Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 1. С. 271-286
О классификации типов облачности пороговым методом по спутниковым ИК-данным
1 Научно-исследовательский центр космической гидрометеорологии «Планета», Москва, Россия
Одобрена к печати: 05.12.2022
DOI: 10.21046/2070-7401-2023-20-1-271-286
Влияние облачности на погоду и климат велико, так как она участвует в формировании радиационного, теплового и водного баланса системы «Земля – атмосфера». С каждым конкретным типом и видом облаков связаны определённые метеорологические процессы и метеоявления, в том числе опасные. Поэтому информация об облачных классах (их типах, видах и разновидностях) важна как для оперативного мониторинга погоды, так и при изучении климата. В статье рассмотрен принятый Всемирной метеорологической организацией подход к классификации облаков и приведён обзор основных существующих на данный момент методик классификаций облачности по спутниковым данным в видимом и инфракрасном диапазонах спектра. Подробно рассмотрено пошаговое построение алгоритмов в разработанной автором пороговой методике попиксельной классификации облачности по спутниковой информации о радиационной температуре в разных спектральных каналах, приведено подробное описание выделяемых методикой облачных классов, отмечены возможные источники ошибок и возникающие сложности при облачном анализе. Предложенные автором алгоритмы действительны для приборов AVHRR (англ. Advanced Very-High-Resolution Radiometer) космического аппарата (КА) серии NOAA (англ. National Oceanic and Atmospheric Administration), SEVIRI (англ. Spinning Enhanced Visible and InfraRed Imager) КА серии Meteosat, МСУ МР (многозональное сканирующее устройство малого разрешения) КА серии «Метеор-М», МСУ ГС-ВЭ (МСУ для геостационарных спутников при съёмке с высокоэллиптической орбиты) КА серии «Арктика-М» и аналогичных им.
Ключевые слова: типы облачности, классификация облачности по спутниковым данным, облачный анализ, пороговые методики, AVHRR/NOAA, SEVIRI/Meteosat, МСУ МР/ «Метеор-М», МСУ ГС-ВЭ/«Арктика-М»
Полный текстСписок литературы:
- Асмус В. В., Милехин О. Е., Крамарева Л. С., Хайлов М. Н., Ширшаков А. Е., Шумаков И. А. Первая в мире высокоэллиптическая гидрометеорологическая космическая система «Арктика-М» // Метеорология и гидрология. 2021. № 12. С. 11–26. DOI: 10.52002/0130-2906-2021-12-11-26.
- Астафуров В. Г., Скороходов А. В. Использование результатов классификации облачности по спутниковым данным для решения задач климатологии и метеорологии // Метеорология и гидрология. 2021. № 12. С. 57–70. DOI: 10.52002/0130-2906-2021-57-70.
- Астафуров В. Г., Курьянович К. В., Скороходов А. В. Методы автоматической классификации облачности по спутниковым снимкам MODIS // Исслед. Земли из космоса. 2016. № 3. С. 1–11.
- Атмосфера: справ. / ред. Седунов Ю. С., Авдюшин С. И., Борисенков Е. П., Волковицкий О. А., Петро Н. Н., Рейтенбах Р. Г., Смирнов В. И., Черников А. А. Л.: Гидрометиздат, 1991. 510 с.
- 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.: РИФ «Д’Арт», 2011. 248 с.
- Брылев Г. Б. Метеорологические автоматизированные радиолокационные сети. СПб.: Гидрометеоиздат, 2002. 332 с.
- Волкова Е. В., Кухарский А. В. Автоматизированная технология диагноза параметров облачного покрова, осадков и опасных явлений погоды для Европейской территории России по данным радиометра SEVIRI с геостационарных метеоспутников серии Meteosat MSG // Гидрометеорол. исслед. и прогнозы. 2020. № 4(378). С. 43–62. DOI: 10.37162/2618-9631-2020-4-43-62.
- Волкова Е. В., Успенский А. Б. Оценки параметров облачного покрова и осадков по данным сканирующих радиометров полярно-орбитальных и геостационарных метеоспутников // Исслед. Земли из космоса. 2015. № 5. С. 30–43.
