Algoritmo corrige imágenes de radar meteorológico distorsionadas por el Wi-Fi
En todo el mundo, las imágenes de radar meteorológico se están plagadas de señales de Wi-Fi de última generación de cinco GHz. Ahora los investigadores austriacos han desarrollado una solución.
El radar meteorológico juega un papel crucial en el control del tráfico aéreo donde los controladores están evaluando constantemente la posibilidad de tormentas, cizalladura del viento, peligro de formación de hielo, etc. Para enrutar aviones con la mayor seguridad posible, estas imágenes de radares meteorológicos deben ser lo más claras y precisas posible.
Por desgracia, eso no es siempre el caso. Imágenes de radar del tiempo son a menudo distorsionados por reflejos, sombras, ecos de tierra, la turbulencia atmosférica, y muchas otras fuentes de ruido. Y un problema particular en las zonas montañosas, donde es difícil obtener cobertura de radar completa de la región.
Uno de estos lugares es el espacio aéreo por encima de Austria, un país de Europa central que está dominado por los Alpes. Austria tiene cuatro sistemas de radares meteorológicos fijos, cada uno con un alcance operativo de 225 km. En teoría, esto debería proporcionar una cobertura completa de este país relativamente pequeño. Pero en la práctica, las imágenes muestran numerosas sombras, ecos falsos, y otro tipo de ruido que aumentan los problemas de interpretación.
Ahora Harald Ganster en Joanneum Research de Graz, Austria, y algunos amigos dicen que han llegado a una solución. Estos chicos han estado trabajando en un algoritmo de análisis de imágenes que identifica de forma automática diversos tipos de interferencias y lo elimina, pixel por pixel.
Al mismo tiempo, busca las sombras en las imágenes donde el terreno impide ecos relacionados con el clima llega al receptor. Luego llena los vacíos.
Imágenes de radar del tiempo son más propensos a la distorsión de lo que imaginas. Ganster y sus colegas dicen que de 8.928 imágenes tomadas por una estación de radar en mayo de 2011, 2713 mostraron interferencia de sistemas Wi-Fi de 5 GHz (un problema relativamente nuevo y bien conocido en los círculos meteorológicos). Eso es más del 30 por ciento de las imágenes.
"Mejora de las imágenes de radar meteorológico es esencial para una predicción precisa de los fenómenos meteorológicos y las condiciones atmosféricas, que es, además, un factor esencial en el proceso de trabajo de los controladores aéreos", dicen Ganster y colegas.
Su enfoque se basa en las características especiales de los diferentes tipos de interferencia. Por ejemplo, Wi-Fi aparece en las imágenes de radar como una línea recta, ya que en la esquina superior derecha de la imagen de la derecha la mano arriba.
Ganster y colegas han desarrollado un algoritmo que correlaciona todas las líneas rectas en una imagen en las verticales, las cuales son entonces fáciles de quitar. Puesto que hay estructuras que ocurren de forma natural sin que son rectas, por lo menos no en las imágenes de radar meteorológico, lo que elimina las interferencias Wi-Fi con una alta precisión.
Al mismo tiempo, el equipo analizó la distribución de la lluvia en el valor de un año de imágenes (imagen izquierda arriba). Esto revela claramente sombras de radar donde los dispositivos reciben ningún dato.
Para combatir esto, han desarrollado un algoritmo que llena los huecos con valores meteorológicamente razonables. Ellos hacen esto al ver imágenes de la misma región tomadas desde el espacio por el satélite Meteosat de Segunda Generación.
Estas imágenes no ofrecen la misma resolución o el detalle que el radar meteorológico. Pero ellos no muestran si hay grandes variaciones en el clima en las regiones sombreadas. El algoritmo luego llena los vacíos asegurando la diferencia entre la imagen del radar y la imagen de satélite se reduce al mínimo.
Ganster y colegas dicen que su nuevo sistema "es capaz de mejorar las imágenes de radar meteorológico de manera meteorológicamente razonable."
Está siendo evaluado por el control del tráfico aéreo de Austria donde los controladores pueden mirar "antes" y "después" de las imágenes y dar su opinión sobre la utilidad de cómo las imágenes son modificadas.
Esto debería permitir a los controladores para mejorar sus previsiones en tiempo casi real. "Las previsiones de mejora a su vez, tienen efectos significativos sobre la seguridad en la aviación", dicen Ganster y colegas.
¡No está mal!
MIT Technology Review