 Precipitation Detection Mode
 Dry Detection Mode
 Severe Weather Detection mode


Konfigurasi parameter Task Radar Cuaca VCP_11


http://www.wdtb.noaa.gov/co
urses/dloc/topic3/lesson1/ani
mations.html


Link2: what the radar Product


Rainbow® 5 – Standard Products

Echo Height

Vertical Cross Section

Rainbow® 5 Maximum Product

Standard Products Constant Altitude PPI

Range Height Indicator

Plan Position Indicator

Standard Group

34

PPI – Plan Position Indicator (1)

Merupakan Produk
tercepat yang
dihasilkan radar
cuaca dari hasil full
scan Azimuth pada
satu elevasi,
Algoritma PPI
mengkonversi
reflektifitas obyek
hydrometeor dalan
satuan dBZ menjadi
suatu keluaran
image.

reflektivitas

35

Plan-Position Indicator (PPI) Scanning Procedure

Data didapatkan
dari cone pada
elevasi yang
sama dengan
Echo yang berasal proyeksi Flat
dari objek yang
dekat dengan
radar berada pada
elevasi rendah.
Echo yang berasal dari
objek yang Jauh dari radar
berada pada elevasi tinggi.



Kecepatan radial Lebar spectral

37

Koreksi Ketinggian dan Jarak



Ringkasan

 Produk PPI merupakan salah satu produk tercepat sebab hanya dibangun dari data
satu elevasi.

 Oleh karena kurva kelengkungan bumi dan perlunya sudut elevasi , biasanya > 0
derajat, ketinggian beam di atas permukaan bumi bertambah dengan pertambahan
jarak. Sehingga data yang ditampilkan berbeda ketinggiannya tergantung pada
jarak. Untuk itu interpretasi data kecepatan menjadi sulit.

S Pada jarak dekat dan elevasi rendah, Image selalu bergabung dengan echo clutter
yang kuat, Sehingga, produk PPI klasik paling baik untuk mendapatkan gambaran
situasi (reflektivitas) pada jarak yang lebih jauh

39

RHI – Range Height Indicator (1)

Algoritma RHI mengambil satu scan elevasi pada azimuth tetap
sebagai masukan.
Ditampilkan suatu tampilan tegak (jarak vs. tinggi).

40

RHI – Range Height Indicator (2)

Ringkasan
Produk RHI adalah merupakan data resolusi tinggi, tergantung pada Setting Step
 Jarak dan Step Sudut tetap pada defenisi scan.

Potongan RHI hanya mungkin dalam arah radial.

“Over-head” Bagian-bagian yang memungkinkan bila hardware radar dilengkapi
 Elevation Stop untuk sudut lebih besar dari 90 derajat.

Σ Saat ini, RHI kurang lebih merupakan sebuah produk kuno “old-fashioned” .
Adalah lebih menyenangkan menggunakan VCUT daripada RHI. VCUT
memungkinkan bebas berorientasi memotong secara vertikal secara interaktif
dalam DART, tanpa tambahan scan elevasi. Tapi untuk (scientific) pemotongan
selalu pada posisi azimuth tetap,RHI merupakan pilihan terbaik sebab memiliki
resolusi data yang lebih tinggi.

41

CAPPI – Constant Altitude PPI (1)

Algoritma CAPPI
menghasilkan
sebuah image
dari suatu user-
defined pada
lapisan atmosfir
di atas Mean Sea
Level (MSL).
Dalam mode
Pseudo-CAPPI,
bagian-bagian
dari image yang
tidak ada dalam
lapisan diisi oleh
data dari elevasi
tertinggi/terendah
.
42


CAPPI

PPI

reflectivitas kecepatan 44


Ringkasan
Semua data memiliki ketinggian yang tetap (CAPPI mode only)

Mengurangi ground clutter di sekitar lokasi radar, bandingkan dengan PPI.

Jarak terbatas (CAPPI mode only)

Σ Produk sangat berguna.

45

MAX – Maximum Display (1)

Produk MAX
menggunakan
sebuah polar
volume set, dirubah
ke sebuah
koordinat Kartesian
volume,
menghasilkan tiga
sub-images (N-S,
W-E, TOP) dan dan
kombinsi ketiganya
untuk ditampilkan
sebagai image.

Rzeszow

46


Garis Shower dekat
Gdansk

Gdansk
47


Ringkasan
Tampilan puncak dan pandangan samping dalam window yang sama
 memberikan sebuah kesan tiga dimensi (3D) dari situasi cuaca.

Ground clutter akan dikurangi bila memilih Bottom ketinggian yang lebih dari
 tinggi instalasi radar.

Kurang bermanfaat untuk data kecepatan. Hanya kecepatan absolut yang
 ditampilkan.

Σ Produk sangat berguna khusus untuk analisa data reflektivitas hingga jarak
menengah.

48

VCUT / MLVCUT – Vertical Cut (1)

VCUT menampilkan sebuah irisan
tegaklurus dari suatu polar volume set.
Titik Start dan Stop dapat dipilih dengan
menggunakan mouse secara interaktif.
Dalam kasus MLVCUT irisan tegak lurus
dihasilkan sepanjang garis berganda. 49


VCUT

versus

RHI

100 km 50
West


Ringkasan
Titik potong Start dan stop dapat ditentukan secara berpindah-pindah.pada
 kertas kerja PDF dan juga interaktif dengan menggunakan mouse.

