System for Estimation of Significant Height and Direction of Waves

3598
IEEE LATIN AMERICA TRANSACTIONS, VOL. 13, NO. 11, NOV. 2015
System for Estimation of Significant Height and
Direction of Waves by Using Radar Intensities
I. Arias, J. C. Vélez and M. Calle, Senior Member, IEEE
1
Abstract— The paper explains the process for obtaining ocean
variables using one band X radar located ashore. The system
includes one algorithm for selecting a sea clutter area with required
information to calculate sea variables such as direction, period and
significant height of the waves. The research enhanced reported
algorithms to extract those variables by including filtering stages.
The system has 10% maximum error compared to an in situ sensor.
The results motivate the usage of radar ashore for swell monitoring
with direct application in coastal erosion studies.
Keywords— Radar Application, Sea Clutter, Remote Sensing,
Sea State.
L
I.
INTRODUCCIÓN
A EROSIÓN costera es un problema importante en las
regiones cercanas a los océanos. En particular, en Colombia
este problema afecta a diferentes ciudades como Puerto
Colombia (Atlántico), Cartagena de Indias (Bolívar), e
infraestructuras civiles, como la carretera entre Santa Marta y
Barranquilla. Con el cambio climático, la situación puede afectar
poblaciones costeras a lo largo de toda Latinoamericana.
Una forma de estudiar el fenómeno, con el fin de adoptar
medidas contingentes, es el monitoreo del oleaje en tiempo real.
Sin embargo, la cantidad de sensores para este fin en la Costa
Norte de Colombia es escasa: sólo hay cuatro boyas [1], las
cuales no son suficientes. Adicionalmente, las boyas también
son costosas y es difícil realizar mantenimiento y protegerlas
contra situaciones como vandalismo y el robo de sus partes.
La Universidad del Norte ha venido trabajando en un sensor
de oleaje usando radares, adaptado a las necesidades locales. Por
lo tanto, el sensor debe tener bajo costo, capacidades de
comunicación y debe detectar información de forma remota.
Además, el sensor debe ser ubicado en tierra, en un lugar seguro.
Los resultados preliminares en el desarrollo de este sensor se
han presentado en [2], incluyendo las fases de adquisición y
digitalización de señales de radar.
Los sistemas de radares náuticos están diseñados para detectar
objetos en el mar tales como embarcaciones. Como
consecuencia de ello, las señales provenientes de blancos
diferentes son descartadas. Sin embargo, los sistemas de radar
detectan señales oceánicas (conocido como clutter de mar), que
pueden ser utilizadas para obtener variables oceánicas como la
1
I. Arias, Universidad del Norte, Barranquilla, Colombia, ivarher@gmail.com
J. C. Velez, Universidad del Norte, Barranquilla, Colombia,
jcvelez@uninorte.edu.co
M.
Calle,
Universidad
del
Norte,
Barranquilla,
Colombia,
mcalle@uninorte.edu.co
dirección y la altura significativa (Hs) del oleaje. Dichas
variables son importantes en el estudio del estado del mar y la
prevención de la erosión costera. La Hs es una medida de las
alturas de las olas, en metros, que da información sobre qué tan
intenso es el oleaje.
El artículo presenta los Trabajos Relacionados en la sección
II. La Sección III muestra el sistema de sensado remoto en su
etapa actual de desarrollo. La Sección IV presenta la
implementación de los algoritmos para obtener la dirección del
oleaje y la Hs a partir de la imagen de clutter,. En la Sección V
se muestran los resultados obtenidos con el sistema en
comparación con los de una ecosonda (sensor in situ). En la
Sección VI se presentan las conclusiones de la investigación.
II.
TRABAJOS RELACIONADOS
El primer trabajo en la extracción de variables oceánicas que
empleó sistemas de radar fue reportado en [3]. Este estudio
explica la interacción entre la señal de radar RF y la superficie
del océano. Los resultados muestran que los radares de banda X
son capaces de detectar oleaje, debido a las ondas capilares
creadas por el viento. El estudio halló que el número de onda en
estas ondas capilares es comparable a la longitud de onda del
radar. Otros estudios como [4] y [5] proponen métodos para la
extracción de variables que caractericen el océano, empleando
intensidades de radar. El trabajo presentado en [4] define los
diferentes componentes que se encuentran en el clutter de mar.
