Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Восемнадцатая Всероссийская Открытая конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

XVIII.D.179

Сопоставление характеристик различных типов облачности по спутниковым данным MODIS и VIIRS в ночное время суток

Скороходов А.В. (1)
(1) Институт оптики атмосферы им. В.Е. Зуева СО РАН, Томск, Россия
В настоящее время данные дистанционного зондирования Земли из космоса являются единственным надежным источников информации о глобальном поле облачности. Современная аппаратура позволяет получать не только изображения облаков в видимом диапазоне спектра, но и восстанавливать их физические характеристики, например, высоту верхней границы, оптическую толщину, водозапас и другие. При этом существует два типа спутников метеорологического назначения: геостационарные и полярно-орбитальные [1]. Первые из них позволяют получать изображения одного и того же положения земного диска с пространственным разрешением, как правило, не менее 1000 м каждые несколько десятков минут. С одной стороны это делает их эффективным инструментом для изучения эволюции облаков. Однако пространственное разрешение геостационарной съемки существенно ухудшается при приближении к полюсам. Аппаратура полярно-орбитальных систем позволяет сканировать поверхность Земли с более высоким и относительно постоянным пространственным разрешением. При этом набор спектральных каналов указанных радиометров существенно шире, чем у геостационарных аналогов. Основным недостатком такого типа систем является периодичность съемки, которая составляет не менее 1-2 снимка в сутки. Однако на орбите в настоящее время функционирует большая группировка полярно-орбитальных спутников, оборудованных радиометрами со схожими свойствами: AVHRR, MODIS, VIIRS, МСУ-МР и другими. Это позволяет покрывать снимками один и тот же регион планеты практически каждый час. Поэтому использование полярно-орбитальных систем для изучения эволюции облачности и анализа изменчивости ее характеристик является перспективным подходом. Однако встает вопрос о согласованности данных, полученных различной аппаратурой.
Одной из актуальных задач климатологии и метеорологии является анализ суточной изменчивости характеристик различных типов облачности. Основной проблемой при ее решении является интерпретация спутниковых данных, полученных в ночное время суток. Очевидным ее решением является использование результатов зондирования земной поверхности в инфракрасном диапазоне. Но текстура изображений некоторых разновидностей облаков (особенно подтипов их основных форм) на таких изображениях становится размытой, а спектральные характеристики схожи. В 2011 году был запущен прибор VIIRS на борту Suomi-NPP, отличительной особенностью которого является наличие датчиков низкого уровня освещенности [2]. Они позволяют регистрировать отраженное излучение от слабых источников света (атмосферы, звезд, Луны) и испускаемого от искусственных (городов, пожаров, транспорта) в видимом диапазоне спектра. Учитывая положения Луны и Солнца, данный прибор в ночное время суток дает возможность получать 10-12 дней в месяце снимки, аналогичные дневным. В настоящее время сенсор VIIRS установлен еще и на NOAA-20. В ближайшие 10 лет планируется запуск еще трех аналогичных спутников. Такого объема информации вполне достаточно для изучения суточной изменчивости характеристик облаков не только в научных целях, но для оперативного мониторинга. На данный момент для детального анализа необходимо привлекать данные других спутниковых систем.
В докладе представлена методика сопоставления характеристик различных типов облачности, восстановленных по данным MODIS и VIIRS в ночное время суток. Основная ее суть заключается в использовании результатов классификации облаков в ночное время суток по снимкам VIIRS, предложенным ранее алгоритмом [3], основанном на применении технологии искусственных нейронных сетей и методов нечеткой логики. На проклассифицированных изображениях выбирается тип облачности, занимающий наибольшую площадь в пределах исследуемого региона. Затем на ИК-снимках MODIS эта область локализуется на основе сходства контуров. Восстанавливаются средние значения характеристик (высоты, температуры и давления на верхней границе, эффективной излучательной способности) рассматриваемого типа облачности в пределах выделенного участка на обоих изображениях. Определяется разница значений между ними. Применение данной методики к результатам многолетней спутниковой съемки позволяет выявить типичные отклонения характеристик для каждой разновидности облаков. Обсуждаются результаты сопоставления характеристик различных типов облачности по данным MODIS и VIIRS, полученные в ночное время суток над территорией Томской области в период с 2017 по 2020 год. Предлагаются перспективные направления развития данной работы в части создания детальных параметризации облаков, наблюдаемых над конкретным регионом планеты.
Работа выполнена при финансовой поддержке Российского научного фонда в рамках научного проекта №19-71-00049.

Ключевые слова: облачность, сопоставление характеристик, спутниковые данные, MODIS, VIIRS.
Литература:
  1. Davis G. History of the NOAA satellite program // J. Applied Remote Sensing. 2007. V. 1. P. 012504–012504.
  2. Ackerman S. A., Frey R., Heidinger A., Li Y., Walther A., Platnik S., Meyer K. G., Wind G., Amarasinghe N., Wang C., Marchant B., Holz R. E., Dutcher S., Hubanks P. EOS MODIS and SNPP VIIRS Cloud Properties: User Guide for the Climate Data Record Continuity Level-2 Cloud Top and Optical Properties Product (CLDPROP). Greenbelt: Goddard Space Flight Center, 2019. 65 p.
  3. Скороходов А.В. Классификация облачности в ночное время суток по спутниковым данным VIIRS // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 3. С. 240-251.

Презентация доклада

Дистанционные методы исследования атмосферных и климатических процессов

176