De imágenes a productos

Marianne König, EUMETSAT

marianne.koenig@eumetsat.int

WMO
La presentadora…

Me llamo Marianne König

y trabajo como científica
meteoróloga en EUMETSAT
en el campo de derivación de
productos meteorológicos a
partir de datos satelitales.

WMO
Un vistazo a una imagen IR…

WMO
Un vistazo a una imagen VIS…

WMO
Datos de píxeles: inspección de los píxeles

IR VIS

Posición 1:24:17 S / 33:56:32 E Posición 1:24:17 S / 33.56:32 E

Valor sin procesar 436 Valor sin procesar 452
Radiancia 78,94 mW/m2/sr/cm-1 Radiancia 11,72 mW/m2/sr/cm-1
Temperatura 278.21 K

Posición 1:47:42 S / 33.01:08 E Posición 1:47:42 S / 33.01:08 E

Valor sin procesar 633 Valor sin procesar 185
Radiancia 119,33 mW/m2/sr/cm-1 Radiancia 3,91 mW/m2/sr/cm-1
Temperatura 304,21 K

WMO
Trasfondo teórico

‰ El satélite es un instrumento de percepción remota

‰ La información llega por medio de ondas electromagnéticas
El espectro electromagnético Visible
Long. de onda
(metros)
Longitud de onda (m)
Más larga
Frecuencia (Hz)
Más baja
Parte visible del espectro:
¡los colores son distintas
longitudes de onda!

Más corta Más alta

WMO
Un poco más de teoría

‰ Para obtener información significativa de las imágenes del

satélite, el campo de radiación analizado debe interactuar de
alguna forma con un parámetro atmosférico o de superficie.
‰ Para los canales de una longitud de onda solar (VIS), dicha
interacción es el reflejo de la superficie y la dispersión dentro de la
atmósfera y las nubes, algo similar a lo que ve el ojo humano.
‰ Importantes procesos radiativos: absorción, reflexión, dispersión.

Poca reflexión de la
superficie oscura del
mar, poca dispersión
atmosférica.

Mayor reflexión del

suelo, especialmente
de las nubes.

WMO
¿Qué pasa con las longitudes de onda infrarrojas?

‰ En el caso de los canales de las longitudes de onda

infrarrojas, la radiación es realmente el resultado de las
emisiones de la Tierra, la atmósfera y las nubes mismas
debido a la temperatura.
‰ Procesos radiativos importantes: emisión y absorción

Temperaturas
razonablemente
altas de la superficie
cálida del mar

Temperaturas muy bajas

de las nubes altas

WMO
Teoría de la radiación

‰ La ley física fundamental que

2 h c2
rige los procesos de radiación
es la Ley de Planck. Bλ = hc
−1
kB λ T
‰ Esta ley relaciona la radiación λ e5
térmica emitida máxima
h es la constante de Planck, kB es la constante de
posible con la temperatura T y Boltzmann, c es la velocidad de la luz)
la longitud de onda λ.

‰ Si consideramos las curvas de

Bλ (W / m2 / sr / μm-1 )
Planck, se vuelve obvio que a
medida que la temperatura
aumenta el máximo de
energía se desplaza hacia
longitudes de onda más
cortas: el Sol,
que es un cuerpo muy cálido,
alcanza su máxima a
longitudes de onda VIS.

WMO
Concepto of temperatura de brillo
La función de filtro de un
satélite es tal que una medición
es la energía integral entre los
límites de la longitud de onda
multiplicada con el filtro
-1

espectral.
Bλ (W / m2 / sr / μm-1 )

Si la cantidad de energía medida por un píxel 0 λ1 λ0 λ2

del satélite alcanza el nivel indicado por la barra
colos naranja a 10 μm, por ejemplo, podemos ver
que esta barra cae dentro de la curva de Planck
de 250 K y en ese caso diríamos que hemos
medido una temperatura de brillo de 250 K.
WMO
Navegación y calibración del satélite
Posición 1:24:17 S / 33.56:32 E
Valor sin procesar 436
Radiancia 78,94 mW/m2/sr/cm-1
Temperatura 278,21 K
Posición 1:47:42 S / 33.01:08 E
Valor sin procesar 633
Radiancia 119,33 mW/m2/sr/cm-1
Temperatura 304,21 K
WMO
Volviendo a nuestro ejemplo anterior
en el que consideramos píxeles
individuales en una imagen IR:
Para saber la ubicación exacta de un
píxel, tenemos que navegar por la
imagen (georreferenciarla). Para
transformar las mediciones reales (los
valores sin procesar) en unidades
físicas, es preciso calibrar el
instrumento.
¡La navegación y la calibración son
requisitos previos importantes para
obtener productos de buena calidad!
Posible contenido de información de las imágenes de satélite (VIS)

