6
missione SeaWiFS (Sea Wiewing Field of view Sensor) osserva, in 30 secondi, un’area
di circa 100 km
2
(Gregg et al., 1994). Tutto ciò consente di studiare l’evoluzione di
fenomeni ambientali ad alta variabilità spaziale e temporale (ad es.: fioriture di
clorofilla o spostamenti di masse d’aerosol) altrimenti difficili da seguire (e dispendiosi
da analizzare) con sistemi di rilevamento in situ .
I dati prodotti da sensori satellitari, poiché indiretti(come d’altronde qualsiasi dato
telerilevato), hanno bisogno di una stima della loro qualità, cioè, necessitano di una
validazione, ovverosia, di un confronto quantitativo con dati di qualità nota che
provengono generalmente da misure in situ, molto spesso relative ad un solo punto.
Se il parametro da analizzare è ad esempio la concentrazione della clorofilla, una sua
buona validazione viene data da una comparazione con misure dirette effettuate con
bottiglie oceanografiche che campionano l’oggetto stesso dell’analisi; non sempre, però
è possibile effettuare una validazione usando come riferimento una misura diretta del
parametro da analizzare; se vogliamo, per esempio, validare dei dati relativi ad una
massa d’aerosol del Mediterraneo, è difficile e molto dispendioso effettuare un
campionamento diretto (ad es.: attraverso un aereo). Per ovviare a tale disagio, si è
optato per un tipo di misura indiretta che desse risultati molto vicini a misure in situ
ossia il telerilevamento da terra con fotometro solare.
Perché conviene effettuare una validazione con i dati da fotometro?
Il fotometro solare, a differenza del sensore satellitare, misura l’estinzione solare della
radiazione solare puntando dalla superficie terrestre, precisamente nel disco solare. Tale
tipo di strumento vede i vari strati dell’atmosfera (ad es.: troposfera) in modo differente
7
da un satellite; innanzi tutto la radiazione che arriva al satellite non proviene
direttamente dal sole, ma è dovuta ad una serie processi ottici (ad es.: riflessioni
assorbimenti, diffusioni), causati dall’interazione delle onde elettromagnetiche solari
con l’atmosfera e con la superficie terrestre e/o marina Se chiamassimo genericamente
y la misura del sensore satellitare o del sensore fotometrico, essa si potrebbe esprimere
come )()( wgxfy , dove )(xf identifica la funzione da invertire per ricavare le
informazioni sull’oggetto in esame x (nel nostro caso l’aerosol) e )(wg l’effetto
dell’insieme di disturbi )(w da eliminare da tale misura dove si è fatta l’ ipotesi
d’indipendenza tra x e w. Per un satellite il termine )(wg percentualmente prevale di
gran lunga sul termine )(xf in quanto l’atmosfera non è l’unico oggetto fisico ad
essere telerilevato (infatti vi è la presenza del mare e della terra che interferiscono sulla
visione dell’aerosol); per un fotometro solare che vede fondamentalmente l’atmosfera,
è invece vero il contrario; tale misura dunque sarà più attendibile rispetto a quella
effettuata dallo spazio.
Poiché le misure che si vogliono confrontare derivano entrambe da tecniche di
telerilevamento le quali osservano differenti percorsi attraverso l’atmosfera (con le
relative diverse proprietà ottiche), per poter effettuare un confronto quantitativo dei due
tipi di dati, è necessario fare alcune premesse:
1) poiché il telerilevamento da terra misura onde elettromagnetiche provenienti da un
volume differente d’atmosfera rispetto a quelle rilevate dallo spazio, è necessario
analizzare segnali a determinate lunghezze d’onda (ad es.: 670 e 870 nm), dette finestre
atmosferiche, per quali l’assorbimento da gas atmosferici è trascurabile. Infatti, in
8
presenza di tale assorbimento, la differente geometria d’osservazione introduce forti
differenze nel volume d’aria da cui proviene il segnale analizzato. Per esempio, nel
caso di un fotometro al suolo tale volume si ridurrebbe alla porzione d’atmosfera più
vicina alla superficie mentre nel caso del satellite il segnale sarebbe generato nella
porzione più alta dell’atmosfera. Nelle finestre atmosferiche, invece, in prima
approssimazione, l’unico oggetto fisico che interagisce con la radiazione e che quindi si
può rilevare, è l’aerosol.