Secara khusus pada jarak yang panjang, resolusi vertikalnya lebih buruk
 dibanding produk RHI.

Σ Produk sangat berguna , khususnya untuk menganalisa struktur tegaklurus dari
fenomena meteorologi, mis. Sel Badai.

51

EHT – Echo Height (1)

Produk EHT
menunjukkan
misalnya tinggi
paling atas dimana
pengukuran nilai
lebih besar dari
suatu ambang batas
user-defined.
Yang dapat dipilih
adalah ...
• Echo Top
• Echo Base
• Height of Zmax
• Layer Thickness

52

EHT – Echo Height (2)

Ringkasan
Identifikasi Otomatis dari struktur echo dalam lajur tegak.

Pada hujan stratiform (rata), “Struktur cincin yang memusat” Mis. dalam
 tampilan puncak echo dimungkinkan, sebab data terlambat datang dari scan
Strategy (elevasi yang berlainan dalam scan volume). Hal ini akan
membingungkan pemakai.

Σ Produk ini berguna secara khusus untuk mengidentifikasi, struktur vertikal
fenomena meteorologi seperti sel-sel thunderstorm, “bright band” dsb.

53

Rainbow® 5 – Extended Products
Combined Moment
Display
Severe Weather
Analysis Display
Flight Level
MAX
Flight Level CAPPI
Vertical Profile of
Reflectivity

Layer Mean Reflectivity
Spectrum at Max.
Velocity Rainbow® 5
Storm Relative Velocity Extended Products
Horizontal Wind

Uniform Wind
Volume Velocity
Processing
Velocity Azimuth
Display
BASE Reflectivity

Extended Group 54

BASEZ – Base Reflectivity (1)
Produk BASEZ
menggunakan
sebuah volume data
set dari data
reflektivitas sebagai
masukan. Sebuah
image dari data
reflektivitas yang
dihasilkan dari
bagian data elevasi
paling rendah yang
tersedia, lebih tinggi
dari threshold user-
defined.

55

BASEZ – Base Reflectivity (2)

Ringkasan
Mengurus data tinggi (mis. Hujan diatmosfir), kecuali–dibandingkan dengan
 produk MAX – hindari efek “bright band”.

Umumnya, data berasal dari ketinggian berbeda.

Elevasi paling rendah pada umumnya terkontaminasi dengan clutter. Oleh
 karena itu, penggunaan tehnik filter clutter dalam signal processor sangat
disarankan.

Σ Produk BASEZ menunjukkan data reflektivitas paling rendah yang ada di atas
permukaan tanah. Hal ini mendekati sebenarnya, tetapi suatu hal yang perlu
diperhatikan echo clutter.

56

VAD – Velocity Azimuth Display (1)
VAD
menampilkan
kecepatan
radial
terhadap
sudut azimuth
untuk
ketinggian
tetap dan
jarak
kemiringan
tetap.

57

VAD – Velocity Azimuth Display (2)

Ringkasan
Waktu perhitungan yang cepat.

Cek kualitas data kecepatan radial yang cepat.

Interpretasi medan angin yang tidak seragam membutuhkan banyak
 pengalaman.

Σ Ketinggalan zaman namun masih sangat berguna bagi ahli.

58

VVP – Volume Velocity Processing (1)

Simbol arah
angin
menampilkan
kecepatan dan
arah angin
mendatar dari
kolom vertikal di
atas lokasi radar
pada sumbu
waktu.

59


Presentasi profile
menampilkan
variasi komponen
medan angin
kolom vertikal di
atas lokasi radar.

Disini, kecepatan
mendatar
(horisontal) di
atas ketinggian
diperlihatkan.

60

Ringkasan
Profile vertikal (yang terpusat pada lokasi radar) variasi data keluaran dihitung.

Meskipun tidak ada hydrometeors (contoh: tidak ada hujan) algoritma dapat
 menentukan profile vertikal di atas ketinggian beberapa kilometer. Hal ini
dikarenakan tingkat sensitifitas yang tinggi dari channel kecepatan sebuah radar,
dan polusi udara (contoh: debu, partikel garam) di seluruh dunia.

Karena teori yang melatarbelakangi dan dengan demikian cek kualitas menjadi
 sangat penting, Algoritma membutuhkan data kecepatan dengan kualitas yang
baik sebagai masukan. Secara umum, pembacaan volume yang terpisat, yang
dioptimalkan untuk data mentah kecepatan sangat diperlukan.

Σ Produk yang sangat berguna, tidak hanya untuk instalasi bandara. Profile
vertikal dapat diturunkan meskipun pada situasi “cuaca baik”.

61

UWT – Uniform Wind Technique (1)

Produk ini
menunjukkan
arah angin
horisontal pada
setiap proyeksi
image bagian
atas sebagai
overley yang
dinamis.
Standar algoritma
untuk teknik angin
yang seragam
SMI telah
diaplikasikan.

62


y
N VH adalah arah angin horisontal.
Top View Pada lokasi analisa, VH
diindikasikan dengan komponen
θ vr dan vt nya.
x VH
v r = radial velocity
v t = ∂v r ∂θrad

u = v r ⋅ sin(θ ) + v t ⋅ cos(θ )
vt vr v = v r ⋅ cos(θ ) − v t ⋅ sin(θ )
∆θ
∆R ∆θ
w
Speed = u 2 + v 2
Direction = arctan(u / v )

63


Ringkasan
Arah angin horisontal diturunkan, hanya dengan bantuan radar Doppler single.

