Повышение точности расчета интегрального влагосодержания атмосферы над сушей по данным спутниковых радиометров SSM/I и SSMIS

Авторами ранее предложена концептуальная схема нейросетевого алгоритма восстановления интегрального влагосодержания (ИВС) атмосферы над сушей по данным спутниковых радиометров серии SSM/I и SSMIS. Особенностью задачи является отсутствие у приборов этой серии двухполяризационных измерений в канале поглощения водяного пара 22,4 ГГц. Это не позволяет воспроизвести схему расчета ИВС по аналогии с предложенной для данных прибора AMSR-2 и, в целом, затрудняет учет влияния подстилающей поверхности на регистрируемый радиояркостный спектр. В то же время, в отличие от прибора AMSR-2 и отечественного прибора МТВЗА-ГЯ, функционирующих на орбите в единичных экземплярах, приборы серии SSM/I и SSMIS обеспечивают высокостабильные долговременные ряды глобальных измерений, необходимые для исследования детальной атмосферной динамики. Поэтому развитие алгоритма расчета интегрального влагосодержания над сушей по их данным представляется высоко актуальным для задач динамической метеорологии и изучения климата.
Авторами был рассмотрен подход на основе машинного обучения. В качестве обучающих эталонов были выбраны поля ИВС по данным AMSR-2. В качестве дополнительной информации вектор входных данных содержал местное время и координаты точек измерений. Основная идея состояла в том, что эта дополнительная информация позволит алгоритму восстановления ИВС в процессе обучения адаптироваться к особенностям излучательных и рассеивающих характеристик поверхности. Первая версия программной реализации этой схемы показала принципиальную возможность построения обучающегося алгоритма, обеспечивающего сходимость к эталонным полям ИВС. Однако, среднеквадратичные отклонения восстановленных значений от эталонов по всему земному шару оказались слишком высоки (порядка 10 кг/м2). При этом были выявлены проблемы, связанные с переобучением построенной нейронной сети.
Представленная в настоящем докладе вторая версия частично устраняет выявленные недостатки за счет существенных изменений в топологии нейросети и более четкого контроля качества обучения (в том числе, на этапе формирования обучающих выборок). В итоге СКО невязок удалось снизить до уровня около 4,3 кг/м2. Авторы видят дальнейшие перспективы совершенствования алгоритма в расширении вектора входных данных (в частности, усвоении информации о среднем возвышении поверхности над уровнем моря), а также в привлечении дополнительного моделирования и статистического анализа с целью построения динамических карт эффективной излучательной способности суши для каналов измерений SSM/I (SSMIS).
Работа выполнена за счет бюджетного финансирования в рамках госзадания по темам 0030-2019-0008 “Космос” (ФИРЭ РАН) и АААА-А18-118012390305-7 (ФИЦКИА РАН), а также гранта РФФИ № 18-05-60024 «Анализ состояния природной среды равнинных территорий Арктической зоны РФ с использованием геоинформационных технологий и цифрового моделирования рельефа».