Autor: sierż. pchor. inż. Jolanta SIEWERT Opiekun naukowy: dr Janusz M. JASIŃSKI IDENTYFIKACJA OBSZARÓW MGIEŁ I NISKICH CHMUR WARSTWOWYCH PRZY UŻYCIU KOMPOZYCJI BARWNYCH ZDJĘĆ SATELITARNYCH 1. Wstęp W ostatnim czasie na całym świecie znacznie wzrosła liczba danych pochodzących z satelitów meteorologicznych, co stwarza bardzo wiele nowych możliwości prognostycznych. Detekcja mgieł i niskich chmur warstwowych na podstawie danych satelitarnych nie jest zadaniem łatwym. Zjawiska te rozwijają się najintensywniej w nocy, gdy zobrazowania widzialne nie są dostępne, a kontrast termiczny pomiędzy tymi zjawiskami i podłożem jest mniejszy niż rozdzielczość termalna zobrazowań podczerwonych. Aby surowe dane satelitarne stały się praktycznym źródłem informacji meteorologicznej w zakresie identyfikacji tych zjawisk, muszą one zostać poddane przetwarzaniu, które pozwoli wydobyć z nich użyteczne informacje oraz umożliwi oddzielić i opracować te dane w produkty, które są łatwe w interpretacji i użyciu dla synoptyków. Takimi produktami są między innymi kompozycje barwne zdjęć satelitarnych - kompozycje RGB, przeznaczone do analizy danych z satelitów meteorologicznych, które mają na celu wspomaganie procesu prognozowania sytuacji synoptycznej w prognozowaniu krótkoterminowym i nowcastingu, szczególnie dla lokalnych warunków pogody. Mgły i niskie chmury warstwowe występują znacznie częściej niż inne niebezpieczne dla lotnictwa zjawiska atmosferyczne, szczególnie w okresie jesienno-zimowym. Dlatego też, tak bardzo podkreśla się ich znaczenie oraz wpływ na wykonywanie zadań lotniczych. Niskie podstawy chmur oraz ograniczona widzialność reprezentują jedne z trudniejszych do prognozowania elementów meteorologicznych dla modeli numerycznych. Coraz częściej synoptycy wykorzystują szczegółowe dane satelitarne, które dostarczają im informacji o fizycznych właściwościach chmur, takich jak temperatura wierzchołków, stan skupienia i wielkość cząstek chmur do monitorowania zasięgu występowania zachmurzenia niskiego i mgieł. W pracy przedstawiono możliwości wykorzystania kompozycji barwnych zdjęć satelitarnych do wykrywania mgieł i niskich chmur warstwowych oraz wyniki ich analiz i ocenę przydatności zastosowania w pracy operacyjnej. 1
2. Kompozycje barwne zdjęć satelitarnych W pracy wykorzystano zobrazowania z satelitów meteorologicznych METEOSAT-9 i METEOSAT-10 pozyskane przez ogólnodostępny, internetowy serwis danych satelitarnych EUMETSAT oraz oprogramowanie MSGView autorstwa Aydin Gürol Ertürk z Państwowej Tureckiej Służby Meteorologicznej. Jest to operacyjne i treningowe oprogramowanie służące do przetwarzania, analizowania i wizualizacji danych pochodzących z MSG SEVIRI. Aplikacje oprogramowania oferują proste, a zarazem bardzo użyteczne rozwiązania umożliwiające tworzenie kompozycji RGB. Rozwiązania te łączą informacje pochodzące z różnych kanałów satelitarnych w produkty, które w sumie dostarczają więcej informacji niż każdy z pojedynczych składowych obrazów może dostarczyć. Program przystosowany jest do przetwarzania zobrazowań satelitarnych w formacie HDF5 [2]. Wykorzystane w pracy kompozycje RGB wykonano przy użyciu modułu diff RGB, oprogramowania MSGView (rys. 2.2). Rys. 2.2. Widok okna oprogramowania MSGView oraz modułu do tworzenia barwnych zobrazowań różnicowych 3. Aspekty transferu promieniowania wykorzystywane do analizy zdjęć satelitarnych, ze szczególnym uwzględnieniem kanału 3,9 µm Rys. 3.1 przedstawia krzywe rozkładu widmowego promieniowania: krzywe Plancka dla Słońca (6000 K) i Ziemi (300 K). Rozkład widmowy energii (B (T)), jaka dociera od Słońca na granicę atmosfery, jest reprezentowany przez krzywą znajdującą się po lewej stronie, a rozkład widmowy energii emitowanej przez powierzchnię Ziemi przedstawia krzywa po prawej stronie. 2