Karena teori yang melatarbelakangi dan dengan demikian cek kualitas menjadi
 sangat penting, Algoritma membutuhkan data kecepatan dengan kualitas yang
baik sebagai masukan. Secara umum, pembacaan volume yang terpisat, yang
dioptimalkan untuk data mentah kecepatan sangat diperlukan.

Σ Produk berguna untuk menampilkan medan kecepatan horisontal dan medan
refleksi secara bersamaan (angin terkait sebagai perlapisan dengan produk
proyeksi bagian atas yang lain).

64

HWIND – Horizontal Wind (1)

Produk ini
menunjukkan arah
angin horisontal
pada proyeksi
image bagian atas
yang lain sebagai
perlapisan
dinamis.
Berbeda dengan
UWT, komponen
angin horisontal
dihitung dengan
regresi seperti
VAD.

65

HWIND – Horizontal Wind (2)

Ringkasan
Arah angin horizontal diturunkan, hanya dengan bantuan sebuah radar Doppler
 single.

Karena teori yang melatarbelakangi dan oleh karena itu diperlukan pemeriksaan
 kualitas, Algoritma memerlukan kualitas data kecepatan sebagai masukan. Pada
umumnya scan volume terpisah dibutuhkan untuk optimalisasi data mentah
kecepatan.

Σ Produk berguna untuk menampilkan medan kecepatan horisontal dan medan
reflektivitas simultan. (angin bekait sebagai overlay dengan produk top-
projection yang lain).

66

SRV – Storm Relative Velocity (1)

Produk ini
digunakan untuk
menunjukkan nilai
kecepatan radial
lokal relatip
terhadap
pergerakan badai.
Tidak sama
dengan sebuah
PPI(V)
sederhana ...
• Pusat image
tidak harus berada
pada radar site,
dan
• angin permukaan
dapat dibuang.
67


Angin dasar tidak Angin dasra
dihilangkan dihilangkan.
(sama dengan PPI
sederhana)

68


Ringkasan
Detail Lokal dari medan angin (mis. putaran, divergensi, konvergensi) semua
 lebih bagus terlihat setelah membuang angin dasar.

Adalah mungkin untuk memusatkan dalam satu area yang diinginkan dengan
 pemusatan image..

Sebagaimana untuk setiap produk kecepatan, data mentah dengan kualitas yang
 bagus diperlukan. Secara umum sebuah scan volume tersendiri diperlukan
untuk optimalisasi data kecepatan.

Σ Produk ini baik untuk analisa rinci dari medan angin dasar dari data kecepatan
radial.

69

SMV – Spectrum at Maximum Velocity (1)

For each pixel, a
vertical column of
W and V data is
derived. The W of
that height is
displayed where
the maximum
absolute value of
V of the column
was measured.

70

SMV – Spectrum at Maximum Velocity (2)

Ringkasan
High velocity correlated with high spectrum width (= turbulence) is a potential
 risk for air traffic. The SMV visualizes such areas.

To reduce false alarm, velocity as well as spectrum width data of good quality
 are required. In general, a separate volume scan, optimized for velocity and
spectrum width raw data, is required.

Σ Visualization of horizontal areas of a potential risk for air traffic. Because there
is no height information available, Top and Bottom value should be set around
the level of interest, e.g. flight level.

71

LMR – Layer Mean Reflectivity (1)

Tidak seperti
produk MAX ,
LMR memberikan
suatu perkiraan
dari reflektivitas
rata-rata dalam
lapiran atmosfir
sesuai ketetapan
pengguna.

72

LMR – Layer Mean Reflectivity (2)

Ringkasan
Ground clutter akan dihilangkan ketika memilih sebuah Bottom dengan
 ketinggian lebih tinggi dari ketinggian instalasi radar.

Pengaruh dari variasi-variasi kuat dari profil reflektivitas vertical (mis “bright
 band”) dikurangi.

Σ Produk ini berguna untuk analisa data reflektivitas hingga jarak menengah.

73

VPR – Vertical Profile of Reflectivity (1)

VPR menampilkan
profil dari
reflektivitas dalam
sebuah kolom
vertikal di atas radar
site.

Di sini, ditunjukkan
reflektivitas menurut
ketinggian.
Gradient dari
reflektivitas dapat
ditampilkan juga.

74

VPR – Vertical Profile of Reflectivity (2)

Ringkasan

 Profilisotherm)dari reflektivitas dapat dianalisa. Ketinggiandisebut profilmelting
(0°C
vertikal
dapat dihasilkan dengan menganalisa yang
dari lapisan
“bright
band”.

 Clutter itu, mahalnya produk VPR product sangat tergantungsecara dramatis. Oleh
karena
mungkin mempengaruhi profil reflektivitas vertikal
pada scan
parameters, secara khusus filtering clutter.

Σ Produk ini sangat bermanfaat untuk mempelajari profil vertikal dari reflektivitas,
mis. Untuk menganalisa “bright band”.

75

FLCAPPI – Flight Level CAPPI (1)

Produk FLCAPPI
memberikan
beberapa lapisan
CAPPI pada
ketinggian
terbang berbeda
flight levels (FL)
dalam satu
produkt. Hal ini
memudahkan
untuk mengakses
sebaran
intensitas cuaca
pada altitude
berbeda yang
sering dilewati
FL 100 = 100 hFt = 3.05 km pesawat terbang.
76

FLCAPPI – Flight Level CAPPI (2)

Ringkasan
Dalam satu produk terdapat beberapa set data dengan altitude tertentu.