RADIANCIA SOLAR ESPECTRAL (Wm-2 µm-1)

NIEVE
RADIANCIA SOLAR FUERA DE LA ATMÓSFERA
RADIANCIA SOLAR DIRECTA AL NIVEL DEL MAR
MASA DE AIRE – 1,5

REFLECTANCIA
VAPOR DE AGUA = 2,0 cm
OZONO = 0,34 cm

τ’ aerosol 550 nm = 0,126

PASTO
Ǻ exponente = 0,56
BANDAS MODIS

SUELO

LONGITUD DE ONDA (λ) EN NANÓMETROS

LONGITUD DE ONDA (λ) EN NANÓMETROS

Contenido de información de los canales VIS/solares: los diferentes tipos de superficie

terrestre reflejan la radiancia solar directa de forma distinta, ¡y esto significa que los canales
VIS pueden brindarnos información sobre los tipos de superficie!
Figura cortesía de P. Menzel

WMO
Posible contenido de información de las imágenes de satélite (IR)

ABSORCIÓN (%)

LONGITUD DE ONDA (µm)

EMISIVIDAD (%)

LONGITUD DE ONDA (µm)

Contenido de información de los canales IR/térmicos: el panel inferior muestra las propiedades
de emisión de distintas superficies. Esta radiación emitida sube por la atmósfera y, dependiendo
de la longitud de onda, está sometida a los procesos de absorción de gases en la atmósfera; el
panel superior muestra la ubicación de las principales regiones de absorción.
Imagen cortesía de P. Menzel

WMO
Ejemplo de diferentes imágenes IR en diferentes regiones de
absorción

4 canales
(Meteosat-8),
misma vista:
temperaturas
de brillo muy
distintas

WMO
Importante herramienta de interpretación:
modelo de transferencia radiativa

‰ Los modelos de transferencia radiativa son herramientas

importantes para la interpretación de las imágenes
satelitales.
‰ Dichos modelos pueden simular los procesos de
radiación dentro de la atmósfera.
‰ Esto permite calcular el campo de radiación en la cima de
la atmósfera y compararlo con las mediciones del satélite.
‰ Esta comparación puede revelar aspectos importantes
del estado actual de la atmósfera, es decir, constituye un
primer paso hacia la elaboración de un “producto”.
‰ Examinaremos algunos ejemplos de este mecanismo
más adelante.

WMO
Importante herramienta de interpretación:
modelo de transferencia radiativa

‰ Los modelos de transferencia radiativa necesitan como

datos de entrada la información sobre la superficie, el
perfil atmosférico, la presencia de gases en la
atmósfera, las propiedades de la nube, etc.
‰ Con estos datos de entrada, la ecuación que rige los
procesos de radiación (ecuación de transferencia
radiativa) se resuelve en forma numérica. Existen
varios esquemas numéricos que aumentan o reducen
la precisión de estos modelos y la potencia de
procesamiento informático necesaria para ejecutarlos.
‰ Normalmente, estos modelos suponen algunas
simplificaciones (p. ej., capa atmosféricas y nubes
paralelas al plano).

WMO
Productos satelitales: ejemplo de derivación de vectores del viento

Para un satélite geoestacionario,

las imágenes consecutivas
muestran muy bien el movimiento
de las nubes p. ej.: en imágenes
VIS o IR10.8).
Este ejemplo contiene 3 imágenes
consecutivas de IR10.8 tomadas a
intervalos de 15 minutos.
¡Observe la característica nubosa
en el círculo naranja!