Rys. 3.1. Krzywa Plancka dla Słońca (temperatura 6000 K) i Ziemi (300 K) Funkcja Plancka jest opisem dystrybucji energii względem długości fali w danej temperaturze (B λ (T)). Funkcja ta, dla jednej temperatury (6000 K lub 300 K) dla wszystkich długości fal (λ) określa energię źródła, reprezentowaną przez obszar pod krzywą Plancka: B (T) = B λ 0 (T) dλ (3.1) Krzywe promieniowania dla Słońca i Ziemi zostały utworzone za pomocą funkcji Plancka. Funkcja ta określa zależność promieniowania ciała o określonej temperaturze i długości fali elektromagnetycznej, czyli radiancję (R λ ): R λ = B λ (T) (3.2) Odwrotnie jeśli radiancja jest pomierzona, to wówczas z równania Plancka dla danej długości fali można ustalić temperaturę ciała doskonale czarnego, czyli temperaturę jasnościową obiektu promieniującego (T b ): T b = [B λ (R)] (3.3) Danej długości fali i radiancji ciała doskonale czarnego odpowiada konkretna wartość temperatury jasnościowej. Satelity meteorologiczne mierzą radiancję (R λmeasured ). Radiancja ta musi zostać zredukowana o zdolność emisyjną promieniującego obiektu (ε λ ) : 3
R λmeasured = ε λ B λ (3.4) Ponieważ Funkcja Plancka nie jest liniowa, trudno jest przedstawić zmianę radiancji i temperatury dla różnych zakresów spektralnych. Aby przedstawić sens zmienności radiancji i temperatury względem różnych długości fal stosuje się przybliżenie Rayleigh a-joens a: db/b = (α/λ)dt/t (3.5) gdzie: α = c 2 /T (3.6) które w konsekwencji daje wynik: B = T α/λ (3.7) Oznacza to, że dla różnych długości fal zmiana radiancji w stosunku do zmiany temperatury powierzchni promieniującej wacha się jak temperatura podniesiona do potęgi pewnej stałej podzielonej przez długość tej fali. Odpowiedź na zmianę temperatury powierzchni promieniującej jest znacznie większa w przypadku krótszych długości fal. Kanały podczerwone mierzą radiancję z tych samych powierzchni promieniujących, dla których to radiancja jest zamieniana na temperaturę jasnościową. Powierzchnie te reagują inaczej na temperaturę sceny, chyba że temperatura ta jest jednolita dla całej sceny wówczas, ignoruje się różnice emisyjności w zależności od długości fali. Nie można oczekiwać tej samej temperatury jasnościowej powierzchni przy czystym niebie i suchym powietrzu nocą nad powierzchnią ziemi w kanale 3,9 µm i 10,8 µm. Rys. 3.2 przedstawia graficzne wyjaśnienie zależności radiancji chmur Stratus i mgieł w kanale 3,9 µm i 10,8 µm w nocy. Na obrazie w kanale podczerwonym (10,8 µm) jest prawie niemożliwym rozróżnienie chmur Stratus i mgieł od podłoża o prawie takiej samej temperaturze. Wymagana jest bardzo duża różnica temperatur pomiędzy podłożem a obiektem promieniującym, aby dostrzec je na zobrazowaniu. Kanał podczerwony 10,8 µm cechuje się emisyjnością bardzo bliską emisyjności ciała doskonale czarnego. Dlatego też wartość otrzymanej radiancji w tym kanale zależy wyłącznie od temperatury obiektów promieniujących. W przypadku kanału 3,9 µm cząsteczki wody budujące chmury i mgłę mogą być wyróżnione z podłoża posiadającego taką samą temperaturę, gdyż powierzchnia ziemi emituje jak ciało 4
