Бесплатный автореферат и диссертация по географии на тему

Анализ и сверхкраткосрочный прогноз эволюции облачных образований на основе цифровой обработки радиолокационных и спутниковых изображений

ВАК РФ 11.00.09, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Анализ и сверхкраткосрочный прогноз эволюции облачных образований на основе цифровой обработки радиолокационных и спутниковых изображений"

Министерство общего и профессионального образования Российской Федерация

) РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ

ГИДРОМЕТЕОРОЛОГИЧЕСКИЙ ИНСТИТУТ

- з да ДО7

На правах рукописи БРИЕДИС Татьяна Евгеньевна

УДК 551 [501.81 + 507.362 + 509.324]

АНАЛИЗ И СВЕРХКРАТКОСРОЧНЫЙ ПРОГНОЗ ЭВОЛЮЦИИ ОБЛАЧНЫХ ОБРАЗОВАНИЙ

НА ОСНОВЕ ЦИФРОВОЙ ОБРАБОТКИ РАДИОЛОКАЦИОННЫХ И СПУТНИКОВЫХ ИЗОБРАЖЕНИЙ

11.00.09 — Метеорология, климатология, агрометеорология

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата физико-математических наук

Санкт-Петербург 1997

Работа выполнена в Российском государственном гидрометеорологическом институте.

Научный руководитель:

кандидат физико-математических наук, доцент Кузнецов Анатолий Дмитриевич.

Официальные оппоненты:

доктор физико-математических наук Солдатенко Сергей Анатольевич,

кандидат физнко-математических наук Бобылев Леонид Петрович.

Ведущая организация: Научно-исследовательский центр дистанционного зондирования атмосферы при Главной геофизической обсерватории им. А. И. Воейкова.

Защита состоится 20 марта 1997 г. в часов

на заседании специализированного совета К.063.19.01 при Российском государственном гидрометеорологическом институте по адресу: 195196, Санкт-Петербург, пр. Малоохтинский, 98.

С диссертацией можно ознакомиться в библиотеке Российского государственного гидрометеорологического института.

Автореферат разослан « » 1997 г.

Ученый секретарь специализированного Совета, кандидат физико-математических наук

(Еникеева В. Д.)

Тип. ВАС. Зак. 456. 1997.

ОБ1ЦЛЯ ХЛ1М1СТЕР И СП 1 (СА РАБОТЫ

Актуальность. В связи с быстрым развитием и последние годы мезомасшшб-ион метеоролонш и -технологии сиерхкриткосрочиого прогнозирован»)! (СКИ) мезо-масштабных метеорологических процессов (технологии наукастинга) широко развивается инструментальная основа, которая позволяет осуществлять быстрый обзор и регистрацию метеорологических параметров на больших площадях. Необходимость автоматической обработки данных в реальном масштабе времени с целью осуществления СКП исключает использование полномасштабных чисдонник моделей метеорологического прогнозирования. Актуальность выбранной темы исследования определяется необходимостью внедрения в оперативную практику автоматизированных систем для обработки огромных потоков метеорологической информации от современных информационно-измерительных комплексов, разработки объективных автоматизированных методов для исследования закономерностей динамики мезомас-штйбных облачных образований и связанных с ними опасных метеорологических явлений, а также необходимостью создания специализированных алгоритмов и соответствующего им программного обеспечения для реализации схем и методов текущего (сверхкраткосрочного) пропюшрования мезомасштабных атмосферных процессов.