Mudah mengakses ke data darin flight levels yang berbeda.

Mengurangi ground clutter di sekitas radar site, disamakan dengan PPI.

Jaraknya terbatas untuk flight level lapisan sangat rendah dan sangat tinggi.

Σ Produk ini sangat bermanfaat untuk penerbangan.

77

FLMAX – Flight Level MAX (1)

Produk FLMAX
memberikan
beberapa lapisan
dari flight levels
(FL) yang berbeda
dalam satu produk.
Perbedaannya
dengan FLCAPPI,
untuk tiap lapisan
dBZ maximum
dihasilakan lebar
lapisan (layer
width) dalam suatu
user-defined.

layer width
FL 100 = 100 hFt = 3.05 km ±
2
78

FLMAX – Flight Level MAX (2)

Ringkasan
Dalam satu produk terdapat beberapa set data dengan altitude tertentu.

Sangat mudah mengakses data pada ketinggian penerbangan yang berbeda-beda.

Mengurangi ground clutter di sekitar radar site, disamakan dengan PPI.

Jaraknya terbatas untuk flight levels yang sangat rendah dan sangat tinggi.

Σ Produk ini sangat bermanfaat untuk penerbangan.

79

SWAD – Severe Weather Analysis Display (1)

Tujuan SWAD
adalah untuk
menunjukkan tipe
data radar yang
berbeda-beda (Z, V,
W, Shear) pada
wilayah yang kecil
di sekitar lokasi
cuaca ekstrim.
Pusat dari empat
image akan dapat
diturunkan secara
otomatis kapanpun
batasan yang
diinginkan
pengguna telah di
dapatkan.
80

Z V

W Shear 81


Ringkasan
4 data berbeda yang disajikan dipusatkan secara otomatis pada lokasi cuaca
 yang sangat ekstrim.

Jika titik referensi tetap pada lokasi radar, SWAD menjadi seperti 4 PPI dari
 tipe data yang berbeda-beda pada satu produk.

Data Z, V, W harus dalam pembacaan (scan) yang sama. Pembacaan ini hanya
 dapat dioptimalkan baik untuk data Z maupun data V dan W.

Σ Produk yang sangat berguna untuk analisa lokasi cuaca ekstrim hingga
jangkauan menengah.

82

CM – Penyajian Combined Moment (1)

Ketiga prinsip
momentum Radar
Doppler:
• reflektifitas dBZ,
• kecepatan radial V,
• lebar spektrum W
are dapat dianalisa
secara
towards/away from
berkelanjutan.
the Radar

|V|

W

dBZ

83

CM – Combined Moment Display (2)

Ringkasan
Penyajian informasi Z, V dan W dalam satu image. image ini disusun sebagai
 tumpukan (overly) dinamis, yang dapat disajikan bersama dengan setiap produk
tampilan atas yang lain.

Data Z, V, W harus dalam pembacaan (scan) yang sama. Pembacaan ini hanya
 dapat dioptimalkan baik untuk data Z maupun data V dan W.

Interpretasi Z-V-W pada vektor grid yang terkode membutuhkan pengalaman
 yang banyak.

Σ Produk yang sangat berguna hanya untuk ahli.

84

Rainbow® 5 – Wind Shear Products

Layer Turbulence

Vertical SHEAR
Horizontal
Rainbow® 5
SHEAR
Wind Shear Products
SHEAR (3D, 2D)

Shear Group

85

SHEAR – Perhitungan Shear (1) (radial shear)

BMG Produk SHEAR
dapat disesuaikan
untuk tipe shear
angin yang
berbeda-beda:
• radial shear
• azimuth shear
• elevation shear
• kombinasi
ketiganya (2D, 3D
shear)

Radial shear (RDS) mengevaluasi penurunan kecepatan angin
radial pada arah azimuth.
RDS Positif → rotasi berlawanan arah jarum jam (cyclonic).
RDS Negatif → rotasi searah jarum jam (anti-cyclonic).
86

SHEAR – Perhitungan Shear (2) (azimuth shear)

BMG Produk SHEAR
dapat disesuaikan
untuk tipe shear
angin yang
berbeda-beda:
• radial shear
• azimuth shear
• elevation shear
• kombinasi
ketiganya (2D, 3D
shear)

Azimuth shear (AZS) mengevaluasi penurunan kecepatan angin
radial pada arah azimuth.
AZS Positif → rotasi berlawanan arah jarum jam (cyclonic).
AZS Negatif → rotasi searah jarum jam (anti-cyclonic).
87

SHEAR – Perhitungan Shear (3) (elevation shear)

BMG Produk SHEAR
dapat disesuaikan
dengan tipe angin
shear yang
berbeda-beda:
• radial shear
• azimuth shear
• elevation shear
• kombinasi
ketiganya (2D, 3D
shear)

Elevation shear (ELS) mengevaluasi turunan kecepatan
angin radial pada arah ketinggian. Dua bidang ketinggian
tetap digunakan sebagai masukan (input).
ELS serupa dengan produk shear vertikal VSHEAR.
88

SHEAR – Perhitungan Shear (4)

Ringkasan
Shear Radial sangat bagus untuk mendeteksi divergensi atau convergensi.

Azimuth shear adalah indicator untuk medan angin yang berputar.

Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan”
 pada data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).

Σ Produk yang sangat berguna untuk mendeteksi con/divergensi (contoh:
downburst) dan putaran skala kecil (contoh: meso-cyclone). Akan tetapi, harus
diingat bahwa telah tersedia produk khusus (MESO, SWI) yang mendeteksi
fenomena tersebut secara otomatis, dan kemudian menyajikan fenomena
tersebut menggunakan simbol.

89

HSHEAR – Horizontal Shear (1)

Perubahan
kecepatan angin
pada arah Utara-
Selatan dan
Timur-Barat pada
satu lapisan pada
ketinggian tetap di
atas rata-rata
tinggi muka laut
dapat dihitung,
dan
dikombinasikan
untuk menemukan
nilai shear
horizontal.

90

HSHEAR – Horizontal Shear (2)

Ringkasan
HSHEAR merupakan kombinasi dari radial shear dan azimuth shear, tapi
 analysis ini dilakukan pada suatu lapisan dengan ketinggian tetap di atas
permukaan laut (CAPPI layer). Therefore, it can be used to observe horizontal
shear on e.g. flight levels.

Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan” pada
 data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
peringatan!).

Σ Produk yang sangat berguna utnuk mendeteksi shear pada lapisan yang tetap
terhadap ketinggian.

91

VSHEAR – Vertical Shear (1)

Nilai kecepatan
dihitung untuk
dua lapisan
Cartesian. Nilai
shear ditetapkan
sebagai
perbedaan
kecepatan
absolut diantara
bin Cartesian
berdampingan
dari dua lapisan.

92

VSHEAR – Vertical Shear (2)

Ringkasan
VSHEAR dihitung menggunakan data kecepatan dari dua lapisan (lapisan
 CAPPI). Oleh karena itu, VSHEAR digunakan untuk mengamati shear vertikal
pada contohnya ketinggian penerbangan.

peringatan!).

Σ Produk yang sangat berguna untuk mendeteksi shear di antara dua lapisan
(diutamakan contohnya untuk menentukan ketinggian penerbangan).

93

LTB – Layer Turbulence (1)
Produk LTB
menyajikan panjang
garis spektrum
maksimum pada
kolom vertikal
diantara dua lapisan
yang dikehendaki
oleh pengguna.
Lapisan ini secara
normal disesuaikan
dengan ketinggian
penerbangan.
(Karena data
panjang garis
spektrum
berhubungan
dengan turbulensi
produk LTB
ditempatkan pada
kelompok shear)94

LTB – Layer Turbulence (2)

Ringkasan
LTB menganalisa data W diantara dua lapisan ketinggian konstan di atas muka
 laut (lapisan CAPPI). Bagaimanapun, hal tersebut dapat digunakan untuk
mengobservasi turbulence pada, sebagai contoh, ketinggian penerbangan.

Pembacaan radar sebaiknya dioptimalkan untuk data W dengan kualitas tinggi
 (misalkan kecepatan rotasi antena rendah). Atau kalau tidak, data W tidak
merefleksikan turbulensi udara secara baik (→ bahaya dari kesalahan
peringatan!).

Σ Produk yang sangat berguna untuk mendeteksi turbulensi diantara dua lapisan.

95

Rainbow® 5 – Produk-produk Pendeteksi Fenomena

Dust Storm
Detection
Hail Detection

Severe Weather
Indicator
Gust Front
Detection Rainbow® 5
Con-/Divergence
Detection Produk-produk
Mesocyclone
Detection Pendeteksi Fenomena
Storm Structure
Analysis
Phenomena
Group

96

SSA – Storm Structure Analysis (1)

Produk SSA
menganalisa data
Z, V, W pada
pembacaan yang
sama. Struktur
pada masing-
masing badai
yang signifikan
telah ditentukan.
Bentuk dari badai
tersaji, dan
karakteristik dari
badai terdaftar
pada jendela alat
bantu.

Tallinn (Estonia) 97

SSA – Storm Structure Analysis (2)

Ringkasan
Deteksi dan analisa badai (storm) secara otomatis. Produk SSA dapat disajikan
 di DART bersama dengan setiap tampilan image bagian atas yang lain sebagai
sebuah overly yang dinamis.

Data Z, V, W harus dalam pembacaan yang sama. Pengamatan ini dapat
 dioptimalkan untuk data Z ataupun data V, W. Bagi produk SSA data Z adalah
paling penting. Akan tetapi secara normal, pembacaan ZVW menjadi optimal
untuk data kecepatan.

Σ Produk yang sangat berguna untuk deteksi dan analisa badai secara otomatis.

98

MESO – Deteksi Mesocyclone (1)

Kegunaan teknik
gaya NEXRAD
untuk mendeteksi
siklonik atau
antisiklonik MCs.
Produk algoritma
MESO mencari
kecepatan radial
polar 3D dalam
rangka menemukan
bentukan
mesocyclone.
Banyak karakteristik
MC yang telah
dapat diturunkan.
Kesemuanya
terdaftar pada
jendela alat bantu.

MESO – Deteksi Mesocyclone (2)

Ringkasan
Deteksi dan analisa mesocyclone secara otomatis. Produk MESO dapat disajikan

peringatan!).

Σ Produk yang sangat berguna untuk deteksi dan analisa mesocyclone secara
otomatis.

