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. № 3. С. 240-251

Классификация облачности в ночное время суток по спутниковым данным VIIRS

А.В. Скороходов 1 
1 Институт оптики атмосферы им. В.Е. Зуева СО РАН, Томск, Россия
Одобрена к печати: 13.04.2020
DOI: 10.21046/2070-7401-2020-17-3-240-251
Представлены результаты исследования спутниковых данных радиометра VIIRS, полученных в ночное время суток, для классификации облачности. При этом использовались изображения видимого диапазона спектра на основе канала day/night рассматриваемого прибора. Это позволило использовать результаты текстурного анализа снимков для описания облачности. Определены граничные условия применимости изображений day/night для решения задачи распознавания типов облаков. Представлена ночная классификация облачности с учётом возможностей спутниковой аппаратуры. Предложен алгоритм распознавания типов облаков на основе применения вероятностной нейронной сети. Его реализация выполнена на основе технологии параллельных вычислений на графических процессорах общего назначения. Показаны результаты формирования системы эффективных классификационных характеристик облаков на основе метода усечённого перебора GRAD-II. Обсуждаются результаты классификации облачности в ночное время суток на основе тестовой выборки, а также экспертной оценки. При этом использовались спутниковые снимки, полученные при различных условиях съёмки. Обсуждаются результаты классификации отдельных разновидностей облаков в ночное время суток по данным VIIRS и дневное время по данным спектрорадиометра MODIS.
Ключевые слова: классификация облачности, ночное время суток, спутниковые данные, текстурные признаки, характеристики облаков, изображения day/night, VIIRS
Полный текст

Список литературы:

  1. Астафуров В. Г., Скороходов А. В. Сегментация спутниковых снимков по текстурным признакам на основе нейросетевых технологий // Исслед. Земли из космоса. 2011. № 6. С. 10–20.
  2. Астафуров В. Г., Скороходов А. В. Формирование системы информативных классификационных характеристик при решении задачи классификации облачности по спутниковым данным MODIS // Труды СПИИРАН. 2017. Т. 53. № 4. С. 118–139.
  3. Беспалов Д. П., Девяткин А. М., Довгалюк Ю. А., Кондратюк В. И., Кулешов Ю. В., Светлова Т. П., Суворов С. С., Тимофеев В. И. Атлас облаков. СПб.: Д’АРТ, 2011. 248 c.
  4. 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.
  5. Жижин М. Н., Элвидж К. Д., Пойда А. А. Мультиспектральное дистанционное зондирование ночной поверхности Земли // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 3. С. 9–26.
  6. Кравцов Г. А. Вычисления на классификациях. Оценка классификаторов // Электронное моделирование. 2016. Т. 38. № 6. С. 15–24.
  7. Код для оперативной передачи данных приземных метеорологических наблюдений с сети станций Росгидромета / Федеральная служба по гидрометеорологии и мониторингу окружающей среды (Росгидромет). М., 2013. 79 с.
  8. Облака и облачная атмосфера: справ. / под ред. Мазина И. П., Хргиана А. Х. Л.: Гидрометеоиздат, 1989. 647 с.
  9. Ackerman S. A., Frey R., Heidinger A., Li Y., Walther A., Platnik S., Meyer K. G., Wind G., Amarasinghe N., Wang C., Marchant B., Holz R. E., Dutcher S., Hubanks P. EOS MODIS and SNPP VIIRS Cloud Properties: User Guide for the Climate Data Record Continuity Level-2 Cloud Top and Optical Properties Product (CLDPROP). Greenbelt: Goddard Space Flight Center, 2019. 65 p.
  10. Astafurov V. G., Kuriyanovich K. V., Skorokhodov A. V. A statistical model for describing the texture of cloud cover images from satellite data // Russian Meteorology and Hydrology. 2017. V. 42(4). P. 248–257.
  11. Bankert R. L., Mitrescu C., Miller S. W., Wade R. H. Comparison of GOES cloud classification algorithms employing explicit and implicit physics // J. Applied Meteorology and Climatology. 2009. V. 48. P. 1411–1421.
  12. Bony S., Stevens B., Frierson D. M. W., Jakob C., Kageyama M., Pincus R., Shepherd T. G., Sherwood S. C., Siebesma A. P., Sobel A. H., Watanabe M., Webb M. J. Clouds, circulation and climate sensitivity // Nature Geoscience. 2015. V. 8. P. 261–268.
  13. Bretherton C. S., Blossey P. N., Khairoutdinov M. An energy-balance analysis of deep convective self-aggregation above uniform SST // J. Atmospheric Sciences. 2005. V. 62. P. 4273–4292.
  14. Chernokulsky A. V., Esau I., Bulygina O. N., Davy R., Mokhov I. I., Outten S., Semenov V. A. Climatology and interannual variability of cloudiness in the Atlantic Arctic from surface observations since the late nineteenth century // J. Climate. 2017. V. 30. P. 2103–2020.
  15. Davis G. History of the NOAA satellite program // J. Applied Remote Sensing. 2007. V. 1. P. 012504–012504.
  16. Evan A. T., Heidinger A. K., Vimont D. J. Arguments against a physical long-term trend in global ISCCP cloud amounts // Geophysical Research Letters. 2007. V. 34. L04701.
  17. Fowler L. D., Randall D. A. Liquid and Ice Cloud Microphysics in the CSU General Circulation Model. Part III: Sensitivity to Modeling Assumptions // J. Climate. 1996. V. 9. P. 561–586.
  18. Liu Y., Xia J., Shi C. X., Hong Y. An improved cloud classification algorithm for China’s FY-2C multi-channel images using artificial neural network // Sensors. 2009. V. 9. P. 5558–5579.
  19. Menzel W. P. Remote sensing applications with meteorological satellites. Madison: University of Wisconsin, 2006. 307 p.
  20. Pressel K. G., Kaul C. M., Schneider T. Possible climate transitions from breakup of stratocumulus decks under greenhouse warming // Nature Geoscience. 2019. V. 12. P. 163–167.
  21. Skorokhodov A. V., Astafurov V. G., Evsutkin T. V. Application of statistical models of image texture and physical parameters of clouds for their classification on MODIS satellite images // Izvestiya, Atmospheric and Oceanic Physics. 2019. V. 55(9). P. 1053–1064.
  22. Xiong X., Wenny B. N., Angal A., Barnes W., Salomonson V. Summary of Terra and Aqua MODIS long-term performance // Proc. IGARSS. 2011. P. 4006–4009.
  23. Young A. H., Knapp K. R., Inamdar A., Hankins W., Rossow W. B. The International Satellite Cloud Climatology Project H-Series climate data record product // Earth System Science Data. 2018. V. 10. P. 583–593.