Цель работы. Цель настоящей работы заключалась в исследовании существующих и разработке новых методов цифровой обработки изображении, получаемых с помощью современных метеорологических информационно-измерительных комплексов: метеорологических спутников Земли (МНСЗ), радиолокационных метеорологических станции (МРЛ), а также в создании алгоритмов и пакета прикладных программ дли подготовки указанных изображений как для их интерактивного анализа инженером-метеорологом, гак н для автоматизированной обработки изображений для целен сверхкраткосрочного прогноза протекания мезомас-штабных метеорологических явлений. Кроме того в цель исследования входило построение концепции и создание алгоритмов автоматического анализа и СКП эволюции облачных образований, работающих при наличии измерительных помех в реальном масштабе времени. На фактическом материале, полученном с помощью указанных метеорологических информационно-измерительных комплексов (на примере геостационарного МИСЗ "Ме|ео5аг" - АППН "Дека-1700" и МРЛ-5 - "Метеоячейка") произвести апробацию разработанных алгоритмов и программ для различных типов атмосферных процессов и получ -.гь объективные оценки точности СКП, а также определить оптимальные численные значения параметров предлагаемых матем.ии-ческих моделей.

Для достижения поставленной цели в работе были решены следующие задачи:

1) Проанализированы общие характеристики технических средств, предназначенных для проведения наблюдений за облачными образованиями.

2) Произведен анализ ряда существующих и разработаны новые математические методы цифровой обработки изображений, составлены алгоритмы и программы их реализации на ПЭВМ, произведена апробация и исследованы результаты применения эгих методов для специализированной обработки снимков облачности, получаемых с МИСЗ в видимом и ПК' диапазонах спектра. Разработаны практические рекомендации но их использованию в оперативной работе на автономных пунктах приема спутниковой информации.

3) Рассмотрены математические аспекты интерпретации метеорологических данных, необходимых для анализа и СКП облачных образований (в том числе с привлечением дополни!ильной априорной информации для повышения устойчивости решаемых систем алгебраических уравнений).

4) Созданы программные средства интерактивного и автоматического выделения положения п формы облачных образований на спутниковых снимках и радиолокационных изображениях,

5) Разработаны алгоритмы и программы объективного анализа динамических ларактеристик, описывающих скорость н направление перемещения облачных образований с соответствующей визуализацией процесса.

6) Разработаны алгоритмы и нрограммт параметризации положения и формы облачных образований, необходимые для СКП эволюции облачных образований.

7) Разработаны алгоритмы и программы СКП эволюции облачных образовании.

8) С использованием фактических данных получены статистические оценки точности СКП эволюции облачных образований.

Научная новизна. Осуществлена апробация на обширном фактическом мшс-риале различных методов цифровой обработки метеорологических снимков и на основе критического аналша полученных результатов даны практические рекомендации по их использованию при решении задачи анализа и СКП эволюции облачных образований. Разработаны и доведены до готовых программных продуктов алгоритмы параметризации положения и формы облачных образований, а также алгоритмы С'КП, работающие в реальном масштабе времени. Создан комплекс программ для исследования особенностей эволюции облачных образований. В дальнейшем предполагается его использование в составе программного обеспечения создаваемой в РГГМИ автоматизированной информационно-измерительной системы оперативного приема, обработки и анализа разнородной метеорологической информации.

Практическая значимость. Созданные программы для ПЭВМ могут быть использованы в существующих и перспективных автоматизированных системах обработки метеорологической информации, полученной с помощью МИС'З и МРЛ. при оперативном мониторинге развития мезомасштабных облачных об; ззосанин н фронтальных зон ч стать часгыо программного обеспечения автоматизированного рабочего места метеоролога.

Предложенная в данной диссертационной работе численная модель объективного анализа динамики облачных образований и их сверхкрагкосрсшого прогнозирования внедрена в РГГМИ для проведения научных исследований. Кроме тою. она используется в учебном процессе при преподавании дисциплин "Сверхкраткосрочные 11 ггеорологические прогнозы", "Дистанционное зондирование атмосферы" и "Методы зондирования окружающей среды", а также для практического использования в рамках Регионального учебного метеорологического центра ВМС).