- Волкова Е. В., Андреев А. И., Косторная А. А. Мониторинг характеристик облачного покрова и осадков по данным измерений с полярно-орбитальных и геостационарных спутников // Метеорология и гидрология. 2021. № 12. С. 45–56. DOI: 10.52002/0130-2906-2021-12-45-56.
- Зверев А. С. Синоптическая метеорология. Л.: Гидрометиздат, 1977. 712 с.
- Код для оперативной передачи данных приземных метеорологических наблюдений с сети станций Росгидромета (КН-01 SYNOP). СПб.: Гидрометеоиздат, 2012. 78 с.
- Косторная А. А., Сапрыкин Е. И., Захватов М. Г., Токарева Ю. В. Метод дешифрирования облачного покрова по спутниковым данным // Метеорология и гидрология. 2017. № 12. С. 16–24.
- Матвеев Л. Т. Основы общей метеорологии. Физика атмосферы. Л.: Гидрометиздат, 1965. 874 с.
- Облака и облачная атмосфера: справ. / под ред. И. П. Мазина, А. Х. Хргиана. Л.: Гидрометиздат, 1989. 647 с.
- Претор-Пинней Г. Занимательное облаковедение: Учебник любителя облаков: пер. с англ. О. Дементиевской, М. Фаликман / ред. И. Копылова. М.: Livebook, 2015. 384 с.
- Руководство по краткосрочным прогнозам погоды. Ч. 1. Л.: Гидрометиздат, 1986. 703 с.
- Скороходов А. В. Классификация облачности в ночное время суток по спутниковым данным VIIRS // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 3. С. 240–251. DOI: 10.21046/2070-7401-2020-17-3-240-251.
- Хромов С. П., Мамонтова Л. И. Метеорологический словарь. Л.: Гидрометиздат, 1974. 568 с.
- Хромов С. П., Петросянц М. А. Метеорология и климатология. М.: Изд-во МГУ, 2001. 526 с.
- Dim J. R., Takamura T. Alternative approach for satellite cloud classification: edge gradient application // Advances in Meteorology, 2013. Art. ID 584816. https://www.hindawi.com/journals/amete/2013/584816.
- Heidinger A., Walther A., Botambekov D., Straka III W., Wanzong S., Li Y. The clouds from AVHRR extended (CLAVR-x). User’s guide. Ver. 6.0.4. Aug. 2019. 64 p.
- Jiang Yu., Cheng W., Gao F., Zhang S., Wang S., Liu C., Liu J. A cloud classification method based on convolutional neural network for FY-4A satellites // Remote Sensing. 2022. V. 14(10). Art. No. 2314. https://doi.org/10.3390/rs14102314.
- Jin W., Gong F., Zeng X., Fu R. Classification of clouds in satellite imagery using adaptive fuzzy sparse representation // Sensors. 2016. V. 16(12). Art. No. 2153. https://doi.org/10.3390/s16122153.
- Kerdraon G., Le Glaue H. EUMETSAT NWC SAF Report to Nowcasting and very short range forecasting. Scientific and validation report for the cloud product processors of the NWC/GEO/NWC/CDOP3/GEO-CMS/SCI/VR/Cloud. Iss. 1. Rev. 1. Apr. 10, 2019. 51 p.
- Purbantoro B., Aminuddin J., Manago N., Toyoshima K., Lagrosas N., Sumantyo J. T. S., Kuze H. Comparison of cloud type classification with split-window algorithm based on different infrared band combinations of Himawari-8 satellite // Remote Sensing. 2018. V. 11(24). Art. No. 2944. https://doi.org/10.3390/rs11242944.
- Sedlar J., Karlsson K. G. Algorithm Theoretical Baseline Document. Joint Cloud property Histogram products AVHRR/SEVIRI. CM-SAF Products CM-11, CM-12. Iss. 1.1. / EUMETSAT Satellite Application Facility on Climate Monitoring. Sept. 27, 2011. SAF/CM/SMHI/PDC/CTY. 18 p.
- Stengel M., Karlsson K. G., Meirink J. F. Clouds. Product User Mannual. Ver. 1.8. / EUMETSAT Satellite Application Facility on Climate Monitoring. Feb. 22, 2015. SAF/CM/DWD/PUM/CLOUDS. 99 p.