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. 2020. Т. 17. № 2. С. 40-48

Вариационная ассимиляция спутниковых данных поверхностной концентрации взвешенного вещества в Азовском море

В.С. Кочергин 1 , С.В. Кочергин 1 , С.В. Станичный 1 
1 Морской гидрофизический институт РАН, Севастополь, Россия
Одобрена к печати: 11.03.2020
DOI: 10.21046/2070-7401-2020-17-2-40-48
Спутниковые данные позволяют получать последовательную информацию о состоянии поверхности моря и изменении пространственных структур, определяемых по концентрации рассеивающей взвеси в оптическом диапазоне. Основной проблемой при этом являются помехи создаваемые, например, облачностью. Часто такие помехи полностью или частично прерывают поступление информации с поверхности моря. Поэтому задача восстановления отсутствующих в некоторые промежутки времени данных (gap filling) является важной и актуальной. Такая задача может быть решена различными способами, в том числе на основе вариационной ассимиляции данных измерений, которая реализуется за счёт идентификации входных параметров модели. Сама модель переноса пассивной примеси выступает в роли пространственно-временного интерполянта, и получаемое решение на используемом интервале времени является согласованным с математической моделью и с данными измерений в силу минимизации функционала качества прогноза. На конкретных данных показана работоспособность вариационного алгоритма идентификации, произведено сравнение полученных результатов с последовательными спутниковыми изображениями сканера MODIS. Результаты показали хорошую согласованность данных численного моделирования со спутниковой информацией в силу минимизации функционала качества прогноза; за счёт модельной пространственно-временной интерполяции полученные поля концентрации охватывают всю акваторию Азовского моря на временном интервале интегрирования модели.
Ключевые слова: спутниковые данные, концентрация пассивной примеси, модель переноса, Азовское море, сопряжённые уравнения
Полный текст

Список литературы:

  1. Иванов В. А., Фомин В. В. Математическое моделирование динамических процессов в зоне моря-суша. Севастополь: ЭКОСИ-гидрофизика, 2008. 363 с.
  2. Кочергин В. С. Идентификация начального поля концентрации для модели переноса пассивной примеси в Азовском море // Экологическая безопасность прибрежной и шельфовой зон и комплексное использование ресурсов шельфа. Севастополь: МГИ НАНУ, 2012. Вып. 26. Т. 2. С. 123–125.
  3. Кочергин С. В., Кочергин В. С., Фомин В. В. Определение концентрации пассивной примеси в Азовском море на основе решения серии сопряжённых задач // Экологическая безопасность прибрежной и шельфовой зон и комплексное использование ресурсов шельфа. Севастополь: МГИ НАНУ, 2012. Вып. 26. Т. 2. С. 112–118.
  4. Кочергин В. С., Кочергин С. В., Станичный В. С. Использование метода сопряжённых уравнений при идентификации источников загрязнений в Азовском море // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 1. С. 50–57.
  5. Кременчуцкий Д. А., Кубряков А. А., Завьялов П. О., Коновалов Б. В., Станичный С. В., Алескерова А. А. Определение концентрации взвешенного вещества в Черном море по данным спутника MODIS // Экологическая безопасность прибрежной и шельфовой зон и комплексное использование ресурсов шельфа. 2014. № 29. С. 1–9.
  6. Марчук Г. И. Математическое моделирование в проблеме окружающей среды. М.: Наука, 1982. 320 с.
  7. Фомин В. В. Численная модель циркуляции вод Азовского моря // Науч. тр. Украинского научно-исслед. гидрометеоролог. ин-та. 2002. Вып. 249. С. 246–255.
  8. Blumberg A. F., Mellor G. L. A description of the three-dimensional coastal ocean circulation model // Three-Dimensional Coastal Ocean Models / ed. Heaps N.; AGU. 1987. V. 4. P. 1–16.
  9. Kochergin V. S., Kochergin S. V. Identification of a Pollution Source Power in the Kazantip Bay Applying the Variation Algorithm // Physical Oceanography. 2015. No. 2. P. 69–76.
  10. Marchuk G. I., Penenko V. V. Application of optimization methods to the problem of mathematical simulation of atmospheric processes and environment // Modelling and Optimization of Complex Systems: Proc. IFIP-TC7 Working Conf. N. Y.: Springer, 1978. P. 240–252.
  11. Shutyaev V. P., Le Dimet F.-X., Parmuzin E. Sensitivity analysis with respect to observations in variational data assimilation for parameter estimation // Nonlinear Processes in Geophysics. 2018. V. 25. Iss. 2. P. 429–439.
  12. Zalesny V. B., Diansky N. A., Fomin V. V., Moshonkin S. N., Demyshev S. G. Numerical model of the circulation of the Black Sea and the Sea of Azov // Russian J. Numerical Analysis and Mathematical Modelling. 2012. V. 27. Iss. 1. P. 95–112.