Апробация работы. Основные результаты диссертационной работы были доложены и обсуждены на научных семинарах 1995-96 гг. Международного центра по окружающей среде и дистанционному зондированию им. Нансена н Научно-исследовательского центра дистанционного зондирования атмосферы при ГГО им. А.И. Воейкова, па первом Международном научно-техническом семинаре 1996 г. "Обнаружение электрически активных облаков, потенциально молниеопасиых для летательных аппаратов", проходившем в г.Санкт-Петербурге. на шоговмх сессиях ученого совета РГГМП в 1994, 1995, 1996 и 1997 годах, на расширенном научном семинаре кафедры ЭФА РГГМИ.

Публикации результатов исследований. По теме диссертации опубликовано 6

работ.

Структура и объел диссертации. Диссертация изложена па страницах

машинописного текста. Состоит из введения, 1лав, заключения и списка литературы. Текст иллюстрирован рисунками и таблицами. Список использованной литературы включает наименований, в том числе на иностранных я)ыка\.

КТ \TKOE СОДЕРЖ AHIIК РАБОТЫ

lio введении обосновываются актуальность, практическая значимость 11 научили пошила работы, отмечается, чю решаемые п диссертационной работе проблемы составляют предмет г.ксднскиой оперативной синоптической практики. Здесь отмечается, что настоящая работа посвящена вопросам цифровой обработки спутниковых и радиолокационных изображений с целью анализа скорости и направления п-кмещешш облачных образовании, а также сверхьраткосрочною прогноза пч динамики. Отмечается, что в настоящее время положение облачных тестем на изображении определяется двумя методами: па основе интерактивного аналнза (с номошмо со1>5>емс11111.1\ 1 Г ШМ). который позволяет инженеру-метеорологу выделять синоптические объекты непосредственно на экране дисплея ПЭВМ с помощью манипулятора тина "мышь", и автоматически - с помощью специально созданного программного обсикчснпч. Эта объяли часто спязшпл с опасными явлениями погода, поэтому их нденгпфнкшшя (особенно автоматическая) имеет важное практическое зизчеп.нс. Использование последовательных (во времени) спутниковых шш радиолокационных данных позволяет оценить динамику развитая облачных систем, тто необходимо для составления сперхкраткосрочных прогнозов.

В ncpimú глпое дается обшая характеристика облачных снстем. Рассмотрены методические основы использовании спутниковой и радиолокационной информации дна проведения анализа и CBqmcp:iTKoqionnoro прогноза эволюции обтачных образовании. Подчеркивается, чго основное внимание в работе уделено анализу мезомасштаб-нык конвективных снсгея. Такие системы нцблюлмотся современными средствами измерений (спутниками, радиолокаторами) и обладают сравнительна большим временем ШШ1 (несколько часов).

Первая глава содержит информацию о технических федствах исследования облачных образовании - МНСЗ н МГЛ, которые позволяют наглядно представить распределение облачности в региональном и глобальном масштабах. Ого дает возможность определить наличие движущихся облачных массивов, их размеры и местоположение, следить за нх эволюцией. Достоинствами спутниковых и радиолокационных наблюдений является возможность перекрытия значительной доли атмосферы Земли.

13 диссертационной работе рассмотрены принципы действия автоматизированного пункта приема спутниковой ниформацнн (АППИ) "ДЕКА-1700", установленного в РГТМИ г. Санкт-Петербурга, и возможности входящего в его состав стандартного математического обеспечения. Подчерк1гоается ограниченность этих возможностей для осуществления задач анализа л сверхкрагкосрочного прогноза дшммнкл облачных образований.

Здесь же описан автоматизированный метеорологический радиолокационный комплекс (АМРК) MPJI-5 - "Метеоячейка", состоящий из метеорологического радиолокатора МРЛ-5, устройства предварительной обработки информации и автоматизированного рабочего места оператера-радиометеородога на бале ПЭВМ (IBM PC/AT). Отмечается, что результаты наблюдений, полученные с помощью АППИ и АМРК, хранятся а памяти ПЭВМ в файлах собственных оригинальных, форматов, что представляло определенные трудности при дальнейшей обработке этих данных..

