Post on 15-Feb-2019
transcript
Facoltà di Ingegneria
Corso di laurea in Ingegneria Civile per la Protezione dai Rischi Naturali
Relazione di fine tirocinio
Anno accademico 2016/2017
Acquisizione di competenze nella manipolazione di
immagini satellitari
Studente Relatore
Iacopo Vona Claudia Adduce
Correlatore
Federico Falcini
Relazione di Tirocinio
ii
INDICE
1 Premessa ........................................................................................................... 1
2 Introduzione ..................................................................................................... 1
3 I dati satellitari ................................................................................................. 3
3.1 Meris .............................................................................................................. 3
3.2 CoastColour ................................................................................................... 4
3.2.1 Utilizzo del portale Calvalus ............................................................. 6
4 Metodologia ................................................................................................... 11
4.1 Remap .......................................................................................................... 12
4.2 Medie Mensili .............................................................................................. 13
4.3 Climatologia ................................................................................................. 14
4.4 Interpolazione .............................................................................................. 16
5 Conclusioni .................................................................................................... 18
Relazione di Tirocinio
iii
INDICE DELLE FIGURE
Figura 1 Pagina di accesso al Calvalus on-Demand Processing .............. 5
Figura 2 Sezione iniziale del portale CoastColour ................................... 6
Figura 3 Scelta del tipo di prodotto .......................................................... 7
Figura 4 Scelta del formato di output ....................................................... 8
Figura 5 esempio di file NetCDF ........................................................... 10
Figura 6 Schema dell’acquisizione e processamento di dati OC ........... 11
Figura 7 Gennaio 19/2003 ...................................................................... 12
Figura 8 Gennaio 19/2003 rimappato ..................................................... 13
Figura 9 Media del mese di Gennaio 2003 ............................................. 14
Figura 10 Gennaio climatologico di tsm .................................................. 15
Figura 11 Media mensile piena di tsm ..................................................... 16
Figura 12 Media mensile piena di chl ...................................................... 17
Figura 13 Confronto tra medie mensili di tsm e chl ................................. 18
Relazione di Tirocinio
1
1 PREMESSA
La seguente relazione descrive gli studi e le attività che sono stati effettuati
per lo svolgimento della tesi di laurea. Tali attività sono previste dall’art. 10, co. 5
let. d/e e considerate equivalenti ad un tirocinio con riconoscimento di 6 CFU per
un numero di ore non inferiore a 150, come previsto dal piano di studi.
L’attività si è svolta presso l'Istituto di Scienze dell'Atmosfera e del Clima
(CNR-ISAC), con l’obiettivo di acquisire dimestichezza con il trattamento dei dati
satellitari e di applicare le conoscenze ottenute/apprese allo sviluppo della tesi di
laurea.
2 INTRODUZIONE
Una immagine satellitare è una fotografia aerea scattata da un satellite
artificiale, che può rappresentare la Terra, i suoi elementi, o altri pianeti
dell'Universo. L’uso principale di immagini satellitari è legato al Telerilevamento
(TLR), disciplina tecnico-scientifica con finalità diagnostico-investigative che
permette di ricavare informazioni qualitative e quantitative sull'ambiente e su
oggetti posti a distanza dal sensore di rilevamento, mediante misure di radiazione
elettromagnetica (emessa, riflessa o trasmessa) che interagisce con le superfici
fisiche di interesse.
Le applicazioni che riveste il TLR in ambito ambientale sono innumerevoli,
tra le quali si possono menzionare il monitoraggio dell’atmosfera, degli oceani,
dei processi climatici, dell’inquinamento, ecc . Con il presente lavoro si è
affrontato nello specifico il tema dell’Oceanografia satellitare mediante
l’osservazione dell’Ocean Colour (OC); attraverso l’OC è possibile ricavare
importanti informazioni di carattere fisico e bio-geochimico come concentrazione
di biomassa fitoplanctonica o concentrazione di sedimenti in sospensione,
parametri molto importanti per lo studio ed il monitoraggio della vita negli oceani
(e non solo).
