FR2947938A1 - Procede de prediction d'une evolution d'un phenomene meteorologique a partir de donnees provenant d'un radar meteorologique - Google Patents

Abstract

La présente invention concerne un procédé de prédiction d'une évolution d'un phénomène météorologique à partir de données provenant d'un radar météorologique. Le procédé selon l'invention comporte au moins les étapes suivantes : • une première étape d'extraction de squelettes en niveau de gris (22) d'images représentant les données du radar ; • une deuxième étape d'association (24) de données caractéristiques de l'état du système météorologique aux points extrema locaux de niveau de gris ; • une troisième étape d'appariement (25) de chaque squelette en niveau de gris des deux images successives ; • une quatrième étape de prédiction (26) de positions futures des formes des images ; • une cinquième étape de prédiction (27, 28) de données d'évolution du système météorologique ; • une sixième étape de représentation (29) des informations provenant de la sixième étape de pistage (27, 28). L'invention peut notamment s'appliquer l'établissement d'une prédiction d'évolution d'une masse nuageuse. La prédiction de l'évolution d'une situation météorologique peut être présentée à un pilote d'un aéronef.

Description

PROCEDE DE PREDICTION D'UNE EVOLUTION D'UN PHENOMENE METEOROLOGIQUE A PARTIR DE DONNEES PROVENANT D'UN RADAR METEOROLOGIQUE La présente invention concerne un procédé de prédiction d'une évolution d'un phénomène météorologique à partir de données provenant d'un radar météorologique. L'invention peut notamment s'appliquer à l'établissement d'une prédiction d'évolution d'une masse nuageuse. La prédiction de l'évolution d'une situation météorologique peut être présentée à un pilote d'un aéronef.

Dans le domaine de l'aviation notamment civile, la plupart des aéronefs sont pourvus de radars météorologiques ou reçoivent des informations météorologiques. Des informations météorologiques peuvent provenir de radars embarqués à bord d'autres aéronefs, de radars météorologiques au sol par exemple. La disponibilité, pour un équipage d'aéronef, de données météorologiques en temps réel est cruciale au cours d'un vol afin de pouvoir éviter des situations météorologiques pouvant mettre en danger l'aéronef ainsi que ses passagers. Par exemple, les pilotes d'aéronefs évitent de pénétrer des cellules convectives comme des cumulonimbus. A cette fin, une situation météorologique représentant notamment des nuages dans un plan horizontal ou vertical peut permettre à un équipage d'éviter de telles zones de perturbations. De plus, pouvoir visualiser une prédiction d'une évolution à cours terme des zones de perturbation, peut permettre à un équipage de trouver la meilleure trajectoire possible pour traverser une zone météorologique instable.

De nombreuses méthodes de modélisation d'une situation météorologique ont été mises au point, afin de notamment pouvoir effectuer des prédictions d'évolution de la situation. Des objets composant une situation météorologique peuvent être multiples : champ de vent, champ de température, nuages, précipitations. Des objets tels que des nuages et des précipitations associées peuvent par exemple être décrits en utilisant des informations géométriques, des informations de texture. Les nuages et précipitations peuvent aussi être décrits par une évolution dans le temps de certaines caractéristiques telles que leur taille, la température. Parmi les modélisations existantes, une première modélisation des nuages est décrite par Arnaud Y., Desbois M., Maizi J., dans la publication suivante : Automatic tracking and characterization of African convective systems on Meteosat pictures, Journal of Applied Meteorology, vol. 31, n° 5, 1992 .

Cette première modélisation utilise notamment des mesures d'aires, de centre de gravité, de longueur d'extension le long de deux axes de chaque nuage. La forme de chaque nuage est au préalable extraite d'une image fournie par un radar satellite. L'extraction est réalisée par une méthode de seuillage.

Une deuxième modélisation est proposée par Yang Y., Lin H., Guo Z., Fang Z., Jiang J., dans la publication suivante : Automatic tracking and characterization of multiple moving clouds in satellite images, IEEE international conference on systems, man and cybernetics, vol. 4, 2004 . La méthode proposée par la deuxième modélisation se base notamment sur un contour de chaque nuage pour mesurer une aire, une déformation, un étirement du nuage. La deuxième modélisation utilise également des descripteurs de Fourier pour le contour du nuage et une mesure de texture effectuée sur une image issue du radar météorologique. Une troisième modélisation est décrite par Dell'Acqua F., Gamba P., dans la publication suivante : A simple modal approach to the problem of meteorological object tracking, Geoscience and Remote Sensing Symposium, vol. 5, 2000 . La troisième modélisation propose une représentation des contours des nuages par des vecteurs propres, associée à une détection des centroïdes de chaque nuage.

Une quatrième modélisation est citée par Papin C., dans Analyse spatio-temporelle d'images météorologiques satellitaires : détection et suivi de structures nuageuses critiques, Thèse de l'Université de Rennes 1, mention Traitement du signal et télécommunication, 1999 . La quatrième modélisation utilise une identification de nuages convectifs par leurs contours, lesdits contours étant détectés par une méthode dite des lignes de niveau ou de contours actifs. Une cinquième modélisation est décrite par Barbaresco F., Monnier B. dans la publication suivante : Rain clouds tracking with radar image processing based on morphological skeleton matching, International conference on image processing, vol. 1, 2001 . Dans la cinquième modélisation des nuages sont représentés par leur squelette morphologique.

