Kontakt English
Startseite open4aviation

DIBMETSAT - Digitale Bildverarbeitung gestützte Meteorologie-Services für Air Traffic Management

Fluglotsen stehen vor der Herausforderung mit einer Flut an Informationen umgehen zu müssen. Eine wesentliche Informationsgrundlage dabei sind Bilder und Messwerte der aktuellen Wetterlage. Automatisierte, übergeordnete Aussagen aus Wetterradar- und Satellitenbildern zu treffen, diese zu kombinieren und die Generierung neuer Messwerte für eine verbesserte Sichtweitenabschätzung sollen eine wesentliche Erleichterung bringen.

Kurzbeschreibung

Ausgangspunkt / Motivation

Alle wesentlichen Operationen (taktische Planung der Kapazität, Sektorkonfiguration, erforderliches Staffing, Pistenkonfiguration, Routing der anfliegenden Flugzeuge) im ATM basieren auf genauesten Messwerten und Prognosen der aktuellen Wetterlage. Eine wesentliche Informationsgrundlage sind Bilder unterschiedlichen Ursprungs, im Speziellen Wetterradar und aus Kamerabeobachtungen.

Mittels Wetterradar lässt sich eine Beurteilung des Niederschlags, der Vereisungsgefahr, der Gewitterausdehnung, deren Stärke und folglich die damit verbunden Gefahren vorhersagen. Durch die gebirgige Lage Österreichs und Hindernisse im Nahbereich der Sendeanlagen können nicht alle Bereiche Österreichs durch Wetterradarmessungen erfasst werden oder sind durch Störungen behaftet.

Ziele

  • Automatisierte Aussagen der Wetterbeobachtung 
  • Korrektur von Erfassungslücken im Weterradarbild
  • Korrektur von Störsignalen (nichtmeteorologische Echos)
  • Evaluierung von Standard-Kameras für lokale Prognosen

Inhalt

Mittels Wetterradar wird anhand der Rückstreuung an Wolkenpartikeln die empfangene Signalstärke des gepulsten Signals im Mikrowellenbereich auf ein Niederschlags-äquivalent rückgerechnet und ein räumlich und zeitlich hoch aufgelöster Ist-Zustand der Troposphäre geboten. Die Qualität dieser Systeme ist stark von der Datenqualität und Erfassung über den gesamten Beobachtungsbereich abhängig, daher ist es notwendig, nicht erfasste Zonen durch Kombination mit anderen Sensoren zu ergänzen und Störsignale zu eliminieren, ohne wesentliche meteorologische Informationen zu verlieren.

Methodik / Vorgehensweise

Basierend auf dem fundierten Know-how der Partner JR und ARC auf dem Gebiet der digitalen Bildverarbeitung, Sensordatenfusion, Klassifikation und Mustererkennung, werden Strategien, Methoden, Algorithmen entwickelt, um die meteorologische Nutzung der bereits bestehenden und in Betrieb befindlichen Wetterradarinfrastruktur zu optimieren.

Es wird untersucht, wie Artefakte und Störungen in Wetterradardaten automatisch detektiert werden können und Daten der zwölf Meteosat Kanäle möglichst repräsentativ die Wetterradardaten zeitlich und örtlich interpolieren können.

Die Analyse und Bewertung von Sichtverhältnissen und Wolkenformationen mit  handelsüblichen Kameras soll Messwerte für kleinräumige Wetterprognosen generieren und die rekonstruierten Wetterradardaten plausibilisieren.

Erwartete Ergebnisse

Die Verbesserung von Wetterradarbildern ist ein Schlüsselfaktor für genauere Vorhersagen von Wettererscheinungen. Mit Bildverarbeitungsmethoden (u.A.  Texturanalyse und geometrischen Operationen) werden dabei durch Artefakte gestörte Gebiete bzw. durch Abschattung unvollständige Zonen im Wetterradarbild ermittelt.

Die erkannten Bereiche werden mit Hilfe von Klassifikations- und Trackingverfahren aus multispektralen Satellitendaten (Meteosat Second Generation) meteorologisch sinnvoll ergänzt und aufgefüllt.

Zur Plausibilisierung werden lokale Wetterprognosen (Sichtweiten, Wolkenbedeckung) mittels am Markt verfügbarer Kameras und Verfahren der Beleuchtungskompensation, Merkmalsextraktion und lokaler Modellierung entsprechend der Methodik der humanen Wetterbeobachtung nachgebildet.

Ergebnisse zu Projektende

Nachweis der Möglichkeit und erstes Demonstratorsystem zur Wetterradarkorrektur mittels Bildverarbeitung und Korrektur über Meteosat-Daten. Ansätze zur lokalen Wetterprognose aus Kamerabildern.

Downloads

Endbericht DIBMETSAT (pdf, 2.74 MB)

Projektbeteiligte

Förderprogramm: TAKE OFF