Estudio sobre clasificación de tipos de nubes en imágenes de satélites meteorológicos usando procesamiento de imágenes y técnicas de aprendizaje automático | Defensa de Trabajo Especial

Director: Sergio Masuelli

Link de Google Meet: https://meet.google.com/non-wmkf-gyj

Resumen: Este trabajo consiste en el estudio de las características espectrales distintivas de los diversos tipos de nubes, a partir de las imágenes obtenidas por el radiómetro multiespectral ABI a bordo del satélite GOES-16. Para esta caracterización se reprodujo el algoritmo de Micro-física de Día, que provee una imagen RGB en distintos tonos de acuerdo al tipo de nube, el algoritmo de Color Real con fines de verificación y se realizó una clasificación tradicional mediante umbrales. Además, como objetivo principal del trabajo, se entrenó un clasificador de forma supervisada mediante redes neuronales artificiales con el fin de que sea capaz de elaborar mapas temáticos de los tipos de nubes, teniendo como entrada las imágenes multiespectrales de GOES-16. Para ello fue necesario armar un conjunto de datos etiquetado adecuado, para lo cual se utilizaron productos provistos por el radar a bordo del satélite Cloudsat, técnica basada en trabajos anteriores (Gorooh et al, 2020), de forma que seleccionándolos adecuadamente se obtienen las etiquetas para asociar a cada imagen de GOES-16. Se obtuvieron buenos resultados con ambos clasificadores para las nubes de convección profunda. El clasificador entrenado por redes neuronales las distingue con una precisión del 68%. Además, este último se desempeña muy bien distinguiendo áreas con nubes de otras que no las poseen. Las nubes tipo Cirrus y Altocúmulus muchas veces son sobreestimadas por el clasificador.