Certains critères de modélisation permettent une interprétation correcte par un être humain, c'est notamment le cas des méthodes de modélisation utilisant les centroïdes, les contours et des critères géométriques comme les aires, les extensions des formes. Cependant, lorsqu'une méthode prend en compte le contour des objets, la modélisation résultante manque de robustesse si l'image initiale est bruitée. Une autre raison à ce manque de robustesse est aussi le fait que les nuages sont des objets fluides dont les contours peuvent fluctuer sans que cela soit significatif pour l'évolution du phénomène météorologique. Les modélisations utilisant des contours ne sont donc pas optimales pour une utilisation par un traitement informatique comme le pistage. Les méthodes de modélisation utilisant des contours sont notamment les première, deuxième et quatrième modélisations, ainsi que la troisième modélisation. D'autres critères de modélisation donnent une modélisation non intelligible par un être humain car ils visent uniquement à fournir une description de chaque nuage, adaptée à une utilisation par un traitement informatique. C'est notamment le cas pour la deuxième méthode de modélisation utilisant des descripteurs de Fourier et des textures ainsi que pour la troisième méthode de modélisation utilisant une représentation des contours par vecteurs propres. En effet, une représentation par vecteur propre ne permet pas une interprétation directe de la situation par un opérateur humain. La cinquième méthode de modélisation donne une représentation robuste d'un ensemble de cellules convectives. Cependant avec la cinquième méthode de modélisation, il y a des pertes de l'information en niveau de gris, et donc de l'emplacement exact des cellules convectives. On ne peut donc pas suivre le cycle de vie, par exemple leur expansion, la maturité, la décroissance des cellules convectives. De plus, les méthodes décrites précédemment présentent le défaut de fixer une échelle spatiale pour analyser les données météorologiques. Par exemple certaines méthodes utilisent un seuillage bas des images en niveau de gris, par exemple de l'ordre d'une vingtaine de dBZ, dBZ étant une abréviation pour décibel Z. Un seuillage bas permet uniquement un pistage de gros systèmes convectifs, ainsi il est impossible avec de telles méthodes d'effectuer une prédiction du développement des systèmes convectifs. D'autres méthodes utilisent un seuillage par exemple de l'ordre de quarante dBZ. Un tel seuillage permet uniquement de localiser les zones de convection les plus intenses : les cellules individuelles des systèmes convectifs. L'identification d'une cellule convective d'une image à l'autre est peu robuste, notamment dans le cas de systèmes convectifs avec plusieurs cellules proches. Ces méthodes sont donc peu robustes pour effectuer des pistages des cellules convectives et en déduire une prédiction de leur évolution.

Un but de l'invention est notamment de prédire une évolution d'une situation météorologique à court terme. A cet effet, l'invention a pour objet un procédé de prédiction d'une évolution d'un système météorologique à partir de données provenant notamment d'un radar météorologique. Les données peuvent se présenter sous la forme d'au moins deux images en niveaux de gris successives. Une échelle de niveau de gris correspond à une échelle des valeurs des données. Ledit procédé peut comporter au moins les étapes suivantes : • Une première étape d'extraction de squelettes en niveau de gris des images. Les squelettes modélisent notamment des formes représentées sur les images. L'étape d'extraction de squelettes en niveau de gris peut identifier des points caractéristiques de la géométrie des formes ainsi que des extrema locaux de niveaux de gris des images ; • Une deuxième étape d'association de données caractéristiques de l'état du système météorologique aux points extrema locaux de niveau de gris; • Une troisième étape d'appariement de chaque squelette en niveau de gris des deux images successives ; • Une étape de prédiction de positions futures des formes de la dernière des deux images successives, fournissant une image prédite en utilisant l'appariement ; • Une étape de prédiction d'une évolution de cellules convectives du système météorologique en utilisant l'appariement. Les cellules convectives peuvent être représentées par des extrema locaux de niveau de gris sur une image ; • Une étape de représentation des informations provenant de l'étape de prédiction d'une évolution de cellules convectives et de l'étape de prédiction de positions futures de formes. L'étape de prédiction peut construire des fonctions d'évolutions des cellules convectives par estimation de dérivées temporelles de données caractéristiques de l'état du système météorologique aux points représentant des extrema locaux de niveau de gris dans l'image prédite. Les fonctions d'évolutions peuvent être représentées au cours de l'étape de représentation. Le procédé peut comporter une étape de prédiction d'une évolution globale du système météorologique par exemple, par combinaison des fonctions d'évolutions des cellules convectives comprises dans le système météorologique. Une évolution globale du système météorologique peut être représentée au cours de l'étape de représentation.

La troisième étape d'appariement peut comporter une construction d'un ensemble de vecteurs d'appariement entre des parties appariées des squelettes des deux images. Un champ de vecteurs de déplacement peut être extrapolé de l'ensemble de vecteurs d'appariement.

