Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa

Detalhes bibliográficos
Autor(a) principal: YAMAMOTO, Ana Letícia Campos
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/2355
Resumo: A radiação ultravioleta (RUV) exerce influência sobre a vida na Terra. Por esta razão, é de suma importância a mensuração dessa radiação e a avaliação do impacto dos constituintes atmosféricos nos níveis de RUV em superfície. Uma alternativa viável é a utilização de modelos de transferência radiativa (MTR), que simulam a RUV em diferentes condições atmosféricas. Contudo, os efeitos da cobertura de nuvem (CN) são fontes significativas de erros nos MTR. Uma técnica acessível e de baixo custo, para determinação da CN é o imageamento, que consiste em converter imagens do céu em dados de CN. Para tanto, foram coletadas 230 fotografias do céu por câmeras de smartphone (Samsung Galaxy A5) e fotográfica (Sony Cyber-shot - DSH-H7), simultaneamente, abrangendo diferentes tipos e coberturas de nuvens, além de condições de céu claro. As imagens foram processadas por um conjunto de algoritmos, que classificou e contabilizou os pixels de nuvem. Foram testados 13 limiares, dentre os encontrados na literatura (0,12, 0,65 e 0,90), para classificação de pixels de nuvens. Para fins de validação, as fotografias foram avaliadas visualmente por observador, e estatisticamente, pelo método de análise de regressão linear e coeficiente de determinação (R²). Para a modelagem foi utilizado o MTR TUV (Tropospheric Ultraviolet and Visible), alimentado com: a) perfil vertical de atmosfera tropical; b) conteúdo total de ozônio (CTO) e c) propriedades ópticas de aerossóis, para a localidade de Itajubá (22,4ºS, 45,5°W, 850 m). Foram realizados testes de parametrização e sensibilidade do MTR envolvendo diferentes profundidades ópticas, espessuras verticais e alturas da base e topo das nuvens, para os solstícios de inverno e verão. Em seguida, os dados de RUV coletados por um radiômetro UV SUV-E da Kipp & Zonen e simulados pelo MTR foram avaliados em termos de Índice Ultravioleta (IUV) e por métodos estatísticos: a) a raiz do quadrado médio do erro (RQME); b) coeficiente de correlação (r); c) tendência (BIAS) e; d) índice de concordância (d). Para avaliação do efeito das nuvens sobre os fluxos de RUV, foi utilizado o índice Cloud Modification Factor (CMF). Resultados do processamento das fotografias indicaram bom desempenho da técnica (p < 0,0001) com a utilização dos limiares de 0,18 (smartphone) e 0,26 (câmera fotográfica), sendo superiores aos obtidos com a utilização do limiar de 0,12. Quanto aos demais limiares encontrados na literatura, os resultados apontaram, equivocadamente, valores de CN correspondentes a 100% para todos os casos. Em relação à modelagem de RUV pelo MTR, os testes de sensibilidade evidenciaram que a variável mais relevante para simulações sob condições de nebulosidade é a profundidade óptica. De modo geral, o desempenho do MTR TUV, em eventos de nebulosidade, foi bom segundo os resultados estatísticos (p < 0,0001), para os casos de Sol aparente e encoberto, resultando em correlações positivas e muito fortes (r > 0,91), com elevadas concordâncias (d > 0,92) e tendência de superestimativa do modelo. Um valor máximo de IUV, equivalente a 13,7, foi encontrado na presença de nuvens Altocumulus (Ac). Para nuvens Nimbostratus (Ns), o valor de CMF médio de 0,2 (± 0,1) indicou a ocorrência de atenuação da RUV. Por outro lado, eventos de intensificação da RUV ocorreram na presença de nuvens Cumulus (Cu), com CMF de 1,1. Dessa forma, ressalta-se que a presença de nuvens não representa menor risco à saúde.
