Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 1. С. 122-134
Использование данных лидара CALIOP для восстановления высоты нижней границы многослойной облачности по спутниковым данным MODIS на основе методов нечёткой логики
1 Институт оптики атмосферы им. В.Е. Зуева СО РАН, Томск, Россия
Одобрена к печати: 16.01.2024
DOI: 10.21046/2070-7401-2024-21-1-122-134
Представлен алгоритм восстановления высоты нижней границы отдельных ярусов многослойной облачности по данным пассивного спутникового зондирования на основе методов нечёткой логики. Процедура оценки высоты основания облачности рассмотрена в качестве частного случая решения задачи классификации, где классами являются узкие диапазоны значений искомого параметра, а классификационными признаками — характеристики облаков, восстанавливаемые по данным пассивного спутникового зондирования. Методы нечёткой логики позволяют относить один объект к нескольким классам одновременно, но с различной степенью принадлежности, что обеспечивает возможность оценки высоты нижней границы для нескольких ярусов облаков, наблюдаемых одновременно. Обучение классификатора осуществляется на основе синхронных данных лидара CALIOP (англ. Cloud-Aerosol Lidar with Orthogonal Polarization) и спектрорадиометра MODIS (англ. Moderate Resolution Imaging Spectroradiometer), полученных летом над территорией Западной Сибири в период 2013–2018 гг. А его функционирование выполняется уже только по данным пассивного спутникового зондирования. Рассмотрено два метода нечёткой самоорганизации: Fuzzy C-means и Густафсона – Кесселя. Установлено, что второй подход является более эффективным и обеспечивает отклонение восстановленных значений высоты нижней границы облаков с оптической толщиной меньше 10 от эталонных в –0,5 км при среднеквадратическом отклонении 1,5 км для вышележащего слоя облачности и –0,1 км при 2,1 км для расположенного под ним.
Ключевые слова: высота нижней границы облаков, методы нечёткой логики, многослойная облачность, нейронная сеть, спутниковые данные, CALIOP, MODIS
Полный текстСписок литературы:
- Астафуров В. Г., Скороходов А. В. Классификация многоярусной облачности по данным MODIS с использованием технологии нейронных сетей и методов нечеткой логики // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 6. С. 162–173.
- 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.: Изд-во Д’АРТ, 2011. 248 с.
- Борейшо А. С., Ким А. А., Коняев М. А. и др. Современные лидарные средства дистанционного зондирования амтосферы // Фотоника. 2019. Т. 13. № 7. С. 648–657. DOI: 10.22184/1992-7296.FRos.2019.13.7.648.657.
- Дашко Н. А. Курс лекций по синоптической метеорологии. Владивосток: Изд-во ДВГУ, 2005. 523 с.
- Код для оперативной передачи данных приземных метеорологических наблюдений с сети станций Росгидромета (КН-01 SYNOP) / отв. ред. Фахрутдинова Н. П. М., 2013. 79 с.
- Кхыонг Н. В. Оценка влияния метеобразования на распространение радиоволн в X-диапазоне // Тр. Московского физико-техн. ин-та. 2020. Т. 12. № 3. С. 94–103.
- Облака и облачная атмосфера: справ. / под ред. Мазина И. П., Хргиана А. Х. Л.: Гидрометеоиздат, 1989. 647 с.
- Осовский С. Нейронные сети для обработки информации / пер. с польск. Рудинского И. Д. M.: Финансы и статистика, 2002. 344 с.
- Скороходов А. В., Курьянович К. В. Использование данных CALIOP для оценки высоты нижней границы облаков на спутниковых снимках MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 2. С. 43–56. DOI: 10.21046/2070-7401-2022-19-2-43-56.
- Толмачева Н. И., Крючкова А. Д. Методы и средства метеорологических измерений: учеб. пособие. Пермь: Изд-во ПГНИУ, 2013. 253 с.
- Шакина Н. П. Динамика атмосферных фронтов. Л.: Гидрометеоиздат, 1985. 264 с.
- Bessho K., Date K., Hayashi M. et al. An introduction to Himawari-8/9 — Japan’s new-generation geostationary meteorological satellites // J. Meteorological Society of Japan. Ser. II. 2016. V. 94. No. 2. P. 151–183. DOI: 10.2151/jmsj.2016-009.
- Chang F. L., Li Z. A near-global climatology of single-layer and overlapped clouds and their optical properties retrieved from Terra/MODIS data using a new algorithm // J. Climate. 2005. V. 18. No. 22. P. 4752–4771. DOI: 10.1175/JCLI3553.1.
- Chen S., Cheng C., Zhang X. et al. Construction of nighttime cloud layer height and classification of cloud types // Remote Sensing. 2020. V. 12. Article 668. DOI: 10.3390/rs12040668.
- Dunn J. C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters // J. Cybernetics. 1973. V. 3. No. 3. P. 32–57. DOI: 10.1080/01969727308546046.