Les futures positions des formes peuvent être déduites à partir du champ de vecteurs de déplacement, notamment par un déplacement de chaque pixel de la dernière des deux images. Le procédé peut comporter une étape de simplification des squelettes en niveau de gris extraits des images, ladite simplification conservant notamment les points caractéristiques de la géométrie des squelettes ainsi que les extrema locaux de niveau de gris. Chaque squelette pouvant comporter un ensemble de segments, la troisième étape d'appariement peut comporter un appariement des segments et un appariement des points caractéristiques du squelette.35 L'invention a notamment pour principaux avantages d'être robuste et de permettre d'obtenir une représentation synthétique et intelligible d'une évolution d'un phénomène météorologique potentiellement dangereux.

D'autres caractéristiques et avantages de l'invention apparaîtront à l'aide de la description qui suit, donnée à titre illustratif et non limitatif, et faite en regard des dessins annexés qui représentent : • la figure 1 : un exemple d'une première image en niveau de gris issue de données produites par un radar météorologique ; • la figure 2 : plusieurs étapes possibles d'un procédé de prédiction d'évolution de formes selon l'invention ; • la figure 3 : un exemple d'un premier squelette issu de la deuxième étape d'extraction de squelette, représenté sur une deuxième image ; • la figure 4 : un exemple d'un deuxième squelette en niveau de gris linéaire, représenté sur la deuxième image ; • la figure 5 : un exemple d'appariement de segment de deux images successives ; • la figure 6 : un exemple d'appariement de points caractéristiques de deux images radar successives ; • la figure 7 : un exemple d'un champ de vecteurs qui en est déduit de l'appariement de squelettes de deux images radar successives. • la figure 8 : un exemple d'une image issue d'une étape de prédiction du procédé selon l'invention.

La figure 1 représente un exemple d'une première image 1 construite à partir de données fournies par un radar météorologique. Le radar météorologique peut être embarqué à bord d'un aéronef, d'un satellite. Le radar peut également être positionné dans une station météorologique au sol. Un radar météorologique fournit notamment des données de réflectivité du milieu, exprimées en dBZ, abréviation pour décibel Z, dBZ = mm6/m3 en échelle logarithmique. Les données de réflectivité peuvent être affichées suivant des coupes verticales ou horizontales. Des images représentant les données réflectivité sont généralement définies avec plusieurs niveaux de gris : on parle alors d'images en niveau de gris . A chaque niveau de gris correspond une valeur de réflectivité du milieu, objet de la détection radar. Sur les images issues d'un radar météorologique, une cellule convective est caractérisée par une zone de fortes valeurs de réflectivité. Les valeurs de réflectivité sont généralement décroissantes en partant du centre du nuage et en allant en direction de la périphérie du nuage. Dans un système convectif de grande échelle, correspondant à une ligne de grain par exemple, plusieurs cellules convectives peuvent être accolées. La première image 1 présente une portion de l'atmosphère représentée sur un plan. La première image 1 présente pour chaque position du plan une valeur de réflectivité Z exprimée en décibel Z, dBZ. Chaque position du plan est exprimée en latitude et longitude, la latitude et la longitude étant exprimées en degrés et correspond à une position dans l'atmosphère. Le décibel Z est une unité permettant d'exprimer une valeur de réflectivité Z selon une échelle logarithmique. A chaque valeur de réflectivité est associé un niveau de gris présenté sur une première échelle de niveau de gris 2 de la figure 1. Chaque pixel de la première image 1 a donc un niveau de gris correspondant à un niveau de réflectivité de la position qu'il représente sur la première image 1. La première image 1 présente des variations d'intensité de niveau de gris. Les variations d'intensité de niveau de gris de la première image 1 permettent de représenter des formes sur la première image 1. Sur une image radar comme la première image 1, une cellule convective correspondant à une zone de forte réflectivité peut être représentée par les niveaux de gris les plus clairs.

