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)

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

Участие в конкурсе молодых ученых 

XX.A.480

Использование данных ИК-зондирования при выборе СВЧ-модели облачной атмосферы

Егоров Д.П. (1), Данилычев М.В. (1), Кутуза Б.Г. (1), Кутуза И.Б. (2)
(1) Институт радиотехники и электроники им. В.А. Котельникова РАН, Москва, Россия
(2) Научно-технологический центр уникального приборостроения РАН, Москва, Россия
В случае безоблачной атмосферы многие задачи спутникового дистанционного зондирования могут быть разрешены с вполне удовлетворительной точностью средствами видимого и инфракрасного (ИК) диапазонов. Все возрастающее значение при этом имеют новые мульти- и гипер- спектральные методы исследования. Это касается, как технологий атмосферного, так и поверхностного зондирования. Безусловным преимуществом ИК-технологий является повышенное, по сравнению с СВЧ-радиометрией, пространственное разрешение. Тем не менее, остается значительное количество задач ДЗЗ, которые удается решать только с помощью средств спутниковой СВЧ радиометрии [1]. Кроме этого, говорить о возможной конкуренции технологий видимого или ИК диапазонов с СВЧ технологиями становится бессмысленным при появлении в атмосфере значительной облачности или интенсивных осадков. СВЧ радиометрия по-прежнему является наиболее универсальной технологией, позволяющей оценивать интегральные показатели атмосферы и восстанавливать 3D-распределения влажности и температуры, как при безоблачной погоде, так и в условиях плохой видимости и сложной метеообстановки. Статистика облачности на планете характеризуется сильной регионально-сезонной зависимостью. При этом вероятность наличия облачности во многих значимых с точки зрения климатологии и прогноза погоды регионах превышает 50%. Например, летом в Арктике на фоне таяния больших масс льда и снега устанавливается преимущественно пасмурная погода с повторяемостью облачности свыше 80%. Таким образом, в контексте общих требований повышения качества восстановления параметров системы «атмосфера – подстилающая поверхность» необходимо искать новые возможные направления развития и улучшения технологии всепогодного СВЧ атмосферного зондирования.
В работе [2] было показано, что любая дополнительная по отношению к обычно используемым среднеклиматическим характеристикам априорная информация о состоянии атмосферы способствует повышению эффективности функционирования применяемых алгоритмов. В частности, это было показано для задачи восстановления атмосферных профилей температуры и влажности по данным спутниковых СВЧ радиометрических наблюдений. В качестве источников подобной информации рассматривались наземные измерения на калибровочных и тестовых участках, а также данные с регулярно запускаемых метеорадиозондов. Дополнительную достаточно важную информацию о распределении поля осадков можно также получать, используя данные национальной сети метеолокаторов. Однако уточняющей информации от такого рода источников присущ своего рода «кусочно-непрерывный» характер распределения, и, фактическое отсутствие его над обширными районами поверхности морей и океанов. Возможным вариантом непрерывного получения и использования подобной дополнительной информации, к тому же «привязанной по времени и пространству» к текущему процессу микроволнового зондирования, является технология совместной обработки данных ИК и СВЧ сканирующих систем с согласованным режимом поперечного сканирования. Примером может служить семейство многоканальных микроволновых (СВЧ) атмосферных зондировщиков: MSU – AMSU – ATMS [3, 4] и ИК-сканеров, начиная с AVHRR [5] и более поздних. Данные ИК-сканирования позволяют повысить качество решения обратной задачи ДЗ в СВЧ диапазоне путем обоснованного выбора расчетной модели облачной атмосферы и оценки ее параметров. Это достигается за счет предварительной сегментации радиоизображения по оценке совмещенного с ним ансамбля ИК-данных и описания структуры облачности, входящей в поле зрения СВЧ-антенны. Напомним, что при съемке над облаками в тепловом ИК диапазоне яркостная температура практически равна температуре атмосферы на высоте верхней границы облака, что выделяет его на фоне более горячих нижних слоев. В ближнем ИК-диапазоне при освещении Солнцем, наоборот, облако выглядит более ярким и «горячим». Это означает возможность попиксельно определить наличие или отсутствие облака, т.е. долю покрытия облачностью в поле зрения антенны СВЧ-радиометра. А с учетом зависимости радиационных характеристик облаков от их типа и мощности возможно также дополнительное уточнение существующей картины. Т.о. можно рассчитывать на существенное повышение эффективности функционирования алгоритмов восстановления атмосферных профилей по данным спутниковых СВЧ радиометрических наблюдений за счет введения в расчетную модель температур на вершине облаков и на уровне подстилающей поверхности, высоты ВКО, бинарной маски облачности и пространственного распределения ее фазового состава в поле зрения антенны. Представляется также вполне вероятным использование каких-то комбинаций из показаний различных ИК-каналов в качестве показателей структурных и термодинамических особенностей текущего состояния атмосферы. В докладе рассматриваются некоторые аспекты предлагаемого подхода на примере данных, полученных с помощью аппаратуры MODIS [6-11].
Работа выполнена в рамках ГЗ по теме 0030-2019-0008 “Космос” и при поддержке грантов РФФИ 20-07-00200А и 20-02-00703А.