La investigación en [5] muestra las relaciones entre el espectro
tridimensional del oleaje y el espectro de imágenes de radares.
Los estudios realizados en [6] y [7] presentan diferentes métodos
para obtener las variables del océano a través de imágenes de
radares, como la energía, la dirección y corriente. Sin embargo,
ninguno de estos trabajos obtuvo la Hs de las olas a través de
imágenes de radares.
Otro estudio calculó la Hs mediante el uso de la relación señal
a ruido (SNR) de una secuencias de imágenes clutter [8]. El
método emplea una regresión lineal entre la Hs medida por un
sensor in situ y la SNR recibida por el radar. El método es
similar al presentado en [9]. Sin embargo, ambos esquemas
requieren calibración, la comparación de radar y mediciones in
situ. Todos estos estudios emplean radares ubicados en
plataformas petrolíferas a alturas elevadas.
Otros estudios utilizan radares ubicados en plataformas
petroleras, a 50 metros sobre el océano [10]–[12]. Estos estudios
utilizan imágenes de radar para extraer variables geométricas de
la superficie del océano. Debido a la altura del radar, este
ARIAS et al.: SYSTEM FOR ESTIMATION OF SIGNIFICANT
enfoque no necesita incluir sombreado ni efectos hidrodinámicos
sobre la imagen de radar. Estos métodos no requieren
calibración con medidas in situ.
Diferentes estudios indican que es posible extraer variables
como la velocidad del viento [13], [14], la profundidad del
fondo marino [15], la topografía de la superficie del océano [16]
y propiedades internas de oleaje [17] mediante imágenes de
radar. Adicionalmente, fueron reportadas mejoras a los
anteriores métodos en [18] y [19]. Por otro lado, se han
reportado trabajos para clasificar estas imágenes de radar [20].
La Universidad del Norte (UN) ha presentado algunos resultados
preliminares de la construcción del sensor remoto de oleaje en la
costa Caribe colombiana, obteniendo imágenes de clutter de
mar y realizando simulaciones del sistema [21]; también se han
reportado las mediciones mediante hardware [22].
III.
3599
Figura 2. Configuración de los equipos en azotea, Castillo de Salgar.
SISTEMA DE SENSADO REMOTO
Los datos presentados en este trabajo fueron tomados en
Puerto Colombia, Atlántico, Colombia. Se usó un radar náutico
de 22kW ubicado 20 metros por encima de la superficie del
océano, localizado en la azotea de un edificio turístico (Castillo
de Salgar). El Radar emplea varias etapas desarrolladas en el
Grupo de Investigación en Telecomunicaciones y Señales de la
UN. La Fig. 1 muestra el procedimiento implementado para la
adquisición de datos.
Figura 3. Localización geográfica de los equipos: Castillo de Salgar: 11 ° 2'8.39
N, 74 ° 56'48.88 W; Ecosonda: 11 ° 2'8.39 N, 74 ° 56'48.88 W
Se empleó también una ecosonda (sensor situ) situado a 1.100
metros del radar, con el fin de validar las mediciones. La
ecosonda tiene una resolución temporal de un (1) segundo. La
Hs se calcula mediante el uso de análisis estadístico de los datos
de la ecosonda.
IV.
Figura 1. Adquisición y procesamiento de imágenes de Clutter de mar
La Fig. 2 muestra la configuración de los equipos para los
experimentos. La Fig. 3 presenta la ubicación geográfica de la
prueba.
La Velocidad de rotación de la antena del radar es de 48
revoluciones por minuto (rpm). Por lo tanto, la frecuencia de
muestreo es de 0,8 Hz. En consecuencia, el sistema tiene una
resolución temporal de 1,25 segundos.
El sistema de adquisición utiliza una conversión analógicadigital (ADC) de 25 mega muestras por segundo (MSPS). Por lo
tanto, la resolución espacial de las imágenes de clutter es de 6
metros.
ALGORITMOS
Las imágenes de radar fueron procesadas con el fin de obtener
parámetros característicos del océano. El objetivo es desarrollar
un método que no requiere calibración; por lo tanto, no habrá
necesidad de utilizar un sensor in situ. Se empleó el método
descrito en [12] para reconstruir la superficie del océano.