100

VERG – Deteksi Convergence/Divergence (1)

VERG
menganalisa
medan kecepatan
radial polar 3D
untuk mencari
bentukan
divergent dan
convergent.
Bentukan yang
teridentifikasi
disajikan dalam
simbol. Karakter
lebih lanjut
terdaftar pada
jendela alat bantu.


VERG – Deteksi Convergence/Divergence (2)

Ringkasan
Deteksi dan analisa convergence/divergence secara otomatis. Produk VERG
 dapat disajikan di DART bersama dengan setiap tampilan image bagian atas
yang lain sebagai sebuah overly yang dinamis.

peringatan!).

Σ Produk yang sangat berguna untuk deteksi dan analisa convergence/divergence
secara otomatis.

102

GF – Deteksi Gust Front (1)

Sebuah gust front
adalah garis angin
gust kuat yang
sangat tipis, dengan
konvergensi V
horisontal pada
kepala front.
Data Z pun dianalisa
dengan baik.

Bentukan GF yang
teridentifikasi
disajikan dalam garis
polygon.
Karakteristik lebih
lanjut terdaftar dalam
jendela alat bantu.

GF – deteksi Gust Front (2)

Ringkasan
Deteksi dan analisa gust front secara otomatis. Produk GF dapat disajikan di
 DART bersama dengan setiap tampilan image bagian atas yang lain sebagai

peringatan!).

Σ Produk yang sangat berguna untuk deteksi dan analisa gust front secara
otomatis.

104

SWI – Severe Weather Indicator (1)

SWI menganalisa
data volume radar
untuk
mendeteksi ...
• wilayah
badai/pusat
• mesocyclones
• di/con-vergence
• microburst

Bentukan yang
teridentifikasi akan
disajikan dengan
simbol.
Karakteristik
bentukan-bentukan
tersebut terdaftar di
jendela alat bantu.
Tallinn (Estonia)
105


Skenario Microburst Apakah sebuah
microburst itu?

“Sebuah downburst
yang meliputi wilayah
kurang dari 4 km
sepanjang sebuah sisi
dengan puncak angin
yang berlangsung
selama 2-5 menit.”
(Glossary of Meteorology, AMS)

106


Deteksi Microburst (Stategi TDWR)

Ketinggian[km]

Divergent
Top
10
30 dBZ Storm

Convergence
50 dBZ Core

7

Rotation
5

1
DIV
Penangkapan Reflectivitas Pos. Radial Neg. Radial Azimuthal
Radar Shear Shear Shear

107


Ringkasan
Deteksi dan analisa cuaca ekstrim secara otomatis. Produk SWI dapat disajikan

Data kecepatan radial semestinya harus yang sebaik mungkin. “kesalahan” pada
peringatan!).

Σ Produk yang sangat berguna untuk deteksi dan analisa cuaca ekstrim secara
otomatis.

108

ZHAIL – Deteksi Hail (1)

ZHAIL
menganalisa
stuktur reflektifitas
vertikal di atas
lapisan leleh (00C
isotherm).
Ketinggian lapisan
ini akan
dimasukkan secara
manual, atau akan
dibaca dari sebuah
file data.
Bentuk yang
teridentifikasi akan
tersaji berdasarkan
nilai kemungkinan
hail tersebut.
109

ZHAIL – Deteksi Hail (2)

Ringkasan
Algoritma standar deteksi hail menganalisa secara umum hanya reflektifitas
 naksimum pada penampang vertikal, yang memberikan peringatan tingkat
kesalahan yang tinggi. Di sini, ketinggian lapisan beku terhitung sebagai
ketebalan lapisan, yang mempengaruhi algoritma.

ZHAIL memprakirakan kemungkinan hail.

Ketinggian lapisan beku harus diketahui. Akan tetapi bila nilai ini telah
 diketahui (melalui pengukuran radio sonde atau model numerik) akan sangat
mudah diambil secara online melalui sebuah file data.

Σ Produk yang sangat berguna untuk deteksi hail secara otomatis, terutama apabila
hanya data reflectifitas yang tersedia. Produk tersebut bekerja paling baik
terutama apabila ketinggian lapisan beku telah diketahui dengan baik.

110

DSD – Dust Storm Detection (1)
Badai debu
mengandung
partikel debu dan
pasir kecil, yang
ukurannya dalam
mikron. Partikel-
partikel tersebut
tertarik oleh angin.
Jadi, data ZVW
dapat dicari untuk
karakteristik yang
sejenis.

Bentuk DSD yang
teridentifikasi
ditampilkan dalam
garis pligon.
Karakteristik lain di
Bandara Internasional Kuwait sajikan pada jendela
alat bantu. 111

DSD – Dust Storm Detection (2)

Ringkasan
Deteksi dan analisa badai debu secara otomatis. Produk DSD dapat ditampilkan

Data Z, V, W harus dalam pembacaan yang sama. Pengamatan ini dapat
 dioptimalkan untuk data Z ataupun data V, W. Secara normal, pembacaan ZVW
menjadi optimal untuk data kecepatan (sebagai contoh PRF yang tinggi).
Sehingga, resiko pantulan gelombang yang kedua menjadi tinggi.

Σ Produk yang berguna untuk mendeteksi dan menganalisa badai debu.

