Propunem o serie de articole privind automatizarea prognozei meteorologice pe termen scurt, folosind tehnici de învățare automată (eng. Machine Learning). Seria este deschisă cu o prezentare a datelor satelitare și a datelor provenite de la radarele meteorologice, considerate principalele surse de date pentru algoritmii de prognoză automată. Vom continua cu prezentarea unor metode și modele de învățare automată pentru prognoza fenomenelor meteorologice severe pe termen scurt, ce sunt dezvoltate in cadrul proiectului internațional de cercetare WeaMyL, condus de o echipă de la Universitatea Babeș-Bolyai, în parteneriat cu Administrația Națională de Meteorologie și Met Norway.
Sateliții meteorologici joacă un rol important în observarea fenomenelor meteorologice, oferind imagini de ansamblu, la o scară extinsă, completând astfel datele obținute la nivel local prin observațiile de la sol și prin monitorizarea radar a dezvoltărilor noroase și a fenomenelor asociate. Dezvoltarea și utilizarea sateliților meteorologici, care a început după cel de-al Doilea Război Mondial, a dus la îmbunătățirea substanțială a prognozelor meteorologice și la o mai bună înțelegere a funcționării climei.
Astăzi, aproximativ 95% din datele utilizate de modelele numerice meteorologice provin de la sateliți [5]. Aceștia sunt dotați cu multiple instrumente de măsurare a radiației vizibile, infraroșii și de microunde, emise de suprafața terestră și de atmosferă. Se fac observații globale ale formațiunilor noroase, ale mișcării maselor de aer și circulațiile generate de acestea, ale temperaturii mărilor și oceanelor, extinderea suprafețelor acoperite de zăpadă sau gheață etc. Deși senzorii satelitari nu pot măsura direct parametrii meteorologici, așa cum temperatura aerului este măsurată la o stație meteorologică cu un termometru cu mercur, aceștia sunt calculați din valorile radiației măsurate folosind modele fizico-matematice complexe.
Datele obținute de la distanță de sateliți, corelate cu celelalte tipuri de măsurători sunt integrate în modelele numerice de prognoză a vremii, rulate pe super-calculatoare în centrele meteorologice din întreaga lume. De exemplu, sistemul de prognoză meteo de la Centrul European pentru Prognoze Meteo pe Termen Mediu (ECMRWF) din Marea Britanie procesează zilnic 40 de milioane de observații individuale pentru a oferi estimări asupra evoluției vremii.
Țara noastră a început să utilizeze informațiile obținute cu ajutorul sateliților în anii ’60. In 1969, realizând importanta sateliților meteorologici, Institutul Național de Meteorologie și Hidrologie înființează Colectivul de Meteorologie Satelitară [2].
În 1970, în urma unei donații a Organizației Meteorologice Mondiale (OMM), se instalează o stație de recepție Hawker-Sidley, care recepționează imaginile analogice transmise în sistem APT (eng. Automatic Picture Transmission) de către sateliții din seria NOAA. Imaginile erau imprimate pe hârtie electrochimică. În 1974 a fost instalata stația WESS-2, care recepționa semnalele APT de la sateliții de pasaj NOAA, imaginile transmise în două canale spectrale (vizibil și infraroșu termic) fiind imprimate pe hârtie fotografică.
În 1984, la finalizarea unui proiect comun cu Institutul de Cercetări pentru Electronică (ICE), a fost instalată prima stație Meteosat analogică SDUS (eng. Secondary Data User Station). Utilizând facsimilul fotografic al stației WESS-2, imaginile puteau fi imprimate pe hârtie fotografică pentru a fi vizualizate.
Colaborarea cu ICE a continuat și în 1988 a fost instalat primul sistem de recepție a datelor digitale PDUS (eng. Primary Data User Station) de la sateliții geostaționari Meteosat, care a fost proiectat și construit în întregime în România.
