В современном мире информация играет важнейшую роль в любых сферах деятельности человека. И гидрология в этом плане не является исключением.
Развитие дистанционных методов зондирования земли позволило использовать не только фактические данные, но и активно применять спутниковую информацию. Ассимиляция полученных (спутниковых) данных позволяет в значительной степени улучшить ряды с фактической информацией исследуемых регионов.
В качестве основного объекта исследования был выбран снежный покров, потому что для территории Российской Федерации является не только мощным климатообразующим фактором, но и является важным гидрологическим ресурсом, влияющим на народное хозяйство.
Отдельное внимание при выполнении практической части работы было уделено подготовительной стадии, на которой были выполнены следующие шаги:
а) сбор и обработка маршрутных снегомерных наблюдений;
б) сбор и обработка фактической информации о температуре воздуха, осадках и данных о фактической высоте снежного покрова;
в) сбор, обработка и статистическая оценка гидрологической информации.
Объектами исследования данной работы выступают пять метеорологических станций на территории Ямало-Ненецкого автономного округа, где имеются в наличии маршрутные снегомерные наблюдения. Для этих станций собрана фактическая информация о степени покрытия маршрута снегом, ледяной коркой, высоте снежного покрова, плотности и количестве воды в нем. Дополнительно была собрана информация о температуре воздуха, и количестве атмосферных осадков на каждой из пяти станций. Спутниковая информация для этих же станции представлена высотой снежного покров и количеством воды в объекте исследования. По результатам предварительной работы была создана база данных, содержащая как фактическую, так и спутниковую информацию.
Для получения данных о ДЗЗ использовался проект GlobSnow по следующими причинами: возможность получать информацию независимо от наличия облачности, дискретность (сутки, декады, месяцы), доступ к архивным материалам начиная с 1978 года, зона покрытия данными начиная от 350 до 850 с.ш, оперативность, общедоступность и их точность.
В ходе выполнения ассимиляции данных особое внимание уделялось следующим аспектам: сравнение и объективная оценка основных методов определения запасов воды в снежном покрове, оценка точности получаемой информации, сравнение спутниковой информации с фактическими данными запасов воды в снежном покрове за многолетний период, написание программного обеспечения для систематической работы с исходной информацией.
Для ассимиляция данных было принято решение создать программный комплекс на базе программной среды ArcGIS, позволяющего работать со спутниковой информацией в оперативном режиме. Для реализации данного проекта использовались языки программирования Java, Python и VBA.
Результатом создания программного комплекса стали семь скриптов, позволяющие работать со фактической и спутниковой информацией в оперативном режиме. Три из семи скриптов созданы для реализации различных методов ассимиляции спутниковых данных. Эти модули представляют собой набор различных команд, которые позволяют определить среднее значение количества воды в снежном покрове для метеорологической станции (любой). Итоговым результатом выполнения работы скриптов являются усреднённые ряды данных по четырём, двум и одному ближайшему к метеорологической станции узлу сетки SWE.
После реализации алгоритмов, полученные ряды данных прошли статистическую обработку, результатом которой стали ассимилированные ряды данных. Статистическая обработка включала в себя следующие шаги: установление возможности применения спутниковых данных, установление связи между фактическими данными о количестве воды в снежном покрове и восстановленными спутниковыми данными, определение корреляции между данными и установление доверительных диапазонов среднеквадратических отклонений от среднего.
Литература
1. Python 3 для начинающих [электронный ресурс] // Python 3. – 2014. – Режим доступа: http://pythonworld.ru/ (дата обращения 10.04.2016).
2. GIS-Lab [электронный ресурс] // GIS-Lab. – 2002. – Режим доступа: http://gis-lab.info/ (дата обращения 11.04.2016).
3. ESRI help [электронный ресурс] // ArcGIS. – 2000. –Режим доступа: http://learn.arcgis.com/ (12.05.2016).
4. Algorithm Theoretical Basis Document – SE Algorithm – European space agency report [электронный ресурс] // ESRIN. – 2014. – Режим доступа: http://www.globsnow.info/docs/GS2_SE_ATBD.pdf (дата обращения 10.10.2015).
5. A Canada Center for Remote Sensing. Fundamentals of Remote Sensing – remote sensing tutorial [Текст] // Canada. 2015 г.
6. Шарков, Е.А. Пассивное микроволновое зондирование Земли: прошлое, настоящее и планы на будущее [Текст] /Е.А. Шарков. // Современные проблемы дистанционного зондирования из космоса. 2004. №4. С.70-80.

Ключевые слова: Ассимиляция данных, дистанционное зондирование, Ямало-Ненецкий автономный округ, ArcGIS, Python, Java, гидрология

Литература:

Python 3 для начинающих [электронный ресурс] // Python 3. – 2014. – Режим доступа: http://pythonworld.ru/ (дата обращения 10.04.2016).
GIS-Lab [электронный ресурс] // GIS-Lab. – 2002. – Режим доступа: http://gis-lab.info/ (дата обращения 11.04.2016).
ESRI help [электронный ресурс] // ArcGIS. – 2000. –Режим доступа: http://learn.arcgis.com/ (12.05.2016).
Algorithm Theoretical Basis Document – SE Algorithm – European space agency report [электронный ресурс] // ESRIN. – 2014. – Режим доступа: http://www.globsnow.info/docs/GS2_SE_ATBD.pdf (дата обращения 10.10.2015).
A Canada Center for Remote Sensing. Fundamentals of Remote Sensing – remote sensing tutorial [Текст] // Canada. 2015 г.
Шарков, Е.А. Пассивное микроволновое зондирование Земли: прошлое, настоящее и планы на будущее [Текст] /Е.А. Шарков. // Современные проблемы дистанционного зондирования из космоса, 2004. №4. С.70-80.

Технологии и методы использования спутниковых данных в системах мониторинга

120