También se usaron algoritmos de procesamiento adicionales con
el fin de obtener la dirección de oleaje. El sistema utiliza filtros
para reducir la incertidumbre de los datos, facilitando el proceso
para encontrar Hs. También se utilizaron diferentes tamaños de
regiones o ventanas para precisar mejor el área que se debería
procesar en búsqueda de una mejor desempeño del sistema.
El primer paso en la búsqueda de Hs es estimar la dirección
del oleaje y con ella la región a ser procesada. El radar sólo
puede captar información del oleaje cuando su dirección de
propagación es similar a la del oleaje [8]. El algoritmo planteado
para encontrar la dirección del oleaje fue el siguiente:
La SNR del radar está directamente relacionada con la
intensidad del oleaje y la varianza. Por lo tanto, se puede asumir
que la dirección de un rayo con una alta varianza tendrá una
menor diferencia con la dirección del oleaje.
3600
IEEE LATIN AMERICA TRANSACTIONS, VOL. 13, NO. 11, NOV. 2015
Sin embargo, hay otra condición: toda la imagen debe
corresponder a clutter de mar. Si hay señales distintas, el valor
más alto de varianza puede ocurrir en estas áreas que no
corresponden al clutter de mar. En la Fig. 4 se muestra la
importancia de esta consideración. Se aplicó el algoritmo a
imágenes donde la mitad de la misma correspondía a clutter de
mar. La otra mitad corresponde a playas y edificaciones
costeras. La Fig. 4a) muestra una imagen de radar completa
donde la parte derecha corresponde a clutter de mar y la otra
mitad a playa y edificaciones. La Fig. 4b) muestra el rayo con
mayor varianza en azul oscuro, el cual no se encuentra dentro
de la porción de la imagen correspondiente al mar. Aplicando la
condición planteada, se obtiene la Fig. 4c) la cual muestra el
rayo de mayor varianza señalando la dirección del oleaje. El
radar está situado en el centro de la figura.
.
Figura 1. Imagen de radar completa con el clutter de mar (derecha), la playa y
los edificios (izquierda). Fig. 4. b,c muestran el efecto de delimitar el área de
procesamiento: rayo de mayor varianza está relacionado con la dirección de
propagación del oleaje
Conociendo la dirección del oleaje, se puede extraer la
porción de la imagen que contiene mayor información del
oleaje. En la Fig. 5 se muestra una imagen clutter después de
extraer de ella la zona a ser procesada, con el rayo con mayor
varianza en azul oscuro. De la Fig. 5 se excluyeron aquellas
zonas correspondientes a playa y edificaciones. La Fig. 5 b)
muestra la región seleccionada.
Figura 5. a) Rayo con la mayor varianza. b) Región de Procesamiento para
encontrar Hs.
Se aplicó el método descrito en [12] a la región seleccionada.
El método está basado en la desviación de las intensidades de su
valor promedio. El método también compensa la atenuación de
la señal de acuerdo con la escala del radar. La Fig. 6 muestra un
diagrama de flujo para del método.
El método explicado en la Fig. 6 halla σ ( , t), Radar Cross
Section (RCS) para una región particular P0. Nótese que la RCS
está en función del rango y el tiempo t.
El siguiente paso en la Fig. 6 es la corrección del patrón de
antena. Este paso calcula el promedio temporal de una secuencia
de imágenes. Después de calcular la transformada de Fourier en
dos dimensiones, la componente cero del espectro se elimina. El
resultado de este proceso es una imagen que se resta de cada una
de las imágenes de la secuencia a procesar.
Posteriormente sigue la Parametrización. Este paso
caracteriza el promedio temporal de cada rayo en la imagen de
clutter. Se realiza la parametrización del RCS ( ) promedio
para cada rayo, usando una aproximación con un polinomio de
tercer orden. Adicionalmente, este paso calcula ( ), el ángulo
que se formaría entre el rayo del radar y la superficie del océano,
si dicha superficie fuera completamente plana. La ecuación (1)
muestra que este ángulo depende de la altura de la antena (ℎ )
y el rango ( ).
