IVON WILSON DA SILVA (2010).pdf
IVON WILSON DA SILVA (2010).pdf
Documento PDF (19.5MB)
Documento PDF (19.5MB)
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA
N.º de ordem: MET-UFAL-MS-078.
DESENVOLVIMENTO DE APLICAÇÕES OPERACIONAIS PARA O
MONITORAMENTO METEOROLÓGICO, AMBIENTAL E
OCEANOGRÁFICO UTILIZANDO DADOS DO SISTEMA EUMETCast
Ivon Wilson da Silva Júnior
Maceió - Alagoas
2010
IVON WILSON DA SILVA JÚNIOR
N.º de ordem: MET-UFAL-MS-078.
DESENVOLVIMENTO DE APLICAÇÕES OPERACIONAIS PARA O
MONITORAMENTO METEOROLÓGICO, AMBIENTAL E
OCEANOGRÁFICO UTILIZANDO DADOS DO SISTEMA EUMETCast
Dissertação de Mestrado apresentada
ao colegiado do curso de PósGraduação
em
Meteorologia
da
Universidade Federal de Alagoas, como
parte dos requisitos necessários à
obtenção do título de Mestre em
Meteorologia.
Orientador:
Prof. PhD. Humberto Alves Barbosa
Maceió - Alagoas
2010
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária Responsável: Helena Cristina Pimentel do Vale
S586d
Silva Júnior, Ivon Wilson da.
Desenvolvimento de aplicações operacionais para o monitoramento meteorológico, ambiental e oceanográfico utilizando dados do sistema EUMETCast / Ivon
Wilson da Silva Júnior, 2010.
168 f. : il., grafs., tabs.
Orientador: Humberto Alves Barbosa.
Dissertação (mestrado em Meteorologia : Processos de Superfície Terrestre) –
Universidade Federal de Alagoas. Instituto de Ciências Atmosféricas. Maceió,
2010.
Bibliografia: f. 152-155.
Apêndices: f. [156]-168.
1. Meteorologia operacional. 2. Satélites meteorológicos. 3. SEVIRI. 4. Imagem
de satélite . 5. Sensoriamento remoto. I. Título.
CDU: 551.501.86
DEDICATÓRIA
As pessoas que sonham os sonhos de Deus, que é
acima de tudo amá-lo e amar ao próximo. A cada
um que vê na ciência caminhos que levam o ser
humano ao contínuo conhecimento da Glória do
Senhor.
DEDICO.
AGRADECIMENTOS
Agradeço infinitamente a pessoa de Deus, por olhar para mim de maneira
única e especial, de forma que sem Ele nada seria possível no caráter científico,
pessoal e espiritual. A Ele seja dada toda honra e glória! Agradeço também a minha
esposa, Moniky, que é um genuíno presente de Deus para mim. Obrigado, por
sonharmos juntos, pelo incentivo, atenção e paciência em todos os momentos.
Ao meu orientador Prof. Dr. Humberto Alves Barbosa, exprimo sinceros
agradecimentos por todos os dias ensinar-me que o trabalho dignifica o ser humano,
e pelos conhecimentos e oportunidades compartilhadas, tornando-se parte desta
etapa de minha vida, enfim, meu desejo é que Deus continue usando-o para
edificação de vidas e de um mundo com propósitos.
Aos professores do Programa de Pós-Graduação em Meteorologia pelos
momentos de aprendizagem.
A Profª. Cibelle Lima e a Mayara Sales, pela orientação metodológica, revisão
e correções que possibilitaram o amadurecimento deste trabalho.
A toda a equipe do Laboratório de Processamento e Análise de Imagens de
Satélite (LAPIS).
A Fundação de Amparo à Pesquisa do Estado de Alagoas (FAPEAL), pela
concessão da bolsa que viabilizou a realização deste trabalho.
Ao corpo técnico e administrativo do Instituto de Ciências Atmosféricas (ICAT)
da Universidade Federal de Alagoas (UFAL).
Finalmente, a cada servo e amigo que faz parte da Igreja Batista Vida em
Comunidade (IBVC). Em especial ao Pr. Jose Nildo e sua esposa, Pra. Elizângela,
pela amizade fundamentada no amor, atenção e acolhimento.
“E ainda que tivesse o dom de profecia, e
conhecesse todos os mistérios e toda a ciência, e
ainda que tivesse toda a fé, de maneira tal que
transportasse os montes, e não tivesse amor, nada
seria.”
1 Coríntios 13.2.
Silva Júnior, Ivon Wilson da. Desenvolvimento de aplicações operacionais para o
monitoramento meteorológico, ambiental e oceanográfico utilizando dados do
sistema EUMETCast. Maceió, 2010.
RESUMO
O objetivo deste trabalho foi aprimorar e operacionalizar a estação receptora de
imagens do satélite Meteosat Segunda Geração (MSG) instalada na Universidade
Federal de Alagoas (UFAL) pelo sistema EUMETCast – sistema europeu de
disseminação de informação de baixo custo, projetado para distribuir dados
observados de satélite e produtos para diversos tipos de usuários – para o
monitoramento meteorológico, ambiental e oceanográfico. Foram desenvolvidas
aplicações para decodificação, geo-localização, visualização, composição de
imagens com mapa de divisões políticas e gráficos da extração dos valores dos
produtos fração de cobertura vegetal, albedo e temperatura da superfície terrestre e
do mar para os pontos de interesse. Adotou-se a metodologia de análise estruturada
como apoio ao desenvolvimento. Os resultados indicaram que objetivo foi
plenamente alcançado, sendo possível a implementação operacional das aplicações
em apoio aos órgãos operacionais de meteorologia e universidades para as
atividades de pesquisa e ensino. Outras aplicações de utilidade podem ser
desenvolvidas, principalmente com o uso dos programas de decodificação e
visualização, como o estudo de nuvens. Considerando a atual difusão do sistema
EUMETCast no Brasil, acredita-se que este trabalho possa ter inúmeras aplicações
a níveis regional e nacional.
Palavras-Chave: SEVIRI, Meteosat Segunda Geração, Imagens de Satélite,
Monitoramento Meteorológico.
Silva Júnior, Ivon Wilson da. Development of operational applications for
monitoring meteorological, oceanographic and environment using the system
EUMETCast data. Maceió, 2010.
ABSTRACT
The objective was to improve and operationalize the satellite-based images of the
receiving station of Meteosat Second Generation (MSG) installed at the Federal
University of Alagoas (UFAL) by the system EUMETCast - this user-driven, userfriendly and low-cost information European dissemination service, designed to
distribute satellite-based and products data to diverse communities - for
meteorological oceanographic and environmental monitoring. Applications were
developed for decoding, geo-location, displaying, composite images with political
boundaries and to extract the values of the fraction of vegetation cover, albedo, land
surface temperature and sea surface temperature products for areas of interest.
Structured analysis methodology was employed the code development. The results
indicated that the objective of work was fully accomplished, with the highlyimplementation of operational applications towards the support of operational
meteorological centers and universities for research activities and teaching. Other
MSG useful applications based on the decoding and displaying code can also be
derived, such as the cloud monitoring. Considering the current use of the
EUMETCast system in Brazil, it is possible that this work will have numerous
applications at regional and national levels.
Keywords: SEVIRI, Meteosat Second Generation, Satellite Images, Weather
Monitoring.
LISTA DE FIGURAS
Figura 1. Cobertura global do sistema EUMETCast.................................................. 24
Figura 2. Cobertura do EUMETCast Américas através do NSS-806 em banda C. ... 25
Figura 3. Estações EUMETCast instaladas no Brasil e suas respectivas instituições
responsáveis. ............................................................................................................ 26
Figura 4. Localização dos satélites Meteosat.. .......................................................... 27
Figura 5. A) Área de cobertura nos canais de baixa-resolução, e B) no canal de alta
resolução. Imagem recebida e processada no LAPIS em 02/05/2010. ..................... 31
Figura 6. Princípios de funcionamento do SEVIRI. ................................................... 32
Figura 7. Localização dos canais infravermelhos no espectro atmosférico.
. ................................................................................................................................. 36
Figura 8. Localização dos canais no visível, considerando um espectro de energia
típico .......................................................................................................................... 36
Figura 9. Funções de peso: A) Ao nadir do satélite e B) deslocado 60º, em latitudes
médias.. ..................................................................................................................... 37
Figura 10. Coordenadas geográficas. ....................................................................... 40
Figura 11. Estrutura da imagem HRIT/LRIT. ............................................................. 41
Figura 12. Ângulos e dimensões para a projeção GEOS. ......................................... 43
Figura 13. Grade de coordenadas para a projeção GEOS. ...................................... 45
Figura 14. Grade de coordenadas para a projeção MERCATOR.. ........................... 46
Figura 15. Estação de recepção instalada na UFAL.. ............................................... 50
Figura 16. Segmentos de uma imagem obtida pelo MSG. ........................................ 51
Figura 17. Imagem obtida em 23/10/2008. Destacando-se as seções, A) prólogo, B)
dados e C) epílogo.. .................................................................................................. 52
Figura 18. Corte definido para a área da América do Sul, denominado SAme.
.................................................................................................................................. 53
Figura 19. Estrutura hierárquica dos diretórios no sistema de processamento. ........ 55
Figura 20. Funcionamento de um script no Octave. .................................................. 59
Figura 21. Fluxograma das etapas do processamento dos dados brutos. ................ 59
Figura 22. Descompactação de uma imagem do canal de vapor d’água, destacandose em (A) software xRITDecompress e (B) resultado do processamento. ................ 61
Figura 23. Script LerPrologo.m em funcionamento, são exibidos os valores dos
coeficientes de calibração para uma imagem obtida em 15/12/2009. ....................... 63
Figura 24. Variáveis número digital e radiância......................................................... 64
Figura 25. Algoritmo de conversão da representação 10 bits para 16 bits................ 65
Figura 26. Editor de scripts padrão do Linux (gedit), destacando-se o algoritmo para
conversão da representação 10 bits para 16 bits, contido no script Segmentos.m. .. 66
Figura 27. Fluxograma do algoritmo de calibração radiométrica. .............................. 67
Figura 28. Algoritmo usado para calcular o dia Juliano e a distância Terra-Sol. ....... 68
Figura 29. Algoritmo usado para calcular o ângulo zenital do sol em um local e
horário especificado. ................................................................................................. 69
Figura 30. Algoritmo usado para calcular as tabelas de calibração para os canais do
espectro visível e infravermelho. ............................................................................... 71
Figura 31. Cálculo das constantes C1 e C2. ............................................................... 72
Figura 32. Algoritmo de transformação de coordenada da imagem para projeção
MERCATOR. ............................................................................................................. 73
Figura 33. Algoritmo de transformação de coordenada geográfica para projeção
MERCATOR. ............................................................................................................. 74
Figura 34. Aplicação das funções geoocord2pixcoord e geoocord2mercator para a
localização dos pixels no ponto em que está localizada a estação de recepção. ..... 75
Figura 35. Fluxograma do algoritmo de projeção MERCATOR................................. 76
Figura 36. Função de transformação de coordenada geográfica para projeção
MERCATOR. ............................................................................................................. 77
Figura 37. Divisão político-administrativa elaborada pelo script GerarOverlay.m. .... 79
Figura 38. Algoritmo para realizar a diferença entre os canais do MSG. .................. 81
Figura 39. Transformação aplicada aos pixels. O valor de >1 realiza o ajuste de
intensidade do brilho para a curva côncava e <1 para a curva convexa.. ............... 82
Figura 40. Algoritmo para processamento de composições coloridas. ..................... 83
Figura 41. Continuação do algoritmo para processamento de composições coloridas.
.................................................................................................................................. 84
Figura 42. Algoritmo para armazenamento do arquivo HDF. .................................... 86
Figura
43.
Fluxograma
das
etapas
do
processamento
dos
dados
para
monitoramento ambiental. ......................................................................................... 88
Figura 44. Software HDFView e estrutura do produto FVC. ...................................... 89
Figura 45. Algoritmo para leitura dos arquivos disponibilizados pelo LSA SAF. ....... 90
Figura 46. Matrizes concatenadas com os dados LSA SAF...................................... 91
Figura 47. Concatenação de matrizes no script CriarProduto.m. .............................. 92
Figura 48. Algoritmo para divisão político-administrativa nos produtos de
monitoramento ambiental. ......................................................................................... 93
Figura 49. Algoritmo para projeção MERCATOR nos produtos de monitoramento
ambiental. .................................................................................................................. 93
Figura 50. Algoritmo para aplicação do fator de escala. ........................................... 94
Figura 51. Tabelas de cores para os produtos LSA SAF processados. .................... 95
Figura 52. Algoritmo para construção da grade de coordenadas. ............................. 95
Figura 53. Algoritmo para localização de pontos na imagem. ................................... 96
Figura 54. Algoritmo para armazenamento do produto de monitoramento ambiental.
.................................................................................................................................. 98
Figura
55.
Fluxograma
das
etapas
do
processamento
dos
produtos
de
monitoramento oceanográfico. ................................................................................ 100
Figura 56. Algoritmo do script CriarProdutosOSI.m para a definição das
características do produto. ...................................................................................... 101
Figura 57. Algoritmo para leitura de arquivos formato GRIB. .................................. 102
Figura 58. Algoritmo de transformação de coordenadas da imagem para
coordenadas geográficas. ....................................................................................... 104
Figura
59.
Algoritmo
de
transformação
de
coordenadas
geográfica
para
coordenadas de imagem. ........................................................................................ 105
Figura 60. Algoritmo para elaboração da divisão político-administrativa para os
produtos de monitoramento oceanográfico. ............................................................ 105
Figura 61. Escala de cores para os produtos O&SI SAF. ....................................... 106
Figura 62. Algoritmo para inserção da divisão política, e associação às cores da
escala. ..................................................................................................................... 107
Figura 63. Algoritmo para construção da grade de coordenadas. ........................... 108
Figura 64. Algoritmo para armazenamento dos produtos O&SI SAF. ..................... 109
Figura 65. Algoritmo do script para construção de gráficos. ................................... 111
Figura 66. Continuação do algoritmo para construção de gráficos. ........................ 112
Figura 67. Volume de dados brutos recebidos em março de 2010. ........................ 116
Figura 68. Volume de dados ambientais recebidos em março de 2010. ................. 117
Figura 69. Volume de dados oceanográficos recebidos em março de 2010. .......... 118
Figura 70. Canal VIS006 em projeção GEOS, imagem obtida em 18/08/2009 às
12:00 UTC. .............................................................................................................. 119
Figura 71. Canal VIS006 em projeção MERCATOR, imagem obtida em 18/08/2009
às 12:00 UTC. ......................................................................................................... 120
Figura 72. Parâmetros físicos para o canal VIS006, em uma área de 9x9 pixels. .. 121
Figura 73. Parâmetros físicos para o canal IR_108, em uma área de 9x9 pixels.... 122
Figura 74. Parâmetros físicos para o canal WV_062, em uma área de 9x9 pixels. 123
Figura 75. Canais VIS006, VIS008 e IR_016 obtidos em 10/01/2010 às 12:00 UTC.
................................................................................................................................ 124
Figura 76. Canais do vapor d’ água obtidos em 10/01/2010 às 12:00 UTC. ........... 125
Figura 77. Canais infravermelho obtidos em 10/01/2010 às 12:00 UTC. ................ 126
Figura 78. Composição RGB “Natural Colours”, imagem obtida em 10/01/2010 às
12:00 UTC. .............................................................................................................. 128
Figura 79. Composição RGB “Airmass”, imagem obtida em 11/03/2010 às 18:00
UTC. ........................................................................................................................ 129
Figura 80. Composição RGB “Day And Night Microphysical”, obtida em 24/02/2010
às 18:00 UTC. ......................................................................................................... 131
Figura 81. Composição RGB “Convective Storms”, obtida em 24/02/2010 às 18:00
UTC. ........................................................................................................................ 132
Figura 82. Realce do canal WV_072 (Vapor d’ Água) obtida em 01/10/2010 às 12:00
UTC. ........................................................................................................................ 134
Figura 83. Realce do canal IR_108 (Temperatura de Brilho) obtida em 01/10/2010 às
12:00 UTC. .............................................................................................................. 135
Figura 84. Realce do canal IR_108 sobre o Rio de Janeiro, entre os dias 05 e 06 de
abril de 2010............................................................................................................ 136
Figura 85. Evolução temporal da temperatura de brilho sobre um ponto localizado no
Rio de Janeiro. ........................................................................................................ 137
Figura 86. Produto FVC processado em: A) Março; B) Junho; C) Setembro e D)
Dezembro de 2009. ................................................................................................. 138
Figura 87. Evolução temporal do FVC para dois sítios no período entre 2008 e 2009.
................................................................................................................................ 139
Figura 88. Albedo da sup. processado em: A) Março; B) Junho; C) Setembro e D)
Dezembro de 2009. ................................................................................................. 140
Figura 89. Evolução temporal do albedo da superfície para dois sítios no período
entre 2008 e 2009. .................................................................................................. 141
Figura 90. Temperatura da superfície terrestre registrada em 01/09/2009 a cada 6
horas. ...................................................................................................................... 142
Figura 91. Evolução diária da temperatura da superfície em: A) Puça-Piauí e B) Área
de agricultura........................................................................................................... 142
Figura 92. Produto de TSM corte setorial MAP, obtido em: A) 10/04/2010 às
00:00UTC e B) 10/04/2010 às 12:00 UTC. ............................................................. 143
Figura 93. Produto de TSM corte setorial LML, obtido a cada 3 horas no dia
10/04/2010. ............................................................................................................. 144
Figura 94. Janela de acesso principal do sistema de visualização e animação de
imagens. .................................................................................................................. 145
Figura 95. Menu principal para acesso aos produtos de monitoramento
meteorológico, ambiental e oceanográfico. ............................................................. 145
Figura 96. Banco de acesso as imagens processadas. .......................................... 146
LISTA DE TABELAS
Tabela 1. Bandas operacionais e respectivas faixas de freqüências. ....................... 31
Tabela 2. Os canais espectrais do SEVIRI. .............................................................. 33
Tabela 3. Produtos disponibilizados pelo LSA SAF, considerados no trabalho, e sua
freqüência de disponibilização. ................................................................................. 53
Tabela 4. Constante solar no topo da atmosfera....................................................... 70
Tabela 5. Constantes físicas para o cálculo de C1 e C2. ........................................... 71
Tabela 6. Valores das constantes Vc e coeficientes de correção A e B para os canais
infravermelhos. .......................................................................................................... 72
Tabela 7. Valores dos coeficientes de escala. .......................................................... 74
Tabela 8. Produtos disponibilizados pelo OSI SAF, considerados no trabalho, e suas
características.. ......................................................................................................... 99
Tabela 9. Relação entre cores, reflectância e alvos para a composição colorida
“Natural Colours”. .................................................................................................... 129
Tabela 10. Relação entre cores e diferença da temperatura de brilho, composição
colorida “Airmass”. .................................................................................................. 130
Tabela 11. Relação entre cores e diferença da temperatura de brilho, composição
“Day And Night Microphysical”. ............................................................................... 131
Tabela 12. Relação entre cores e diferença da temperatura de brilho para a
composição colorida “Convective Storms”. ............................................................. 133
Tabela 13. Composição RGB para monitoramento de massas de ar. .................... 168
Tabela 14. Composição RGB para monitoramento de sistemas convectivos. ........ 168
Tabela 15. Composição RGB para monitoramento diurno. ..................................... 168
Tabela 16. Composição RGB para monitoramento da microfísica de nuvens, diurno.
................................................................................................................................ 168
Tabela 17. Composição RGB para monitoramento da microfísica de nuvens,
noturno. ................................................................................................................... 168
LISTA DE SIGLAS E ABREVIATURAS
AVHRR
CSV
DVB
EKU
EUMETSAT
FTP
FUNCEME
FVC
GEOSS
GERB
GOES
GOES VAS
GPS
GRIB
HRIT
HRUS
IBGE
INPE
JPEG
LAPIS
LED
LML
LRIT
LRUS
LST
LUT
MAP
MODIS
MSG
NaN
NDVI
NESDIS
NOAA
NSS-806
OMM
RAM
RGB
RSS
SAF
SAme
SEVIRI
SPT
SVG
TSM
UFAL
UMARF
Advanced Very High Resolution Radiometer
Comma-Separated Values
Digital Video Broadcast
EUMETCast Key Unit
European Organisation for the Exploitation of Meteorological
Satellites
File Transfer Protocol
Fundação Cearense de Meteorologia e Recursos Hídricos.
Fractional Vegetation Cover
Global Earth Observation System of Systems
Geostationary Earth Radiation Budget
Geostationary Operational Environmental Satellite
GOES Vertical Atmospheric Sounder
Global Positioning System
GRIdded Binary Format
High-Rate Information Transmission
High-Rate User Station
Instituto Brasileiro de Geografia e Estatística
Instituto Nacional de Pesquisas Espaciais
Joint Photographic Experts Group
Laboratório de Análise e Processamento de Imagens de Satélite
da UFAL
Light Emitting Diode
Low and Mid Latitudes
Low-Rate Information Transmission
Low-Rate User Station
Land Surface Temperature
Look-Up Tables
Merged Atlantic Products
MODerate-resolution Imaging Spectroradiometer
Meteosat Segunda Geração
Not a Number
Normalized Difference Vegetation Index
National Environmental Satellite, Data, and Information Service
National Oceanic and Atmospheric Administration
NewSkies-806
Organização Mundial de Meteorologia
Random Access Memory
Red-Green-Blue
Rapid Scan Services
Satellite Application Facility
South America
Spinning Enhanced Visible and Infrared Imager
SEVIRI Preprocessing Toolbox
Scalable Vector Graphics
Temperatura da Superfície do Mar
Universidade Federal de Alagoas
The Unified Meteorological Archive and Retrieval Facility
USB
UTC
VCAN
VITO
Universal Serial Bus
Coordinated Universal Time
Vórtice Ciclônico de Altos Níveis
Vision on technology
SUMÁRIO
1 INTRODUÇÃO ....................................................................................................... 19
1.1 Objetivos ............................................................................................................. 20
1.1.1 Objetivo Geral .................................................................................................. 20
1.1.2 Objetivos Específicos ....................................................................................... 20
1.2 Organização do Trabalho .................................................................................... 21
2 REFERENCIAL TEÓRICO ..................................................................................... 23
2.1 Visão geral do sistema EUMETCast ................................................................... 23
2.1.1 A comunidade EUMETCast no Brasil ............................................................... 25
2.2 A configuração atual dos satélites Meteosat Segunda Geração (MSG) .............. 26
2.2.1 Órbita................................................................................................................ 28
2.2.2 Freqüências e bandas de acesso..................................................................... 30
2.2.3 O imageador SEVIRI ........................................................................................ 31
2.2.4 Os canais espectrais do SEVIRI e suas aplicações. ........................................ 33
2.2.5 Formatos e transmissão dos dados ................................................................. 38
2.3 Processamento das imagens .............................................................................. 39
2.3.1 Geo-localização de pontos na imagem ............................................................ 39
2.3.2 Projeção geoestacionária (GEOS) ................................................................... 42
2.3.3 Projeção de MERCATOR ................................................................................. 46
2.3.4 Calibração radiométrica.................................................................................... 46
3 MATERIAIS E MÉTODOS...................................................................................... 49
3.1 Estação EUMETCast instalada na UFAL ............................................................ 49
3.2 Aquisição e seleção dos dados ........................................................................... 51
3.3 Organização e armazenamento dos dados ......................................................... 55
3.4 Softwares e linguagens de programação utilizadas ............................................ 56
3.5 Processamento dos produtos para o monitoramento meteorológico .................. 58
3.5.1 Processamento dos dados brutos .................................................................... 58
3.5.2 Descompactação dos dados brutos ................................................................. 60
3.5.3 Obtenção dos coeficientes de calibração ......................................................... 62
3.5.4 Leitura e união dos segmentos ........................................................................ 63
3.5.5 Calibração radiométrica.................................................................................... 67
3.5.6 Geo-localização e projeção de mercator .......................................................... 72
3.5.7 Composições coloridas .................................................................................... 79
3.5.8 Armazenamento do arquivo HDF ..................................................................... 85
3.6 Processamento dos produtos para o monitoramento ambiental ......................... 87
3.6.1 Leitura do arquivo HDF .................................................................................... 90
3.6.2 Concatenação de matrizes ............................................................................... 91
3.6.3 Divisão político-administrativa e projeção de MERCATOR .............................. 92
3.6.4 Fator de escala................................................................................................. 93
3.6.5 Tabela de cores, grade de coordenadas e geo-localização de pontos ............ 94
3.6.6 Armazenamento do produto para monitoramento ambiental............................ 97
3.7 Processamento dos produtos para o monitoramento oceanográfico .................. 99
3.7.1 Leitura do arquivo GRIB ................................................................................. 102
3.7.2 Geo-localização e divisão político-administrativa ........................................... 103
3.7.3 Escala de cores .............................................................................................. 106
3.7.4 Grade de coordenadas ................................................................................... 107
3.7.5 Armazenamento do produto para monitoramento oceanográfico................... 108
3.8 Ferramenta para construção de gráficos ........................................................... 110
3.9 Sistema de visualização, animação e banco de imagens ................................. 113
4 RESULTADOS E DISCUSSÕES ......................................................................... 115
4.1 Volume de dados recebidos .............................................................................. 115
4.2 Produtos processados para monitoramento meteorológico .............................. 118
4.3 Análise da decodificação e calibração radiométrica dos dados brutos ............. 121
4.4 Análise dos produtos para o monitoramento meteorológico.............................. 124
4.4.1 Composições coloridas .................................................................................. 128
4.4.2 Realce dos canais vapor d’ água (WV062) e temperatura de brilho (IR_108) 133
4.5 Análise dos produtos para o monitoramento ambiental .................................... 138
4.6 Análise dos produtos para o monitoramento oceanográfico.............................. 143
4.7 Análise do sistema de visualização, animação e banco de imagens ................ 144
5 CONCLUSÕES E RECOMENDAÇÕES............................................................... 147
5.1 Sugestões para trabalhos futuros...................................................................... 150
6 REFERÊNCIAS .................................................................................................... 151
APÊNDICE I- CONFIGURAÇÃO DO SISTEMA DE RECEPÇÃO........................... 156
APÊNDICE II-FUNÇÕES DE GEOLOCALIZAÇÃO DISPONIBILIZADAS PELA
EUMETSAT ............................................................................................................. 166
APÊNDICE III - COMPOSIÇÕES COLORIDAS RECOMENDADAS PARA AS
IMAGENS DO MSG ................................................................................................ 168
1 INTRODUÇÃO
Há uma crescente demanda de informações ambientais derivadas de
imagens de satélites meteorológicos geoestacionários para a tomada de decisões
em setores sócio-econômicos, gestão de recursos hídricos, defesa civil e repostas a
emergências causadas por desastres naturais. Não obstante, é cada vez mais
crescente a necessidade de se processar estas informações em tempo real para que
cheguem rapidamente a grupos especializados e tomadores de decisão. Diante
desses desafios, em 2004 a Organização Mundial de Meteorologia (OMM) criou o
Global Earth Observation System of Systems (GEOSS) com o objetivo de manter um
sistema global, efetivo e integrado para coleta, processamento, troca de dados
meteorológicos e ambientais para prevenção, mitigação e repostas a desastres
naturais.
Dentro desse contexto, o EUMETCast é um sistema de baixo custo para
difusão de dados de satélites, observações in situ, produtos e serviços como
contribuição para o sistema GEOSS, com cobertura próxima da global.
Especificamente, a América do Sul é coberta por este sistema. Ele é mantido pela
EUMETSAT (European Organisation for the Exploitation of Meteorological Satellites),
uma organização intergovernamental, com objetivo de estabelecer, manter e
explorar sistemas de satélites meteorológicos, e tem a finalidade de disseminar
dados de produtos meteorológicos gerados tanto por ela mesma, como pelos SAF's
(Centro de Facilidade de Aplicação de Satélites, tradução do autor), o sistema é
constituído
por
satélites
meteorológicos
geoestacionários,
satélites
de
telecomunicações, antenas e estações de superfície terrestre.
No Brasil a utilização dos dados do satélite Meteosat Segunda Geração
(MSG) através do sistema EUMETCast teve inicio em 2006, [após o Instituto
Nacional de Pesquisas Espaciais (INPE) e a Fundação Cearense de Meteorologia e
Recursos Hídricos (FUNCEME)]. A Universidade Federal de Alagoas (UFAL) foi a
primeira instituição de ensino superior a possuir uma estação em 2007. Este sistema
tem se destacado quando comparado a outros, devido ao baixo custo da estação de
recepção, aliado às vantagens tecnológicas como a resolução espectral e temporal
do MSG. Apesar do sistema se mostrar eficiente nestes aspectos é importante
observar que a EUMETSAT não fornece um software para o processamento das
20
imagens, mas permite acesso aos dados brutos. Ainda são escassas as pesquisas
para entender os processos de recepção dos dados brutos recebidos pelo satélite
meteorológico MSG através do sistema EUMETCast, determinando também, os
processos de calibração, geo-localização, visualização, formatos e arquivamento
das imagens. Reconhecendo o rápido crescimento da utilização efetiva de produtos
derivados do satélite MSG e a defasagem das universidades em relação ao acesso
aos dados meteorológicos e ambientais, o Laboratório de Processamento e Análise
de Imagens de Satélite (LAPIS) da UFAL tem procurado obter formas de acesso
facilitado aos dados, o que explica o interesse pelo sistema EUMETCast. Com ele
foi possível obter com baixo custo imagens e produtos derivados do satélite MSG e
produtos regionais de interesse meteorológico e ambiental para fins de ensino e
pesquisa.
A motivação da pesquisa foi contribuir para a operacionalização da
recepção, decodificação e visualização dos dados do MSG. Foram também
apresentados os resultados obtidos do desenvolvimento de aplicações para o
monitoramento meteorológico, ambiental e oceanográfico a partir dos dados
recebidos pelo LAPIS.
1.1 Objetivos
1.1.1 Objetivo Geral
O objetivo geral deste trabalho foi aperfeiçoar uma estação de recepção
através do sistema EUMETCast operacionalizando a decodificação, calibração, geolocalização e visualização das imagens e produtos do satélite MSG através do
desenvolvimento de aplicações computacionais, em apoio aos órgãos operacionais
de meteorologia e universidades para fins de pesquisa e ensino.
1.1.2 Objetivos Específicos
Dentro deste contexto, os objetivos específicos da pesquisa foram:
a) Realizar a decodificação e calibração radiométrica dos dados brutos do
satélite, com a finalidade de transformá-los em parâmetros físicos, especificamente
informações de radiância, temperatura de brilho e reflectância;
21
b) Realizar a projeção MERCATOR e a geo-localização das imagens do
satélite, de forma a possibilitar a localização de pontos através das coordenadas
geográficas e a realização de cortes setoriais;
c) Processar produtos de monitoramento meteorológico, explorando os
canais do sensor SEVIRI (Spinning Enhanced Visible and Infrared Imager) através
de composições coloridas e realce de imagens;
d) Processar produtos
de monitoramento
ambiental, através
da
transformação dos dados recebidos pelo projeto LSA SAF em parâmetros biofísicos
para elaborar produtos relacionados à vegetação, como o índice FVC1 e ao balanço
de energia como albedo da superfície e LST2;
e) Processar produtos de monitoramento oceanográficos, através dos
dados recebidos pelo projeto O&SI SAF para extrair informações relacionadas ao
monitoramento da temperatura da superfície do mar (TSM);
f) Idealizar aplicações para a visualização das imagens e elaboração de
um banco de dados para que os órgãos operacionais de meteorologia possam
recuperar as informações processadas através do LAPIS em sua página de internet;
g) Idealizar aplicações para elaboração de gráficos a partir dos
parâmetros físicos extraídos dos produtos de monitoramento.