La figure 2 représente plusieurs étapes possibles d'un procédé de prédiction d'évolution de formes 20 selon l'invention. Des formes peuvent être des nuages tels que représentés sur la figure 1. Des formes sont représentées sur une image comportant des variations d'intensité de niveau de gris 2, comme la première image 1 représentée sur la figure 1. Des informations fournies par les radars météorologiques sont généralement représentées sur des images présentant des niveaux de gris, fonction des valeurs des grandeurs physiques représentées sur l'image. Un algorithme de prédiction d'évolution de formes selon l'invention peut, par exemple, être appliqué à une prédiction d'évolution de formes telles que les formes représentées en niveau de gris sur la première image 1. Le procédé de modélisation 20 selon l'invention utilise un principe d'une modélisation par squelettes morphologiques, en adaptant une contrainte prise en compte pour générer les squelettes. De manière générale, un squelette d'un objet résulte d'un amincissement de l'objet jusqu'à obtenir un objet extrêmement fin. Appliquée à une image en niveaux de gris, un squelette représente une forme par une ou plusieurs courbes, mesurant par exemple un pixel de large. La contrainte utilisée dans le principe de modélisation par squelettes morphologiques est une contrainte relative au centrage du squelette par rapport aux contours de la forme représentée par le squelette. Cette contrainte relative au centrage du squelette est relâchée, dans le cas du procédé selon l'invention, au profit d'une contrainte de passage du squelette par des extrema locaux de niveaux de gris. Un extremum local de niveau de gris correspondant notamment à une valeur extrême de niveau de réflectivité. Une valeur extrême peut être une valeur minimale ou maximale locale, selon un paramétrage du procédé de squelettisation. Par exemple un niveau de gris foncé peut correspondre à une réflectivité minimale. Dans le cas d'images provenant de radars météorologiques, telle que la première image 1 représentée sur la figure 1, les pixels ayant un niveau de gris clair peuvent représenter, par exemple, des maxima de valeurs de réflexivité. Les maxima locaux sont des points particuliers du squelette auxquels diverses données peuvent être attachées. Les données attachées à un point particulier peuvent, par exemple, présenter un intérêt pour une modélisation du système météorologique. Ainsi, des données par exemple de type : • niveau de réflectivité ; • altitude d'un point le plus haut d'un nuage ; • température ; • nature et quantité de précipitations, peuvent être attachées à chaque point caractéristique composant le squelette généré par le procédé 20 selon l'invention. Une première étape 21 du procédé 20 selon l'invention peut être une étape de pré-traitement 21 de l'image 1 fournie par le radar météorologique. L'étape de pré-traitement de l'image 21 permet d'éliminer des éléments parasites présents dans l'image 1. Les éléments parasites peuvent entraîner par exemple une fausse détection d'une forme dans une image. L'étape de pré-traitement permet avantageusement d'améliorer la robustesse du procédé selon l'invention ainsi que la robustesse des traitements effectués au cours des étapes suivantes. L'étape de pré-traitement 31 peut comporter une phase de filtrage spatial effectuant un lissage de l'image. De manière générale, un filtrage spatial est une méthode de rehaussement d'une image modifiant la valeur des pixels de l'image en fonction de la valeur des pixels avoisinants. Un filtrage spatial lissant peut utiliser par exemple un filtre gaussien, un filtre médian. L'étape de pré-traitement 21 peut également comporter une phase de rehaussement de zones de faible intensité, par exemple des zones à faibles niveaux de gris, comprises à l'intérieur d'une forme de l'image.

Une deuxième étape 22 du procédé 20 selon l'invention est une étape d'extraction de squelettes de formes présentes par exemple dans la première image 1. L'étape d'extraction de squelettes utilise un critère relatif aux niveaux de gris, c'est-à-dire relatif aux valeurs de réflectivité représentées par les niveaux de gris, des pixels de l'image fournie par le radar après l'étape de pré-traitement 21. L'étape d'extraction de squelettes 22 peut utiliser différents algorithmes d'extraction de squelettes en fonction du niveau de gris. Par exemple, il est possible d'utiliser des algorithmes tels que décrit par : • Nedzved A., Uchida S., Ablameyko S. dans "Gray-scale thinning by 25 using a pseudo-distance map, ICPR06 Proceedings, 2006", algorithme basé sur une pseudo-carte de distances ; • Arcelli C., Ramella G. dans "Skeletal lines in gray-tone digital pictures, Digital Signal Processing Proceedings, 1997", algorithme d'amincissement itératif. 30 Avantageusement, l'algorithme d'extraction de squelettes en fonction du niveau de gris est tel qu'une petite modification de niveau de gris dans l'image se traduit par une petite modification du squelette obtenu. Le résultat est un ensemble de courbes connexes pour chaque objet de l'image radar traitée, comme représenté sur la figure 3. Chaque courbe connexe est un squelette en niveaux de gris. A chaque squelette en niveau de gris peut être associé un identifiant utilisé par la suite. La figure 3 représente un exemple d'un premier squelette 300 issu de la deuxième l'étape d'extraction de squelette en niveau de gris 22 selon l'invention, représenté sur la figure 2. Le premier squelette 300 modélise une première forme 30, par exemple une forme nuageuse, ladite forme nuageuse provenant d'une première image 301. La première forme 30 est représentée pour l'exemple de manière simplifiée avec trois niveaux de gris. Le premier squelette 300 se présente sous une forme de courbes passant par des points définis 31, 32, 33, 34, 35, 36, 37, 38, 39. Parmi les points définis, des premiers points 31, 32, 33, 35, 38, 39 sont des points caractéristiques géométriques permettant de décrire la forme modélisée par le premier squelette 300. Des deuxièmes points 34, 36, 37 sont des points représentant chacun un maximum local de réflectivité. Les deuxièmes points 34, 36, 37 sont des points d'intérêt du premier squelette 300 permettant de modéliser un système physique comme un phénomène météorologique. Des points caractéristiques de la géométrie de la forme peuvent être confondus avec des points d'intérêt pour la description physique du modèle.

Le procédé 20 selon l'invention peut comporter une troisième étape 23 de linéarisation des squelettes, extraits au cours de la deuxième étape 22. La troisième étape de linéarisation est représentée sur la figure 2. La linéarisation des squelettes 23 est une simplification des squelettes permettant d'obtenir une structure de squelettes simple à manipuler par des algorithmes de traitement. L'étape de simplification des squelettes 33 permet de passer d'une liste de points, à un graphe de segments de droites, ou de lignes, formant le squelette. Chaque point est associé à un pixel de l'image. Le principe de simplification des squelettes est de sélectionner et de conserver uniquement des points caractéristiques de la géométrie d'un squelette ou du système physique qu'il modélise. Un point caractéristique d'un squelette peut être un point de début ou de fin d'un squelette, un point de jonction entre deux ou plusieurs lignes, un point de forte incurvation du squelette, un point avec un niveau de gris maximal ou minimal, par exemple. Ensuite la portion de squelette entre deux points caractéristiques est approchée par un segment de droite. Les squelettes extraits font donc l'objet d'une transformation linéaire permettant une simplification de la représentation des squelettes. Les squelettes en niveau de gris passent donc, par exemple, par des maxima locaux de l'image. Sur une image météorologique, les points de maxima locaux correspondent à des centres de cellules convectives. Un exemple de squelette issu d'une transformation linéaire est représenté sur la figure 4. La figure 4 représente un exemple d'un deuxième squelette 40 linéaire. Le deuxième squelette 40 est le résultat de l'étape de linéarisation 23 du premier squelette 300 modélisant la première forme 30 de la première image 301, représentés sur la figure 3. L'ensemble des points 31, 32, 33, 34, 35, 36, 37, 38, 39, sont reliés par des segments de droite à l'issus de l'étape de linéarisation 23.