doskonale czarne, a chmury w przypadku tej długości fali nie. Cechują się one niższą emisyjnością. Podczas konwersji wartości radiancji chmur na temperaturę jasnościową, wszystkie obiekty promieniujące są traktowane tak, jakby były ciałami doskonale czarnymi. Dlatego też, niższa wartość radiancji z chmury w kanale 3,9 µm jest interpretowana przez satelitę jako niższa temperatura jasnościowa chmur. W konsekwencji, otrzymana temperatura z satelity w tym kanale jest niższa niż rzeczywista temperatura obiektu. Rys. 3.2. Identyfikacja chmur niskich i mgieł w nocy na zobrazowaniach satelitarnych 4. Proces tworzenia kompozycji barwnych Kompozycje barwne zdjęć satelitarnych są wynikiem wieloletnich badań nad właściwościami fizycznymi poszczególnych kanałów spektralnych zdjęć satelitarnych oraz ich oddziaływania z danymi ciałami w zależności od ich składu i budowy. Uzyskany efekt końcowy tych badań w dużej mierze zależy zarówno od przypadkowych odkryć, jak i długotrwałych eksperymentów naukowców. W celu wykonania kompozycji barwnej należy: dokładnie zdefiniować problem, który wymaga rozwiązania oraz określić przeznaczenie produktu; 5
dobrać i zgromadzić odpowiednie materiały wyjściowe (ze względu na przeznaczenie produktu, charakterystyki właściwości fizycznych badanych obiektów oraz poszczególnych kanałów spektralnych); zmodyfikować i przetworzyć dane za pomocą odpowiedniego oprogramowania. Wybrane kanały, czy też różnice kanałów przypisuje się do odpowiednich barw. Należy w miarę możliwości zachować konwencję barw, która pomaga w interpretacji kompozycji RGB. Dlatego też, na różnych produktach RGB odpowiednie właściwości fizyczne, ten sam sens fizyczny obiektów na zobrazowaniach, należy przypisywać do tych samych barw. Stosując się do tych zasad w kompozycji Night-fog RGB różnicy temperatur jasnościowych kanałów: IR 12,0 IR 10,8 µm przypisuje się barwę czerwoną, IR 10,8 IR 3,9 µm barwę zieloną, a kanałowi IR 10,8 µm barwę niebieską. Dzięki takiemu doborowi wybranych właściwości fizycznych do kolorów, uzyskana barwa jasnoniebieska odpowiada chmurom niskim i mgle, poprzez połączenie tych dwóch ostatnich barw zielonej i niebieskiej. Podobnie w przypadku 24-hours-fog RGB : różnicy temperatur jasnościowych kanałów IR 12,0 IR 10,8 µm przypisuje się barwę czerwoną, a różnicy temperatur jasnościowych kanałów IR 10,8 IR 8,7 µm barwę zieloną. W ten sposób na obu kompozycjach mgła i chmury niskie są koloru jasnoniebieskiego. woda chmury piętra średniego chmury Stratus i/lub mgła ląd chmury o dużej rozciągłości pionowej chmury Cirrus Rys. 4.1. RGB z dnia 05.08.2012r. godz. 23.12 UTC Ocena otrzymanej kompozycji pod względem wyglądu, a głównie skuteczności identyfikacji wybranych elementów meteorologicznych, jest niezbędna przed przystąpieniem do korzystania z utworzonego RGB. Ważnym jest to, aby dokonać krytycznej ceny otrzymanych produktów i aby być świadomym ograniczeń jakie niesie ze sobą proponowana metoda. 6