2) i dati provenienti da entrambi i metodi vanno normalizzati rispetto all’angolo
zenitale del sole, in modo da rendere la misura indipendente dalla geometria
d’osservazione e simile ad una rilevazione effettuata perpendicolarmente.
La rete AERONET
I fotometri usati dalla NASA (in genere di tipo CIMEL) per la validazione di stime
d’aerosol da satellite, sono posizionati a terra, automatizzati, distribuiti su buona parte
del globo terreste e organizzati in una rete denominata AERONET, ovverosia, AEROsol
RObotic NETwork; la loro funzione predominante consiste nell’osservare
radiometricamente l’atmosfera per poi trarne parametri quali lo spessore ottico (a
diverse lunghezze d’onda). In questo lavoro di tesi saranno studiati i dati prodotti dai
fotometri CIMEL della rete AERONET presenti nel Bacino Mediterraneo al fine di
preparare un insieme di dati per la validazione delle stime da SEaWiFS d’aerosol
atmosferici sul Mediterraneo.
9
Validazione dei dati d’aerosol del Sea WiFS con dati di fotometria solare
Per realizzare una validazione di misure istantanee e più prossime, i dati da due
originali insiemi di dati sono selezionati sulla base di un insieme definito di criteri di
sovrapposizione (tra dato satellitare e fotometrico) e comparati per produrre qualche
statistica quantitativa ∋ (per es.:Bias e R.M.S.; vedasi appendice e cap.6) di differenza
tra la stima della stessa quantità da due differenti sorgenti. Sommando i diversi possibili
contributi, tale differenza può essere scritta come:
t
G
Iins
G
A
S
Iins
S
A
r
∋ ∋
∋ ∋ ∋ ∋ ∋ ∋ ∋
lglg
(1.1)
dove S e G si riferiscono rispettivamente ai dati da satellite e ai dati di verità a terra, Alg
e Ins, si riferiscono rispettivamente agli algoritmi d’inversione (nel capitolo 4
affronteremo l’algoritmo d’inversione di fotometro solare) e agli strumenti. Una
possibile differenza tra le due misure (da satellite e da fotometro) si assume, quindi,
come dovuta al contributo dei seguenti valori:
∋, che equivale ad una valutazione quantitativa della differenza totale (ad es. R.M.S. o
Bias),
S
A lg
∋ e
G
A lg
∋ relativi alle incertezze dovute agli algoritmi d’inversione
(l’algoritmo d’inversione del fotometro solare sarà affrontato nel capitolo 4)
S
Iins
∋
G
Iins
∋ relativi alle incertezze introdotte dagli strumenti (calibrazione, rumore etc.).
r
∋
∋e
t
∋
∋ spiegano la naturale variabilità spaziale e temporale del parametro geofisico
che si confronta. È necessario valutare tali termini, in quanto, in genere, il confronto tra
10
le quantità satellitari e quelle fotometriche non dà sempre una perfetta sovrapposizione
spazio-temporale.
Problemi di validazione
Affinché il confronto con la “verità a terra” abbia senso nella valutazione della qualità
della stima da satellite, è fondamentale che i dati originati dal fotometro (l’incertezza
dello spessore ottico del fotometro CIMEL è stimata a ± 0.015) siano di precisione
superiore a quella dei dati satellitari, (la misura del radiometro da terra deve fungere da
riferimento al satellite in qualità di misura più prossima alla realtà).
Purtroppo tali condizioni non sempre si riscontrano, perché gli errori prodotti da
fotometro, per varie ragioni (ad es.: errori di calibrazione) possono superare quelli del
satellite, impedendo così qualsiasi possibilità di confronto; tutto ciò è spesso da
attribuirsi al fatto che la rete di fotometri a terra è automatizzata e quindi non sempre
sotto il controllo dei ricercatori.
