ESTRAZIONE DI FIRME SPETTRALIDI COPERTURE NUVOLOSE

DA IMMAGINI SATELLITARI

Relatori:Prof. F. PosaDott.ssa C. Notarnicola

Controrelatore:Prof. V. Berardi

Laureando:Gennaro Cappelluti

L’obiettivo del lavoro di tesi

matrici di copertura nuvolosa

LAPS

RAMSProgetto Nowcastingprevisioni

meteorologiche< 18 ore

regione

Puglia

MODISMSG

automazione

CIRP

Le previsioni meteorologiche

previsioni meteorologiche

WMO (World Meteorological Organization)coordina su scala planetaria il rilevamento

e l’elaborazione dei dati meteorologici

centri dicalcolo

per l'Europa:Reading (Londra)

< 18 ore

modelli numerici

Ginevra

nowcasting

Il Progetto Nowcasting

elevata rapidità richiesta alla diffusione dei dati notevole estensione del territorio considerato

Local Analysis and Prediction System (LAPS)

modello numerico che gestisce gli input del modello RAMS

Regional Atmospheric Modelling System (RAMS)

modello numerico in grado di produrre previsioni meteo entro le 18 ore

maglia geografica piuttosto larga,alla quale sfuggono i caratteri climatici locali

WMO

Progetto Nowcasting

area corrispondente alla regione Puglia

modellinumerici

matrici dicopertura nuvolosa

Il lavoro svolto

riflettanze temperaturedi brillanza

matrici di copertura nuvolosa

MODIS Terra GSFC (Goddard Space Flight Center)

MOD02QKM, MOD02HKM e MOD021KMHDF

all'interno dello stesso file, in "Scientific Data Set" (SDS) differenti, sono sistemati matrici tridimensionali, immagini, tabelle, descrizioni e commenti

i dati sono registrati sotto forma di "Scaled Integer" (SI), numeri adimensionali compresi tra 0 e 32767 (16 bit)

programma in IDL

algoritmo MCMA

I dati MSG e MODIS

elevata frequenza temporalecon cui i dati devono essere forniti

MSG

15 minuti1 km

12 bande

elevato numero di bande

MODIS24 ore250 m

36 bande

0.635 μm0.81 μm1.64 μm3.92 μm6.25 μm7.35 μm8.70 μm9.66 μm10.80 μm12.00 μm13.40 μm

0.635 μm0.8585 μm

0.469 μm0.555 μm1.240 μm1.640 μm2.130 μm

0.4125 μm0.443 μm0.488 μm0.531 μm0.551 μm0.667 μm0.678 μm0.748 μm0.8695 μm0.905 μm0.936 μm0.940 μm1.375 μm

3.750 μm3.959 μm3.964 μm4.050 μm4.4655 μm4.5155 μm6.715 μm7.325 μm8.550 μm9.730 μm11.030 μm12.020 μm13.335 μm13.635 μm13.935 μm14.235 μm

la procedura è stata sviluppata partendo da immagini MODIS, cercando di utilizzare le bande in comune con MSG

successivamente l'analisi verrà applicata alle immagini MSG

0.75 μm

L’algoritmo standard:il MODIS Cloud Mask Algorithm (MCMA)

valori di riflettanza elevati e valori di temperatura bassi rispetto a quelli della sottostante superficie terrestre

i valori di riflettanza, nello spettro solare, e di temperatura, nella finestra infrarossa, degli oggetti nuvolosi tendono ad addensarsi intorno a valori tipici

confronto con opportuni valori di sogliadelle riflettanze e delle temperatureche si hanno in una scena osservata

discriminazione dei corpi nuvolosidalle restanti parti della scena

MCMA

determina se un dato pixel è nuvoloso o

meno, combinando i risultati di vari test

spettrali che utilizzano valori di soglia

nuvole

I test

CC - confident cloudy PC - probably cloudy PNC - probably not cloudy CNC - confident not cloudy

βx1

βxααβ

αxαx0

(x)CLNC

in funzione del tipo di nuvola analizzata vengono considerati 5 gruppi di test spettrali

i gruppi non sono indipendenti, ovvero, un test che appartiene ad un particolare gruppo può rivelare anche nubi analizzate da altri gruppi

l'MCMA utilizza un approccio fondato su livelli di confidenza: ogni test assegna un valore compreso tra 0 e 1, dove lo 0 indica che il pixel è nuvoloso e l'1 che esso non lo è