WMO
Animacion IR

WMO
Derivación de vectores del viento: paso de seguimiento

De la imagen 1 a la imagen 2: se identifica cierto patrón significativo en la

imagen 1 (= área de alto contraste). En la imagen 2, esta área se desplaza
en varias direcciones para hallar la mejor “correspondencia” con la imagen
1.
WMO
Calidad de los vectores del viento

Vector final de dos parejas

de imágenes: posibilidad de
control de calidad (coherencia Campo vectorial final:
temporal) posibilidad de control de
calidad (coherencia espacial)

WMO
Seguimiento del viento: ¿calibración y navegación?

El seguimiento del viento es uno de los pocos ejemplos que podemos

dar sin calibración: lo único que necesitamos es un poco de contraste
en la imagen, de modo que el seguimiento puede funcionar muy
bien, por ejemplo, con los “valores sin procesar”.
La buena navegación es esencial: Veamos lo que puede ocurrir…

WMO
Navegación de imágenes para seguimiento del viento: ejemplo

Con una navegación pobre,

¡el esquema de vientos
“sigue” el litoral! En este
ejemplo, se supone un error
de navegación de 0,5 grados
en latitud y longitud.

WMO
Navegación de imágenes para seguimiento del viento: otro ejemplo

Vector del
viento correcto

Ésta es la misma secuencia de las imágenes 2 y 3 que vimos antes, con el

vector del viento correcto a la izquierda. Ahora se supone que la imagen 3
tenga un error de navegación de 0,5 grados en latitud y longitud: por
supuesto que el vector del viento ha cambiado por completo y ahora refleja
principalmente el error de navegación.
WMO
Extracción del blanco: ejemplo de Meteosat sobre Europa Occidental

Cada cruz marca un

posible blanco
identificado para la
extracción de vientos,
tomado del procedimiento
automático que encuentra
las áreas de alto contraste.
¡No todos los blancos son
muy adecuados para el
seguimiento!

WMO
Campo de vientos final de un satélite geoestacionario

Ejemplo tomado de
Meteosat-8: los
colores hacen
referencia a canales
diferentes que se
usaron dentro del
seguimiento. Se ha
logrado una buena
cobertura de datos
del viento.

WMO
Datos de vientos desde órbitas polares

Cobertura global de satélite geoestacionario

La frecuencia de visita
está garantizada para los
satélites geoestacionarios.

La frecuencia de visita para las órbitas polares es muy alta cerca de los polos.

WMO
Ejemplo real de órbita polar: imágenes de vapor de agua de MODIS

Este ejemplo muestra

que hay bastante
superposición entre
órbitas consecutivas
(~1,5 horas de
diferencia temporal).

WMO
Animacion WV de MODIS

WMO
Representación compuesta del campo de vientos polares

WMO
Asignación de altura a los vientos

Mientras la velocidad y dirección de los vientos se identifican bien

en el paso de seguimiento, aún queda por solucionar el asunto de la
altura: vamos a considerar el ejemplo del canal IR10.8 en el que se
hizo el seguimiento de una nube. ¿Qué mide el satélite?

nube delgada
nube opaca gruesa semitransparente

WMO
Ejemplo tomado de una imagen real

En la imagen del canal IR10.8

vemos varias nubes opacas en
el centro y más nubes
semitransparentes en el sur.
Las lecturas de temperatura de
algunos píxeles muestran el
efecto dramático de la
semitransparencia, aunque la
diferencia de altura real entre
estas nubes no es muy grande.

WMO
Asignación de altura a nubes opacas

Se compara la temperatura de brillo

IR del píxel de la nube con el perfil
de temperatura pronosticado a nivel
local y se coloca la nube en la altura
donde los dos perfiles coinciden.

Perfeccionamiento: la absorción de
vapor de agua arriba de la nube se
modela mediante un modelo de
transferencia radiativa.

Problema: inversiones

WMO
Asignación de altura a nubes semitransparentes (1)

Curva de nube opaca

Uno de los muchos métodos de
corrección de semitransparencia
emplea las mediciones de los
canales IR10.8 y de vapor de
agua (normalmente WV6.2).
Como paso inicial, se computa una
relación teórica entre las radiancias
infrarroja y de vapor de agua para las
nubes opacas a diferentes alturas. Esto
Radiación IR se hace otra vez con un modelo de
transferencia radiativa.