În anul 1994, stația PDUS Meteosat a fost modernizată, fiind finalizată portarea programelor de la sistemele PDP 11/44 la sisteme IBM PC. În 1995, EUMETSAT introduce criptarea transmisiei digitale și livrează utilizatorilor cheile de acces MKU, care, împreună cu software-ul dezvoltat local va asigura decriptarea datelor Meteosat.
În 1997, în urma proiectului OMM “SWISS-SAT”, se instalează o stație de recepție Meteosat SDUS TECNAVIA ce va furniza meteorologilor previzioniști imagini și secvențe animate în regim operativ, iar în 1999 se instalează un sistem de recepție a datelor și imaginilor digitale satelitare NOAA / HRPT (Smartech).
În 2001, în cadrul proiectului SIMIN, se instalează o nouă stație PDUS, iar în 2003 prima stație în tehnologie EumetCast. În 2007, sistemul EumetCast se modernizează prin instalarea unui sistem de recepție și prelucrare de tip “Hot Stand-by” în banda C care va asigura date, imagini și produse satelitare pentru activitatea de prognoză a vremii pe scurtă și foarte scurtă durată.
În anul 2003, se încheie acordurile cu EUMETSAT și ECMWF, România devenind membru cooperant în anul 2004.
În prezent, imaginile satelitare și produsele meteorologice derivate din datele recepționate în timp real și sunt prelucrate automat de programe specializate dezvoltate de către specialiștii Colectivului de Meteorologie Satelitară.
Prognozele meteo se bazează pe date de la sateliți aflați pe două tipuri diferite de orbită și care oferă perspective complementare asupra atmosferei Pământului și asupra fenomenelor meteorologice în desfășurare. Sateliții de pe orbita geostaționară se rotesc odată cu Pământul în jurul axei sale, astfel satelitul este fix față de suprafața Pământului la o înălțime constantă de aproximativ 36000 km deasupra ecuatorului. Sateliții de pe orbita polară înconjoară Terra de-a lungul meridianelor la o altitudine mult mai mică, de până la 1000 de kilometri.
Fig.1. Orbitele sateliților meteorologici [1]
Orbita geostaționară de înaltă altitudine permite ca o mare parte a scoarței Pământului să fie vizualizată în mod continuu. De exemplu, sateliții europeni geostaționari Meteosat observă constant Europa și Africa, în timp ce sateliții americani NOAA GOES fac același lucru pentru America. Acestea sunt realizate de către sateliții meteorologici geostaționari (Meteosat, Goes) si polar orbitali (NOAA, MetOp, FY-3, Jason, Sentinel), lansați si exploatați de organizații internaționale și naționale ca EUMETSAT, NOAA, JASCA, ESA. Principalele surse de date în ceea ce privește imaginile satelitare în Europa sunt Sat 24 și EUMETSAT. Sateliții Meteosat ai EUMETSAT au ajuns la a treia generație. Din prima generație au făcut parte sateliții care au fost operativi în perioada 1977-2017: Meteosat 1-Meteosat 7. Meteosat 8 a fost primul din cea de a doua generație.
Fig. 2. Generațiile sateliților Meteosat MFG, MSG și MTG [1]
Instrumentul cel mai important de la bordul sateliților Meteosat de generația a doua este numit SEVIRI (eng. Spinning Enhanced Visible and Infrared Imager). Acest radiometru scanează permanent atmosfera și suprafața Pământului în spectrul vizibil și infraroșu al radiațiilor electromagnetice. Folosind un telescop cu trei oglinzi, el generează o imagine în aproximativ cincisprezece minute. Radiația primită este detectată de către instrument în douăsprezece canale. În funcție de lungimea de undă, fiecare canal reprezintă un tip diferit de informație. În Figura 3 este arătat spectrul de absorbție pentru opt canale în infraroșu de la bordul sateliților Meteosat de generația a doua.