1.2 Organização do Trabalho
Este trabalho foi organizado em seis capítulos que são resumidamente
descritos a seguir:
O Capítulo um contém a introdução do trabalho, na qual foram
apresentadas a motivação e a contextualização do estudo, bem como sua
importância e os objetivos gerais e específicos a serem alcançados.
O Capítulo dois refere-se ao referencial teórico, o leitor encontra neste
capítulo a descrição do sistema EUMETCast, as características gerais dos satélite
MSG (Meteosat Segunda Geração), no que se diz respeito a órbita e freqüências de
acesso, a descrição do instrumento SEVIRI e dos seus canais, e os conceitos
relacionados a geo-localização e a calibração radiométrica dos dados brutos.
1
2
Fractional Vegetation Cover.
Land Surface Temperature Fonte: PUM, (2008).
22
No Capítulo três, são apresentados os materiais e métodos utilizados
nesse trabalho. Basicamente os materiais envolvem a estação de recepção
EUMETCast instalada na UFAL e os dados brutos do MSG para o monitoramento
meteorológico em conjunto com os dados disponibilizados pelos projetos LSA SAF e
O&SI SAF destinados ao monitoramento ambiental e oceanográfico. Um conjunto de
softwares e linguagens de programação foi utilizado para o desenvolvimento das
aplicações computacionais. Os métodos utilizados são apresentandos na forma de
fluxogramas e algoritmos comentados de forma que leitor tenha entendimento das
etapas desenvolvidas para processar os dados em questão, transformando-os em
produtos para monitoramento.
No Capítulo quatro, apresentam-se os resultados obtidos através do
emprego operacional das aplicações desenvolvidas na estação de recepção
EUMETCast do LAPIS. Foram utilizadas amostras dos dados recebidos pela
estação e exemplos que ilustram os resultados obtidos nas etapas de decodificação,
calibração radiométrica e geo-localização das imagens, bem como foram
exemplificados os produtos processados para monitoramento meteorológico,
ambiental e oceanográfico. Para destacar o ganho que o processamento realizado
trouxe a esses dados, por vez, utilizaram-se como exemplos, possíveis fenômenos
meteorológicos habitualmente observados sobre a América do Sul. Concluiu-se
apresentando o sistema desenvolvido para visualização e animação das imagens e
o banco de dados em formato de página de internet.
Por fim, no Capítulo cinco são apresentadas as conclusões e as possíveis
recomendações resultantes do trabalho, além de sugestões para trabalhos futuros e
no Capítulo seis encontram-se listadas as referências bibliográficas consultadas.
23
2 REFERENCIAL TEÓRICO
2.1 Visão geral do sistema EUMETCast
Em 1º de Abril de 1960, o primeiro satélite meteorológico TIROS-1 foi
lançado. A espaçonave, os sensores, a transmissão de dados e suas aplicações,
atualmente, parecem-se pouco com o que eram no tempo dos esforços pioneiros.
Quase cinco décadas depois, os satélites sofreram evoluções significativas. As
antigas câmeras de TV evoluíram para radiômetros multi-espectrais de varredura, e
o tratamento manual dos dados foi sendo substituído por processamentos
computacionais cada vez mais sofisticados, o que era analógico passou a ser digital.
(KAMPEL, M., 2004).
Graças
às
tecnologias
espaciais
e
computacionais
atualmente
disponíveis, é possível estudar o planeta como um sistema global. À medida que a
tecnologia espacial e as técnicas de sensoriamento remoto foram evoluindo, os
satélites meteorológicos também foram se proliferando internacionalmente. Um dos
maiores sistemas de satélites meteorológicos é mantido por duas organizações
européias, a ESA (European Space Agency) e a EUMETSAT. A primeira, em 1970
lançou o um veículo espacial denominado Meteosat-1, alguns anos depois, em
1981, foi lançado o segundo veículo Meteosat-2. Em 1986 foi criada a segunda
organização, através da cooperação de 16 países europeus, o programa Meteosat
tornou-se então responsabilidade direta da EUMETSAT, e até 1997 foram lançados
mais cinco veículos, finalizando a missão que foi denominada Meteosat de primeira
geração, mais recentemente, a missão Meteosat Segunda Geração (MSG) teve
seus veículos lançados em 2002 e 2005. (EUMETSAT, 2010).
Atualmente as imagens do MSG estão disponíveis para usuários da
Europa, África, Ásia e América do Sul, através do sub-sistemas EUMETCast Europe,
EUMETCast África, FengYunCast e EUMETCast América, respectivamente. Esses
sistemas fazem parte do EUMETCast que, por sua vez, é definido como uma rede
global de sistemas de disseminação de dados através de uma rede de satélites, ele
faz parte do Sistema Global dos Sistemas de Observação da Terra (GEOSS), que
tem como um dos objetivos fornecer dados de meio ambiente e ferramentas de
apoio a decisão à uma variedade de usuários. O seu objetivo principal é colocar a
24
disposição de uma vasta gama de usuários informações globais como suporte para
a tomada de decisões sólidas em um número de áreas críticas, incluindo a saúde
pública, energia, agricultura, clima, água, catástrofes naturais e ecossistemas. O
acesso a estas informações é realizado por um serviço de baixo-custo, o que deve
trazer benefícios para a sociedade através da melhoria da gestão dos recursos
naturais, da saúde humana e do bem-estar e crescimento econômico. Os produtos e
serviços a seguir estão disponíveis aos usuários do sistema EUMETCast:
• Dados de imagem dos satélites Meteosat, GOES East e West, e FY-2.
• Produtos para monitoramento da superfície terrestre e dos oceanos
desenvolvidos pelos SAF's.
• Produtos meteorológicos da EUMETSAT e NOAA-NESDIS3.
• Produtos de vegetação distribuídos pela VITO4.
• Produtos para monitoramento oceânico do satélite MODIS5.
• Dados observacionais e in-situ. (EUMETSAT, 2010b).
A Figura 1 apresenta a cobertura global do sistema EUMETCast,
destacando em diferentes cores a divisão em sub-sistemas.
Figura 1. Cobertura global do sistema EUMETCast. FONTE: (EUMETSAT, 2006, p.12).
Na América do Sul, a utilização deste sistema teve início em abril de
2006. Para a disseminação dos dados é utilizado o satélite de telecomunicação da
3
Serviços de satélites e informações da NOAA (National Oceanic and Atmosphere Administration).
http://www.nesdis.noaa.gov/
4
Organização de pesquisa Belga, fornece produtos do satélite SPOT-VEGETATION através do
EUMETCast. http://www.vito.be/VITO/EN/HomepageAdmin/Home.
5
MODIS (MODerate-resolution Imaging Spectroradiometer) principal instrumento a bordo dos
satélites AQUA e TERRA mantidos pela NOAA.
25
provedora Globecast, denominado NewSkies-806 (NSS-806), localizado a 40.5º de
latitude oeste, que transmite os dados em banda C. A área de cobertura, Figura 2,
inclui parte da América do Norte e das ilhas do Caribe.
Figura 2. Cobertura do EUMETCast Américas através do NSS-806 em banda C.
FONTE:(EUMETSAT, 2006, p.14).
A instalação típica de uma estação para recepção envolve a utilização de
um computador com uma placa padrão DVB (Digital Video Broadcast) instalada e
uma antena parabólica direcionada para o satélite de telecomunicações. Para
decodificar o sinal e ter acesso aos dados, adicionalmente são utilizados softwares
específicos e uma chave de acesso, denominada EKU (EUMETCast Key Unit),
ambos
disponibilizados
pela
EUMETSAT.
Em
caráter
operacional,
outras
configurações para a estação de recepção podem ser utilizadas, envolvendo, por
exemplo, um computador adicional destinado ao processamento dos dados
recebidos. Detalhes técnicos sobre o sistema EUMETCast e as configurações da
estação utilizada neste trabalho encontram-se no Apêndice I. Ressalta-se ainda que
um único computador destinado a recepção pode potencialmente receber todos os
dados oferecidos pelo sistema a partir do satélite de telecomunicações.
2.1.1 A comunidade EUMETCast no Brasil
No Brasil a utilização dos dados do satélite Meteosat Segunda Geração
através do sistema EUMETCast teve inicio em 2006, após o Instituto Nacional de
Pesquisas Espaciais (INPE) e a Fundação Cearense de Meteorologia e Recursos
26
Hídricos (FUNCEME). A Universidade Federal de Alagoas (UFAL) foi a primeira
instituição de ensino superior a possuir uma estação do sistema em 2007.
Atualmente,
encontram-se
instaladas
25
estações
de
recepção,
distribuídas em 16 estados brasileiros. Desde o principio, são realizados cursos e
treinamentos anuais, fruto do acordo entre INPE e EUMETSAT. A UFAL tem
participado desses cursos através do Laboratório de Processamento de Imagens de
Satélite (LAPIS).
A Figura 3, apresenta a distribuição geográfica das estações instaladas
no Brasil, e suas respectivas instituições responsáveis.
Figura 3. Estações EUMETCast instaladas no Brasil e suas respectivas instituições responsáveis.
FONTE: (LAPIS, 2010. www.lapismet.com. Acesso em 21 mai, 2010, 17:30)
O sistema EUMETCast apenas começou a ser conhecido e utilizado, mas
a perspectiva é que ele se popularize rapidamente pelos centros operacionais,
universidades e instituições a medida que estes tomem conhecidas as facilidade e
benefícios que ele proporciona.
2.2 A configuração atual dos satélites Meteosat Segunda Geração (MSG)
O Meteosat Segunda Geração consiste em uma série de quatro satélites
meteorológicos geoestacionários, juntamente com uma infra-estrutura terrestre, que
operará consecutivamente até 2018. (PRESTRELO, 2008).
27
Cada
satélite
foi
projetado
para
ter
um
tempo
de
vida
de
aproximadamente sete anos. Tal como acontece com o sistema da primeira
geração, é disponibilizado um serviço de satélite em pares, onde um satélite
adicional está disponível em órbita. (SCHMETZ et al., 2005).
O primeiro satélite, Meteosat-8, foi lançado em 22 de Abril de 2002. Em
seguida foi lançado o Meteosat-9 em 21 de dezembro de 2005. Essa geração está
gradativamente substituindo a primeira geração, e atualmente o Meteosat-9 provê
informações para o sistema EUMETCast. O Meteosat-8 é uma réplica do seu
antecessor, e funciona como um sistema de backup e oferece um serviço chamado
Rapid Scan Service (RSS)6 para os países da Europa. A dimensão dos satélites de
segunda geração é de 3,2 m de diâmetro com 2m de altura, semelhantemente aos
satélites da primeira geração, ele gira ao redor do próprio eixo a velocidade de 100
RPM e o seu eixo principal é praticamente alinhado ao eixo norte-sul terrestre.
(KERK, 2008).
Ambos os satélites da segunda geração estão localizados nominalmente
a 0º de latitude. O Meteosat-9 está a 0º de longitude, e o Meteosat-8 está deslocado
9.5º a leste. A Figura 4, exibe a localização e a área de cobertura. Essa localização
possibilita que aproximadamente 42% do globo terrestre seja monitorado.
Figura 4. Localização dos satélites Meteosat. Adaptada de KERK, (2008) p.15.
A missão principal do MSG é a observação contínua da terra, que é feita
através de um radiômetro imageador denominado Spinning Enhanced Visible and
Infrared Imager (SEVIRI), que obtém imagens multi-espectrais com resoluções
temporais, espaciais e radiométricas superiores ás da geração anterior. O SEVIRI
observa a superfície da terra medindo a radiância em doze diferentes comprimentos
6
Serviço de imageamento para Europa com resolução temporal de cinco minutos. SCHMETZ et al.
(2000).
28
de onda do espectro eletromagnético onde a diversidade de canais fornece
medições de diferentes características físicas da atmosfera e da superfície em uma
resolução espacial de 3 km no ponto do sub-satélite. Um dos canais é denominado
Canal de Alta Resolução e para esse canal as imagens são adquiridas no espectro
visível com resolução espacial de 1 km no ponto do sub-satélite. A resolução
temporal do satélite é de 15 minutos, o que fornece observações da rápida mudança
em fenômenos como os sistemas convectivos. (EUMETSAT, 2001).
Adicionalmente, abordo do MSG está o instrumento Geostationary Earth
Radiation Budget (GERB), que observa a radiação termal no espectro infravermelho
e visível que é emitida pela Terra. O instrumento faz medições dos componentes de
radiação de ondas curtas e ondas longas e do saldo de radiação no topo da
atmosfera. Esses dados são interessantes para estudos climatológicos e não são
utilizados para as previsões meteorológicas de curto prazo. Em particular, as
observações simultâneas com o SEVIRI e GERB revelaram elementos dos
processos físicos de convecção e a sua influência sobre o saldo de radiação nos
trópicos, por exemplo. (SCHMETZ et al., 2005).
As imagens da terra e outros dados meteorológicos são disseminados via
satélite de telecomunicações para que as informações sobre as condições
meteorológicas atuais possam ser recebidas pelos usuários em tempo quase real.
Os satélites estão equipados para transmitir informações para as estações de
usuários localizadas em qualquer lugar dentro da área de cobertura do Meteosat.
(EUMETSAT, 2001).
Cada satélite apresenta características de funcionamento que estão
diretamente relacionadas com o seu objetivo principal. Uma das características
importantes é a trajetória pela qual o satélite percorre em torno da Terra,
denominada órbita.
2.2.1 Órbita
Os satélites movimentam-se em diferentes órbitas ao redor da Terra.
Essas órbitas diferenciam-se pela distância entre o núcleo da Terra e do satélite e
pela posição relativa da órbita a partir da terra, bem como o tipo de órbita: circular ou
oval (elíptica). Satélites de órbita circular movimentam-se em volta da Terra em uma
29
órbita em que eles permanecem o tempo toda a mesma distância em relação à
superfície da Terra (KERK, 2008).
As forças atuantes sobre o satélite são descritas pela Lei da Gravitação
Universal e pela Segunda Lei de Newton.
Duas forças atuam sobre o satélite, por um lado, a força centrípeta
e por outro lado, a força centrífuga
,
2 ,
(1)
(2)
em que, é a massa do satélite, o raio da terra, a distância entre o centro da
terra e o satélite, a força da gravidade e a freqüência circular do satélite.
Para permanecer em uma orbita circular, ambas as forças devem ser
iguais:
,
(3)
2 .
A massa do satélite aparece em ambos os lados da equação, por isso, é
um termo que pode ser desprezado, reduzindo a equação em:
Isolando o termo , temos:
2 .
.
2
(4)
(5)
Segundo Kerk (2008), com estas equações podemos calcular a distância
entre o satélite e a terra. O único fator que influência a altitude é o período da órbita.
Um período orbital especial que é amplamente utilizado é o período orbital de 24
horas. Para atingir este período orbital, o satélite deve residir em uma altitude de
aproximadamente 35.786 km. Um satélite nesta órbita presente no Equador está em
uma posição fixa em relação a um ponto em superfície, sendo assim, classificado
como um satélite geoestacionário. Outra característica da órbita do satélite é a sua
posição relativa à superfície da terra, que pode ser descrita pela inclinação da órbita.
Assim, uma antena terrestre pode permanecer fixa e apontada sempre a
uma dada direção do céu, sem necessitar ser redirecionada periodicamente. Este é
30
o caso dos satélites artificiais de comunicação, rádio e televisão que ficam em
órbitas geoestacionárias a fim de permanecerem sempre sobre a mesma posição
aparente, sendo que o peso ou a forma do satélite é irrelevante (ELBERT, 1999).
Kerk (2008), afirma que o principal benefício deste tipo de órbita diz
respeito à posição fixa que o satélite está localizado, o qual permite a instalação de
uma antena com alinhamento estático. Com respeito à altitude do satélite, a
vantagem oferecida é que três satélites são suficientes para cobrir toda a superfície
terrestre. Por outro lado, Schmetz et al., (2005) ressaltam que uma das
desvantagens dessa altitude é a limitação na resolução espacial e o fato de que ao
se deslocar do equador para os pólos ocorre diminuição no ângulo de elevação.
Portanto, usuários localizados além de 60º de latitude terão dificuldades na
recepção, somente sendo possível receber o sinal utilizando grandes antenas.
Alguns desafios devem ser considerados para os satélites que estão em
órbita ao redor da terra, um deles é utilizar uma freqüência de transmissão que evite
conflitos com outros satélites e que possibilite o uso eficiente da banda de
transmissão disponível.
2.2.2 Freqüências e bandas de acesso
Problemas com a freqüência desativam ou absorvem o sinal transmitido
pelo satélite e conseqüentemente os receptores não recebem sinais adequados e,
portanto, a transmissão deve ser repetida. Em vista disso, é necessário manter o
uso coerente das bandas de acesso entre os diferentes sinais disponíveis. Um fator
relevante é a quantidade de banda de transmissão limitada para os diversos
satélites que pretende utilizá-la. (RODDY et al., 2006).
O sistema EUMETCast é disponibilizado aos usuários através das banda
C para as Américas, África e Ásia, e na banda Ku para a Europa. Na América do
Sul, o satélite de telecomunicações NewSkies-806 opera na banda C, que é uma
banda de freqüência utilizada nas comunicações com satélites que tem a seguintes
características: Espectro de freqüência de 4 GHz a 8 GHz, usada para recepção
(Satélite - Terra) e a que vai de 5 GHz a 6 GHz é usada na transmissão (Terra Satélite) (SCHILLER, 2003). Um fator a ser considerado, é o diâmetro da antena
utilizada para recepção em diferentes bandas. A Tabela 1 relaciona as bandas,
31
faixas de freqüências e o diâmetro mínimo das antenas utilizadas para recepção das
imagens do MSG.
Tabela 1. Bandas operacionais e respectivas faixas de freqüências.
Banda
Faixa de Freqüência
Diâmetro (mínimo) da antena
C
4 – 8 GHz
2,4 m
Ku
12 – 18 GHz
1,8 m
2.2.3 O imageador SEVIRI
O SEVIRI é um radiômetro imageador que escaneia a terra linha por linha
através de um orifício de abertura com aproximadamente 50 cm de diâmetro, o qual
provê dados de imagens em três canais do espectro visível, um canal infravermelho
próximo e oito canais infravermelhos termais. Para os canais do visível é
disponibilizado um canal denominado alta resolução que contém nove detectores e
para os demais canais são utilizados três detectores. A massa total do instrumento é
de 260 kg.(SCHMID, 2002).
Segundo Schmetz et al., (2005), o imageamento é realizado utilizando-se
a combinação da rotação do satélite e de seus espelhos, em um processo conhecido
como “stepping”. Dessa forma, as imagens são obtidas do sul ao norte e de oeste a
leste. Limitações na taxa de transferências dos dados de imagens para o canal de
alta resolução visível limitam a área observada à metade da Terra na direção lesteoeste. A Figura 5 exibe em (A) a área de cobertura para os canais com resolução
espacial de 3 km, e em (B) para o Canal de Alta Resolução, com resolução de 1 km.
Figura 5. A) Área de cobertura nos canais de baixa-resolução, e B) no canal de alta resolução.
Imagem recebida e processada no LAPIS em 02/05/2010.
32
Princípios de funcionamento do imageador
Um espelho de varredura é utilizado para mover a linha de visada do
instrumento sentido Sul-Norte. A radiância do alvo é coletada por um telescópio e
focalizada para os detectores. A separação dos canais é realizada considerando a
distância focal do telescópio por meio de espelhos. Um mecanismo de abertura é
acionado periodicamente como fonte de referência de calibração de corpo-negro
para o campo de visada do instrumento. A imagem completa da terra é obtida em
cerca de doze minutos e o espelho de varredura é então conduzido de volta à sua
posição inicial para obtenção da próxima imagem. Um mecanismo de abertura é
ativado para inserir o corpo-negro abordo ao caminho óptico para a calibração do
instrumento e por fim, o corpo-negro é removido após cerca de dois segundos a
partir da posição de calibração. (SCHMID, 2002).
A Figura 6 apresenta o principio de funcionamento do imageador SEVIRI.
(EUMETSAT, 2007).
Figura 6. Princípios de funcionamento do SEVIRI. FONTE: EUMETSAT, (2007) p. 12.
A observação da Terra é retomada levando a um ciclo de repetição total
de 15 minutos, incluídos o tempo de calibração a bordo e da movimentação dos
espelhos. As imagens obtidas ao término da varredura possuem dimensão de 3712
linhas por 3712 colunas, exceto para o canal de alta resolução com 11136 linhas por
5586 colunas.
33
2.2.4 Os canais espectrais do SEVIRI e suas aplicações.
Segundo, Masika, (2007) as informações derivadas das imagens do MSG
são importantes para monitorar o estado da atmosfera, sendo que as propriedades e
o comportamento espectral das nuvens podem ser estudados.
Schmetz et al. (2002) destaca que a maioria dos canais espectrais do
SEVIRI foram escolhidos como herança de outros satélites, o que apresenta a
vantagem de que a comunidade de usuários operacionais podem facilmente utilizar
métodos conhecidos para as observações de radiância. O imageamento é realizado
através de um conjunto de doze canais espectrais localizados em diferentes janelas
atmosféricas7 e bandas de absorção no espectro solar e terrestre. A Tabela 2
apresenta as características dos canais, em termos do comprimento de onda central,
máximo e mínimo do canal, resolução espacial e suas possíveis aplicações.
Tabela 2. Os canais espectrais do SEVIRI. Adaptado de Masika, S. P. (2007). p. 9.
Nro.
Canal
7
Canal
Características do canal
(µm)
λ cen
λ min
λ max
Resolução
espacial (Km)
Aplicação Observacional
1
VIS006
0.63
0.56
0.71
3
Superfície, nuvens, ventos.
2
VIS008
0.81
0.74
0.88
3
Superfície, nuvens, ventos.
3
IR_016
1.64
1.50
1.78
3
Superfície e propriedades das
nuvens.
4
IR_039
3.90
3.48
4.36
3
Superfície, nuvens, ventos.
5
WV_062
6.25
5.35
7.15
3
Vapor de água, nuvens em altos
níveis, e instabilidade
atmosférica.
6
WV_073
7.35
6.85
7.85
3
Vapor de água e instabilidade
atmosférica.
7
IR_087
8.70
8.30
9.10
3
Superfície, nuvens, e
instabilidade atmosférica.
8
IR_097
9.66
9.38
9.94
3
Ozônio.
9
IR_108
10.80
9.80
11.80
3
Superfície, nuvens, ventos e
instabilidade atmosférica.
10
IR_120
12.00
11.00
13.00
3
Superfície, nuvens, e
instabilidade atmosférica.
11
IR_134
13.40
12.40
14.40
3
Nuvens em altos níveis e
instabilidade atmosférica.
12
HRV
1
Superfície e nuvens.
0.4 – 1.1
O conceito de janela atmosférica se refere ao fato de existir pouca absorção da radiação pelos
gases atmosféricos nesses comprimentos de onda.
34
Os canais VIS006 e VIS008 são conhecidos do radiômetro de órbita polar
da NOAA, Advanced Very High Resolution Radiometer (AVHRR). Eles são
essenciais para a detecção e o monitoramento de nuvens, superfície, aerossóis e da
vegetação. Estes provêm informações durante o dia e seus comprimentos de onda
ajudam na identificação de superfícies vegetadas e das nuvens em diferentes
períodos do ano e também na determinação de índices de vegetação.
O canal IR_016 diferencia neve e nuvens, e também nuvens de gelo e
nuvens de água. A combinação desse canal com os canais citados anteriormente
melhora a observação de aerossóis e da umidade do solo e permite elaborar índices
de vegetação.
O canal IR_039 derivado do AVHRR é destinado principalmente para
detecção de nuvens em baixos níveis e nevoeiro (Schmetz et al., 2002 apud Lee et
al. 1997). Também permite a estimativa da temperatura da superfície do mar e da
superfície terrestre à noite. Para o MSG, a banda espectral foi alargada para
melhorar a relação sinal-ruido. Segundo Prieto, (2002), o comprimento de onda
desse canal é posicionado em uma região sensível a radiação emitida pelo Sol e
pela Terra. Outra possível aplicação é detecção de queimadas, baseado na sua alta
sensibilidade a mudanças de temperatura. A temperatura média da área do pixel8 de
uma queimada estaria próxima da temperatura da própria queimada.
Os canais WV_062 e WV_073 são destinados à observação da
distribuição de vapor de água na atmosfera. O pico da banda espectral foi
aprimorado para monitorar dois diferentes níveis na troposfera, médios e altos
níveis. Sua combinação com os canais infravermelho permitem a determinação da
temperatura de nuvens do tipo cirrus (que podem parecer mais quentes do que elas
são por causa da contribuição da superfície da Terra na imagem de satélite), de
ventos e áreas sem cobertura de nuvens. Prieto, (2002) afirma que a absorção de
vapor de água é mais forte em 6,2 µm, portanto o pico de absorção está localizado
na atmosfera em torno de 350 hPA e para o comprimento de onda 7,3 µm o pico de
absorção está localizado em torno de 600 hPA para as latitude médias.
O canal IR_087 foi herdado do instrumento High Resolution Infra-Red
Sounder (HIRS), presente nos satélites de órbita polar NOAA. Esse canal oferece
8
Pixel ou pixels; é o menor elemento da imagem digital. Matematicamente é o produto cartesiano
entre os conjuntos E e K, sendo, E o conjunto de quadrados adjacentes dispostos em linhas e
colunas, e K é o conjunto que representa níveis de cinza da imagem digital. (BANON, G. 2000).
35
informações quantitativas sobre nuvens do tipo cirrus e auxilia a discriminação entre
nuvens constituídas por partículas de gelo e de água.
O canal IR_097 também herdado do instrumento HIRS e do satélite
GOES, fornece informações sobre a distribuição de ozônio, que é um indicativo do
movimento de ventos na baixa estratosfera. É importante dizer que a evolução
temporal do campo de ozônio total pode ser monitorada. Segundo Schmetz et al.,
(2005), o canal de ozônio é uma característica inovadora num instrumento de
imageamento geoestacionário, e é útil para observar a dinâmica da estratosfera e a
altura da camada atmosférica tropopausa.
Os canais IR_108 e IR_120 são herdados do AVHRR, conhecidos como
janelas atmosféricas, são essenciais para o monitoramento da temperatura da
superfície terrestre, do mar, e das nuvens.
O canal IR_134 herdado do instrumento GOES VAS, monitora a absorção
de CO² e pode ser utilizado para a discriminação de nuvens do tipo cirrus, avaliação
da pressão do topo das nuvens e rastreamento de nuvens. De acordo com Schmetz
et al. (2002), pode fornecer informações sobre a instabilidade atmosférica.
O canal HRV, de alta resolução, é herança da geração anterior de
satélites Meteosat. Ele tem resolução espacial no nadir9 de aproximadamente 1 km e
as suas características espectrais são semelhantes aos dos canais visíveis, portanto
é considerado um canal de suporte à previsão imediata (EUMETSAT, 2005).
De acordo com EUMETSAT, (2005), para o monitoramento da superfície,
algumas das aplicações dos dados do AVHRR também podem ser realizadas com
dados do MSG. A vantagem para monitoramento da superfície é o melhor
acompanhamento das variações diurnas da nebulosidade, temperatura da superfície
da Terra e da irradiação solar na superfície da Terra, além disso, há mais
oportunidades durante o dia para encontrar áreas sem nuvens para a observação da
superfície.
A Figura 7 exibe parte do espectro eletromagnético emitido da terra à
atmosfera. A temperatura de brilho é apresentada em função do comprimento de
onda (em azul) e os canais infravermelhos do SEVIRI são exibidos na parte superior
da figura, em função do comprimento de onda central do canal.
9
Nadir é definido com a direção apontada diretamente abaixo de um ponto, a partir da vertical local.
Nesse caso o ponto considerado é localizado onde o satélite está posicionado.
36
Figura 7. Localização dos canais infravermelhos no espectro atmosférico.
FONTE: TJEMKES et al. (1998), p. 27.
A Figura 8 exibe a localização dos canais no espectro visível do MSG, em
função do comprimento de onda central, no eixo das abscissas. No eixo esquerdo, é
apresentado a reflectância e no direito a irradiância. As curvas verde, marrom e
vermelho referem-se à reflectância da vegetação, do solo e a irradiância no topo da
atmosfera, respectivamente, considerando-se um espectro de energia típico.
Figura 8. Localização dos canais no visível, considerando um espectro de energia típico.
SCHMETZ et al., (2005) p. 6.
A Figura 9 exibe as funções de peso para os canais do espectro
infravermelho. Estas funções descrevem a contribuição de cada camada atmosférica
sob a radiância monitorada pelo satélite que depende do estado atual da atmosfera
37
e do ângulo zenital do satélite. Em (A) é exibido à função para um ponto localizado
ao nadir do satélite e em (B) para as latitudes médias, visto que a comparação entre
as figuras demonstram como o pico da função é diretamente proporcional ao ângulo
zenital do satélite.
De acordo com Tjemkes et al. (1998) as funções de peso são uma
ferramenta importante para analisar a radiação no topo da atmosfera, pois elas
indicam qual a contribuição de cada camada da atmosfera sob a radiação emitida
em diferentes comprimentos de onda.
Figura 9. Funções de peso: A) Ao nadir do satélite e B) deslocado 60º, em latitudes médias.
Adaptado de SCHMETZ et al., 2005. p. 8.
Após o instrumento SEVIRI obter a imagem em seus diferentes
comprimentos de onda, utilizando os princípios que foram mencionados, ela é então
codificada na forma digital para que possa ser transmitida à estação em superfície.
O caminho que a imagem percorre no decorrer desse processo e a forma que os
dados são codificados e transmitidos são detalhados a seguir.
38
2.2.5 Formatos e transmissão dos dados
O nível de dados 1.0 corresponde à imagem que foi adquirida pelo satélite
MSG antes que qualquer processamento em superfície seja realizado. Esse nível
corresponde à imagem obtida diretamente pelo SEVIRI. O nível de dados 1.5 é o
resultado do processamento do nível 1.0 e corresponde à imagem que foi corrigida
de efeitos geométricos e radiométricos indesejados e encontra-se georeferenciada
utilizando uma projeção padronizada, sendo assim os valores de radiância estão
linearizados. Nesse nível os dados podem ser transformados em produtos
meteorológicos. (EUMETSAT, 2007).
Segundo Schmetz et al., (2005), os dados brutos provenientes do SEVIRI
são processados pela EUMETSAT na Alemanha e depois transformados em dados
do nível 1.5. Essas imagens depois de transformadas estão prontas para serem
calibradas e georeferenciadas. Nesse nível os dados possuem uma resolução
radiométrica e codificação em 10 bits, e representam a base para todos os
processamentos posteriores e derivação de produtos. Adicionalmente, informações
são disponibilizadas na forma de arquivos denominados headers e trailers. Eles são
necessários para interpretação, calibração e validação dos produtos que foram
derivados da imagem do satélite.
Os dados do MSG podem ser acessados em tempo real ou através de
arquivamentos realizados por um software chamado UMARF. Para o acesso em
tempo real os dados são recebidos através de uma estação de recepção do usuário.