Отдельное место в первой главе отводится описанию методики автоматическою определения балла облачности лад заданным районом по спутниковым метеорологическим снимкам, которая может использоваться в составе программного обеспечения автономных пунктов приеме спутниковой информации. Сишалы изображения в процессе их приема преобразуются в цифровую форму н хранятся и памяти ПЭВМ как массив элсмс1ггоп изображения (ЭИ). Дли оггределения балла облачности путем построчного сканирования изображения подсчитывало«. количество пикселем, значения яркости которых выше заданной. '>то пороговое значение определялось на основе экспертной оценки распределения яркости на спутниковом снимке, которая проводилась ly iVM совместного анализа синоптических, радиолокационных и спутниковых /(анных.

: 60

> 40

S 20

1013 1113

1213 1313 Время

14,13

Рис. 1. График изменения vana облачности

В качестве иллюстрации работы указанной программы на рис.1 представлен пример изменения балла облач-ПОС1И в районе Санкт-Петербурга 10.01.97г. Соответствующая этому сроку синоптическая ситуация иллюстрируется фрагментом синоптической приземной картой, представленной на рис. 2. Данные синхронных радиолокационных и подспугпиковых наблюдении представлены соответственно на рис.3 (М. Л-5 -"Метеоячейка") и рис.4 ("Ме1ео$а1", снимок в ПК-диапазоне спектра). Последние

получены 10.01.97г. в 12.00 ОМТ и представлены здесь также для иллюстрации тех возможностей, которые даег цифровая обработка изображений (вопросы цифровой обработки изображений рассмотрены ниже) и совместное использование разнородной метеорологической информации. На рис. 4 в левом верхнем углу приведен исходный, принятый на АППП спутниковый снимок, а три других иллюстрируют возможности

ЧГ \5 '

■113 J. 176" . > -150 э

\ч

i у W чд.' • i. -i

r¿a/ ! íl AJ ■ ........

101 _ m

ytoqfpxk'S

i i.-—-1J H í

J f*

/ '

• -¿SsíSi

Y 'Ч3^«

17¿I

33.

1!

-ill WO Й5

,'uc.2. Фрагмент синоптической приземной карты 10 01.97 ¡2.00 GMT

ею цифровой обработки с иомошыо алгоритмов, разработанных ь процессе выполнения данной диссертационной работы.

По второй |лавс рассмотрены и проанализированы математические аспект цифровой обработки радиолокационных н спутниковых изображений.

В начале второй ппшы описываются некоторые наиболее распространенные форматы файлов для хранения графической видеоинформации, обосновывается выбор формата BMP для создания единой среды обмена данными. Кроме тою, здесь рассматриваются общие требования к программному обеспечению открытой интерак-

/ Л . л?^ • ',<- -.5' " *, - "V-:........ •• X 15 К ОТ \. X \ \ ^ , \ Г \

V;' Чч У / / У

ПО ' ;

Рис.}. Результат радиолокационного обзора МРД-5 ("Метеоячейка"} ¡0.01,07 12.00 СМТ

Г не. 4. Фрагмент спутникового ИК-сниика с МНСЗ "Мг1еоч(Ч". принятый на АППИ РГМ11 с помощью системы "Дека-1700" ¡0.01.97 12.00 СМТ (левый верхний снимок}. Три других снимка иллюстрируют результаты цифровой обработанные с целью повышения их наглядности.

тинноп системы, предназначенной для анализа и сверхкраткосрочного прогноза динамики мезомасипабных облачных образований на основе цифровой обработки спутниковых и радиолокационных изображений пространственного распределения облачности.

В работе отмечается, что для улучшения визуального восприятия синоптиком снимка облачности, полученного с помощью МРЛ или МИСЗ, могут использоваться многочисленные методы цифровой обработки изображений. Такие методы, в частности, позволяют устранить помехи на изображении, выделить необходимую информацию путем контрастирования перепадов яркости, осуществить выделение контуров

Во второй главе рассматриваются как известные, так и предложенные автором алгоритмы цифровой обработан изображений.