WMO
Asignación de altura a nubes semitransparentes (2)

Curvas de escenas de nubes individuales y nubes semistransparentes

Las radiancias de IR y vapor de agua
observadas para varios píxeles de nube
adyacentes se comparan luego con la
curva teórica: mientras una nube opaca
caería en la curva, las mediciones de
curvas semitransparentes caen algo
debajo de la curva. La altura real de la
nube de todos estos píxeles es el punto
de intercepción con la curva teórica.

Radiación IR

220 hPa

WMO
Productos satelitales: ejemplo de derivación de una máscara de
nubes

Habla la intuición: la detección de nubes es algo sencillo, son

las características frías en las imágenes IR (izquierda) y las
características brillantes en las imágenes VIS (derecha).

WMO
Pero al mirar los detalles…

Zona ampliada de una imagen

IR: puede resultar muy difícil
decidir si los píxeles individuales
son nubosos o no.

Áreas problemáticas: bordes de

la nube, píxeles parcialmente
llenos, nubes multinivel,
superficies frías o brillantes…

WMO
Detección de nubes: condiciones difíciles

Canal VIS: nubes brillantes

sobre una superficie desértica
brillante

WMO
Detección de nubes: condiciones difíciles

Canal VIS: las

superficies brillantes
pueden también existir
sobre los océanos
(destello solar)

Destello solar

WMO
Detección de nubes: condiciones difíciles

Estas características
sobre el Atlántico Sur
podrían interpretarse
fácilmente como nubes
(ligeramente más frías
que la superficie), pero
en realidad se trata de
corrientes oceánicas
frías.

WMO
Generación automática de máscara de nubes: ejemplo de Meteosat-8

‰ El esquema operativo de detección de nubes de EUMETSAT es

una técnica denominada “de umbrales”
‰ Se comparan los datos de las imágenes tomadas en varios
canales IR con las temperaturas de brillo teóricas esperadas
calculadas por un modelo de radiación
‰ Los datos de entrada al modelo de transferencia radiativa son
perfiles pronosticados de temperatura y humedad
‰ Si están disponibles, se comparan los datos VIS con el brillo de
superficie esperado para un píxel despejado
‰ Otros factores determinantes:
‰ máscara tierra-mar
‰ distancia a la próxima costa
‰ información de la imagen anterior (15 minutos antes)
‰ desviación estándar local
‰ ubicación del destello solar

WMO
Generación de máscara de nubes: requisitos previos importantes

ƒ Necesitamos una buena navegación de la imagen, ya

que en caso contrario la imagen no “coincidirá” con
nuestro modelo de superficie (litorales, etc.).
ƒ Necesitamos un buen registro entre los canales
individuales, ya que en caso contrario la información
de los distintos canales puede resultar contradictoria.
ƒ Y necesitamos una buena calibración, especialmente
de los canales IR, para comparar las temperaturas de
brillo.

WMO
Problema de detección de nubes cerca de la costa: esquema

Puntos de malla
para perfiles de pronóstico
Píxel sobre el mar

Tierra
Mar

WMO
Problema de detección de nubes cerca de la costa

Temperatura IR prevista: 309 K

310 K

Esperado: ~309 K, pero la medición sólo indica 293 K

308 K 312 K
Tierra
Mar

Durante el día, cuando la superficie de suelo está cálida, el

píxel sobre el mar es mucho más frío de lo previsto para
los cuatro puntos de malla circundantes, es decir, se
marcaría como “nuboso”. Los números dan un ejemplo.

WMO
Problema de detección de nubes cerca de la costa

Ejemplo real de
este efecto del
procesamiento de
nubes de Meteosat-8

WMO
Solución: usar un punto distinto de la malla de pronóstico

Tierra
Mar
Punto de pronóstico relevante para nuestro píxel

El algoritmo de detección automática de nubes debe tomar en cuenta

este efecto y usar para los píxeles cercanos a la costa un punto de la
malla de pronóstico que corresponda al mismo tipo de superficie.
WMO
Algoritmos de recuperación de productos avanzados: impresión
visual del contenido de información de las imágenes multiespectrales

Los muchos instrumentos de generación de imágenes multiespectrales

que están disponibles en la actualidad nos brindan varias opciones
para combinar visualmente los canales individuales de acuerdo con
combinaciones de distintos colores, cada uno de los cuales resalta una
característica distinta.

