Бесплатный автореферат и диссертация по географии на тему

Численный анализ облачности и температуры поверхности океана с использованием инфракрасных измерений с геостационарных спутников и наземных данных

ВАК РФ 11.00.09, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Численный анализ облачности и температуры поверхности океана с использованием инфракрасных измерений с геостационарных спутников и наземных данных"

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М.В, Ломоносова

РГК од

ГЕОГРАФИЧЕСКИМ ФАКУЛЬТЕТ

2 КАЛ 2000

На правах рукописи

ГЕТМАНЧУК Инна Васильевна

УДК 551.(576.2+526.6+506.7)

Численный анализ облачности и температуры поверхности океана с использованием инфракрасных измерений с геостационарных спутников и наземных данных.

11.00.09 - метеорология, климатология и агрометеорология

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата географических наук

Москва 2000

Работа выполнена на кафедре метеорологии и климатологии географического факультета Московского государственного университета

им.М.В.Ломоносова

Научный руководитель: Н.Ф.Вельтиццев

доктор физико-математических наук, профессор

Официальные оппоненты: А.Б.Успецскин

доктор физико-математических наук

Защита состоится "18" мая 2000 года в 15 часов на заседании диссертационного совета Д-053.05.30 в Московском государственном университете им. М.В.Ломоносова по адресу: 119899, Москва, ГСП-3, Воробьевы горы, МГУ, географический факультет, 18 этаж, ауд. 1801.

С диссертацией можно ознакомиться в научной библиотеке географического факультета МГУ на 21 этаже.

Автореферат разослан "11" апреля 2000 года.

В.С.Архипкин

кандидат географических наук

Ведущая организация: Гидрометеорологический

научно-исследовательский центр Российской Федерации

Ученый секретарь диссертационного совета, кандидат географических наук

С.Ф.Алексеева

оЭ ¿¿г. Уг/ £ ¿9</, я

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Актуальность работы. Информация об облачности, получаемая с помощью существующих оперативных систем наблюдений, носит скорее качественный, чем количественный характер. Сетевые наблюдения с поверхности земли дают информацию о процентном покрытии неба облаками в радиусе обзора наблюдателя, сведения о типе облачности и высоте нижней границы облаков. Инструментальными являются лишь наблюдения за нижней границей облачности на небольшом количестве станций.

На основе измерений со спутников, используемых в настоящее время на оперативной основе, по отражательным и галучательным свойствам облаков и их пространственно-временной структуре в лучшем случае можно оценить процент покрытия поверхности Земли облаками, высоту верхней границы облачности и выделить несколько классов облачности.

Как известно, спутниковые измерения температуры поверхности океана (ТПО) не обладают достаточной точностью, но могут достаточно подробно передавать пространственно-временную структуру поля ТПО. Контактные же измерения, проводимые на судах и буях, обладают достаточной точностью, но сравнительно редки.

Аюуальносп. темы связана с тем, что из-за большой пространственно-времегаюй изменчивости поля облачности и качественного, а не количественного характера наблюдений за облачностью с поверхности Земли, восстановление этого поля в узлах регулярной сетки представляет значительные трудности. Из-за малой плотности измерений ТПО во многих районах Мирового океана, информация о температуре поверхности океана по данным судовых и буйковых измерений также является недостаточной для детального анализа температуры морской поверхности.

Состояние изученности. Диагностика поля облачности имеет существенное значение для мониторинга климатической системы Земли, а также для- многих прикладных целей, поэтому к настоящему времени предложено довольно много методик анализа облачного покрова с использованием спутниковых измерений в видимом и инфракрасном (ИК) участках спектра, поскольку только измерения со спутников могут дать информацию об облачности в глобальном масштабе.

Эти исследования ориентированы в подавляющем большинстве на многоспекгральные измерения, проводящиеся на полярно-орбитальных метеорологических спутниках (Миллер и Эмери 1997; Сандерс, Крайбел 1988; Волкова и Успенский 1998; Эберт 1987; Баум и др. 1997; Рейнольде и Ван дер Хаар 1977; Янг и др. 1996; Зейвеч 1982; Кокли и Болдуин 1984). Измерения с этих спутников имеют, однако, один существенный недостаток с точки зрения

синоптического и численного анализа: они производятся не одновременно над всей земной сферой или ее значительной частью. Поскольку облачность имеет достаточно большую пространственно-временную изменчивость, привязка измерений, сделанных с полярно-орбитальных спутников в разные моменты времени, к единому синоптическому сроку представляет трудноразрешимую проблему.

Этого недостатка лишены измерения с геостационарных спутников. Измерения с существующей ныне системы геостационарных спутников осуществляются глобально в широтном поясе от 60°с.ш. до 60°ю.ш. с большим разрешением по времени (каждые 30 минут). В этом смысле они обладают несомненным преимуществом с точки зрения численного анализа в определенный синоптический срок.

При планировании работы над диссертацией было решено ориентироваться на анализ облачности в определенные синоптические сроки, который будет содержать только количественную информацию об облаках, а именно данные о процентном покрытии облаками элементарной ячейки регулярной сетки, на которой ведется анализ, высоте нижней и верхней границы облачности. Для создания такого рода анализа облачности необходимо привлечение как измерений с геостационарных спутников в инфракрасном диапазоне, так и наземных наблюдений за облачностью, что и использовалось в данной диссертации. Задача в такой постановке решалась ранее лишь применительно к усвоению данных в мезомасштабных моделях,

■ Что касается задачи восстановления температуры поверхности океана по спутниковым данным, то она является традиционной для спутниковой метеорологии. Однако большинство существующих на сегодняшний день методик используют в анализе многоспектральные измерения с полярно-орбитальных спутников (Робинсон и др. 1984; Лейвеллин-Джонс и др. 1984; Нелепо и др. 1985; Успенский, Соловьев 1998; Игнатов, Суетин 1993; Чедин и др. 1983; Рейнольде, Смит 1994; Савдерс 1988). В работе Нуоки (1983) показано, что полное покрытие всего Мирового океана (на сетке 2°х2°) данными, полученными с полярно-орбитального спутника ЫОАА, возможно при осреднении их за месяц. Получение же информации с геостационарных спутников позволяет покрывать Мировой океан данными за более короткий период.

Целью данной работы является разработка методики регионального численного анализа облачности в определенные синоптические сроки, с использованием инфракрасных измерений с геостационарного спутника и наземных данных. Следующая цель работы практическая: понять, каково реальное качество восстановления ТПО по измерениям в ИК диапазоне с геостационарных спутников?

Если это качество является удовлетворительным, то появляется возможность заметно увеличить количество информации о ГПО путем совместного использования спутниковых и судовых измерений.

Разнородные на первый взгляд задачи анализа облаков и ТПО на самом деле весьма близки в методологическом плане: используется один и тот же источник спутниковой информации, имеется одна и та же задача разделения сигналов, поступающих от облачности и подстилающей поверхности. Именно в связи с такой методологической близостью процедур получения спутниковой информации в диссертации рассмотрены методики анализа, как облачности, так и ТПО.

Для достижения поставленных целей были решены следующие задачи:

1. Проанализировать имеющийся положительный опыт использования измерений в ИК диапазоне для восстановления полей облачности и температуры поверхности океана.

2. Разработать методику анализа облачности с использованием ИК измерений с геостационарных спутников и наземных данных.

3. Разработать методику анализа температуры поверхности океана на основе вариационного усвоения ИК информации с геостационарных спутников и контактных измерений на судах.

4. Разработать программные средства, позволяющие производить анализ поля облачности и температуры поверхности океана в оперативном режиме.

5. Оптимизировать эмпирические коэффициенты, используемые в методиках.

6. Проанализировать точность восстановления поля процентного покрытия облачности и поля высоты нижней границы облачности по разработанной методике.

7. Оценить точность восстановления по разработанной методике поля ТПО по спутниковым измерениям, по судовым измерениям, и поля, полученного в результате вариационного согласования полей спутниковой и судовой ТПО.

Использованные материалы.

1. Измерения в диапазоне 10.5-12.5 мкм, представленные значениями яркости в радиометрических единицах (0-255), с МИСЗ МЕТЕОЭАТ-7 в период с 2 июня по 31 августа 1999 г., СОЕЭ-Е, СОЕБ^, ОМБ, МЕТЕ08АТ-5 в период с 2 июня по 29 июля 1999 г.

2. Таблицы перевода ретранслируемых значений яркости в физические переменные брались на сервере ЕШЛЕТ8АТ: http:Wwww.eiinietsat.de.

3. Сведения о балле облачности и о высоте ее нижней границы, давлении и температуре на станциях, поступающие в коде СИНОП за все синоптические сроки.

4. Данные анализов и прогнозов на 12 ч температуры воздуха у поверхности земли, температуры и геопотенциальной высоты на различных поверхностях, поступающие в коде GRIB из Брэкнелла и относящиеся к срокам 00 и 12 СГВ.

5. Климатический анализ ТПО для северного полушария, построенный для каждого месяца на основании многолетних контактных измерений (NOAA Atlas, NESDIS 4,1994).

6. Недельные анализы ТОО Национальных центров по прогнозу окружающей Среды США (NCEP/NOAA), построенные на основании как контактных измерений ТОО, так и спутниковых измерений (ИСЗ NOAA).