Per dare una idea di cosa sia l’OC e da cosa venga influenzato è di seguito
riportata una breve descrizione. Il motivo per cui l'oceano è blu è legato
Relazione di Tirocinio
2
all'assorbimento e alla dispersione della luce. L’acqua assorbe molto
efficacemente le lunghezze d’onda dello spettro elettromagnetico nel campo del
visibile del rosso, mentre riflette le lunghezze d’onda nel blu, quindi la luce rossa
viene assorbita rapidamente nell'oceano e viene rilasciato l'azzurro. Se ci sono
particelle sospese nell'acqua, queste aumentano la dispersione della luce, come
avviene ad esempio nelle zone costiere, dove la messa in sospensione di sabbia e
di altre sostanze ad opera del moto ondoso e delle correnti, può cambiare il colore
delle acque circostanti . In zone più lontane dalla costa invece, la sostanza
assorbente più importante è la clorofilla, pigmento di colore verde contenuto nel
microscopico fitoplancton, che la utilizza per catturare energia dal sole. A causa di
questo pigmento verde, il fitoplancton assorbe preferibilmente le porzioni rosse e
blu dello spettro luminoso (per la fotosintesi) riflettendo in questo modo la luce
verde; di conseguenza, le zone oceaniche con elevate concentrazioni di
fitoplancton appariranno di una tonalità tendente al blu-verde, a seconda del tipo e
della densità della popolazione fitoplanctonica.
L’obiettivo della tesi di laurea pertanto, è stato quello di analizzare
immagini OC di concentrazione di clorofilla (chl) e concentrazione di materia
sospesa (tsm), al fine di metterne in luce aspetti rilevanti di carattere statistico. In
particolare si sono studiati da un lato fenomeni di erosione, dall’altro fenomeni di
interazione tra le due variabili.
Nel presente tirocinio invece, ci si è occupati della fase iniziale di
elaborazione delle immagini; tale fase comprende l’acquisizione del dato grezzo
satellitare e la sua modellazione come il remap e il riempimento di quei pixel non
visti dal satellite (a causa di nubi ad esempio). Questa fase è molto importante per
ottenere infine immagini “piene”, che si prestino adeguatamente ad essere
analizzate dal punto di vista statistico.
Relazione di Tirocinio
3
3 I DATI SATELLITARI
I dati satellitari presi in considerazione in questo lavoro sono dati ad alta
risoluzione spaziale (300 m) forniti dal satellite Envisat (Environmental Satellite),
lanciato in orbita dall’Agenzia Spaziale Europea (ESA) nella missione Envisat-1
del Marzo 2002. Il satellite Envisat orbitava attorno alla terra in 101 minuti,
effettuando un ciclo completo in 35 giorni; l'obiettivo principale del programma
era quello di offrire all'Europa uno strumento avanzato per l'osservazione remota
della Terra dallo spazio, allo scopo di aumentare ulteriormente la capacità degli
Stati membri di partecipare allo studio e al monitoraggio della Terra e del suo
ambiente. Envisat trasportava una schiera di nove strumenti per l'osservazione di
parametri ambientali, che coprivano ogni ambiente della Terra (acqua, terra,
ghiaccio e atmosfera) utilizzando diversi metodi di misura.
3.1 MERIS
MERIS era lo spettrometro usato per misurare la radiazione solare riflessa
dalla Terra ad una risoluzione spaziale di 300 m, con 15 bande spettrali nel
visibile e nell’infrarosso vicino, programmabili in ampiezza e posizione. MERIS
acquisiva immagini dell'intera superficie terrestre ogni 3 giorni, grazie al suo
ampio campo visivo; la sua missione primaria era quella di misurare il colore
delle acque sia nelle zone oceaniche che in quelle costiere. Tali dati potevano
essere convertiti per misurare la concentrazione del pigmento di clorofilla, la
concentrazione di sedimenti in sospensione e i carichi di aerosol sulle aree marine,
tutti fattori importanti per lo studio del ciclo del carbonio e del regime termico
dell’oceano; potevano essere inoltre utilizzati per la gestione delle zone di pesca e
delle zone costiere.