Na rys. 4.1 i 4.2 przedstawiono efekt zastosowania kompozycji RGB Night-fog RGB w przypadku sytuacji synoptycznych mających miejsce w sierpniu i w listopadzie. Zgodnie ze schematem kolorów (tabela 4.1), służącym do interpretacji tego produktu w zależności od pory roku (temperatury podłoża i atmosfery), interpretacja obu zobrazowań jest nieco odmienna. Przykładowo ląd i morze na zobrazowaniu z sierpnia przedstawione są w jednakowym kolorze, podczas gdy w listopadzie ich temperatura (kolor) jest inna. chmury Stratus i/lub mgła chmury piętra średniego woda chmury o dużej rozciągłości pionowej ląd chmury Cirrus Rys. 4.2. RGB z dnia 22.11.2012r. godz. 00.12 UTC Tabela 4.1. Interpretacja schemat barw Night-fog RGB oraz 24-hours-fog RGB Skala kolorów Interpretacja Chmury piętra wysokiego o dużej rozciągłości pionowej Chmury piętra wysokiego o dużej rozciągłości pionowej oraz temperaturze wierzchołków chmury poniżej -50 C Chmury piętra wysokiego, rodzaju Cirrus Chmury pietra średniego o dużej rozciągłości pionowej Chmury piętra średniego o małej rozciągłości pionowej Mgła/ niskie chmury nad lądem przy wychłodzonym podłożu Mgła/ niskie chmury nad lądem przy nagrzanym podłożu Ocean lub ocean i ląd przy nagrzanym podłożu Ląd 7
5. Kompozycje barwne MSG do wykrywania mgieł Zestawienia ujęte w tabeli 5.1 przedstawiają zakresy kompozycji RGB służące do wykrywania mgieł i niskich chmur warstwowych. Zakresy te zostały zestawione zgodnie z zakresami, które stosuje EUMETSAT oraz zaleca WMO do produkcji kompozycji RGB. Różnice temperatur jasnościowych poszczególnych kanałów, przypisane do odpowiednich kolorów, nie tylko określają zakresy temperatur obrazowanego zjawiska, ale także prezentują właściwości fizyczne poszczególnych obiektów (tabela 5.2). Ze względu na obrazowanie różnych właściwości przez poszczególne kanały spektralne nie zastępuje się produktu nocnego do wykrywania mgieł i niskich chmur warstwowych przez produkt całodobowy. Tabela 5.1. Zakresy RGB do wykrywania mgieł i niskich chmur warstwowych Zakresy promieniowania widzialnego Night-fog RGB R G B 24-hours-fog RGB R G B Wybrany kanał spektralny lub różnica kanałów IR 12,0 IR 10,8 IR 10,8 IR 3,9 IR 10,8 IR 12,0 IR 10,8 IR 10,8 IR 8,7 IR 10,8 Zakres różnic temperatur [K] - 4 do + 2 0 do + 10-30 do + 20-4 do + 2 + 2 do + 6-30 do + 20 Wartość współczynnika Gamma 1,0 1,0 1,0 1,0 2,0 1,0 Tabela 5.2. Zakresy RGB do wykrywania mgieł i niskich chmur warstwowych Kolor Temperatura jasnościowa kanałów Obrazowane właściwości za pomocą spektralnych bądź wartość ich różnic kanałów spektralnych bądź ich różnic Red 12,0 10,8 µm (w dzień i w nocy) gęstość, gęstość optyczna, ilość wody i lodu w chmurach, rozciągłość pionowa chmur Green 10,8 3,9 µm (w nocy) 10,8 8,7 µm (w dzień) rozmiar i stan fazowy cząsteczek chmurowych; stan fazowy cząsteczek chmurowych Blue 10,8 µm (w dzień i w nocy) temperatura obiektów promieniujących Efekt użycia standardowych wartości produktu Night-fog RBG zgodnie z zaleceniami w tabeli 5.1 został przedstawiony na rys. 5.1. Na rys. 5.2 przedstawiono efekt zawężenia zakresu temperatur jasnościowych obiektów obrazowanych przez kanał 10,8 µm, uwydatnionych w kolorze niebieskim. 8
Legionowo Legionowo Bukareszt Bukareszt Rys. 5.1. Kompozycja barwna Night-fog RGB, 03.11.2012r., godz. 03.12 UTC Rys. 5.2. Kompozycja barwna, 03.11.2012r., godz. 03.12 UTC Zakres różnic temperatur od 30 do 20 K zawężono do zakresu od 10 do 20 K. Należy wspomnieć, iż kolor jasnoniebieski otrzymano w wyniku połączenia obiektów koloru zielonego i niebieskiego. Różnica temperatur jasnościowych mgieł w kanale 10,8 µm i 3,9 µm może być bardzo duża. Na rys. 5.2 cieplejsze mgły w okolicach Morza Czarnego zostały zobrazowane właściwie czyli w kolorze jasnoniebieskim. Zawężenie zakresu temperatur jasnościowych nie wpływa na ich obrazowanie. Natomiast w rejonie Polski ten wpływ jest widoczny. Mgła obrazowana jest w kolorze żółtym, dlatego że mgły na obszarze Polski są chłodniejsze. Takie obrazowanie mgieł i niskich chmur warstwowych uniemożliwia dokonanie właściwej ich interpretacji. Rzeczywiste temperatury tych zjawisk w obu rejonach przedstawiają diagramy aerologiczne (rys.5.3, rys. 5.4). Rys. 5.3. Diagram aerologiczny, Legionowo, 03.11.2012, godz. 00.00 UTC [7] Rys. 5.4. Diagram aerologiczny, Bukareszt, 03.11.2012r., godz. 00.00 UTC [7] 9