Из известных в литературе цифровых методов, осуществляющих фильтрацию помех, были в процессе выполнения данной диссертационной работы реализованы на ПЭВМ и исследованы на реальных спутниковых н радиолокационных данных следующие: медианный, сигма-фильтр, низкочастотные фильтры, алгоритм сглаживания по наиболее однородной окрестности центральной точки и некоторые другие.

С целью усиления контраста изображения, выделения контуров объектов и локальных неоднородностен в работе исследовались следующие методы: высокочастотной фильтрации, свертки массив;» изображения с операторами Лапласа, а также методы Робертсона, Превитта I н Превитта II, Собеля и Кирша.

Рассмотренные в работе алгоритмы и программы цифровой обработки используются в дальнейшей для анализа, интерпретации и сиерхкраткосрочного прогноза эволюции облачных систем.

Определенную новизну представляют два предложенных простых быстродействующих алгоритма, осуществляющих подавление видимости помех на спутниковых снимках.

Первый из предлагаемых алгоритмов фильтрации помех рассчитан на устранение резких выбросов яркости на спутниковых снимках. Идея этою алгоритма основана на том, что метеорологические объекты на снимках с космических метеоспутников

Файп Редакшрокать Мзкро

Готов («1г,:Йхойнми •."■> |С - - , {, -1ТО я 1

1 1 »4 | ■ ' \

! „ ___ 1 ' ' ■ г' "V' ■ . ■V | г

\ ШИ7]

1 ^ \ '' * 1 1 1 |

имеют з. 1ч1!тельные размеры, поэтому можно считать, что коэффициент корреляции двух ЭН, расположенных п соседних строках и одном и том же столбце, близок к единице, а значения шума в них независимы. С помощью предлагаемого алгоритма анализируются яркости грех элементов в одном столбце (обозначенных как АЬ. А, А0, разнесенных между собой по строкам изображения на величину Р. Если /"=1, то исследуются три соседние строки снимка. Введены следующие обозначения в зависимости с. значений яркостей ЭН АЬ. А. Ау. приАЬ>А РЬ=АЬ. дЬ=А: при АЬ < А РЬ=А . ()Ь=АЬ ; при А1>А Р<=А1, (>1=А : при А1 < А Р1=А . £>г=А I. По формуле

А =0.5 /РЬ+Р/+()Ь+()1-\РЬ~>>11+ \Qb-Qt] ] -А находится значение нового обработанного элемента А . Полученное значение записывается в выходной массив и его значения мо^т быть визуализированы на экране дисплея ПЭВМ.

Пример работы данного алгоритма представлен На рис.5. Вверху показан исходный снимок, полученный со спутника ЫОАА, который пролетал но границе зоны радиовидимости, вследствие чего в нижней части изображения отчетливо различимы п, мехи. Кроме этого На снимок нанесены искусственные помехи. Внизу показан пример работы фильтра над исходным снимком. Из рисунка видно, что как исходные, так и нанесенные помехи практически устранены, а информативная часть изображения не повреждена.

В другом алгоритме также рассматриваются одновременно три соседние по вертикали ЭИ: АЬ. А и АI. Через М и т обозначены соответственно наибольшее и наименьшее значение из АЬ и Аг. Новое ("помехо-зашищенное") значение А вычисляется по правилу:

А \ = А если т-Н < А < АНН.

А =т если А < т-Н.

А = М если А > М+Н. где Н - некоторый коэффициент, определяют й степень подавления помех, который задается пользователем.

Таким образо , всякое значение яркости. превышающее достаточно сильно пределы, определяемые соседними значениями яркости приводится к ближайшему соседнему значению. Чем больше Я, тем большие превышения яркости остаюкя без изменения. Если же Н-0, то даже малое превышение яркости вызовет приведение его к соседнему значению. Результат обработки исходного изображения с помощью данного алгоритма показан на рис.6.