(1)
Ψ(r) = arctan
ARIAS et al.: SYSTEM FOR ESTIMATION OF SIGNIFICANT
3601
( , )
Corrección del patrón de antena
Parametrización
,
,
= ( ,
)
Ψ
= arctan(ℎ
/ )
Determinación de la Inclinación
→
Ψ=
( , )
Inegración
( , )
Filtrado
Filtro Gaussiano
Filtro Gabor
Figura 6. Diagrama de flujo del método descrito en [12]
Seguidamente en el método se determina la Inclinación. Este
paso usa la desviación entre el nivel de RCS en un punto (δσ)
con respecto al RCS (σ) promedio. Esta variación es causada por
una inclinación de la superficie (Φ(r)) en un punto [12]. Luego,
el método calcula el ángulo de incidencia sobre la superficie,Ψ,
usando una regresión sobre el valor esperado , ( , ).
La elevación de la superficie puede ser encontrada restando
( ), ángulo de
Ψ , ángulo de incidencia del radar, a
incidencia si la superficie fuera completamente plana, como se
muestra en la ecuación (2):
( )
(2)
Φ( , ) = Ψ = Ψ ( , )
La etapa anterior abre el camino para la Integración. Este
paso reconstruye la superficie del océano integrando todas la
inclinaciones de la superficie, Φ( , ).
Finalmente se realiza el Filtrado. El método emplea un filtro
paso banda Gaussiano y un filtro de Gabor. El filtro Gaussiano
elimina componentes con pequeño número de onda que no
corresponden al oleaje [12]. El filtro Gabor elimina
componentes situadas fuera de la región del espectro del oleaje
[12]. Las Fig. 7 a) y b) muestran la respuesta espectral de los
filtros Gaussiano y Gabor, respectivamente.
Figura 7. Respuesta Espectral a) Filtro Gaussiano. b) Filtro Gabor.
V. RESULTADOS
La Fig. 8 muestra el espectro bidimensional del oleaje,
obtenido a partir de imágenes de radar. La Fig. 9 presenta la
función de densidad de potencia de las mismas imágenes.
Figura 8. Espectro bidimensional del oleaje calculado a partir de imágenes de
radar
3602
IEEE LATIN AMERICA TRANSACTIONS, VOL. 13, NO. 11, NOV. 2015
procesar
para encontrar la zona que arrojara un mejor
desempeño del sistema. Para ello, se tomaron ventanas de NxN
pixeles y se calculó Hs. Luego, esta Hs fue comparada con el
valor calculado con los datos de la ecosonda.
En la Fig. 11 se muestran los resultados de las diferentes
ventanas utilizadas.
1,30
Figura 9. Densidad espectral de potencia del oleaje, obtenida a través de
intensidades de radar
La altura de la superficie es calculada a través de la
integración espacial de las inclinaciones. La Fig. 10 muestra los
valores de Hs calculados a partir de las superficies reconstruidas
comparados con un sensor in situ. Se calcularon dos tipos de Hs;
una utilizando la etapa de filtrado y la otra sin filtrar. Los valores
obtenidos sin filtrado son más altos que los valores de la
ecosonda, e incluyen valores atípicos. Los Valores de Hs
obtenidos con los filtros Gaussiano y Gabor son más pequeños
que los de la ecosonda. Sin embargo, dichos valores siguen una
tendencia similar a ésta. La situación se debe a las características
inherentes a la Hs, que es una medida de dispersión en los
valores de altura del océano. Sin filtros, el ruido de componentes
que no corresponden al oleaje aumenta la dispersión de los
datos, por lo tanto aumenta la Hs estimada.
Hs (metros)
1,20
1,10
1,00
HsEco
0,90
Ventana 50
0,80
Ventana 100
0,70
Ventana 150
0,60
0,50
10:47
10:53
11:01
11:08
11:15
Figura 11. Hs reconstruida variando el tamaño de la región a procesar, una
ventana N corresponde a una región de NxN pixeles de la imagen de clutter de
mar
Se encontró que la región de 100x100 pixeles presenta los
valores con menor error relativo, hasta del 2%, con respecto a la
ecosonda.
