%0 Thesis
%4 sid.inpe.br/mtc-m21c/2021/06.08.17.14
%2 sid.inpe.br/mtc-m21c/2021/06.08.17.14.30
%T Aprimoramento do método de classificação diurna de nuvens do CPTEC utilizando o sensor ABI/GOES-16
%J Improvement of the CPTEC diurnal cloud classification method using the ABI/GOES-16 sensor
%D 2021
%8 2021-05-27
%9 Dissertação (Mestrado em Meteorologia)
%P 113
%A Carvalho, Gilvani Gomes de,
%E Coelho, Simone Marilene Sievert da Costa (presidente),
%E Vila, Daniel Alejandro (orientador),
%E Negri, Renato Galante (orientador),
%E Ceballos, Juan,
%E Porfirio, Anthony Carlos Silva,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K classificação de nuvens, GOES-16/ABI, k-means, métodos de agrupamento, cloud classification, clustering methods.
%X As nuvens desempenham um papel importante nos processos atmosféricos envolvendo o espalhamento e a absorção da radiação. Neste contexto, a classificação adequada das nuvens é fundamental para o entendimento de tais processos e os satélites geoestacionários são ferramentas valiosas. O objetivo deste estudo foi avaliar e aprimorar o classificador de nuvens mantido em operação pelo Centro de Previsão de Tempo e Estudos Climáticos do Instituto Nacional de Pesquisas Espaciais (CPTEC/INPE) e desenvolver um classificador novo explorando os novos canais presentes no sensor ABI/GOES-16. Imagens do sensor ABI/GOES-16 do período entre janeiro de 2019 a dezembro de 2020 foram utilizadas. O classificador operacional foi avaliado e aprimorado nos três horários disponíveis, 12:00, 15:00 e 18:00 UTC utilizando imagens dos canais em 0,64 e 10,3 μm do sensor ABI/GOES-16. Somado a isso, o classificador foi comparado à três produtos de nuvens disponibilizados pela NOAA: temperatura do topo da nuvem, fase da nuvem e máscara de nuvem visando observar o comportamento dos classificadores às características termodinâmicas das nuvens. Foi observado que alguns alvos tiveram uma melhora na identificação de aproximadamente 3%, como é o caso das nuvens cirrus. Outros alvos, como as nuvens cumulus, tiveram identificação semelhantes em ambas as versões do classificador. Devido à grande quantidade de parâmetros possíveis para o desenvolvimento do novo classificador, foi aplicada a técnica PCA para redução dos parâmetros, resultando em 12 (canais 0,64, 1,37, 6,2 8,4, 10,3 μm, texturas dos canais 0,64, 6,2, 10,3 μm e as diferenças espectrais 6,2-10,3, 11,2-12,3, 11,2-3,9 e 3,9-12,3 μm). Na comparação com os produtos da NOAA, foi verificada uma alta coerência das características termodinâmicas das nuvens, observando uma melhora de até 15% na categorização de nuvens cirrus, stratus e multicamadas. Por outro lado, a identificação das superfícies continentais e oceânicas foi semelhante àquelas dos classificadores operacional e atualizado nos três horários. O novo classificador baseado em 12 parâmetros, apresentou melhoras em relação ao original baseado em 4 parâmetros, porém ajustes ainda são necessários. ABSTRACT: Clouds play an important role in atmospheric processes involving the scattering and absorption of radiation. In this context, the proper cloud classification is essential for understanding such processes and geostationary satellites are valuable tools. The objective of this study was to evaluate and improve the cloud classifier kept in operation by the Center for Weather Forecasting and Climate Studies of National Institute for Space Research (CPTEC/INPE) and develop a new classifier exploring new channels in ABI/GOES-16 sensor. Images from ABI/GOES-16 sensor were used for the period between January 2019 and December 2020. The operational classifier was evaluated and improved at the three available times, 12:00, 15:00, and 18:00 UTC images of channels 0.64 and 10.3 μm from ABI/GOES-16 sensor was used. In addition, the classifiers were compared to three cloud products provided by NOAA: cloud top temperature, cloud top phase, and cloud mask in order to observe the classifiers behavior to the thermodynamic characteristics of clouds. It was observed that some targets had an improvement in the identification of approximately 3%, as is the case of cirrus clouds. Other targets, such as cumulus clouds, had similar identification in both classifiers. Due to many possible parameters to develop the new classifier, the PCA technique was applied to reduce the parameters, resulting in 12 (channels 0.64, 1.37, 6.2 8.4, 10.3 μm, texture of the channels 0.64, 6.2, 10.3 μm, and the spectral differences 6.2-10.3, 11.2-12.3, 11.2-3.9 and 3.9-12.3 μm). In comparison with NOAA products, it was verified a high consistency of the clouds thermodynamic characteristics, observing an improvement up to 15% in the categorization of cirrus, stratus, and multilayer clouds. On the other hand, the surface continental and oceanic identification was similar to the operational and update classifiers in the three times available. The new classifier based on 12 parameters, presented an improvement to the original classifiers, based on 4 parameters, however, adjustments are still needed.
%@language pt
%3 publicacao.pdf