Modellistica del trasferimento radiativo ed analisi dati da remoto

Modellistica del trasferimento radiativo

Scopo dell'attività è quello di implementare e sviluppare algoritmi per la modellazione del trasferimento radiativo in atmosfera. Ci occupiamo sia di modelli 'full physics' (utilizzati come simulazioni di riferimento e  per l’analisi di casi studio) sia di modelli 'veloci' (soluzioni approssimate ma computazionalmente efficienti adatte ad applicazioni su dataset estesi, previsioni numeriche e modelli climatologici). Trattiamo intervalli spettrali che spaziano dalle microonde a lunghezze d’onda nel visibile, che comprendono la trattazione della riflettanza bi-direzionale superficiale e dello scattering di Rayleigh. L’inclusione di strati diffusivi tiene conto di aerosoli (di diversi tipi e misture) e di nubi (in fase liquida, ghiacciata o mista). Siamo inoltre impegnati, in collaborazione con l'Agenzia Spaziale Europea, nello sviluppo del simulatore End-to-End della missione satellitare FORUM per il consolidamento delle performance di missione, la valutazione dell’impatto dei prodotti derivati, e la preparazione della comunità degli utenti allo sfruttamento dei dati.

Caratterizzazione delle proprietà radiative di nubi e aerosoli

Il gruppo gestisce un ampio dataset, continuamente aggiornato, di proprietà di singolo scattering di particelle di nube ed aerosoli dall’infrarosso al visibile. Questi dati vengono utilizzati per la caratterizzazione delle proprietà radiative di strati diffusivi lungo l’intero spettro. Vengono analizzati dati di telerilevamento da terra, aereo e satellite, per testare le proprietà ottiche modellate per distribuzioni dimensionali di particelle sferiche e cristalli complessi. Le proprietà ottiche delle distribuzioni di particelle vengono parametrizzate per l’utilizzo in modelli veloci di trasferimento radiativo all’interno di modelli di previsione numerica e climatici. Il gruppo collabora a questo scopo con l’Agenzia Spaziale Italiana.

Tecniche di inversione

Le tecniche di inversione consentono di derivare i profili verticali delle principali variabili atmosferiche, così come le proprietà di nubi e aerosoli, a partire da misure passive ad alta risoluzione spettrale. Il nostro interesse si concentra prevalentemente su misure dello spettro infrarosso, raccolte al suolo e/o da satellite, dalle quali vengono ricavate proprietà microfisiche (es. distribuzioni dimensionali di particelle, dimensioni efficaci) e ottiche (es. spessori ottici) delle nubi. Il gruppo collabora su questo argomento con gli istituti IAC e INO del CNR di Firenze.

Tecniche di machine learning e analisi statistiche riguardanti nubei

Questo campo di analisi viene investigato per lo sviluppo di algoritmi automatici e semi-automatici (es. support vector machine, analisi delle componenti principali) applicati all'identificazione e classificazione di nubi osservate da remoto ad alta risoluzione spettrale, specialmente nella regione infrarossa dello spettro. Gli algoritmi sono progettati sia come strumenti di analisi sia in funzione operativa, per essere impiegati a supporto di missioni satellitari e campagne di misura. Il principale interesse è rappresentato dall’identificazione di cirri sottili da misure passive nell’infrarosso.

Metodologie innovative vengono applicate ai dati di telerilevamento raccolti in modalità continuativa sul Plateau Antartico, con un occhio di riguardo alla caratterizzazione delle nubi in fase mista. Questa ricerca è supportata dal MIUR (Ministero dell’Istruzione, dell’Università e della Ricerca) tramite diversi progetti. Tecniche statistiche avanzate sono applicate ad ampi dataset e archivi, sia autoprodotti che forniti da terze parti (es. ASI, ESA, NASA).

Algoritmi multisensore per la stima di precipitazione

Tecniche di apprendimento automatico sono utilizzate per ricavare la stima della precipitazione da satellite, sfruttando il gran numero di sensori attualmente operativi a tutte le frequenze, dal visibile alle microonde. Le applicazioni sono rivolte all’idrologia, all’agricoltura e alla prevenzione e mitigazione delle catastrofi idrogeologiche.

Responsabile scientifico

Tiziano Maestri

Professore associato

Membri DIFA

Tiziano Maestri

Professore associato

Federico Porcù

Professore associato