112

Rainbow® 5 – Hydrological Products

Point Rainfall
Total
Rainfall Intensity
Histogram
River
Subcatchment
Vertical Rainbow® 5
Integrated Liquid
Precipitation Hydrological Products
Accumulation
Surface Rainfall
Intensity

Hydro Group

113

SRI – Surface Rainfall Intensity (1)

SRI menghasilkan
image intensitas
curah hujan pada
lapisan permukaan
yang dipilih oleh
pengguna dengan
ketinggian tetap di
ats permukaan
tanah. Lapisan ini
mengikuti rentangan
tanah yang ada.

SRI digunakan
sebagai input bagi
hampir semua
produk hidrologi
yang lain.

114


Dua mode perhitungan
SRI:
• Standard SRI
• Pseudo SRI

Peta Bendera SRI
mengindikasikan data
yang di pengaruhi oleh
pembacaan geometri
sehubungan dengan
topografi.
Bendera dengan label
blank menyatakan
bahwa “tidak ada data”.

115


Ringkasan
Data curah hujan memiliki ketinggian yang tetap di atas orografi.

Σ Produk yang sangat berguna untuk mempresentasikan data tingkat curah hujan.
Produk ini dapat digunakan sebagai masukan untuk produk curah hujan yang
lain, sebagai contoh perhitungan jumlah (akumulasi) curah hujan dan pelacakan
(tracking) hujan.

116

PAC – Precipitation Accumulation (1)

Produk PAC
mengakumulasi
tingkat curah hujan
pada produk SRI
yang berurutan.
Akumulasi dengan
waktu dilakukan
untuk interval waktu
yang dapat
dikonfigurasikan.
Jumlah curah hujan
untuk interval waktu
itu diberikan dalam
unit ...
mm = liter/m2.

117


Disini, PAC
diturunkan dari
produk RTR,
sebagai contoh
PAC diinterpolasi
dalam waktu
stamps yang
diskrit.

SRI→RTR→PAC

118


Ringkasan
Total curah hujan dihasilkan dari data radar. Jumlah total tersebut kemudian
 dapat dibandingkan total penakar hujan.

Dikarenakan data masukan yang diskrit (jadwal pengulangan interval waktu),
 dimungkinkan dibutuhkan untuk melakukan interpolasi waktu (→ produk RTR
product sebagai data masukan).

Σ Produk yang berguna untuk aplikasi hidrologi.

119

VIL – Vertical Integrated Liquid kandungan air (1)

Tujuan dari
produk VIL
adalah untuk
memberikan
prakiraan
kandungan air
yang cepat pada
tempat / lapisan
atmosfer yang
diinginkan
pengguna untuk
mengindikasikan
potensi curah
hujan pada
contohnya badai
yang hebat.

120

VIL – Vertical Integrated Liquid Water Content (2)

Ringkasan
Alat indikasi aktivitas badai: Apabila bagian bawah dan dan permukaan badai
 berada di atas tingkat beku, nilai VIL yang tinggi mengindikasikan badai yang
hebat dan hail. Apabila bagian bawah dan dan permukaan badai berada di
bawah tingkat beku (misalkan 1dan 3 km), VIL dapat memprakirakan jumlah
hujan beberapa menit kedepan.

Nilai VIL di sekitar posisi radar hingga jangkauan Ru ditaksir terlalu renda
 karena pembacaan geometri.

Σ Produk yang berguna untuk mendeteksi badai hebat, dan prakiraan potensi hujan
dalam jangka pendek.

121

RSA – River Subcatchment Accumulation (1)

Produk RSA
menyediakan
informasi
mengenai jumlah
hujan pada
cekungan yang
diinginkan
pengguna
(subcatchments).
Seperti PAC, hal
tersebut
berdasarkan data
SRI data yang
tersedia pada
interval waktu
yang
terkonfigurasi.
Subcatchment overlay with tool tip information
122


Rata-rata wilayah waktu aliran subcatchment “Dekat Gdansk 2”

123


Ringkasan
Subcatchment dapat diketahui dengan cara yang mudah. Mereka mungkin akan
 bertumpuk.

Karena data masukan bersifat diskrit (pengulangan interval waktu terjadwal),
 maka dibutuhkan interpolasi waktu.
(→ Produk RTR sebagai masukan)

Σ Produk RSA dapat digunakan sebagai masukan untuk model hidrologi.

124

RIH – Rainfall Intensity Histogram (1)

Produk RIH menyediakan data time series intensitas hujan
untuk lokasi yang diinginkan oleh pengguna (disini: “GDA_2”).
Sebagai tambahan, Jumlah total curah hujan untuk lokasi
tersebut ditampilkan pada jendela alat bantu informasi.
Hal tersebut berdasarkan jumlah data SRI yang terkumpul
pada interval waktu yang terkonfigurasi (disini: 1 hour).
125

RIH – Rainfall Intensity Histogram (2)

Ringkasan
Produk RIH dapat menghasilkan time series data intensitas hujan yang
 terkonfigurasi panjangnya rentang waktu dan lokasi yang diinginkan oleh
pengguna.

Σ Produk data RIH dapat digunakan untuk membandingkan dengan data penakar
hujan.

126

PRT – Point Rainfall Total (1)
Produk PRT dapat
mengimport data
curah hujan external
dari data penakar
hujan. Apabila data
tersebut cocok pada
lokasi dan waktu
dengan data radar
yang dipilih, total
rainfall untuk kedua
sumber akan dapat
dibandingkan.
Untuk lokasi yang
berbeda...
• total penakar hujan
• total radar
• perbedaan
radar-penakar
hujan akan dapat
PRT yang di overlay dengan informasi alat bantu dihitung. 127

PRT – Point Rainfall Total (2)

Ringkasan
Produk PRT berfungsi untuk mengekstrak data curah hujan pada lokasi yang
 diinginkan pengguna dari produk PAC. Apabila data ground observasi curah
hujan (rain gauge) tersedia, total rain gauge yang berhubungan dengan lokasi
yang bersangkutan dan interval waktu bisa diperoleh (dihitung).