Parte más severa de las nubes Tormenta de arena

convectivas en amarillo en color magenta

WMO
Algoritmos de recuperación de productos avanzados:
Derivación de la información de las imágenes multiespectrales

‰ Con un número mayor de canales, las técnicas

tradicionales de umbrales que presentamos antes han
alcanzado sus límites.
‰ En lugar de hacer cantidades de pruebas de umbral
con varios resultados del modelo de transferencia
radiativa, es posible hacerlo todo “de una vez” (en
forma matemática).
‰ Tales métodos suelen denominarse técnicas “de
estimación óptima”, lo cual significa que se busca la
solución que mejor se ajuste a las mediciones.
‰ Existen esquemas matemáticos, basados en teoremas
de probabilidad, que pueden llevar a cabo estas tareas.

WMO
Estimación óptima: ejemplo (1)

Miramos el ejemplo de mediciones VIS a

diferentes longitudes de onda sobre las
Observación “y“ del satélite nubes.
La nube se caracteriza por una serie de
x = τ re pc f
propiedades; en este ejemplo se trata de
la profundidad óptica τ, el tamaño de las
Rs
partículas re, la presión en la cima de las
nubes pc y el estado del agua en las
nubes f (de hielo, de agua o de mezcla).
Concebimos estas propiedades como el
“vector nuboso” x.
También tenemos el vector de
observación y del satélite (varios canales
VIS).
WMO
Estimación óptima : ejemplo (2)

Podemos “modelar” una nube en un

modelo de transferencia radiativa, y para
observación satelital y eso necesitamos hacer suposiciones sobre
x. Un determinado ciclo de ejecución del
modelo arroja la salida ym(x).
x = τ re pc f Nuestra observación y, sin embargo,
también depende de x.
Rs
El objetivo de la “estimación óptima” es
encontrar la combinación x que minimice
| y(x) - ym(x) |

Existen herramientas matemáticas que

permiten encontrar el valor x óptimo
para minimizar esta differencia.

WMO
Estimación óptima: teoría del esquema matemático

J m = ( ym − y ( x ) )S y−1 ( ym − y ( x ) ) La ponderación por errores

T
de medición incluida (con las
correlaciones) asegura que las
mediciones no se utilicren
ni de más ni de menos.

J = J m + ( xb − x )S x−1 ( xb − x ) Cuando hay estimados previos

T
disponibles, el marco teórico
los acomoda fácilmente.

Mejor ‘AJUSTE’ minimizando la función de costo:

ésta es la potencia básica de la estimación óptima,
ya que el mejor ajuste toma en cuenta todas las mediciones.
Además, el costo final se puede considerar como
una estimación de error de la solución.

J = costo

WMO
Estimación óptima: ejemplo de la función de costo

Esta imagen muestra un ejemplo

de la función de costo de
profundidad óptica y tamaño
efectivo de las partículas para un
píxel de nube dado. Las flechas
azules muestran las soluciones
iterativas que finalmente arrojan
el costo mínimo.
En términos matemáticos, esto se hace
minimizando la función de costo, es
decir, calculando su derivada y de
búsqueda iterativa del vector x donde
esta derivada es cero.

WMO
Costo de la solución como indicador de calidad: un ejemplo

WMO
Generadores de imágenes y más allá…

‰ Hasta ahora hemos considerado los generadores de imágenes

típicos, es decir, los instrumentos con una cantidad limitada de
bandas.
‰ Los instrumentos de sondeo hiperespectrales utilizan un espectro
muy fino para analizar el campo de radiación de la Tierra; si
consideramos la cantidad equivalente de canales, pueden ser miles.
‰ El instrumento IASI de Metop (el satélite polar de EUMETSAT) es un
ejemplo (IASI = Infrared Atmospheric Sounding Interferometer, es
decir, Interferómetro de Infrarrojos para Sondeos Atmosféricos).
El espectro de IASI
en negro, los canales
anchos del instrumento
HIRS en colores.