Fig. 3. Spectrul absorbției pentru opt canale termice de la bordul sateliților Meteosat de generația a doua pentru diferite componente chimice [1]
Sunt patru canale care măsoară radiația reflectată, trei în spectrul vizibil și unul în infraroșu:
VIS 0.6 (vizibil) când sunt monitorizați norii se poate face distincție între norii groși (alb) și norii subțiri (gri).
VIS 0.8 (vizibil) are o reflectanță mai mare pentru vegetație, norii groși apar albi iar cei mai transparenți, apar gri.
Fig. 4. Canalele sateliților Meteosat de generația a doua [1]
NIR 1.6 (infraroșu apropiat) are o absorbție mai puternică pentru particulele de gheață decât pentru picături de apă. Această proprietate este foarte importantă în special pentru inițierea convecției, are abilitatea de a face distincția dintre norii formați din picături de apă și cei formați din cristale de gheață. Norii formați din cristale de gheață apar în nuanțe de gri (reflectivitatea de aproximativ 30-40%), norii formați din picături de apă apar în nuanțe mai albe (reflectivitatea mai mare).
IR 3.9 (infraroșu) are o absorbție considerabilă a dioxidului de carbon. Are o componentă solară (în timpul zilei) și o componentă termică (ziua și noaptea). Una dintre cele mai importante funcții ale acestui canal este detecția norilor joși, care apar în nuanțe de gri. Norii joși, formați din picături de apă sunt strălucitori, norii frontali, formați din cristale mai mari de gheață, apar în nuanțe de negru. O altă aplicație a acestui canal care trebuie menționată este detecția incendiilor. Este un hibrid dinte un canal solar și unul emisiv.
WV 6.2 (vapori de apă): absorbție foarte puternică a apei (canal clasic în vapori de apă, de obicei suprafețele nu sunt vizibile); Cantitatea mare de vapori de apă de la nivelurile înalte (nuanțe strălucitoare) ne ajută să identificăm locația și orientarea limitelor dintre ariile cu umezeală ridicată și cele cu umezeală scăzută. Ariile uscate (în nuanțe întunecate) sunt un semn de ciclogeneză deoarece aerul stratosferic (uscat) pătrunde către în jos.
WA 7.3 (vapori de apă): absorbție puternică a apei (suprafețele pot fi văzute doar în condiții extrem de uscate); de asemenea, există absorbție a dioxidului de sulf;
Fig. 6. Imagine Meteosat 8 (WA 7.3) - 19.06.2016 ora 19 UTC [2]
IR 8.7 (infraroșu): absorbție moderată a apei. Acest canal ajută la detecția prafului și a norilor de dioxid de sulf. Principala lui aplicație este detectarea norilor subțiri, formați din cristale de gheață. La latitudinile mai mari, acest canal este foarte util pentru detecția norilor joși situați deasupra suprafețelor reci. (cel mai murdar canal fereastră); de asemenea, există absorbție a dioxidului de sulf.
b) Imagine Meteosat 8 (IR 10.8 amplificat) - 19.06.2016 ora 19 UTC [2]
IR 10.8 (infraroșu): absorbție slabă a apei (canal fereastră curat); este canalul cel mai des folosit atât ziua cât și noaptea în activitatea operativă. Pot fi observați nori situați la toate nivelurile și care au un interval mare de temperatură.
IR 12.0 (infraroșu): absorbție slabă a apei (canal fereastră curat); Acest lucru face posibilă observarea norilor foarte subțiri care nu sunt vizibili cu canalele solare și nici chiar cu ochiul liber de la suprafață.
Observațiile parametrilor atmosferici cu ajutorul sateliților sunt indispensabile pentru metodele moderne de predicție a evoluției vremii, bazate în principal pe modele numerice de prognoză (MNP, din eng. numerical weather prediction, NWP). Aproximativ 95% din toate observațiile asimilate prin MNP sunt furnizate de sateliți [5]. În activitatea operativă de prognoză a vremii, folosirea imaginilor și a produselor derivate din datele satelitare este esențială. Imagistica satelitară are numeroase aplicații în funcție de proprietățile diferitelor canale spectrale.