Une quatrième étape 24 du procédé selon l'invention peut être une étape d'attachement d'informations 24 à des points des squelettes présentant des extrema locaux de niveau de gris. Cette étape permet donc d'enrichir des points caractéristiques avec des données météorologiques, par exemple. Des informations pertinentes pour une modélisation d'une situation météorologique attachées à un point d'intérêt physique peuvent être les suivantes : • valeur de la réflexivité à une altitude donnée à la verticale du point d'intérêt ; • valeur maximale de réflectivité à la verticale du point d'intérêt ; • altitude à laquelle une réflectivité maximale est observée ; • altitude du point le plus haut dépassant un certain seuil de réflectivité à la verticale du point d'intérêt, le point le plus haut étant un sommet du nuage ; • gradient vertical de réflectivité ; • gradient horizontal de réflectivité ; • valeur de température à une altitude donnée ; • altitude du point de température égale à zéro degrés à la verticale du point d'intérêt ; • nature de précipitations à une altitude donnée ; • taux de précipitation à une altitude donnée ; • vecteur vitesse de vent.

D'autres informations, de nature à caractériser l'activité interne du nuage, par exemple, peuvent être attachées à un point d'intérêt. Il est également possible d'ajouter à ces informations une donnée précisant la position relative du point d'intérêt dans le nuage : par exemple une indication d'un point central, d'un point extrémité. L'association d'informations météorologiques propres à décrire l'intensité de convection d'une cellule, permet d'effectuer par la suite une prédiction de l'évolution interne de la cellule convective et donc une évolution interne du nuage. Les informations ou données météorologiques peuvent provenir : • de la première image radar ; • d'un ensemble de données radar, notamment obtenues par une analyse du champ de réflectivité en trois dimensions ; • d'un autre capteur. La figure 4 représente un exemple d'attachement d'informations à des points caractéristiques de squelettes. Par exemple, les deuxièmes points d'intérêts 34, 36, 37, peuvent respectivement être associés à une liste 41, 42, 43 de valeurs de données météorologiques VI.C1, VI .C2, V2.Cl, V2.C2, V3.C1, V3.C2 par exemple. Chaque donnée météorologique V1.C1, Vl.C2, V2.C1, V2.C2, V3.Cl, V3.C2 a une valeur propre à chaque deuxième point d'intérêt 34, 36, 37.

Le procédé de prédiction 20 selon l'invention peut comporter une cinquième étape 25 d'appariement de squelettes correspondant à deux images successives. Les squelettes sont des squelettes issus de la troisième étape 23 de linéarisation des squelettes, lesdits squelettes modélisant deux images radars successives. Un squelette d'une première image peut être apparié à plusieurs squelettes d'une deuxième image ou n'être apparié à aucun squelette de la deuxième image, et réciproquement pour un squelette de la deuxième image. Le squelette d'un objet peut être constitué d'un unique point. Différents procédés d'appariement peuvent être mis en oeuvre au cours de cette étape. Un premier procédé d'appariement est notamment décrit par : • Barbaresco F., Legoupil S., Monnier B., dans la demande de brevet FR2779548 : Procédé de suivi dynamique de l'évolution de milieux 35 déformables et de prédiction de leur évolution ; • Langlois S., Royackkers N., Fawal H., Desvignes M., Revenu M., Travere J.M Cortical Sulci dans : "model and matching from 3D brain magnetic resonance images, Image Processing and its Applications", en 1995.

Des segments de droite des squelettes peuvent être appariés en examinant deux à deux les segments des squelettes de chaque image et en mesurant leur ressemblance selon des paramètres géométriques. Un exemple d'un résultat de l'étape d'appariement 25 de segments de deux images successives est représenté sur la figure 5.