Rys. 5.5. Kompozycje RGB z dnia 03.11.2012r., z godz. 03.12 UTC Przy zastosowaniu korekcji gamma o wartości 2 można było zauważyć lepszy kontrast pomiędzy obszarami występowania zachmurzenia rodzaju Stratocumulus a mgłą (rys. 5.5). Natomiast zastosowanie większego współczynnika gamma, rzędu 10, pozwoliło na rozróżnienie poziomów występowania chmur pietra niskiego i średniego, które w rzeczywistości znajdowały się powyżej obszarów identyfikowanych jako mgły i niskie chmury warstwowe. Potwierdzeniem powyższej analizy było porównanie temperatury jasnościowej na zobrazowaniu satelitarnym w kanale 10,8 μm z odpowiadającą jej wysokością i temperaturą na diagramie aerologicznym. 6. Nowcasting z wykorzystaniem kompozycji Night-fog RGB i 24-hours-fog RGB Określenie możliwego zasięgu wystąpienia niebezpiecznych dla lotnictwa zjawisk pogody jest jednym z głównych zadań stawianych synoptykom. Krótkoterminową prognozę rozwoju, przemieszczania się mgieł i niskich chmur warstwowych można wykonać przy uży- 10
ciu kompozycji barwnych zdjęć satelitarnych, gdy zjawiska te już wystąpią na danym obszarze. Wykorzystuje się w tym celu ekstrapolację formalną prostoliniową lub ekstrapolację krzywoliniową obszarów wystąpienia tych zjawisk. Należy określić obszar występowania mgły i niskich chmur warstwowych, a następnie śledzić kierunek jego rozwoju oraz prędkość przemieszczania się lub rozprzestrzeniania, posługując się kolejnymi zobrazowaniami (rys. 6.1, 6.2). Zobrazowania z satelity METEOSAT - 10 (z rozdzielczością czasową 15 min) w większości przypadków są wystarczające do wykonania takiej prognozy. Rys. 6.1. Kompozycje RGB z dnia 06.04.2013r., z godz. 21.42 UTC wraz z naniesionymi krawędziami położenia mgieł i niskich chmur warstwowych z odstępem 15 min Rys. 6.2. Kompozycje RGB z dnia 06.04.2013r., z godz. 21.42 UTC, prognoza na + 45 min Wykonując ekstrapolację należy wziąć pod uwagę czynniki terenowe i charakter podłoża, w kierunku którego prognozuje się przemieszczanie oraz informacje o aktualnym roz- 11
kładzie wiatrów w przyziemnej warstwie atmosfery. Z przeprowadzonych analiz wynika, iż te czynniki oraz rodzaj występującej mgły są kluczowymi elementami wpływającymi na prędkość przemieszczania się oraz rozwój tych zjawisk w różnych kierunkach. Przeprowadzone analizy potwierdziły, iż z reguły mgła i niskie chmury warstwowe nad powierzchnią lądu rozwijają się wolniej niż nad obszarami wodnymi, góry mogą znacznie hamować ich przepływ, a cisza często powoduje całkowite zahamowanie ich rozwoju. Prognozy położenia obszarów mgieł i niskich chmur warstwowych należy korygować, gdy następują znaczne odchylenia od opracowanej prognozy. Ciągłe śledzenie oraz korekcja prognozowanego przemieszczania się, rozwoju lub zaniku tych zjawisk pozwala w bardzo prosty i efektywny sposób określić czy dany rejon znajdzie się w zasięgu tych niebezpiecznych zjawisk pogody. Dodatkowo przedstawioną metodę można by zautomatyzować. 