CLASSIFICAÇÃO DE NUVENS EM IMAGENS MULTIESPECTRAIS GOES-8 NA REGIÃO AMAZÔNICA: COMPARAÇÃO COM RADIOSSONDAGENS   Marcus Jorge Bottino Juan Carlos Ceballos.

Slides:



Advertisements
Apresentações semelhantes
Diagrama Skew-T Lecture 9.
Advertisements

Técnicas de Estimativa de Precipitação
DESENHO INDUSTRIAL ASSISTIDO POR COMPUTADOR
Complexo convectivo de Mesoescala (CCM) no Brasil
Valeriano, D.M. Shimabukuro, Y.E. Duarte, V. Anderson, L.O.
MARCOS EUGÊNIO PIRES DE AZEVEDO LOPES TERESA S. AQUIJE CHACALTANA
MODELOS CONCEITUAIS DE SISTEMAS DE PRECIPITAÇÃO
Até o momento... Imagens de satélites:
O COEFICIENTE DE HURST E O COEFICIENTE DE VARIAÇÃO ESPACIAL NA SEGMENTAÇÃO DE TEXTURAS MULTIESPECTRAIS Dra Aura Conci Éldman Oliveira Nunes.
Iana Alexandra Alves Rufino
Leonardo de Paula Batista Benevides
Análises Meteorólogicas
Professor Laerte Guimarães Ferreira, PhD
Características das Imagens de Sensoriamento Remoto.
Características das Imagens de Satélite
Características das Imagens de Sensoriamento Remoto.
Detecção Remota DETECÇÃO REMOTA POR MICROONDAS:
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
PROGRESSÕES JUDITE GOMES
Modelagem para Web Aula de 11/04/2011.
GeoDMA Um sistema para mineração de dados de sensoriamento remoto
Meteorologia Sinótica –
ANOVA Prof. Herondino.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Hidrologia Precipitação
Mudanças Climáticas – bases físicas e incertezas
Third Meeting of Co-Principal Investigators of the Project IAI CRN-055
MEDIDAS DE VARIABILIDADE DADOS NÃO-AGRUPADOS
2007/11/21Virgínia Manta DM / FCTUC Apresentação do tema da dissertação tendo em vista a obtenção do grau de Mestre em ENGENHARIA GEOGRÁFICA Virgínia Manta.
Rastreamento de Sistemas Convectivos FORTRACC
RESULTADOS PRELIMINARES DO BALANÇO DE ENERGIA SOBRE O OCEANO ATLÂNTICO TROPICAL (PROJETO FluTuA) Jacyra Soares1 Amauri Pereira de Oliveira1, Jacques Servain2.
Estimação da direção de múltiplas fontes de luz Baseado no artigo Estimation of Illuminant Direction and Intensity of Multiple Light Sources, de W. Zhou.
M. J. Maldonadoae I. F. Brownb
Fernando Carvalho, João Manuel R. S. Tavares
Nevoeiros de Advecção Referências:
GEOPROCESSAMENTO Aula 5: Processamento de imagens e fotointerpretação
7. Resultados As radiossondagens realizadas em Rolim de Moura, em 26/Jan e na Reserva Biológica do Jaru, em 24/Fev, mostram que a passagem do sistema altera.
IAG USP USPTitulo: UTILIZAÇÃO DO GPS NO MONITORAMENTO DO IWV DURANTE A CAMPANHA RACCI/LBA Autores: Luiz Fernando Sapucci João Francisco Galera Monico Luiz.
RESULTADOS E DISCUSSÃO
Classificação de imagens de fotografias históricas usando detecção de linhas e paralelogramos pela presença de edifícios Natália Cosse Batista Grupo 8.
UML - Unified Modeling Language
Área de Concentração: Micrometeorologia
Monitoramento Automático de Parâmetros Hidrológicos na Bacia do Rio Purus, AM - HIDROPURUS - Centro de Previsão de Tempo e Estudos Climáticos – CPTEC/INPE.
Aula 8. Classificação Não Supervisonada por Regiões
Resultados e discussão
Combining Population and Environmental Data A Typology Approach based on Patterns and its Generative Processes Trajectories Building up Trajectories of.
RESUMO DE PARÂMETROS CONSERVATIVOS em PROCESSOS ADIABÁTICOS
Classificação de Imagens de Sensoriamento Remoto
CURSO DE ARQUIVOLOGIA CCBSA - UEPB – Campus V
A dinâmica do desmatamento em duas cidades amazônicas: Rio Branco e Cruzeiro do Sul, Acre, no período de 1985 a 2003 – uma análise preliminar. Faculdade.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Análise de Variância (ANOVA) Camilo Daleles Rennó
PROJETO BADDAM MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INPE - Instituto Nacional de Pesquisas Espaciais Coordenação Geral de Observação da Terra - OBT Programa.
