En la entrada anterior vimos que, antes de utilizar el dato SST de Sentinel-3 de un píxel concreto, hay que consultar la calidad asignada a ese píxel y que las calidades 2 a 5 se deciden a partir de la incertidumbre teórica de cada píxel. Esa incertidumbre teórica se reporta en la variable llamada "sst_theoretical_uncertainty". En el ATBD del producto SST se describe como se combinan esos factores para obtener la incertidumbre teórica.

Hemos hecho unas pequeñas estadísticas sobre este parámetro. Para la imagen que estamos manejando, la media de incertidumbre teórica para los píxeles con quality level 5 es 0.185°C,  0.282°C para QL=4, y llega a 0.344°C para QL=3. Evidentemente, al ser un valor teórico, los fallos que hayan dado lugar a los píxeles marinos con temperatura superior a 40ºC, que señalamos en la entrada pasada, no son considerados, y el valor de incertidumbre que se les asigna es muy bajo, 0.11ºC. Es decir, sst_theoretical_uncertainty no va a ser capaz de reaccionar a errores en el proceso.

En la figura vemos cómo se relaciona la calidad máxima (QL = 5) con la probabilidad de nube. La mayoría de los píxeles con QL=5 tienen una probabilidad inferior al 1%. Pero se tolera hasta un 10% de probabilidad, así que hay píxeles (no muchos) por encima de ese 1%. Interesantemente, en una imagen nocturna de fecha similar hay bastantes más píxeles con QL=5 donde la probabilidad de nube sobrepasa el 1%. Esto se debe a que, como ya hemos dicho alguna vez, el algoritmo de estimación de la probabilidad de nube es más fiable si puede utilizar la información de las bandas reflectivas (no disponible, lógicamente, de noche).

Hay mucha miga en el análisis de los productos SST de Sentinel-3, lo que en realidad es normal, pues se trata de un producto avanzado y que se engancha a un campo donde la teledetección lleva muchos años trabajando codo con codo con los usuarios y dando un servicio operacional, lo que implica mucha información y (a veces) cierta complejidad. Y eso que todavía no hemos discutido apenas el aspecto geométrico de los datos, lo cual haremos más adelante.