La questione iniziale: capire l’origine di una serie di disturbi dell’ insieme dei dati
In un lavoro preliminare (G.L.Liberti et al., 2001) nei laboratori dell’Istituto delle
Scienze dell’Atmosfera e del Clima del Consiglio Nazionale delle Ricerche di Roma
(ISAC-CNR) (all’interno del Gruppo di Oceanografia Satellitare (GOS) nell’ambito del
progetto EU-ADIOS.) si è notato, infatti, che alcuni dati del 2000, telerilevati da
stazioni terrestri, risentivano di forti errori di cui non era ben chiara l’origine; infatti,
nel confronto effettuato tra i dati satellitari e i dati da terra, risultava un buon accordo di
misure per ciò che riguarda lo spessore ottico a 670 nm, mentre, si notava chiaramente
11
che il SeaWiFS sottostimava il coefficiente di Angstrom ossia il rapporto tra lo spessore
ottico a 670nm e quello a 870nm (tali grandezze, che identificano quantitativamente e
qualitativamente l’aerosol, saranno affrontati nel capitolo 2), come si può chiaramente
notare dai seguenti istogrammi cumulativi, plottati come frequenza cumulativa
percentuale (asse y) vs spessore ottico a 670 nm (asse x) (Fig. 1.1 a sinistra) e come
frequenza cumulativa percentuale (asse y) vs Coefficiente di Angstrom (asse x, Fig. 1.1
a destra); appare evidente, infatti, che l’istogramma del SeaWiFS (con stile di linea ad
asterisco***) raggiunge il 100% per valori abbastanza inferiori rispetto agli istogrammi
dei dati da fotometria solare prodotti per le stazioni del Mediterraneo, i quali presentano
Coefficiente di Angstrom di valore maggiore.
Figura-1.1: Istogrammi cumulativi (percentili) di frequenza per l'AOT (spessore ottico
dell’aerosol) a 670nm e il coefficiente di Angstrom tra 670 e 875nm ottenuto dagli interi
dataset di verità a terra e di SeaWifs per l'anno 2000 (G.L.Liberti et al., 2001)
12
L’esistenza di stazioni quali Oristano o El Arenosillo, che presentano cicli diurni
difficili da spiegare fisicamente e ampiamente discostati dall’ andamento delle altre
stazioni, è uno di questi casi. Infatti, nelle medie orarie del mese di agosto (Fig1.2 a
destra) i dati provenienti da queste due stazioni (Oristano è denotato dal simbolo [------]
mentre El Arenosillo da [-…-…]) assumono un ciclo molto simmetrico (le medie orarie
stanno sull’ asse y) piccato sul mezzo giorno locale (l’orario si legge sull’ asse x); tale
comportamento, poiché non può essere originato da alcun tipo di incertezza di origine
fisica, sarà molto probabilmente dovuto ad incertezze strumentali.
Figura 1.2: Medie orarie di spessore ottico e di aerosol coefficient per il mese di agosto
2000 relative a differenti stazioni di verità a terra.(G.L.Liberti et al., 2001)
È nata dunque la forte esigenza di effettuare una pre-analisi di questi dati che
permettesse di individuare ed analizzare i problemi dei dataset affetti da errore
strumentale.
13
La soluzione al nostro problema: pre-analisi dell’ insieme dei dati
Grazie a vari esperimenti effettuati con una serie di programmi in linguaggio IDL da
noi realizzati, è stato non solo possibile individuare un problema di calibrazione per i
dati incriminati (ad es.:quelli relativi alla stazione di Oristano), ma anche verificarne la
presenza in livelli di elaborazione più elevati e (apparentemente) ripuliti da errori.
I programmi sviluppati hanno inoltre la possibilità di effettuare studi di climatologie
locali, sia con lo scopo di individuare ed analizzare disturbi ciclici, che di identificare
altri possibili errori nascosti.
Utilità e flessibilità dei nostri programmi
Con semplici modifiche apportate ai programmi è anche possibile lavorare su altre
bande o per altre stazioni che siano affette da problemi di calibrazioni o che abbiano
comportamenti anomali; tali applicazioni non hanno come finalità la produzione di dati
ripuliti da errori, ma, bensì, sono validi strumenti di studio, utilizzabili da specialisti del
settore; un esperto di aerosol infatti potrà ri-analizzare dati che i programmi di
elaborazione automatica della rete AERONET in buona parte filtrano automaticamente,
incuranti della presenza di calibrazioni errate. Riuscire a individuare degli errori di
calibrazione non è semplice e spesso la loro identificazione e (anche solo parziale)
eliminazione è molto dispendiosa. I suddetti programmi effettuano la ricerca degli
errori senza l’ uso di particolari e costose attrezzature. Spesso il filtraggio automatico
dell’elaborazione che si effettua sui dati fotometrici elimina dati non sempre scartabili;
grazie al nostro lavoro di pre-analisi è possibile effettuare una loro rivalutazione,
evitandone così una eliminazione grezza e numerosa.