Existem duas formas de disseminação dos dados: a) High-Rate Information
Transmission (HRIT) com 1 Mb/s e b) Low-Rate Information Transmission (LRIT)
com 128 Kb/s e ambas as formas são digitais. Dois tipos de estação de recepção
foram planejados para serem disponibilizados, denominados: a) High-Rate User
Station (HRUS) e b) Low-Rate User Station (LRUS) para a recepção nas formas
HRIT e LRIT respectivamente. (SCHMETZ et al., 2002). O software UMARF é
acessado através do endereço http://archive.eumetsat.org, nele o usuário preenche
um formulário de cadastro, e logo após pode solicitar acesso aos dados
processados pelo satélite. É importante destacar que nesse tipo de acesso, os
dados são transmitidos através de uma conexão de internet e, considerando o
tamanho dos arquivos solicitados, essa forma de acesso apresenta limitações com
relação ao tempo hábil para obter os dados.
39
Para administrar uma estação, o usuário deve ser registrado para receber
uma chave de decodificação dos dados. Ambas as formas de disseminação contém
as imagens em nível 1.5, porém a forma LRIT é planejada para disseminar somente
cinco dos doze canais do SEVIRI, em uma compactação com perdas, para reduzir o
volume dos dados. Em HRIT é usado um algoritmo de compactação sem perdas, de
forma que a qualidade radiométrica das imagens é completamente preservada.
(SCHMETZ et al., 2002).
De acordo com EUMETSAT, (2006b), a compactação dos dados é
necessária para a transmissão completa dos dados na forma HRIT e para maximizar
a disponibilidade na forma LRIT. A compactação utilizando Transformada Wavelet
foi a escolhida pelo serviço de disseminação dos dados MSG.
Após o recebimento das imagens, elas devem ser processadas com a
finalidade de se entender as informações associada a cada pixel e dois
procedimentos foram de fundamental importância. São elas a geo-localização e a
calibração radiométrica, sendo que a primeira permite conhecer a localização dos
pixels em coordenadas geográficas, enquanto a calibração radiométrica permite
estabelecer uma relação entre o número digital e as quantidades físicas mensuradas
pelo SEVIRI.
2.3 Processamento das imagens
2.3.1 Geo-localização de pontos na imagem
Para a localização de um ponto no globo terrestre são utilizadas as
coordenadas geográficas, determinadas por longitude (lon) e latitude (lat), ambas as
coordenadas são especificadas em unidades de graus.
A longitude é determinada como positiva no sentido leste-oeste, a partir
do meridiano de Greenwich. O domínio considerado é de -180 a +180 graus. A
latitude é determinada desde -90 no pólo sul, através de 0º no equador até +90 no
pólo norte (EUMETSAT, 1999).
40
A Figura 10 mostra essa situação em um modelo esférico da terra.
Figura 10. Coordenadas geográficas. FONTE: EUMETSAT (1999) p. 22.
O arquivo de dados da imagem consiste em uma seqüência de pixels,
sem quaisquer lacunas entre eles. O tamanho de um pixel (em bits) é especificado
no arquivo de registro da imagem, bem como o número de linha e colunas,
denominados NL (número
número da linha)
linha e NC (número da coluna) respectivamente. O
número total de pixels é igual ao produto NL x NC, assim o tamanho total do arquivo
de dados é NL x NC x tamanho do pixel. Os pixels são ordenados linearmente, da
esquerda para a direita e de cima para baixo. Assim, as linhas são contadas a partir
de NL = 1, e as colunas NC = 1.
1. Conseqüentemente, o primeiro pixel no arquivo de
dados (no canto superior esquerdo) corresponde ao par de coordenadas (1,1) e o
último pixel (canto inferior direito)
direit tem as coordenadas (NL,NC). (EUMETSAT, 1999).
1999
A Figura 11 mostra a estrutura de uma imagem LRIT / HRIT. Cada pixel
da imagem é endereçado através de um par de coordenadas, que são indicados
pelas letras c (referente à coluna) e l (referente
(refere
à linha).
41
Figura 11. Estrutura
ura da imagem
i
HRIT/LRIT. FONTE: EUMETSAT (1999) p. 15.
A relação entre as
as coordenadas da imagem (c, l) e as coordenadas
geográficas (lon, lat) é determinada pela concatenação de duas funções de projeção
e
e a pseudo-inversa
inversa
e
, uma em cada direção.
Coordenadas geográficas
(lon, lat)
Coordenadas intermediárias
(x, y)
Coordenadas da imagem
(c, l)
As funções de projeções são determinadas pelo tipo da projeção
requerida ou outras
utras funções de projeção podem ser acrescentadas, dependendo da
necessidade dos usuários (EUMETSAT,
(
1999).
Percebe-se
se que as coordenadas geográficas (lon e lat) e as coordenadas
intermediárias (x e y) são números reais, enquanto a coordenadas da imagem (l e c)
são números inteiros. Um artifício é utilizado para relacionar as funções com
domínios
ínios diferentes, chamado funções de escala.. As funções de escala abaixo são
determinadas pelos coeficientes
e
,
e
.
42
Elas relacionam as coordenadas intermediárias (x, y) e as coordenadas
da imagem (c, l), com a seguinte definição:
! " #$#% 2& '
(! " #$#% 2& ('
Em que:
(6)
A função #$#% denota o número inteiro mais próximo do número real que é
o argumento de entrada.
Os parâmetros,
!,
' , (!, ('
são números inteiros que
representam os coeficientes de escala e estes valores são armazenados em um
arquivo denominado “registro de armazenamento da imagem”. Cada coeficiente
pode ter um valor inteiro entre -231 e +231-1.
Para a orientação normalmente utilizada na imagem os valores de ' ,
devem ser positivos. Com o objetivo de transmitir as informações em tempo quase-
real, os valores de (' podem ser negativos para uma imagem escaneada do sul
ao norte (EUMETSAT, 1999).
2.3.2 Projeção geoestacionária (GEOS)
O nome seqüencial da projeção deve ser especificado como GEOS
()*+_-#), onde o parâmetro )*+_-# determina a longitude do satélite em graus,
como um número inteiro ou real. A projeção geoestacionária normalizada descreve a
visualização do globo terrestre a partir de um satélite virtual idealizado. Neste caso,
um satélite virtual é um satélite que está em órbita geoestacionária, exatamente
localizado no plano do equador e na longitude indicada pelo parâmetro )*+_-#. A
distância entre o veículo espacial e o centro da terra é exatamente 42164 km. O
globo terrestre idealizado é uma elipsóide perfeita com o raio equatorial de
6378.1690 km e raio polar de 6356.5838 km (EUMETSAT, 1999).
Dois
pontos
em
um
sistema
de
coordenadas
cartesianos
são
considerados sendo eles, o ponto formado por ( , , ) que tem origem no centro
da Terra, ( ) e aponta para a direção norte, e ( ) aponta para o meridiano de
Greenwich. E o ponto formado por () , ) , ) ) que tem origem na posição em que o
43
satélite virtual se encontra, sendo que () ) aponta para a direção norte e () ) aponta
para o centro da terra. A terra é modelada através da rotação de um elipsóide
achatado nos pólos através do seu próprio eixo (EUMETSAT, 1999).
A Figura 12 representa esta situação e identifica as dimensões e os
ângulos em análise.
Figura 12. Ângulos e dimensões para a projeção GEOS. Adaptado de: EUMETSAT (1999) p. 23.
O vetor . com origem no ponto P, localizado em superfície, aponta para o
centro da terra. /. é a longitude e 0. é a latitude do ponto P. A transformação em
coordenadas geográficas (-#,1%) é dada pelas seguinte equações:
"
"
1
.5
234
234 6356.5838 ;
.5 6378.1690 ;
?. -#
234
@. tan D
tan 1%E
.5
(7)
44
O módulo do vetor . é expresso por:
.
234
G 234
F1 G .5
cos @.
.5
(8)
Os componentes cartesianos do vetor LLM
K (observados no plano de
coordenadas) são definidos pela seguinte expressão:
Q G . cos @. cos ?. G ?R
K N O P G. cos @. sin ?. G ?R T
LLM
. sin @.
Q 42164 ;
?R )*+_-#
(9)
Das expressões acima, podemos obter equações para os ângulos de
varredura:
?K tan
@K sin
V " "
A função de projeção direta é expressa a seguir:
seguir:
(10)
G
tan
P
G T
sin
(11)
W
As variáveis , , , W e as variáveis auxiliares 4 e _1% são definidas a
42164 G 4 cos _1% cos -# G )*+_-#
G4 cos _1% sin -# G )*+_-#
4 sin _1%
W X " "
4
6356.5838
V1 G 0.00675701 cos _1%
_1% tan 0.993243 tan 1%
(12)
45
A função de projeção inversa é definida a seguir:
)
tan " )*+_-#
-#
)
Y
\
)
1%
tan 1.006803
)Z[
seguir:
(13)
As variáveis ) , ) , ) , )Z[ e as variáveis auxiliares )W e )] são definidas a
) 42164 G )W cos cos
) )W sin cos
) G)W sin
)Z[ X) " )
42164 cos cos G )]
cos " 1.006803 sin
)] V 42164 cos cos G cos " 1.006803 sin 1737121856
)W
(14)
Não deixando de considerar que todas as funções trigonométricas
possuem seus parâmetros x e y em graus.
A Figura 13 apresenta uma grade de coordenadas para projeção GEOS.
O satélite virtual idealizado possui o parâmetro <)*+_-#> igual a 0º e com este
modelo podemos georeferenciar qualquer ponto do globo terrestre em relação a um
pixel no arquivo de dados, utilizando as funções diretas e inversas definidas
anteriormente. Este é um ponto crucial para geo-localização e projeção das imagens
do MSG.
Figura 13. Grade de coordenadas para a projeção GEOS. FONTE: EUMETSAT (1999) p 25.
46
2.3.3 Projeção de MERCATOR
O nome seqüencial da projeção deve ser especificado como MERCATOR
sem a necessidade de nenhum parâmetro adicional. Essa projeção é baseada sobre
um modelo esférico da terra. (EUMETSAT, 1999).
A Figura 14 exibe a grade de coordenadas para a projeção MERCATOR.
Figura 14. Grade de coordenadas para a projeção MERCATOR. FONTE: EUMETSAT (1999) p 27.
A função de projeção direta é apresentada a seguir:
-#
`
f
_
2 G 1% e
_1
e
ln btan
c
2
^
d
Sua função inversa é:
(15)
-#
g[
1%
(16)
2 G 2 tan
Esta projeção é baseada em um modelo esférico da terra. (EUMETSAT,
1999).
2.3.4 Calibração radiométrica
A
calibração
radiométrica
do
imageador
SEVIRI
refere-se
à
homogeneização das respostas de cada detector, levando em conta suas diferentes
sensibilidades radiométricas com o objetivo de estabelecer uma relação confiável
entre os números digitais da imagem obtida e os valores de radiância espectral.
47
Segundo Souza (2003) a radiação solar refletida por um alvo na superfície
terrestre é registrada por um sensor orbital na forma de um valor digital e
representada em uma imagem pictórica. Porém a relação entre este valor numérico
e a reflectância deste objeto é influenciada por uma série de fatores, tais como o
estado da atmosfera e as características ópticas e eletrônicas do sensor. A
calibração é um meio de determinar e minimizar o efeito desses fatores, com vistas a
remover as perturbações causadas por eles, mantendo assim a máxima fidelidade
entre o número digital e as propriedades espectrais de um determinado alvo.
No caso do SEVIRI, o objetivo da calibração radiométrica é assegurar
uma relação linear entre a radiância e o número digital. São utilizadas informações
de calibração através de coeficientes da imagem recebida e como resultado é obtida
uma relação confiável entre a radiância e número digital. Segundo SILVA et al.,
(2009) a calibração representará o primeiro passo para o conhecimento dos valores
quantitativos de radiância efetivamente representados em unidade de número digital
expresso em cada banda espectral das imagens do MSG.
Calibração radiométrica no SEVIRI
Os canais do espectro visível e infravermelho do instrumento SEVIRI são
calibrados através de um corpo negro a bordo do satélite (PILI, 2000). A relação
entre o número digital e a radiância observada pelo sensor é pressupostamente
linear segundo as relações:
-*#% ? " h 1#1$) i$)íi
-*#% ?, k " h 1#1$) $#1iQ-
(17)
Em que, -*#% é o número digital obtido como reposta do sensor SEVIRI
armazenado nas imagens do MSG, ? e ?, k representam a radiância medida
pelo instrumento para os canais do visível e infravermelho, respectivamente. ? é o
comprimento de onda, na prática é o intervalo espectral, k é a temperatura efetiva
de corpo negro observada na cena, é o ganho, o inverso é o coeficiente de
calibração (Cal_Slope) e
h
é o descolamento (Cal_Offset). A hipótese de uma
relação linear entre o número digital e a radiância é válida desde que pequenas nãolinearidades entre os detectores sejam corrigidas usando-se coeficientes medidos
antes do lançamento do sensor. Pequenas diferenças entre os valores medidos
pelos três detectores, nove para o canal de alta resolução, são corrigidas através do
procedimento
de
equalização
denominadas
normalização,
procedimento aplicado nos satélites GOES. (MENZEL et al., 1994).
semelhante
ao
48
O instrumento SEVIRI usa o espaço sideral como uma fonte fria e um
corpo negro interno como fonte quente no processo de calibração. Enquanto a
visualização do espaço sideral é obtida através da observação direta, o corpo negro
é movimentado pelo caminho ótico. Este design exige que correções sejam
aplicadas a calibração de corpo negro, considerando as características da ótica
frontal, cujas propriedades foram medidas antes do lançamento e cujas
temperaturas são medidas continuamente. O corpo negro também pode ser
aquecido para permitir a determinação do fator de correção. (PILI, 2000).
A conversão da radiância em temperatura de brilho equivalente, que é
freqüentemente usada na análise quantitativa da imagem, é realizada através da
relação fornecida pela equação de Plank. Para cada canal termal é estabelecida a
seguinte equação entre a temperatura de brilho equivalente kl é a radiância :
mn
kl
G qr',
log 1 " mn /
(18)
-2 -1
-1
Em que, é a radiância observada em mWm sr µm , kl é a temperatura
de brilho equivalente em Kelvin, mn é o comprimento de onda central do canal em cm-
1
;
2Q
e
Q ⁄; onde, Q é a constante de Plank, é a velocidade da luz e ;
é a constante de Stefan-Boltzmann. O comprimento de onda central mn e os
coeficientes de correção ' e q são determinados por uma regressão não-linear de
uma tabela pré-calculada usando a equação de Plank para os diferentes canais
infravermelhos do SEVIRI. Esses valores são fornecidos pela documentação técnica
disponível no site da EUMETSAT. (PILI, 2000).
Segundo, EUMETSAT, (2006) para calcular a reflectância a partir da
radiância, a seguinte equação é utilizada:
t
uvw
,
/ cos x
(19)
em que, t é uma função de reflectância bidirecional (BRDF, em inglês) e uvw é a
distância Terra-Sol calculada em unidades astronômicas(UA). O seu valor é
expresso por:
uvw 1 G 0.0167 cos
2 u$1y*$1#- G 3
.
365
(20)
/ é a constante solar no topo da atmosfera, para cada canal, e x é o ângulo zenital
do sol.
49
3 MATERIAIS E MÉTODOS
O objetivo geral deste trabalho foi aperfeiçoar uma estação de recepção
através do sistema EUMETCast operacionalizando a decodificação, geo-localização
e visualização das imagens e produtos do satélite MSG através do desenvolvimento
de aplicações computacionais, em apoio aos órgãos operacionais de meteorologia e
universidades para fins de pesquisa e ensino. Para isso, o primeiro passo foi
entender o funcionamento da estação EUMETCast instalada na UFAL, de forma a
compreender como os dados são adquiridos e como devem ser armazenados.
Posteriormente, foram selecionados quais dados seriam processados de acordo
com os objetivos propostos e foram definidos quais os softwares seriam utilizados
para processá-los. A seguir, são apresentadas as etapas do processamento
realizado para cada produto. Utilizaram-se fluxogramas e algoritmos comentados
para descrever cada etapa do processamento.
Metodologicamente, esta pesquisa é classificada como operacional
exploratória e descritiva. Segundo Oliveira, (1997) a pesquisa operacional é
empregada na meteorologia principalmente para a solução de problemas que
envolvem a utilização de modelos ou softwares matemáticos, seu desenvolvimento
se deu principalmente pela evolução dos computadores. Sua abordagem envolve a
utilização de modelos do mundo real como forma de analisar e compreender as
situações e normalmente são utilizados algoritmos para a formulação e a solução
sistemática dos problemas A pesquisa é classificada como exploratória quando
envolver levantamento bibliográfico ou levantamento de situações e experiências
práticas com o problema pesquisado e ainda a análise de exemplos que estimulem a
sua compreensão. Conforme Lakatos (1995) a pesquisa é descritiva quando aborda
quatro aspectos: investigação, registro, análise e interpretação dos fenômenos
objetivando o seu funcionamento no presente.
3.1 Estação EUMETCast instalada na UFAL
Para a realização deste estudo foram utilizados os dados recebidos na
estação de recepção EUMETCast instalada no LAPIS, situado na UFAL, município
de Maceió-AL, localizada nas coordenadas (9°33,3’S ; 35°46,6’O). Uma antena
50
parabólica de fibra de vidro, do fabricante BAKOF SAT, com 2,6m de diâmetro,
apontada para o satélite NSS-806, está conectada a um receptor (placa DVB),
modelo TechniSat SkyStar 2, ligado ao computador que é destinado a recepção das
imagens. A Figura 15 apresenta um diagrama da estação.
Figura 15. Estação de recepção instalada na UFAL. Adaptado de: NÓBREGA et al,. (2009).
Os dados são recebidos pelo satélite Meteosat operacional (Meteosat-8
ou Meteosat-9), em nível 1.0 e em seguida são transmitidos para a estação principal
da EUMETSAT, na Itália. Após o processamento pelo centro de controle, e
transformação em nível 1.5, os dados são transmitidos ao NSS-806 e logo após são
recebidos na estação. A configuração da estação envolveu a utilização de dois
computadores, um destinado ao sistema de recepção e armazenamento e outro ao
sistema de processamento dos dados, que permanecem em funcionamento 24
horas por dia.
Os dados fornecidos pelo sistema EUMETCast possuem acesso
controlado e para recebê-los é necessário a utilização de um EKU (EUMETCast Key
Unit), que é um dispositivo padrão USB usado em conjunto com o software de
recepção, denominado Tellicast Client. Esse conjunto permite a recepção de dados
licenciados e sua distribuição é feita através do preenchimento do formulário de
acesso aos dados que se encontra no portal “Earth Observation Portal” mantido pela
EUMETSAT, através do endereço: https://eoportal.eumetsat.int/userMgmt/. Nele o
usuário pode gerenciar as contas de acesso aos produtos e dados distribuídos
através do sistema EUMETCast. São fornecidos ainda tutoriais sobre a utilização do
portal e a política de acesso aos dados distribuídos, através do endereço
http://www.eumetsat.int/Home/Main/Access_to_Data/.
51
Informações detalhadas sobre a configuração da estação de recepção
instalada na UFAL encontram-se no Apêndice I. Ressalta-se ainda que o modelo de
estação empregado é recomendado pela EUMETSAT, através da documentação
técnica encontrada em EUMETCAST (2006).
Com a estação de recepção em funcionamento a próxima etapa foi
escolher quais os dados que seriam processados de acordo com os objetivos deste
trabalho.
3.2 Aquisição e seleção dos dados
Através da utilização do sistema EUMETCast é possível receber todos os
dados que foram mencionados na seção 2.1, entretanto, neste trabalho são
utilizados somente os dados brutos do Meteosat e os dados de produtos
disponibilizados através do projetos Land Surface Analisys (LSA)10 e Ocean and Sea
Ice Satellite Application Facility (O&SI SAF). Os dados brutos encontram-se divididos
na forma de segmentos, ilustrados na Figura 16, sendo oito segmentos para os
canais (1 ao 11) e vinte e quatro segmentos para o canal de alta resolução (canal
12), organizados em três seções.
Figura 16. Segmentos de uma imagem obtida pelo MSG. FONTE: CERMAK et al., (2008). p. 2.
A Figura 17 ilustra as sessões da imagem que são: A) Cabeçalho da
imagem (prólogo); B) Linhas da imagem (dados); C) Trailer da imagem (epilogo).
10
Maiores informações sobre o projeto LSA SAF podem ser obtidas através do endereço:
http://landsaf.meteo.pt/ . Acessado em 05 fev, 2010, 10:00.
52
O arquivo de cabeçalho (prólogo) (A) determina o início de um ciclo de
varredura. Nele encontra-se a descrição completa das características da imagem e
os coeficientes de calibração que são necessários para a conversão do número
digital em radiância espectral. As linhas da imagem (B) são constituídas por
segmentos compactados no formato “Wavelet Lossless Compression” com
resolução de 3712x464 pixels, por segmento. As linhas são adquiridas pelo
instrumento SEVIRI e codificadas em níveis de cinza em uma escala radiométrica de
10 bits. O arquivo de epílogo (C) determina o fim do ciclo de varredura e contém
parâmetros obtidos durante a aquisição da imagem como, qualidade da imagem
obtida, tempo decorrido em varredura, situação operacional do satélite, entre outros.
Figura 17. Imagem obtida em 23/10/2008. Destacando-se as seções, A) prólogo, B) dados e C)
epílogo. FONTE: SILVA et al, (2009). p. 3.
Para as imagens do MSG foram utilizados os dados de todos os canais,
que foram destinados ao processamento de forma operacional com o objetivo de
visualizar a imagem obtida em cada banda espectral e elaborar os produtos para
monitoramento meteorológico.
O SAF sobre análises da superfície terrestre LSA (Land Surface Analisys)
é parte da rede de SAF's, que é um conjunto de centros especializados no
desenvolvimento e processamento de produtos que serve a EUMETSAT. O objetivo
principal do LSA SAF é aproveitar dados de sensoriamento remoto, em particular os
distribuídos pela EUMETSAT, para quantificar variáveis de superfície, nas quais
encontramos aplicações na meteorologia. (PUM, 2008).
53
Os produtos desenvolvidos pelo projeto LSA SAF são difundidos através
do sistema EUMETCast, para diferentes áreas observadas pelo satélite MSG, e de
forma a facilitar o processamento dos arquivos elas foram divididas em regiões,
dessa forma, as áreas são: América do Sul, Europa, Norte da África e Ásia Menor e
Sul da África. (BUGALHO et al, 2008). Os arquivos considerados no trabalho
correspondem a um corte retangular envolvendo a área da América do Sul,
denominado SAme. O canto superior esquerdo do corte está localizado entre 7ºN e
71ºS e o canto inferior direito está localizado em 43ºS e 34ºO. A imagem resultante
possui 1511x701 pixels. A Figura 18 exibe o corte definido para a área da América
do Sul.
Figura 18. Corte definido para a área da América do Sul, denominado SAme.
Adaptado de: PUM, (2008), p. 9.
Estas imagens encontram-se codificadas no formato HDF, que foi
desenvolvido para o armazenamento e organização de dados científicos, de acordo
com o HDF Group11, como por exemplo, matrizes de dados multidimensionais.
A Tabela 3 apresenta os produtos operacionais, considerados neste
trabalho, que são disponibilizados pelo projeto LSA SAF.
Tabela 3. Produtos disponibilizados pelo LSA SAF, considerados no trabalho, e sua freqüência de
disponibilização. Adaptado de: PUM, (2008). p. 8.
Produto
FVC (Fração da Cobertura Vegetal).
Freqüência de disponibilização
Diariamente e em intervalos de 10 dias.
ALBEDO (Albedo da Superfície).
Diariamente e em intervalos de 10 dias.
LST (Temperatura da Superfície Terrestre).
Em intervalos de 15 minutos.*
*Somente pela manhã.
11
Grupo responsável pelo desenvolvimento do formato HDF. Fonte:http://www.hdfgroup.org/why_hdf/
Acesso em: 07 fev, 2010, 16:20
54
O índice de vegetação FVC, caracteriza a fração de vegetação de uma
área representando a sua quantidade e/ou degradação, fornecendo informações
sobre a estrutura dos dosséis de áreas cobertas. Por exemplo, considerando
dosséis bem desenvolvidos, o índice quantifica a vegetação que absorve ou espalha
o sinal e determina as características da imagem. (PUM, 2008).
O albedo da superfície terrestre quantifica a fração da energia que é
emitida pelo Sol e refletida pela Terra. Determinando por exemplo, quanta energia
absorvida pela terra foi transformada em calor latente e, portanto, é uma variável
importante para a caracterização do balanço de energia no sistema Terra-Atmosfera.
(PUM, 2006).
O produto LST definido como a temperatura da superfície terrestre e
desempenha um papel importante nos processos físicos, em que há troca de
energia e água no sistema Terra-Atmosfera. (PUM, 2006b).
Informações específicas como as definições físicas, equações e
algoritmos que são utilizados para a determinação dos produtos de monitoramento
ambiental podem ser encontradas na documentação técnica disponível nos manuais
de cada produto - Pum (2008); Pum (2006) e Pum (2006b).
O O&SI SAF (Ocean and Sea Ice Satellite Application Facility) tem o
objetivo de fornecer respostas sobre a interação Oceano-Atmosfera através da
observação efetuada por satélites geoestacionários e de órbita polar, que monitoram
entre outras variáveis, a temperatura da superfície do oceano Atlântico (TSM) e os
fluxos de energia. São definidos dois cortes setoriais para as áreas observadas,
sendo, um para cada região do globo, e são denominados LML (Low and Mid
Latitudes) cobrindo regiões de baixas e médias latitudes, com freqüência a cada 3
horas e MAP (Merged Atlantic Products) cobrindo o oceano Atlântico e freqüência a
cada 12 horas. (O&SI SAF, 2006).
Esses produtos foram disponibilizados através do sistema EUMETCast
para a América do Sul a partir de fevereiro de 2010. (Operation News, 2010). Sendo
que, o corte LML cobre o Oceano Atlântico entre os limites de 60ºN a 60ºS de
latitude e 100ºW a 45ºE de longitude, enquanto MAP está entre os limites de 89.9ºN
a 60ºS de latitude e 100ºW a 45ºE de longitude, ambos com resolução espacial de
0.1º, o que equivale a aproximadamente 10 km e são codificados no formato GRIB
(GRIdded Binary), (O&SI SAF, 2006).
55
Após a obtenção dos dados, eles foram armazenados em uma estrutura
hierárquica de diretórios com objetivo de garantir sua organização e armazenamento
observando-se a utilização do modelo de estação de recepção que foi descrito.
3.3 Organização e armazenamento dos dados
Diariamente são recebidos em média dez gigabytes12 de arquivos que
inicialmente eram armazenados em um único diretório, porém, quando se
considerou a quantidade de arquivos acumulados ao longo de um mês, por exemplo,
percebeu-se a necessidade de organizar as imagens de maneira estruturada, de
forma a viabilizar o processamento das mesmas.
Sendo assim, no computador destinado a recepção, três diretórios
distintos foram criados. Os diretórios DataChannel-2, SAF-Americas e SAF-Global
que correspondem aos dados brutos do MSG e aos dados do projeto LSA SAF e
O&SI SAF, respectivamente.
No computador destinado ao processamento, foi definida uma estrutura
hierárquica de diretórios, ilustrada pela Figura 19, em que foram separados os dados
brutos em subdiretórios referentes aos canais. No primeiro nível foram criados três
diretórios, o primeiro (Earth) armazenou os dados de imagem na projeção GEOS, o
segundo (Other Data) armazenou os produtos de monitoramento ambiental e
oceanográfico e o terceiro (South America) armazenou os dados processados para a
América do Sul. No segundo nível, para cada canal do SEVIRI um diretório particular
foi criado, sendo que o nome do diretório corresponde ao nome do canal.
Figura 19. Estrutura hierárquica dos diretórios no sistema de processamento.
12
Gigabyte é uma unidade de medida de informação. Um gigabyte equivale a um milhão de bytes.
56
A utilização desta estrutura de diretórios permitiu separar os dados, de
forma a facilitar a elaboração do sistema de animação de imagens e do banco de
imagens, ver seção 3.9, considerando que cada canal foi armazenado de forma
particular. A interligação entre o computador de recepção e armazenamento foi feita
utilizando-se a rede local, sendo que, assim que a imagem foi obtida, ela foi
imediatamente disponibilizada para o processamento.
Uma vez que os dados foram armazenados na estrutura apresentada, a
próxima etapa foi realizar os processamentos necessários para elaboração dos
produtos na forma de imagens, para tal, fez-se a escolha e utilização dos softwares
apresentados a seguir.
3.4 Softwares e linguagens de programação utilizadas
Investigou-se a possibilidade de se aplicar algum software documentado
na literatura, de forma a encontrar caminhos para alcançar os objetivos propostos.
Estudos feito por Govaerts et al., (2007) e Wildt et al., (2006) demonstram o uso do
SEVIRI Pre-processing Toolbox (SPT), porém, no primeiro trabalho, o autor enfatiza
que este software não teria a capacidade de automatizar o processamento dos
dados para uso em centros operacionais. No trabalho de Cermak et al., (2008) foi
desenvolvido um software denominado Fmet (an integrated Framework for Meteosat
data processing for operational scientific applications ). O código fonte desse
software não foi encontrado, e o projeto é dado como descontinuado. O trabalho de
Kerk (2008) propõe o uso do software Xrit2pic, ele é desenvolvido e distribuído de
forma gratuita, mas, a partir de sua avaliação detalhada, percebeu-se que ele não
realizou a calibração radiométrica das imagens obtidas nos canais do espectro
visível e a escala de cores utilizada para representar os valores temperatura de
brilho apresentou saturação, além disso, não foi possível realizar análise temporal
dos parâmetros físicos representados pelos pixels da imagem.
Portanto, para transformar os dados brutos em parâmetros físicos e
biofísicos foi escolhido um conjunto de ferramentas baseadas em software livre com
código aberto, levando em consideração a escolha de softwares bem documentados
e que possivelmente fossem adotados pelos centros operacionais que utilizam os
dados do sistema EUMETCast atualmente no Brasil, e necessitam de processá-los,
ver seção 2.1.1.
57
O sistema operacional utilizado foi o Linux, em uma distribuição chamada
Ubuntu, devido a sua estabilidade, segurança e o fato da possibilidade de ser usado
como servidor. Na instalação padrão do sistema operacional, está agregado o
software Apache que é um servidor de páginas de internet e foi usado como
software responsável por receber pedidos dos clientes, neste caso, através de
navegadores de internet, e servi-los com respostas que geralmente são informações
em documentos na forma de páginas de internet com imagens embutidas.
Com relação à edição das imagens, o ImageMagick foi escolhido pois é
um software livre para edição não interativa de imagens. Nele foi possível realizar o
redimensionamento, combinação e conversão entre formatos de imagens, entre
outros. Os processamentos foram realizados através de comandos, que podem ser
agrupados dentro de arquivos denominados shell scripts, que são arquivos de texto
e
contém
instruções
para
serem
executados
pelo
sistema
operacional,
freqüentemente utilizados para automatização de tarefas rotineiras. Dessa forma,
uma vez que os comandos foram programados, sua execução pode ser
automatizada, não havendo mais a necessidade de interação constante com o
utilizador. Para a construção dos gráficos foi utilizado o GNUPlot que é um software
gratuito para a construção de gráficos em duas ou três dimensões e possui a
característica de funcionar através de comandos que podem ser organizados em
shell scripts. Também é possível construir gráficos com dados que estão
armazenados em arquivos de texto, desde que estejam estruturados de maneira
padronizada. Com o objetivo de elaborar o sistema de visualização, animação e
análise das imagens do satélite, foram escolhidas as linguagens PHP e JavaScript.