Paradoxo da Internet Comentado por Joseph M. Newcomer In
"The microclimate of the surface layer can be strongly affected by turbulent flux divergence." Camada superficial--a porção mais baixa da camada limite.
Fabio Luiz Teixeira Gonçalves
Regressão e Previsão Numérica.
Monitoramento do Desmatamento da Amazônia por Satélite: Estimativas 2005 e Previsão 2006 Gilberto Câmara Diretor, INPE.
MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS VALIDAÇÃO DO SENSOR HSB Wagner Flauber Araújo Lima Luiz Augusto Toledo Machado.
O impacto da expansão da área de sistemas convectivos no ciclo de vida e na intensidade da atividade convectiva RACCI-LBA.
Métodos Estatísticos Aplicados às Ciências Biológicas - 11ª aula -
Felipe Marques Sobral dos Santos
Transporte de material particulado originado em queimadas na Amazônia durante Setembro de 2004 Carlos Pires Paulo Artaxo,
Evolução do arranjo espacial urbano e das terras agrícolas no entorno de Santarém (Pará) no período de 1990 a 2010 Ana Paula Dal’Asta Silvana Amaral Maria.
Alguns resultados de pesquisa em Processamento Digital de Imagens para aplicação em problemas de Sensoriamento Remoto na Amazônia (Radar) e em áreas urbanas.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Apresentação da Disciplina Camilo Daleles Rennó
Programação p/ INTERNET - HTML Prof. João Ricardo Andrêo 2/6/ :46 1 TABELAS A TAG é utilizada para apresentação de dados no formato de tabelas (apresentação.
SIMULAÇÃO DO COMPORTAMENTO ESPECTRAL DE ALVOS URBANOS EM SENSORES MULTIESPECTRAIS Carolina Moutinho Duque de Pinho 1, Marta Eichemberger Ummus 1, Tessio.
AVALIAÇÃO DOS DADOS DE PRECIPITAÇÃO DO SATÉLITE TRMM PARA A BACIA DE CONTRIBUIÇÃO DA UHE ITUMBIARA (GO) Alunos: Marcelo Pedroso Curtarelli,
CARACTERIZAÇÃO DE BAIRROS URBANOS EM IMAGENS DE ALTA RESOLUÇÃO ESPACIAL UTILIZANDO SISTEMA DE CLASSIFICAÇÃO BASEADO EM CONHECIMENTO Carolina Moutinho Duque.
Atualizações no modelo numérico de mudança climática Eta da representação da cobertura da terra no Nordeste do Brasil Padrões e Processos em Dinâmica de.
Transcrição da apresentação:

CLASSIFICAÇÃO DE NUVENS EM IMAGENS MULTIESPECTRAIS GOES-8 NA REGIÃO AMAZÔNICA: COMPARAÇÃO COM RADIOSSONDAGENS   Marcus Jorge Bottino Juan Carlos Ceballos Wagner Flauber de Araújo Lima Divisão de Satélites e Sistemas Ambientais Centro de Previsão de Tempo e Estudos Climáticos CPTEC-INPE Abstract In order to validate the method of classicacation GOES-8 imagery developed at DAS/CPTEC, a preliminary comparation between the radiative parameter classified and radiosound data during the Dry-to-Wet AMC/LBA campaign was apllied. Was seleted a set of radiosounds from the sites: Fazenda Nossa Senhora, Guajara Mirim e Porto Velho, when are found a homogenius class cover: surface, stratiform or multilayer / deep convection over there. The results for surface class suggest a diference around -8 C from the mean brightness temperature (channel 4) and the radiosonde temperature at 1000 hPa. For stratos classification cases the radiosonde show frequentily only one shadow layer. In the cases of multilayer / deep convection the radiosonde indicate a more deep layer, same time formed by more then one layer. Superfície T4=293K T4=290K T4=292K T4=303K Introdução Uma classificação da cobertura em imagens multiespectrais do satélite geoestacionario GOES-8 foi implementada na DSA/CPTEC. Este, assim como outros métodos remotos de classificação necessitam ser validados. Neste trabalho apresenta-se uma comparação preliminar entre tipos de cobertura classificados nas imagens e os perfis de radiossondagem da campanha Dry-to-Wet do período de 15 a 30 de setembro de 2002. Dada a dificuldade deste tipo de comparação, optou-se por selecionar casos onde foram classificadas cenas de superfície (céu claro), nuvens estratos e multicamadas / convecção profunda. Para estes casos, a depressão do ponto de orvalho (DPO) nas sondagens foi comparada com a temperatura de brilho média (na janela atmosférica) da classe. Procurou-se relacionar alguns aspectos dos perfis analisados com o contexto de cobertura de nuvens no cenário vizinho das imagens. Estratos Metodologia A classificação