VI. CONCLUSIONES
Se desarrolló un sistema para la obtención de forma remota
de variables que permitieran caracterizar el estado del mar, tales
como la estructura del clutter de mar, dirección del oleaje y Hs.
Se compararon los valores de las Hs medidas por un sensor
in situ y las obtenidas con el sistema remoto. Los resultados
muestran que el uso de filtros mejora el desempeño del sistema.
Se obtuvo un error máximo del 10% entre el sistema remoto en
comparación con el sensor in situ.
Los valores de error muestran que el sistema proporciona
información que puede ser utilizado en el estudio de la erosión
costera. El sistema no requiere calibración con otros dispositivos
y no requiere ser ubicado dentro del mar. Por lo tanto, el sistema
cumple con los requisitos para realizar un monitoreo adecuado
del oleaje en las costas del caribe Colombiano, ubicando los
instrumentos de forma segura en la costa.
AGRADECIMIENTOS
Figura. 10. Valores de altura significativa (Hs). Los valores en azul
corresponden a la ecosonda, los valores rojos muestran la estimación sin filtrar.
Los valores en verde corresponden a Hs con ambos filtros.
Nótese que para la Fig. 10 se tomó una ventana de 200x200
pixeles. Sin embargo, a medida que se amplía el tamaño de la
región a procesar, podrían incluirse datos que estén alejados de
la dirección del oleaje. Además, estos datos contienen poca
información del océano y por ende agregarían ruido al sistema.
Por esto, en otro experimento se varió el tamaño de la región a
Esta investigación fue financiada por COLCIENCIAS y la
Universidad del Norte (proyecto 121556933464). Los autores
quieren agradecer también a COMFAMILIAR por permitir usar
las instalaciones del Castillo de Salgar para realizar las pruebas
del sistema.
ARIAS et al.: SYSTEM FOR ESTIMATION OF SIGNIFICANT
REFERENCIAS
[1]
W. S. Wagner Forero, “Boletín Meteomarino Mensual del Caribe
Colombiano,” Cartagena, 2012.
[2]
A. Serrano, J. Posada, J. C. Vélez, and M. Alvarado, “Sensado
Remoto de Oleaje Mediante Señales de Radar,” in XX Seminario Nacional de
Hidráulica e Hidrología, 2013, p. 10.
[3]
G. Valenzuela and M. Laing, “Ocean spectra for the high-frequency
waves as determined from airborne radar measurements,” J. Mar. Res., vol. VOL
29, no. 2, pp. 69–84, 1971.
[4]
W. R. Alpers, D. B. Ross, and C. L. Rufenach, “On the detectability
of ocean surface waves by real and synthetic aperture radar,” Journal of
Geophysical Research, vol. 86, no. C7. p. 6481, 1981.
[5]
I. R. Young, W. Rosenthal, and F. Ziemer, “A Three-Dimensional
Analysis of Marine Radar Images for the Determination of Ocean Wave
Directionality and Surface Currents,” J. Geophys. Res., vol. 90, no. C1, pp.
1049–1059, 1985.
[6]
F. Ziemer and H. Günther, “A system to monitor ocean wave fields,”
in Second International Conference on Air-Sea Interaction and Meteorology and
Oceanography of the Coastal Zone, 1994.
[7]
W. Rosenthal, “Results of the MAXWAVE project,” Inst. Coast. Res.
Geesthacht, Ger., vol. 11, no. 1, pp. 1–7, 1995.
[8]
J. Borge and K. Hessner, “Estimation of the significant wave height
with X-band nautical radars,” Proc. 18th Int. Conf. Offshore Mech., no. C, pp.
1–8, 1999.
[9]
J. N. Borge, “Inversion of marine radar images for surface wave
analysis,” J. Atmos. Ocean. Technol., vol. 21, no. 8, pp. 1291–1300, 2004.
[10]
H. Dankert, J. Horstmann, and W. Koch, “Ocean wind fields
retrieved from radar-image sequences,” Geosci. Remote Sens., vol. 00, no. C,
pp. 17–19, 2002.
[11] Dankert, H.; Rosenthal, W., "Retrieval of ocean surface wave fields using
marine radar-image sequences," Geoscience and Remote Sensing Symposium,
2004. IGARSS '04. Proceedings. 2004 IEEE International , vol.3, no.,
pp.1884,1887 vol.3, 20-24 Sept. 2004.