La figure 5 représente un exemple de mise en correspondance de segments du deuxième squelette 40 provenant de la première image 301 avec des segments des squelettes 510, 520 provenant d'une deuxième image 500. La troisième image 301 comporte une deuxième forme 51 modélisée par un troisième squelette 510. Le troisième squelette 510 est un squelette linéaire obtenu par un traitement de la troisième image 301 par les étapes : de prétraitement d'images 21, d'extraction de squelette en niveau de gris 22, de linéarisation de squelettes en niveau de gris 23 puis d'attachement d'informations 24 aux points caractéristiques 511, 512, 513 du troisième squelette 510. Le troisième squelette 510 comporte trois points caractéristiques 511, 512, 513, dont un point 513 à la fois extrémité du troisième squelette 510 et point d'intérêt physique pour la description du modèle. La troisième image 301 comporte également une troisième forme 52 modélisée par un quatrième squelette 520. Le quatrième squelette 520 comporte six points caractéristiques 521, 522, 523, 524, 525, 526, dont deux points particuliers 524, 525 présentant un intérêt pour la modélisation du système physique. L'appariement entre le deuxième squelette 40 et les troisième et quatrième squelettes 510, 520 peut s'effectuer segment par segment. Chaque segment du deuxième squelette 40 est donc apparié avec un segment du troisième ou du quatrième squelette 510, 520. Ainsi l'étape d'appariement permet la définition d'un premier ensemble de vecteurs d'appariement de segments 53, 54, 55, 56, 57, 58, 59. II est également possible de mettre en correspondance les différents points caractéristiques de chaque squelette des deux images successives. Un exemple d'appariement des points caractéristiques est représenté sur la figure 6. Un appariement de points caractéristiques est soit calculé directement, soit déduit de l'appariement des segments des squelettes. La figure 6 représente les mêmes images 301, 500, formes 30, 51, 52, squelettes 40, 510, 520, points caractéristiques que la figure 5. La figure 6 représente un appariement entre les points caractéristiques du deuxième squelette 40 et les points caractéristiques des troisième et quatrième squelettes 510, 520. L'appariement des points caractéristiques permet de créer un deuxième ensemble de vecteurs 60, 61, 62, 62, 64, 65, 66, 67 reliant chacun un point caractéristique du deuxième squelette 40 avec un point caractéristique du troisième squelette 510 ou un point caractéristique du quatrième squelette 520. Un point caractéristique peut être apparié avec deux points caractéristiques d'un autre squelette : c'est par exemple le cas lorsqu'une cellule convective se divise en deux cellules convectives. L'appariement 25 permet ainsi d'effectuer un pistage des formes des nuages ainsi que des points caractéristiques des systèmes convectifs que sont les nuages. L'étape d'appariement 25 permet également de construire un champ de vecteurs de déplacement par extrapolation des vecteurs d'appariement de segments de deux images successives et de vecteurs d'appariement de points caractéristiques des deux images successives. Un tel champ de vecteurs est représenté à titre d'exemple sur la figure 7. La figure 7 représente donc un champ de vecteurs de déplacement 70 tel que peut en donner l'étape d'appariement 25 selon l'invention. Le champ de vecteur de déplacement 70 est notamment calculé à partir de vecteurs d'appariement d'un cinquième squelette 71 avec un sixième squelette 73, d'un septième squelette 72 avec un huitième squelette 74, d'un n-ième squelette constitué d'un unique point caractéristique 75 avec un neuvième squelette 76. La figure 7 comporte également un deuxième point caractéristique 77 apparaissant entre les deux images appariées. Le deuxième point isolé 77 n'est apparié avec aucun autre point caractéristique. Une sixième étape de l'algorithme de prédiction 20 selon l'invention peut être une étape de prédiction 26 des positions futures d'objets contenus les images radars. La sixième étape 26 peut aussi être définie comme une étape d'advection du système convectif, c'est à dire le déplacement dans un plan horizontal du système convectif. Une position future des objets peut être obtenue en les déplaçant suivant le champ de vecteur d'appariement calculé au cours de l'étape d'appariement 25. Parmi les méthodes pouvant être utilisées pour prédire la position future des objets, deux sont notamment décrites par Barbaresco F., Legoupil S., Monnier B., dans la demande de brevet FR2779548 : Procédé de suivi dynamique de l'évolution de milieux déformables et de prédiction de leur évolution . Une première méthode permet de déplacer chaque squelette conformément aux vecteurs d'appariement établis lors de la mise en correspondance des deux images successives. La première méthode présente l'avantage de permettre de transmettre une information compressée sur des canaux de communication à faible débit. Par exemple, lorsque deux avions se suivent sur une même route, un système utilisant l'algorithme de prédiction selon l'invention 20 embarqué à bord du premier avion permet de calculer à partir de deux images obtenues à un premier temps tùdt et à un deuxième temps t, une position prédite de nuages à un troisième temps t+dt, sous la forme de squelette. dt représente un petit écart temporel. Le squelette peut alors être transmis par une liaison à faible débit vers le deuxième aéronef. Ainsi il est possible d'obtenir pour le deuxième aéronef une prédiction à un cinquième temps t+3xdt à partir du squelette reçu par un système mettant en oeuvre le procédé selon l'invention embarqué dans le deuxième aéronef, et d'une seule image au quatrième temps t+2xdt . Une deuxième méthode extrapole les vecteurs d'appariement en un champ de vecteurs 70 tel que représenté sur la figure 7. Le champ de vecteur 70 permet de déplacer les formes de la dernière image pixel par pixel. La deuxième méthode permet avantageusement de produire une image complète des formes prédites. L'image prédite peut alors être présentée par exemple à un équipage d'un aéronef. Une telle image prédite 80 est représentée sur la figure 8.

Avantageusement, quelque soit la méthode employée pour effectuer l'étape de prédiction 26, il est possible, en disposant d'une image à un premier temps tùdt et d'une image à un deuxième temps t, de prédire des positions de nuage à un temps t+nxdt, n étant un nombre réel positif. Il suffit de prolonger les vecteurs d'appariement en fonction de nxdt ou de déplacer les pixels n fois suivant le champ de vecteurs de déplacement 70.

