Разработка метода оценки интенсивности осадков по данным геостационарного КА Himawari-8

Краткосрочное прогнозирование осадков с высоким пространственным и временным разрешением является одним из наиболее активно исследуемых направлений в настоящее время. Из представленных на сегодняшний день подходов к реализации этой задачи наибольшее распространение в последние годы получили алгоритмы на основе машинного обучения. Для обучения подобных алгоритмов требуется большой объем фактических данных о распределении полей осадков и их интенсивности. Подобная информация может быть получена по данным наземных наблюдений, в том числе метеорологических радаров. Однако в условиях редкой сети наземных наблюдений на Дальнем Востоке значительно возрастает роль информации, получаемой по данным геостационарных космических аппаратов (КА). В данной работе исследуется метод, позволяющий детектировать потенциально осадкообразующую облачность и производить оценку интенсивности осадков по данным прибора AHI КА Himawari-8. Указанный прибор обладает высоким пространственным разрешением (до 2 км) и интервалом съемки 10 мин., что позволяет компенсировать отсутствие данных наземных наблюдений. Разрабатываемый алгоритм основан на применении нейронных сетей сверточного типа для детектирования полей осадков и регрессионной сети на основе многослойного персептрона для оценки интенсивности осадков в каждом пикселе облачности, потенциально несущей в себе осадки. Для достижения наилучших результатов обучение нейросетевой модели осуществляется с использованием генеративно-состязательного подхода. Исходной информацией для разрабатываемой модели являются данные видимых (в дневное время суток) и ИК каналов, а также данные прогностической модели GFS, для которой выполняется интерполяция по времени с использованием алгоритма оптического потока по модифицированному методу Брокса. Валидационная оценка точности определения интенсивности осадков выполняется по данным плювиографов наземных метеорологических станций и микроволновых зондировщиков AMSU-A и ATMS КА NOAA и Suomi NPP. В настоящее время алгоритм находится в стадии разработки, в частности, рассматривается возможность комбинирования данных радарных и спутниковых наблюдений, а также исследуется влияние различной априорной информации на точность получаемых результатов.