das imagens GOES-8 foi realizada por um método estatístico iterativo denominado “agrupamento dinâmico”, ou “dinamical centroids” (Sèze e Debois, 1987; Bottino e Ceballos, 2003). Foram consideradas 11 variáveis para cada pixel: a temperatura de brilho nos canais 2-5 (T2-T5), as diferenças de temperatura com respeito ao canal 4 (T24, T34 e T54) e a textura nos canais 2-5 (X2-X5), definida pelo logaritmo da variância espacial. O processo de classificação sobre a Região Amazônica resultou na definição de 29 centróides correspondendo a um tipo de cobertura (classe), para 8 horários ao longo do dia. A analise fatorial dos centróides, seguido de uma supervisão por nefanalise, permitiu agrupa-los em 6 categorias: superfície, superfície contaminada, cúmulos, estratos, cirros e multicamadas. (ver: http://satelite.cptec.inpe.br/htmldocs/exper/lba/racci-classif.htm) As radiossondagens realizadas nos sítios: Fazenda Nossa Senhora (Abracos), Guajara Mirim e Porto Velho, foram selecionadas baseado na ocorrência de pelo menos 5 pixels de uma mesma classe, num alvo de 3 por 3 (~15 km). Para os casos de uma dada classe em um dado horário, foi plotado o perfil médio da temperatura termodinâmica (Tt) e da temperatura do ponto de orvalho (Td) e seus respectivos desvios padrões. Observa-se que algumas classes foram verificadas em apenas um caso. Neste trabalho apresentamos os respectivos perfis de 4 casos de superfície, 3 de estratos e 3 de multicamadas (gráficos ao lado). Sobre estes perfis encontra-se marcado por linha tracejada a temperatura de brilho média da classe observada (T4), e abaixo destes um exemplo de imagem, com a posição dos três sítios marcados por quadrados pretos. Resultados Para as classes de superfície observou-se uma diferença de até -10C entre radiossondagem e T4 devido por exemplo a: 1) absorção do continuum do vapor d’água na janela atmosférica; 2) provável contaminação de pixels com cúmulos rasos, como ilustrado nos exemplos de imagens. De qualquer forma, o valor de T4 do centróide corresponde a uma população com desvio padrão da ordem de 3 a 21 C. No caso de estratos, as radiossondagens confirmaram a presença de uma camada de nuvens, com o topo evidenciado pelo aumento da DPO (Air Weather Service, 1990). A temperatura do centróide é coerente com o perfil observado, considerando-se que o desvio padrão da população é da ordem de 23 a 43 C. Nos casos de multicamadas / convecção profunda, a radiossondagem indicou uma camada muito de nuvem espessa (primeiro e segundo perfil) ou multicamadas (terceiro perfil). O aumento da DPO verifica-se por cima no nível de 300hPa. Os valores de T4 são condizentes com a Tt nesse nível. No caso da imagem das 00 Z, a radiossonda pode ter se deslocado com relação ao pixel considerado, que apresenta uma classe com topo de nuvem mais elevado. Embora os resultados sejam preliminares, indicam coerência entre a cobertura de nuvens existente e as classes determinadas por classificação. Uma análise mais abrangente poderá adicionar os dados de radiossondagens Dry-to-Wet obtidos no mês de outubro de 2002. T4=280K T4=269K T4=262K Multicamadas / Convecção profunda T4=214K T4=250K T4=253K Gráficos: perfis médios da temperatura e temperatura do ponto de orvalho (linha vermelha e verde respectivamente). Desvio padrão entorno da média em linhas tracejadas. Imagens: Recorte de imagem classificada exemplificando um caso do respectivo perfil médio. A posição dos sítios foi marcada por quadrados pretos. Referências Air Weather Service (1990). The use of the SkewT, LogP diagram in analysis and forecasting. Air Weather Service Estados Unidos, pub, AWS/TR-79/006. Bottino M. J., J. C. Ceballos, 2003. Classification of scenes in multispectral GOES-8 imagery. Anais, XI Simpósio Brasileiro de Sensoriamento Remoto, Belo Horizonte, MG. Sèze G., M. Desbois, 1987. Cloud cover analisys from satellite imagery using spatial and temporal characteristics of the data. J. Climate and Appl. Meteor. 26: 287-303. Componentes das 10 centróides das classes correspondentes aos casos analisados. Em vermelho, temperatura de brilho média no canal 4 e desvio padrão associado à classe.