Излучательная способность (ИС) поверхности Земли представляет собой отношение фактического излучения подстилающей поверхности при известной температуре к теоретическому излучению, испускаемому абсолютно черным телом при той же температуре. ИС используется для расчета температуры поверхности суши и для расчетов микрофизических параметров облачности, таких как эффективных радиус частиц и оптическая толщина облачности. В настоящее время проблема отсутствия методики по автоматическому расчету этого параметра по данным прибора МСУ-ГС космического аппарата (КА) Арктика-М № 1 еще не решена и остается актуальной.
Для создания алгоритма по расчету ИС по данным прибора SEVIRI, который схож по спектральным характеристикам с прибором МСУ-ГС, была создана модель переноса излучения (Masiello G. et al., 2019), которая производит необходимые расчеты на основе измеренной температуры в инфракрасных (ИК) каналах, вертикальных профилей температуры и влажности атмосферы и содержания газовых составляющих из данных численного прогноза погоды. Указанный метод обладает высокой точностью, однако его адаптация под данные прибора МСУ-ГС требует больших временных затрат. Реализованный ранее способ расчета ИС с использованием модели RTTOV-7 (Соловьев В.И. и Успенский С.А., 2009) также обладает высокой точностью расчета, но при этом требует больших временных затрат на расчет продукта, что не позволяет его использовать в оперативной практике.
В настоящей работе представлен метод расчета ИС по данным прибора МСУ-ГС с применением нейросетевых технологий, который является альтернативой существующим физическим и статистическим методам. Основой разрабатываемого алгоритма является регрессионная нейронная сеть, для обучения которой необходимо использовать обучающую выборку с эталонными данными. В качестве них были выбраны значения ИС на длинах волн 11 и 12 мкм по данным MODIS, поскольку в настоящее время при проведении оперативных расчетов параметров облачности в программных комплексах, таких как ClavrX, а также в моделях переноса излучения RTTOV и CRTM, используются глобальные карты ИС по данным этого прибора. В качестве входных данных используются каналы 10,9 и 11,4 мкм прибора МСУ-ГС, широта и долгота пикселя, зенитные углы Солнца и спутника, высота поверхности, номер дня в году, а также тип подстилающей поверхности по данным глобального продукты The Terra and Aqua combined MODIS Land Cover Climate Modeling Grid. Выборка охватывала 180 дней с июля 2022 г. по июль 2023 г.
Архитектура нейронной сети, полученная эмпирическим методом, представляет собой 4 полносвязных слоя с функцией активации ReLU и промежуточной нормализацией коэффициентов. Применение обученной нейронной сети позволило производить расчет ИС для всего изображения за менее чем 20 секунд.
Валидация полученных результатов проводилась по данным MODIS, которые не принимали участие в обучении. Всего было проанализировано 180 дней, среднеквадратичная ошибка при этом составила 0,0065, средняя абсолютная – 0,0045.