7. Podsumowanie Przeprowadzone analizy sytuacji synoptycznych na obszarze Polski z wykorzystaniem kompozycji RGB pokazują, że kompozycje Night-fog RGB i 24-hours-fog RGB mogą być stosowane do wykrywania mgieł i niskich chmur warstwowych. Standardowe kompozycje RGB można na własne potrzeby modyfikować. Badania wykazały, że wzrost współczynnika gamma dla kanału 10,8 µm w kompozycji Night-fog RGB pozwala rozgraniczać piętra występowania chmur. Zmniejszenie zakresu różnicy temperatur obrazowanych przez kanał 10,8 µm i jednoczesny wzrost współczynnika gamma pozwala usunąć niejednoznaczności przy identyfikacji chmur niskich i średnich. Przy takiej korekcji obszary chmur zbudowanych z wody przechłodzonej są znacznie lepiej wyróżnione. W zależności od strefy klimatycznej obszaru zainteresowania, zakresy różnic temperatur jasnościowych wykorzystywanych w kompozycjach mogą się nieznacznie różnić. Stosowanie zakresu różnic temperatur jasnościowych odpowiednich dla strefy klimatu śródziemnomorskiego, szczególnie w okresie zimowym, nie spełnia swojego zadania w strefie umiarkowanych szerokości geograficznych. Ponadto zalecenia do tworzenia kompozycji RGB przyjęte w pracy jako standardowe mogą być uzupełniane o inne schematy, powstałe w trakcie wykorzystywania ich w pracy operacyjnej. W pracy operacyjnej, aby uniknąć błędnej interpretacji zobrazowań Night-fog RGB spowodowanej wzrostem pomierzonej przez satelitę radiancji w kanale 3,9 µm, pod wpływem promieniowania słonecznego, należy zmienić wykorzystywane kompozycje na 24-hours-fog RGB (na 30 do 15 min przed wschodem słońca). Kompozycje RGB pozwalają uzyskać 12
większą efektywność detekcji zjawisk niż zobrazowania jednokanałowe czy różnicowe; mogą usprawnić komunikację pomiędzy pilotem a synoptykiem, gdyż ułatwiają pilotom podczas briefingu interpretację przedstawianych im zobrazowań satelitarnych gdy interesujące ich zjawiska niebezpieczne są wyróżnione. Zachowanie naturalnej tekstury obiektów na kompozycjach RGB zapewnia bardziej naturalny wygląd prezentowanego zjawiska niż ma to miejsce na produktach automatycznie klasyfikujących zachmurzenie. Na podstawie oceny tekstury mgły, można stwierdzić czy dana mgła jest w stadium rozwoju czy zaniku. Śledzenie kolejnych zobrazowań daje możliwość identyfikacji rodzaju mgły, określenia obszaru jej napływu. Niejednokrotnie mgły i niskie chmury warstwowe okazywały się być jedną z istotnych przyczyn katastrof lotniczych, dlatego też należy unikać rutynowego podejścia do prognozowania tych niebezpiecznych zjawisk pogody. W przypadkach wątpliwych warto wykorzystywać kompozycje RGB będące źródłem wiarygodnych danych, w szczególności gdy dostęp do aktualnych informacji meteorologicznych z danego rejonu jest ograniczony. Należy nadmienić, iż również podczas interpretacji kompozycji RGB niezbędna jest szczegółowa wiedza meteorologiczna na temat mgieł, warunków sprzyjających ich powstawaniu, rozwojowi i zanikowi. Literatura [1] Bader M.J., Images in weather forecasting, Cambridge, Great Britain 1995. [2] Ertürk A.G., MSGView v.3.0 MSG Data Processing & Visualization Software User Guide, Turkish State Meteorological Service. [3] Jasiński J.M., Kroszczyński K., Rymarz Cz., Winnicki I., Satelitarne obrazy procesów atmosferycznych kształtujących pogodę, PWN, Warszawa, 1999. [4] Kermann J., Applications of MSG Fog detection, RGB images: part 03 Channel selection and enhancements EUMETSAT 2004. [5] www.eumetsat.int [6] www.meted.ucar.edu [7] www.weather.uwyo.edu 13