Первый алгоритм работает гораздо более "мягко" с изображением, ставя на место выброса расчитанное значение яркости (этот моменг подробно освещен в дис сертацни). тогда как второй алгоритм не дает новых полутонов, заменяя выброс ближайшим значением яркости.

Рис.5. Пример работы фильтра резких выбросов -I.

ся к........•,——^—. Ч чИ

'Ч "

- ' ' ц," ' V ' ; • ■ > ' 1

Г*:,;.' \ ч: / - * с •■V , Г -Ь

",.«"- ■ »'С : ■ , г4' ' '' 1

-Л' *

ЧУ ' 'Ч' ' Ч л •; £ |у

- - ч ^ ч ' У Ч У у,, ''

Гу ....

\ ■ ' _; 'У ' 1.- <

Рис. 6. Пример работы фильтра резких еыоррсов - 2.

Для выделения в облачных образованиях локальных участков разных уровней яркости на снимках в работе предложен п апробирован оригинальный алгоритм, который призван облегчить интерактивный анализ формы и положения облачности пли проведение атмосферных фронтов на спутниковых изображениях. Данный алгоритм, придавая объемность исходному изображению, позволяет существенно облегчить его визуальный анализ. При работе данного алгоритма на изображении относительно каждого ЭИ А одновременно рассматриваются и яркости четырех соседних элементов: верхнего А/. нижнего АЬ, левого ,4/и правого Аг. Ил их основе рассчитывается новая яркость этого элемента А' по формуле:

А'-А +К /4'А-Л! - Аг- ЛЬ-Аг ! где К - коэффициент подчеркивания, символизирующий степень возрастания крутизны переходной характеристики.

При таком пересчете изменение яркости исходного изображения происходит только на границах областей, имеющих разную яркость. На рис. 7 представлен исходный фрагмент спутникового снимка (слева), и роулыат его обработки указанным методом при А"=1 (справа).

Определенный интерес при цифровой обработке спутниковых снимков представляет использование следующего алгоритма. На дневном ИК-снимке холодные вершины облаков изображаются ярким белым цветом, а очень теплая подстилающая поверхность - черным, и этот снимок получается достаточно контрастным для уверенного распознавания облачности. В ночные же часы, особенно зимой, когда подстилающая поверхность осзывлет, ее цвет на снимке становится серым (середина полутоновой черно-белой шкалы). При этом по гистограмме распределения яркости видно, что используется узкий диапазон серых оттенков. Контраст изображения падает. Такой эффект очень часто наблюдается на ноч-

* ' *

% 4 Гй 1 V I V л 1

ч « Н ь ЧХ «>1

V«"1 Чг' ''( » „ / я •>

',> ^ Г.!' « ' ъ Ч?

'-,41

Рис. 7. Пример работы алгоритма контрас-

пых снимках Африканского континента и Средиземного моря. Также, например, снимки видимого диапазона и вечернее время имеют низкий конграст из-за слабой освещенности, т.е. на изображении используются только темные цвета.

Именно для таких случаев, когда на изображении представлена только часть возможных уровней яркости (иногда не более половины всей шкалы), разработан специальный алгоритм. До обработки на снимке практически нет точек земных цветов, а вся информативная часп, изображения размешается в правой части гистограммы или н диапазоне шкалы ссры.х полутонов с большими значениями яркости. После применения отого алюршма (рис. 8) информативная часть как бы растягивается но всей шкале ог белого до черного, контраст изображения существенно повышается. При этом используемым в рабою для оценки степени контрастности снимков пока..а]ель увеличивается более чем и дна раза. Очевидно, что применение такого алюршма оправдано далеко не и о всех случаях, а только для малокон траст них изображен пи.

