ABONAMENTE VIDEO REDACȚIA
RO
EN
NOU
Numărul 125
Numărul 124 Numărul 123 Numărul 122 Numărul 121 Numărul 120 Numărul 119 Numărul 118 Numărul 117 Numărul 116 Numărul 115 Numărul 114 Numărul 113 Numărul 112 Numărul 111 Numărul 110 Numărul 109 Numărul 108 Numărul 107 Numărul 106 Numărul 105 Numărul 104 Numărul 103 Numărul 102 Numărul 101 Numărul 100 Numărul 99 Numărul 98 Numărul 97 Numărul 96 Numărul 95 Numărul 94 Numărul 93 Numărul 92 Numărul 91 Numărul 90 Numărul 89 Numărul 88 Numărul 87 Numărul 86 Numărul 85 Numărul 84 Numărul 83 Numărul 82 Numărul 81 Numărul 80 Numărul 79 Numărul 78 Numărul 77 Numărul 76 Numărul 75 Numărul 74 Numărul 73 Numărul 72 Numărul 71 Numărul 70 Numărul 69 Numărul 68 Numărul 67 Numărul 66 Numărul 65 Numărul 64 Numărul 63 Numărul 62 Numărul 61 Numărul 60 Numărul 59 Numărul 58 Numărul 57 Numărul 56 Numărul 55 Numărul 54 Numărul 53 Numărul 52 Numărul 51 Numărul 50 Numărul 49 Numărul 48 Numărul 47 Numărul 46 Numărul 45 Numărul 44 Numărul 43 Numărul 42 Numărul 41 Numărul 40 Numărul 39 Numărul 38 Numărul 37 Numărul 36 Numărul 35 Numărul 34 Numărul 33 Numărul 32 Numărul 31 Numărul 30 Numărul 29 Numărul 28 Numărul 27 Numărul 26 Numărul 25 Numărul 24 Numărul 23 Numărul 22 Numărul 21 Numărul 20 Numărul 19 Numărul 18 Numărul 17 Numărul 16 Numărul 15 Numărul 14 Numărul 13 Numărul 12 Numărul 11 Numărul 10 Numărul 9 Numărul 8 Numărul 7 Numărul 6 Numărul 5 Numărul 4 Numărul 3 Numărul 2 Numărul 1
×
▼ LISTĂ EDIȚII ▼
Numărul 117
Abonament PDF

Sateliții Meteorologici (II) - Produsele satelitare RGB

Cristian-Lucian Grecu
Meteorolog @ Administraţia Naţională de Meteorologie
PROGRAMARE

Propunem o serie de articole privind automatizarea prognozei meteorologice pe termen scurt folosind tehnici de învățare automată. Seria a fost deschisă cu o prezentare inițială a datelor satelitare. Continuăm în acest număr prezentarea în detaliu a produselor satelitare de tipul RGB utilizate în cadrul proiectului internațional de cercetare WeaMyL, condus de o echipă de la Universitatea Babeș-Bolyai, în parteneriat cu Administrația Națională de Meteorologie și Met Norway. Termenul de RGB se referă la culorile primare (roșu, verde, albastru, eng. red, green, blue) folosite pentru a crea toate culorile văzute pe ecranul unui calculator. Combinând diferite proporții ale acestor culori primare, pot fi create produse satelitare care să evidențieze anumite particularități ale formațiunilor noroase. În continuare vă prezentăm câteva dintre cele mai utilizate produse satelitare RGB în activitatea operativă de prognoză a vremii.

Fig. 11. Exemplu Imagine satelitară obținută prin tehnica RGB [1]

Fig. 12 Produse RGB Meteosat 9 [1]

Imaginea RGB "culori naturale"

Canalele folosite pentru obținerea acestei imagini sunt canalul în NIR 1.6, canalul VIS 0.8 și canalul VIS 0.6. Imaginea RGB "Culori naturale" poate fi foarte utilă pentru a face deosebirea între norii formați din picături de apă, cei formați din cristale de gheață și stratul de zăpadă. Se pot recunoaște o varietate de structuri ale solului incluzând vegetația, deșertul și zăpada. Oceanul apare negru datorită reflectanței reduse în toate canalele. O altă aplicație provine de la canalul în infraroșu apropiat care are absorbție diferită pentru apă și gheață ceea ce ne permite să facem deosebirea între norii formați din cristale de gheață și cei formați din picături de apă și între norii formați din picături de apă și zăpadă. Un exemplu este prezentat în Figura 13.

Fig. 13. Imagine Meteosat 8 RGB "Culori naturale", 7 noiembrie 2007 - 09:00 UTC [1]

Imaginea RGB a microfizicii în timpul zilei

Imaginea RGB a microfizicii în timpul zilei, folosită pentru monitorizarea convecției, a ceții și a norilor joși este compusă din canalele în vizibil 0.8μm, în infraroșu 3.9μm și în infraroșu 10.8μm. Canalul în vizibil furnizează informații atât despre grosimea optică a norilor cât și despre suprafață. De exemplu, solul acoperit cu vegetație, deșertul și stratul de zăpadă sunt foarte reflective. Celulele convective cu curenți ascendenți puternici sunt caracterizate de către particule mici de gheață. În comparație cu canalul IR 10.8 (foarte rece și, astfel, negru) aria cu convecție severă apare în nuanțe de portocaliu.