14
La tesi quindi verte sulla formulazione e la descrizione delle attività necessarie di
preparazione di dati da fotometro di alta qualità per ottenere dati da validazione che
non presentino errori stimati inferiori éRIV!!! al dato da validare.
.
1.2 Sintesi dei capitoli
Saranno ora esposte delle brevi sintesi dei capitoli che seguiranno.
Capitolo 2 Elementi di trasferimento radiativo
Il capitolo comincia con l’introduzione del telerilevamento passivo e del trasferimento
radiativo. Inizialmente vengono introdotti, in maniera generica, i processi che regolano
la propagazione dell'onda e.m. ovverosia, i concetti base di assorbimento e diffusione
insieme a quello di estinzione. Successivamente si dà una definizione tecnica di questi
tre parametri ossia si introducono i coefficienti di diffusione, assorbimento e scattering.
Segue una sezione dedicata alla definizione di alcune utili quantità radiometriche.Tra
queste quantità, lo spessore ottico e il coefficiente di Angstrom, che caratterizzano
l’aerosol quantitativamente e qualitativamente, saranno gli oggetti più importanti del
nostro studio.
15
Capitolo 3 Aerosol atmosferici
Questo capitolo inizia introducendo il concetto di aerosol atmosferici ; continua poi con
la trattazione del telerilevamento dell’aerosol tramite sensore SeaWiFS e dei motivi che
inducono la comunità scientifica a studiare gli aerosol del bacino mediterraneo. Si
affronta infine la tematica dell’aerosol come oggetto di studio, nelle altre discipline
scientifiche e come oggetto di interesse nel campo economico sociale
Capitolo 4 Descrizione dei dati e degli strumenti
La fotometria solare è la scienza che studia l’atmosfera attraverso strumenti di
telerilevamento da terra detti fotometri di Voltz; tali strumenti (ad es.:Cimel),
attualmente funzionano in maniera automatica in una rete globale della NASA,
denominata AERONET, che permette di eseguire studi da terra dell’ aerosol e di
effettuare validazioni.Vengono descritte, in breve, le caratteristiche strumentali del
fotometro Cimel (i cui dati saranno successivamente oggetto del nostro studio) e
l’analisi del bilancio generale dell’errore su una misura da fotometro solare, ovverosia
le caratteristiche dell’equazione d’inversione della misura fotometrica, le varie sorgenti
di incertezze di origine fisica e strumentale, la calibrazione dello strumento ed i possibili
errori annessi.
16
Capitolo 5 Analisi statistica dei dati
Questo capitolo introduce il lavoro di pre-analisi dei dati radiometrici da fotometro
solare, ossia tutto quel complesso di analisi e test da applicare ai dataset probabilmente
affetti da errori di calibrazione con lo scopo di dimostrare la dipendenza di tali errori
strumentali dall’angolo di calibrazione dell’airmass. Il dataset analizzato presenterà
sette stazioni ognuna delle quali avente 3 livelli di elaborazione (tranne Oristano e
Lampedusa che ne presentano due).Per effettuare i suddetti studi sarà necessario
realizzare una serie di programmi ad hoc da applicare alle seguenti grandezze ossia tau
a 670 nm, 870 nm che ritroviamo nei set di dati da noi analizzato e per il coefficiente di
Angstrom (ricavato da un particolare rapporto tra le precedenti due grandezze).
Questo capitolo in particolare tratta le seguenti applicazioni:
analisi dei minimi, massimi, medie e deviazioni standard
analisi di istogrammi cumulativi dei tre parametri
che serviranno ad introdurre statisticamente l’insieme di dati analizzato e a mostrare la
presenza di alcuni evidenti disturbi .