Elas foram usadas para a construção do sistema de visualização e animação das
imagens, seção 3.9, que permitiu acesso de usuários geograficamente distante ao
sistema desenvolvido sem a necessidade de instalá-lo.
Para o processamento dos dados brutos do MSG e dados do projeto LSA
SAF foi escolhida a linguagem de programação do software Octave que é um
sistema interativo entre o programador-computador, em que a unidade básica de
informação são as matrizes. Os problemas expressos pelo usuário podem ser
resolvidos como são escritos matematicamente, através de comandos ou
estruturado na forma de algoritmos. Um algoritmo em Octave pode ser entendido
como a concatenação da solução de pequenos problemas através de comandos que
58
podem ser agrupados e armazenados em um arquivo (script) e posteriormente
solicitados quantas vezes forem necessárias. O fato dos algoritmos terem sido
escrito totalmente em linguagens interpretadas, ou seja, não foram compilados em
nenhum sistema específico, permite a qualquer programador introduzir novas
funções ou modificações das funções existentes, de forma simplificada, além da
possibilidade de ser executado em qualquer sistema operacional. Ressalta-se que,
durante a execução do trabalho, outras linguagens foram testadas como, a
linguagem Java e C, porém devido à facilidade no que se diz respeito ao
aprendizado, o Octave foi escolhido, pois apresentou pouca complexidade com
relação ao uso e percebeu-se que ele pode ser amplamente adotado pelos
pesquisadores da área da meteorologia, devido sua semelhança com o Matlab®.
Através da utilização destas ferramentas, os dados brutos foram processados, assim
como etapas como decodificação, calibração radiométrica, projeção e a geolocalização das imagens do satélite são descritas detalhadamente nos próximos
tópicos.
3.5 Processamento dos produtos para o monitoramento meteorológico
3.5.1 Processamento dos dados brutos
O processamento dos dados brutos teve o objetivo de decodificar as
imagens que foram recebidas pela estação de recepção e transformá-las em
parâmetros físicos, especificamente, informações de radiância para todos os canais
do satélite, temperatura de brilho, para os canais do espectro infravermelho e
reflectância para os canais do espectro solar, através do processo de calibração
radiométrica e posteriormente expressar o resultado como um produto de
monitoramento meteorológico na forma de imagens digitais e em arquivo de dados
no formato HDF. Para tal, foram elaborados algoritmos através de funções que
foram armazenadas em arquivos denominados scripts do software Octave, na
essência, estes scripts são uma coleção de comandos armazenados em um arquivo
de texto com a extensão .m, também conhecido como m-files, em inglês. Cada
função recebeu um nome, que é o mesmo nome do arquivo de texto, parâmetros de
entrada e parâmetros de saída. O modelo de funcionamento conceitual de um script
Octave é ilustrado na Figura 20.
59
Figura 20. Funcionamento de um script no Octave.
Os parâmetros de entradas são variáveis na forma de texto, números
inteiros, números reais, datas ou imagens que são armazenadas em matrizes. Elas
são processadas através dos comandos que o programador definiu no script de
processamento. Opcionalmente, podem-se retornar ao programador parâmetros de
saída, como resultado do processamento efetuado, que são expressos pelo Octave
de forma semelhante aos parâmetros de entrada.
As etapas e os scripts desenvolvidos para processar os dados brutos são
apresentados no fluxograma contido na Figura 21.
Figura 21. Fluxograma das etapas do processamento dos dados brutos.
A primeira etapa envolveu a definição e padronização das variáveis,
canal, ano, mês, dia e horário para selecionar a imagem que será processada, e em
vista disso, elas foram utilizadas como parâmetros de entrada em todos os scripts de
processamento, apresentados na figura anterior, através do nome da função seguido
60
da extensão .m entre parênteses. Essas variáveis alimentam os scripts em formato
de texto, sendo que o nome do canal corresponde a um dos doze canais do SEVIRI,
e
as
outras
variáveis
são
concatenadas
segundo
a
nomenclatura
AAAAMMDDHHMn, onde, AAAA corresponde ao ano em que a imagem foi obtida,
expresso com quatro dígitos, MM corresponde ao mês e DD corresponde ao dia,
ambos expressos com dois dígitos cada, HHMn corresponde a hora e o minuto,
respectivamente. Por exemplo, uma imagem identificada com as variáveis
“200906020000”, significa que ela foi obtida no ano de 2009, no dia 02 do mês de
junho, as 00 hora e 00 minuto UTC. Foi realizada a verificação desses parâmetros
de forma a constatar se existiam os arquivos de dados brutos para a imagem
selecionada, em caso positivo o processamento segue o fluxo padrão, caso contrário
ele é reinicializado após 15 minutos – intervalo de recepção das imagens do MSG,
resolução temporal.
A próxima etapa do processamento envolveu a descompactação dos
dados brutos através de um programa disponibilizado pela EUMETSAT e do script
desenvolvido para automatizar essa tarefa.
3.5.2 Descompactação dos dados brutos
Para descompactar os arquivos referentes aos dados brutos, foi utilizado
o programa chamado Wavelet Transform Software, fornecido pela EUMETSAT e
disponível para usuários licenciados no sistema EUMETCast, através do
preenchimento do formulário on-line que encontra-se em seu site, acessando-se o
endereço: <www.eumetsat.int/Home/Main/Access_to_Data/User_Support>.
O processo de descompactação foi necessário para que fosse possível
realizar a leitura dos dados brutos através da linguagem de programação do
software Octave utilizando as funções padrão para leitura e escrita em arquivos.
O
aplicativo
principal
xRITDecompress
foi
o
responsável
em
descompactar os dados brutos ele foi fornecido em versões para Linux e Windows,
nesse trabalho utilizou-se a versão compilada para Linux. O seu funcionamento é
apresentado na Figura 22.
61
Figura 22. Descompactação de uma imagem do canal de vapor d’água, destacando-se em (A)
software xRITDecompress e (B) resultado do processamento.
O software foi utilizado através da linha de comando e forneceu-se como
parâmetro de entrada o nome do arquivo que representa o dado bruto, como pode
ser visto em (A). Quando o arquivo foi descompactado exibe-se a frase
“Decompressed file:” seguido do nome do arquivo descompactado que é o resultado
do processamento, destacado em (B). Uma maneira de diferenciar o dado bruto do
arquivo descompactado é observar o final do seu nome, o sufixo “-C_”, que indica
que o arquivo ainda não foi descompactado, enquanto o sufixo “-__” é usado para
identificar
os
arquivos
que
foram
descompactados.
Para
automatizar
o
funcionamento desse programa, visto que é necessário que ele seja utilizado para
descompactar cada segmento da imagem, foi estruturado o script Descompactar.m,
que recebeu como parâmetro de entrada as variáveis de canal, e data que
caracterizam a imagem e um número inteiro no intervalo de 1 a 8, correspondente
ao segmento da imagem. Sendo assim ele aplicou o aplicativo xRITDecompress a
cada um segmentos que foi especificado dentro do intervalo. Isso possibilitou que
regiões específicas da imagem fossem consideradas, por exemplo, para processar o
hemisfério sul da terra o intervalo de 1 a 4 pode ser escolhido. A escolha de um
intervalo apropriado para processar uma determinada região diminuiu o tempo de
processamento, portanto deve-se levar em consideração que o tempo de resposta
de todo o processamento é predefinido e deve ser inferior a 15 minutos, pois em
62
caráter operacional, esse é o tempo em que a próxima imagem é adquirida e então,
deve ser processada.
Após a descompactação, o dado bruto foi transformado pelo software
xRITDecompress em um arquivo binário, esse tipo de arquivo pode conter qualquer
tipo de dado codificado em uma seqüência de bytes que podem ser lidos através
das funções para leitura de arquivos disponíveis no Octave. A próxima etapa foi
realizar a leitura das variáveis necessárias para efetuar a calibração radiométrica,
denominadas coeficientes de calibração que foram mencionados na seção 2.3.4.
3.5.3 Obtenção dos coeficientes de calibração
A leitura das variáveis Cal_slope e Cal_offset foram necessárias para
realizar a conversão do número digital em radiância espectral para cada um dos
canais do SEVIRI, para isso foi desenvolvido o script chamado LerPrologo.m que faz
uso das funções fopen, fseek, fread e fclose disponíveis no Octave. A função fopen
foi utilizada para obter as informações de um arquivo e para abrir o arquivo de
cabeçalho (prólogo). Esta função recebeu como parâmetro de entrada o nome do
arquivo e como parâmetro de saída forneceu um identificador do arquivo que foi
usado para controlar o acesso a posições específicas de leitura ou gravação através
da função fseek. A documentação da estrutura do arquivo de cabeçalho, disponível
em EUMETSAT (2007), define as posições de leitura contidas no arquivo de
cabeçalho e através dessa informação, foi possível realizar o posicionamento
através da função fseek e a leitura das variáveis através da função fread. Os
coeficientes de calibração estão posicionados exatamente nos 24 bytes após os
primeiros 387155 bytes do arquivo de cabeçalho e devem ser armazenados na
forma de número real. Após concluir o processo de leitura, a função fclose foi usada
para fechar o arquivo. A Figura 23 exibe o funcionamento do script LerPrologo.m.
63
Figura 23. Script LerPrologo.m em funcionamento, são exibidos os valores dos coeficientes de
calibração para uma imagem obtida em 15/12/2009.
Como parâmetro de entrada o script recebeu a data da imagem, e como
parâmetro de
saída retornou a
variável matrizCoeficientesCalibracao,
que
armazenou em uma matriz de três colunas e doze linhas os coeficientes de
calibração para cada canal do SEVIRI. Na primeira coluna foi exibido o número do
canal e os coeficientes Cal_slope e Cal_offset são exibidos na segunda e terceira
colunas, respectivamente. Esses valores estão relacionados com a imagem obtida
em uma data e horário em particular. Eles são ajustados quando necessário através
do procedimento de descontaminação, que é realizado pela EUMETSAT. Esse
procedimento ocorre quando, eventualmente, há degradação do instrumento SEVIRI
através da contaminação por gelo, que é removido aumentando-se a temperatura do
caminho óptico e dos detectores, posteriormente, ocorre o ajuste dos coeficientes de
calibração. (EUMETSAT, 2007).
Após ser realizada a leitura dos coeficientes de calibração, a próxima
etapa envolveu a leitura e a união dos segmentos que constituem a imagem de
satélite, de forma a armazená-los em uma única matriz em representação adequada.
3.5.4 Leitura e união dos segmentos
Foi efetuada a leitura dos segmentos através das funções fopen, fseek,
fread e fclose, citadas anteriormente, usando-se o script Segmentos.m. Através da
documentação da estrutura do arquivo de linhas da imagem, disponível em
64
EUMETSAT (2007). Foram obtidas as posições de leitura, em que, cada linha está
posicionada exatamente após os primeiros 6198 bytes de cada segmento, sendo
armazenadas em matrizes com as dimensões de 3712x464 pixels, que foram
chamadas matrizNumeroDigital10bits. Determinou-se que a leitura seria realizada do
ultimo ao primeiro segmento de forma que a matriz fosse orientada no sentido NorteSul, caso contrário, a orientação da mesma seria Sul-Norte.
A matrizNumeroDigital10bits contém os dados do número digital no
formato binário em uma codificação de 10 bits por pixel, que corresponde à
resolução radiométrica do instrumento SEVIRI, e equivale a um número inteiro no
intervalo de 0 a 1023. Porém, os valores de radiância espectrais são expressos
como número real, e por isso, foi necessária a conversão da representação da
matriz de 10 bits para 16 bits, para permitir o armazenamento dos mesmos na
representação adequada. A Figura 24 ilustra esta situação.
Figura 24. Variáveis número digital e radiância.
Para isso, foram usadas as operações da lógica binária para o
deslocamento de bits, através da função bitshift disponível no Octave. Essa função
foi utilizada para o deslocamento de bits para a direita ou esquerda e recebeu como
parâmetro de entrada o valor que a ser processado e uma variável k que indicou
quantos bits seriam deslocados. Os valores negativos de k correspondem ao
deslocamento de bits à direita enquanto os valores positivos correspondem ao
deslocamento à esquerda. Foi desenvolvido um algoritmo para realizar a conversão
da representação do número digital de 10 bits para 16 bits. O seu funcionamento
pode ser dividido em quatro etapas de leitura e deslocamentos de bits, sendo que,
em cada etapa o número digital é armazenado em duas variáveis de oito bytes cada,
que foram chamadas b1 e b2. E então após serem realizados os deslocamentos dos
bits, o número digital foi armazenado nas variáveis i1, i2, i3 e i4 com 16 bits cada.
65
A Figura 25 ilustra o funcionamento de cada etapa do algoritmo.
Figura 25. Algoritmo de conversão da representação 10 bits para 16 bits.
A cada etapa as variáveis b1 e b2 foram deslocadas da esquerda para
direita, a fim de efetuar a conversão em blocos contíguos de dados com 32 bytes.
Destacam-se com, a seta em verde, os deslocamentos realizados à direita, e em
azul os deslocamentos à esquerda. Ao final de cada etapa os valores que foram
armazenados nas variáveis i1, i2, i3 e i4, correspondem às linhas de um segmento
em particular. A Figura 26 exibe o algoritmo construído.
66
Figura 26. Editor de scripts padrão do Linux (gedit), destacando-se o algoritmo para conversão da
representação 10 bits para 16 bits, contido no script Segmentos.m.
Na figura é possível observar a utilização das funções e variáveis que
foram mencionadas. Adicionalmente, foi utilizado à técnica de vetorização, através
do uso do operador “(:)” disponível no Octave, para otimização do processamento
dos segmentos. A variável temporária f foi usada para endereçar as colunas da
matriz, enquanto nk1, nk2, nk3 e nk4 endereçam as linhas. As funções uint8 e uint16
são utilizadas para trabalhar com os valores das variáveis em 8 e 16 bytes
respectivamente. Por fim, após a leitura de cada linha da imagem elas foram,
concatenadas dando origem a uma matriz denominada matrizNumeroDigital16bits,
de forma que os segmentos processados fossem unidos em uma única matriz.
Agora, a variável matrizNumeroDigital16bits contém os valores do número
digital na representação adequada e os coeficientes Cal_slope e Cal_offset foram
67
extraídos. A próxima etapa de processamento envolveu o cálculo da radiância
espectral e de tabelas que foram usadas para a calibração radiométrica dos canais.
3.5.5 Calibração radiométrica
O primeiro passo consistiu em calcular os valores de radiância espectral
através da equação (17), página 47, que recebeu como parâmetros de entrada os
coeficientes de calibração armazenados na variável matrizCoeficientesCalibracao, e
o número digital que foi armazenados na variável matrizNumeroDigital16bits. Em
seguida foram calculadas duas tabelas de calibração radiométrica. Em que, uma
delas foi utilizada na calibração dos canais do espectro visível e outra para os canais
do espectro infravermelho.
A Figura 27 ilustra o fluxograma do algoritmo para o cálculo das tabelas,
utilizadas para calibração radiométrica das imagens.
Figura 27. Fluxograma do algoritmo de calibração radiométrica.
Inicialmente, foi realizada uma verificação para identificar qual é o canal
que seria processado, pois, para os canais do visível é quantificada a energia
proveniente do Sol e refletida pelos alvos como a superfície terrestre e nuvens, por
exemplo, nos comprimentos de onda no intervalo de 0.4 µm a 0.7 µm, enquanto para
os canais do infravermelho a energia quantificada é a emitida diretamente pelos
alvos em comprimentos de onda no intervalo de 0.7 µm a 13 µm. Portanto, a
68
utilização de tabelas distintas deve-se ao fato de que são aplicados conjuntos
diferentes de equações para quantificar a energia em diferentes regiões do espectro,
sendo que a equação (18), página 48, foi usada para os canais do espectro
infravermelho e a equação (19), página 48, para os canais do espectro visível.
Considerando que o canal a ser calibrado é do espectro visível, foi
calculada a distância Terra-Sol a partir da equação (20), página 48, e como ela
considera a data da imagem, antes foi utilizado o script DiaJuliano.m13, que recebeu
como parâmetro de entrada, o ano, mês, dia, hora e minuto, e após realizar o
processamento retornou a variável JD que corresponde ao dia Juliano em formato
decimal. A Figura 28 apresenta o trecho do código Segmentos.m em que foi
calculado a distância Terra-Sol.
Figura 28. Algoritmo usado para calcular o dia Juliano e a distância Terra-Sol.
Os parâmetros de entrada foram fornecidos em formato de texto e a
função str2num fez a conversão para o formato de número inteiro, necessário para
que seja possível calcular o dia Juliano. À distância Terra-Sol foi calculada e
armazenada em unidade astronômica, na variável ESD em formato decimal.
Para realizar o cálculo do ângulo zenital solar foi desenvolvido o script
AnguloZenitalSol.m que recebeu como parâmetros de entrada a data da imagem e
as coordenadas geográficas latitude e longitude de um determinado pixel e calcula o
ângulo zenital do sol. Para cada pixel da imagem a sua localização foi obtida através
do script pixelcoord2geocoord.m que é discutido em 3.5.6. A Figura 29 apresenta o
script construído.
13
Este script foi estruturado a partir do algoritmo disponibilizado pela Universidade de Utrecht,
disponível no site http://www.astro.uu.nl/~strous/AA/en/reken/juliaansedag.html. Acessado em 05 mar,
2010, 15:40.
69
Figura 29. Algoritmo usado para calcular o ângulo zenital do sol em um local e horário especificado.
A função dayofyear calculou o dia do ano em formato ordinal, no intervalo
de 1 a 366, para uma determinada data fornecida. O resultado foi armazenado na
variável ND. A variável HORA armazenou o horário da imagem processada em
frações de hora. Foi realizado o cálculo da fração angular do ano e o seu resultado
armazenado na variável F. No Octave as funções sin e cos, foram usadas para
calcular o seno e o cosseno e recebem seus parâmetros de entrada em radianos,
conversão de ângulos planos, em que 180º equivale a radianos.
por isso foi feito a conversão de graus para radianos, através da relação de
Em seguida foi feito o calculo da declinação do sol, através da equação
(21), disponível em VAREJÃO (2000).
z 0.3964 " 3.631 sin G 22.97 cos " 0.03838 sin 2
G0.3885 cos 2 " 0.07659 sin 3
G0.1587 cos 3 G 0.01021 cos 4
(21)
Ainda segundo, VAREJÃO (2000), a equação do tempo, fornece a
diferença entre à hora solar verdadeira e a hora solar média numa data particular, e
70
por isso, foi necessário considerar a correção feita por essa equação para calcular o
ângulo horário do sol em uma determinada região. Sua expressão é dada pela
equação (22).
Δ% 0.002733 G 7.343 sin " 0.5519 cos G 9.47 sin 2
G0.03 cos 2 G 0.3289 sin 3 G 0.07581 cos 3
G0.1935 sin 4 G 0.1245 cos 4
(22)
Em que, F é a fração angular do ano.
Os resultados da aplicação destas equações foram armazenados nas
variáveis Declinacao e TC. Logo após, foi calculado o ângulo zenital do sol através
da equação (23).
cos } sin @ sin z " cos @ cos z cos Q
(23)
Em que, Φ é a latitude, δ é a declinação solar e Q é ângulo solar horário.
Após o processamento o resultado foi armazenado na variável CosAnguloZenitalSol
em radianos.
A documentação técnica EUMETSAT, (2006c) disponibilizou a tabela com
a constante solar no topo da atmosfera para cada um dos canais do visível, que é
apresentada a seguir:
Tabela 4. Constante solar no topo da atmosfera. Adaptado de EUMETSAT (2006c).
Canal
VIS006
VIS008
IR_016
HRV
-2
-1
-1
Constante Solar ( mWm sr µm )
20.76
23.24
19.85
25.11
Agora, os valores de radiância foram convertidos para reflectância através
da equação (19), página 48, e então os resultados foram armazenados na variável
TabelaReflectancia. A equação modelada no Octave e o algoritmo usado no
processamento podem ser visto na Figura 30, entre as linhas 163 e 170.
71
Figura 30. Algoritmo usado para calcular as tabelas de calibração para os canais do espectro visível e
infravermelho.
As tabelas de calibração foram calculadas considerando-se a resolução
radiométrica do SEVIRI e conseqüentemente os possíveis valores para o número
digital. A aplicação da equação (17), página 47, pode ser vista entre as linhas 154 e
161. O resultado do processamento das equações foi armazenado na variável
radiancia. Para os canais do espectro infravermelho foram realizados os cálculo das
variáveis
e
,
que foram necessárias para aplicação da equação (18). As
constantes, Velocidade da luz, Constante de Plank e de Stefan-Boltzmann foram
obtidas através do site http://physics.nist.gov/cuu/Constants/, e os seus valores são
apresentados na Tabela 5:
Tabela 5. Constantes físicas para o cálculo de C1 e C2.
Parâmetro
Valor
Velocidade da luz (no vácuo)
Constante de Plank
Constante de Stefan-Boltzmann
299792458 ms
34
6.62606896 x 10- Js
-23
-1
1.3806503 x 10 JK
-1
A Figura 31 ilustra o processamento realizado no Octave para calcular C1
e C2 a partir da tabela anterior.
72
Figura 31. Cálculo das constantes C1 e C2.
Na documentação EUMETSAT, (2006c) foi disponibilizado os valores das
constantes Vc, comprimento de onda central do canal e dos coeficientes de correção
do canal A e B, que são apresentados na Tabela 6.
Tabela 6. Valores das constantes Vc e coeficientes de correção A e B para os canais infravermelhos.
Canal
IR_039
WV_062
WV_073
IR_087
IR_097
IR_108
IR_120
IR_134
-1
Vc (cm )
2569.094
1598.566
1362.142
1149.083
1034.345
930.659
839.661
752.381
A (adimensional)
0.9959
0.9963
0.9991
0.9996
0.9999
0.9983
0.9988
0.9981
B (K)
3.471
2.219
0.485
0.181
0.060
0.627
0.397
0.576
Em seguida, considerando que todos os parâmetros necessários para
utilização da equação (18) foram calculados, foi construído a tabela de calibração
para os canais do espectro infravermelho. O resultado foi convertido de Kelvin para
graus Celsius, e então o resultado é armazenado na variável TabelaTB.
3.5.6 Geo-localização e projeção de mercator
Para realizar a geo-localização das imagens, a EUMETSAT disponibilizou
duas funções implementadas em um software de navegação, cujo código fonte foi
escrito nas linguagens de programação FORTRAN e C. Estas funções foram usadas
para a conversão das coordenadas de imagem (linha e coluna) e para as
correspondentes coordenadas geográficas (latitude e longitude). O software foi
distribuído
gratuitamente,
e
pode
ser
acessado
através
do
endereço
73
http://www.eumetsat.int/Home/Main/Access_to_Data/User_Support/.
A
definição
matemática das funções utilizadas é descrita em (EUMETSAT, 1999).
As funções são geocoord2pixcoord e sua inversa pixcoord2geocoord,
sendo que a primeira recebeu como parâmetro de entrada as coordenadas
geográficas de uma localização e retornou como resultado a coordenada da imagem
no formato linha e coluna. A segunda função realizou o processamento inverso.
Elas foram convertidas para o Octave, porém sua nomenclatura original
permaneceu a mesma. No Apêndice II encontram-se o código fonte destas funções,
onde foram utilizados comentários para fazer referência às equações utilizadas.
Porém, destaca-se que as funções disponibilizadas pela EUMETSAT
foram projetadas para trabalhar com uma imagem na projeção GEOS, que é a
projeção original do satélite, sendo que fica a cargo do usuário escrever suas
próprias funções para fazer a transformação de coordenadas para outras projeções.
Diante
disso,
foram
escritas
duas
novas
funções,
a
função
mercator2geoocord que recebeu como parâmetro de entrada as coordenadas de um
ponto da imagem e retornou como resultado as coordenadas geográficas em
projeção MERCATOR, e a função geocoord2mercator que realizou o processo
inverso. As equações (15) e (16), página 46, disponibilizadas pela EUMETSAT,
foram utilizadas para a construção destas funções, que foram implementadas em
scripts do Octave. A Figura 32 ilustra o algoritmo da função mercator2geocoord.
Figura 32. Algoritmo de transformação de coordenada da imagem para projeção MERCATOR.
74
Inicialmente, foi utilizada a função de escala, através da equação (6),
página 42, para determinar as coordenadas intermediárias, pois, os valores de linha
e coluna são números inteiros, mas as coordenadas intermediárias x e y possuem
valores reais, que, para serem calculados, faz-se necessário utilizar os coeficientes
de escala que são apresentados na Tabela 7.
Tabela 7. Valores dos coeficientes de escala. Adaptado de: EUMETSAT, (2006).
Variável
COFF
LOFF
CFAC
LFAC
Valor
1856
1856
-781648343
-781648343
Em seguida foi aplicada a equação (16), página 46, que transforma os
valores de coordenadas intermediárias para coordenadas geográficas. No final do
processamento os valores de latitude e longitude são convertidos de radianos para
graus e armazenados nas variáveis lat e lon.
A função geoocord2mercator fez a transformação de coordenadas
geográficas para coordenadas de imagem em projeção MERCATOR. A Figura 33
ilustra o algoritmo da função que foi construída.
Figura 33. Algoritmo de transformação de coordenada geográfica para projeção MERCATOR.
75
Inicialmente foi feito a verificação dos valores de entrada através das
variáveis lat e lon, pois o domínio considerado é de -90 a +90 graus para latitude e 180 a +180 graus para a longitude. Caso exista alguma incoerência com estes
valores, o processamento é encerrado, e é atribuído o valor -999 para referenciar a
linha e coluna, o que na prática não faz referencia a nenhum pixel da imagem.
Em seguida foram calculadas as coordenadas intermediárias, nomeadas
xx e yy, através da função de projeção direta, equação (15), pagina 47, e a aplicação
da função de escala, equação (6), página 42, foi necessária para transformar as
coordenadas intermediárias em coordenadas da imagem, linhas e coluna, que foram
armazenadas nas variáveis ll e cc. Em seguida foi usado a função round disponível
no Octave, que fez o arredondamento do resultado para o número inteiro mais
próximo das coordenadas da imagem que, por fim, foi armazenado nas variáveis lin
e col.
Através da aplicação das funções descritas, foi possível realizar a
localização de pontos na imagem, com o objetivo de identificar um determinado pixel
da imagem, a partir de suas coordenadas geográficas, ou vice-versa. Este processo
foi útil para poder representar a divisão política ou administrativa de uma região e
localizar cidades, estradas, rios ou qualquer outro alvo de interesse, desde que seja
conhecida sua localização geográfica. A Figura 34 ilustra a localização em
coordenadas de imagem para o ponto em que está localizada a estação de
recepção EUMETCast instalada na UFAL.
Figura 34. Aplicação das funções geoocord2pixcoord e geoocord2mercator para a localização dos
pixels no ponto em que está localizada a estação de recepção.
Ambas as funções tem como parâmetros de entrada a localização da
estação de recepção em coordenadas geográficas e os coeficientes de escala
definidos na Tabela 7. O resultado do processamento é expresso através das
76
variáveis, lin e col. Percebeu-se
Percebe
que os resultados apresentados por cada função
acima são diferentes, apesar de serem utilizados os mesmo parâmetros de entrada,
entrada
isso se deve ao fato de que as funções utilizam projeções diferentes. A função
geoocord2pixcoord, desenvolvida pela EUMETSAT utiliza a projeção GEOS,
GEOS
enquanto a função geoocord2mercator,
geoocord2mercator, desenvolvida neste trabalho, utiliza a
projeção MERCATOR.
Portanto,
a
partir
destas
observações,
foi
construído
o
script
ReprojetarMatriz.m para realizar a mudança da projeção da imagem,
imagem considerando
que agora é possível calcular as coordenadas de imagens em ambas as projeções.
Ele também deve incluirr a opção de realizar cortes retangulares,
retangulares com objetivo de
destacar uma região específica da imagem, como por exemplo, podem
pode ser definidos
cortes para o monitoramento específico sobre a América do Sul, Amazônia,
Amazônia
Nordeste do Brasil ou qualquer outra região de interesse. A Figura 35 apresenta o
fluxograma da função construída.
construída
Figura 35.
35. Fluxograma do algoritmo de projeção MERCATOR.
Como parâmetros de entrada, o script recebeu
recebe uma matriz na projeção
GEOS, e as coordenadas de corte que definiram um retângulo,
retângulo sendo que, lat1 e
lon1 são referentes a um ponto no canto superior esquerdo da imagem, e lat2 e lon2
a um ponto no canto inferior direito da imagem. Após a verificação do domínio
d
para
latitude e longitude, foram calculadas as coordenadas de corte através da função
geoocord2mercator e seu resultado foi armazenado nas variáveis plat1, plon1, plat2,
77
plon2 em coordenadas de imagem. Em seguida foi calculado o tamanho da imagem
resultante através das subtrações entre as coordenadas de longitude e latitude, que
foram armazenadas nas variáveis ncolM e nlinM, logo produto entre essas variáveis
representa o tamanho da imagem. A Figura 36 ilustra o algoritmo construído para
realizar a mudança da projeção GEOS para projeção MERCATOR.
Figura 36. Função de transformação de coordenada geográfica para projeção MERCATOR.
Foi então realizada a leitura seqüencial de linhas e colunas da matriz na
projeção GEOS para obtenção das respectivas coordenadas da imagem, variáveis l
e c. Após isso, o endereço na imagem para projeção de MERCATOR foi calculado e
armazenado em xm e ym. Esse valor foi convertido para coordenadas geográficas
através de mercator2geocoord, e como as funções compartilham as mesmas
coordenadas, foi usado geoocord2pixcoord para obter as coordenadas na imagem
na projeção GEOS. O resultado foi armazenado em xg e yg. Em seguida, na variável
matrizMERCATOR foi armazenado os índices de forma linear para a projeção, que
são calculados através dos endereços que foram armazenados em xm ,ym, xg e yg.
As subtrações 3712-yg e 3712-xg foram necessárias para considerar uma imagem
orientada no sentido Norte-Sul. Um índice linear é a representação de índices
equivalente a N-dimensões de uma matriz, em 1-dimensão. Por exemplo, em uma
78
matriz 2x2, um elemento que se encontra no índice (2,2) pode ser localizado através
do índice linear (4), que indica que o elemento ocupa a quarta posição da matriz.
No Octave, a função sub2ind foi responsável em fazer o mapeamento de
uma determinada posição da matriz para seu respectivo índice linear, e a função
size calculou o tamanho da matriz em questão. A utilização de índices lineares para
percorrer os elementos de uma matriz é mais eficiente quando comparado aos
métodos tradicionais que envolvem a utilização de estruturas de repetição.
Usando as funções que foram apresentadas, a imagem teve seus pixels
localizados em um sistema de coordenadas geográficas, através da latitude e
longitude. Houve então a possibilidade de agregar outros tipos de dados espaciais,
tais como medições feitas por estações de superfície, dados de imagens
provenientes de outros sensores ou pontos obtidos por GPS serem registrados na
imagem e assim criar uma base integrada de dados espaciais com as imagens do
MSG.