Fig. 14. Imaginea Meteosat 8, IR 3.9 și, comparativ, imaginea RGB a microfizicii în timpul zilei care îi corespunde. Furtuni convective în apropierea Mozambicului, în sud-estul Africii [1]

Imaginea RGB în vizibil de înaltă rezoluție (E-VIEW)

Imaginea RGB în vizibil de înaltă rezoluție formată prin imaginea HRV pe roșu și verde și din canalul IR 10.8 pe albastru. Astfel, sunt furnizate informații asupra structurii și grosimii norilor (canalul în vizibil de înaltă rezoluție) în combinație cu temperatura vârfurilor norilor (canalul în infraroșu 10.8), ceea ce ajută la estimarea nivelului la care se găsește o anumită structură noroasă.

Deoarece există o diferență de rezoluție între canalul în vizibil de înaltă rezoluție și canalul în infraroșu 10.8, compunerea acestui tip de imagine este mai dificilă.

Procesul prin care este obținut acest RGB este numit "downscaling". În acest proces, rezoluția imaginii IR 10.8 este crescută cu 3x3 pixeli. Acest tip de produs RGB este folosit pentru monitorizarea norilor joși și a convecției.

Un exemplu: În figura 12, deasupra Spaniei, Marocului și Algeriei se pot observa mai multe celule convective aflate în diferite stadii de evoluție. În celule se găsesc vârfuri overshooting. Limitele dintre celule sunt marcate de către un acoperiș de nori

Fig. 15. Imagine Meteosat 8 RGB în vizibil de înaltă rezoluție - 28 iunie 2004 - 16:00 UTC [1] cirrus care apar în nuanțe de albastru.

Imaginea RGB a maselor de aer

Această imagine este capabilă să facă deosebirea între diferitele mase de aer (polar și tropical) și, de asemenea, evidențiază mai mult proprietățile dinamice ale atmosferei. Pentru a arăta aceste caracteristici, vor fi folosite diferențe ale temperaturii de strălucire. Imaginea RGB a maselor de aer este formată prin dispunerea: canalelor WA 6.2 și WA 7.3 pe roșu, a canalul IR 9.7 și IR 10.8 pe verde și a canalului WA 6.2 inversat pe albastru.

Masele de aer diferite se deosebesc prin înălțimea tropopauzei. Masele de aer polar sunt caracterizate de către o tropopauză joasă în timp ce masele de aer tropicale sunt caracterizate de către o tropopauză înaltă. Acest lucru este cauzat de convecția adâncă din Zona de Convergență Intertropicală, sau chiar de cea care apare în zonele temperate, în timpul verii, care împinge continuu tropopauza către în sus, crescând grosimea troposferei.

Fig. 16. Imagine Meteosat 8 RGB a maselor de aer - 7 ianuarie 2005 22:00 UTC [1]

Concentrația ozonului total (înălțimea tropopauzei) aproximată de diferența temperaturii de strălucire dintre canalul 9.7μm (canalul în ozon) și canalul în infraroșu 10.8μm ne ajută să facem diferența dintre masele de aer polar, bogate în ozon, și masele de aer (sub) tropical, sărace în ozon. În masele de aer polar, bogate în ozon, diferența temperaturii de strălucire va fi mare. În masele de aer tropical, cu o tropopauză înaltă și cu concentrație redusă de ozon, diferența temperaturii de strălucire va fi mică. În final, conținutul de umezeală de la nivelurile înalte, furnizat de către temperatura de strălucire a canalului în vapori de apă 6.2μm este arătat pe albastru. Culoarea roșiatică este o indicație a aerului stratosferic care pătrunde în jos, în troposferă și, astfel, coboară tropopauza. Aceasta este o anomalie de vorticitate potențială. Putem, de asemenea, recunoaște curentul jet. În partea ciclonică a curentului jet există mișcări descendente, iar în partea anticiclonică, mișcări ascendente. Aerul descendent apare ca o dungă roșiatică în imaginea RGB a maselor de aer. Frontul rece, arătat de către norii înalți, marchează zona de separație dintre două mase de aer de origine diferită. Putem vedea nuanțe de verde la sud-est și nuanțe de albastru la vest și nord-vest de sistem. Nuanțele de verde sugerează tropopauză înaltă, ozon puțin și mase de aer cald, tropicale. Nuanțele de albastru și mov sugerează tropopauză joasă, ozon mult și mase de aer rece, polare.