Il processamento dei dati di colore del mare forniti da MERIS, si può
suddividere in quattro fasi: acquisizione del dato grezzo (level 0, L0), passaggio
dal dato grezzo al dato grezzo georeferenziato (level 1, L1), passaggio dal dato
grezzo georeferenziato ai paramentri geofisici da studiare (level 2, L2) e
rimappatura di ciascun parametro geofisico sulla zona di interesse (level 3, L3).
La necessità del remap del dato L2 è dovuta al fatto che tali dati, cosi come
gli L1, seguono la curvatura della terra; risultano quindi distribuiti su una mesh
Relazione di Tirocinio
4
irregolare ed è pertanto necessario procedere ad una ridistribuzione dei pixel su
una griglia regolare.
Gli L0 sono i dati appena acquisiti e presentano conteggi di radianza bruti
insieme ai dati di telemetria degli strumenti. Il passaggio successivo vede la
trasformazione degli L0 in L1, in cui troviamo gli stessi dati bruti del livello
precedente insieme a dati riguardanti la geolocazione di ciascun pixel, dati di
calibrazione e i dati riformattati di telemetria degli strumenti. Applicando
coefficienti di calibrazione, correzione atmosferica e algoritmi bio-ottici all’L1
per ciascun pixel, si ha la creazione dell’L2 che quindi si presenterà come un
unico file, con la stessa risoluzione spaziale dell’L1, contenente tutti i parametri
geofisici da studiare. Per la creazione dell’L2 vengono anche richiesti dei dati
ausiliari come vento, pressione e ozono. In questa fase vengono anche inserite
informazioni riguardo la bontà dei dati geofisici pixel per pixel (quelle che
vengono chiamate “flags”). Questo controllo permette di decidere se utilizzare o
scartare un pixel “non buono” negli studi successivi. Questo file L2, per il gran
numero di informazioni che racchiude, è solitamente di grandi dimensioni e non
facilmente gestibile da calcolatori di media potenza. E’ per questo che si procede
con l’ultima fase del processamento e cioè l’estrazione e creazione di file singoli,
per ogni parametro geofisico dell’L2, rimappati sopra la zona di studio con la
risoluzione che interessa.
3.2 COASTCOLOUR
Nel 2010 ESA ha lanciato il progetto CoastColour per sfruttare appieno le
potenzialità dello strumento MERIS per il telerilevamento. Il progetto mirava a
migliorare l'acquisizione, da parte degli utenti, dei dati MERIS per applicazioni
nelle acque costiere, sviluppando e convalidando le ultime tecniche avanzate per
recuperare informazioni sui componenti dell'acqua. Nell’estate 2012, con la
conclusione del progetto, è stato raccolto un grande set di prodotti di OC
provenienti da 27 aree costiere distribuite a livello mondiale.
I prodotti CoastColour sono disponibili online sul sito web
www.coastcolour.org tramite il servizio di elaborazione on-demand di Calvalus.
Relazione di Tirocinio
5
Figura 1 Pagina di accesso al Calvalus on-Demand Processing
È disponibile l'archivio globale completo di MERIS Full e Reduced
Resolution che copre l'intervallo di tempo compreso tra il 17 maggio 2002 e l’8
aprile 2012. I principali vantaggi e caratteristiche del Calvalus On-Demand
Processing System sono:
• possibilità di scaricare esclusivamente prodotti relativi alla regione
di interesse
• generare gruppi dati specifici a livello di prodotto (L1P, L2R o
L2W) in base alle proprie esigenze.
• possibilità di specificare i periodi temporali, le regioni e i parametri
di elaborazione specifici.
• possibilità di scegliere tra set di dati di input a risoluzione completa
o ridotta.
Relazione di Tirocinio
6
3.2.1 UTILIZZO DEL PORTALE CALVALUS
Il portale per il download dei dati si presenta nel seguente modo:
Figura 2 Sezione iniziale del portale CoastColour
In questa sezione è possibile selezionare per prima cosa il tipo di processing
che si vuole effettuare, se L2 o L3; in secondo luogo si seleziona il tipo di
risoluzione dell’immagine (RR o FR), la regione di interesse e il periodo
temporale.
