Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 265-279

Определение микрофизических параметров облачного покрова по спутниковым данным

Е.В. Волкова 1 
1 НИЦ космической гидрометеорологии «Планета», Москва, Россия
Одобрена к печати: 30.07.2018
DOI: 10.21046/2070-7401-2018-15-4-265-279
Сведения о микрофизических параметрах облачного покрова (водности и водозапасе облаков, фазовом состоянии воды в облачных частицах, оптических плотности и толщине облачного слоя, эффективном радиусе облачных частиц и др.) важны для моделирования изменений климата и прогноза погоды, так как именно они в значительной степени отвечают за уходящие и приходящие к поверхности Земли потоки длинноволновой (ДВ) и инфракрасной (ИК) радиации и, таким образом, влияют на изменения погоды и климата. К настоящему времени в мире разработано и эксплуатируется большое количество методик для получения информации о микрофизических свойствах облаков. Подавляющее большинство из них используют различные радиационные модели и в качестве входных данных ― спутниковые наблюдения в ДВ и коротковолновых ИК-участках спектра. Поэтому их область применения ограничена светлым временем суток и бесснежными регионами. Кроме того, на точность получаемых спутниковых оценок большое влияние оказывают входные параметры модели ― упрощённое их задание может существенно исказить окончательный результат. Автором в «НИЦ «Планета» разработано несколько версий Комплексной пороговой методики (КПМ) автоматической круглосуточной классификации спутниковых данных (для радиометров AVHRR/NOAA, МСУ-МР/Метеор-М № 2, SEVIRI/Meteosat), в том числе для получения оценок микрофизического состояния облачного покрова. В качестве предикторов КПМ использует значения радиационной температуры (в светлое время суток дополнительно к ним ― значения альбедо), а также параметры облачности и осадков, полученные на предыдущих этапах классификации. Оценки микрофизического состояния облаков получаются КПМ независимо от состояния подстилающей поверхности: по данным полярно-орбитальных спутников ― для Европейской территории России и сопредельных стран, по данным геостационарных спутников ― для всего круга обзора. Проведённая автором валидация выходных продуктов КПМ данными наземных наблюдений на метеостанциях и климатическими оценками показала хорошее качество классификации: её результаты не уступают по точности зарубежным аналогам и удовлетворяют предъявляемым к ним пользователями требованиям. Цель данной работы ― обзор и качественное сопоставление различных подходов к проблеме определения микрофизических параметров облачности по спутниковым данным.
Ключевые слова: водность, водозапас, оптическая плотность облаков, оптическая толщина облачного слоя, фазовое состояние воды в облачных частицах, эффективный радиус облачных частиц
Полный текст

Список литературы:

  1. Волкова Е. В. Оценки параметров облачного покрова, осадков и опасных явлений погоды по данным радиометра AVHRR с МИСЗ серии NOAA круглосуточно в автоматическом режиме // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 3. С. 66–74.
  2. Волкова Е. В. Оценки параметров облачного покрова и осадков по данным радиометра МСУ-МР с полярно-орбитального метеоспутника «Метеор-М» № 2 для Европейской территории России» // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 300–320.
  3. Волкова Е. В., Успенский А. Б. Оценки параметров облачного покрова по данным геостационарного МИСЗ Meteosat-9 круглосуточно в автоматическом режиме // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 3. С. 16–22.
  4. Волкова Е. В., Успенский А. Б. Оценки параметров облачного покрова и осадков по данным сканирующих радиометров полярно-орбитальных и геостационарных метеоспутников // Исследования Земли из космоса. 2015. № 5. С. 30–43.
  5. Калинин Н. А., Смирнова А. А. Методика расчёта водности и водозапаса кучево-дождевой облачности // Вестник Удмуртского университета. Биология. Науки о Земле. 2008. Вып. 1. С. 59–72.
  6. Мазин И. П., Хргиан А. Х. Облака и облачная атмосфера: справочник. Л.: Гидрометиздат, 1989. 647 с.
  7. Мучник В. М. Физика грозы. Л.: Гидрометеоиздат, 1974. 352 с.
  8. Хромов С. П., Мамонтова Л. И. Метеорологический словарь. Л.: Гидрометеоиздат, 1974. 568 с.