WMO
Instrumentos de sondeo: espectros IASI despejados y nublados

Clear

Cloudy

WMO
Instrumentos de sondeo: espectros IASI despejados y nublados

As
Clear

Ci
Cloudy

WMO
Instrumentos de sondeo: productos de sondeo

Es posible recuperar los parámetros de esta lista de cada espectro IASI

mediante una técnica de tipo estimación óptima:
‰ Perfil de temperatura en un mínimo de 40 niveles
‰ Perfil de humedad en un mínimo de 20 niveles
‰ Columnas de ozono en capas profundas (0-6 km, 0-12 km, 0-16
km, total)
‰ Temperatura del suelo y de la superficie del mar
‰ Emisividad de superficie en 12 posiciones espectrales
‰ Cantidad de N2O, CO, CH4, CO2 en columna
‰ Cantidad de nubes (hasta tres formaciones nubosas)
‰ Temperaturas máximas de las nubes (hasta tres formaciones
nubosas)
‰ Estado del agua en las nubes

WMO
Instrumentos de sondeo:
ejemplo de recuperación (atmósfera en el Ártico)

Real
Recuperado

WMO
Instrumentos de sondeo: ejemplo de recuperación de CH4

Columna de CH4 de IMG/ADEOS de 1-10 de abril de 1997

WMO
Típicas etapas de desarrollo de los productos

‰ Estudio de viabilidad: ¿contiene ese instrumento la

información que necesitamos extraer?
‰ Elección cuidadosa del algoritmo (por ejemplo: modelo de
transferencia radiativa adecuado, límites de tiempo de uso
de la CPU, etc.)
‰ Una vez terminado: validación, validación, validación, validación
‰ La validación puede incluir: comparación con la realidad
en el terreno, con los modelos numéricos, con productos
similares de otro satélite, con un producto similar derivado
con otro algoritmo…

WMO
Resumen (1)

‰ Podemos transformar los datos del satélite en una

enorme cantidad de productos meteorológicos si:
‰ el campo de radiación analizado se ve influenciado en alguna
medida por el parámetro meteorológico;
‰ contamos con una buena calibración del instrumento;
‰ contamos con una buena posición geográfica del instrumento.

‰ Por lo general, los datos del satélite brindan

información sobre:
‰ nubes (altura, temperatura, estado del agua, microfísica, …)
‰ superficie (temperatura, humedad, altura de las olas, …)
‰ parámetros de superficie como reflexividad y emisividad
‰ perfiles / componentes / aerosoles atmosféricos
‰ vientos (de una serie de imágenes)

WMO
Resumen (2)

‰ Estos productos satelitales son importantes para:

‰ asimilación en modelos de predicción numérica del tiempo (PNT)
‰ apoyo de aplicaciones de pronóstico inmediato
‰ apoyo de aplicaciones climáticas
‰ apoyo a la monitorización ambiental en general (incendios,
calidad del aire, …)

‰ Normalmente los productos están disponibles por

medio de:
‰ distribución directa por satélite
‰ SMT, RMDCN*
‰ internet
‰ archivos centrales
*SMT = sistema mundial de telecomunicaciones de la OMM
*RMDCN = Regional Meteorological Data Centre Network
(red de centros regionales de datos meteorológicos)
WMO
Resumen: información útil sobre los productos operativos

http://www.eumetsat.int
http://daac.gsfc.nasa.gov/MODIS/productos.shtml
http://www.ssec.wisc.edu
http://envisat.esa.int/dataproductos/

Y muchos más…

WMO
Derivación de vectores del viento: paso de seguimiento

De la imagen 1 a la imagen 2: se identifica cierto patrón significativo en la

imagen 1 (= área de alto contraste). En la imagen 2, esta área se desplaza
en varias direcciones para hallar la mejor “correspondencia” con la imagen
1.
WMO
Derivación de vectores del viento: paso de seguimiento

De la imagen 1 a la imagen 2: se identifica cierto patrón significativo en la

imagen 1 (= área de alto contraste). En la imagen 2, esta área se desplaza
en varias direcciones para hallar la mejor “correspondencia” con la imagen
1.
WMO
Derivación de vectores del viento: paso de seguimiento

Good match!

De la imagen 1 a la imagen 2: se identifica cierto patrón significativo en la

imagen 1 (= área de alto contraste). En la imagen 2, esta área se desplaza
en varias direcciones para hallar la mejor “correspondencia” con la imagen
1.
WMO
Derivación de vectores del viento: paso de seguimiento

Good match!

El proceso se puede repetir entre la imagen 2 y la imagen 3

WMO