Dessa forma, foi construída a divisão político-administrativa para a
América do Sul e os Estados do Brasil através do script GerarOverlay.m que
recebeu como parâmetros de entrada uma lista de coordenadas representando os
pontos que foram localizados na imagem de satélite. Para o Brasil, os pontos foram
obtidos através do site IBGE (Instituto Brasileiro de Geografia e Estatística), que
forneceu mapas contendo os limites interestaduais e municipais através do produto
Malha Municipal Digital 2007. Eles foram obtidos através do FTP disponibilizado pelo
IBGE através do endereço ftp://geoftp.ibge.gov.br/ acessando-se o acervo de
malhas digitais. A documentação deste produto foi encontrada em IBGE (2007).
Para os limites continentais e dos países da América do Sul, África e Europa, os
pontos foram obtidos através do produto Coastline Extractor através do endereço
http://rimmer.ngdc.noaa.gov/.
Os pontos foram obtidos e organizados em arquivos de texto, e em
seguida a leitura desses pontos foi realizada pelo script GerarOverlay.m. Para cada
ponto foi realizado sua localização geográfica através das funções de geolocalização descritas, em por fim, os pixels foram registrados em uma matriz com
dimensões compatíveis as imagens do MSG (divisão político-administrativa).
A Figura 37 apresenta a divisão político-administrativa construída para as
imagens do MSG.
79
Figura 37. Divisão político-administrativa elaborada pelo script GerarOverlay.m.
Após realizar o processamento dos pontos o resultado foi armazenado na
variável MatrizOverlay, que foi registrado em arquivo, sendo posteriormente
acessado, quando foi necessário aplicar esses dados na imagem.
A próxima etapa do processamento envolveu expressar o resultado do
processamento realizado com os dados brutos na forma de produtos para o
monitoramento meteorológico. Foram usado formato de imagens digitais que foram
elaboradas a partir da combinação dos canais do SEVIRI através de um
procedimento conhecido por composições coloridas.
3.5.7 Composições coloridas
Até recentemente, os imageadores a bordo dos satélites geoestacionários
eram limitados a possuir seus canais em duas ou três regiões espectrais,
geralmente, no visível, infravermelho e vapor d’ água. Habitualmente os
meteorologistas utilizam imagens em preto e branco, ou aplicam técnicas como a
LUT (Look-Up Tables, em inglês), que buscam criar tabelas com novas cores para
realçar alvos de interesse.
O advento dos imageadores multi-espectrais em órbita geoestacionária
está oferecendo maior detalhamento de nuvens e das características de massa de
ar, sendo que, as imagens dos canais podem ser combinadas através de
composições coloridas e alvos podem ser evidenciados com um mínimo de
80
processamento computacional, através da seleção de canais e/ou diferenças de
canais para os planos individuais de cada cor no sistema RGB. (USD, 2005).
Segundo Usd, (2005) até o momento, nenhuma norma geral foi
estabelecida para padronizar a escolha dos canais ou as diferenças entre eles. Com
a divulgação de informações pelos centros operacionais, seria necessário que
houvesse alguma padronização, pois isso iria contribuir para a comparação dos
resultados alcançados em cada instituição.
No Apêndice III é listado um conjunto de composições RGB que foram
utilizadas nesse trabalho. Elas são baseadas em experiências práticas com as
imagens fornecidas pelo SEVIRI e recomendadas pela EUMETSAT. As mesmas
foram calculadas através da combinação de canais ou da diferença entre eles, e de
atribuições aos planos de cores RGB e ajustes de brilho. De acordo com Usd, (2005)
estes processamentos realizados na imagem referem-se a manipulações nos
valores de reflectância e temperatura de brilho e têm o objetivo de limitar o seu
domínio para que seja possível combinar os canais e formar uma nova imagem.
Para realizar a composição colorida dos canais do MSG foram elaborados
dois scripts, o primeiro, DiferencaCanais.m que realizou a subtração entre os pixels
de dois canais do MSG. Este foi um procedimento necessário para que fosse
possível calcular as composições utilizadas neste trabalho. Ainda nesse contexto, o
trabalho de MAHOVIC (2008), apresenta a aplicações da diferença dos canais
VIS006 e IR_016, para detecção de sistemas convectivos. O segundo script,
CriarRGB.m, teve a função de combinar os canais do satélite com a possibilidade de
aplicar limites em seus valores máximos e mínimos para os planos de cores do
função , e também, inversão da cor do pixel. Ao contrário das técnicas como a LUT,
sistema RGB além de permitir operações como realce e ajuste de brilho através de
as composições coloridas não atribuem cores específicas aos alvos, entretanto, a
coloração resultante pode ser influenciada pela escolha adequada dos canais e das
suas diferenças.
A Figura 38 apresenta o algoritmo contido no script DiferencaCanais.m
descrevendo o procedimento de subtração entre os canais.
81
Figura 38. Algoritmo para realizar a diferença entre os canais do MSG.
O script recebeu como parâmetros de entrada, o nome dos dois canais
em que foi necessário realizar o processamento, eles foram atribuídos através das
variáveis nomeCanal1 e nomeCanal2. Adicionalmente, a data da imagem foi
fornecida através da variável data. Foi definido que seria exibida uma frase para o
usuário indicando qual processamento ocorreu. A função strcat realizou a
concatenação de variáveis em formato de texto construindo a frase “Calculando
Diferenca dos Canais X-Y”. Onde X e Y correspondem a nomeCanal1 e
nomeCanal2. Logo após, a data da imagem foi desagrupada e armazenada nas
variáveis ano, mês, dia, hora e minuto. Então, foi feito a leitura dos dois canais
através da função load, que foram armazenados nas variáveis Canal1 e Canal2. O
calculo da diferença dos canais foi efetuado através do operador de subtração para
matrizes e o resultado foi armazenado na variável MatrizDiferenca. Foi definido que
o nome do arquivo como resultado do processamento deve iniciar com os caracteres
“D_”, seguidos dos nomes dos canais e de sua data. A variável MatrizDiferenca foi
armazenada em arquivo através da função save, produzindo então o resultado do
processamento que foi armazenado em um arquivo formato binário usado pelo
Octave para armazenar dados no computador.
O script CriarRGB.m foi o responsável pelo processamento do produto
para monitoramento meteorológico, que foram construídos a partir de um único
canal do satélite MSG ou através das composições de canais.
82
Em Usd, (2005) a EUMETSAT documenta como o pixel da imagem deve
ser processado para se derivar a imagem digital através dos valores de reflectância
ou temperatura de brilho que foram calculados. Foi utilizada a seguinte equação
para efetuar os processamentos.
q, qk G / r
qk 255
' G /
(24)
Onde, qk indica o pixel da imagem resultante em um intervalo de oito
bits, ou seja, um número inteiro no intervalo de 0 a 255 que foi atribuído a cada
representar os valores de reflectância indicados por q (Bidirectional Reflectance
plano de cor do sistema RGB. Esse processamento da imagem tem o objetivo de
Factor, em inglês) ou temperatura de brilho indicando por kq (Equivalent
imagem digital. Os valores indicados por ' e / referem-se a limites máximos e
Brightness Temperature, em inglês), dependendo do canal, na forma de uma
variável indica uma correção que foi aplicada ao brilho da cor do pixel resultante.
mínimos aplicados aos valores das variáveis reflectância e temperatura de brilho. A
Segundo Lensky, (2008) a transformação é usada para aumentar ou diminuir a
intensidade de brilho das cores da imagem. Nas composições coloridas é proposto
≥ 1, indicando assim, o brilho mais intenso nas partes escuras da imagem.
Figura 39. Transformação aplicada aos pixels. O valor de >1 realiza o ajuste de intensidade do
brilho para a curva côncava e <1 para a curva convexa. Adaptado de: USD, (2005).
A Figura 40 apresenta a primeira parte do script construído para realizar
as composições coloridas do MSG.
83
Figura 40. Algoritmo para processamento de composições coloridas.
O script recebeu como parâmetros de entrada o nome do arquivo
correspondente ao canal do SEVIRI. Para cada plano da imagem RGB foi fornecido
o nome do canal ou do arquivo processado através da diferença dos canais. As
variáveis CanalR, CanalG e CanalB representaram o canal considerado nos planos
de cor do vermelho, verde e azul, respectivamente. As variáveis minR, minG e minB
correspondem aos valores mínimos, enquanto maxR, maxG e maxB aos valores
máximos que são aplicados a reflectância ou temperatura de brilho. As variáveis
inverterR, inverterG, inverterB podem assumir os valores lógicos 0 ou 1, para indicar
a operação de inversão da cor do pixel, assim, por exemplo, um pixel com a cor 255
(branca) pode ser convertido para 0 (preto). A variável nomeComposicao representa
um rótulo em formato de texto para identificar a composição RGB que foi
processada. Os procedimentos utilizados para processar a data e exibir a frase
84
“Gerando RGB” foram semelhantes ao realizado no script DiferencaCanais.m. A
função load foi usada para abrir cada um dos canais selecionados, os nome dos
arquivos foram definidos através das variáveis nomeArquivoR, nomeArquivoG, e
nomeArquivoB e da função strcat. Após serem feito o carregamento das matrizes
correspondentes a cada canal, seus valores foram armazenados nas variáveis R, G,
e B.
A função find disponível no Octave buscou os elementos da matriz que
obedeceram a uma determinada condição em parênteses. Ela foi usada para a
aplicação dos limites máximos e mínimos nos pixels que foram localizados através
das condições impostas pelos operadores < e >. Em seguida, a equação (24) foi
usada para calcular os valores dos pixels resultantes, que foram substituídos pelo
que estavam anteriormente armazenados nas variáveis R, G e B. A equação foi
divida em três etapas, inicialmente realizou-se o cálculo do numerador, em seguida,
calculo da transformação e através das variáveis gammaRTab, gammaGTab e
foi feito o calculo do denominador e o produto entre eles. Na terceira etapa foi feito o
gammaBTab elas foram aplicadas a cada plano de cor. A Figura 41 apresenta a
segunda parte do script.
Figura 41. Continuação do algoritmo para processamento de composições coloridas.
85
A inversão da cor do pixel foi feita através da verificação das variáveis
inverterR, inverterG e inverterB, sendo que no caso do valor lógico verdadeiro,
indicado pelo número 1, toda a matriz equivalente a um dos planos de cores teve
seus pixels subtraídos do valor 255.
Em seguida foi definida a escala de cores aplicada aos pixels. Ela
representa a gama total de cores suportadas pela imagem. Para cada cor da escala
foi designado um número e em cada pixel da imagem é armazenado um desses
números que, por sua vez, determinam a cor do pixel. As variáveis palR, palG e palB
armazenam as paletas que definem as cores vermelho, verde e azul. Em seguida
foram aplicadas a divisão política dos estados na imagem através da variável
MatrizOverlay e a projeção de MERCATOR através dos índices lineares que foram
armazenados na variável MatrizMercator. A função imwrite foi utilizada para
armazenar o arquivo em uma imagem no formato BMP com 24 bits. Outros formatos
de imagem poderiam ter sido adotados, porém este foi escolhido, por não possuir
compactação, sendo que, esta foi realizada em uma etapa posterior através da
edição final da imagem, onde foi incluído o logotipo do LAPIS e dados para
identificar a imagem, como o canal, dia e horários processados. Isso foi feito através
do software ImageMagick, que por sua vez aplicou compactação na imagem final
disponibilizando-a no formato JPEG.
Nas imagens produzidas foi possível realizar a interpretação visual dos
alvos, porém, no processamento que foi realizado, os valores de reflectância e
temperatura de brilho foram transformados em informações de cores, o que
impossibilitou a análise quantitativa dos mesmos. Por fim, decidiu-se que os
resultados fossem expressos no formato de arquivos HDF, para que essa
informação fosse aproveitada futuramente.
3.5.8 Armazenamento do arquivo HDF
Os arquivos HDF possuem um formato que independe da plataforma utilizada
e sua estrutura lógica permite a inclusão de uma grande quantidade de dados de
diferentes tipos e origens em um mesmo arquivo.
86
Para as imagens do MSG, foram armazenados além dos valores de
reflectância e temperatura de brilho, as características da imagem obtida, os dados
de calibração e as informações necessárias para geo-localização.
Para armazenar o arquivo no formato HDF foi construído o script
CriarArquivoHDF.m,. A Figura 42 apresenta o algoritmo do script construído.
Figura 42. Algoritmo para armazenamento do arquivo HDF.
Considerando que os dados brutos do MSG foram descompactados,
calibrados, estão em projeção MERCATOR e foram armazenados em matrizes, foi
possível fazer a leitura direta das mesmas através da função load, que recebeu
como parâmetros de entrada o canal processado através da variável nomeCanal.
Em seguida foram definidos os atributos do arquivo HDF, pois, esse
formato é auto-descritivo, sendo que, além dos dados, incluíram-se os metadados,
que são informações úteis para identificar o arquivo ou realizar processamentos
futuros. Isso foi feito através das variáveis atributos1, atributo2, e attributo3 que
87
armazenaram, respectivamente, informações sobre a estação de recepção,
coeficientes de calibração e coeficientes de navegação.
A função principal utilizada deste script foi a hdf5write adaptada para o
Octave, responsável por armazenar o arquivo no computador. Ela recebeu como
parâmetros de entrada o nome do arquivo, um identificador para o plano de dados,
os dados e atributos adicionais citados anteriormente. Nesse formato um plano de
dados representa uma matriz bidimensional, porém vários planos de dados podem
ser sobrepostos originando matrizes N-dimensionais. Ele recebeu o nome do canal
processado, sendo que suas configurações foram fornecidas através dos atributos
da variável dataset contida no script.
Depois de realizado o processamento, o armazenamento dos dados
brutos em formato HDF permitiu que análises físicas dos valores de reflectância ou
temperatura de brilho fossem realizadas considerando os domínios espaciais e
temporais das variáveis através de uma ferramenta para elaboração de gráficos,
descrita em 3.8.
3.6 Processamento dos produtos para o monitoramento ambiental
O processamento dos dados recebidos pelo projeto LSA SAF teve o
objetivo de decodificar os dados que são recebidos no formato HDF, entender sua
estrutura e transformá-los em parâmetros biofísicos relacionados à vegetação como
o índice FVC aos fluxos de energia Albedo da superfície e LST, posteriormente
armazenando-os em formato de imagem digital e realizando análise temporal dessas
variáveis. Para isso, foram elaborados algoritmos através de scripts do software
Octave.
Buscou-se reaproveitar os algoritmos construídos até então, visto que
esses dados possuem estrutura semelhante aos dados brutos do MSG no que diz
respeito à resolução espacial, projeção e funções utilizadas para a geo-localização
dos pixels.
As etapas do processamento e os scripts desenvolvidos para processar
estes dados são apresentados no fluxograma ilustrado na Figura 43.
88
Figura 43. Fluxograma das etapas do processamento dos dados para monitoramento ambiental.
ambiental
As etapas contidas no fluxograma foram comuns para todos os dados
fornecidos pelo LSA SAF que foram processados no LAPIS, pois, identificou-se
identificou
que
as diferenças existentes entre eles estão relacionadas às unidades físicas que são
armazenadas em cada arquivo, o fator de escala que deve ser adotado e a definição
utilizada na escala de cores para representar a saída em formato de imagem para
cada produto. Dessa forma,
forma a primeira etapa envolveu identificar estas variáveis
para cada um deles. Percebeu
ercebeu-se que o formato HDF é auto-descritivo,
descritivo, sendo que,
que
para cada estrutura
tura de dado
da contida no arquivo existe uma informação associada a
ele, sendo ela comumente chamada de metadados. Para entender a estrutura
básica dos arquivos,, foi necessário utilizar o software HDFView que foi fornecido
gratuitamente pelo HDFGroup através do endereço http://www.hdfgroup.org/hdfhttp://www.hdfgroup.org/hdf
java-html/hdfview/, e inicialmente foi feito a identificação da estrutura do arquivo e
dos seus metadados. Na Figura 44 é ilustrado o software HDFView em execução,
89
exibindo a estrutura do arquivo HDF relacionado ao produto FVC que foi obtido em
31 de Janeiro de 2010.
Figura 44.
4 Software HDFView e estrutura do produto FVC.
Na figura acima em (A) foi destacado o nome do arquivo, onde percebeuse que, semelhantemente aos dados brutos do MSG,
MSG existiu
u uma padronização
identificando o produto, o que pode ser visto através dos identificadores
identificado
do centro
operacional, do produto e da região do corte retangular. Em (B) foi destacado parte
da matriz de dados e os valores apresentados são referentes aos pixels da imagem
multiplicados pelo fator de escala 10000 que é adotado para o FVC.
FVC Em (C)
destacam-se os metadados do arquivo, além da
a identificação do
d produto onde são
informados as dimensões da matriz,
m
o fator de escala e os valores atribuídos aos
pixels em que não há informações,
informações nuvens por exemplo.
A partir da análise da estrutura do arquivo e da identificação
identifi
dos
metadados,, foi elaborado um script para realizar a sua leitura, a partir das funções
disponibilizadas pelo Octave.
Octave
90
3.6.1 Leitura do arquivo HDF
Para realizar a leitura do HDF foi construído o script LerHDF5.m que
recebeu como parâmetros de entrada o nome do arquivo e um identificador para o
produto através das variáveis nomeArquivo e Produto. Ele retornou como resultado
do processamento os metadados e a matriz de pixels que foram armazenados nas
variáveis Atributos e Dados, respectivamente. O Octave realizou a leitura desses
arquivos através da função adaptada hdf5info, que foi usada para se obter
informações sobre os dados contidos nas estruturas do arquivo, a função hdf5read
que realizou a leitura destes dados e que os armazenou nas variáveis citadas
anteriormente. A Figura 45 ilustra o algoritmo contido no script LerHDF5.m.
Figura 45. Algoritmo para leitura dos arquivos disponibilizados pelo LSA SAF.
Os atributos foram armazenados de acordo com a descrição fornecida
pelo software HDFView. Sendo que, para cada atributo foi dedicado uma variável
para seu armazenamento. Eles foram utilizados para definir as características dos
produtos que foram processados através do script CriarProduto.m.
Percebeu-se que os scripts que foram desenvolvidos para aplicação da
projeção MERCATOR e da divisão político-administrativa dos dados brutos do MSG
poderiam ser reutilizados, visto que eles possuem estrutura semelhante aos dados
disponibilizados pelo LSA SAF, no que diz respeito à resolução espacial.
Porém o corte retangular que caracteriza o produto para a América do Sul
possui uma dimensão menor que a imagem original do MSG, por isso foi necessário
91
realizar a concatenação das matrizes com o objetivo de alcançar o tamanho da
imagem original do MSG que é 3712x3712 pixels, e dessa forma pode reutilizar os
scripts que foram construídos anteriormente.
3.6.2 Concatenação de matrizes
Foi necessário realizar a concatenação da matriz de pixels dos produtos
LSA SAF com matrizes nulas, até que se alcançasse a dimensão da imagem do
MSG, sendo que, a função zeros disponível no Octave criou essas matrizes
preenchidas com valores nulos. Para definir-se o tamanho das matrizes que seriam
concatenadas, partiu-se do principio que os produtos têm 1511x701 pixels e deveria
ser alcançada a dimensão de 3712x3712 pixels. Foram então criadas as variáveis
que são representadas pela cores da Figura 46. A matriz que representa os dados
do LSA SAF é exibida em azul, a divisão política em preto e as outras matrizes
foram apresentadas com as demais cores. Na legenda da figura abaixo, são
apresentados os nomes que foram atribuídos as matrizes.
Figura 46. Matrizes concatenadas com os dados LSA SAF.
92
A Figura 47 ilustra o algoritmo usado para concatenação das matrizes, de
acordo com a figura apresentada anteriormente.
Figura 47. Concatenação de matrizes no script CriarProduto.m.
O primeiro passo foi ler os dados através da função LerHDF5, e em
seguida cada uma das matrizes foram criadas, sendo assim, suas dimensões foram
calculadas através das características dos cortes retangulares e áreas geográficas
para os produtos que são relatados em Pum, (2008).
Para realizar a inserção dos pixels que indicam a divisão políticoadministrativa e a projeção de MERCATOR, foram herdadas as matrizes construídas
através do procedimento que foi aplicado as imagens do MSG na seção 3.5.6.
3.6.3 Divisão político-administrativa e projeção de MERCATOR
A divisão político-administrativa foi inserida nos produtos, utilizando-se o
mesmo arquivo que a representou para as imagens do MSG. Através da função load
foi feita sua leitura e em seguida, para os pixels contidos na variável MatrizDados
que possuíam o mesmo índice linear que a matriz da divisão política foi atribuído o
valor do atributo “MISSING VALUES” presente nos metadados do produtos. A Figura
48 ilustra o trecho do script CriarProduto.m que contém o algoritmo usado para
inserir a divisão político-administrativa.
93
Figura 48. Algoritmo para divisão político-administrativa nos produtos de monitoramento ambiental.
Aplicou-se, também, uma máscara na imagem, com o objetivo de
destacar somente os pixels do Brasil e omitir os valores para os outros países da
América do Sul. Em seguida, foi feita aplicada à projeção MERCATOR na imagem,
foi utilizada a função ReprojetarMatriz.m que realizou um corte retangular segundo
as coordenadas, (7°N ; 71°O) para o canto superior esquerdo e (34°S ; 34°O) para o
canto inferior direito da imagem. A Figura 49 ilustra o trecho do script CriarProduto.m
que contém o algoritmo usado para projeção do produto.
Figura 49. Algoritmo para projeção MERCATOR nos produtos de monitoramento ambiental.
Percebeu-se que os valores associados aos pixels dos produtos
considerados foram multiplicados por um fator de escala, que foi descrito nos
metadados através do atributo “SCALING FACTOR” sendo associado à variável
Atributo de forma que fosse possível aplicá-los aos pixels.
3.6.4 Fator de escala
Para se aplicar o fator de escala, foi necessário dividir o valor da matriz
dos dados pelo valor anteriormente descrito, tomando-se o cuidado de evitar que os
pixels referentes à divisão política fossem considerados, e conseqüentemente, na
94
etapa de armazenamento do produto em formato de imagem digital, estes fossem
associados a cores incorretas. A Figura 50 ilustra o trecho do algoritmo desenvolvido
para aplicar o fator de escala.
Figura 50. Algoritmo para aplicação do fator de escala.
A função find foi utilizada para localizar os pixels referentes à divisãopolítica, que tiveram os seus índices lineares armazenados na variável índices. Em
seguida, foi efetuada a operação de divisão que aplicou o fator de escala aos pixels
dos dados. No final deste processamento, os valores armazenados em índices
receberam o valor associado à divisão política.
Na etapa seguinte, foram realizados os passos para caracterizar a
imagem digital resultante dos produtos LSA SAF, sendo que inicialmente foram
definidas as tabelas de cores referentes aos pixels de cada produto. Depois foi
construído um algoritmo para inserir uma grade de coordenadas e realizar a
localização de pontos na imagem. Foram utilizadas as mesmas funções construídas
para realizar a geo-localização nos dados brutos do MSG.
3.6.5 Tabela de cores, grade de coordenadas e geo-localização de pontos
Para os produtos processados foram definidas tabela de cores de forma
que além de associar os valores do domínio usados para seus pixels às cores da
tabela, fosse possível obter considerável contraste entre os valores máximos,
mínimos e intermediários dos parâmetros físicos e biofísicos considerados, suas
definições foram encontradas em (PUM, 2008). Na Figura 51 são exibidas as tabelas
de cores definidas.
95
Figura 51. Tabelas de cores para os produtos LSA SAF processados.
Em (A) é destacado a tabela de cor para o produto FVC, em (B) para o
produto Albedo de Superfície, e em (C) para o LST. Somente o ultimo é apresentado
em escala de graus Celsius, os outros produtos possuem unidades adimensionais.
Uma grade de coordenadas geográficas foi definida com resolução de
cinco graus, para facilitar a identificação visual de áreas na imagem, sendo
construída para destacar as linhas imaginárias de meridianos e paralelos na
imagem. A Figura 52 ilustra o algoritmo construído.
Figura 52. Algoritmo para construção da grade de coordenadas.
O funcionamento do algoritmo dá-se da seguinte forma, através dos
pontos que foram fornecidos para o corte retangular da imagem identificaram-se as
96
coordenadas iniciais que delimitam a grade, elas foram incrementadas ate que se
alcancem os valores finais, e é importante dizer que o intervalo definido foi de cinco
graus.
A função rem recebeu como parâmetro de entrada os valores referentes a
coordenada geográfica e resolução da grade, e retornou como resultado o resto da
divisão entre eles. A função floor recebeu um valor real e retornou o seu inteiro mais
próximo. Com a aplicação destas funções foi possível considerar as coordenadas de
latitude e longitude que são divisíveis pelo do valor da resolução da grade. Elas
foram armazenadas nas variáveis pontosXLabel e pontosYLabel, e então, foram
calculados os endereços dos pixels em que foram desenhados através das
subtrações y1-y2 e x1-x2, que foram armazenados em pontosY e pontosX.
Para realizar a localização de pontos e destacá-los na imagem, foi
construído um algoritmo, parte do script CriarProduto.m, que recebeu uma lista com
pares de coordenadas geográficas, e para cada ponto da lista, foi desenhado na
imagem um apontador, indicando visualmente a localização exata destes pontos. A
Figura 53 ilustra o algoritmo construído.
Figura 53. Algoritmo para localização de pontos na imagem.
No algoritmo ilustrado, inicialmente os pontos foram convertidos para
formato numérico, função str2num, em seguida foi calculado a quantidade de pontos
97
da lista, cada ponto é composto por um par de coordenadas. Para cada um deles, foi
calculada a coordenada de imagem através da função geoocord2mercator, depois
foram calculados através das subtrações a1-a2 e b1-b2 o endereço dos pixels na
projeção considerada, tendo como referencial o corte retangular da imagem. O
registro do ponto na imagem é feito através da função text, que recebeu a
coordenada de imagem em conjunto com o texto armazenado na variável
textoPonto, e os desenhou.
A etapa final do processamento envolveu o armazenamento do produto
no formato de imagem digital, em projeção MERCATOR, com a divisão políticoadministrativa, tabela de cores e grade de coordenadas definidas.
3.6.6 Armazenamento do produto para monitoramento ambiental
Antes de realizar-se o armazenamento da imagem, elas foram
personalizadas, inseriram-se a grade de coordenadas e a barra de cores construída,
também foram definidos os títulos e fontes para os eixos horizontais e verticais da
imagem. A Figura 54 apresenta o algoritmo construído para personalizar e
armazenar o produto.
98
Figura 54. Algoritmo para armazenamento do produto de monitoramento ambiental.
No Octave todo objeto gráfico tem um conjunto de propriedades
associadas a ele e relacionadas à cor, tamanho, posição, etc. No momento de
criação, para cada objeto é associado um atributo denominado handle, uma vez
conhecido tal atributo, suas propriedades podem ser alteradas. A variável gca
representa o handle para os eixos atuais da imagem. Os atributos relacionados a ele
foram configurados através da função set. Os atributos XGrid e YGrid representam a
grade para os eixos da imagem, seu valor padrão é off (desligado), através da
função set, e foram configurados para o valor on (ligado). Em seguida foram
configurados os valores para os atributos Ticks e TickLabel, que receberam as
coordenadas geográficas e coordenadas da imagem que foram calculadas na etapa
anterior. O tamanho das fontes do texto exibido nos eixos foi configurado através do
atributo FontSize. As funções xlabel e ylabel inseriram os rótulos nos eixos com as
palavras “Latitude” e “Longitude“.
A barra de cores foi inserida através da função colorbar, e o seu
posicionamento foi estabelecido como “South”, o que indicou abaixo da imagem.
Associou-se a ela o handle BarraCor para que fosse possível manipular seus
99
atributos e então, como rótulo da barra de cores, através da função set, foi
associado à unidade física do produto.
O
nome
do
arquivo
foi
definido
segundo
a
terminologia,
DATA_PRODUTO, onde DATA é referente à data da obtenção da imagem, e
PRODUTO ao identificador do produto que foi processado. Em seguida, a imagem
foi salva em arquivo de imagem no formato PNG, através da função print. A partir
das etapas descritas, foram processados os produtos para o monitoramento
ambiental através dos dados disponibilizados pelo LSA SAF.
Seguindo-se os objetivos específicos deste trabalho, as próximas etapas
da metodologia envolvem o processamento dos dados para o monitoramento
oceanográfico a partir de um produto de TSM.
3.7 Processamento dos produtos para o monitoramento oceanográfico
Para os produtos disponibilizados pelo O&SI SAF foi processada a
temperatura da superfície do oceano, através dos cortes setoriais denominados LML
e MAP, que foram recebidos em intervalos de 3 e 12 horas, respectivamente, e
codificados no formato GRIB (GRIdded Binary).
O produto para TSM de 3 horas, LML (Low and Mid Latitudes) cobre
áreas em baixas e médias latitudes, e são derivados dos dados dos satélites GOESLeste sobre a região oeste do oceano Atlântico e do satélite MSG sobre a região
leste do oceano Atlântico. O produto TSM de 12 horas, MAP (Merged Atlantic
Products), é derivado a partir dos mesmos satélites citados anteriormente, entretanto
para latitudes altas (acima de 60N) são utilizandos os dados do NOAA/AVHRR como
complemento para cobrir toda a área do oceano Atlântico. (O&SI SAF, 2006). As
características geográficas dos produtos são apresentadas na Tabela 8.
Tabela 8. Produtos disponibilizados pelo OSI SAF, considerados no trabalho, e suas características.
Adaptado de: O&SI SAF, (2006) p. 21.
Produto
LML
MAP
Projeção
Resolução
Eqüidistante*
Eqüidistante*
0.1 Graus
0.1 Graus
Tamanho
Linhas
Colunas
1201
1451
1500
1451
Limites Geográficos
Norte Sul Leste Oeste
60
60
45
100
89.9
60
45
100
*Projeção cilíndrica eqüidistante para latitude e longitude com resolução de 0.1º ≈ 10 km.
Semelhantemente aos produtos anteriores foram elaborados scripts do
Octave, contendo algoritmos para processá-los, ma, como pode se perceber na
tabela anterior, estes possuíam características que os diferem dos dados brutos do
100
MSG, não sendo possível reaproveitar os scripts que foram anteriormente
desenvolvidos, sendo que, foi necessário desenvolver scripts específicos para
processar estes produtos.
Para realizar a leitura do arquivo no formato GRIB, utilizou-se a função
loadgrib, que foi desenvolvida por Barth, (2006) e disponibilizada gratuitamente.
Originalmente essa função foi desenvolvida para realizar a leitura de dados de
modelos numéricos de previsão distribuídos no formato GRIB, mas percebeu-se que
a sua utilização poderia ser estendida para realizar a leitura dos dados provenientes
do O&SI SAF, uma vez que o padrão especificado pela WMO foi adotado.
Para realizar a geo-localização de pontos nesse produto, foi necessário
escrever duas funções de geo-localização através de uma relação linear entre os
pixels da imagem e as coordenadas geográficas, esta relação encontra-se
documentada em (O&SI SAF, 2006). Houve a elaboração de uma tabela de cores
com o objetivo de realçar os valores de TSM no intervalo de 26ºC a 33ºC.
A visão geral das etapas e os scripts desenvolvidos para processar estes
dados são apresentados no fluxograma contido na Figura 55.
Figura 55. Fluxograma das etapas do processamento dos produtos de monitoramento oceanográfico.