Fig. 17. Imagine Meteosat 8 (RGB pentru monitorizarea furtunilor convective severe) - 19.06.2016 ora 19 UTC [2]

Imaginea RGB pentru monitorizarea furtunilor convective severe

Imaginea RGB pentru monitorizarea furtunilor convective severe este, probabil, RGB-ul cel mai dificil de interpretat deoarece folosește trei diferențe de canale pe roșu, verde și albastru. Acest RGB conține informații furnizate de două benzi în vapori de apă (canalul WA 6.2 și canalul WA 7.3), de două canale microfizice (canalul NIR 1.6 și canalul IR 3.9), de un canal în infraroșu de tip fereastră (canalul IR 10.8) și de un canal în vizibil (canalul VIS 0.6). Imaginea RGB pentru monitorizarea furtunilor convective severe poate fi comparată cu imaginea RGB a microfizicii în timpul zilei. În imaginea RGB pentru monitorizarea furtunilor convective severe, convecția poate fi monitorizată cu ușurință și pot fi identificați norii cumulonimbus care conțin particule de gheață de mici dimensiuni și particule de gheață de mari dimensiuni. Un astfel de exemplu este arătat în Figura 17.

Imaginea RGB pentru monitorizarea prafului

Deși unul dintre elementele cheie ale acestui RGB este monitorizarea prafului, cu ajutorul lui pot fi detectate și alte structuri interesante. Pentru obținerea imaginii RGB pentru monitorizarea prafului sunt folosite trei canale de tip fereastră și anume, canalul IR 12.0, canalul IR 10.8 și canalul IR 8.7.

Imaginile de satelit pot fi foarte utile pentru detectarea și prognoza pe termen scurt și foarte scurt a prafului. Totuși, există și câteva dezavantaje:

Imaginea RGB pentru monitorizarea prafului nu rezolvă aceste probleme dar face observarea prafului mai ușoară. Să luăm în considerare praful și norii cirrus. Ambii sunt transparenți și se găsesc la mai multe niveluri din troposferă. Ei pot să semene unul cu altul. Pentru a ilustra această chestiune am ales ca exemplu imaginea din Figura 18.

Fig. 18. a) imagine VIS 0 .6 b) imagine RGB pentru monitorizarea prafului [1]

În imaginea RGB pentru monitorizarea prafului, praful poate fi văzut clar datorită nuanțelor de roz intens. Putem vedea că mari cantități de praf au fost antrenate într-un sistem noros aparținând unei benzi transportoare calde, care se întinde din zona Insulei Creta până deasupra Mării Negre. De asemenea, poate fi observat cu ușurință praful de deasupra deșertului Sahara, care nu ar fi putut fi observat doar din imaginea în VIS 0.6. Praful devine atât de clar deoarece diferențele temperaturilor de strălucire sunt diferite pentru praf și pentru norii formați din picături de apă sau din cristale de gheață. Folosind diferențele dintre canale, aceste caracteristici sunt evidențiate, iar praful devine ușor de recunoscut. Avantajul acestei metode este aceea că poate fi folosită chiar și noaptea.

Aplicațiile tehnologiei satelitare în prognoza meteo sunt multiple și complexe. Un meteorolog va putea identifica diferitele tipuri de formațiuni noroase, particularitățile maselor de aer și liniile frontale, zonele favorabile intensificării sistemelor convective sau va deosebi ceața de zăpadă. Dar sateliții de astăzi transmit atât de multe imagini diferite (doisprezece canale la Meteosat-9) și atât de des (la fiecare 15 minute sau chiar 5 minute) încât numai prelucrând automat întreaga cantitate de date transmisă se poate urmări și prognoza cu precizie evoluția vremii.

Algoritmi sofisticați pun în evidență fenomenele meteorologice sau calculează temperatura norilor sau viteza și direcția vântului, iar programele de vizualizare le afișează permanent în combinație cu alte date măsurate de rețeaua radar sau de stațiile meteorologice de la sol. Astfel, meteorologul previzionist are în fiecare moment o privire de ansamblu asupra atmosferei și a fenomenelor meteorologice.

În următorii ani, soluțiile de inteligență artificială și învățare automată, aplicate pe datele satelitare și datele radar vor deschide noi orizonturi făcând posibilă intrarea într-o nouă era a prognozelor meteorologice și a înțelegerii fenomenelor și corelațiilor dintre acestea atât la scară globală cât și la mezoscară sau scară locală.

Proiectul WeaMyL este finanțat prin mecanismul Granturilor Norvegiene, cu numărul RO-NO-2019-0133, contract 26/2020 (eng. The research leading to these results has received funding from the NO Grants 2014-2021, under Project contract no. 26/2020)

Bibliografie

[1] Organizația Europeană pentru Exploatarea Sateliților Meteorologici (EUMETSAT), https://www.eumetsat.int/

[2] Administrația Națională de Meteorologie, https://www.meteoromania.ro/

[3] Agenția Spațială Europeană, www.esa.int

[4] IBL Software Engineering, https://www.iblsoft.com/

[5] C. M. Kishtawal, Use of Satellite Observations for Weather Prediction, MAUSAM, 70, 4, 2019, 709-724

VIDEO: NUMĂRULUI 125

Sponsori

  • BT Code Crafters
  • Accesa
  • Bosch
  • Betfair
  • MHP
  • Connatix
  • BoatyardX
  • AboutYou
  • Colors in projects

VIDEO: EXTRA

Cristian-Lucian Grecu a mai scris