Σ Produk data PRT dapat digunakan untuk membandingkan data radar dan rain
gauge.

128

Rainbow® 5 – Produk Prakiraan Jangka Pendek

Track Hujan
Rainbow® 5
Track Centroid
Produk Prakiraan Jangka Pendek

Kelompok Prakiraan
Jangka Pendek

129

CTR – Cell Centroid Tracking (1)
Data analisa
refleksi CTR untuk
mengidentifikasi
dan men-track cel
badai (storm).
Dengan seluruh
antena baru, scan
image yang
teridentifikasi oleh
antenna selalu up
to date. Tampilan
yang ada terdiri
dari:
• cell yang sedang
terbentuk pada
saat ini
• trace image
berdasarkan scan
image sebelumnya
• Prakiraan image
130

CTR – Cell Centroid Tracking (2)

Image CTR yang di
zoom dengan
informasi
mengenai cel yang
diprakirakan.

131

CTR - Cell Centroid Tracking (3)

Ringkasan

 Deteksi dan tracking cell centroid image bagian atas. CTR dapat di
tampilkan bersama dengan setiap
secara otomatis. produk

 Hasil prakiraan CTR sangatharus disesuaikan dengan hati-hati dikarenakan Akan
tetapi parameter algoritma
baik untuk cel awan konvektif yang terisolasi.

adanya kondisi lokal. Harus diingat bahwa cel awan konvektif tidak hanya
“bergerak”. Perpindahan cel merupakan interkaksi dan modifikasi oleh proses di
dalam awan itu sendiri, diantaranya peningkatan atau penurunan bentuk sesuai
dengan waktu hidupnya yang terbatas.

Σ Produk yang berguna untuk mendeteksi dan men-track cell centroid secara
otomatis. CTR dapat bekerja paling baik untuk mendeteksi dan men-track untuk
curah hujan secara konveksi.

132

RTR - Rain Tracking (1)
RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
diturunkan berdasarkan
teknik pemilihan
pengguna.

Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
• input pada waktu
terkini
• prakiraan hujan
Curah hujan rata-rata: tingkat curah hujan rata-rata dalam perhitungan waktu kebelakang
133

RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
teknik pemilihan
pengguna.

Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
terkini
PAC+<waktu prakiraan>: prakiraan perhitungan jumlah CH
• prakiraan hujan
134

RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
teknik pemilihan
pengguna.

Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
terkini
Waktu kini: data input waktu terkini (PPI, CAPPI atau SRI) •
prakiraan hujan
135

RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
teknik pemilihan
pengguna.

Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
terkini
• prakiraan hujan
Prakiraan hujan: tingkat curah hujan pada jangka waktu prakiraan (T+30 min.)
136

RTR - Pemantauan pergerakan Hujan (5)

Ringkasan

 Penentuan arah pergerakan dan Prakiraan Curah hujan secara otomatis. RTR terdiri dari lapisan data
yang berbeda, sebagai berikut:
- perkiraan tingkat curah hujan dalam jangka waktu dekat akan datang
- perkiraan jumlah curah hujan dalam jangka waktu dekat akan datang

 Adalah mungkin untuk menggunakan RTR sebagai hasil masukan untuk PAC. Hal ini akan
menghasilkan perhitungan jumlah curah hujan yang lebih tepat karena pergerakan curah hujan dalam
jadual jangka waktu pengulangan yang diskrit.

 Hasil perkiraan RTR bergantung pada kualitas analisa perpindahan arah:
- Jika VVP digunakan, hati-hati dengan kenyataan bahwa perpindahan arah echo curah hujan tidak
selalu sama dengan arah angin yang diturunkan dari data Doppler.
- Jika CTR digunakan, maka hasil perkiraan RTR akan sangat baik untuk cel awan konvektif yang
terisolasi. Akan tetapi, parameter algoritma harus disesuaikan dengan baik.

Σ Produk yang berguna untuk pemantauan pergerakan dan prakiraan curah hujan secara otomatis.

137

Problem Output Radar Display


Doppler Dillema

Area of “velocity folding”


Microbust Pada
Radar Product
Microbursts and their signatures

“Ideal” surface signature

“Reality” surface signature

Gust Fronts


Daftar Pustaka
http://oomyon-at-radar.blogspot.com
http://www.weathertap.com/guides/radar/weather-radar-tutorial.html#bkg1
://www.radartutorial.eu/index.en.html
http://ww2010.atmos.uiuc.edu/(Gh)/guides/home.rxml
http://w8lrk.org/article/RadarTutorial.pdf
https://www.meted.ucar.edu/search/search_results.php?hq
=site%3Ameted.ucar.edu&cx=012446052473863902991%3Ar8nkgnwzzsc&cof=FORID%3A
radar+meteorology
http://www.wdtb.noaa.gov/courses/dualpol/outreach/non-mets-intro/player.html
http://www.wdtb.noaa.gov/courses/dualpol/outreach/#mets
http://www.navweaps.com/index_tech/tech-046.htm


RADAR CUACA BMKG

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

RADAR CUACA BMKG