101
O script CriarProdutosOSI.m foi o principal responsável em processar os
dados, sendo que a maioria das etapas descritas no fluxograma acima foram
escritas na forma de algoritmos neste script. Ele recebeu como parâmetro de
entrada o nome do arquivo no formato GRIB, o nome do produto e dois pares de
coordenadas geográficas que representaram o corte setorial que pode ser feito na
imagem. Estas variáveis definiram as características do produto que foi processado,
principalmente com relação aos limites geográficos e o tamanho da imagem que foi
construída.
A Figura 56 apresenta o algoritmo responsável por definir as
características do produto, no caso de algum parâmetro de entrada possuir valores
inconsistentes, sendo assim o fluxo do processamento é reiniciado.
Figura 56. Algoritmo do script CriarProdutosOSI.m para a definição das características do produto.
A função str2num fez a conversão das coordenadas geográficas em
formato de texto para o formato numérico, pois ao decorrer do processamento estes
valores foram utilizados para realização do corte setorial na imagem.
Em seguida o algoritmo verificou se o produto que foi processado
pertence ao corte setorial LML ou MAP, definindo de acordo com os dados da tabela
anterior o tamanho da imagem que foi processada.
A próxima etapa envolveu realizar a leitura do arquivo de dados, onde se
encontrou a matriz com as unidades físicas do produto de TSM.
102
3.7.1 Leitura do arquivo GRIB
O GRIB é um formato de dados matematicamente conciso, padronizado
pela WMO, comumente utilizado para o armazenamento de dados meteorológicos
de previsão fornecidos pelos modelos numéricos. Atualmente, existem três versões
do formato GRIB. A primeira versão, conhecida como edição zero, foi usada de
forma limitada e não está mais em uso operacional. A primeira edição é utilizada
pela maioria dos centros operacionais meteorológicos para armazenamento dos
resultados dos modelos numéricos. Uma nova geração foi introduzida, conhecida
como GRIB de segunda edição, sendo que os dados de outras versões estão
mudando para este formato. Esta ultima edição do formato GRIB foi utilizada para
disponibilizar os produtos O&SI SAF distribuídos pelo sistema EUMETCast. A leitura
de arquivos no formato GRIB foi realizada através da função loadgrib para o
software Octave que foi desenvolvida por Barth, (2006) com suporte a vários modos
para a leitura dos dados, permitindo desde a extração de registros individuais até a
extração de um inventário completo do conteúdo do arquivo.
Em termos práticos, instalou-se a biblioteca no Octave de acordo com os
procedimentos documentados Barth, (2006) e em seguida foi feito a leitura do
arquivo, identificando-se também, os dados e os metadados contidos no arquivo. A
Figura 57 ilustra o algoritmo usado para realizar a leitura, construído como parte do
script CriarprodutosOSI.m,
Figura 57. Algoritmo para leitura de arquivos formato GRIB.
103
A função loadgrib recebeu como parâmetro de entrada o nome do
arquivo, através da variável nomeArquivo e um segundo parâmetro que indicou o
registro que foi lido, nesse caso, o valor indicado por “1” representou a leitura
completa do arquivo, incluindo-se todos os seus registros. O resultado da leitura foi
armazenado na variável Dados, que é uma matriz contendo os pixels do arquivo
GRIB que constituem o produto de TSM.
Considerando que a matriz dos dados deve ser representada em formato
bidimensional com a dimensão adequada ao produto, foi usado o operador apóstrofo
('), disponível no Octave para realizar a transposição de matrizes. Isso foi
necessário, pois a função loadgrib utilizada anteriormente realizou uma rotação na
matriz que inverteu os seus eixos.
Segundo a definição do produto, encontrada em O&SI SAF (2006), os
pixels referentes a nuvens possuem os valores máximos na matriz de dados. Seus
índices lineares foram localizados, através da função find e armazenados na variável
indNuvens, e em seguida adotou-se o valor NaN (Not a Number) para representar
este pixels, que nas etapas posteriores será associado a cor branca para
representá-los. Os valores de TSM originalmente são representados em escala
Kelvin, mas, para a exibição dos produtos processados neste trabalho, eles foram
convertidos para valores da escala de graus Celsius.
A próxima etapa do processamento envolveu a modelagem das equações
que estabelecem as relações necessárias para se realizar a geo-localização de
pontos na imagem, sendo esta etapa essencial para que fosse possível elaborar a
divisão político-administrativa para o produto.
3.7.2 Geo-localização e divisão político-administrativa
Os produtos de TSM são disponibilizados na projeção cilíndrica
eqüidistante. Nesse tipo de projeção existe uma relação linear entre os pixels da
imagem e as coordenadas geográficas. Em O&SI SAF (2006), encontram-se as
equações que estabelecem esta relação e que são apresentadas a seguir, a
equação (25) foi usada para o produto LML
(-#$%*u G100 " 0.1 -*#1 G 1
(1%$%*u 60 G 0.1 $#Q1 G 1
(25)
104
E a equação (26) para o produto MAP,
(-#$%*u G100 " 0.1 -*#1 G 1
(1%$%*u 89.9 G 0.1 $#Q1 G 1
(26)
Percebe-se que estas equações estabelecem uma relação direta entre as
coordenadas geográficas e as coordenadas da imagem, sendo que, o inverso destas
equações, por sua vez, estabelece a relação inversa.
Elas foram modeladas na forma de algoritmos em dois scripts do Octave,
o primeiro, OSIPixcoord2geocoord.m, fez a conversão de coordenada geográfica
para coordenada de imagem sendo o algoritmo ilustrado na Figura 58.
Figura 58. Algoritmo de transformação de coordenadas da imagem para coordenadas geográficas.
Ele recebeu como parâmetros de entrada a linha e coluna da imagem e
retornou como parâmetro de saída a latitude e longitude correspondente. Percebese que nas equações (25) e (26) a única diferença está no valor do limite ao norte da
imagem, sendo que no início do algoritmo o produto é verificado e para cada produto
utilizou-se o seu respectivo limite geográfico. Em seguida foi modelada a equação
que estabelece a relação direta.
A função do script OSIGeocoord2pixcoord.m foi realizar o processo
inverso, ou seja, através das coordenadas geográficas, determinar as coordenadas
da imagem, para tal, modelaram-se a inversa das equações (25) e (26) no algoritmo
contido neste script, que é ilustrado na Figura 59,
105
Figura 59. Algoritmo de transformação de coordenadas geográfica para coordenadas de imagem.
Ele recebeu como parâmetros de entrada as coordenadas geográficas de
um ponto na imagem e retornou como parâmetro de saída as coordenadas da
imagem, no formato, linha e coluna correspondente. Da mesma forma que o
algoritmo anterior, foi verificado os limites geográficos do produto, e em seguida,
calculou-se a relação inversa que determinou as coordenadas da imagem. A função
floor recebeu um valor real e retornou o seu inteiro mais próximo, de forma a
considerar as coordenadas geográficas com precisão de uma casa decimal.
Semelhantemente aos dados brutos do MSG, foi calculada a divisão
político-administrativa para os produtos de TSM. Para isso utilizou-se o mesmo
conjunto de pontos que delimitaram os limites continentais, dos países e dos
estados brasileiros e foram descritos em 3.5.6. O script gerarOverlayOSISAF.m foi
responsável em transformar esses pontos em índices lineares da imagem. A Figura
60 ilustra o seu funcionamento.
Figura 60. Algoritmo para elaboração da divisão político-administrativa para os produtos de
monitoramento oceanográfico.
106
A função dlmread realizou a leitura do arquivo contendo os pontos
fornecidos pelo produto Malha Municipal Digital 2007, do IBGE, em conjunto com os
pontos fornecidos pelo Coastline Extractor. Em seguida para cada ponto foi
calculado os seus índices lineares, através da função sub2ind, eles foram
armazenados na variável indices. Foram associadas duas variáveis de forma a
diferenciar os índices pertencentes à superfície terrestre e a divisão políticoadministrativa, e posteriormente elas foram armazenadas na forma de arquivo,
através da função save, com o nome overlay_osi_saf.mat.
Nessa etapa, foram criados os scripts necessários para realizar a geolocalização de pontos na imagem, e com isso foi possível além de construir a divisão
política, ter o controle do produto, no que diz respeito a identificar se um
determinado pixel refere-se às nuvens, superfície terrestre ou a divisão política. Na
próxima etapa iniciaram-se os processamentos que caracterizaram o produto, de
forma que uma tabela de cores foi associada a ele, destacando temperaturas de
interesse a inserção da grade de coordenadas.
3.7.3 Escala de cores
Para os produtos O&SI SAF processados foi definida uma escala de
cores, representada na Figura 61, de forma que além de associar os valores do
domínio usados para seus pixels às cores da tabela, fosse possível realçar os
valores de TSM no intervalo de 26ºC a 33ºC.
Figura 61. Escala de cores para os produtos O&SI SAF.
Os valores de TSM foram associados à escala em graus Celsius acima,
sendo que, além disso, valores da escala superior a 45ºC foram associados às cores
adotadas para representar a superfície terrestre, as nuvens e a divisão políticoadministrativa. Este valor foi escolhido dado a sua inexistência como um pixel válido
para o produto de TSM. A tabela de cores foi associada à imagem através da função
colorbar e através da função load foi realizada a leitura do arquivo que contém a
divisão política e armazenada em índices. Por fim, seus valores foram associados às
cores da tabela de acordo com o algoritmo ilustrado na Figura 62.
107
Figura 62. Algoritmo para inserção da divisão política, e associação às cores da escala.
Para os índices lineares referentes à superfície terrestre e as nuvens,
foram associadas à cor branca, enquanto para a divisão político-administrativa, a cor
preta foi associada.
Semelhantemente aos produtos LSA SAF, uma grade de coordenadas
geográficas foi definida para facilitar a identificação visual de áreas na imagem,
sendo o processamento realizado detalhado a seguir.
3.7.4 Grade de coordenadas
O funcionamento do algoritmo dá-se através dos pontos que foram
fornecidos para o corte retangular da imagem pelos parâmetros de entrada, latitude
e longitude do ponto1. Identificaram-se as coordenadas iniciais que delimitariam a
grade e elas foram incrementadas ate que se alcancem os valores finais, latitude e
longitude do ponto2, sendo o intervalo definido de cinco graus.
Com a aplicação das funções rem e floor foi possível considerar as
coordenadas de latitude e longitudes que são divisíveis pelo do valor da resolução
da grade, e a cada interação do algoritmo elas foram armazenadas nas variáveis
pontosXLabel e pontosYLabel, e então, foram calculados os endereços dos pixels
em que foram desenhados através dos valores contidos em x e y, que foram
armazenados em pontosY e pontosX.
A Figura 63 ilustra o algoritmo construído, percebendo-se semelhanças
com o que foi apresentado para processar a grade de produtos LSA SAF.
Basicamente houve reaproveitamento do seu código, com apenas algumas
modificações, de forma a adaptá-lo para processar os dados OSI SAF.
108
Figura 63. Algoritmo para construção da grade de coordenadas.
As modificações incluem a substituição das funções de geo-localização e
a inexistência da operação de subtração para o armazenamento dos índices lineares
que representam os pixels dos pontos de grade, que foram representados pelas
variáveis pontosX e pontosY, que receberam seus índices lineares de forma direta
através de X e Y. Isso deve-se ao fato de que a subtração onde considerou-se o
corte retangular da imagem foi feita na etapa a seguir.
A próxima etapa teve o objetivo de armazenar o produto no formato de
imagem digital, com a tabela de cores definida e a grade de coordenadas.
3.7.5 Armazenamento do produto para monitoramento oceanográfico
O algoritmo desta etapa utilizou as mesmas funções que foram aplicadas
aos produtos do LSA SAF, sendo que foram feitas as configurações das
propriedades do objeto gráfico, responsável por definir as características da imagem
final e dos eixos que representaram a grade de coordenadas. Estas configurações
109
foram feitas através da aplicação da função set nas variáveis f e gca. A Figura 64
apresenta o algoritmo construído para o armazenamento dos produtos O&SI SAF.
Figura 64. Algoritmo para armazenamento dos produtos O&SI SAF.
A função figure criou o objeto gráfico, enquanto a função set atribuiu suas
propriedades, configurando a cor de fundo da imagem, o nome do produto, e a sua
posição na janela de visualização do Octave. Em seguida através da função load foi
realizada a leitura da matriz que armazenou a tabela de cores, que foi aplicada no
produto através da função colormap. Configuraram-se os limites das unidades de
TSM exibidas no produto em um intervalo de -5ºC a 50ºC, através do handle
indicado pela variável gca. A grade de coordenadas foi configurada através dos
atributos XGrid e YGrid, que representam a grade para os eixos da imagem. Os
valores para os atributos Ticks e TickLabel receberam as coordenadas geográficas e
coordenadas da imagem que foram calculadas. O tamanho das fontes do texto
exibido nos eixos foi configurado através do atributo FontSize. As funções xlabel e
ylabel inseriram os rótulos nos eixos com as palavras “Latitude” e “Longitude“.
110
Concluindo-se o processamento do produto de TSM, a imagem foi salva
em arquivo de imagem no formato PNG, através da função print.
.Para análise das unidades físicas e biofísicas provenientes dos dados
processados foi desenvolvido uma ferramenta para construção de gráficos a partir
dos arquivos nos formato HDF.
3.8 Ferramenta para construção de gráficos
O software GNUPlot foi utilizado para a construção dos gráficos, pois ele
possuí a característica de funcionar através de comandos, que por sua vez, foram
organizados em scripts. Para a construção da série temporal, optou-se por dividir o
processamento dos gráficos em dois arquivos. O primeiro arquivo teve os dados
processados distribuídos em colunas, sendo que, a primeira coluna do arquivo foi
reservada para a representação da série temporal, enquanto as demais colunas
foram utilizadas para representação das unidades físicas, obtidas a partir da leitura
dos dados. O segundo script definiu as características do gráfico, como por exemplo,
limites, eixos e tipo de gráfico. Para a construção automatizada destes arquivos
foram desenvolvidos os scripts do Octave LerPixelHDF.m e GraficoPixelHDF.m.
O primeiro script realizou a leitura do arquivo HDF, através da função
LerHDF5.m, localizando através das funções de navegação apresentadas o pixel
correspondente a uma dada coordenada geográfica. Para análise de uma área, o
ponto localizado correspondeu ao pixel central de uma matriz quadrada, sendo
assim análises estatísticas foram realizadas, incluindo-se a média, valores máximos
e mínimos e desvio padrão dos pixels de uma área.
O script GraficoPixelHDF.m recebeu como parâmetro de entrada o nome
do produto, o tamanho da matriz que representou a área estudada, e as
coordenadas geográficas do pixel central, e como resultado do processamento, ele
construiu o arquivos de dados e o gráfico através do software GNUPlot. A primeira
parte do algoritmo é apresenta na Figura 65. O seu funcionamento consiste em abrir
os arquivos HDF existentes em uma lista de arquivos e extraírem os pixels através
de sua localização e escrever os seus valores em um arquivo de dados no formato
CSV (Comma-Separated Values).
111
Figura 65. Algoritmo do script para construção de gráficos.
Inicialmente, o nome dos arquivos referentes aos dados, ao script do
GNUPlot e ao gráfico em formato de imagem foram atribuídos através da função
strcat, e definiu-se que para cada gráfico elaborado seu nome estaria associado a
coordenada geográfica do ponto considerado, e em seguida os arquivos foram
criados através da função fopen.
Uma listagem dos arquivos HDF foi realizada através da utilização do
comando do sistema Linux para listagem de arquivos. Assim, o comando “ls H* -C1”
realizou a listagem com saída no formato de coluna, de todos os arquivos
encontrados, cujo nome iniciou com o caractere “H” e posteriormente, a lista foi
formatada através da função strread e armazenada na variável listaArquivos.
Para cada arquivo da lista foi feito a leitura do pixel localizado através do
script LerPixelHDF.m, e em seguida foi feito a leitura da data pertinente a cada
arquivo, ela foi desagrupada em ano, mês e dia, através das funções strread e
str2mat, e então foi realizado o armazenamento das datas processadas e das
unidades físicas, contidas na variável matrizResultado, no respectivo arquivo de
112
dados segundo o formato CSV através da função fprintf. Em vista disso o delimitador
escolhido foi o de tabulação, indicado pelos caracteres “\t” no algorítimo construído.
A Figura 66 apresenta a segunda parte do script construído, onde foi feito
a construção do algoritmo que definiu as características dos gráficos, e a chamada
ao software GNUPlot.
Figura 66. Continuação do algoritmo para construção de gráficos.
Através da função fprintf, foram feitas as configurações dos parâmetros
do GNUPlot necessários para determinação da característica do gráfico, eles foram
escritos no arquivo representado pela variável arqPlot. Inicialmente foi definido o
título principal do gráfico através do comando title, e os rótulos para os eixos x e y
através dos comandos xlabel e ylabel, também foi habilitada a grade de visualização
na área do gráfico através do comando grid, e a formatação dos parâmetros de
datas foram feitas através dos comandos xdata e timefmt.
Definiu-se que o gráfico construído seria armazenado no formato SVG
(Scalable Vector Graphics), que é um padrão para descrever gráficos vetoriais
bidimensionais, sua principal característica dar-se ao fato de que linhas e curvas são
descritas matematicamente e não através de pixels, sendo que elas não perdem
qualidade visual ao serem ampliadas (zoom). O nome do arquivo de gráfico foi
113
definido através do comando output, bem como As datas iniciais e finais foram
extraídas da lista de arquivos e delimitaram o início e o fim das séries temporais. Em
seguida, foi utilizado o principal comando do GNUPlot, responsável por construir o
gráfico resultante, comando plot, que recebeu parâmetros que indicaram que o
gráfico seria gerado com os dados proveniente do script de dados em um layout de
duas colunas, utilizando-se pontos para representar seus valores e uma curva
aproximada da série temporal obtida através do método de interpolação por splines
cúbicas.
A técnica de interpolação por splines cúbicas, documentada em Boor,
(2001) é muito popular devido a sua baixa complexidade computacional. O seu
método se baseia na utilização de vários polinômios de terceira ordem, cada um
definido em subintervalos, os quais se conectam por suas extremidades. Esses
polinômios são calculados de forma que as derivadas coincidam nas extremidades
dos subintervalos adjacentes, permitindo uma aparente suavidade do sinal obtido.
Ao término do processamento, o GNUPlot foi executado através da função system,
originando-se dessa forma os gráficos que representaram as séries temporais a
partir dos dados dos arquivos da lista.
A seguir, é apresentado o sistema de visualização que foi desenvolvido
para disponibilizar os produtos processados em ambiente de internet de forma que
usuários geograficamente distribuídos tivessem acesso aos produtos processados.
3.9 Sistema de visualização, animação e banco de imagens
Os sistemas que usam a plataforma WEB têm sido amplamente utilizados
na disseminação de informações em centros operacionais, universidades e
instituições que utilizam dados meteorológicos para fins de ensino e pesquisa. Um
dos benefícios do ambiente WEB está relacionado à familiaridade que os usuários
percebem ao se deparar com um cenário bastante utilizado que é a internet.
Do ponto de vista computacional, estes sistemas possuem arquitetura
centralizada, sendo que em termos práticos, com a instalação do sistema em um
único computador, denominado servidor, os demais computadores, denominados
clientes,
podem
estar
geograficamente
distribuídos
disponibilizado em um ambiente de intranet ou internet.
e
acessar
o
sistema
114
Existem várias propostas para o desenvolvimento de sistemas de
visualização de imagens, logo, a adotada neste trabalho fez o uso do Linux como
sistema operacional, o Apache como servidor da aplicação, em conjunto com a
linguagem PHP. Esta combinação de softwares e linguagens de programação foram
suficientes para o desenvolvimento das páginas WEB dinâmicas, que fizeram a
apresentação dos resultados obtidos no processamento dos produtos na forma de
imagens estáticas e animações. Os requisitos com relação à funcionalidade do
sistema de visualização foram: a) Visualização e animação das imagens do MSG
para o Globo Terrestre, da América do Sul e do estado de Alagoas; b) Visualização
de imagens referentes aos produtos para monitoramento ambiental e oceanográfico;
c) Banco de imagens para recuperação dos dados processados e d) Controle de
acesso de usuários. Em (a) as imagens foram exibidas por um sistema de animação
em tempo quase-real, onde cada cena é constituída por nove imagens que
representam o estado da atmosfera nas ultimas duas horas de observação. Em (b)
as imagens são processadas de acordo com a resolução temporal e disponibilidade
do produto. O banco de imagens (c) permitiu o acesso aos produtos processados,
porém deve se levar em consideração à disponibilidade de espaço físico de
armazenamento para as imagens.
115
4 RESULTADOS E DISCUSSÕES
Neste capítulo apresentam-se os resultados obtidos através do emprego
operacional das aplicações construídas neste trabalho. Enfatizou-se desde a
recepção dos dados a etapas como a decodificação, calibração, geo-localização,
projeção a visualização das imagens e dos produtos processados. De forma a
valorizar as
características
dos
produtos,
evidenciou-se
o ganho
que o
processamento realizado trouxe a eles, sendo que alguns exemplos são
apresentados destacando-se sua aplicação em possíveis fenômenos habitualmente
observados nas imagens recebidas em uma estação de recepção EUMETCast,
porém, vale ressaltar que as análises apresentadas não tiveram o interesse de
examinar os fenômenos meteorológicos em sua totalidade.
Durante a realização deste trabalho, foram armazenados os dados
recebidos através do sistema EUMETCast no período entre 2008 a 2010. Em caráter
operacional, foram realizados os processamentos dos dados brutos do MSG
destinados ao monitoramento meteorológico durante o período citado. Para os
produtos de monitoramento ambiental os dados foram processados no período de
2008 a 2009 e para os produtos de monitoramento oceanográfico no período entre
2009 a 2010. Os resultados foram armazenados em um banco de dados para que os
órgãos operacionais de meteorologia pudessem recuperá-los através do site do
LAPIS pelo endereço www.lapismet.com.
Para o seu bom funcionamento, o sistema necessitou de um
acompanhamento periódico, de forma a monitorar a qualidade do sinal recebido pela
antena, a recepção dos dados e os recursos computacionais disponíveis. Sendo
assim, uma amostra do volume de dados que foram recebidos e processados pela
estação EUMETCast instalada na UFAL é apresentada a seguir.
4.1 Volume de dados recebidos
O acompanhamento da operação do sistema EUMETCast permitiu
elaborar estatísticas que reportaram o volume de dados recebidos pela estação,
dessa forma, foi possível planejar desde estratégias para o armazenamento dos
dados até localizar possíveis falhas com relação a recepção devido a problemas
116
como falta de energia por longos períodos, sobrecarga com relação aos recursos
computacionais ou possíveis manutenções dos serviços de disseminação dos
dados.
A Figura 67 ilustra o volume de dados brutos do MSG recebidos entre o
período de 01/03/2010 a 31/03/2010.
Figura 67. Volume de dados brutos recebidos em março de 2010.
Durante esse mês foram recebidos em média 7,29 GBytes/Dia em um
fluxo de 10512 Arquivos/Dia correspondentes aos dados brutos do MSG. Percebese que nos dias 1, 3, 17 e 21 de março houve queda no volume dados recebidos. A
partir de uma investigação detalhada, percebeu-se que a causa do problema estava
relacionada à falta de energia durante algumas horas, o suficiente para desligar o
computador destinado a recepção dos dados. Quando isso ocorreu houve a
utilização do software UMARF para obter esses dados através de arquivamentos via
FTP.
A Figura 68 ilustra o volume de dados LSA SAF para monitoramento
ambiental, recebidos durante o mesmo período anterior.
117
Figura 68. Volume de dados ambientais recebidos em março de 2010.
Para os dados de LST foram recebidos em média 33,46 MBytes/Dia em
um fluxo de 90 Arquivos/Dia, mas, considerando sua resolução temporal de 15
minutos e levando em conta a interrupção da recepção pela falta de energia,
percebe-se que houve uma perda de aproximadamente 9,6% dos dados. Para os
dados de Albedo de superfície, foram recebidos em média 4,55 MBytes/dia e para
os dados de FVC foram recebidos em média 1,43 MBytes/Dia. Considerando suas
resoluções temporais o fluxo diário de dados foi satisfatório sendo adquirido um
Arquivo/Dia resultando em um total de 100% dos arquivos recebidos durante o
período considerado. Semelhantemente aos dados brutos, para preencher a lacuna
percebida para os dados de LST foi utilizado o software UMARF.
A Figura 69 ilustra o volume de dados O&SI SAF para o monitoramento
oceanográfico, recebidos entre o período de 01/03/2010 a 31/03/2010.
118
Figura 69. Volume de dados oceanográficos recebidos em março de 2010.
Para os dados de TSM corte setorial LML foram recebidos em média 3,10
MBytes/Dia em um fluxo de oito Arquivos/Dia. E para o corte setorial MAP, foram
recebidos em média 1,23 MBytes/Dia em um fluxo de dois Arquivos/Dia. Observouse queda no fluxo de arquivos nos dia 1, 3, e no período de 21 a 26 de março. Para
os primeiros dias do mês o motivo da queda no fluxo de dados foi à falta de energia
elétrica no computador destinado a recepção, enquanto na ultima semana de março
houve manutenção no serviço de distribuição de dados pelo O&SI SAF. Os boletins
de manutenção foram acompanhados através do endereço http://www.osi-saf.org.
4.2 Produtos processados para monitoramento meteorológico
Os exemplos apresentados a seguir, ilustram os resultados obtidos
através da aplicação dos algoritmos e scripts construídos para o monitoramento
meteorológico. Para uma imagem recebida no dia 18/08/2009 foram realizadas as
etapas de descompactação dos dados brutos, leitura dos coeficientes de calibração
e segmentos da imagem e a calibração radiométrica, em seguida foram feito o
armazenamento da imagem digital para o canal VIS006.
Foram omitidas as etapas de geo-localização e projeção da imagem com
o objetivo de ilustrar uma imagem do MSG, através da Figura 70, da mesma forma
que ela foi obtida pelo instrumento SEVIRI.
119
Figura 70. Canal VIS006 em projeção GEOS, imagem obtida em 18/08/2009 às 12:00 UTC.
A imagem acima está na projeção GEOS, com a dimensão de 3712x3712
pixels, mas sem a divisão político-administrativa. Percebe-se a área de cobertura do
satélite MSG englobando os continentes da América do Sul, África e Europa o que
oferece uma visão sinótica dos principais sistemas atmosféricos atuantes nessa
região, como a zona de convergência intertropical (ZCIT) ciclones e anticiclones,
frentes, massas de ar, corrente de jato bem como fenômenos de meso-escala como
sistemas convectivos ou linhas de instabilidade, por exemplo.
No comprimento de onda desse canal, exibi-se a reflectância dos alvos
observados, sendo que resposta da superfície terrestre é significativamente menor
quando comparado aos outros canais do visível como VIS008 ou IR_016, por isso
exige-se um maior esforço visual para diferenciar a superfície terrestre dos oceanos
por exemplo. Ainda assim, visualizando a mesma imagem em um canal como o
IR_016, onde a superfície terrestre teve uma resposta maior, e por conseqüência
apareceu mais clara, ainda houve a limitação do olho humano em determinar qual a
localização geográfica aproximada de um determinado sistema ou fenômeno
meteorológico.
120
Nesse contexto, a Figura 71 apresenta a mesma imagem anterior, porém,
no processamento que foi realizado para esta imagem, as etapas referentes à geolocalização e projeção da imagem não foram omitidas.
Figura 71. Canal VIS006 em projeção MERCATOR, imagem obtida em 18/08/2009 às 12:00 UTC.
A imagem acima está em projeção MERCATOR, em um corte retangular
englobando as coordenadas (25ºN; 73ºO) para o canto superior esquerdo e (35ºS;
5ºO) para o canto inferior direito e possui a dimensão de 1442x1371 pixels. Nela
pode se perceber o ganho que a divisão político-administrativa trouxe a
interpretação visual da imagem através, por exemplo, da observação do furacão Bill
com o núcleo localizado em (15ºN; 48º3’O), acima da Guiana Francesa, a posição
da ZCIT e a cobertura de nuvens sobre o leste da região nordeste do Brasil
A seguir é apresentada a análise da calibração radiométrica realizada a
partir dos dados brutos, descrevendo-se os resultados obtidos desde a leitura do
número digital a transformação em parâmetros físicos, especificamente, radiância
reflectância e temperatura de brilho para as imagens dos canais do espectro visível
e infravermelho.
121
4.3 Análise da decodificação e calibração radiométrica dos dados brutos
b
Para exemplificar os
o resultados durante a decodificação
decodifica
e calibração
radiométrica dos dados brutos,
brutos foi destacada a região em que ocorreu o furacão
BILL e através da seleção de uma área na imagem foram exibidos os valores para
os parâmetros físicos obtidos em um canal do visível e dois canais do infravermelho,
sendo um deles destinado ao
a monitoramento da
a distribuição do vapor d’ água.
água
A Figura 72, ilustra os resultados para o canal VIS006 na imagem obtida
em 18/08/2009 às 12:00 UTC. A área em destaque na imagem localiza-se
localiza
entre as
coordenadas (20ºN;
20ºN; 56ºO) e (10ºN; 44.5ºO) em projeção MERCATOR.
MERCATOR
Figura 72. Parâmetros físicos para o canal VIS006, em uma área de 9x9 pixels.
Essa área foi escolhida por permitir a visualização do contraste entre
en
as
diferentes respostas radiométricas
radiomé
ao redor do furacão. Durante a execução do
script Segmentos.m utilizou-se
utilizou
o comando “whos” para visualizar os valores
122
armazenados em suas variáveis.
variáveis Em
m destaque na imagem, foram exibidas as
tabelas com os valores do número digital tabela (A), radiância em mWm-2sr-1µm-1,
tabela (B)) e reflectância em porcentagem, tabela (C).
A Figura 73,, ilustra os resultados para o canal IR_108 na mesma imagem
anterior.
Figura 73.. Parâmetros físicos para o canal IR_108, em uma área de 9x9 pixels.
As tabelas (A) e (B) apresentadas, exibem os valores do número digital e
da radiância em mWm-22sr-1µm-1. Para esse canal, a tabela (C) exibe os valores da
temperatura de brilho expressa em graus Celsius.. Pode se perceber que a resposta
do instrumento SEVIRI,, para o comprimento desse canal, resultou em maiores
valores de radiância quando comparado ao canal anterior, isso se deve ao fato de
que a janela atmosférica
férica utilizada por esse canal possui pouca absorção dos gases
atmosféricos, e conseqüentemente é apropriado para monitorar a temperatura do
topo das nuvens.
123
A Figura 74,, ilustra os resultados para o canal WV_062 da mesma
imagem anterior.
Figura 74.. Parâmetros físicos para o canal WV_062, em uma área de 9x9 pixels.
Nesse canal,, semelhantemente ao canal anterior, os parâmetros físicos
calculados a partir do número digital são apresentados na tabela (A),
(A) a radiância e a
temperatura de brilho são apresentados na tabela (B) e (C), respectivamente.
Santurette et al, (2005) afirma que o vapor d’ água é fortemente absorvido pelo
comprimento de
e onda desse canal e por conseqüência a temperatura de brilho
observada pode ser diferente da temperatura do alvo,, o que esta relacionado a
atenuação do sinal devido a distribuição vertical da umidade. Isso justifica o fato de
se observar uma relativa diminuição
diminuição da temperatura de brilho calculada para os
pixels da imagem no canal IR_108 e WV_062.
