Desenvolvimento de um método automático de cobertura de nuvens
Souza, Mariza P.
Dissertação de Mestrado em Geofísica Espacial, orientada pelo Dr. Ênio Bueno Pereira, aprovada em 03 de setembro de 1999 (GES/INPE)
Este trabalho descreve o desenvolvimento de uma nova metodologia para estimar o índice de cobertura de nuvens. O método emprega uma base de dados obtida em superfície, através de uma câmara digital com sensor tipo CCD (Charge Coupled Device), na faixa de radiação do visível e aquisição de imagens em RGB (Red, Green and Blue). Para analisar as imagens coletadas foi desenvolvido um algoritmo cuja função é a de classificar os píxeis, com base em um processo de decisão preestabelecido empiricamente por observadores de campo, determinando assim, a fração de céu encoberto por nuvens. Para isso foi empregada a transformação do espaço de atributos RGB para IHS (Intensity, Hue and Saturation) utilizando a saturação (S) na separação dos píxeis que correspondem a céu e a nuvens. A metodologia foi testada com imagens coletadas na Estação Antártica Brasileira Comandante Ferraz. Os resultados obtidos com a aplicação do algoritmo desenvolvido sobre essas imagens mostram que a técnica usada é adequada para o trabalho proposto. A validação da metodologia foi realizada por comparação com os dados oriundos da inspeção visual do céu no local e das respectivas imagens obtidas. Foram testados 2 blocos com 25 imagens, representando cenas de céu claro e encoberto e um bloco com 29 imagens referentes a céu parcialmente encoberto. O percentual de acerto para os píxeis das imagens do grupo classificado visualmente como céu claro ficou entre 94% e 99%, para o grupo de céu classificado como totalmente encoberto entre 99,96% e 100%. O percentual de acerto para céu parcialmente encoberto apresenta uma grande dificuldade de validação pela própria característica subjetiva do processo de identificação visual, normalmente empregado nas estações meteorológicas. Portanto, a avaliação dos resultados da classificação automática realizada pelo método, foi obtida pela análise de "estudo de casos" (case studies) com base em diversos estados de cobertura do céu. Esses casos foram escolhidos de forma a representar: (1) padrões de cobertura de nuvens no céu bem definidos (contornos das nuvens bem definidos) e; (2) céu com padrões pouco definidos e grande quantidade de nebulosidade (bordas de nuvens pouco definidas e/ou estados de cobertura indefinidos). Para essas condições, o programa de reconhecimento também exibe resposta coerente com o processo subjetivo de classificação baseado na inspeção visual. Foram classificadas pelo método imagens coletadas para diferentes valores de ângulo zenital e de estados de cobertura de nuvens. O algoritmo de classificação dividiu os resultados em três casos distintos: (1) efetivamente nuvens (11% a 82,93%); (2) estado indefinido (10% a 23,41%) e (3) céu claro (13,82% a 85,32%). Todos os grupos foram testados com nível de confiança de 99,73%.
Development of a new method to determine the effective cloud-cover index-This work describes the development of a new methodology to field-estimate the sky cloud coverage percentage. This method employs as data base digital images collected by a CCD (Charge Coupled Device) camera, in the visible range of the solar spectra as RGB (Red - Green - Blue) compositions. An algorithm was developed to classify each pixel according to a decision process. This process was derived from empirical methods used by the meteorologists to classify the sky according to its cloud cover status. The method transforms the image attributes from the RGB space to the IHS (Intensity - Hue - Saturation) space. This allows the identification of the pixel contamination by clouds by using the information of the saturation (S) component of the IHS space. This methodology was tested at the Brazilian Antarctic Station, Ferraz (62o 05'S 58o 23',5W). The classification results obtained by applying this new methodology are adequate for the aim of this project, which is the automatic ground determination of the cloud fraction index. The validation of the methodology was made by comparing the results of the method with the field-observation of the sky, and with the RGB images. For the validation process we used two blocks of 25 images each, representing clear-sky, and overcast-sky and one block with 29 images representing images with intermediate sky conditions. The accuracy of the method for clear-sky was between 94% and 99%. For overcast conditions, the accuracy was between 99.96% and 100%. For intermediate conditions, this validation was somewhat more empirical and was applied to some "case studies". Several cloud sky conditions were selected in order to (1) represent well-defined clouds (sharp boundaries between cloud and clear-sky), and (2) represent sky conditions where the boundaries between clouds and sky were not well defined and/or with random nebulosity or thin clouds. For these two types of skies the classification algorithm yielded three distinct classes of results: (1) effectively clouds (11% to 82.93%); (2) undefined situation (10% to 23.41%); and clear sky (13.82% to 85.32%). All these groups were tested within the level of confidence of 99.97%.
Datas de Publicação
-
Publicação nesta coleção
21 Dez 2000 -
Data do Fascículo
Nov 1999