În primul rând, imaginile satelitare ne ajută să înțelegem și să vizualizăm mai bine contextul sinoptic în care se desfășoară anumite fenomene meteorologice. În efectuarea analizelor sinoptice, se folosesc adesea produse care suprapun imagini satelitare și harți ale reliefului baric, ale câmpurilor de geopotențial la diferite altitudini, ale distribuției umezelii relative, temperaturii, vântului, vorticității potențiale etc. (Fig. 8).
Fig. 8. a) Produs eumetrain.org: imagine satelitară + presiune la sol și geopotențial la 500 mb
b) Imagine satelitară în vapori de apă+ câmpul presiunii la sol și advecții termice [4]
Observațiile asupra dinamicii atmosferei respectiv, asupra vântului atmosferic sunt deosebit de importante pentru prognoza evoluției vremii. Evoluția și deplasarea sistemelor noroase cum ar fi sistemele frontale, sistemele convective mezoscalare, ciclonilor tropicali, norilor proveniți din erupții vulcanice, incendii, a norilor alcătuiți din diverși poluați etc., poate fi prezisă doar cu ajutorul informațiilor despre vânturile atmosferice furnizare de sateliții meteorologici. Datele despre vânt sunt necesare pentru a calcula convergența și vorticitatea care duc la prezicerea evoluției diferitelor tipuri de sisteme meteorologice.
Fig. 9. Imagine satelitară în vizibil + direcția și intensitatea vântului [4]
Un alt parametru util determinat de măsurători satelitare este temperatura suprafeței mării, care poate indica regiunile unde există condiții favorabile pentru dezvoltarea convecției severe sau condiții pentru ca un sistem convectiv în mișcare să se intensifice sau să scadă în intensitate.
De asemenea, profilele de temperatură și umiditate obținute cu ajutorul datelor satelitare și a modelelor numerice oferă informații deosebit de importante. Acești parametri determină starea termodinamică a atmosferei, transformarea energiei convective și a energiei radiative în energie cinetică, prin urmare cunoașterea stării termodinamice a atmosferei este crucială pentru prognoza vremii [5].
Fig. 10 .Vizualizarea temperaturii apei la suprafața oceanului Atlantic și Mării Mediterane 28 June 2010 [3]
În ceea ce privește prognozele meteorologice pe intervale scurte și foarte scurte de timp (eng. nowcasting), imaginile furnizate de la intervale de 10 - 15 minute sau chiar 5 minute, oferite de sateliții geostaționari pot ajuta substanțial la precizia prognozării fenomenelor convective severe. În general, tehnicile de prognoză pe termen scurt și foarte scurt sunt diferite de cele ale MNP, prognozele pe termen scurt bazându-se în cea mai mare parte pe urmărirea mișcării și evoluției formațiunilor noroase fie cu ajutorul radarului meteorologic, fie cu ajutorul sateliților. Pentru predicția pe termen scurt a precipitațiilor (0 - 3 ore), metodele bazate pe advecția lagrangiană a radarului și a imaginilor satelitare ale sistemelor convective oferă estimări mai precise. Pentru estimări pe intervale mai lungi de timp, MNP pot avea o mai bună predictibilitate, deoarece rezolvă scări mai mari.
Proiectul WeaMyL este finanțat prin mecanismul Granturilor Norvegiene, cu numărul RO-NO-2019-0133, contract 26/2020.
[1] Organizația Europeană pentru Exploatarea Sateliților Meteorologici (EUMETSAT),
[2] Administrația Națională de Meteorologie,
[3] Agenția Spațială Europeană,
[5] C. M. Kishtawal, Use of Satellite Observations for Weather Prediction, MAUSAM, 70, 4, 2019, 709-724
Robotics & AI
de Ovidiu Mățan