id UFEI_8549e029c6697830bccba7e96842557d
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/2355
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str 7044
spelling 2020-02-192021-03-252021-03-25T12:39:30Z2021-03-25T12:39:30Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/2355A radiação ultravioleta (RUV) exerce influência sobre a vida na Terra. Por esta razão, é de suma importância a mensuração dessa radiação e a avaliação do impacto dos constituintes atmosféricos nos níveis de RUV em superfície. Uma alternativa viável é a utilização de modelos de transferência radiativa (MTR), que simulam a RUV em diferentes condições atmosféricas. Contudo, os efeitos da cobertura de nuvem (CN) são fontes significativas de erros nos MTR. Uma técnica acessível e de baixo custo, para determinação da CN é o imageamento, que consiste em converter imagens do céu em dados de CN. Para tanto, foram coletadas 230 fotografias do céu por câmeras de smartphone (Samsung Galaxy A5) e fotográfica (Sony Cyber-shot - DSH-H7), simultaneamente, abrangendo diferentes tipos e coberturas de nuvens, além de condições de céu claro. As imagens foram processadas por um conjunto de algoritmos, que classificou e contabilizou os pixels de nuvem. Foram testados 13 limiares, dentre os encontrados na literatura (0,12, 0,65 e 0,90), para classificação de pixels de nuvens. Para fins de validação, as fotografias foram avaliadas visualmente por observador, e estatisticamente, pelo método de análise de regressão linear e coeficiente de determinação (R²). Para a modelagem foi utilizado o MTR TUV (Tropospheric Ultraviolet and Visible), alimentado com: a) perfil vertical de atmosfera tropical; b) conteúdo total de ozônio (CTO) e c) propriedades ópticas de aerossóis, para a localidade de Itajubá (22,4ºS, 45,5°W, 850 m). Foram realizados testes de parametrização e sensibilidade do MTR envolvendo diferentes profundidades ópticas, espessuras verticais e alturas da base e topo das nuvens, para os solstícios de inverno e verão. Em seguida, os dados de RUV coletados por um radiômetro UV SUV-E da Kipp & Zonen e simulados pelo MTR foram avaliados em termos de Índice Ultravioleta (IUV) e por métodos estatísticos: a) a raiz do quadrado médio do erro (RQME); b) coeficiente de correlação (r); c) tendência (BIAS) e; d) índice de concordância (d). Para avaliação do efeito das nuvens sobre os fluxos de RUV, foi utilizado o índice Cloud Modification Factor (CMF). Resultados do processamento das fotografias indicaram bom desempenho da técnica (p < 0,0001) com a utilização dos limiares de 0,18 (smartphone) e 0,26 (câmera fotográfica), sendo superiores aos obtidos com a utilização do limiar de 0,12. Quanto aos demais limiares encontrados na literatura, os resultados apontaram, equivocadamente, valores de CN correspondentes a 100% para todos os casos. Em relação à modelagem de RUV pelo MTR, os testes de sensibilidade evidenciaram que a variável mais relevante para simulações sob condições de nebulosidade é a profundidade óptica. De modo geral, o desempenho do MTR TUV, em eventos de nebulosidade, foi bom segundo os resultados estatísticos (p < 0,0001), para os casos de Sol aparente e encoberto, resultando em correlações positivas e muito fortes (r > 0,91), com elevadas concordâncias (d > 0,92) e tendência de superestimativa do modelo. Um valor máximo de IUV, equivalente a 13,7, foi encontrado na presença de nuvens Altocumulus (Ac). Para nuvens Nimbostratus (Ns), o valor de CMF médio de 0,2 (± 0,1) indicou a ocorrência de atenuação da RUV. Por outro lado, eventos de intensificação da RUV ocorreram na presença de nuvens Cumulus (Cu), com CMF de 1,1. Dessa forma, ressalta-se que a presença de nuvens não representa menor risco à saúde.The ultraviolet radiation (UVR) influences life on Earth and its monitoring is relevant and necessary for studies on different areas of knowledge. UVR modelling by radiative transfer models (RTM) is always an alternative for lack of surface and/or remote measurements. However, RTM estimates may present significant errors related to the UVR attenuation processes in the atmosphere. Cloud cover (CC) effects represent one of the most important source of RTM errors. In general, sky images are taken by all-sky cameras as a tool for automating cloud quantification, but these instruments are still an expensive option for poorer countries. Thus, we develop a low-cost and affordable technique for determining CC using photography. 230 sky images were collected using a smartphone (Samsung Galaxy A5) and photographic camera (Sony Cyber-Shot – DSH-H7) simultaneously. This high-quality set of sky photos covers different types and amounts. A set of algorithms processed the images, classifying and counting the pixels of the clouds. 