7. Судовые и буйковые измерения ТПО. Предмет защиты:

1. Методика восстановления процентного покрытия облачности и высоты верхней границы облачности в узлах регулярной сетки на основе ИК'измерений с геостационарных спутников и высоты нижней границы облачности на основе станционных измерений.

2. Методика восстановления температуры поверхности океана в узлах регулярной сетки на основе вариационного согласования ИК измерений с геостационарных спутников и контактных измерений на судах.

Научная новизна работы:

1. На основе усвоения ИК измерений с геостационарных спутников и наблюдений на сета метеорологических станций разработана новая методика анализа облачного покрова дающая информацию о процентном покрытии облачности, высоте ее верхней и нижней границы в узлах регулярной сетки с разрешением порядка 111x111 км2.

2. Разработана новая методика привлечения Ж информации с геостационарных спутников для восстановления поля температуры поверхности океана с разрешением порядка 111 х 111 км2 методом вариационного согласования.

3. Созданы программные средства, пригодные для проведения оперативного анализа полей облачности и температуры поверхности океана.

Научная и практическая ценность работы: Предложенная методика и соответствующие программные средства могут быть использованы в оперативном численном анализе поля облачности в теплое время года и температуры поверхности океана. Такого рода численный анализ облачности ориентирован на обобщенную диагностику облачного покрова, а также на возможность усвоения данных об облачности в моделях численного прогноза и использование анализов для оценки качества воспроизведения облачного покрова прогностическими моделями и является полезным для уточнения поля влажности в схемах численного прогноза

погоды. Кроме этого подобный анализ может быть полезным в климатических исследованиях, а сведения о верхней и нижней границах облаков окажутся полезными для обслуживания авиации и других отраслей экономики. Совместное использование спутниковых данных о ТПО и судовых измерений позволяет более детально исследовать пространственно-временную структуру поля ТПО и представляет практический интерес для океанологии и рыболовства.

Апробация работы. Основные положения и материалы работ докладывались на международной конференции студентов и аспирантов по фундаментальным наукам: "Ломоносов-98" (секция "География", г. Москва 1998 г.)

Структура и объем работы. Диссертация состоит из введения, шести глав, заключения и списка использованных источников (84 наименования). Диссертация содержит 111 страниц машинописного текста, включая 9 рисунков и 7 таблиц.

Публикации. По теме диссертант! опубликовано 2 работы, 1 работа принята в печать.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы ее основные цели и задачи, рассмотрена научная новизна и практическая значимость.

Глава 1 содержит краткий обзор различных методик восстановления облачности по спутниковым данным в ИК и видимом диапазоне, а также постановку задачи.

Большинство работ по оценке облачности с использованием спутниковых данных было сделано на основании измерений в видимом и инфракрасном участках спектра, поскольку аппаратура, производящая подобные измерения, имеет более высокое пространственное разрешение и в течение долгих лет функционирует в оперативном режиме. Рассматриваются различные методики: метод порогов, метод гистограмм, технология распознавания, метод пространственного согласования.

Из всей изученной литературы можно сделать следующие выводы. Все представленные методики анализа облачности основаны на использовании только спутниковой информации, имеющей одно очень важное преимущество по сравнению с другими - она носит глобальный характер. Кроме того, данные в ИК и видимом диапазоне доступны для их использования в оперативном анализе. Методы, использующие спутниковую информацию, в основном применяют одновременно измерения в видимом и инфракрасном диапазонах, поскольку измерения в видимом спектре является более чувствительными для решения задачи классификации облачности. Однако лишь измерения в ИК диапазоне непрерывны в течение суток, что необходимо для оперативного анализа облачности.

Для практической реализации анализа облачности в фиксированные

синоптические сроки на значительных территориях большинство предложенных в последнее время методик идентификации облачности, к сожалению, непригодно. Биспекгральные методы, основанные на использовании измерений в видимом и ИК диапазонах, могут применяться лишь на освещённой солнцем части Земли. Многоспектралыше измерения проводятся только на полярно-орбитальных спутниках, которые не дают одновременных (синоптических) данных в глобальном и даже региональном масштабах.

Таким образом, несмотря на довольно широкий состав современных спутниковых измерений для анализа облачности в фиксированные синоптические сроки доступными являются только ИК измерения с геостационарных спутников, обеспечивающие практически мгновенный обзор земной поверхности в широтной зоне от 60°ю.ш. до 60°с.ш. Аналогичным "синоптическим" свойством обладают и наземные наблюдения за облачностью. Поэтому в предложенном анализе облачности рассматривается получение ряда количественных характеристик при одновременном усвоении спутниковых и наземных данных.

Глава 2 содержит описание исходных данных и предлагаемой методики анализа облачности.

Для анализа облачности были взяты измерения МИСЗ МЕТЕ08АТ-7 (10.512.5 мкм). За каждые сутки имелось 48 изображений в ИК диапазоне по северному полушарию.

В части наземных наблюдений в численном анализе облачности используется следующая информация:

• сведения о балле облачности и о высоте ее нижней грашщы, давлении и температуре на станциях, поступающие в коде СИНОП за все синоптические сроки;

• данные анализов и прогнозов на 12 ч температуры воздуха у поверхности земли, температуры и геопотенциальной высоты на различных поверхностях, поступающие в коде ОШВ из Брэкнелла и относящиеся к срокам 00 и 12 СГВ;

Схема анализа имеет следующую структуру.

1. Формирование массивов спутниковых и наземных данных.

2. Формирование массива станционных данных о нижней границе облачности из смеси визуальных и инструментальных измерений.

3. Интерполяция данных анализа или прогноза температуры у поверхности земли из узлов регулярной сетки 2,5сх2,5° в координаты снимка.

4. Выделение облачных пикселей пороговым методом.

5. Расчет процентного покрытия облачностью ячейки сетки 1°х1°, определение среднего и минимального значения радиационной температуры облачных пикселей в пределах каждой ячейки сетки.

6. Интерполяция данных анализа или прогноза температуры и геопотешдеалыюн высоты на различных уровнях в узлы регулярной сетки 1.0°х1.0°.

7. Определение высоты верхней границы облачности (гПа) для каждой ячейки сетки.

8. Интерполяция значений нижней границы облачности со станций в узлы регулярной сетки 1.0°х1.0°.

9. Контроль информации о верхней и нижней границе облачности на предмет ее непротиворечивости и коррекция анализа на основе этого контроля.

Поскольку высота нижней границы облаков (НТО) передается как визуально наблюдаемая, так и инструментально измеренная, сложно было отдать предпочтение тому или иному способу измерения, поэтому решено было создать некоторый смешанный массив, в который в случае, когда станция проводила оба вида наблюдений, для дальнейшего анализа выбиралось минимальное из передаваемых значений НТО.

Затем методом взвешенных коэффициентов производится интерполяция данных анализа или прогноза температуры у поверхности земли из узлов регулярной сетки с шагом 2.5°х2.5°, в координаты снимка (номер строки и номер пиксела в строке).

T¡j = EwminTm>„/Zw,„im (1)

где T¡ j - температура у поверхности земли в координатах снимка; Tm n - температура у поверхности земли в узлах регулярной сетки; wm>1) = aíexpí-Pr2)) - весовая функция, в которой а= 40, р =-0.00001км"2, г - расстояние (км) от узла регулярной сетки ш,п до пиксела i, j. Значение коэффициента р в весовой функции было выбрано исходя из характерной величины радиуса корреляции для температуры 600700 км. Радиус влияния, окрестность, из которой брались данные для интерполяции, принимался равным 360 км.

Для выделения облачных пикселов использовался пороговый метод. Этот метод является наиболее простым и не требует больших вычислительных затрат, что важно для оперативной обработай больших объемов информации со спутников. Порог АТ„, по которому производится отделение облачности от подстилающей поверхности, выбирается, как правило, исходя из эвристических аргументов путем перебора нескольких пороговых значений и сравнения результатов восстановления облачности по спутниковым измерениям с данными наземных наблюдений на некоторой обучающей выборке. После некоторого количества экспериментов с пороговыми значениями в интервале б < ДТ„ 5 11.0 °С было принято решение использовать ДТП = 10°С. Принятое пороговое значение, исходя из статистики

смещенности, гарантирует в какой-то мере от причисления к облачности подстилающей поверхности и наилучшим образом согласуется с процентом облачного покрытия ячейки сетки, полученного по спутниковым измерениям, со средним количеством облачности, наблюдаемой на наземных станциях в окрестности узла сетки. Затем для каждого узла регулярной географической сетки (сетки анализа 1.0°х1.0°) рассчитывается процентное покрытие облачностью данной ячейки, среднее и минимальное значение радиационной температуры облачных пикселей для каждой ячейки.

Для расчета высоты верхней границы облачности производится интерполяция температуры воздуха и геопотенциальной высоты различньрс изобарических поверхностей из узлов сетки 2.5°х2.5° в узлы сетки 1.0°х1.0°, в которой проводится анализ облачности. Интерполяция производится методом взвешенных коэффициентов (1). Высота верхней границы облачности рассчитывается путем сравнения средней радиационной температуры облачности в ячейке с температурой на различных изобарических поверхностях.