Ключевые слова: СВЧ-радиометрия, ИК, маска облачности, фазовый состав облака
Литература:
  1. Кутуза Б.Г., Данилычев М.В., Яковлев О.И. Спутниковый мониторинг Земли: Микроволновая радиометрия атмосферы и поверхности. М.: ЛЕНАНД, 2016. 336 с.
  2. Саворский В.П., Кутуза Б.Г., Аквилонова А.Б., Кибардина И.Н., Панова О.Ю., Данилычев М.В., Широков С.В. Повышение эффективности восстановления температурно-влажностных профилей облачной атмосферы по данным спутниковых СВЧ-радиометров //РиЭ. 2020. № 7. С.658-666.
  3. Данилычев М.В., Кутуза Б.Г., Аквилонова А.Б., Саворский В.П., Панова О.Ю. Выбор конструкции перспективного СВЧ-радиометра для спутникового мониторинга атмосферы // Распространение радиоволн: труды XXVII Всероссийской открытой научной конференции. Калининград, БФУ им. И. Канта, 2021. С.728-733.
  4. Данилычев М.В., Кравченко В.Ф., Кутуза Б.Г., Чуриков Д.В. Спутниковые СВЧ радиометрические комплексы дистанционного зондирования Земли. Современное состояние и тенденции развития // Физ. основы приборостроения. 2014. Т.3. № 1. С.3-25.
  5. Applications of AVHRR Date: Special Issue // Int. J. of Rem. Sens. Vol.10. Issue 4-5. April/May 1989.
  6. Cheremisin G.S., Egorov D.P., Kravchenko O.V. Deep Convolutional Neural Network for Reconstructing the Cloud Phase Distribution from Level-1b MODIS Data // Proceedings of 2nd International Conference on Applied Mathematics in Science and Engineering (AMSE-2022). Bhubaneswar, India, March 24-26, 2022.
  7. Platnick S., Ackerman S., and King M. Modis atmosphere l2 cloud product (06_l2) // NASA MODIS Adaptive Processing System, Goddard Space Flight Center, USA, 2015.
  8. Baum B.A., Menzel W.P., Frey R.A., Tobin D.C., Holz R.E., and Ackerman S.A. Modis cloud-top property refinements for collection 6 // Journal of Applied Meteorology and Climatology. 2012. Vol. 51 (6). pp. 1145-1163.
  9. Level-1 and Atmosphere Archive & Distribution System. Distributed Active Archive Center. URL: https://ladsweb.modaps.eosdis.nasa.gov/search/ (дата обращения: 27.01.2022).
  10. Egorov D.P., and Kutuza B.G. Atmospheric Brightness Temperature Fluctuations in the Resonance Absorption Band of Water Vapor 18–27.2 GHz // IEEE Trans. Geosci. Rem. Sens. 2021. Vol. 59 (9). pp. 7627-7634.
  11. Egorov D.P, Ilyushin Ya.A., and Kutuza B.G. Microwave Radiometric Sensing of Cumulus Cloudiness from Space // Radiophysics and Quantum Electronics. 2021. Vol. 64. Issue 8-9. pp. 564-572.

Видео доклада

Методы и алгоритмы обработки спутниковых данных

29