Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 6. С. 25-39
Методы восстановления интенсивности тропических циклонов по данным ДЗЗ: современное состояние и перспективы
А.Н. Якушева
1 , Д.М. Ермаков
1, 2 , Е.А. Шарков
1 1 Институт космических исследований РАН, Москва, Россия
2 Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, Фрязино, Московская обл., Россия
Одобрена к печати: 25.11.2025
DOI: 10.21046/2070-7401-2025-22-6-25-39
Проведён анализ наиболее известных современных методов дистанционной диагностики интенсивности тропических циклонов (ТЦ) и их исторических предшественников по спутниковым данным. Рассмотрена эволюция алгоритмов от классического субъективного метода Дворака (1975) до современных автоматизированных систем консенсуса SATCON (англ. Satellite Consensus) и методов машинного обучения. Описаны четыре классических подхода: метод Дворака и его объективная модификация, улучшенный метод Дворака, консенсус-алгоритм SATCON, интегрирующий данные инфракрасных и микроволновых спутниковых наблюдений, а также новейшие методики на основе искусственных нейронных сетей. Материал систематизирован по каждому методу на основе разбора принципов работы, используемых спутниковых данных, характеристик качества и имеющихся ограничений. Показано, что современные нейросетевые подходы демонстрируют наилучшую точность восстановления интенсивности ТЦ со среднеквадратичной ошибкой 8–11 узлов при возможности эффективной обработки беспрецедентно больших массивов информации, они особенно эффективны на ранних стадиях развития ТЦ в отличие от традиционных методов, которые лучше работают с наиболее интенсивными ТЦ.
Ключевые слова: интенсивность тропических циклонов, дистанционные методы, метод Дворака, искусственный интеллект, сравнительный анализ
Полный текстСписок литературы:
- Бондур В. Г., Крапивин В. Ф. Космический мониторинг тропических циклонов. М.: НИИ «Аэрокосмос», Науч. мир, 2014. 507 с.
- Пальмен Э., Ньютон Ч. Циркуляционные системы атмосферы. Л.: Гидрометеоиздат, 1973. 616 с.
- Шарков Е. А. Атмосферные катастрофы: эволюция научных взглядов и роль дистанционного зондирования // Современные проблемы дистанционного зондирования Земли из космоса. 2005. Вып. 2. Т. 1. С. 55–62.
- Шарков Е. А. Спутниковые исследования тропического циклогенеза: особенности и достижения современного этапа // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 1. С. 29–48.
- Якушева А. Н., Ермаков Д. М. Разработка новой автоматической методики восстановления интенсивности тропических циклонов по данным многоспектральных спутниковых наблюдений Земли с помощью искусственных нейросетей // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 2. С. 336–349. DOI: 10.21046/2070-7401-2024-21-2-336-349.
- Ahmed R., Mohapatra M., Dwivedi S. et al. An overview of the Satellite Consensus (SATCON) algorithm to estimate tropical cyclone intensity over the North Indian Ocean // J. Earth System Science. 2022. V. 131. Article 169. DOI: 10.1007/s12040-022-01901-5.
- Brueske K. F., Velden C. Satellite-based tropical cyclone intensity estimation using the NOAA-KLM series Advanced Microwave Sounding Unit (AMSU) // Monthly Weather Review. 2003. V. 131. No. 4. P. 687–697. DOI: 10.1175/1520-0493(2003)131<0687:SBTCIE>2.0.CO;2.
- Chen R., Zhang W., Wang X. Machine learning in tropical cyclone forecast modeling: A review // Atmosphere. 2020. V. 11. No. 7. Article 676. DOI: 10.3390/atmos11070676.
- Combinido J. S., Mendoza J. R., Aborot J. A convolutional neural network approach for estimating tropical cyclone intensity using satellite-based infrared images // Proc. 24th Intern. Conf. Pattern Recognition (ICPR). 2018. P. 1474–1480. DOI: 10.1109/ICPR.2018.8545593.
- Dvorak V. F. A technique for the analysis and forecasting of tropical cyclone intensities from satellite pictures. NOAA Technical Memorandum NESS 36. Washington, DC: NOAA/NESDIS, 1972. 15 p.
- Dvorak V. F. Tropical cyclone intensity analysis and forecasting from satellite imagery // Monthly Weather Review. 1975. V. 103. No. 5. P. 420–430. DOI: 10.1175/1520-0493(1975)103<0420:TCIAAF>2.0.CO;2.
- Dvorak V. Tropical cyclone intensity analysis using satellite data: technical report. Washington, DC, 1984. 47 p.
- Emanuel K. Tropical cyclones // Annual Review of Earth and Planetary Sciences. 2003. V. 31. P. 75–104. DOI: 10.1146/annurev.earth.31.100901.141259.
- Emanuel K. Increasing destructiveness of tropical cyclones over the past 30 years // Nature. 2005. V. 436. No. 7051. P. 686–688. DOI: 10.1038/nature03906.
