La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

ESTRAZIONE DI FIRME SPETTRALI DI COPERTURE NUVOLOSE DA IMMAGINI SATELLITARI Relatori: Prof. F. Posa Dott.ssa C. Notarnicola Controrelatore: Prof. V. Berardi.

Presentazioni simili


Presentazione sul tema: "ESTRAZIONE DI FIRME SPETTRALI DI COPERTURE NUVOLOSE DA IMMAGINI SATELLITARI Relatori: Prof. F. Posa Dott.ssa C. Notarnicola Controrelatore: Prof. V. Berardi."— Transcript della presentazione:

1 ESTRAZIONE DI FIRME SPETTRALI DI COPERTURE NUVOLOSE DA IMMAGINI SATELLITARI Relatori: Prof. F. Posa Dott.ssa C. Notarnicola Controrelatore: Prof. V. Berardi Laureando: Gennaro Cappelluti

2 Lobiettivo del lavoro di tesi matrici di copertura nuvolosa LAPS RAMS Progetto Nowcasting previsioni meteorologiche < 18 ore regione Puglia MODISMSG automazione CIRP

3 Le previsioni meteorologiche previsioni meteorologiche WMO (World Meteorological Organization) coordina su scala planetaria il rilevamento e lelaborazione dei dati meteorologici centri di calcolo per l'Europa: Reading (Londra) < 18 ore modelli numerici Ginevra nowcasting

4 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 modelli numerici matrici di copertura nuvolosa

5 Il lavoro svolto riflettanze temperature di 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 (16 bit) programma in IDL algoritmo MCMA

6 I dati MSG e MODIS elevata frequenza temporale con cui i dati devono essere forniti MSG 15 minuti 1 km 12 bande elevato numero di bande MODIS 24 ore 250 m 36 bande μm 0.81 μm 1.64 μm 3.92 μm 6.25 μm 7.35 μm 8.70 μm 9.66 μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm μm 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

7 Lalgoritmo 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 soglia delle riflettanze e delle temperature che si hanno in una scena osservata discriminazione dei corpi nuvolosi dalle 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

8 I test CC - confident cloudy PC - probably cloudy PNC - probably not cloudy CNC - confident not cloudy 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

9 I test

10 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

11 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 tipici delle classi

12 La procedura matrice L immagine multispettrale fase di training endmembers mappe tematiche soglie matrici F, G, Q, R FiGiQRFiGiQR nuvole test i-esimo nuvole gruppo i-esimo tutti i tipi di nuvola tutti / livelli discreti CL NC contiene le 9 grandezze testate dallMCMA matrice L Gli endmember E C, E NCL ed E NCS sono le medie dei vettori M C, M NCL ed M NCS relativi alle 10 immagini di training. medie dei valori di riflettanza e temperatura dei pixel appartenenti alle varie classi

13 Le regioni dinteresse L1L1 L3L3 L9L9 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

14 Il cloud mask immagine geocodificata F 9 - cirri immagini di Q ed R RGB invertito dei livelli G 4, G 1 e G 2 F 1 - nuvole alte e spesseG 2 - nuvole sottili

15 Gli endmember Valori espressi in gradi degli angoli compresi tra il vettore E C e i 10 vettori M C, tra il vettore E NCL e i 10 vettori M NCL e tra il vettore E NCS e i 10 vettori M NCS. Valori espressi in gradi degli angoli compresi tra il vettore E C e il vettore E NCL, tra il vettore E C e il vettore E NCS e tra il vettore E NCL e il vettore E NCS. 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 M NCL è differente dalla popolazione dei vettori M NCS e quindi gli endmember E NCL e E NCS possono essere considerati rappresentativi di due categorie differenti. RISULTATI E CONCLUSIONI

16 Cloud mask giorno ore RISULTATI E CONCLUSIONI

17 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 L 2, L 3 ed L 4 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. L4L4 G2G2 RISULTATI E CONCLUSIONI

18 Cloud mask giorno ore RISULTATI E CONCLUSIONI


Scaricare ppt "ESTRAZIONE DI FIRME SPETTRALI DI COPERTURE NUVOLOSE DA IMMAGINI SATELLITARI Relatori: Prof. F. Posa Dott.ssa C. Notarnicola Controrelatore: Prof. V. Berardi."

Presentazioni simili


Annunci Google