Une septième étape 27 du procédé selon l'invention 20 peut être une étape de prédiction d'une évolution des cellules du système convectif 27. La prédiction de l'évolution des cellules du système convectif permet de suivre l'évolution interne du système. Les points caractéristiques du ou des nuages sont caractérisés par une liste de données météorologiques, telles que représentées sur la figure 4. L'appariement des points du squelette permet d'identifier chaque cellule convective d'une image à l'autre. Cette connaissance permet d'estimer des dérivées temporelles de chaque donnée météorologique Ci, i

étant un indice correspondant un type de données : aC; C. (t) ù C; (t ù OT) at AT Les dérivées de chaque donnée météorologique permettent de caractériser le cycle de vie du nuage. Par exemple, on peut identifier si la cellule est en phase de croissance, de maturité ou de décroissance en examinant le signe de la dérivée des données météorologiques réflectivité à une altitude donnée et altitude du sommet du nuage . Afin de tirer avantage des différentes données à disposition, il est possible de définir une fonction d'évolution f , C. (t), aa ' (t) en combinant différentes données, via une somme pondérée, ou via un arbre de décision, par exemple. La fonction d'évolution for permet de combiner les valeurs des données météorologiques à un instant t et leurs dérivées temporelles, afin de définir plus précisément le cycle de vie des nuages, et de préciser un niveau de danger du système convectif, par exemple pour un avion devant traverser une région nuageuse. La fonction d'évolution fer est paramétrée par la durée At entre le dernier instant connu et l'instant prédit : At = nxdt , At peut ainsi être un pas de temps de prédiction. La fonction d'évolution fer peut également intégrer des données non numériques, par exemple un type de précipitation, notamment si la fonction d'évolution prend la forme d'un arbre de décision.

Une huitième étape 28 peut être une étape de prédiction de l'évolution générale du système convectif 28. L'évolution générale du système convectif est sa tendance générale à croître, c'est à dire à gagner en intensité, à être stable, ou à décroître, c'est à dire perdre en intensité.

L'évolution générale du système combinée à une information d'advection, c'est à dire de déplacement horizontal du système, fournit une information la plus complète possible sur le danger que représente un système convectif complet pour un aéronef par exemple.

De plus, il est intéressant de détecter des phénomènes de fusion et de scission affectant la topologie des nuages comme lorsqu'un nuage se scinde en deux parties. Lors d'une scission, si l'un des nuages résultants est petit, il est susceptible de décroître rapidement. A l'inverse, lors d'une fusion, le système convectif résultant gagne en intensité.

Une comparaison des identifiants des squelettes de l'image de départ et de l'image d'arrivée permet de détecter les phénomènes de fusion et de scission. La tendance générale du système convectif peut être estimée en combinant les fonctions d'évolutions fA calculées pour chaque cellule convective incluse dans le système, et l'occurrence des phénomènes de changement de topologie. II est également possible, pour de très gros systèmes convectifs, de segmenter le système en régions dans lesquelles des tendances régionales peuvent être calculées. Par exemple, sur une ligne de grain, il est possible d'observer des évolutions moyennes sur différentes portions de la ligne. Les données pistées peuvent être suivies sur plusieurs images. Dans ce cas, des méthodes connues comme le filtrage de Kalman, peuvent permettre d'améliorer la qualité de la prédiction.

La figure 8 représente une image prédite 80. L'image prédite comporte plusieurs points caractéristiques 81, 82, 83 du système convectif. A chaque point caractéristique 81, 82, 83 peut correspondre une fonction d'évolution fo, respectivement f1, f2, f3. Les deux formes 84, 85 de la figure 8 correspondent à deux systèmes convectifs distincts. Chaque système convectif 84, 85 peut être caractérisé par une fonction globale d'évolution FI, F2 permettant de connaître notamment son état d'évolution Avantageusement, le procédé selon l'invention peut permettre un affichage à un pilote d'un aéronef d'une position prédite des nuages, accompagnée d'un marquage indiquant un état probable des systèmes convectifs au moment de la prédiction. L'état probable des systèmes convectifs dépend notamment du délai de prédiction. L'état probable des systèmes convectifs peut être donné par un niveau de danger sur une échelle graduée, ou par une valeur prédite pour certains paramètres significatifs comme une altitude moyenne du sommet des cellules convectives.