Relazione di Tirocinio
7
Il terzo passo è quello della scelta del tipo di prodotto tra L1P, L2R o L2W,
che sono i prodotti generati dal progetto CoastColour, a seguito dell’applicazioni
ai dati Meris degli algoritmi necessari per passare da dati di telemetria a parametri
marini:
Figura 3 Scelta del tipo di prodotto
Il Level 1P è un raffinato prodotto di radiazioni atmosferiche di livello
superiore rispetto al prodotto standard di Level 1b ricevuto dal sensore. Fornisce
una migliore geolocalizzazione e informazioni di caratterizzazione dei pixel
(nuvole, neve, ecc.). Il prodotto di livello L2R è il risultato della correzione
atmosferica, contiene la riflettanza dell’acqua, la riflessione lasciata dall’acqua e
diverse flags che caratterizzano i pixel, mentre il prodotto L2W contiene
informazioni sulle proprietà dell’acqua come concentrazione di clorofilla e
concentrazione di materia in sospensione, e, come nel livello L2R, le flags di
caratterizzazione dei pixel.
Relazione di Tirocinio
8
I dati così selezionati sono pronti per essere scaricati, previa definizione del
tipo di formato per i parametri di output:
Figura 4 Scelta del formato di output
Il NetCDF (Network Common Data Form) è il formato di default delle
immagini scaricate dal Calvalus On-Demand Processing System.
Il NetCDF è un insieme di librerie software e formati che supportano la
creazione, l'accesso e la condivisione di molti tipi di dati. Le librerie software,
indipendenti dal Sistema Operativo, sono liberamente distribuite per C, Fortran,
C++, Java e altri linguaggi.
Un dato in formato NetCDF è:
• Auto-Descrittivo. Un file NetCDF include informazioni sui dati che
contiene.
• Scalabile. È possibile accedere in modo efficiente a un piccolo
sottoinsieme di un grande set di dati.
• Espandibile. I dati possono essere aggiunti a un file NetCDF
correttamente strutturato senza copiare il set di dati o ridefinire la
struttura.
• Condivisibile. Uno scrittore e più lettori possono accedere
contemporaneamente allo stesso file NetCDF.
• Archiviabile. L'accesso a tutte le forme precedenti di dati NetCDF
sarà supportato dalle versioni correnti e future del software.
Relazione di Tirocinio
9
All'atto pratico il NetCDF è un tipo di formato dati usato soprattutto in
ambito scientifico, con particolare riferimento alle applicazioni inerenti il clima, la
meteorologia e l'oceanografia. Un dato NetCDF si divide in una parte iniziale
(header) ove dichiarare le informazioni che descrivono il dato stesso e ne aiutano
la comprensione tramite la definizione di attributi e variabili globali, e di un
"corpo" dove viene immagazzinato il dato vero e proprio (ad esempio una matrice
bidimensionale).
Di seguito è riportato un esempio di file NetCDF L2W, notevolmente
ridotto nel numero di variabili rispetto all’originale, sostanzialmente per
l’impossibilità di rappresentarlo interamente:
Source:
Directory\Nome_file.nc
Format:
netcdf4_classic
Global Attributes:
Conventions = 'CF-1.4'
TileSize = '16:4481'
product_type = 'MER_FSG_CCL2W'
metadata_profile = 'beam'
metadata_version = '0.5'
start_data = '04-JAN-2003 08:55:57
stop_date = '04-JAN-2003 08:56:40
title = 'MERIS CoastColour L2W'
Dimensions:
y = 961
x = 4481
iop_a_total_443
Size : 4481x961
Dimensions: x,y
Datatype : single
Attributes:
long_name = 'Total absorption coefficient of all water
constiuents at 443 nm.'
