Современные проблемы дистанционного зондирования Земли из космоса. 2026. Т. 23. № 3. С. 353-368
Климатология кристаллической облачности над Томском по данным MODIS и ERA5 за 2000–2025 гг. как основа для организации наземных лидарных наблюдений
А.В. Скороходов 1 , В.А. Шишко 1 1 Институт оптики атмосферы им. В.Е. Зуева СО РАН, Томск, Россия
Одобрена к печати: 23.04.2026
DOI: 10.21046/2070-7401-2026-23-3-353-368
Лидарное поляризационное зондирование является основным методом дистанционного исследования микрофизических характеристик кристаллической облачности. Использование сканирующих лазерных систем предполагает активное управление их режимами в процессе проведения эксперимента, что требует наличия априорной информации об объекте исследования для повышения эффективности измерений. В работе представлены результаты статистического анализа параметров кристаллической облачности и окружающей среды. Исследования проводились над районом расположения наземной сканирующей лидарной станции ЛОЗА-М3 (г. Томск) по данным многолетней съёмки спектрорадиометром MODIS (англ. Moderate Resolution Imaging Spectroradiometer) и реанализа ERA5 (англ. European Centre for Medium-Range Weather Forecasts Reanalysis v. 5). На основе применения алгоритмов плотностной кластеризации HDBSCAN (англ. Hierarchical Density-Based Spatial Clustering of Applications with Noise) и OPTICS (англ. Ordering Points to Identify the Clustering Structure) с использованием метода главных компонент выделены группы облаков с отличающимися друг от друга характеристиками, которые условно интерпретированы как низкая, переходная и высокая кристаллическая облачность. Для каждой группы выявлены характерные особенности синоптической ситуации на высотах их наблюдения. Проанализированы статистические характеристики годового хода повторяемости и сезонного распределения параметров выделенных групп. На этой основе сформулированы рекомендации и методические указания по планированию лидарных экспериментов над г. Томском, направленных на изучение кристаллических облаков с различной ориентацией ледяных частиц. Полученные результаты могут быть использованы для других регионов планеты, а сами статистические оценки будут применены при разработке оптической модели распространения лидарного сигнала.
Ключевые слова: кластерный анализ, кристаллические облака, лидарное зондирование, реанализ ERA5, статистический анализ, характеристики облачности, MODIS
Полный текстСписок литературы:
- Кауль Б. В. Оптико-локационный метод поляризационных исследований анизотропных аэрозольных сред: дис. … д-ра физ.-мат. наук. Томск: ИОА СО РАН, 2004. 219 с.
- Кауль Б. В., Самохвалов И. В. Ориентация частиц кристаллических облаков CI: Ч. 1. Ориентация при падении // Оптика атмосферы и океана. 2005. Т. 18. № 11. С. 963–967.
- Кобзарь А. И. Прикладная математическая статистика: для инженеров и научных работников. М.: Физматлит, 2006, 816 с.
- Насонов С. В. Оптические характеристики облаков верхнего яруса и их связь с метеорологическими параметрами атмосферы: дис. … канд. физ.-мат. наук. Томск: ИОА СО РАН, 2015. 114 с.
- Облака и облачная атмосфера: Справочник / под ред. И. П. Мазина, А. Х. Хргиана. Л.: Гидрометеоиздат, 1989. 647 с.
- Поляк Б. Т., Хлебников М. В. Метод главных компонент: робастные версии // Автоматика и телемеханика. 2017. № 3. С. 130–148.
- Пустовалов К. Н., Горбатенко В. П., Нагорский П. М., Нечепуренко О. Е. Пространственно-временная изменчивость конвективной неустойчивости на юге Западной Сибири по данным реанализа ERA5 // Вестн. КРАУНЦ. Физ.-мат. науки. 2021. Т. 37. № 4. С. 203–215. DOI: 10.26117/2079-6641-2021-37-4-203-215.