13 thresholds were tested, among the ones found in the literature (0,12, 0,65, and 0,90.), to classify the pixels of the clouds. For validation, the photographs were visually assessed by an observer, and statistically, by the methods of analysis of linear regression and coefficient of determination (R²). UVR estimates were performed using the Tropospheric Ultraviolet and Visible (TUV) RTM model. The following conditions were observed for atmospheric vertical profile: a) tropical atmosphere profile; b) total ozone content (TOC); and c) aerosol optical properties at Itajubá’s site (22.4°S, 45.5°W, 850m.). Previously, RTM parametrization and sensitivity tests were performed involving different optical depths (OD), vertical thicknesses, cloud base height and cloud top height for winter and summer solstices. Then, UVR data provided by a Kipp & Zonen SUV-E radiometer were used to compare UV Index (UVI) estimates from RTM by statistical methods: a) the root-mean-square error (RMSE); b) correlation coefficient (r); c) BIAS and; index of agreement (d). To evaluate the effect of the clouds, the Cloud Modification Factor (CMF) Index was used. Results showed satisfactory performance of the technique (p < 0.0001) with the utilization of the thresholds of 0.18 (smartphone) and 0.26 (photographic camera), being higher the ones obtained with the utilization of the threshold of 0.12. About the other thresholds found in the literature, the results reveal equivocally, values of CC corresponding to 100% for every case. Sensitivity tests showed that the vertical position and the thickness of the clouds represent only a source of minor errors lower than 3.2% for UVI calculations. Thus, the cloud OD is the most important input value to be considered for the TUV RTM. In general, the performance of the TUV MTR in cloudiness events was satisfactory (p < 0.0001), with strong positive correlations (r > 0.91), high agreements (d > 0.92) and tendency of overestimation of the model. The maximum UVI observed was 13.7 in the presence of Altocumulus (Ac) clouds. In case of strong UVI attenuation caused by overcast skies with Nimbostratus (Ns) clouds, the mean CMF value was 0,2 (± 0,1). On the other hand, UVI increase occurred in Cumulus (Cu) clouds conditions, with mean CMF of 1,1 (± 0.1). It is worth pointing out that the occurrence of clouds does not indicate safe sun exposure.Agência 1porUniversidade Federal de ItajubáPrograma de Pós-Graduação: Mestrado - Meio Ambiente e Recursos HídricosUNIFEIBrasilIRN - Instituto de Recursos NaturaisCNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOSRadiação ultravioletaNebulosidadeFotografiaAlgoritmoImageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisCORRÊA, Marcelo de Paulahttp://lattes.cnpq.br/8322989003609920http://lattes.cnpq.br/5847887434505220YAMAMOTO, Ana Letícia CamposYAMAMOTO, Ana Letícia Campos. Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa. 2020. 60 f. Dissertação (Mestrado em Meio Ambiente e Recursos Hídricos) – Universidade Federal de Itajubá, Itajubá, 2020.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEILICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2355/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALDissertação_2021076.pdfDissertação_2021076.pdfapplication/pdf2072311https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2355/1/Disserta%c3%a7%c3%a3o_2021076.pdf3eb622dc016a0df3699f91a30ad81bb1MD51123456789/23552021-04-06 14:20:15.559oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442021-04-06T17:20:15Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
title Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
spellingShingle Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
YAMAMOTO, Ana Letícia Campos
CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Radiação ultravioleta
Nebulosidade
Fotografia
Algoritmo
title_short Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
title_full Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
title_fullStr Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
title_full_unstemmed Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
title_sort Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa
author YAMAMOTO, Ana Letícia Campos
author_facet YAMAMOTO, Ana Letícia Campos
author_role author
dc.contributor.advisor1.fl_str_mv CORRÊA, Marcelo de Paula
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/8322989003609920
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/5847887434505220
dc.contributor.author.fl_str_mv YAMAMOTO, Ana Letícia Campos
contributor_str_mv CORRÊA, Marcelo de Paula
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
topic CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Radiação ultravioleta
Nebulosidade
Fotografia
Algoritmo
dc.subject.por.fl_str_mv Radiação ultravioleta
Nebulosidade
Fotografia
Algoritmo