Поскольку высота нижней границы облачности представлена в метрах относительно поверхности земли, а высота верхней границы облачности в гПа, для удобства их сопоставления и проверки на непротиворечивость производится перевод НТО в гПа. Затем производится интерполяция методом взвешенных коэффициентов значений высоты нижней границы облачности со станций в узлы регулярной сетки с использованием в (1) весовой функции вида:

w(k) = (RC2 - г 2)/ (RC 2 + г 2), (2)

где г - расстояние (км) от станции до узла регулярной сетки ш,п; RC - радиус влияния, который принимался равным 150 км. Величина радиуса влияния была выбрана достаточно большой, чтобы сократить число узлов необеспеченных данными о высоте НТО.

На последнем этапе производится контроль информации о верхней и нижней границе на предмет ее непротиворечивости. Если высота нижней границы облачности оказывается выше ее верхней границы, то производится перерасчет высоты верхней границы по минимальному значению радиационной температуры облачности в этом узле сетки. Если же при подобном перерасчете ситуация не меняется, облачность считается тонкой и достоверной только информация о нижней границе облачности.

Итогом работы программы являются данные о проценте облачности, высоте ее нижней и верхней границы в узлах широтно-долготной сетки с шагом 1.0°х1.0°.

Глава 3 содержит результаты численных экспериментов со схемой анализа облачности, цель которых состояла в выборе эмпирических коэффициентов,

присутствующих в методике анализа, а также в оценке качества предложенного метода.

Областью анализа была выбрана территория от 35°с.гп. до бО°с.ш. и от 10°з.д. до 47°в.д., поскольку здесь расположена наиболее густая сеть станций. Анализ облачности проводился на сетке с шагом 1.0°х1.0° для 1375 узлов. Расчеты проводились на архиве спутниковых и наземных наблюдений за период июнь -август 1999 года. Все оценки качества анализа проводились отдельно для каждого синоптического срока (8 раз в сутки), в результате рассматривалось 638 случаев.

При сравнении процента облачности по спутниковым и станционным данным ячейка аппроксимировалась кругом с радиусом 55 км, центр которого помещался в узле сетки. Для получения сходного масштаба осреднения по наземным данным производилось осреднение данных о проценте облачности по всем имеющимся в данном круге станциям, причем для сравнения отбирались только те узлы, для которых в указанном радиусе имелось более 5 станций. Количество узлов удовлетворяющих данному требованию было незначительно (1-5% от общего количества). Расчеты проводились для различных пороговых значений ДТ„, разделяющих облачные условия от безоблачных (от 6°С до 11°С) с градусным шагом. Отдельно проводились оценки полученного количества облачности по спутниковым данным для гор и низменностей. Также проводилась оценка качества восстановления облачности при различном ее количестве. Результаты сравнений приведены в таблице 1.

Исходя из полученных средних и среднеквадратических отклонений предпочтение было отдано ЛТ„=10°С, обеспечивающему компромисс качества восстановления малого и значительного количества облачности. Принятое пороговое значение, исходя из статистики смещенности, наилучшим образом согласуется с процентом облачного покрытия ячейки сетки, полученного по спутниковым измерениям со средним количеством облачности, наблюдаемой на наземных станциях в окрестности узла. Полученные: оценки указывают на удовлетворительное воспроизведение крупномасштабных облачных образований, что подтверждается малой смещенностью и приемлемым среднеквадратическим отклонением около 2 октов. Над горами отмечается незначительная переоценка количества облачности, а над равнинной территорией количество облачности несколько недооценивается.

Оценивалось и качество процедуры интерполяции в узлы регулярной сетки данных о нижней границе облачности, наблюдаемой на станциях. Оценки качества интерполяции проводились отдельно для станционных наблюдений с различной высотой и точностью измерения НТО.

Таблица 1.

Результаты сопоставления процентного покрытия облачности

по спутниковым и станционным данным.

N(1-30) N(30-70) N(70-100) N(1-100) Горы Низмен.

ЛТ„ = 8.0

Число случаев 1271 9726 16597 27594 5565 3363

СО (%) -28 -6 2 -2 -13 6

СКО (%) 48 36 25 31 29 31

ДТ„ = 9.0

Число случаев 1095 9216 16388 26699 5487 3229

СО(%) -24 -1 4 1 -9 10

СКО(%) 45 35 26 31 28 32

ДТ„ = 10.0

Число случаен 952 8713 16143 25808 5376 3101

СО(%) -18 4 7 5 -6 14

СКО(%) 40 35 28 31 27 34

АТГ = 11.0

Число случаев 827 8184 15836 24831 5248 2959

СО(%) -12 8 9 8 -2 18

СКО(%) 35 36 30 32 27 36

N - покрытие облачностью ячейки сетки в процентах. СО - среднее отклонение количества облачности (Ксташ-Мицта)

по спутниковым данным от наблюдаемого на станциях. СКО - среднеквадратическое отклонение.

АТ„ - пороговое значение температуры, по которому производится отделение облачности от подстилающей поверхности.

Полученные отклонения от станционных наблюдений за высотой НТО приведены в таблице 2.

Так как использование радиуса влияния RC - 55 км позволяет заполнить лишь незначительное количество узлов сетки анализа, был проведен ряд экспериментов с большим радиусом влияния (RC = 100, 150). При радиусе влияния равном 150 км незаполненные узлы сетки анализа практически отсутствуют. Однако это приводит к увеличению ошибок.

Из данных, приведенных в таблице 2, видны естественные эффекты сглаживания, появляющиеся в результате интерполяции: значения в узлах сетки являются смещенными в область больших высот НТО при сравнении со станционными наблюдениями с низкой границей облачности и смещенными в область меньших значений НТО при сравнении с наблюдениями на станциях, где отмечалась высокая НТО.

25Е зге 35С «С

б)

Г^Т***..... " '

20 50 60 ВО 90

Рис. 1. а) Поле радиационной температуры (°С),

полученное с МИСЗ МЕТЕ08АТ-7 14.06.1999 15:00 СГВ. б) Поле процентного покрытия облачностью,

построенное по данным МИСЗ МЕТЕ08АТ-7 14.06.1999 15:00 СГВ.

1Е№ 5* О

ЮС !5Е

780 610 810 870 900 830 360

Рис.2, а) Поле высоты верхней границы облачности (гПа),

построенное по данным МИСЗ МБТЕ08АТ-7 14.06.1999 15:00 СГВ б) Поле высоты нижней границы облачности (гПа),

построенное по станционным данным 14.06.1999 15:00СГВ.

Рис.3. Анализ температуры поверхности океана 14.06.1999 в Тихом океане: а) по спутниковым данным; б) по судовым данным.

ш

!50Е 160Е 170£ 180 170« 160« >¿0» 140« 130«

10 12 16 18 22 24 28

б)

160Е НОЕ 'ас 170« 160« 150« 140« 120«

10 12 16 18 22 24 28

Рис.4. Вариационный анализ ТПО 14.06.1999 в Тихом океане:

а) на границах области анализа условие Дирихле;

б) на границах области анализа условие трансверсальности.

Таблица 2.

Оценка качества интерполяции высоты НТО со станций в узлы регулярной градусной сетки для различных радиусов влияния.

50м-300м ЗООм-ЮООм 1000м-2500м 50м-2500м

(100м) (300м) (500м) (100 -500м)

Ш>55км

Общее число случаев 7259 71506 44889 123654

СО (м) -138 -39 88 1

СКО (м) 231 135 178 159

1*С=100 км

Общее число случаев 23042 236093 167893 427028

СО (м) -281 -86 170 4

СКО (м) 348 178 250 221

Т1С=150 км

Общее число случаев 23136 242002 , 1?2037 . • 437175

СО (м) -358 -114 220 5

СКО (м) 409 204 295 257

50м-300м (100м) - диапазон измеренных высот НТО на контрольных станциях

(в скобках точность измерений). СО - среднее отклонение высоты НТО, полученной в результате анализа от наблюдаемой

на станциях (Н(к) - Нинтср(к)), Н(к) - НТО по станционным наблюдениям, Нннтер(к) - данные анализа, проинтерполированные на станцию. СКО - среднеквадратяческое отклонение, ЯС - радиус влияния.

В целом же высота НТО в узлах сетки оказывается практически несмещенной по отношению к станционным наблюдениям, а среднеквадратические отклонения небольшими.

И, наконец, случаи несогласованности высоты верхней и нижней границ облачности в среднем для всей выборки составляют 1%. В целом проведенный анализ облачности по предложенной, .методике, на основе архива за июнь - август 1999 г. свидетельствует о том, что схема достаточно хорошо воспроизводит крупномасштабные облачные системы на значительных территориях, дополняя информацию об их горизонтальной структуре данными о верхней и нижней границах облаков (см. рис.1, 2 (вкладка)).

Глава 4 содержит краткий обзор различных методик восстановления температуры поверхности океана, как по спутниковым данным, так и по контактным измерениям с судов, а также постановку задачи.

Так как контактные измерения в океане являются достаточно дорогостоящими, их количество в настоящее время все еще невелико, и они не в состоянии обеспечить хорошее пространственно-временное разрешение измерений.

Однако, достигнутый уровень точности, достоверности и информативности систем дистанционного измерения температуры пока не удовлетворяет существующим требованиям. Это обусловлено рядом принципиальных трудностей и проблем, в первую очередь связанных с мешающим влиянием атмосферы.