  9. Чукин В. В., Нгуен Т. Т. Определение фазового состояния облаков по данным прибора SEVIRI в видимом и ближнем ИК-диапазоне длин волн // Международный научно-исследовательский журн. 2017. № 2-2(56). С. 59–62. DOI: 10.23670/IRJ.2017.56.002.
  10. Шметер С. М. Физика конвективных облаков. Л.: Гидрометеоиздат, 1972. 232 с.
  11. Barnard J. C., Long C. N. A simple empirical equation to calculate cloud optical thickness using shortwave broadband measurements // J. Applied Meteorology. 2004. V. 43. No. 7. P. 1057–1066.
  12. Chen R., Wood R., Li Z., Ferraro R., Chang F.-L. Studying the vertical variation of cloud droplet effective radius using ship and space-borne remote sensing day // J. Geophysical Research. 2008. V. 113. D00A02. 8 p. DOI: 10.1029/2007JD009596.
  13. Chiu J. C., Marshak A., Huang C.-H., Carnai T., Hogan R. J., Giles D. M., Holben B. N., O’Connor E. J., Knyazikhin Y., Wiscombe W. J. Cloud droplet size and liquid water path retrievals from zenith radiance measurements: examples from the Atmospheric Radiation Measurement Program and the Aerosol Robotic Network // Atmospheric Chemistry and Physics. 2012. V. 12. P 0313–10329. DOI: 10.5194/acp-12-10313-2012.
  14. Deneke H., Johnston S., Reuter M., Roebeling R., Tetslaff A., Thomas W., Wolters E. SAF CM scientific report. Validation of CM-SAF cloud products derived from MSG/SEVIRI day. Version 300 products: CFC, CTY, CTH/CTP/CTT, COT, CWP, CPH / Satellite Application Facility on Climate Monitoring. 2007. Iss. 1.2. SAF/CM/DWD/KNMI/SMHI/SR/CLOUDS-ORR/3. 105 p.
  15. EUMETSAT. OCA Product Verification. Doc. No. EUM/TSS/DOC/13/706263. Iss. v1. May 23, 2013. 42 pp.
  16. Heymsfield A. J., Matrosov S., Baum B. Ice water path ― optical depth relationship for Cirrus and deep stratiform ice cloud layers // J. Applied Meteorology. 2003. V. 42. No. 10. P. 1369–1390.
  17. Hollmann R. Annual product quality assessment report 2012 / EUMETSAT Satellite Application Facility on Climate Monitoring. 2013. Iss. 1.1. SAF/CM/DWD/AQA/OR2013. 71 p.
  18. Huang J., Minnis P., Lin B., Yi Y., Fan T.-F., Sun-Mack S., Ayers J. K. Determination of ice-water path in ice-over-water cloud systems using combined MODIS and AMSR-E measurements // Geophysical Research Lett. 2006. V. 33. L21801. 5 p. DOI: 10.1029/2006GL027038.
  19. Ipe A., Bertrand C., Clerbaux N., Dewitte S., Gonzalez L. Validation and homogenization of cloud optical depth and cloud fraction retrievals for GERB/SEVIRI scene identification using Meteosat-7 data // Atmospheric Research. 2004. V. 72. P. 17–37. DOI: 10.1016/j.atmosres.2004.03.010.
  20. Kniffka A., Lockhoff M., Meirink J. F., Stengel M. (2013a) CM SAF: Validation Report. SEVIRI cloud products. CM-21012 / EUMETSAT Satellite Application Facility on Climate Monitoring. 2013. Iss. 1.2. SAF/CM/DWD/VAL/SEV/CLD. 88 p. DOI: 10.5676/EUM_SAF_CM/CMA_SEVIRI/V001.
  21. Kniffka A., Meirink J. F., Stengel M. (2013b) CM SAF: Product User Manual. SEVIRI dataset cloud products. Edition 1 / EUMETSAT Satellite Application Facility on Climate Monitoring. 2013. Iss. 1.2. SAF/CV/DWD/PUM/SEV/CLD. 45 p. DOI: 10.5676/EUMETSAT_SAF_CM/CLAAS/V001.
  22. Kobayashi T. Significant differences in the cloud effective radius between non-precipitating and precipitating clouds // Geophysical Research Lett. 2007. V. 34. L15811. 4 p. DOI: 10.1029/2007GL029606.
