Investigadores de las universidades de Granada y Valladolid han ideado una técnica para detectar y caracterizar automáticamente la cubierta nubosa de una zona mediante una cámara de cielo. Este dispositivo es una cámara de fotos o vídeo con una lente ojo de pez incorporada para visualizar en una sola imagen toda la bóveda celeste.
La cubierta nubosa es la porción del cielo que está cubierta por nubes y tradicionalmente se ha determinado a través de observadores humanos. Existen otros tipos de instrumentos que sirven para calcular de manera automática la cubierta nubosa, como radiómetros, radares, ceilómetros y, a mayor escala, satélites. Todas estas técnicas son capaces de determinar la cubierta de nubes, pero no de localizar espacialmente la posición de las mismas, un reto que sí resuelve el uso de una cámara de cielo.
Ahora investigadores del departamento de Física Aplicada y del Instituto Universitario de Investigación del Sistema Tierra en Andalucía (IISTA) de la Universidad de Granada y del Grupo de Óptica Atmosférica (GOA) de la Universidad de Valladolid han ideado un nuevo método para detectar la cubierta nubosa de manera automática con una cámara de cielo.
Así lo explica Roberto Román, primer autor de este trabajo, publicado en la revista Atmospheric Research: “El potencial de este método es que puede aportar, de manera automática y cuasireal, la cubierta nubosa en un lugar específico, además de su posición respecto del lugar. Como se combina con medidas de ceilómetro (un instrumento que mide la altura de las nubes situadas sobre la vertical), es posible una clasificación de las mismas”, apunta.
Los datos sobre la cubierta de nubes obtenidos con esta técnica han sido comparados con observaciones humanas realizadas a través de la Agencia Estatal de Meteorología (AEMET), lo que ha permitido contrastar las observaciones automáticas de la cámara de cielo.
La cámara de cielo que está detrás de este sistema suele ser una cámara de fotos o vídeo RGB (siglas en inglés de red, green y blue) a la que se coloca una lente ojo de pez para poder visualizar todo el cielo en una sola imagen. Así, una imagen RGB está formada por tres imágenes: roja, verde y azul.
“Normalmente se detectan los pixeles que representan nubes calculando el cociente entre el canal rojo y el azul de cada pixel, y si este cociente es mayor que un valor umbral (el cielo es menos azul) entonces se considera que hay una nube. Así, este cociente representa cómo de blanco es el cielo”, precisa.
Resolver el problema de los aerosoles
Uno de los problemas principales de este método, añade, aparece cuando existe una carga importante de aerosoles (partículas en suspensión) en la atmósfera, “especialmente si estas partículas son gruesas como en los casos de calima (polvo mineral proveniente de desiertos como el Sahara), ya que el cielo se torna de color más blanquecino y el método considera que hay nube en el cielo cuando en realidad no es así”, una situación que también ocurre en las zonas del cielo más próximas a la aureola solar y al horizonte.
Para solucionar estas circunstancias, los investigadores han configurado dos cámaras de cielo (una en Valladolid y otra en Granada) para que tomen imágenes de alto rango dinámico (HDR). Para cada imagen de este tipo –que se captan cada cinco minutos– se obtiene previamente información auxiliar del ceilómetro. La información de este instrumento, junto con un análisis global de la imagen, se utiliza para clasificar las características del cielo, por ejemplo si el cielo está muy oscuro (típico de lluvia) o está parcialmente despejado.
“Nuestro algoritmo va más allá, ya que para descartar píxeles clasificados como nubosos que no lo son, se aplica un criterio basado en que, en ausencia de nubes, el cielo presenta simetría en su hemisferio respecto al plano principal del Sol. Además se han aplicado otra serie de criterios basados en la variabilidad entre dos imágenes consecutivas para detectar nubes alrededor del Sol o de la variabilidad espacial dentro de una imagen para detectar nubes altas, como los cirros, un tipo de nube compuesta por filamentos largos y delgados, que son difíciles de apreciar”, destaca.
Para estudios del clima, aviación y energía solar
Los datos del método propuesto pueden ser útiles en el campo del cambio climático “debido al impacto radiativo que tienen las nubes sobre el balance energético del sistema Tierra”. Asimismo, el poder estimar la cubierta de nubes, su posición y el tipo de nube, “es interesante en el campo de la aviación, donde esta información es muy relevante”.
Además esta técnica puede ser útil en el cálculo de la producción de energía solar, así como en su predicción a corto plazo, “ya que identificando las nubes y su posición existen métodos capaces de predecir cuando estas nubes harán sombra sobre, por ejemplo, un panel fotovoltaico, indicando que en ese momento no producirá apenas energía”, concluye Román.
Referencia bibliográfica:
Román, R., Cazorla, A., Toledano, C., Olmo, F. J., Cachorro, V. E., de Frutos, A., y Alados-Arboledas, L. (2017). “Cloud cover detection combining high dynamic range sky images and ceilometer measurements”. Atmospheric Research.
El pájaro robótico PigeonBot II, probado con éxito en un túnel de viento y de manera autónoma al aire libre, logra volar de manera similar a estas aves, sin aleta vertical. Sus aplicaciones abren el camino para diseñar aviones más eficientes en combustible.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