Процедуры определения температуры поверхности океана по данным спутниковых инфракрасных измерений включают два основных этапа ■— выделение измерений, относящихся к безоблачным участкам, и введение поправки на влияние толщи атмосферы. Как показывает практика, единого универсального метода выявления помех со стороны облачности не существует. Простейший способ браковки облачности заключается в сравнении радиационной температуры с некоторыми пороговыми значениями, не требующий дополнительной информации и находящий широкое применение, несмотря на присущие ему недостатки. Широкую известность имеет метод браковки облачности на основе анализа гистограмм, использующий многоспектральные измерения.

Для коррекции влияния атмосферы используется простейший метод введения аддитивной поправки, которая определяется либо из априорных дашшх о свойствах атмосферы в анализируемом районе, либо непосредственно по измеренной радиационной температуре (Нелепо и др. 1985).

Одноканальный метод при сравнении с данными судовых и буйковых измерений дает среднеквадратическое отклонение 1.5-2.0°С, что является теоретическим пределом точности данного метода (Успенский, Соловьев 1998). При использовании многоканального линейного метода точность восстановления поля ТПО повышается и СКО составляет 0.6-0.8°С. Однако среднеквадратичная погрешность определения температуры со специально оборудованных судов оценивается ~0.1°С, а массовые попутные измерения другими судами ~ 0.6°С. Оценка погрешности данных, включает в себя погрешности осреднения по площади, а также погрешности интерполяции контактных измерений по времени и пространству, вследствие чего судовые контрольные измерения имеют СКО»1.3-1.6°С. Иначе, среднеквадратичная погрешность судовых измерений имеет близкие значения с погрешностями дистанционных измерений температуры.

Геостационарные спутники имеют по сравнению с полярно-орбитальными низкую разрешающую способность, кроме того, наличие всего одного ИК канала не позволяет использовать многоканальную методику определения ТПО, которая широко применяется при тематической обработке информации с полярно-

орбитальных спутников. Однако крайне высокая частота измерений с геостационарных спутников делают их прекрасным источником данных для анализа полей ТПО, которые могут быть использованы в дальнейшем при решении многих океанологических и метеорологических задач.

Как известно, спутниковые измерения имеют глобальный характер и позволяют достаточно хорошо восстанавливать пространственную структуру поля ТПО. Однако они недостаточно точны по абсолютному значению измеренной температуры. Данные же контактных измерений имеют достаточно высокую точность, но сеть судовых и буйковых измерений редка, особенно в южном полушарии. Поэтому в предлагаемом анализе ТПО было принято решение использовать кроме спутниковых данных судовые и буйковые измерения ТПО, чтобы использовать сильные стороны каждого способа измерения ТПО.

Глава 5 содержит описание исходных данных и предлагаемой методики анализа температуры океана.

В качестве исходной информации были взяты ПК измерения с геостационарных спутников (МИСЗ METEOSAT-7, GOES-E, GOES-W, GMS, METEOSAT-5) в диапазоне 10.5-12.5 мкм. Для процедуры фильтрации облачности и построения поля ТПО по спутниковым данным привлекался климатический анализ ТПО для северного полушария, построенный для каждого месяца, и архив недельных анализов ТПО Национальных центров по прогнозу окружающей среды США (NCEP/NOAA). Помимо этого для построения поля ТПО по контактным измерениям и дальнейшего контроля полей ТПО привлекались точечные судовые и буйковые измерения.

Алгоритм анализа поля ТПО включает в себя следующие блоки:

1. Фильтрация облачности и суши.

2. Интерполяция спутниковых измерений ТПО в узлы регулярной сетки 1 °х 1° .

3. Интерполяция точечных судовых измерений ТПО в узлы регулярной сетки 1°х1°

4. Вариационное согласование поля спутниковой ТПО и поля судовой ТПО.

5. Оценка качества различных полей ТПО.

Для фильтрации облачности и суши производилась шггерполяция климатических значений температуры поверхности океана из узлов регулярной сетки с шагом 1°х1° в координаты изображения методом взвешенных коэффициентов.

Ту = Iwm>nTnu,/Ewmirl, (3)

где Tj, j - температура поверхности океана в координатах снимка; Tm>n - температура поверхности океана в узлах регулярной сетки; wrai„ - весовая функция.

Wnu, = exP(-4V*R"2), (4)

где г - расстояние (км) от узла регулярной сетки m,n до пиксела i, j; R радиус влияния, который принимался равным 111 км. Весовая функция типа (4) использовалась при формировании поля климатических температур поверхности океана в Национальных центрах по прогнозу окружающей среды США (NCEP/NOAA).

Для фильтрации облачности и суши на начальном этапе использовался пороговый метод, т.е производилось сравнение радиационной температуры с климатическими данными ТПО в координатах снимка для каждого изображения.

После процедуры грубой фильтрации рассматривалась суточная изменчивость ОТО и отбраковывались точки со значительной временной изменчивостью, после чего производилось осреднение ТПО для каждого пиксела за сутки.

Затем, для фильтрации тонкой облачности производилась процедура горизонтального контроля.

При проведении ряда численных экспериментов было отмечено, что радиационная температура, в которую не внесена поправка за счет излучения водяным паром в атмосфере, оказалась смещенной в сторону более низких температур. Поэтому вводилась поправка на влияние атмосферы, рассчитанная на основании полученных отклонений спутниковых измерений от контактных судовых измерений отдельно для каждого дня, спутника и каждого 10-градусного круга широты. Учет полученных поправок проводился после процедуры фильтрации облачности и суши. Затем, чтобы отфильтровать остаточные облачные пикселы, проводилось сравнение исправленного значения спутниковой ТПО со значением недельного анализа НТО (NCEP/NOAA) в узле регулярной сетки 1°х1°, который находится в пределах окрестности 0.5°х0.5° от данного пиксела.

Такие, прошедшие тщательную фильтрацию данные подвергались процедуре интерполяции в узлы регулярной сетки 1°х1° с использованием весовых коэффициентов (4).

Однако в Мировом океане существует, хоть и редкая, сеть контактных измерений. Контактные измерения позволяют получать более точные измерения ТПО, а спутниковые могут гораздо лучше отражать пространственную изменчивость ТПО. Поскольку ошибки спутниковых измерений коррелированны в пространстве, они не будут присутствовать в горизонтальных градиентах в такой степени, как в самих измерениях. Поэтому целесообразно построить анализ поля ТПО так, чтобы использовать в нем контактные измерения ТПО с судов и буев, а из спутниковых измерений брать информацию о горизонтальных градиентах ТПО.

Данная задача может быть реализована методом вариационного согласования

полей, содержащих в себе сигналы от двух наблюдательных систем.

Метод вариационного согласования двух полей в данном случае формулируется как минимизация функционала:

J = I] {Л (Т - тся )2 + В[-!-—(Г — Г сп )] 2 +

г cos <р д Я (5)

+ В [ — (Г - Г СП )]2 } d <р d Я г д р

где Т - искомое поле анализа температуры, Тсд - поле температуры, полученное по судовым измерениям, Тот - поле температуры, полученное по ИК измерениям со спутника, А и В - весовые коэффициенты, определяющие веса, с которыми берутся соответствующие слагаемые. Строго говоря, это должны быть некоторые весовые матрицы, зависящие от координат. Значения этих коэффициентов определяются ковариациями ошибок измерений. К сожалению, эти ошибки неизвестны, поэтому в настоящей работе задача упрощается: коэффициенты А и В берутся постоянными по всему полю измерений. Числовые значения этих коэффициентов определяются эмпирически, исходя из получаемого качества анализа.

Из структуры функционала (5) видно, что при его минимизации достигается минимизация квадратов отклонения поля анализа (Т) как от судовых измерений (Тсд), так и отклонений горизонтальных градиентов поля анализа (Т) от горизонтальных градиентов спутникового поля температуры (Тсп) по всему полю. Такая формулировка функционала позволяет в значительной мере избежать влияния смещенности спутниковых измерений на получаемый анализ и использовать сильные стороны каждого источника измерений: большую точность контактных измерений и более высокую пространственную разрешающую способность измерений со спутников.

Решение задачи осуществляется получением первой вариации функционала (5). Варьируя его, получаем уравнение Эйлера-Лагранжа: ДЗ'СГ-Тр.) В д;(Т - Та) г2 dtp1 r2cos2<p дл2 доставляющее экстремум исходному функционалу. Эллиптическое уравнение (6) решается при фиксированных значениях температуры на границах области анализа: Тг = Т1г, (7)

т.е. решается задача Дирихле.

Поскольку решение задачи Дирихле для уравнения (6) приводит к тому, что на границах области анализ сходится к анализу по судовым данным, были проведены эксперименты по численному решению уравнения (6) с условиями трансверсальности на границе:

1 ^СГ-Теп) . 1 ^(Г-Тсн)

+ - * —-= 0 (8)

г * cos ч> г dtp

При конечно-разностной реализации итерационной процедуры нормальные к границам производные аппроксимировались односторонними разностями второго порядка.

Глава 6 содержит результаты численных экспериментов, цель которых состояла в том, чтобы выбрать значения эмпирических коэффициентов, содержащихся в схеме анализа, а также оценить качество анализа по предложенной методике.