  23. Liu G., Shao H., Coakley J. A., Curry J. A., Haggerty J. A., Tschudi M. A. Retrieval of cloud droplet size from visible and microwave radiometric measurements during INDOEX: implication to aerosols’ indirect radiative effect // J. Geophysical Research. 2003. V. 108. No. D1. 4006. 10 p. DOI: 10.1029/2001JD001395.
  24. Marchand R., Ackerman T., Smyth M., Rossow W. B. A review of cloud top height and optical depth histograms from MISR, ISCCP, and MODIS // J. Geophysical Research. 2010. V. 115. D16206. DOI: 10.1029/2009JD013422.
  25. Martins J. V., Marshak A., Remer L. A., Rosenfeld D., Kaufman Y. J., Fernandez-Borda R., Koren I., Correia A. L., Zubko V., Artaxo P. Remote sensing the vertical profile of cloud droplet effective radius, thermodynamic phase, and temperature // Atmospheric Chemistry and Physics. 2011. V. 11. P. 9485–9501. DOI: 10.5/94/acp-11-9485-2011.
  26. Meirink J. F., van Zadelhoff G.-J. CM SAF. Algorithm theoretical basis document. SEVIRI cloud products. CLAAS Edition 2 / EUMETSAT Satellite Application Facility on Climate Monitoring. 2016. Iss. 2.2. SAF/CM/KNMI/ATBD/SEVIRI/CPP. 35 p. DOI: 10.5676/EUM_SAF_CM/CLAAS/V002.
  27. Meirink J. F., Roebeling R., Wolters E., Deneke H. CM SAF: algorithm theoretical basis document. Cloud physical products. AVHRR/SEVIRI / EUMETSAT Satellite Application Facility on Climate Monitoring. 2010. Iss. 1.1. SAF/CM/KNMI/ATBD/CPP. 24 p.
  28. Mitchell D. L., Lawson R. P., Baker B. Understanding effective diameter and its application to terrestrial radiation in ice clouds // Atmospheric Chemistry and Physics. 2011. V. 11. P. 3417–3429. DOI: 10.5194/acp-11-3417-2011.
  29. Pandey P., De Ridder K., Gillotay D., van Lipsig N. P. M. Estimating cloud optical thickness and associated UV irradiance from SEVIRI by implementing a semi-analytical cloud retrieval algorithm // Atmospheric Chemistry and Physics. 2012. V. 12. P. 7961–7975. DOI: 10.5194/acp-12-7961-2012.
  30. Parol F., Descloitres J., Fouquart Y. Cloud Optical Thickness and albedo retrievals from bidirectional reflectance measurements of Polder instruments during ACE-2 (manuscript). 2013. 22 p. URL: https://hal.archives-ouvertes.fr/hal-00811540.
  31. Pincus R., Szczodrak M., Gu J., Austin P. Uncertainty in cloud optical depth estimates made from satellite radiance measurements // J. Cimate. 1995. V. 5. P. 1453–1462.
  32. Reid J. S., Hobbs P. V., Rangno A. L., Hegg D. A. Relationships between cloud droplet effective radius, liquid water content, and droplet concentration for warm clouds in Brazil embedded in biomass smoke // J. Geophysical Research. 1999. V. 104. No. D6. P. 6145–6153.
  33. SAF CM. Products validation report summary / Satellite Application Facility on Climate Monitoring. 2005. SAF/CM/DWD/PVRS/1. Iss. 2.0. 41 p.
  34. Sengupta M., Clothiaux E. E., Ackerman T. P., Kato S., Min Q. Importance of accurate liquid water path for estimation of solar radiation in warm boundary layer clouds: an observational study // J. Climate. 2003. V. 16. P. 2997–3009.
  35. Stengel V., Karlsson K. G., MeirinkJ. F. CM SAF. Product user manual. Clouds / EUMETSAT Satellite Application Facility on Climate Monitoring. 2015. Iss. 1.8. SAF/CM/DWD/PUM/CLOUDS. 99 p.
  36. Yoo H., Li Z. Evaluation of cloud properties in the NOAA/NCEP global forecast system using multiple satellite products // Climate Dynamics. 2012. V. 39. Iss. 12. P. 2769–2787. DOI: 10.1007/s00382-012-1430-0.