- Скороходов А. В., Коношонкин А. В. Сопоставление спутниковых активных и пассивных наблюдений зеркально отражающих слоёв в облаках верхнего яруса // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 3. С. 279–287. DOI: 10.21046/2070-7401-2021-18-3-279-287.
- Ackerman S. A., Frey R., Heidinger A., Li Y., Walther A., Platnick 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, MD, USA: NASA Goddard Space Flight Center, 2019. 65 p.
- Ankerst M., Breunig M. M., Kriegel H.-P., Sander J. OPTICS: ordering points to identify the clustering structure // ACM SIGMOD Record. 1999. V. 28. No. 2. P. 49–60. DOI: 10.1145/304181.304187.
- Bony S., Stevens B., Frierson D. M. W. et al. Clouds, circulation and climate sensitivity // Nature Geoscience. 2015. V. 8. P. 261–268. DOI: 10.1038/ngeo2398.
- Bryukhanov I. D., Kuchinskaia O. I., Ni E. V. et al. Optical and geometrical characteristics of high-level clouds from the 2009–2023 data on laser polarization sensing in Tomsk // Atmospheric and Oceanic Optics. 2024. V. 37. P. 343–351. DOI: 10.1134/S1024856024700441.
- Campello R. J. G. B., Moulavi D., Sander J. Density-based clustering based on hierarchical density estimates // Advances in Knowledge Discovery and Data Mining. PAKDD 2013. Berlin, Heidelberg: Springer, 2013. P. 160–172. DOI: 10.1007/978-3-642-37456-2_14.
- Chicco D., Sabino G., Oneto L., Jurman G. The DBCV index is more informative than DCSI, CDbw, and VIASCKDE indices for unsupervised clustering internal assessment of concave-shaped and density-based clusters // PeerJ Computer Science. 2025. V. 11. Article e3095. DOI: 10.7717/peerj-cs.3095.
- Davies H. C. The quasigeostrophic omega equation: Reappraisal, refinements, and relevance // Monthly Weather Review. 2015. V. 143. No. 1. P. 3–25. DOI: 10.1175/MWR-D-14-00098.1.
- Forster P., Storelvmo T., Armour K. et al. The Earth’s energy budget, climate feedbacks and climate sensitivity // Climate change 2021: The physical science basis. Contribution of Working Group I to the Sixth assessment report of the Intergovernmental Panel on Climate Change / eds. V. Masson-Delmotte, P. Zhai, A. Pirani et al. Cambridge, UK; N. Y., NY, USA: Cambridge University Press, 2021. P. 923–1054. DOI: 10.1017/9781009157896.009.
- Guerrero-Rascado J. L., Landulfo E., Antuña J. C. et al. Latin American Lidar Network (LALINET) for aerosol research: Diagnosis on network instrumentation // J. Atmospheric and Solar-Terrestrial Physics. 2016. V. 138–139. P. 112–120. DOI: 10.1016/j.jastp.2016.01.001.
- Hamel A., Schnaiter M., Saito M. et al. Cloud chamber studies on the linear depolarisation ratio of small cirrus ice crystals // Atmospheric Chemistry and Physics. 2026. V. 26. P. 1277–1300. DOI: 10.5194/acp-26-1277-2026.
- Hayman M., Spuler S., Morley B. Polarization lidar observations of backscatter phase matrices from oriented ice crystals and rain // Optics Express. 2014. V. 22. No. 14. P. 16976–16990. DOI: 10.1364/OE.22.016976.
- Heinze C., Eyring V., Friedlingstein P. et al. ESD Reviews: Climate feedbacks in the Earth system and prospects for their evaluation // Earth System Dynamics. 2019. V. 10. P. 379–452. DOI: 10.5194/esd-10-379-2019.
- Herreros-Martínez A., Magdalena-Benedicto R., Vila-Francés J. et al. Applied machine learning to anomaly detection in enterprise purchase processes: A hybrid approach using clustering and isolation forest // Information. 2025. V. 16. No. 3. Article 177. DOI: 10.3390/info16030177.
- Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis // Quarterly J. Royal Meteorological Soc. 2020. V. 146. No. 730. P. 1999–2049. DOI: 10.1002/qj.3803.
- Kokhanenko G. P., Balin Yu. S., Klemasheva M. G. et al. Scanning polarazation lidar LOSA-M3: Opportunity for research of crystalline particle orientation in the ice clouds // Atmospheric Measurement Techniques. 2020. V. 13. P. 1113–1127. DOI: 10.5194/amt-13-1113-2020.
- Mace G. G., Zhang Q. The CloudSat radar-lidar geometrical profile product (RL-GeoProf): updates, improvements and selected results // J. Geophysical Research: Atmospheres. 2014. V. 119. P. 9441–9462. DOI: 10.1002/2013JD021374.
- Morrison H. Impacts of updraft size and dimensionality on the perturbation pressure and vertical velocity in cumulus convection. Pt. II: Comparison of theoretical and numerical solutions and fully dynamical simulations // J. Atmospheric Sciences. 2016. V. 73. No. 4. P. 1455–1480. DOI: 10.1175/JAS-D-15-0041.1.
- Nguyen Huu Ż., Kotarba A. Z., Wypych A. Evaluation of the operational MODIS cloud mask product for detecting cirrus clouds // Atmospheric Measurement Techniques. 2025. V. 18. P. 3897–3915. DOI: 10.5194/amt-18-3897-2025.
- Li Y. W. Effects of clouds on global climate // J. Physics: Conf. Ser. 2023. V. 2608. No. 1. Article 012060. DOI: 10.1088/1742-6596/2608/1/012060.
- Li Y., Wang C., Xue X. et al. Study on the parameters of ice clouds based on 1.5 µm micropulse polarization lidar // Remote Sensing. 2022. V. 14. No. 20. Article 5162. DOI: 10.3390/rs14205162.
- Liu X., He T., Wang Q. et al. Estimation of long-term gridded cloud radiative kernel and radiative effects based on cloud fraction // Earth System Science Data. 2025. V. 17. P. 2405–2435. DOI: 10.5194/essd-17-2405-2025.
- Pappalardo G., Amodeo A., Apituley A. et al. EARLINET: towards an advanced sustainable European aerosol lidar network // Atmospheric Measurement Techniques. 2014. V. 7. P. 2389–2409. DOI: 10.5194/amt-7-2389-2014.
- Platt C. M. R., Abshire N. L., McNice G. T. Some microphysical properties of an ice cloud from lidar observation of horizontally oriented crystals // J. Applied Meteorology and Climatology. 1978. V. 17. P. 1220–1224.
- Shahapure K. R., Nicholas C. Cluster quality analysis using silhouette score // Proc. IEEE 7th Intern. Conf. on Data Science and Advanced Analytics (DSAA). 2020. P. 747–748. DOI: 10.1109/DSAA49011.2020.00096.
- Skorokhodov A., Konoshonkin A. Analysis of the observation results for preferentially oriented particles in high-level clouds according to the EARLINET lidar network and MODIS data // Atmosphere. 2023. V. 14. Article 1018. DOI: 10.3390/atmos14061018.
- Spang R., Müller R., Rap A. Radiative effect of thin cirrus clouds in the extratropical lowermost stratosphere and tropopause region // Atmospheric Chemistry and Physics. 2024. V. 24. P. 1213–1230. DOI: 10.5194/acp-24-1213-2024.
- Wang Z., Shishko V. A., Konoshonkin A. V. et al. The study of cirrus clouds with the polarization lidar in the South-East China (Hefei) // Atmospheric and Oceanic Optics. 2017. V. 30. P. 234–235. DOI: 10.1134/S1024856017030150.
- 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
- Yu B., Wang X. L., Feng Y. et al. Northern hemisphere extratropical cyclone activity in the Twentieth Century Reanalysis Version 3 (20CRv3) and its relationship with continental extreme temperatures // Atmosphere. 2022. V. 13. Article 1166. DOI: 10.3390/atmos13081166.