Численные эксперименты проводились отдельно для каждого спутника на архиве данных с 2 июня по 29 июля 1999 г. Для МИСЗ METEOSAT-7 анализ проводился на акватории Мирового океана от 55°з.д. до 40°в.д. и от 2°с.ш, до 47°с.ш., для МИСЗ GOES-E на акватории 105°з.д. - 55°з.д. и 2°с.ш. - 47°с.ш., для МИСЗ GOES-W - на акватории Тихого океана от 180°з.д. до 105°з.д. и от 2°с.ш. до 47°с.ш., для МИСЗ GMS - 100°в.д.-180°в.д. и 2°с.ш. - 47°с.щ, для спутника METEOSAT-5 - 40°в.д.-100°в.д. и от 2°с.ш. до 25°с.ш. Для всех территорий ячейка сетки анализа была равна 1°х1°.

При проведении ряда численных экспериментов на выборке, состоящей из 49 дней летом 1999 года, было отмечено систематическое занижение спутниковой ТПО по сравнению с ТПО, полученной по судовым данным.

При осреднении по всей выборке отдельно для каждого спутника и широтным поясам 0°-10° с.ш., 1Г-200 с.ш., 21°-30° с.ш., 31°-40° с.ш, 41°-50° с.ш., 51°-60° с.ш. были получены следующие отклонения спутниковой ТПО от судовой ТПО, приведенные в таблице 3.

Таблица 3.

Результаты сопоставления спутниковой и судовой температуры поверхности океана.

Широта Среднее отклонение Тсд - Теп (°С)

Meteosat-7 GOES-E GOES-W GMS Meteosat-5

0-10 с.ш. 8,8 10,0 7.4 10.4 11.2

11-20 с.ш. 6,1 8,2 7,4 10,2 9,3

21-30 с.ш. 3,1 7,9 8,1 9,2 7,9

31-40 с.ш. 2,9 7,1 4,9 7,7 8,2

41-50 с.ш. 4,5 5,8 6,9 6,0

51-60 с.ш. 4,6 5,8 8,3 5,8

Т„, - спутниковая ТПО в координатах снимка; Тсд - судовая ТПО в координатах снимка.

Как видно из таблицы температура поверхности океана, измеренная со спутников значительно отклонена в область низких температур. Полученные отклонения различны не только для разных спутников, но и изменяются при увеличении широты. В описываемом анализе смещенность спутниковой ТПО относительно судовой рассчитывалась отдельно для каждого рассматриваемого дня, спутника и широтного пояса, на основании чего вводилась аддитивная поправка к спутниковым измерениям.

Чтобы оценить качество анализа спутниковой ТПО для различных спутников проводилась интерполяция значений ТПО из узлов регулярной сетки в координаты проверочных судовых измерений. Полученные значения отклонений спутниковых измерений ТПО от контактных измерений на судах приведены в таблице 4, где приведены среднее и среднеквадратическое отклонения для различных спутников.

Таблица 4.

Оценка качества анализа спутниковой ТПО для различных спутников по архиву 1999г. (49 дней в период с 2 июня по 29 июля)

Ткс - Теп Тпр - Теп Ткс - Тпр

Ме1еоза1-7 Число случаев 4931 78255 8497

СО -0.39 0.37 -0.27

СКО 2.16 1.78 1.60

СОЕ8-Е Число случаев . 2590 63450 11504

СО -0.53 -0.08 -0.29

СКО 2.31 1.81 1.77

СОЕБ-ЛУ Число случаев 4221 158625 14488

СО 0.22 -0.41 0.13

СКО 2.20 1.86 1.45

вмв Число случаев 1047 84600 5512

СО -0.07 -1.18 -0.28

СКО 2.23 1.83 1.71

Ме1ео«а1>5 Число случаев 506 48645 2551

СО 0.49 -0.11 -0.12

СКО 1.94 1.82 1.40

Тпр - температура поверхности океанологического недельного анализа ТПО (1ЧСЕР/ШАА).

Теп - температура поверхности океана анализа спутниковой ТПО. Ткс - температура поверхности океана, измеренная контактной аппаратурой на контрольных судах.

Проводилось и сравнение поля спутниковой ТПО с океанологическим

недельным анализом ТПО Национального центра по прогнозу окружающей среды США (ЫСЕР/ЫОАА). Однако следует отметить, что судовые измерения не являются достаточно точными и порой содержат большие погрешности СКО порядка 1.6°С. Если учесть дополнительно, что в полученные значения ошибок входят также ошибки вследствие интерполяции, полученные результаты точности измерения ТПО со спутников можно считать удовлетворительными. Можно сделать вывод, что при сравнении с точечными судовыми данными для всех спутников среднее отклонение по всей выборке составило -0.1°С, а среднеквадратическое « 2.1°С, что свидетельствует о надежности предлагаемой методики. Такие отклонения спутниковых измерений от судовых удовлетворяют мировым требованиям к ТПО, восстановленной по данным геостационарных спутников (Успенский, Соловьев 1998).

В связи с малым количеством контактных измерений ТПО, поля построенные на их основе, получаются весьма сглаженными. Поля ТПО, полученные по спутниковым данным, могут лучше отображать зоны с большими градиентами температуры, чем поля ТПО, полученные в результате анализа контактных измерений. Так, среднее значение модуля градиеггга по области анализа спутниковой ТПО в 1,8 раза больше, чем у проверочного недельного анализа (ЫСЕР/КОАА), что позволяет уменьшить неизбежную сглаженность поля ТПО, получаемого по данным контактных измерений.

Основная цель дальнейших экспериментов состояла в том, чтобы выяснить, дает ли какой-нибудь положительный эффект усвоение спутниковой информации методом вариационного согласования. В таблице 5 представлены результаты сравнения различных анализов ТПО с проверочными измерениями ТПО, где указано среднее и среднеквадратическое отклонения отдельно для каждого спутника.

Как видно из таблицы 5, на основании полученных средних и среднеквадратических отклонений невозможно отдать предпочтение тому; или иному виду граничных условий, поскольку указанные отклонения одинаковы, как в случае условия Дирихле, гак и в случае трансверсальности на границах области анализа. При использовании условия трансверсальности на границах ослабевает требование близости анализа к судовым наблюдениям, вследствие чего использование односторонних разностей на границах может оказать чисто вычислительный негативный эффект, выражающийся в появлении вблизи границ гораздо менее гладких полей.

Резюмируя сопоставление полученного анализа ТПО, по контактным измерениям, и анализов, вариационного согласования контактных и спутниковых измерений, с точечными судовыми и буйковыми измерениями, можно

констатировать, что в членах средней и среднеквадратической ошибок привлечение данных со спутников (в рамках предложенной методики их усвоения) не дает улучшения качества анализа ТПО.

Таблица 5.

Оценка качества анализа ТПО, получеппого вариационпым согласованием полей спутниковой и судовой ТПО, при различных граничных условиях на основе архива 1999г.(49 дней в период с 2 июня по 29 июля)

Ткс - Тед Ткс - Твд Ткс - Твт

Ме1ео5а^7 Число случаев 8325 8319 8316

СО -0.39 -0.38 -0.38

СКО 1.89 1.92 1.93

СОЕЭ-Е Число случаев 11100 11099 11099

СО -0.32 -0.32 -0.32

СКО 2.27 2.27 2.28

СОЕБЛУ Число случаев 12788 12788 12788 ..

СО -0.17 -0.17 -0.16

СКО 1.55 1.56 1.56

вмв Число случаев 5186 5185 5185

СО -0.43 -0.42 -0.42

СКО 1.77 1.78 1.78

Ме1ео8а1-5 Число случаев 2523 2523 2523

СО 0.03 0.03 0.03

СКО 1.34 1.34 1.34

Тед - температура поверхности океана анализа судовой ТПО. Твд - температура поверхности океана вариационного анализа ТПО

с условием Дирихле на границах области анализа; Твт г температура поверхности океана вариационного анализа ТПО

с условием трансверсальности на границах области анализа; Ткс - температура поверхности океана, измеренная контактной аппаратурой на контрольных судах.

Однако поле температуры поверхности океана, построенные с усвоением дистанционных измерений, имеют гораздо большую пространственную изменчивость. В качестве иллюстрации приведем анализы ТПО разными методами за 14 июня 1999г. по акватории Тихого океана (см. рис.3, 4 (вкладка)). В результате совместного усвоения спутниковых и судовых данных путем вариационного согласования оказалось возможным, как видно из рисунков, получить поле с

градиентами близкими к спутниковому полю и абсолютными значениями, близкими к полю судовой НТО. Использование условий трансверсальности на границе вызывает появление вблизи границ гораздо менее гладких полей, на основании чего предпочтительней использовать при вариационном согласовании условия Дирихле на границах области анализа. Включение спутниковых измерений позволяет в 1,4 раза увеличить пространственную изменчивость ТПО, агаосительно поля судовой ТТЮ. Поскольку усвоение спутниковых данных позволяет воспроизвести в анализе изменчивость ТПО синоптического и мезомасштаба, использование спутниковых данных в анализе НТО может быть весьма полезным.