[12]
H. Dankert and W. Rosenthal, “Ocean surface determination from Xband radar-image sequences,” J. Geophys. Res., vol. 109, no. Ocean, pp. 1–11,
2004.
[13]
H. Dankert and J. Horstmann, “Ocean surface winds retrieved from
marine radar-image sequences,” Geosci. Remote Sens., pp. 1903–1906, 2004.
[14]
H. Dankert and J. Horstmann, “A Marine Radar Wind Sensor,” J.
Atmos. Ocean. Technol., vol. 24, no. 9, pp. 1629–1642, Sep. 2007.
[15]
F. Serafino, C. Lugni, J. C. N. Borge, V. Zamparelli, and F.
Soldovieri, “Bathymetry determination via X-band radar data: a new strategy
and numerical results.,” Sensors (Basel)., vol. 10, no. 7, pp. 6522–34, Jan. 2010.
[16]
F. Serafino, C. Lugni, and F. Soldovieri, “Sea surface topography
reconstruction from X-band radar images,” Adv. Geosci., vol. 19, pp. 83–86,
2008.
[17]
R. J. Ramos, B. Lund, and H. C. Graber, “Determination of internal
wave properties from X-Band radar observations,” Ocean Eng., vol. 36, no. 14,
pp. 1039–1047, Oct. 2009.
[18]
J. Nieto-Borge and P. Jarabo-Amores, “Estimation of Ocean Wave
Heights from Temporal Sequences of X-Band Marine Radar Images,” in 14th
European Signal Processing Conference, 2006, no. Eusipco.
[19]
J. C. Nieto-Borge, K. Hessner, P. Jarabo-Amores, and D. de la Mata
Moya, “Analysis of sea state parameters and ocean currents from temporal
sequences of marine radar images of the sea surface,” 2008 IEEE Radar Conf.,
pp. 1–5, May 2008
[20] J. P. Pascual, J. I. F. Michelli, N. von Ellenrieder, M. Hurtado, J. Areta and
C. H. Muravchik, “Image Classification by Means of CEM Algorithm Based on
a GARCH-2D Data Model”, IEEE Latin America Transactions, Vol. 12, No. 5,
Aug. 2014.
[21] A. Mendoza Serrano, “Modelado y simulación de clutter de mar en base a la
interacción onda electromagnética - supercie de mar,” Universidad del Norte,
2011.
3603
[22] J. C. Nieto Borge and C. Guedes Soares, “Analysis of directional wave
fields using X-band navigation radar,” Coastal Engineering, vol. 40, no. 4. pp.
375–391, 2000.
Ivan Arias, received a M.Sc. in Electronics Engineering at
Universidad del Norte in Barranquilla, Colombia, 2014. He also
graduated from Electronics Engineering and Mathematics at the
same institution, 2012 and 2013. Currently, Ivan works as
researcher
assistant
at
the
Research
Group
in
Telecommunication and Signals at Universidad del Norte. His
research interests include remote sensing of the ocean via radar
and others remote systems.
Juan Carlos Velez, finished his studies in Russia, including
undergraduate, master and Ph. D. in Radio Electronic Systems.
Currently he works at the Electrical and Electronics Engineering
Department at Universidad del Norte as Associate Professor. He
worked also as a Communications Engineer for COMCEL in
Bogotá, Colombia. His research interests include radio electronic
systems, digital signal processing and stochastic processing.
Maria Calle, is an Associate Profesor at Universidad del Norte
in Barranquilla, Colombia. She is a graduate of the University of
Pittsburgh (M.S. Telecommunications, 2006, PhD in Information
Sciences, 2009) and Universidad Pontificia Bolivariana,
Medellín, Colombia (B.E.E, 1995). She worked as a
telecommunications engineer for MV-TEL Consultores in
Medellín, from 1996 to 2000. She was also a lecturer at
Universidad Pontificia Bolivariana and Universidad San Buenaventura, both in
Medellín. Dr. Calle is a Senior Member of the IEEE. Her research interests
include applications and communication protocols for wireless sensor networks,
cross-layer communication issues and energy harvesting.