Post on 12-Feb-2016
description
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
regionePuglia
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
βxααβαx
αx0
(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
endmembers vettori 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
immaginidi 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