Avantageusement, le procédé selon l'invention comporte une étape de modélisation de formes par des squelettes en niveaux de gris 1 o permettant à la fois : • de localiser des cellules individuelles pertinentes au regard des formes contenues dans une image issue d'un radar météorologique ; • de représenter de manière synthétique le système physique. Notamment, dans le cadre d'un traitement de pistage radar de 15 phénomènes météorologiques, une représentation par squelette en niveau de gris obtenue par le procédé selon l'invention permet avantageusement un appariement robuste d'objets de deux images successives. De plus, le fait que le squelette en niveau de gris soit conditionné par l'existence de maxima locaux de niveaux de gris assure avantageusement que des déplacements 20 détectés par le traitement de pistage radar sont bien ceux de cellules convectives, comme des coeurs d'orages, et non des fluctuations d'intensité en périphérie de nuages. Avantageusement, le procédé selon l'invention permet d'analyser l'évolution d'un système convectif afin de mieux comprendre les 25 phénomènes physiques en jeu. En effet, la modélisation des déplacements des cellules convectives et le suivi de leur évolution permet d'avoir une modélisation fine des systèmes convectifs afin de mieux comprendre la physique de leur évolution. Avantageusement une modélisation par squelette permet de bien 30 suivre une évolution du système convectif modélisé. En effet, les squelettes sont déformables en fonction de l'évolution du système convectif. L'advection des systèmes convectifs peut être pistée de manière robuste par le procédé selon l'invention en s'appuyant sur un pistage des systèmes complets. Un suivi d'une évolution interne d'un système convectif est également possible grâce au procédé selon l'invention par un suivi de l'évolution de chaque cellule convective. Avantageusement, le procédé selon l'invention permet un affichage en temps réel de l'état prédit du système météorologique au pilote 5 de l'aéronef.

Claims (10)

1. REVENDICATIONS1. Procédé de prédiction (20) d'une évolution d'un système météorologique à partir de données provenant d'un radar météorologique, lesdites données se présentant sous la forme d'au moins deux images (301, 500) en niveaux de gris successives, une échelle de niveau de gris (2) correspondant à une échelle des valeurs des données, caractérisé en ce qu'il comporte au moins les étapes suivantes : • une première étape d'extraction de squelettes en niveau de gris (22) des images (301, 500), lesdits squelettes (40, 510, 520) modélisant des formes (30, 51, 52) représentées sur les images (301, 500), l'étape d'extraction de squelettes en niveau de gris (22) identifiant des points caractéristiques de la géométrie des formes (31, 32, 33, 35, 38, 39, 521, 522, 523, 526, 512, 511) ainsi que des extrema locaux de niveaux de gris (34, 36, 37, 524, 525, 513) des images (301, 500) ; • une deuxième étape d'association (24) de données caractéristiques (41, 42, 43) de l'état du système météorologique aux points extrema locaux de niveau de gris (34, 36, 37) ; • une troisième étape d'appariement (25) de chaque squelette en niveau de gris des deux images successives (301, 500) ; • une étape de prédiction (26) de positions futures des formes (51, 52) de la dernière des deux images successives (500), fournissant une image prédite (80) en utilisant l'appariement (25) ; • une étape de prédiction d'une évolution de cellules convectives (27) du système météorologique en utilisant l'appariement (25), lesdites cellules convectives étant représentées par des extrema locaux de niveau de gris (81, 82, 83) sur une image ; • une étape de représentation (29) des informations provenant de l'étape de prédiction d'une évolution de cellules convectives (27) et de l'étape de prédiction (26) de positions futures de formes (51, 52).
2. 2. Procédé de prédiction selon la revendication 1, caractérisé en ce que l'étape de prédiction construit des fonctions d'évolutions (fi, f2, f3) des cellules convectives par estimation de dérivées temporelles de données caractéristiques de l'état du système météorologique aux points représentant des extrema locaux de niveau de gris dans l'image prédite (80).
3. 3. Procédé de prédiction selon la revendication 2, caractérisé en ce que les fonctions d'évolutions (fi, f2, f3) sont représentées au cours de l'étape de représentation (29).
4. 4. Procédé de prédiction selon la revendication 2, caractérisé en ce qu'il comporte une étape de prédiction (28) d'une évolution globale du système météorologique par combinaison des fonctions d'évolutions (fi, f2, f3) des cellules convectives comprises dans le système météorologique.
5. 5. Procédé de prédiction selon la revendication 4, caractérisé en ce qu'une évolution globale du système météorologique est représentée au cours de l'étape de représentation (29).
6. 6. Procédé de prédiction selon la revendication 1, caractérisé en ce que la troisième étape d'appariement (25) comporte une construction d'un ensemble de vecteurs d'appariement (53, 54, 55, 56, 57, 58, 59) entre des parties appariées des squelettes (40, 510, 520) des deux images (301, 500).
7. 7. Procédé de prédiction selon la revendication 6, caractérisé en ce qu'un champ de vecteurs de déplacement (70) est extrapolé de l'ensemble de vecteurs d'appariement (53, 54, 55, 56, 57, 58, 59).
8. 8. Procédé de prédiction selon la revendication 6, caractérisé en ce que les futures positions des formes sont déduites à partir du champ de vecteurs de déplacement (70) par un déplacement de chaque pixel de la dernière des deux images (500).
9. 9. Procédé de prédiction selon la revendication 1, caractérisé en ce qu'il comporte une étape de simplification (23) des squelettes en niveau de gris extraits des images (301, 500), ladite simplification conservant les points caractéristiques de la géométrie des squelettes (31, 32, 33, 35, 38, 39, 521, 522, 523, 526, 511, 512) ainsi que les extrema locaux de niveau de gris (34, 36, 37, 524, 525, 513).
10. 10. Procédé de prédiction selon la revendication 1, caractérisé en ce que chaque squelette (40, 510, 520) comportant un ensemble de segments, la troisième étape d'appariement (25) comporte un appariement des segments et un appariement des points caractéristiques (31, 32, 33, 34, 35, 36, 37, 38, 39, 521, 522, 523, 524, 525, 526, 511, 512, 513) du squelette (40, 510, 520).