I test

Il problema delle soglie

ora della giornata presa in considerazione mese dell'anno latitudine ecosistema della zona superficie sottostante condizioni atmosferiche composizione dell'atmosfera contenuto d'aerosol

le soglie utilizzate nell'MCMA dipendono da vari parametri, di cui i principali sono:

le soglie adoperate nell'MCMA si riferiscono all'oceano aperto oppure a zone desertiche o ancora ad aree in pieno continente, zone dotate di condizioni stabili e quindi facilmente caratterizzabili

poichè l'obiettivo è quello di produrre previsioni meteo riguardanti l'area del bacino del Mediterraneo

corrispondente alla regione Puglia e poichè tale zona non ha le caratteristiche delle aree menzionate, non è possibile

applicare alle immagini di tale area le stesse soglie e quindi non è possibile applicare con rigore l'MCMA

La classificazione

i dati multispettrali vengono rappresentati in uno spazio a n dimensioni (n è il numero delle bande spettrali prese in considerazione), detto spazio delle caratteristiche spettrali

le etichette dei pixel di un'immagine sono il risultato del confronto delle caratteristiche spettrali dei vari pixel dell'immagine con caratteristiche spettrali di riferimento, estratte eventualmente anche da altre immagini

insieme di famiglie di pixel con

caratteristiche spettrali affini

minimum distance

parallelepiped

maximum likelihood

spectral angle mapper

k means

endmembersvettori tipicidelle classi

La procedura

matrice L

immaginemultispettrale

fase ditraining

endmembers

mappetematiche

soglie

matriciF, G, Q, R

Fi

Gi

QR

nuvole test i-esimonuvole gruppo i-esimo

tutti i tipi di nuvolatutti / livelli discreti

CLNC

contiene le 9 grandezze testate

dall’MCMAmatrice L

Gli endmember EC, ENCL ed ENCS sono le medie dei vettori MC, MNCL ed MNCS relativi alle 10 immagini di training.

medie dei valori di riflettanza e temperatura dei pixel appartenenti alle varie classi

Le regioni d’interesse

10.10 - 06.08.2002

L1 L3 L9

le caratteristiche delle formazioni nuvolose dipendono fortemente dalla zona in cui esse si trovano

l'uso di campioni prelevati da altre zone avrebbe generato errori significativi in fase di classificazione

i risultati che si ottengono sono ottimizzati per la Puglia

Il cloud mask

immagine geocodificata

F9 - cirri

immagini

di Q ed R

RGB invertitodei livelli G4, G1 e G2

F1 - nuvole alte e spesse G2 - nuvole sottili

Gli endmember

Valori espressi in gradi degli angoli compresi tra il vettore EC e i 10 vettori MC, tra il vettore ENCL e i 10 vettori MNCL e tra il vettore ENCS e i 10 vettori MNCS.

Valori espressi in gradi degli angoli compresi tra il vettore EC e il vettore ENCL, tra il vettore EC e il vettore ENCS e tra il vettore ENCL e il vettore ENCS.

Gli angoli δ definiscono i coni di variabilità delle medie intorno agli endmember e le distanze angolari tra gli endmember sono sempre maggiori della somma delle aperture angolari dei coni di variabilità degli endmember considerati.

Con livello di confidenza del 99% la popolazione dei vettori MNCL è differente dalla popolazione dei vettori MNCS e quindi gli endmember ENCL e ENCS possono essere considerati rappresentativi di due categorie differenti.

RISULTATI E CONCLUSIONI

Cloud maskgiorno 22.08.2002 ore 10.10

RISULTATI E CONCLUSIONI

I vari tipi di nuvola

Nei pressi dell'Africa si osserva una eccessiva presenza di pixel classificati come “confident cloudy” rispetto a quanto mostrato dall'immagine RGB. La ragione di questo è la notevole differenza tra gli endmember utilizzati e le caratteristiche spettrali dei pixel vicini all'Africa.

Per quanto riguarda l'area del Mar Tirreno, si osserva che, nonostante nel visibile non si noti la presenza

di nuvole, la maggior parte dei pixel sono etichettati come

“probabilmente nuvolosi”. Questo risultato deriva dal fatto che la

maschera della copertura nuvolosa esprime la presenza di nubi

prescindendo dal tipo di nuvola. In corrispondenza dell'area

considerata, nei livelli L2, L3 ed L4 sono presenti valori di radianza

abbastanza distanti da quelli caratteristici del cielo non

nuvoloso e questo significa che l'area in esame potrebbe essere

interessata da nuvole sottili.

L4 G2

RISULTATI E CONCLUSIONI

Cloud maskgiorno 29.08.2002 ore 10.15

RISULTATI E CONCLUSIONI