17
Capitolo 6 Analisi di variazione temporale
Tale capitolo ha come scopo la caratterizzazione della variabilità di alta frequenza degli
aerosol del Mediterraneo. Per effettuare tale caratterizzazione, risulterà però necessario
identificare tanto le incertezze di tipo fisico quanto quelle strumentali. Viene dimostrato
come un errore sulla calibrazione introduca una dipendenza della misura dello spessore
ottica dall’airmass (avvero l’inverso del coseno dell’ angolo di Zenith solare). Si
cercherà di evidenziare tale ipotesi, attraverso il sostegno delle seguenti analisi:
Media oraria mensile.
Test di epurazione e di verifica di dipendenza degli errori del coefficiente di Angstrom
dall’inverso dell’airmass, per i dati della stazione di Oristano nell’anno 2000
(livello1.0)
Queste analisi permetteranno di evidenziare graficamente tale dipendenza e di
dimostrarla.
Infine si cercherà di valutare la variabilità temporale delle quantità d’interesse, al fine di
stabilire dei criteri per il massimo intervallo temporale accettabile tra misure da satellite
e da fotometro, tramite l’analisi del Bias e della Root Mean Square calcolate tra misure
provenienti dallo stesso strumento in funzione della distanza temporale.
18
Capitolo 2
Elementi di trasporto radiativo
Introduzione
Il telerilevamento si basa sull’interazione tra le onde elettromagnetiche e la materia,
per produrre dati dai quali è possibile successivamente ricavare informazioni sugli
aspetti fisici dell’oggetto naturale che si ha intenzione di analizzare. Il telerilevamento
atmosferico che effettuiamo noi è di tipo passivo, cioè sfrutta l’energia solare come
sorgente elettromagnetica. In atmosfera e nel mare è di fondamentale importanza
conoscere tutte le interazioni (o almeno la maggior parte) che si producono tra queste
onde elettro-magnetiche e l’oggetto fisico da osservare, ovverosia conoscere quello che
in gergo scientifico viene definito “trasferimento radiativo”. In questo capitolo verranno
introdotti, pertanto, alcuni concetti fondamentali del trasferimento radiativo e le
relative grandezze ad essi legate; sarà posto, in particolare, l’accento su alcuni
parametri di fondamentale importanza per gli studi effettuati nella tesi.
2.1 Concetti base di assorbimento e diffusione
Una misura tramite telerilevamento è possibile solo nel caso in cui il processo
d'interazione tra onda ed oggetto in esame è noto. Nel caso di parametri geofisici i
processi d'interazione sono l'assorbimento e la diffusione. Di maniera molto generale
tali processi regolano la propagazione dell'onda elettromagnetica:
a) sottraendo parte dell'energia, che viene trasformata dalla sua forma originale ad
un'altra, all'onda originaria (assorbimento).
19
b) modificandone le caratteristiche, per es. la direzione di propagazione o lo stato
di polarizzazione (diffusione e riflessione).
In entrambi i casi si parla di estinzione in quanto la radiazione che ha interagito è
scomparsa dal campo di radiazione originale. Ovvero si può immaginare l'interazione
radiazione elettromagnetica atmosfera come una collisione tra un fotone ed un atomo o
molecola. Il fotone trasferisce tutta la sua energia all'atomo o alla molecola e perciò
viene rimosso dal campo di radiazione (si estingue). L'energia del fotone porta
l'elettrone ad un livello energetico superiore o la molecola a stati vibrazionali o
rotazionali di energia superiore. Tale aumento di energia, nell'elettrone o molecola
ricevente può essere restituito, nell'intervallo di energie d'interesse per il
telerilevamento tramite tre possibili interazioni:
1) Assorbimento: la molecola eccitata urta un'altra molecola, scendendo quindi ad un
livello di energia minore, dove l'energia persa diviene energia cinetica delle molecole e
corrisponde ad un riscaldamento del mezzo. Il fotone in tal caso è perso.
2) Diffusione (scattering): la molecola eccitata ritorna allo stato iniziale con transizione
spontanea (in circa 1 nsec) restituendo quindi un fotone con esattamente la stessa
energia (ovvero la lunghezza d'onda) ma con direzione di propagazione che può essere
differente da quella originaria.
3) Diffusione Raman (scattering Raman): la molecola eccitata restituisce esattamente
l'energia ricevuta ma a differenza del caso di diffusione semplice, il passaggio avviene
Ricevi informazioni sui nostri servizi, sulle offerte e non perdere news e consigli su università e lavoro.