units = 'm^-1'
Coordinates = 'lat lon'
l1_flags
Size : 4481x961
Dimensions: x,y
Datatype : int8
Attributes:
long_name = 'Level 1b classification and quality flags'
Coordinate = 'lat lon'
Relazione di Tirocinio
10
flag_meanings = 'Cosmetic Duplicated Glint_risk Suspect
Land_ocean Bright Coastilne Invalid
flag_masks = [1 2 4 8 16 32 64 -128]
flag_coding_name = 'l1_flags'
conc_tsm
Size : 4481x961
Dimensions: x,y
Datatype : single
Attributes:
long_name = 'Total suspended matter dry weight
units = 'g m^-3'
Coordinates = 'lat lon'
conc_chl_nn
Size : 4481x961
Dimensions: x,y
Datatype : single
Attributes:
long_name = 'Chlorophyll concentration.'
units = 'mg m^-3'
Coordinates = 'lat lon'
Lat
Size : 4481x961
Dimensions: x,y
Datatype : single
Attributes:
long_name = 'latitude coordinate'
units = 'degrees_north'
standard_name = 'latitude'
lon
Size : 4481x961
Dimensions: x,y
Datatype : single
Attributes:
long_name = 'longitude coordinate'
units = 'degrees_east'
standard_name = 'longitude'
Figura 5 esempio di file NetCDF
Un NetCDF scaricato dal Calvalus contiene un numero di variabili molto
maggiore di quelle rappresentate nell’esempio, il che rende complicata ed
onerosa, dal punto di vista computazionale, la manipolazione di tali file. Per
questo motivo si procede in primo luogo ad estrarre le variabili di interesse dal file
completo e, successivamente, al processamento dei dati.
Uno strumento molto potente per l’elaborazione di tali dati, poiché scritto in
C, è Matlab, che contiene diverse interfacce a decine di funzioni nelle librerie
Relazione di Tirocinio
11
NetCDF, consentendo la lettura, l’elaborazione e la scrittura dei dati. Si è pertanto
fatto uso di tale software per rispondere alle esigenze di programmazione nella
elaborazione delle immagini.
4 METODOLOGIA
Il concetto generale dell’acquisizione e il processamento di dati OC, da
parte del progetto CoasColour, è riassunto in figura 6:
Figura 6 Schema dell’acquisizione e processamento di dati OC
Come già detto nel paragrafo precedente, il prodotto finale di livello 2 di
CoastColour è l’L2W, contenente esclusivamente parametri marini. Tale livello di
prodotto è stato il dato di input per le analisi effettuate; si è dunque sfruttata la
potenzialità del Calvalus per cominciare le analisi partendo da un prodotto di
livello più raffinato rispetto ai precedenti.
Il data-set disponibile per le analisi sui parametri fisici (tsm) e bio-
geochimici (chl) ricopre tutta la durata di attività della missione Envisat-1, dal
2003 al 2012.
Relazione di Tirocinio
12
La metodologia per il processamento dei dati, al fine di ottenere immagini
piene (con ogni pixel contraddistinto da un valore rappresentativo della grandezza
in esame), è stata così articolata:
• remap di ogni immagine sulla zona di interesse (il Mar Adriatico);
• realizzazione delle medie mensili;
• realizzazione del mese climatologico;
• smooth del mese climatologico;
• interpolazione tra medie mensili e corrispondenti mesi climatologici.
4.1 REMAP
Una immagine L2W scaricata dal Calvalus si presenta nel modo seguente:
Figura 7 Gennaio 19/2003
Ogni pixel che caratterizza l’immagine è contraddistinto da un valore del
parametro in esame, che non è detto si possa ritener valido a prescindere. Per
caratterizzare i pixel vengono consultate le flags, che classificano i pixel
sostanzialmente come buoni o ambigui (nel caso ad esempio di un pixel con un
valore di diversi ordini di grandezza superiore rispetto ai pixel che lo circondano).
È molto importante trovare ed escludere quei pixel non buoni, al fine di non
Relazione di Tirocinio
13
compromettere le analisi ed ottenere risultati privi di basamento fisico. A seguito
dell’individuazione e dell’eliminazione dei pixel ambigui, si è proceduto al remap
dell’immagine:
Figura 8 Gennaio 19/2003 rimappato
Si può notare come a seguito del remap, l’immagine cambi posizione
rispetto all’originale, chiaro segnale del passaggio da una mesh irregolare a
regolare.