В заключении сформулированы основные результаты, полученные в работе. Основные из них заключаются в следующем:

1. Предложен подход к построению численного анализа поля облачности в узлах регулярной сетки на основе усвоения измерений с геостационарных спутников в инфракрасном участке спектра и станционных наблюдений за нижней границей облаков.

2. На основе разработанной методики создан алгоритм численного анализа облачности, дающий информацию о проценте облачного покрытия, высоте верхней и нижней границы облаков в узлах регулярной сетки с шагом 1°х1°.

3. Подготовлена технология сбора и обработки исходной информации, позволяющая производить оперативный анализ облачности в региональном масштабе в основные синоптические сроки.

4. Проведена авторская оценка предложенной методики на доступном материале наземных наблюдений и сделан вывод, что она имеет удовлетворительное качество и может быть использована для инициализации численных моделей атмосферы и их проверки, а также при обслуживании авиации и других отраслей экономики.

5. Температура поверхности океана, оцененная по измерениям уходящего излучения в окне прозрачности ИК диапазона без внесения коррекции на переизлучение в атмосфере, является смещенной в сторону более низких температур на всех геостационарных спутниках (от 5°С до 9°С на разных спутниках).

6. После удаления смещенности на основе полученной статистики информацию о ТПО со спутников можно использовать в анализе.

7. С учетом смещенности спутниковых данных предложен метод анализа ТПО с использованием процедуры вариационного согласования контактных и дистанционных измерений, в котором учитываются абсолютные значения контактных измерений и горизонтальные градиенты дистанционных измерений ТПО.

8. Предложенная методика реализована в виде схемы численного анализа ТПО в

Содержание диссертации, кандидата географических наук, Гетманчук, Инна Васильевна

ВВЕДЕНИЕ.

1. Методы анализа облачности по спутниковым измерениям в видимом и инфракрасном диапазонах.

2. Методика численного анализа облачности с использованием спутниковых и наземных данных.

2.1. Исходная информация.

2.2. Методика численного анализа облачности.

3. Численные эксперименты со схемой анализа.

3.1. Область анализа и период тестовых расчетов.

3.2. Результаты численных экспериментов.

4. Методы анализа температуры поверхности океана, использующие спутниковые измерения.

5. Методика численного анализа температуры поверхности океана с использованием спутниковых наблюдений и контактных измерений.

5.1. Исходная информация.

5.2. Методика численного анализа ТПО по спутниковым измерениям.

5.3. Методика численного анализа ТПО методом вариационного согласования спутниковых и судовых измерений.

6. Численные эксперименты со схемой анализа ТПО.

6.1. Область анализа и период тестовых расчетов.

6.2. Результаты численных экспериментов по анализу ТПО, полученной по данным спутниковых измерений.

6.3. Результаты численных экспериментов по проведению анализа ТПО методом вариационного согласования полей.

Введение Диссертация по географии, на тему "Численный анализ облачности и температуры поверхности океана с использованием инфракрасных измерений с геостационарных спутников и наземных данных"

Последние два десятилетия ознаменовались значительным прогрессом в разработке методов усвоения данных в численных прогнозах погоды. На смену двумерным схемам анализа пришли более совершенные методы трехмерного и четырехмерного вариационного усвоения информации, поступающей с наблюдательных систем наземного и космического базирования. Эти совершенствования коснулись, в основном, усвоения информации об основных параметрах состояния атмосферы: температуры, давления, ветра, частично влажности.

Поскольку информация об облачности не усваивается пока что непосредственно большинством прогностических моделей, ее численному анализу уделялось меньше внимания. Второй причиной определенного отставания в части численного анализа облачности является, по-видимому то, что информация об облачности, получаемая с помощью существующих оперативных систем наблюдений носит скорее качественный, чем количественный характер, поэтому ее трудно усваивать в прогностических моделях.

Тем не менее диагностика поля облачности имеет существенное значение для мониторинга климатической системы Земли, а также для многих прикладных целей, поэтому интерес к этой проблеме не ослабевает и к настоящему времени предложено довольно много методик анализа облачного покрова с использованием спутниковых измерений в видимом и инфракрасном (ИК) участках спектра, поскольку только измерения со спутников могут дать информацию об облачности в глобальном масштабе.

Основное направление работ, выполненных в этой области в последнее десятилетие, состоит в привлечении измерений в нескольких спектральных диапазонах с тем, чтобы лучше отделять облачность от различных типов подстилающей поверхности и увереннее идентифицировать различные типы облачности.

Эти исследования ориентированы в подавляющем большинстве на многоспектральные измерения, проводящиеся на полярноорбитальных метеорологических спутниках. Измерения с этих спутников имеют, однако, один существенный недостаток с точки зрения синоптического и численного анализа: они производятся не одновременно над всем глобусом или его значительной частью. Поскольку облачность имеет достаточно большую пространственно-временную изменчивость, привязка измерений, сделанных с полярноорбитальных спутников в разные моменты времени, к единому синоптическому сроку представляет трудноразрешимую проблему.

Этого недостатка лишены измерения с геостационарных спутников. Измерения с существующей ныне системы геостационарных спутников осуществляются глобально в широтном поясе от 60°с.ш. до 60°ю.ш. с большим разрешением по времени (каждые 30 минут). В этом смысле они обладают несомненным преимуществом с точки зрения численного анализа в определенный синоптический срок. К сожалению, на большинстве современных геостационарных спутников отсутствует многоспектральная аппаратура, а разрешающая способность измерений уступает разрешающей способности измерений с полярноорбитальных спутников.

Поскольку настоящая работа преследовала практическую цель создания регионального численного анализа облачности в определенные синоптические сроки, предпочтение было отдано использованию с этой целью РЖ измерений с геостационарного спутника, несмотря на определенные методические трудности идентификации облачности по моноспектральным измерениям.

В отличие от многих переменных, описывающих состояние атмосферы (температуры, давления, ветра) понятие "облако" может в свою очередь характеризоваться большим количеством параметров: оптической плотностью, геометрией, микроструктурой и т.д. Подавляющая часть этих параметров в настоящее время оперативно и в глобальном масштабе не измеряется. Сетевые наблюдения с поверхности земли дают информацию о процентном покрытии неба облаками в радиусе обзора наблюдателя, сведения о типе облачности и высоте нижней границы облаков. Инструментальными являются лишь наблюдения за нижней границей облачности на небольшом количестве станций.

Измерения со спутников, используемые в настоящее время на оперативной основе, также не дают обилия количественной информации об облачности. По отражательным и излучательным свойствам облаков и их пространственно-временной структуре в лучшем случае можно оценить процент покрытия поверхности Земли облаками, высоту верхней границы облачности и выделить несколько классов облачности.

В связи с таким ограниченным количеством исходной информации об облачности, анализ облачности может содержать лишь небольшое количество характеристик.

При планировании работы над диссертацией было решено ориентироваться на анализ облачности, который будет содержать только количественную информацию об облаках, а именно данные о процентном покрытии облаками элементарной ячейки регулярной сетки, на которой ведется анализ, высоте нижней и верхней границы облачности. Такого рода анализ ориентирован на обобщенную диагностику облачного покрова, а также на возможность усвоения данных об облачности в моделях численного прогноза и использование анализов для оценки качества воспроизведения облачного покрова прогностическими моделями. Не исключено, что анализы облачности со сведениями о верхней и нижней границах облаков окажутся полезными для обслуживания авиации и других отраслей экономики.

Для создания такого рода анализа облачности необходимо привлечение как спутниковых, так и наземных наблюдений за облачностью. Именно эта задача и решалась в настоящей диссертации. В такой постановке она решалась ранее лишь применительно к усвоению данных в мезомасштабных моделях.

Второй задачей, решаемой в настоящей диссертации, является анализ температуры поверхности океана (ТПО) с использованием ИК измерений с геостационарного спутника и контактных измерений на поверхности океана.

Эта задача является традиционной и здесь преследовалась в основном практическая цель: понять, каково реальное качество восстановления ТПО по измерениям в ИК диапазоне с геостационарных спутников? Если это качество является удовлетворительным, то появляется возможность заметно увеличить количество информации о ТПО, если принять во внимание, что измерения с геостационарных спутников ведутся каждые 30 мин.

Разнородные на первый взгляд задачи анализа облаков и ТПО на самом деле весьма близки в методологическом плане: используется один и тот же источник спутниковой информации, имеется одна и та же задача разделения сигналов, поступающих от облачности и подстилающей поверхности. Технологически это может решаться в рамках единого алгоритма получения сведений о температуре поверхности океана и верхней границы облаков. Именно в связи с такой методологической близостью процедур получения спутниковой информации в диссертации рассмотрены методики анализа, как облачности, так и ТПО.

В предлагаемой диссертации, состоящей из 6 глав, последовательно излагаются вопросы, связанные с численным анализом облачности (методика анализа и результаты ее проверки) и анализом температуры поверхности океана (также методика анализа и результаты ее испытания). Основные выводы, полученные в результате работы над диссертацией, изложены в заключении.

Заключение Диссертация по теме "Метеорология, климатология, агрометеорология", Гетманчук, Инна Васильевна

ЗАКЛЮЧЕНИЕ

Подводя итоги выполненной работы, отметим основные полученные в ней результаты.