- Herndon D., Velden C. Upgrades to the UW–CIMSS AMSU-based TC intensity algorithm // Proc. 26th Conf. on Hurricanes and Tropical Meteorology. Boston, MA: American Meteorological Soc., 2004. P. 118–119.
- Herndon D. C., Velden C. S. Estimating TC intensity using the SSMIS and ATMS sounders. American Meteorological Soc., 2012. Article P1.21. 5 p. https://ams.confex.com/ams/30Hurricane/webprogram/Paper205422.html.
- Klotz B. W., Uhlhorn E. W. Improved stepped frequency microwave radiometer tropical cyclone surface winds in heavy precipitation // J. Atmospheric and Oceanic Technology. 2014. V. 31. No. 11. P. 2392–2408. DOI: 10.1175/JTECH-D-14-00028.1.
- Knaff J. A., Brown D. P., Courtney J et al. An evaluation of Dvorak technique-based tropical cyclone intensity estimates // Weather and Forecasting. 2010. V. 25. No. 5. P. 1362–1379. DOI: 10.1175/2010WAF2222375.1.
- Lee R. S.T., Lin J. N. K. An elastic contour matching model for tropical cyclone pattern recognition // IEEE Trans. Systems, Man, and Cybernetics. Pt. B (Cybernetics). 2001. V. 31. No. 3. P. 413–417. DOI: 10.1109/3477.931532.
- Lee J., Im J., Cha D.-H. et al. Tropical cyclone intensity estimation using multi-dimensional convolutional neural networks from geostationary satellite data // Remote Sensing. 2020. V. 12. No. 1. Article 108. DOI: 10.3390/rs12010108.
- Lee Y.-J., Hall D., Liu Q et al. Interpretable tropical cyclone intensity estimation using Dvorak-inspired machine learning techniques // Engineering Applications of Artificial Intelligence. 2021. V. 101. Article 104233. DOI: 10.1016/j.engappai.2021.104233.
- Olander T. L., Velden C. S. The advanced Dvorak technique: Continued development of an objective scheme to estimate tropical cyclone intensity using geostationary infrared satellite imagery // Weather and Forecasting. 2007. V. 22. No. 2. P. 287–298. DOI: 10.1175/WAF975.1.
- Olander T. L., Velden C. S. ADT — Advanced Dvorak Technique: Users’ Guide. Madison, WI: Cooperative Institute for Meteorological Satellite Studies, University of Wisconsin–Madison, 2015. 76 p.
- Olander T. L., Velden C. S. The Advanced Dvorak Technique (ADT) for estimating tropical cyclone intensity: update and new capabilities // Weather and Forecasting. 2019. V. 34. No. 4. P. 905–922. DOI: 10.1175/WAF-D-19-0007.1.
- Pielke R. A., Jr., Pielke R. A., Sr. Hurricanes: their nature and impacts on society. Chichester, N. Y.: John Wiley and Sons, 1997. 279 p.
- Reul N., Chapron B., Zabolotskikh E. et al. A new generation of tropical cyclone size measurements from space // Bull. American Meteorological Soc. 2017. V. 98. No. 11. P. 2367–2385. DOI: 10.1175/BAMS-D-15-00291.1.
- Velden C. S., Herndon D. C. Update on the SATellite CONsensus (SATCON) algorithm for estimating TC intensity // 31st Conf. on Hurricanes and Tropical Meteorology. San Diego, CA: Amer. Meteor. Soc., 2014. https://tropic.ssec.wisc.edu/misc/satcon/hurrconf_2014_satcon_poster.pdf.
- Velden C. S., Herndon D. A consensus approach for estimating tropical cyclone intensity from meteorological satellites: SATCON // Weather and Forecasting. 2020. V. 35. No. 4. P. 1645–1662. DOI: 10.1175/WAF-D-20-0015.1.
- Velden C. S., Olander T. L., Zehr R. M. Development of an objective scheme to estimate tropical cyclone intensity from digital geostationary satellite infrared imagery // Weather and Forecasting. 1998. V. 13. No. 1. P. 172–186. DOI: 10.1175/1520-0434(1998)013<0172:DOAOST>2.0.CO;2.
- Wimmers A., Velden C., Cossuth J. H. Using deep learning to estimate tropical cyclone intensity from satellite passive microwave imagery // Monthly Weather Review. 2019. V. 147. No. 6. P. 2261–2282. DOI: 10.1175/MWR-D-18-0391.1.
- Xiang K., Yang X., Zhang M. et al. Objective estimation of tropical cyclone intensity from active and passive microwave remote sensing observations in the northwestern Pacific Ocean // Remote Sensing. 2019. V. 11. No. 6. Article 627. DOI: 10.3390/rs11060627.
- Zhao Y., Zhao C., Sun R., Wang Z. A multiple linear regression model for tropical cyclone intensity estimation from satellite infrared images // Atmosphere. 2016. V. 7. No. 3. Article 40. DOI: 10.3390/atmos7030040.