Los radares meteorológicos cumplen un papel fundamental en el control del tráfico aéreo, en el que los controladores evalúan constantemente la posibilidad de que haya tormentas, heladas y demás. Para dirigir los aviones con la máxima seguridad, estas imágenes de radar meteorológico tienen que ser tan claras y precisas como sea posible.

Desgraciadamente, no siempre es así. Muchas veces las imágenes están distorsionadas por reflejos, sombras, acumulaciones en el suelo, turbulencias atmosféricas y muchas otras fuentes de ruido. Y en las zonas montañosas existe además el problema de conseguir una cobertura completa de la región mediante el radar.

Uno de esos lugares es el espacio aéreo de Austria, un país dominado por los Alpes. Austria tiene cuatro sistemas de radar meteorológicos fijos, cada uno con un alcance de 225 kilómetros. En teoría eso debería proporcionar una cobertura total de este país relativamente pequeño. Pero en la práctica las imágenes muestran numerosas sombras, ecos falsos y otro ruido que aumenta los problemas para interpretarlas.

Ahora Harald Ganster de Joanneum Research en Austria, y algunos de sus compañeros afirman tener la solución. Han estado trabajando en un algoritmo de análisis de imágenes que identifica automáticamente distintos tipos de interferencias y las elimina, píxel a píxel.

Al mismo tiempo busca sombras en las imágenes donde el terreno impide que los ecos relacionados con la meteorología lleguen al receptor. Y después rellena los huecos.

Las imágenes de los radares meteorológicos son más dadas a las distorsiones de lo que cabría imaginar. Ganster y su equipo afirman que de las 8.928 imágenes sacadas por una estación de radar en mayo de 2011, 2.713 mostraban interferencias de sistemas wifi de cinco GHz (un problema relativamente nuevo pero bien conocido en los círculos meteorológicos). Eso supone más del 30% de las imágenes.

"Mejorar las imágenes de los radares meteorológicos es esencial para predecir con precisión los fenómenos meteorológicos y las condiciones atmosféricas, que a su vez son un factor esencial en el proceso de trabajo de los controladores de tráfico aéreo", afirman Ganster y compañía.

Su enfoque se basa en las características especiales de los distintos tipos de interferencia. Por ejemplo, el wifi aparece en las imágenes de radar como una línea recta, como se ve en la esquina superior derecha de la foto de la derecha.

El equipo ha desarrollado un algoritmo que mapea todas las líneas rectas de una imagen en líneas verticales, que son fáciles de eliminar. Dado que no hay estructuras naturales rectas, al menos no en las imágenes de los radares meteorológicos, esto elimina las interferencias de wifi con mucha precisión.

Además el equipo se fijó en la distribución de la lluvia en un año de imágenes (foto de la izquierda), algo que revela claramente sombras en los radares en las que los dispositivos no reciben ningún dato.

Para combatirlo han desarrollado un algoritmo que rellena los huecos con valores meteorológicos razonables. Lo hacen observando imágenes de la misma región tomadas desde el espacio por el satélite Meteosat Segunda Generación.

Estas imágenes no proporcionan ni la misma resolución ni el mismo detalle que el radar meteorológico. Pero sí que muestran si hay grandes variaciones en el clima de las regiones sombreadas. El algoritmo rellena los huecos asegurando que la diferencia entre la imagen de radar y la de satélite se minimiza.

Ganster afirma que su nuevo sistema "puede mejorar las imágenes del radar meteorológico de una forma meteorológicamente razonable".

Ahora mismo lo está evaluando el control aéreo austriaco, los controladores están viendo imágenes del "antes" y el "después" y dando feedback sobre la utilidad de las imágenes modificadas.

Esto debería permitir a los controladores mejorar sus previsiones casi a tiempo real. "Las previsiones mejoradas tendrán, a su vez, efectos significativos sobre la seguridad de la aviación", sostiene Ganster.

¡No está nada mal!

Ref: arxiv.org/abs/1404.6351: Mejoría del Radar Meteorológico Mediante Fusión y Clasificación