1. Впервые был предложен подход к построению численного анализа поля облачности в узлах регулярной сетки на основе усвоения измерений с геостационарных спутников в инфракрасном участке спектра и станционных наблюдений за нижней границей облаков.

2. На основе разработанной методики создан алгоритм численного анализа облачности, дающий информацию о проценте облачного покрытия, высоте верхней и нижней границы облаков в узлах регулярной сетки с шагом 1°хГ.

3. Подготовлена технология сбора и обработки исходной информации, позволяющая производить оперативный анализ облачности в региональном масштабе в основные синоптические сроки.

4. Проведена авторская оценка предложенной методики на доступном материале наземных наблюдений, сделан вывод, что она имеет удовлетворительное качество. Анализ облачности, содержащий информацию о процентном покрытии облаками поверхности Земли, высоте их верхней и нижней границы может быть использован для инициализации численных моделей атмосферы и их проверки, а также при обслуживании авиации и других отраслей экономики.

В части работы, относящейся к исследованию возможностей использования измерений в инфракрасном (ПК) диапазоне с геостационарных спутников в анализе температуры поверхности океана (ТПО) получены следующие основные выводы.

5. Температура поверхности океана, оцененная по измерениям входящего излучения в окне прозрачности ИК диапазона без внесения коррекции на переизлучение в атмосфере, является смещенной в сторону более низких температур на всех геостационарных спутниках, причем смещенность является достаточно большой (от 5°С до 9°С на разных спутниках).

6. После удаления смещенности на основе полученной статистики информацию о ТПО со спутников можно использовать в анализе.

7. С учетом смещенности спутниковых данных предложен метод анализа ТПО с использованием процедуры вариационного согласования контактных и дистанционных измерений, в котором учитываются абсолютные значения контактных измерений и горизонтальные градиенты дистанционных измерений ТПО.

8. Предложенная методика реализована в виде схемы численного анализа ТПО в узлах регулярной сетки с шагом 1°х1°.

9. Проведена оценка предложенной схемы анализа с использованием измерений с различных геостационарных спутников путем сравнения с анализами Национальных центров по прогнозу окружающей среды США (ЫСЕР), а также точечными судовыми и буйковыми измерениями. Получен вывод, что в членах стандартных ошибок: смещенности и среднеквадратической ошибки привлечение спутниковых измерений не дает заметных преимуществ по сравнению с анализом, выполненным только по контактным измерениям. Поле ТПО, построенное с учетом спутниковых данных, содержит, однако, гораздо большую пространственную изменчивость: горизонтальные градиенты в нем в 1,4 раза превосходят градиенты в анализе, построенном только по контактным измерениям. На этом основании сделан вывод, что усвоение информации о ТПО с геостационарных спутников может быть полезным при составлении численных анализов температуры морской поверхности.

Библиография Диссертация по географии, кандидата географических наук, Гетманчук, Инна Васильевна, Москва

1. Белов П.Н., Борисенков Е.П., Панин Б.Д. Численные методы прогноза погоды. Л. Гидрометиздат, 1982, 376 с.

2. Бышев В.И., и др. Эволюция синоптических возмущений по измерениям на полигонах в центральной части северной Атлантики.-Океанология, 1982,т.ХХП, вып. 1, сс. 19-25.

3. Бышев В.И., Снопков В.Г. О роли синоптических возмущений в изменчивости гидрологических условий в океане.-Океанология, 1980, т.ХХ, вып.6, сс.988-995.

4. Ветлов И.П., Вельтищев Н.Ф. Руководство по использованию спутниковых данных в анализе и прогнозе погоды Л. Гидрометиздат, 1982.

5. Волкова Е.В., Успенский А.Б. Определение балла облачности по изображениям облачного покрова в видимом и инфракрасном диапазонах спектра с полярно-орбитальных ИСЗ. \\ Метеорология и гидрология, 1998, №9, сс. 15-25.

6. Игнатов A.M., Суетин B.C. Сравнение спектрального и углового ИК-методов дистанционного определения температуры поверхности океана -Оптика атмосферы и океана, 1993,№4.

7. Исаев A.A. Статистика в метеорологии и климатологии. М.: - Изд-во МГУ, 1988, 248 с.

8. Кондратьев К.Я., Тимофеев Ю.М. Метеорологическое зондирование атмосферы из космоса. Л. Гидрометеоиздат, 1978.

9. Косарев А.Л., Мазин И.П. О влиянии взаимного перекрытия облачных слоев на мониторинг облачности разных ярусов при наземных и спутниковых наблюдениях. \\ Метеорология и гидрология, 1997, N 10, сс. 22-37.

10. Кочергин В.П., Тимченко И.Е., Климок В.И., Сухоруков В.А., Таланов

11. M.B. Использование спутниковых измерений поля поверхностной температуры в численной модели верхнего слоя океана. \\ Метеорология и гидрология, 1980, N 12, сс. 62-70.

12. Ларин Д.А. Анализ температуры поверхности Мирового океана -Метеорология и гидрология, 1992, №2, сс.60-65.

13. Малкевич М.С. Физические аспекты дистанционного зондирования системы "океан-атмосфера". М.: Наука, 1981.

14. Нелепо Б.А., Коротаев Г.К., Суетин В.С.,Терехин Ю.В. Исследование океана из космоса. Киев : Наук думка, 1985. -168с.

15. Нелепо Б.А., Терехин Ю.В., Коснырев В.К., Хмыров Б.Е. Спутниковая гидрофизика. М.: Наука, 1983. - 256с.

16. Растоскуев В.В., Шалина Е.В. Метод фильтрации облачности для данных прибора AVHRR, относящихся к региону Балтийского моря -Исследование Земли из космоса, 1996, №1.

17. Руководство по использованию спутниковых данных в анализе и прогнозе погоды. Под ред. И.П.Ветлова и Н.Ф.Вельтищева. Л., Гидрометеоиздат, 1982, сс.23-54.

18. Сутовский В.М., А.Б.Успенский, Розанова Е.В. Оценка погрешности определения ТПО и влагосодержания атмосферы по данным спутниковых измерений уходящего излучения в диапазоне 10.5-12.5 мкм. Исследования Земли из космоса, 1987, №2.

19. Трищенко А.П., Хохлова A.B. Использование спутниковых данных радиометра СкаРаБ для определения температуры поверхности океана -Метеорология и гидрология, 1996, №12.

20. Успенский А.Б., Соловьев В.И. Современное состояние и перспективы развития дистанционных методов определения определения ТПО из космоса. Исследования Земли из космоса, 1998, №1.

21. Федоров К.Н. О физической структуре приповерхностного слоя океана. -Метеорология и гидрология, 1981, №10. сс. 58-66.

22. Филатов Н.И., Шилов И.О. Исследование особенностей изменчивости термогидродинамических полей на основе спутниковой информации. (На примере Белого моря) Исследования Земли из космоса, 1996, №3.

23. Arkin, A. Latitudinal distribution of cloud cover from Tiros in photographs. Science, 1964, 143, pp. 568-572.

24. Astin I., Latter B.G. A case for exponential cloud fields ? \\ Journal of Applied Meteorology, 1998, vol.37, № 10, pp.1375-1382.

25. Barker H.W. Estimating cloud field albedo using one-dimensional series of optical depth. -J. Atmos. Sci., 1996, vol.39, № 19, pp.2826-2837.

26. Barnett T.P. et al. Comparison of sea surface temperature fields Oceanogr. Space Proc. COSPAR/SCOR/IOCRAM Symp., Venice, 26-30 May, 1980, New York, London, pp.123-133, 1981.

27. Barnett T.P., Patzert W.C., Webb S.C., et al. Climatological usefulness of satellite determined sea-surface temperatures in the Tropical Pacific.-Bull.Amer.Meteorol.Soc., 1979, 60, №3, pp. 197-205.

28. Bates J.J. et al. Sea surface temperature: observations from geostationary satellites J. Geoph. Res., 1985, vol.90, № 6.

29. Baum B.A., Tovinkere V., Titlow J., Welch R.M. 1997. Automated cloud classification of global AVHRR data using a fuzzy logic approach. \\ Journal of Applied Meteorology, 1997, vol.36, № 11, pp. 1519-1540.

30. Chedin et al. Sea surface temperature measurement from satellites: validation and accuracy- Adv. Space Res., 1983, vol.2, №6.

31. Chedin, A., N.A.Scott and A.Berrior. AND single-channel, double viewing angle method for sea surface temperature determination from coincndent Meteosat and TIROS-N radiometric measurements. J. Appl. Meteor., 1982, 21, pp.613-618.

32. Chernych Irina V. and Eskridge R.E. Determination of cloud amount and level from radiosonde soundings. \\ Journal of Applied Meteorology, 1996, vol.35, № 8, pp.1362-1369.

33. Chylek P., Ramaswamy V. Simple approximation for infrared emissivity of water clouds.-J.Atmos.Sci., 1982,39, №l,pp. 171-177.

34. Coakley J.A. and Baldwin D.G. Towards an objective analysis of clouds from satellite imagery data. J. Clim. Appl. Met., 1984, 23, 1065.

35. Coakley, J.A., Jr. Properties of multilayered cloud systems from satellite imagery. J. Geophys. Res., 1986, 88, pp. 10818-10828.