124
A seguir apresenta-se
apresenta
uma visão geral dos resultados obtidos através das
aplicações que foram desenvolvidas para o processamento dos
d
produtos para o
monitoramento meteorológico.
4.4 Análise dos produtos
rodutos para o monitoramento meteorológico
eteorológico
Para exemplificar os canais no espectro visível e infravermelho, foram
selecionados exemplos individuais envolvendo cada canal e foram feitas as análises
dos resultados obtidos relacionando-os
relacionando
com os resultados encontrados na literatura.
literatura
Segundo Roesli, (2004), do ponto de vista meteorológico, os canais do
espectro visível são usados principalmente para se definir a profundidade das
nuvens e distinguir o seu conteúdo entre água em
em forma líquida ou gelo. Mas sua
aplicação estende-se
se a detectar a fase de desenvolvimento e o tamanho das
partículas que constituem a nuvem.
nuvem A Figura 75 exemplifica a observação das
imagens dos canais visível em uma
uma imagem obtida em 10/01/2010 às
à 12:00 UTC,
onde o corte setorial foi realizado sobre a região do nordeste do Brasil.
Bra
Figura 75. Canais VIS006, VIS008 e IR_016 obtidos
obtid em 10/01/2010 às 12:00 UTC.
A imagem exibe a cobertura de nuvens sobre o nordeste devido à
ocorrência de um Vórtice Ciclônico de Altos Níveis (VCAN) com o núcleo localizado
aproximadamente sob o estado da Bahia. A resposta espectral de uma nuvem é
determinada pela sua espessura, a composição (água ou gelo) e o tamanho das
partículas que a constituem. Para o canal VIS006 em (A), a resposta da reflectância
da é superior aos demais canais,
canais de forma que, os maiores valores de reflectância
125
são registrados na presença
esença de nuvens opticamente espessas e neve, que
aparecem mais brancas.. Para o canal VIS008 em (B), percebeu-se
percebeu
uma redução na
reposta das reflectância das nuvens, porém, no comprimento de onda desse canal,
há uma considerável reposta da superfície terrestre,
terrestre, principalmente em áreas
vegetadas. Sendo que, esse contraste da resposta obtida pelos canais VIS006 e
VIS008 é comumente explorado para o desenvolvimento de índices de vegetação,
vegetação
como mostra o trabalho de Barbosa et al, (2009).. O canal IR_016 em (C), fornece
uma boa distinção entre nuvens formadas por água ou por gelo, pois o comprimento
de onda desse canal sofre uma leve absorção pelas nuvens líquidas,
líquidas mas uma forte
absorção por nuvens formadas por gelo, o que pode ser percebido
percebi pela aparência
“mais escura” que elas assumem quando comparada aos outros canais. As
diferenças da reflectância observada nos canais VIS006 e IR_016 foram exploradas
em trabalhos como o de Mahovic (2008), onde os autores propuseram que a
diferença entre esses canais seria um indicativo da atividade
atividade convectiva durante o
dia.
A Figura 76 ilustra a mesma imagem anterior em uma visão sinótica sobre
o Brasil dos canais destinados
estinados ao monitoramento do vapor d’ água.
Figura 76.. Canais do vapor d’ água obtidos em 10/01/2010 às 12:00 UTC.
UTC
Observando-se
se a figura anterior, verifica-se que a resposta ao vapor d’
água é menos intensa no canal WV_073, destacado em (A
A) do que no canal
126
WV_062, destacado em (B),
(B) o que visualmente pode ser percebido pelas feições da
imagem no canal WV_062 que aparecem mais brancas. De acordo com Santurette
et al, (2005) estes canais são úteis para avaliar a umidade entre 950 e 200 hPA,
sendo que o canal WV_062 representa melhor a distribuição do vapor d’ água entre
200-650 hPA,, principalmente em áreas sem nuvens e o canal WV_073 entre 450750 hPA. Na imagem, pode ser facilmente identificado a presença do VCAN
anteriormente mencionado
encionado, atuando sobre a região do nordeste,
nordeste e por ser um
sistema que se forma na alta troposfera ele é mais facilmente observado no canal
WV_062.
A Figura 77 ilustra os demais canais do espectro infravermelho, na
imagem obtida em 10/01/2010 sob o corte na região nordeste do Brasil.
Figura 77.. Canais infravermelho obtidos em 10/01/2010 às 12:00 UTC.
O canal IR_039 fornece informações tanto da energia emitida pelo Sol e
refletida pela Terra, como
mo a energia emitida pela Terra. Sua
Sua aplicação é variada,
variada
127
abrangendo desde ao estudo das nuvens até a detecção de queimadas, comumente
ele é utilizado em conjunto com o canal IR_108 através da diferença de canais e de
acordo com Rosenfeld, (2005) a componente termal do canal IR_039 pode ser
obtida a partir do canal IR_108 devido à absorção de CO2 existente em ambos os
canais, dessa forma, a subtração entre eles permite a separação dos sinais
resultante da emissividade ou reflectância dos alvos. A reflectância pode ser obtida
assumindo que a emissividade das nuvens no canal IR_108 é igual a um e a
transmissividade do canal IR_039 é igual a zero.
Segundo Prieto, (2008) os canais IR_087, IR_108 e IR_120 estão
posicionados em comprimentos de onda onde há pouca absorção pelo vapor de
água, sendo que a maior parte da absorção existente é ocasionada por grandes
partículas em nuvens constituídas por gelo que se formam em alta troposfera. As
texturas das nuvens exibidas possuem um detalhamento inferior ao dos canais do
visível e a superfície terrestre assume tons de cinza principalmente à noite, quando
a contribuição da emissividade da superfície é maior. Desses canais, Santurette et
al, (2005) aponta que o canal IR_087 é o que apresenta as propriedades de
absorção de um canal de vapor d’ água, porém, de forma atenuada, destacando
também as propriedades da superfície terrestre. Os canais IR_087 e IR_108
apresentam uma forte absorção para partículas originadas das tempestades de areia
formadas no deserto, sendo possível utilizá-los para o monitoramento desses
fenômenos durante o dia e a noite, através das diferenças IR_087-IR_108 e IR_039IR_108 durante o dia e IR_087-IR_108 durante a noite.
O canal IR_097 é tipicamente utilizado através de sua associação com
outros canais, geralmente utilizam-se diferenças dos canais, como por exemplo, a
diferença entre IR_097-IR_108 que caracteriza a distribuição de ozônio entre médios
e altos níveis, como uma variável importante no estudo das massas de ar e da
dinâmica da tropopausa e da estratosfera.
O canal IR_134 tem um comprimento de onda sensível à absorção pelo
CO2 e devido a esse fato ele também é usado para realizar a calibração radiométrica
e correções no canal IR_39.
128
4.4.1 Composições coloridas
A composição colorida denominada “Natural Colours”, ilustrada na Figura
78, é formada pela combinação dos canais IR_016, VIS008 e VIS006 para os planos
de cores do vermelho, verde e azul, respectivamente e foi processada através do
script CriarRGB.m .
Figura 78. Composição RGB “Natural Colours”, imagem obtida em 10/01/2010 às 12:00 UTC.
Nesta composição, as nuvens formadas por água na forma líquida
apresentam alta reflectância em todos os canais e aparecem em tons de ciano a
branco, enquanto as nuvens formadas por cristais de gelo, conseqüentemente
menos reflexivas no canal IR_016 são apresentadas em tom de ciano. A superfície
terrestre é exibida em marrom ou verde dependo da cobertura vegetal, sendo que o
canal VIS008 é o responsável pela discriminação entre superfície e vegetação. O
oceano é exibido em preto devido à baixa reflectância em todos os canais. A Tabela
129
9 apresenta a relação entre as cores dos alvos, e o valor aproximado da reflectância
para cada um dos canais da composição colorida “Natural Colours”.
Tabela 9. Relação entre cores, reflectância e alvos para a composição colorida “Natural Colours”.
Plano de Cor:
Alvos / Canal
Nuvens Líquidas
Nuvens de gelo e neve
Superfície Terrestre
Vegetação
Oceano
Composição RGB: Natural Colours
R
G
B
IR_016
VIS008
VIS006
60%
75%
70%
25%
75%
70%
60%
40%
30%
25%
45%
8%
1%
3%
4%
Cor
A composição colorida denominada “Airmass”, Figura 79, foi processada
para uma imagem obtida em 11/03/2010 ás 18:00 UTC. Nessa composição foram
utilizadas
as
diferenças
dos
canais
WV_062-WV_073
e
IR_097-IR_108,
processadas através do script DiferencaCanais.m e em seguida foram feita a
composição RGB através do script CriarRGB.m.
Figura 79. Composição RGB “Airmass”, imagem obtida em 11/03/2010 às 18:00 UTC.
130
A composição “Airmass” é adequada para se entender às características
do perfil de umidade da média a alta troposfera, além do estudo das massas de ar.
Para isso, ela utiliza a diferença dos canais infravermelhos WV_062-WV_073, no
plano de cor vermelho, como um indicativo da umidade entre médios a altos níveis.
Para uma região com pouca umidade a diferença entre esses canais apresenta
valores próximos de zero, enquanto para regiões úmidas apresenta valores
negativos. A diferença entre os canais IR_097-IR_108, no plano de cor verde,
fornece uma indicação da concentração de ozônio de médio a altos níveis, por
exemplo, considerando uma massa de ar polar, rica em ozônio, a diferença entre
eles é maior do que para uma massa de ar tropical, pobre em ozônio. No plano de
cor do azul, o canal WV_062 atua negativamente resultando em tons de azul para
indicar forte umidade entre médios e altos níveis. Roesli, (2004) afirma que essa
composição colorida pode ser usada em estudo da corrente de jato, ciclogênese e
da vorticidade potencial através do monitoramento do ar estratosférico que é
injetado na troposfera indicado pela cor vermelho. A Tabela 10 apresenta a relação
entre as cores dos alvos, e o valor aproximado da diferença da temperatura de brilho
da composição colorida “Airmass”.
Tabela 10. Relação entre cores e diferença da temperatura de brilho, composição colorida “Airmass”.
Composição RGB: Airmass
R
G
Plano de Cor:
WV_062IR_097Alvos / Canal
WV_073
IR_108
Nuvem espessa (altos níveis)
-1
10
Nuvem espessa (médios níveis)
-5
-5
Massa polar (rica em O3)
-20
-35
Massa equatorial (pobre O3)
-2
-22
Ar descentente estratosférico
-16
-33
B
WV_062
Cor
-60
-50
-40
-32
-30
A composição colorida denominada “Day And Night Microphysical”,
ilustrada na Figura 80, é adequada para o estudo das propriedades das nuvens e
superfície durante o dia e a noite, pois na combinação de canais utilizada, não são
usados os canais do visível que, por sua vez, possuem informação somente em
parte do dia. Ela foi processada para uma imagem obtida no dia 24/02/2010 às
18:00 UTC. Nessa composição foram utilizadas as diferenças dos canais IR_120IR_108
e
IR_108-IR_087
que
foram
processadas
através
do
script
DiferencaCanais.m e em seguida foram combinadas em seus respectivos planos de
cores através do script CriarRGB.m
131
Figura 80. Composição RGB “Day And Night Microphysical”, obtida em 24/02/2010 às 18:00 UTC.
Para o plano de cor do vermelho, Lensky, (2008) relata que a diferença
dos canais IR_120-IR_108 fornece informações sobre a opacidade das nuvens,
sendo um indicativo da presença de nuvens do tipo cirrus ou cumulus nimbus. No
plano de cor do verde, a diferença IR_108-IR_087 é um indicativo da presença de
trilhas de condensação. No plano de cor do azul, o canal IR_108 é usado por
fornecer informação sobre a emissividade relacionada ao tamanho das partículas de
água ou gelo. A Tabela 10 ilustra a relação das cores para a composição citada.
Tabela 11. Relação entre cores e diferença da temperatura de brilho, composição “Day And Night
Microphysical”.
Composição RGB: Day And Night Microphysical
R
G
B
Plano de Cor:
IR_120IR_108Alvos / Canal
IR_108
IR_108
IR_087
Cumulus Nimbus
-0.5
-1
-60
Nuvens com pouco gelo
-6
3
0
Nuvens líquidas
-0.5
1
-10
Cirrus
-4
-4
-40
Areia com mineral de quartzo
1
12
35
Cor
132
Nuvens convectivas, principalmente do tipo cumulus nimbus são
apresentadas em vermelho. Ainda segundo Lensky, (2008) a emissividade de
partículas de quartzo (125-500
(125
µm),
m), em regiões com areia, é muito baixa no canal
IR_087, mas a diferença entre IR_108-IR_087
IR_108
087 é positiva, o que aliado a alta
emissividade da superfície terrestre durante
durante a noite produziu a cor ciano.
A composição colorida “Convective Storms”, ilustrada na Figura 81, é
aplicada no estudo de sistemas convectivos severos,, ela foi processada a partir das
diferenças dos canais WV_062-WV_073,
WV_062
IR_039-IR_108
IR_108 e IR_016-VIS006
IR_016
que
foram processadas através do script DiferencaCanais.m e em seguida foram
combinadas em seus respectivos planos de cores através do script CriarRGB.m.
Figura 81.. Composição RGB “Convective Storms”, obtida em 24/02/2010 às 18:00 UTC.
Neste dia ocorreu uma intensa atividade convectiva em grande parte do
Brasil. A diferença entre os canais WV_062-WV_073
WV_062
como um indicativo da
umidade entre médios e altos níveis, foi colocada no plano de cor do vermelho e
para
ara nuvens convectivas em estágio de desenvolvimento, como alguns cumulus
133
nimbus em que parte de sua massa estende-se através da tropopausa, os valores
da diferença entre esses canais tem valores próximos de zero, indicando convecção
severa, enquanto para cumulus nimbus onde isso não acontece os valores
resultantes da diferença entre os canais é negativa. A diferença entre os canais
IR_039-IR108, no plano de cor verde, está diretamente relacionada ao estágio de
desenvolvimento da nuvem e ao tamanho das partículas que a constituem, sendo
que durante o dia a alta reflectância das partículas de nuvens e a emissividade no
canal IR_039 contribuem para os altos valores da diferença IR_039-IR108 que por
sua vez, é diretamente proporcional a temperatura do topo da nuvem fornecida pelo
canal IR_108, pois quando a contribuição da reflectância do canal IR_039 é maior a
emissividade do canal IR_108 é menor. No plano de cor do azul, a diferença da
reflectância entre IR_016-VIS006 é alta para nuvens formadas por gelo e para a
superfície terrestre essa diferença apresentou valores próximos de zero. A Tabela
12 apresenta a relação entre as cores dos alvos, e o valor aproximado da diferença
da temperatura de brilho para a composição colorida “Convective Storms”.
Tabela 12. Relação entre cores e diferença da temperatura de brilho para a composição colorida
“Convective Storms”.
Composição RGB: Convective Storms
R
G
B
Plano de Cor:
WV_062IR_039IR_016Alvos / Canal
WV_073
IR_108
VIS006
Convecção severa
-2
60
-20
Cumulus Nimbus
-8
20
-40
Superfície Terrestre
-20
5
5
Cor
Para os canais do vapor de água (WV_062 e WV_073) e para o canal
infravermelho (IR_108), foram processados realces através da associação dos seus
pixels a tabelas LUT (Look-Up Tables) e a seguir são apresentados os resultados
obtidos.
4.4.2 Realce dos canais vapor d’ água (WV062) e temperatura de brilho (IR_108)
O principal objetivo da interpretação visual das imagens do MSG é a
extração de informações destas. Visto que foi conhecido como obter os parâmetros
físicos da imagem e a aplicabilidade de cada canal, foi realizado o realce nas
imagens dos canais WV_062 e IR_108. Estes canais foram escolhidos, pois são
134
amplamente utilizados no monitoramento meteorológico operacional. O Canal de
vapor d’ água WV_062 é geralmente utilizado na caracterização de fenômenos de
escala sinótica enquanto o canal IR_108 é utilizado para monitorar a temperatura de
brilho das nuvens como um indicativo da atividade convectiva sobre uma região.
A Figura 82 exibe a imagem resultante da aplicação do script
CriaRGBWV.m, uma versão modificada do script CriaRGB.m em que a escala de
cores foi modificada para armazenar um gradiente de cores variando do azul ao
marrom.
Figura 82. Realce do canal WV_072 (Vapor d’ Água) obtida em 01/10/2010 às 12:00 UTC.
Através da imagem realçada a variabilidade da concentração de vapor d
água pode ser facilmente detectada, quando comparada a imagem original do MSG
em que os pixels são apresentados em tons de cinza. As regiões com pouca
umidade aparecem em tons mais escuros de azul, enquanto as regiões mais úmidas
aparecem em tons mais claros, e à medida que aumenta a concentração do vapor
de água, a tonalidade da cor tende à marrom. Nessa imagem é possível identificar
135
com relativa facilidade a presença do VCAN anteriormente mencionado com o
núcleo entre os estados de Minas Gerais e Bahia, caracterizado por ar seco em seu
núcleo em altos níveis e a banda de nuvens associada à possível precipitação na
periferia. A atividade convectiva severa foi destacada com a cor marrom escuro.
Para o canal IR_108 o realce da temperatura de brilho foi realizado
considerando-se os valores que estivessem entre o limiar de aproximadamente -40º
a -70ºC (233K - 203K), seguindo-se a mesma linha de raciocínio apresentada por
Maddox, (1980) para estudo da convecção. As cores utilizadas foram formadas pelo
gradiente entre o azul, verde, amarelo, vermelho e preto, nesta seqüência.
A Figura 83 exibe a imagem resultante da aplicação do script
criarRGBCloudTOP.m, versão modificada do script CriaRGB.m em que a escala de
cores foi ajustada para destacar a temperatura de brilho no limiar considerado.
Figura 83. Realce do canal IR_108 (Temperatura de Brilho) obtida em 01/10/2010 às 12:00 UTC.
136
As regiões com temperatura de brilho fora do limiar considerado
permaneceram com os tons de cinza inalterados. Entre -40º e -50ºC,
50ºC, (233K – 223K),
as cores adotadas, variam de azul escuro a ciano, a partir de -50ºC
50ºC até -60ºC, (223K
– 213K) as cores variam de ciano a verde, e entre -60ºC e -70ºC,
70ºC, (223K – 213K) as
cores variam de amarelo a vermelho.
vermelho. Para as temperaturas superiores a -70ºC a
variação entre vermelho até preto foi utilizada. Percebe-se
Percebe se assim,
ass
que os núcleos
mais frios observados na imagem,, são apresentados em preto envolvidos por uma
região com tons vermelho, o que indicou
indic células de convecção severa.
A Figura 84 ilustra as imagens do canal IR_108 com realce da
temperatura de brilho, entre 12:00 UTC do dia 05 e 10:00 UTC do dia 06 de abril de
2010. Nesse intervalo ocorreu intensa atividade convectiva sobre o Rio de Janeiro. E
através o ponto
nto localizado em (22º57,3’S; 43º21,5’S), indicado pelo círculo vermelho
na imagem, foi monitorada a temperatura de brilho sobre parte da capital.
Figura 84. Realce do canal IR_108 sobre o Rio de Janeiro, entre os dias 05 e 06 de abril de 2010.
137
As imagens estão em projeção MERCATOR e foi recortada a área em destaque,
entre as cordenadas (20º30’S; 45ºO) e (23º30’S; 40º30’O), destacando o estado do
Rio de Janeiro. A primeira imagem, obtida as 12:00 UTC indica a presença de
nuvens sobre o ponto monitorado, com temperaturas de aproximadamente -4.93ºC.
A partir das 18:00 UTC, foi feito o acompanhamento da aproximação de uma célula
convectiva, em destaque nas imagens de 20:00 UTC a 22:00 UTC, o que revelou o
período em que as temperaturas apresentaram os maiores valores observados,
entre -58.63ºC registrados as 20:30 UTC e -64.17ºC às 21:00 UTC. Ainda durante a
madrugada do dia 06 de abril foram registrados os valores de -53.98ºC às 02:00
UTC o que indicou atividade convectiva severa durante a madrugada. Somente as
04:00 UC, percebeu-se a diminuição nos valores registrados. Através da utilização
dos scripts GraficoPixelHDF.m foram extraídos os valores para o pixel em questão,
que foram representados em um gráfico que apresentou a evolução temporal da
temperatura de brilho no período considerado. A Figura 85 ilustra o gráfico que foi
construído.
Figura 85. Evolução temporal da temperatura de brilho sobre um ponto localizado no Rio de Janeiro.
Os pontos em vermelho representam os valores obtidos pela leitura direta
das imagens. Enquanto a curva em verde representa uma tendência suavizada da
variação dos valores através de interpolação por splines cúbicas. No eixo Y foram
representados os valores da temperatura de brilho, e no eixo X o intervalo entre
12:00 UTC do dia 05/04 e 10:00 UTC do dia 06.
138
4.5 Análise dos produtos para o monitoramento ambiental
Para exemplificar os resultados obtidos durante o processamento dos
dados do projeto LSA SAF, foram destacadas as imagens referentes ao primeiro dia
dos meses de: A) Março; B) Junho; C) Setembro e D) Dezembro de 2009, para os
produtos FVC e Albedo da superfície, processados através do script CriarProduto.m.
Adicionalmente, são apresentados os gráficos que ilustram a evolução
temporal dos parâmetros biofísicos entre o período de 2008 a 2009, para dois sítios
localizados na cidade de Puça-Piauí, região Nordeste e em uma área de agricultura
cafeeira, na região Sul do país. A Figura 86 ilustra as imagens para o produto FVC.
Figura 86. Produto FVC processado em: A) Março; B) Junho; C) Setembro e D) Dezembro de 2009.
139
As imagens apresentadas foram visualizadas em projeção MERCATOR
em um corte setorial entre as coordenadas (7ºN; 71ºO) e (34ºS; 34ºO), a escala de
cores definida representou os valores maiores valores, próximos de um, na cor
verde, e os menores valores, próximos de zero, em vermelho. Os valores médios
foram apresentados em amarelo. Percebe-se que a variabilidade do comportamento
da vegetação foi destacada durante os meses observados, sendo que esta está
diretamente ligada ao estado da cobertura vegetal.
Através da utilização do script GraficoPixelHDF.m foram extraídos os
valores do parâmetro biofísico FVC para os anos de 2008 e 2009, sobre os pixels
localizados em Puça-Piauí, (8º24,1’S;44º24,1’O), e em uma área de agricultura
cafeeira, na região Sul do país, (28º25,12’S;53º33’O) conforme ilustra a Figura 87.
Figura 87. Evolução temporal do FVC para dois sítios no período entre 2008 e 2009.
Em (A) e (B) foram destacados os valores para a região de Puça-Piauí, e
em (C) e (D) para área de agricultura cafeeira, durante os anos de 2008 e 2009. Em
vermelho foram representados valores diários de FVC e a curva em verde
140
representa uma tendência suavizada da variação dos valores através de
interpolação por splines cúbicas. No eixo Y foram representados os valores de FVC,
e no eixo X a variação temporal, dada em meses.
A Figura 87 ilustra as imagens obtidas para o produto Albedo da
superfície processado através do script CriarProduto.m.
Figura 88. Albedo da sup. processado em: A) Março; B) Junho; C) Setembro e D) Dezembro de 2009.
As imagens apresentadas foram visualizadas em projeção MERCATOR
em um corte setorial entre as coordenadas (7ºN; 71ºO) e (34ºS; 34ºO), a escala de
cores definida representou os valores maiores valores, próximos de um, na cor
vermelho, e os menores valores, próximos de zero, em verde.
141
Através da utilização do script GraficoPixelHDF.m foram extraídos os
valores do Albedo da superfície para os anos de 2008 e 2009, sobre os pixels
localizados em Puça-Piauí, (8º24,1’S;44º24,1’O), e em uma área de agricultura
cafeeira, na região Sul do país, (28º25,12’S;53º15,3’O) conforme ilustra a Figura 89.
Figura 89. Evolução temporal do albedo da superfície para dois sítios no período entre 2008 e 2009.
Em (A) e (B) foram destacados os valores para a região de Puça-Piauí, e
em (C) e (D) para área de agricultura cafeeira, durante os anos de 2008 e 2009. Em
vermelho foram representados valores diários de Albedo da superfície e a curva em
verde representa uma tendência suavizada da variação dos valores através de
interpolação por splines cúbicas. No eixo Y foram representados os valores de
Albedo da superfície, e no eixo X a variação temporal, dada em meses. Para os
dados da temperatura da superfície terrestre (LST), foram processadas as imagens
referentes ao dia 01/09/2009. Dada a resolução temporal do produto, obtido a cada
15 minutos, são apresentadas as imagens obtidas a cada seis horas, Figura 90. que
ilustram a variabilidade da temperatura da superfície durante o dia considerado.
142
Figura 90. Temperatura da superfície terrestre registrada em 01/09/2009 a cada 6 horas.
Figura 91. Evolução diária da temperatura da superfície em: A) Puça-Piauí e B) Área de agricultura.
143
A Figura 91 apresentou a evolução diária da temperatura da superfície
para os pixels Em vermelho foram representados valores horários de LST. A curva
em verde representa uma tendência suavizada da variação dos valores. No eixo Y
foram representados os valores de temperatura, e no eixo X a sua variação
temporal, dada a cada 15 minutos, de acordo com a resolução temporal do produto.
4.6 Análise dos produtos para o monitoramento oceanográfico
Em relação aos dados obtidos do projeto O&SI SAF destinados ao
monitoramento da TSM, são apresentados exemplo de imagens processadas
através do script CriarProdutosOSI.m, durante o dia 10 de abril de 2010. Inicialmente
são destacados os produtos para o corte setorial MAP, obtidos a cada 12 horas,
para a região do oceano Atlântico, mais especificamente sobre a costa do Brasil e
da África, e sem seguida, é apresentada a evolução temporal da TSM a cada 3
horas, produto LML, no mesmo dia, sobre a costa do Nordeste brasileiro.
A Figura 92 ilustra a imagem de TSM obtida para o produto MAP.
Figura 92. Produto de TSM corte setorial MAP, obtido em: A) 10/04/2010 às 00:00UTC e B)
10/04/2010 às 12:00 UTC.
A imagem foi apresentada na projeção do produto, cilíndrica eqüidistante,
e observa-se a aplicação da escala de cores para realce dos valores de TSM.
144
Para exemplificar os resultados obtidos através do processamento do
produto LML, foi ilustrado, na Figura 93, a variação de TSM ao longo do dia
10/04/2010. Um corte foi feito na imagem destacando a área de parte da costa do
nordeste Brasileiro, entre as coordenadas (0º; 40ºO) e (20ºS; 20ºO).
Figura 93. Produto de TSM corte setorial LML, obtido a cada 3 horas no dia 10/04/2010.
Nessa imagem, pode ser percebida a variabilidade da TSM durante o dia
com uma alta resolução temporal. O corte realizado na região apresentada teve o
interesse de exemplificar a capacidade do monitoramento em regiões específicas da
área coberta pelos produtos LML e MAP.
A seguir, apresentam-se os resultados para a aplicação desenvolvida
para o acesso dos produtos através da internet. Contando com recursos de
visualização, animação e a disponibilização de um banco de imagens.
4.7 Análise do sistema de visualização, animação e banco de imagens
O resultado desta etapa foi um sistema WEB que pode ser acessado pelo
do endereço eletrônico www.lapismet.com, através do link “Estação de Recepção”
mediante o uso de uma conta de acesso que pode ser obtida utilizando-se o
formulário “Contatos”, disponível no site. Ao acessar o sistema de animação o
usuário tem a opção de visualização dos produtos processados e mencionados
145
neste trabalho, além de obter maiores informações sobre a funcionalidade do
sistema EUMETCast. O conteúdo principal da página inclui um breve histórico da
estação instalada no LAPIS, características técnicas das instalações físicas e um
banco de dados para acesso as imagens, adicionalmente, disponibiliza-se um guia
básico para interpretação dos produtos. As figuras abaixo, ilustram a janela de
acesso inicial e menu principal do sistema de visualização e animação de imagens.
Figura 94. Janela de acesso principal do sistema de visualização e animação de imagens.
Figura 95. Menu principal para acesso aos produtos de monitoramento meteorológico, ambiental e
oceanográfico.
146
Através dos links apresentados no menu principal, o usuário teve acesso
a cada janela do sistema, apresentaram-se nelas, as opções de acesso relativas as
imagens do monitoramento meteorológico, ambiental e oceanográfico e informações
como o histórico do sistema, a estação EUMETCast instalada na UFAL e o guia de
interpretação dos produtos.
Em decorrência do uso operacional das aplicações desenvolvidas para
processar os produtos, tornou-se necessário a elaboração de um banco de dados,
disponibilizando assim, as imagens processadas para recuperação futura, este
recurso possibilitou ao usuário, localizar, de forma simplificada as informações
coletados durante período de operação da estação. Ele pode ser acessado através
do link para monitoramento meteorológico
Figura 96. Banco de acesso as imagens processadas.
A interface de acesso ao banco de imagens foi construída de forma
atualizar-se dinamicamente, à medida que novas imagens, referentes aos produtos,
estão sendo obtidas e processadas. Os produtos encontram-se dispostos em
colunas, como o nome do arquivo indica qual a data e horário em que foi realizado o
processamento, ele foi utilizado para representar os produtos que foram distribuídos
em uma lista de arquivos organizada cronologicamente.
A seguir apresentam-se as conclusões e as possíveis recomendações
resultantes do trabalho, além de sugestões para trabalhos futuros.
147
5 CONCLUSÕES E RECOMENDAÇÕES
Este trabalho procurou apresentar a comunidade de usuários do sistema
EUMETCast, como os dados recebidos por este foram processados através das
aplicações computacionais desenvolvidas no LAPIS/UFAL. Foram abordados os
aspectos de funcionamento do EUMETCast e as etapas de decodificação, geolocalização, calibração radiométrica e visualização das imagens do satélite MSG,
que foram destinadas ao monitoramento meteorológico, além, do processamento
dos produtos para o monitoramento ambiental e oceanográfico através dos dados
recebidos pelos projetos LSA SAF e O&SI SAF.
É importante destacar que os dados brutos foram indispensáveis para a
realização deste trabalho, e que o valor da informação está nos produtos finais,
obtidos após os dados brutos serem devidamente tratados e transformados. Visto
que houve acesso irrestrito a eles, através das aplicações computacionais que foram
desenvolvidas, os usuários do sistema EUMETCast podem agregar valor às
informações de forma efetiva gerando produtos finais em benefício direto da
sociedade.
O processamento realizado dos canais do MSG trouxe ganhos com
respeito à interpretação visual dos produtos para monitoramento atmosférico,
através da transformação projeção original do satélite, GEOS, para a projeção
MERCATOR e a elaboração da divisão político-administrativa, o que aprimorou a
observação dos alvos principalmente sobre os países da América do Sul que são
cobertos pelo MSG. A decodificação dos parâmetros físicos de cada canal foi um
passo importante para se quantificar a resposta espectral fornecida pelo SEVIRI,
além de ser essencial para a realização dos processamentos posteriores, como a
elaboração das composições coloridas através das diferenças de canais e o realce
das imagens do canal (WV_072) vapor d água e IR_108 (temperatura de brilho).
