Набор эталонных изображений и текстурных признаков для различных типов облачности по данным MODIS

Классификация облаков по типам на метеостанциях обычно выполняется на основе визуальных наблюдений согласно метеорологическому стандарту. При этом качество классификации напрямую зависит от знаний и опыта специалиста. Для решения задач прогнозирования погоды и моделирования климата необходимы данные о глобальном поле облачности, которые невозможно получить с помощью сети наземных метеостанций. Данные космической съемки позволяют получить такую информацию.
В докладе обсуждается методика поиска характерных изображений различных типов облачности на основе сопоставления архивных данных метеостанций различных регионов Земли с соответствующими изображениями спектрорадиометра MODIS. При этом использовалась информация об облачности с сервера «Погода России» (http://meteo.infospace.ru). Для интересующих нас данных метеостанций подбирались соответствующие снимки MODIS из архива на сервере Goddard Space Flight Center (http://ladsweb.nascom.nasa.gov). Интервал времени между фиксацией данных на метеостанции и спутниковой съемкой не превышал 10 минут. Фрагмент снимка в окрестности метеостанции с учетом ее данных об облачности рассматривался как характерное изображение соответствующего типа облачности, зафиксированного метеостанцией. В ходе исследований были определены типы облаков различных ярусов, включая их подтипы, которые имеют характерную (уникальную) текстуру изображения при различных разрешениях снимков MODIS: для разрешения 250 м было выделено 14 типов облаков, для разрешения 500 м – 8 типов и для разрешения 1000 м – 6 типов.
Одним из методов классификации облачности на основе спутниковых данных является анализ спектральных признаков различных типов облаков. Недостатком данной методики является сходство некоторых типов облачности по спектральным характеристикам. Другой способ основан на анализе текстуры изображений облачности на снимках, полученных по данным дистанционного зондирования. Для описания текстуры изображения облаков используется статистический подход, основанный на вычислении матриц пространственной смежности яркости пикселей. Такие матрицы зависят от определяемого парой соседних пикселей углового направления, расстояния между пикселями и числа уровней квантования яркости изображения. Для выделенных различных типов облаков сформированы наборы из 18 текстурных признаков с учетом различных угловых направлений при расстоянии между пикселями равном единице и числе уровней квантования равном 20.
В докладе приводятся результаты классификации облаков по данным MODIS с разрешением 250 м. Классификация выполнялась с помощью трехслойной нейронной сети обратного распространения ошибки с учителем. Для ее обучения использовались наборы текстурных признаков фрагментов эталонных изображений размером 20×20 пикселей различных типов облаков. Результаты классификации изображений облачности в районе метеостанций сопоставлялись с их данными о типе облаков и совпадали с ними за исключением тех случаев, когда в регионе наблюдалась облачность всех трех ярусов одновременно.
Работа выполнена при частичной финансовой поддержке Минобрнауки РФ (госконтракт № 02.740.11.0674).