description A radiação ultravioleta (RUV) exerce influência sobre a vida na Terra. Por esta razão, é de suma importância a mensuração dessa radiação e a avaliação do impacto dos constituintes atmosféricos nos níveis de RUV em superfície. Uma alternativa viável é a utilização de modelos de transferência radiativa (MTR), que simulam a RUV em diferentes condições atmosféricas. Contudo, os efeitos da cobertura de nuvem (CN) são fontes significativas de erros nos MTR. Uma técnica acessível e de baixo custo, para determinação da CN é o imageamento, que consiste em converter imagens do céu em dados de CN. Para tanto, foram coletadas 230 fotografias do céu por câmeras de smartphone (Samsung Galaxy A5) e fotográfica (Sony Cyber-shot - DSH-H7), simultaneamente, abrangendo diferentes tipos e coberturas de nuvens, além de condições de céu claro. As imagens foram processadas por um conjunto de algoritmos, que classificou e contabilizou os pixels de nuvem. Foram testados 13 limiares, dentre os encontrados na literatura (0,12, 0,65 e 0,90), para classificação de pixels de nuvens. Para fins de validação, as fotografias foram avaliadas visualmente por observador, e estatisticamente, pelo método de análise de regressão linear e coeficiente de determinação (R²). Para a modelagem foi utilizado o MTR TUV (Tropospheric Ultraviolet and Visible), alimentado com: a) perfil vertical de atmosfera tropical; b) conteúdo total de ozônio (CTO) e c) propriedades ópticas de aerossóis, para a localidade de Itajubá (22,4ºS, 45,5°W, 850 m). Foram realizados testes de parametrização e sensibilidade do MTR envolvendo diferentes profundidades ópticas, espessuras verticais e alturas da base e topo das nuvens, para os solstícios de inverno e verão. Em seguida, os dados de RUV coletados por um radiômetro UV SUV-E da Kipp & Zonen e simulados pelo MTR foram avaliados em termos de Índice Ultravioleta (IUV) e por métodos estatísticos: a) a raiz do quadrado médio do erro (RQME); b) coeficiente de correlação (r); c) tendência (BIAS) e; d) índice de concordância (d). Para avaliação do efeito das nuvens sobre os fluxos de RUV, foi utilizado o índice Cloud Modification Factor (CMF). Resultados do processamento das fotografias indicaram bom desempenho da técnica (p < 0,0001) com a utilização dos limiares de 0,18 (smartphone) e 0,26 (câmera fotográfica), sendo superiores aos obtidos com a utilização do limiar de 0,12. Quanto aos demais limiares encontrados na literatura, os resultados apontaram, equivocadamente, valores de CN correspondentes a 100% para todos os casos. Em relação à modelagem de RUV pelo MTR, os testes de sensibilidade evidenciaram que a variável mais relevante para simulações sob condições de nebulosidade é a profundidade óptica. De modo geral, o desempenho do MTR TUV, em eventos de nebulosidade, foi bom segundo os resultados estatísticos (p < 0,0001), para os casos de Sol aparente e encoberto, resultando em correlações positivas e muito fortes (r > 0,91), com elevadas concordâncias (d > 0,92) e tendência de superestimativa do modelo. Um valor máximo de IUV, equivalente a 13,7, foi encontrado na presença de nuvens Altocumulus (Ac). Para nuvens Nimbostratus (Ns), o valor de CMF médio de 0,2 (± 0,1) indicou a ocorrência de atenuação da RUV. Por outro lado, eventos de intensificação da RUV ocorreram na presença de nuvens Cumulus (Cu), com CMF de 1,1. Dessa forma, ressalta-se que a presença de nuvens não representa menor risco à saúde.
publishDate 2020
dc.date.issued.fl_str_mv 2020-02-19
dc.date.available.fl_str_mv 2021-03-25
2021-03-25T12:39:30Z
dc.date.accessioned.fl_str_mv 2021-03-25T12:39:30Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.unifei.edu.br/jspui/handle/123456789/2355
url https://repositorio.unifei.edu.br/jspui/handle/123456789/2355
dc.language.iso.fl_str_mv por
language por
dc.relation.references.pt_BR.fl_str_mv YAMAMOTO, Ana Letícia Campos. Imageamento da cobertura de nuvens por smartphone: contribuições para a modelagem do índice UV por modelo de transferência radiativa. 2020. 60 f. Dissertação (Mestrado em Meio Ambiente e Recursos Hídricos) – Universidade Federal de Itajubá, Itajubá, 2020.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.publisher.program.fl_str_mv Programa de Pós-Graduação: Mestrado - Meio Ambiente e Recursos Hídricos
dc.publisher.initials.fl_str_mv UNIFEI
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv IRN - Instituto de Recursos Naturais
publisher.none.fl_str_mv Universidade Federal de Itajubá
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2355/2/license.txt
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2355/1/Disserta%c3%a7%c3%a3o_2021076.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
3eb622dc016a0df3699f91a30ad81bb1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1801863235502080000