- Forsythe J. M., Vonder Haar T. H., Reinke D. L. Cloud base height estimates using a combination of meteorological satellite imagery and surface reports // J. Applied Meteorology. 2000. V. 39. P. 2336–2347. DOI: 10.1175/1520-0450(2000)039<2336:CBHEUA>2.0.CO;2.
- Gebremariam S., Li S., Weldegaber M. Observed correlation between aerosol and cloud base height for low clouds at Baltimore and New York, United States // Atmosphere. 2018. V. 9. No. 4. Article 143. DOI: 10.3390/atmos9040143.
- Gustafson D. E., Kessel W. C. Fuzzy clustering with a fuzzy covariance matrix // Proc. IEEE Conf. Decision and Control including the 17th Symp. Adaptive Processes. 1979. P. 761–766. DOI: 10.1109/CDC.1978.268028.
- Hutchison K. D. The retrieval of cloud base heights from MODIS and three-dimensional cloud fields from NASA’s EOS Aqua mission // Intern. J. Remote Sensing. 2002. V. 23. P. 5249–5265. DOI: 10.1080/01431160110117391.
- Mecikalski J. R., Feltz W. F., Murray J. J. et al. Aviation applications for satellite-based observations of cloud properties, convection initiation, in-flight icing, turbulence, and volcanic ash // Bull. American Meteorological Society. 2007. V. 88. P. 1589–1607. DOI: 10.1175/BAMS-88-10-1589.
- Minnis P., Sun-Mack S., Smith W. L. J. et al. Advances in neural network detection and retrieval of multilayer clouds for CERES using multispectral satellite data // Proc. SPIE. 2019. V. 11152. DOI: 10.1117/12.2532931.
- Minnis P., Sun-Mack S., Chen Y. et al. CERES MODIS cloud product retrievals for Edition 4 — Part I: Algorithm changes // IEEE Trans. Geoscience and Remote Sensing. 2021. V. 59. P. 2744–2780. DOI: 10.1109/TGRS.2020.3008866.
- Mülmenstädt J., Sourdeval O., Henderson D. S. et al. Using CALIOP to estimate cloud-field base height and its uncertainty: the Cloud Base Altitude Spatial Extrapolator (CBASE) algorithm and dataset // Earth System Science Data. 2018. V. 10. P. 2279–2293. DOI: 10.5194/essd-10-2279-2018.
- Noh Y.-J., Forsythe J. M., Miller S. D. et al. Cloud-base height estimation from VIIRS. Part II: A statistical algorithm based on A-Train satellite data // J. Atmospheric and Oceanic Technology. 2017. V. 34(3). P. 585–598. DOI: 10.1175/JTECH-D-16-0110.1.
- Noh Y.-J., Haynes J. M., Miller S. D. et al. A framework for satellite-based 3D cloud data: An overview of the VIIRS cloud base height retrieval and user engagement for aviation applications // Remote Sensing. 2022. V. 14. Article 5524. DOI: 10.3390/rs14215524.
- Platnick S. K., Meyer G., King M. D. et al. The MODIS cloud optical and microphysical products: Collection 6 updates and examples from Terra and Aqua // IEEE Trans. Geoscience and Remote Sensing. 2017. V. 55. P. 502–525. DOI: 10.1109/TGRS.2016.2610522.
- Skorokhodov A. V., Pustovalov K. N., Khatyutkina E. V., Astafurov V. G. Cloud-base height retrieval from MODIS satellite data based on self-organizing neural networks // Atmospheric and Oceanic Optics. 2023. V. 36. No. 6. P. 723–734. DOI: 10.1134/S1024856023060209.
- Tan Z., Huo J., Ma S. et al. Estimating cloud base height from Himawari-8 based on a random forest algorithm // Intern. J. Remote Sensing. 2021. V. 42. No. 7. P. 2485–2501. DOI: 10.1080/01431161.2020.1854891.
- Tan Z., Ma S., Wang X. et al. Estimating layered cloud cover from geostationary satellite radiometric measurements: a novel method and its application // Remote Sensing. 2022. V. 14. Article 5693. DOI: 10.3390/rs14225693.
- Teng S., Liu C., Zhang Z. et al. Retrieval of ice‐over‐water cloud microphysical and optical properties using passive radiometers // Geophysical Research Letters. 2020. V. 47. No. 16. Article e2020GL088941. DOI: 10.1029/2020GL088941.
- Wilheit T. T., Hutchison K. D. Retrieval of cloud base heights from passive microwave and cloud top temperature data // IEEE Trans. Geoscience and Remote Sensing. 2000. V. 38. P. 1253–1259. DOI: 10.1109/36.843017.
- Winker D. M., Vaughan M. A., Omar A. et al. Overview of the CALIPSO Mission and CALIOP Data Processing Algorithms // J. Atmospheric and Oceanic Technology. 2009. V. 26. P. 2310–2323. DOI: 10.1175/2009JTECHA1281.1.
- Zadeh L. A. Fuzzy sets // Information and Control. 1965. V. 8. No. 3. P. 338–353. DOI: 0.1016/S0019-9958(65)90241-X.