36. Coakley, J.A., Jr., and D.G.Belwin. Towards the objective analysis of clouds from satellite imagery data. J. Climate Appl. Meteor., 1984, 23. pp. 1065-1099.

37. Coakley, J.A., Jr., and F.P.Bzethezton. Cloud cover from high-resolution scanner data : Detecting and allowing for partially filled fields of view. J. Geophys. Res., 1982, 87, pp.4917-4932.

38. Coakley, J.A., Jr., and R.Davis. The effect of cloud on reflected solar radiation as deduced from satellite observations. J. Atmos. Sci., 1986, 43, pp.1025-1035.

39. Cram J.M., Kaplan M.L. Vatiational assimilation of VAS data into mesoscale model; assimilation method and sensitivity experiments. Monthly Weather Review, 1985, v.113, № 4, pp.467-484.

40. Crane R.G., Anderson M.R. Satellite discrimination of snow/cloud sufraces. Int. J.Remote Sensing, 1984, 5, 213.

41. De Leonibus L., Pagano P. 1985. PDUS-derived cloud, temperature and height maps for facsimile dissemination, ESA 1985.

42. Desbois M., Seze G. and Szejwach G. Automatic classification of clouds on Meteosat imagery : Application to high-level clouds.W Journal of Applied Meteorology, 1982, vol.21, N 5, pp. 401-412.

43. Duda, R.O., and P.E.Hart. Pattern Classification and Scene Analysis. Wiley, New York, 1973.

44. Harris, R., and E.C.Barrett. Toward an objective nephanalysis. J. Appl. Meteor., 1978, 17, pp.1258-1266.

45. Harshvardhan and J.A.Weinman. Infrared radiative transfer through a regular array of cuboidal clouds. J. Atmos. Sci., 1982, 39, pp.431-439.

46. Karlsson K.G. Multispectrally derived cloud and precipitation information on a mesoscale grid, EUM P 06, (EUMETSAT 1989), pp. 91-95.

47. Kidder S.Q. et al. Satellite meteorology A.P., 1995.

48. Koffler, r., A.G.DeCotiis, and P.K.Rao. A procedure for estimating cloud amount and height from satellite infrared radiation data. Mon. Wea. Rev., 1973, 101, pp.240-243.

49. Liljas E. Experience of an operational cloud classification method, Proceedings of 4th AVHRR Data Users' Meeteng, Rothenburg, Germany, EUM P 06 (EUMETSAT 1989), pp.73-78

50. Llewellin-Jones D.T., Minnet P.J. Saunders R.W. etc. Satellite multichannel infrared measurments of sea surface temperature of the N.E. Atlantic Ocean using AVHRR/2. Q.J1 Remet.S., 1984 110,613.

51. Llewellyn-Jones D.T. et al. Satellite multichannel infrared measurements of sea surface temperature of the N.E. Atlantic Ocean using AVHRR/2 Quart. J. R. Met. Soc., 1984, vol. 110, pp. 613-631.

52. McClain E.P., W.G.Pichel and C.C.Walton.Comparative performance of AVHRR-based multichannel sea surface temperatures. J. Geophys. Res., 1985, 90, pp.87-11601.

53. Menzel W.P., Smith W.L. and Stewart T.R. Improved cloud motion wind vector and altitude assigment using VAS. \\ Journal of Applied Meteorology, 1983, vol.22, №3, pp.377-384.

54. Miller S.W., Emery W.J. An automated neural network cloud classifier for use over land and ocean surface.W Journal of Applied Meteorology, 1997, vol. 36, №10, pp.1346-1362.

55. Minnis P. and Harrison E.F. 1984. Diurnal variability of regional clouds andclear-sky radiative parameters derived from GOES data. Part I: Analysis method.W Journal of Climate and Applied Meteorology, 1984, vol.23, № 5, pp. 993-1011.

56. Minnis P. and Harrison E.F. Diurnal variability of regional clouds and clear-sky radiative parameters derived from GOES data. Part II: November 1978 cloud distributions.W Journal of Climate and Applied Meteorology, 1984, vol.23, № 5, pp. 1012-1031.

57. Njoku G. Workshop comparisons of satellite sea surface temperature measurements Proc. OCEANS 03, SanFrancisco, 29 Aug.-l Sept, 1983, vol.1, pp. 340-343.

58. NOAA Atlas NESDIS 4. World Ocean Atlas 1994. Volume4: Temperature. Washington, D.C. 1994.

59. Paul E., McClain J. Application of environmental satellites data to oceanography and hydrology. Washington, 1997, ESSA Technical Memorandum. NESCTM № 19.

60. Phulpin T., Derrien M. and Brard A. A two-dimensional histogram procedure to analize cloud cover from NOAA satellite high-resolution imageryA\ Journal of Climate and Applied Meteorology, 1983, vol.22, № 9, pp.1332-1345.

61. Piatt C.M.R. On the bispectral method for cloud parameter determination from satellite VISSR data: Separating broken cloud and semitransparent cloud.W Journal of Climate and Applied Meteorology, 1983, vol.12, № 7, pp.429-439.

62. Price J.C. Land surface temperature measurments from the split window channels of the NOAA-7 Advanced Very High Resolution Radiometer. J.geophys.Res., 1984, 89, 7231.

63. Puri K., Mills G.A. Initial state specification for mesoscale applications.\\ Journal of Meteorol. Soc. Japan, 1987, vol.75, N IB, pp.395-413.

64. Rao P.K. Weather satellites: systems, data, and enviromental applications -Boston, Amer. Met. Soc., 1990.

65. Rao P.K., Smith W.L., Koffler R. Global sea-surface temperature distributiondetermined from an environment satellite.-Monthly Wearther Rev., 1972, 100, N1, pp.10-14.

66. Reynolds, D.W., and T.H.VanderHaar. A bispectral method for cloud parameter determination. Mon. Wea. Rev., 1977, 105, pp.446-457.

67. Reynolds, D.W., T.B.McKee, and K.S.Danielson, Effects of cloud size and cloud particles on satellite-observed reflected brightness. J. Atmos. Sci., 1978, 35, pp. 160-164.

68. Reynolds, R. W. and T. M. Smith: Improved global sea surface temperature analyses using optimum interpolation. J. Climate, 1994, 7, pp.929-948.

69. Robinson I.S., Wells N.C., and Charnock H. Review Article: The sea surface thermal boundary layer and its relevance to the measurement of sea surface temperature by airborne and spaceborne radiometers. Int.J.Remote Sensing, 1984, vol.5, Nl,pp.l9-45.

70. Rossow W.B. Measuring cloud properties from space : a review. J. Climate, 1989,2, pp.201-213.

71. Saunders P. Aerial measurement of sea surface temperature in the infrared. J.Geophys.Res., 1967, vol.72, N16, pp.4109-4117.

72. Saunders R. W. An automated scheme for removal of cloud contamination from AVHRR radiances over western Europe, Int. J. Remote Sensing, 1986, Vol. 7, No. 7, pp.867-886.

73. Saunders R. W., & Kriebel K.T. An improved method for detecting clear sky and cloudy radiances from AVHRR data, Int. J. Remote Sensing, 1988, Vol. 9., No. 1, pp.123-150

74. Saunders R.W. et al. An improved method for detecting clear sky and cloudy radiances from AVHRR data Int. J. Remote Sens., 1988, vol.9, pp. 123-150.

75. Saunders R.W. Monthly mean cloudness observed from METEOSAT-2. J. Clim. Appl. Met., 1985, 24, p.l 14.

76. Saunders R.W. Cloud top temperatures/height: a high resolution imagery product from AVHRR data, Meteorol. Mag., 1988, Vol.117, pp.211-221.1.l

77. Shenk, W.E., and V.V.Solomonson. A simulation study exploring the effects of sensor spatial resolution on estimates at cloud cover from satellites. J. Appl. Meteor., 1972, 11, pp.214-220.

78. Simmer, C., E.Raschke and E.Ruprecht. A method for determination of cloud properties from two-dimensional histograms. Ann. Meteor., 18, pp. 130-132.

79. Smith W.L., P.K.Rao, R.Koffer, and W.R.Curtis: The determination of sea-surface temperature from satellite high-resolution infrared window radiation measurements. Mon. Weather. Rev., 1970, 98, pp.604-611.

80. Stevenson H.R. A synoptic approach to studying changes in sea surfacethtemperature using geostationary satellite data 16 Int. Symp. Remote Sens. Environ., Buenos Aires, 2-9 June, 1982. Pap. Selec. Vol.2. Ann Arbor, Mch., s.a., pp. 703-714.

81. Szeiwach G. Determination of semi-transparent cirrus cloud temperature from infrared radiances : Application to Meteosat. J. Appl. Meteor., 1982, 21, pp.384-393.

82. Uddstrom M.J. and Gray W.R. Satellite cloud classification and rain-rate estimetion usig multispectral radiances and measure of spatial texture.W Journal of Applied Meteorology, 1996, vol.35, № 6, pp.839-858.

83. Yang S.-K., Zhou S.-S., McMillin L.M., Campana K.A. Characteristics of the NOAA/NESDIS. Cloud retrieval algorithm using HIRS-MSU radiance measurements. \\ Journal of Applied Meteorology, 1996, vol.35, № 11, pp.1980-1990.