Risultano evidenti ampi spazi vuoti relativi a quei pixel non rilevati dal
satellite per via della presenza di nubi. Tale problema viene affrontato più avanti
tramite la creazione dei mesi climatologici e interpolazione con le corrispettive
medie mensili.
4.2 MEDIE MENSILI
Con i dati rimappati si è proceduto ad estrapolare medie mensili. Questa
operazione risulta importante per ridurre sensibilmente l’onere computazionale di
Relazione di Tirocinio
14
calcolo, in quanto si passa da circa 30 immagini al mese, per 10 anni, ad una sola
immagine mensile rappresentativa del valore medio della grandezza fisica
considerata:
Figura 9 Media del mese di Gennaio 2003
Le medie mensili così create risultano avere una copertura maggiore in
termini di pixel visti, rispetto alle immagini giornaliere, salvo per quei punti non
visti, comuni a tutte le matrici dati che compongono il mese.
4.3 CLIMATOLOGIA
Una volta create le immagini mediate di concentrazione di chl e tsm, si pone
il problema di riempire, in qualche modo, i pixel che continuano ad essere
contraddistinti da NaN (not a number).
Questo problema viene affrontato tramite creazione di mesi climatologici e
successiva interpolazione con le relative immagini mediate, al fine di riempire i
vuoti delle medie mensili con i rispettivi valori climatologici. Il mese
Relazione di Tirocinio
15
climatologico è definito come la media dei mesi mediati. In sostanza, il Gennaio
climatologico ad esempio, sarà uguale alla media di tutti i mesi di Gennaio
mediati.
Figura 10 Gennaio climatologico di tsm
Il mese climatologico così creato si presenta come un’immagine piena,
senza NaN, pronta per essere interpolata; in realtà vi sono pochi punti, non visibili
a causa della elevata risoluzione delle immagini, che restano ancora vuoti. Per
risolvere questo ultimo delicato punto si è fatto uso della procedura Smooth
tramite il software IDL per il telerilevamento. Tale procedura attribuisce ai pixel
vuoti il valore medio degli n punti che lo circondano, con n parametro della
procedura. Alla fine di tale procedimento si ottengono matrici di dati piene, di
mesi climatologici.
Relazione di Tirocinio
16
4.4 INTERPOLAZIONE
Avendo a disposizione immagini smoothate senza vuoti, è stato possibile
procedere all’interpolazione delle medie mensili con le rispettive climatologie, in
cui i pixel non visti delle immagini mediate vengono sostituiti dai valori
climatologici.
Le immagini di concentrazione di tsm e chl, ottenute alla fine di tale
procedura, si presentano nel seguente modo:
Figura 11 Media mensile piena di tsm
Relazione di Tirocinio
17
Figura 12 Media mensile piena di chl
Relazione di Tirocinio
18
5 CONCLUSIONI
Le immagini ottenute al termine di quanto appena descritto, sono state
successivamente analizzate statisticamente nel proseguo della tesi di laurea
A seguito di questa analisi preliminare è comunque possibile mettere in luce
alcuni aspetti importanti che correlano le due variabili considerate, prendendo in
considerazione come esempio le seguenti due immagini:
Figura 13 Confronto tra medie mensili di tsm e chl
Si può osservare come alla foce del Po si verifichi un alto tasso di
sversamento di sedimenti, così come si osserva una elevata concentrazione di
biomassa fitoplanctonica. Questo è un chiaro segnale del rischio di
eutrofizzazione a cui sono molto sensibili le zone costiere, soprattutto in vicinanza
delle foci fluviali e laddove si risente di una forte antropizzazione.
Ovviamente un confronto basato su di un mese non può caratterizzare tale
fenomeno, ma questo vuole essere solo una piccola introduzione a ciò che durante
la tesi è stato studiato più nel dettaglio.