Das composições coloridas elaboradas, quatro foram destacadas no
trabalho, devido a sua aplicabilidade para o estudo dos fenômenos que se
desenvolvem sobre a América do Sul, são elas: a) Natural Colours; b) Airmass; c)
Day and Night Microphysical e d) Convective Storms. Elas foram destinadas ao
monitoramento da microfísica das nuvens durante o dia e a noite, vegetação,
superfície terrestre, massas de ar e sistemas convectivos severos, portanto, conclui-
148
se que elas são uma ferramenta importante para o monitoramento meteorológico
através dos canais multi-espectrais do SEVIRI, e representam uma forma inovadora
de observação da atmosfera quando comparado aos métodos tradicionais como a
utilização de tabelas LUT. Ainda no contexto do monitoramento meteorológico, foi
realizado o realce dos pixels nos canais WV_072 e IR_108. Destinados ao
monitoramento da distribuição de vapor d água em altos níveis e da temperatura do
topo das nuvens e atividade convectiva segundo a metodologia semelhante à
proposta por Maddox, (1980). Acompanhou-se, através da ferramenta para a
construção dos gráficos, a evolução temporal da temperatura de brilho de um pixel
localizado sobre o estado do Rio de Janeiro durante os dias 05 e 06 de abril de
2010, quando ocorreu considerável atividade convectiva sobre a região com valores
encontrados de até -64.17ºC.
Em relação ao monitoramento ambiental, especificamente, os dados dos
produtos FVC e Albedo da superfície foram processados no período entre os anos
de 2008 a 2009. Apresentaram-se no trabalho exemplos de imagens para os meses
de março, junho, setembro e dezembro de 2009 que demonstraram claramente a
variabilidade do comportamento da vegetação, no que diz respeito ao estado da
cobertura vegetal. Para exemplificar a aplicação da ferramenta desenvolvida para
construção de gráficos, foram feitos os gráficos destes produtos para dois pixels
sobre sítios localizados na cidade de Puça-Piauí, região Nordeste e em uma área de
agricultura cafeeira, na região Sul do país. Para exemplificar as informações do
produto LST, ele foi processado durante o dia 01/09/2009, e apresentou-se além das
imagens obtidas, o gráfico com a evolução temporal da temperatura da superfície ao
longo do dia, para os mesmos sítios mencionados anteriormente. Pode se concluir
que as aplicações desenvolvidas atingiram o seu objetivo específico, que foi
transformar os dados obtidos em parâmetros biofísicos.
Para os dados de monitoramento oceanográfico considerados, foram
apresentados os produtos destinados ao monitoramento da TSM através dos cortes
setoriais LML, a cada 3 horas e MAP, a cada 12 horas, para o oceano Atlântico,
mais especificamente sobre a costa do Brasil e da África. Houve o destaque de
valores de TSM entre aproximadamente 26ºC e 33ºC como um indicativo da
possibilidade de ocorrência da formação de tempestades tropicais.
149
Apresentaram-se ainda a aplicação desenvolvida para o acesso as
imagens através da internet. Ela contou com recursos de visualização e animação
dos produtos para o monitoramento meteorológico, ambiental e oceanográfico, além
da integração das imagens processada a outras informações. A sua operação se
deu em tempo quase-real, onde cada cena apresentada foi constituída por nove
imagens que representaram o estado da atmosfera nas ultimas duas horas de
observação. O acesso ao banco de imagens, disponibilizado na mesma aplicação,
permitiu que os usuários recuperassem os dados processados.
No que diz respeito às dificuldades encontradas, ao realizar o
acompanhamento do volume de dados recebidos, apesar da considerável
estabilidade do sistema, houve em casos em que ocorreu falta de energia por longos
períodos, e conseqüente perca de dados. Após a alimentação ser restabelecida o
sistema levou poucos segundos para voltar ao normal e os dados perdidos foram
recuperados a partir do software UMARF. Mas, com isso conclui-se que por ser um
sistema que funciona através de uma infra-estrutura ligada durante 24 horas, há
necessidade do contínuo acompanhamento, para identificar eventuais problemas e
realizar o planejamento dos recursos computacionais necessários, principalmente os
relacionados ao armazenamento dos dados. Destaca-se ainda que as pesquisas
com o sistema EUMETCast em língua portuguesa apenas começaram e por
conseqüência houve falta de parâmetros externos que dimensionasse as
necessidades específicas dos usuários deste sistema. Isso se deve ao fato do
sistema está em fase de desenvolvimento e várias de suas tarefas e necessidades
ainda estão em fase de consolidação.
Por fim, ressalta-se que as aplicações computacionais que foram
apresentadas podem ser adotadas pelos órgãos operacionais de meteorologia e
universidades para fins de pesquisa e ensino, como uma alternativa ao que vem sido
oferecido no contexto internacional, onde geralmente há custos onerosos e liçensas
que restringem a forma que o software pode ser utilizado. Além disso, por possuírem
código aberto as aplicações podem ser personalizadas, de forma a atender
necessidades específicas de uma instituição.
150
5.1 Sugestões para trabalhos futuros
Recomenda-se a continuidade desta linha de pesquisa, no que diz
respeito ao processamento dos dados fornecidos pelo sistema EUMETCast, mais
especificamente sugere-se:
A) Explorar os canais do satélite e a diferença entre eles com o objetivo
de desenvolver novos produtos para o monitoramento meteorológico,
especialmente adaptado a estudos sobre a América do Sul.
B) Aperfeiçoar o sistema de visualização e animação das imagens,
incluindo novas funcionalidades, como a elaboração de gráficos online e rotinas para explorar os produtos em tempo real.
C) Elaborar aplicações destinadas à extração dos parâmetros físicos e
biofísicos dos produtos, através de uma interface gráfica amigável em
ambiente desktop e multiplataforma.
D) Avaliar os formatos de arquivos possíveis para armazenar os produtos
e sua compatibilidade com os softwares comumente utilizados em
sensoriamento remoto e geoprocessamento e sua possível integração
com o software SPRING e a biblioteca TerraLib.
151
6 REFERÊNCIAS
BANON, G. J. F. Formal Introduction to digital image processing. INPE, São
José dos Campos JULHO 2000. Disponível em:
<http://hermes.dpi.inpe.br:1905/dpi.inpe.br/banon/1999/06.21.09.31> Consulta em:
BARBOSA, H. A., ETURK, A. G. Índice diário de vegetação estimado com imagens
multiespectrais do satélite METEOSAT Segunda Geração. Universidade FederalUFAL/ICAT. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, Anais.
Natal. 2009. CD-ROM.
BARTH, A. Loadgrib, a GRIB decoder for Octave. 2006. Disponível em:
http://ocgmod1.marine.usf.edu/loadgrib/. Acesso em:
BOOR, C. A Practical Guide to Splines, New York: Springer-Verlag Press. 2001.
BUGALHO, L.; PESSANHA, F., Aplicação dos produtos distribuídos pela LSA SAF.
Artigo do Instituto de Meteorologia, Portugal. 2008.
CERMAK, J.; BENDIX, J.; DOBBERMANN, M. FMet—an integrated framework for
Meteosat data processing for operational scientific applications. Elsevier:
Computers e Geociences. 2008.
ELBERT, B. R. Introduction to Satellite Communication, Artech House, 1999.
EUMETSAT, About EUMETSAT. Darmstadt, Alemanha. 2010. Disponível em:
www.eumetsat.int/Home/Main/AboutEUMETSAT. Acesso em 28 jan, 2010, 17:22.
______. Aim of GEONETCast. Darmstadt, Alemanha. 2010b. Disponível em:
http://www.eumetsat.int/HOME/Main/What_We_Do/Technical_Cooperations/GEONE
TCast/. Acesso em 28 jan, 2010, 17:30.
______. Conversion from Radiances to Reflectances for SEVIRI Warm
Channels, Darmstadt, Alemanha. 2006.
______. EUMETCast - EUMETSAT's Broadcast System for Environmental Data.
EUMETSAT, Darmstadt, Alemanha. 2006.
______. EUMETCast - System Description. EUMETSAT, Darmstadt, Alemanha
2008.
______. LRIT/HRIT Global Specification. EUMETSAT, Darmstadt, Alemanha 1999.
______. Meteosat Second Generation MSG - System Overview. EUM TD 07.
EUMETSAT, Darmstadt, Alemanha. 2001.
______. MSG Channel Spectral Bands. EUMETSAT, Darmstadt, Alemanha. 2005.
______. MSG Ground Segment LRIT/HRIT Mission Specific Implementation.
EUMETSAT, Darmstadt, Alemanha. 2006.
152
EUMETSAT, MSG Level 1.5 Image Data Format Description. EUMETSAT,
Darmstadt, Alemanha. 2007.
GOVAERTS, Y. A. A.; SCHEMTZ J. Operational vicarious calibration of the
MSG/SEVIRI solar channels. Advances Spaces Research. 2001.
GOVAERTS, Y., WAGNER, S., CLERICI, M. SEVIRI native format pre-processing
toolbox user’s guide—SPT. EUMETSAT, Darmstadt, Alemanha. 2007.
IBGE, Produto Malha Municipal Digital do Brasil. IBGE, Rio de Janeiro, 2007.
http://www.ibge.gov.br. Acesso em 30 de março de 2010, 18:02.
KAMPEL, M. Aplicações Ambientais Brasileiras dos Satélites NOAA e TIROS-N.
Oficina de Textos, Instituto Nacional de Pesquisas Espaciais, 2004.
KERK, MAXIMILIAN., Design and integration of a EUMETCast receiving
installation.. Monografia (Bacharelado em Computação Aplicada), Berufsakademie
Stuttgart, 2008. Disponível em:
http://wwwlehre.dhbw-stuttgart.de/~sto/public/stud_arb/2007/Eumetcast.pdf.
LAKATOS, E. M. Metodologia Científica. São Paulo. Atlas, 1995.
LEE, T. F.; TURK, F. J.; RICHARDSON, K. Stratus and fog products using GOES8–9 3.9-µm data. Wea. Forecasting. 1997.
LENSKY, I.M., ROSENFELD, D. Clouds-Aerosols-Precipitation Satellite Analysis
Tool (CAPSAT). Atmospheric Chemistry and Physics, 2008. Disponível em: <
www.atmos-chem-phys.org/8/6739/2008/acp-8-6739-2008.pdf>.
MADDOX, R.A. Mesoscale convective complexes. Bull. American Meteorogy.
Society, v. 61, 1980.
MAHOVIC, S.N.; ZEINER, B. Application of Meteosat SEVIRI channel difference
0.6 µm–1.6 µm in convective cells detection. Atmospheric Research. 2008.
Disponível em:
<www.eumetsat.int/idcplg?IdcService=GET_FILE...PDF...P..>.Consulta em:
MASIKA, S. P. Meteosat Second Generation (MSG) Cloud Mask, Cloud Property
Determination and rainfall comparison with in-situ observations. ITC. 2007.
MENZEL, W. P.; PURDOM, J.F.W. Introducing GOES-I: The first of a new
generation of geoestacionary operational environmental satellites. American
Meteorology Society. 1994. Disponível em:
<www.iode.org/components/com_oe/oe.php?task=download...>. Consulta em:
NOBREGA, T.; SILVA JUNIOR, I. W.; BARBOSA, H. A, VIEWSATT a Decoding and
Processing Software Tool for MSG Data, WORLDCOMP'09, Las Vegas-EUA,
2009.
O&SI SAF, Product Manual – Atlantic Sea Surface Temperature, Météo-France,
Lenion, França. 2006. Disponível em: <http://www.osisaf.org/biblio/docs/ss1_pmatlsst_1_6.pdf> Consulta em:
153
OLIVEIRA, S.L. Tratado de metodologia científica: projetos de pesquisa, TGI,
TCC, Monografias, Dissertações e Teses. São Paulo: Pioneira, 1997.
Operation News, OSI-SAF products move to SAF-Global channel and become
available to users in Africa and America. Darmstadt, Alemanha. 2010. Disponível
em: http://www.eumetsat.int/Home/Main/News/OperationalNews/716402?l=en.
Acesso em 30 mar, 2010, 10:21.
PILI, P. Calibration of SEVIRI. Meteorological Satellite Data Users Conference.
Bologna, Italy. 2000. Disponível em:
< www.eumetsat.int/idcplg?IdcService=GET_FILE...pdf...>. Consulta em:
PRESTRELO, F. Descrição do sistema EUMETCast e sua contribuição para os
centros operacionais de meteorologia. Monografia (Bacharelado em
Meteorologia), ICAT-UFAL. 2008.
PRIETO, J. The use of remote sensing in characteris ing the atmospheric state.
EUMETSAT, Darmstadt, Alemanha 2002.
PUM, Product User Manual – Land Surface Albedo, LSA-SAF, Portugal, 2006.
______. Product User Manual – Land Surface Temperature, LSA-SAF, Portugal,
2006.
______. Product User Manual – Vegetation Parameters (FVC, LAI, FAPAR), LSASAF, Portugal, 2008.
RODDY, D. Satellite Communications. McGraw-Hill Professional, 2006.
Disponível em: < www.mhprofessional.com/product.php?isbn... > Consulta em:
ROESLI, H. Introduction to Differences and RGB Composites. MSG,
Interpretation Guide. EUMETSAT, Darmstadt, Alemanha. 2004. Disponível em:
< www.eumetsat.org/WEBOPS/msg_interpretation/.../IntroRGB.ppt > Consulta em:
ROSENFELD, D. Conversion From Counts To Radiances And From Radiances
To Brightness Temperatures And Reflectances. EUMETSAT, Darmstadt,
Alemanha. 2005. Disponível em:
< oiswww.eumetsat.org/WEBOPS/msg.../conversion_20050225.ppt> Cosulta em:
SANTURETTE, P., GEORGIEV C. G. Weather Analysis and Forecasting:
Applying Satellite Water Vapor Imagery and Potential Vorticity Analysis.
Academic Press, San Diego, 2005.
SCHEMTZ J.; PILI, P. Seviri Calibration. American Meteorology Society. 2002.
SCHILLER J. Mobile Communication. Pearson Studium, 2003.
SCHEMTZ J.; HOLMLUND, K.; ROESLI, P. H.; LEVIZZANI, P. On the use of Rapid
Scans. 5th International Winds Workshop. Lorne, Australia. 2000. Disponível em: <
www.isac.cnr.it/~meteosat/papers/windsworkshop.pdf> Consulta em:
154
SCHEMTZ J.; GOVAERTS, Y.; KÖNIG, M.; LUTZ, H.; RATIER A.; TJEMKES, S. A
short introduction to Meteosat Second Generation (MSG). EUMETSAT,
Darmstadt, Alemanha. 2005. Disponível em:
<oiswww.eumetsat.org/WEBOPS/msg.../schmetz7july.doc - > Consulta em:
______. RATIER, A.; ROTA, S.; TJEMKES, S. Meteosat Second Generation
(MSG): Capabilities and Applications. EUMETSAT, Darmstadt, Alemanha.
Disponível em: < ams.confex.com/ams/pdfpapers/23827.pdf> Consulta em:
______. TJEMKES, S.; JUST, D.; KERKMANN, J.; ROTA, S.; RATIER A. An
introduction to Meteosat Second Generation (MSG). American Meteorological
Society. 2002. Disponível em:
< www.met.wau.nl/education/atmospract/unit10/MSG.pdf> Consulta em:
SCHMID, J. The SEVIRI Instrument, ESA/ESTEC, Keplerlaan 1. 2002. Disponível
em: < www.eumetsat.int/groups/ops/.../pdf_ten_msg_seviri_instrument.pdf ->
Consulta em:
SILVA, I.W.; CRUZ, P.P.; BARBOSA H. A.; FERREIRA E. Processamento e
Calibração Radiométrica dos Dados Meteosat de Segunda Geração Na
Universidade Federal de Alagoas. 2009.
SOUZA, P.E.U Calibração radiométrica de câmera CCD/CBERS-1. Dissertação
(Mestrado em Sensoriamento Remoto), São José dos Campos, 2003. Disponível
em: < www.obt.inpe.br/pgsere/Souza-P-E-U.../RADIOMETRICA.pdf> Consulta em:
TJEMKES, S.; SCHMETZ, J. Radiative Transfer Simulations for the Thermal
Channels of METEOSAT Second Generation. EUMETSAT, Darmstadt, Alemanha,
1998. Disponível em: <
www.eumetsat.int/idcplg?IdcService=GET_FILE&dDocName.> Consulta em:
USD. Best practices for RGB compositing of multi-spectral imagery, User
Sevice Division, EUMETSAT, Darmstadt, Alemanha. 2005. Disponível em: <
oiswww.eumetsat.org/~idds/html/doc/best_practices.pdf> Consulta em:
VAREJÃO, S. M. A. Meteorologia e Climatologia, INMET, Brasília, 2000.
WILDT, R. M.; SEIZ, G.; GRUN, A. Snow Mapping Using Multi-Temporal
Meteosat-8 Data. EARSel eProceedings 5. 2006. Disponível em: < las.physik.unioldenburg.de/eProceedings/.../05_1_de-ruyter1.pdf > Consulta em :
7 APÊNDICES
156
APÊNDICE I- CONFIGURAÇÃO DO SISTEMA DE RECEPÇÃO
O que é EUMETCast?
Tecnicamente, o EUMETCast é um sistema que utiliza o protocolo de
comunicação DVB (Digital Video Broadcast). Este protocolo é um padrão que foi
desenvolvido para a transmissão de vídeo na forma digital e trabalha com a
estratégia de transmissão de dados denominada multicast. Por sua vez, esta
estratégia busca enviar dados e produtos de forma eficiente para múltiplos pontos
distintos ao mesmo tempo. Para isso, neste caso, são utilizados satélites de
telecomunicações e o padrão semelhante ao usado para transmissão de vídeo e TV
digital. Adicionalmente é necessário ter softwares específicos que trabalhem com
este protocolo e estratégia de transmissão, como o caso do TELLICAST CLIENT,
que é um software que trabalha com o protocolo IP (Internet Protocol) em modo
multicast desenvolvido pela Tellitec.
O acesso a maioria dos dados e serviços é restrito a usuários
cadastrados no sistema, sendo que a autorização para acesso e decodificação dos
dados é feita utilizando-se uma chave denominada EKU (EUMETCast Key Unit). Ela
é fornecida pela EUMETSAT juntamente com um CD contendo todos os softwares
necessários para a instalação da estação de recepção.
O modelo da estação de recepção empregado na UFAL, Figura 97,
permitiu a utilização dos dados recebidos em caráter operacional, portanto, assim
que os produtos de monitoramento foram sendo recebidos, imediatamente
realizaram-se os processamentos necessários para disponibilizá-los aos usuários,
sendo que para isso, houve a inclusão adicional de um computador destinado ao
processamento dos dados e de equipamentos como switch de rede (para
interconexão dos computadores), no-breaks e módulos de bateria (para autonomia
do fornecimento de energia elétrica), de forma a garantir de forma eficiente os
recursos de rede e energia elétrica durante o funcionamento da estação.
No computador destinado a recepção dos dados é necessário a
instalação de uma placa de recepção padrão DVB, neste trabalho foi utilizada a
placa PCI DVB SkyStar 2, homologada pela EUMETSAT para operar com a
recepção de dados através do sistema EUMETCast.
157
Figura 97. Modelo de estação de recepção EUMETCast empregado na UFAL, a configuração
envolveu uso de computadores destinados a recepção e processamento e módulos de bateria
A seguir, são apresentados os componentes envolvidos na configuração
da estação e o procedimento realizado para configuração dos softwares utilizados.
Configuração do sistema de recepção EUMETCast
A configuração do sistema EUMETCast pode ser dividida em três seções,
sendo: a) Configuração da placa de recepção DVB e software Setup4PC
b)Instalação e configuração da EKU e c) Instalação e configuração do software
TELLICAST CLIENT. As configurações apresentadas aqui, são relevantes para
usuário que possuam a placa de recepção DVB SkyStar 2, que foi utilizada neste
trabalho e é recomendada pela EUMETSAT através da documentação técnica
EUMETSAT (2006).
A) Configuração da placa de recepção DVB e software Setup4PC
Inicializando-se o computador com a placa DVB devidamente instalada, o
software de instalação foi inicializado quando inserido o CD-ROM de instalação que
acompanhou a placa DVB Skystar2. Ao se concluir a instalação um ícone foi
158
apresentado na barra de tarefas (System Tray), posicionado no canto inferior direito
da área de trabalho, ao lado do relógio do sistema, ele apontou para o software
utilizado para realizar as configurações do transponder e do serviço de recepção de
dados. Seguem-se os passos realizados para configuração do software Setup4PC.
1- Configuração do LNB para receber o sinal do NSS-806:
Ao clicar no ícone de acesso ao software Setup4PC a janela ilustrada na
Figura 98 foi apresentada.
Figura 98. Janela principal do software Setup4PC.
Seleciono-se a opção ADD, em destaque na figura, para inserir o satélite
NSS-806. As configurações das freqüências do LNB que foram usadas para o ajuste
da antena que foi apontada para o NSS-806 são apresentadas na Figura 99:
159
Figura 99. Janela para configuração do LNB.
As freqüências apresentadas acima são válidas para o LNB do tipo LNB
Universal monoponto, o parâmetro DiSEqC foi desabilitado, sua configuração é
necessária somente no caso da utilização de um LNB multiponto. Em seguida,
acessou-se o Item (B), da Figura 98, Transponder Management. Apresentado na
Figura 100.
Figura 100. Janela para Configuração do Transponder.
A freqüência inicial e final para a localização do NSS-806 foi configurada
como 3203 MHz. Segundo EUMETSAT (2006) o valor padrão da freqüência para o
160
“Down Link” em banda C seria de 3803 MHz, mas devido às características
eletrônicas do LNB Universal utilizado esse valor foi ajustado para 3203 MHz. O
valor do “Symbol Rate” permaneceu o padrão, 27500 kS/s. A polarização
configurada foi a “Horizontal/Left(High)” e o parâmetro FEC configurado para 3/4.
2- Configuração dos serviços de dados:
Ao clicar no item (C) da Figura 98 apresentou-se a janela para a
configuração dos serviços de dados fornecidos pelo sistema EUMETCast.
Primeiramente foi configurado o nome do provedor de dados, ao clicar no botão Add
na área “Provider Name” foi atribuído a palavra EUMETCast, em seguida foi
adicionado o transponder, configurado no passo anterior, clicando-se no botão Add
da área “Transponder”. As configurações realizadas são exibidas na Figura 101.
Figura 101. Configuração dos serviços de dados e PID’s.
O próximo passo realizou a configuração dos PID’s (Packet Identifiers),
eles foram utilizados para indicar ao software TELLICAST CLIENT quais os dados
que deverão ser recebidos, uma listagem completa dos PID’s disponibilizada pela
EUMETSAT
para
o
sistema
EUMETCast
é
acessível
pelo
endereço:
http://www.eumetsat.int/Home/Main/What_We_Do/EUMETCast/Reception_Station_S
161
et-up. Estes valores podem ser configurados através da notação decimal ou
hexadecimal. Para manter padrão semelhante ao adotado pela EUMETSAT, foi
escolhida a notação decimal desmarcando-se o checkbox “Hexadecimal” na área
“PID List”.
3- Alinhamento da antena e verificação do sinal
Para realizar o alinhamento da antena foi utilizado o endereço eletrônico
http://www.dishpointer.com/ que a partir das coordenadas geográficas do local onde
foi instalada a antena e a localização do satélite NSS-806, forneceu os valores de
elevação e azimute no qual a antena deveria ser direcionada. Para a localização do
NSS-806 a 40.5W, e o ponto (9°33,3’S; 35° 46,6’O) c omo localização da estação da
UFAL, foram fornecidos os valores de 77.5º para o ângulo de elevação e 333.5º para
azimute considerando o Norte como referencial. Após alinhamento da antena a
qualidade do sinal recebido foi verificada através do item (D) “Status”, ilustrado na
Figura 102.
Figura 102. Sinal recebido pela estação EUMETCast instalada na UFAL.
O sinal não permanece constante, ele oscila cerca de 5% para mais ou
para menos, porém, um sinal em torno de 47% é considerado de boa qualidade.
162
O software Setup4P monitora a qualidade do sinal constantemente, e
classifica-o em cores. Sendo a cor verde usada para indicar um sinal de boa até alta
qualidade, a cor amarela um sinal de média qualidade, aceitável em carácter
operacional. O sinal de baixa qualidade que causa travamentos na recepção dos
dados é indicado pela cor vermelha e considerado como inaceitável.
Ressalta-se ainda que o monitoramento da qualidade do sinal através do
software pode ser utilizado para realizarem-se ajustes no posicionamento da antena,
a fim de maximizar a potência do sinal, dispensando a utilização de equipamentos
mais sofisticados como analisadores de espectro.
B) Instalação e configuração da EKU
A chave de acesso EKU atua em conjunto com o software eToken, sua
instalação foi feita através da localização do software PKIClient-x32-4.5_signed.msi,
contido no cd fornecido pela EUMETSAT. Após execução desse software a janela
indicada na Figura 103 foi apresentada.
Figura 103. Instalação do software eToken.
Procedeu-se com a instalação padrão para software no ambiente
Windows, e em seguida o computador foi reiniciado e fez-se a instalação da chave
EKU em uma porta USB disponível. Um LED vermelho presente no EKU é acesso
quando a chave está devidamente configurada.
163
C) Instalação e configuração do software TELLICAST CLIENT
O software TELLICAST CLIENT tem a função de realizar a autenticação
do usuário junto ao sistema EUMETCast e gerenciar o armazenamento dos dados
em disco. A chave de acesso EKU atua em conjunto com o TELLICAST permitindo o
acesso aos serviços restritos ao usuário. Além da instalação do software foi
necessário realizar a configuração dos arquivos recv.ini e recv-channels.ini. O
primeiro contém os parâmetros de inicialização e os dados para autenticação do
usuário. O segundo foi utilizado para seleção dos diretórios de destino para os
arquivos que foram recebidos.
A instalação do TELLICAST foi realizada no computador destinado a
recepção dos dados, a partir da execução do software t-system-setup.exe contido no
CD fornecido pela EUMETSAT. O local padrão da instalação é no diretório
C:\Arquivos de Programas\T-Systems\BusinessTV-IP, e durante a instalação os
arquivos de configuração foram copiados para este diretório.
O conteúdo do arquivo recv.ini é ilustrado na Figura 104, e em vermelho
foi destacado as modificações que foram realizadas nas linhas do arquivo, o
conteúdo que não foi destacado permaneceu com as configurações originais.
Figura 104. Arquivo de configuração recv.ini.
164
Em (A) inseriram-se o nome e a senha de acesso, fornecidos pela
EUMETSAT, os asteriscos apresentados são ilustrativos com objetivo de omitir
esses dados. Em (B) alterou-se o valor padrão de forma a apontar o diretório de
recebimento temporário para o caminho z:\receiving. Esse diretório foi usado para o
armazenamento temporário de fragmentos dos arquivos até que a recepção
completa fosse concluída, esta é uma tarefa crítica que não pode ser interrompida e
está diretamente ligada a limitações físicas do computador. Para otimizar essa
tarefa, houve a configuração de um RAM DISK. Utilizou-se o software AR RAM DISK
para criar o diretório z:\receiving para armazenamento temporário e em (C) fez-se a
configuração do tamanho para o diretório criado.
A Figura 105.Ilustra as configurações feitas no arquivo recv-channels.ini.
Figura 105. Arquivo de configuração recv-channels.ini.
165
As
configurações
padrões
desse
arquivo
foram
completamente
substituídas pelas observadas acima e envolvidas pelo retângulo vermelho. Para
cada um dos serviços oferecidos pelo EUMETCAST foram criados diretórios
distintos,
indicados
pelos
parâmetros
target_directory
e
tmp_directory.
A
configuração padrão do TELLICAST agrupava todos os arquivos em uma única
pasta, o que dificultou o processo de recuperação dos dados e a separação dos
arquivos de acordo com o serviço contornou esse problema, facilitando-se assim a
recuperação dos dados em caráter operacional.
Ao
termino
das
etapas
de
instalação,
acessou-se
o
endereço
http://localhost:2715, e considerando que todas as etapas foram concluídas com
sucesso a janela apresentada na Figura 106 é exibida no navegador, ao se acessar
o item Active Channels no menu esquerdo.
Figura 106. Software TELLICAST CLIENT configurado para o sistema EUMETCast.
Em (A) destacou-se a conexão com canal de anúncio devidamente
estabelecido e em (B) para os canais para os serviços de dados que foram
configurados no arquivo recv-channels.ini.
166
APÊNDICE II-FUNÇÕES DE GEOLOCALIZAÇÃO DISPONIBILIZADAS
PELA EUMETSAT
As funções geocoord2pixcoord e pixcoord2geocoord foram utilizadas para
realizar o processo de transformação de coordenadas geográficas em coordenadas
da imagem em projeção GEOS, e vice-versa. Elas foram convertidas da linguagem
C para o Octave em scripts com o mesmo nome da função, adicionalmente
comentários fazem referência às equações apresentadas nas seções 2.3.1; 2.3.2 e
2.3.3. A Figura 107 ilustra o script geocoord2pixcoord.m.
.
Figura 107. Algoritmo de transformação de coordenada geográfica para coordenada de imagem.
167
A Figura 108 ilustra o script pixcoord2geocoord.m,
Figura 108. Algoritmo de transformação de coordenada de imagem para coordenada geográfica.
168
APÊNDICE III - COMPOSIÇÕES COLORIDAS RECOMENDADAS
PARA AS IMAGENS DO MSG
As composições apresentadas nas tabelas a seguir são recomendas pela
EUMETSAT e documentadas em USD (2005). A nomenclatura dos canais foi
adaptada de acordo com a apresentada neste trabalho.
Tabela 13. Composição RGB para monitoramento de massas de ar.
Plano de Cores
R
G
B
Canal
IR_062 – IR_073
IR_097 – IR_108
WV_062(invertido)
AIRMASS
Min.
Max
-25 K
0K
-40 K
+5 K
243 K
208 K
1.0
1.0
1.0
Aplicações
Ciclogênese;
Corrente de Jato;
Vorticidade Potencial
Tabela 14. Composição RGB para monitoramento de sistemas convectivos.
Plano de Cores
R
G
B
CONVECTIVE STORMS
Canal
Min.
Max
IR_062 – IR_073
-35 K
+5 K
IR_039 – IR_108
-5 K
+60 K
IR_106 – VIS006
-75%
25%
1.0
0.5
1.0
Aplicações
Convecção severa;
Fluxos ascendentes/
descendentes
Tabela 15. Composição RGB para monitoramento diurno.
Plano de Cores
R
G
B
Canal
IR_016
VIS008
VIS006
NATURAL COLOURS
Min.
Max
0%
100%
0%
100%
0%
100%
1.0
0.5
1.0
Aplicações
Nuvens líquidas/
gelo; queimadas, e
vegetação
Tabela 16. Composição RGB para monitoramento da microfísica de nuvens, diurno.
Plano de Cores
R
G
B
DAY MICROPHYSICAL
Canal
Min
Max
VIS008
0%
100%
IR_039(reflectância)
0%
25%
IR_108
213 K
303 K
1.0
1.5
1.0
Aplicações
Análise de nuvens;
convecção e
queimadas
Tabela 17. Composição RGB para monitoramento da microfísica de nuvens, noturno.
Plano de Cores
R
G
B
DAY AND NIGHT MICROPHYSICAL
Canal
Min
Max
IR_120 – IR_108
-4 K
+2 K
1.0
IR_108 – IR_087
0K
+10 K
1.0
IR_108
243 K
293 K
1.0
Aplicações
Análise de nuvens;
cirrus,
trilho
de
condensação
e
queimadas