Важное место во втором главе уделено цифровым методам получения кошуротз па спутниковых и радиолокационных изображениях. Здесь подробно описаны сдю-

ртттм цифрового зондирования и процедура "скслегтпашш". Кроме тот,, рассмотрены различные методики сегментации и классификации обьсктов на изображении. Па основе анализа этих мсгодсм п работе предложена методика сетмснтацтш по тину контурной и дан подробный анализ реализующего ее алгоритма. Отмечается. иго отдельные блоки разработанного алгоритма могут применяться для построс-пш< контуров на любых изображениях, б том числе для построения контуром зон значительных осадкой или других опасных явлений погоды но данным М1'Л. а также для электрически активных мол-нттеоттасных зон в облаках по данным Сортовых и наземных систем пеленгации.

С связи с тем, что цели сверх-краткосрочною прогноза динамики облачных образовании требуют решения задач обработки спутниковых и радиолокационных изображений в реальном масштабе времени, процесс выделения контуров облачности был авгомаипирорян. Разработанный для этой цели в дайной диссертационной работе алгоритм основан на предположении, что контур области, принадлежащей облачному образованию и имеющей меньшие значения градаций яркости, не прерывается, а продолжается под областью с более высокими значениями градации яркости. Поэтому при автоматическом построении контуров на спутниковых и радиолокационных снимках к области, отрапи ченной контуром с яркостью С, относились п нее тчкн с большей чем С яркостью. В процессе работы данного алгоритма выполняется построчное сказзиронаипе изображения отдельно дал каждою уровня яркое!к, присутствующего на изображении (физически имеющего значение температуры, уровня отражаемости зт т.н.). При пом гзее точки, принадлежащие на изображении облака контуру данного цвети, сохраняются в памяти ПЭВМ в отдельном массиве.

Последний раздел л юрой тлаиы поеттщен анализу текстурной информации содержащейся на спутниковых снимках. Задачи анализа текстур решаются с целые

Ф.ЧНЙ £сй№и«?1№<ИЪ. Ммфй Фйь-*<|1 ?С,|фС| ¡(¡0108

= • • ■ » 'Л .

^ I {

1

/У X

Я Л

[Ц~1 Г, „

Одноршшогль 8.(15« - ч ■ Контраст О-О'г!! " Эшртш' ; 0.304 . I а&ржщект 1ШЬ

Рис.8. Пример работы ¡пгаршпма повышения контраста (вверху -фрагмент ислодиоео спутникового снимки, книзу - тчт лес фрагмент после обработки, спрясо - матрица схезмикти об-работ; ■чого фрагмента!

классификации, обнаружения или распознавания исследуемых объектов, а также для разделения изображений на фрагменты. Главной проблемой лналита текстурной информации является формирование системы при ¡паков, для определения которых в диссертационной работе была реализована методика вычисления для каждою тноб-раження его матрицы смежности (МС'М). Каждый элемент МС'М с координатами i н j соо твегствует значению вероятности появления пары яркостей (i.j). Дтя удобства ана-avja такой матрицы в диссертации бала разработана методика ее шнуллизацин. ттри ко юрой МСМ представляется в нидс поля 16x16 элементов каждый из которых обозначается своим цветом в диапазоне яркостей от 0 до 15 (см. рис.8.). '' номонтыо матрицы смежности дня любого изображения можно рассчитать целый ряд текстурных признаков: контраст. однородность, энтропию и обратный момент.

В треп,ей главе рассмотрен и проанализирован ряд члтематических моделей, ирелназначрннт.н для пн.пнза и сверхкраткосрочного пречнозл элолюнин облачных образований. Отметено, что с уча ом специфики сверхкрлткосрочното прогноза Í необходимость обработки значительных массивов спутниковых и радиолокационных данных в реальном масштабе вре лепи на автономных пунктах приема с использованием онюеителтно небочминх ПЭВМ) основное шшмишс уделено наиболее просп.тм н опстро тейелвузотнм полхолам. Кроме того, " ион ° рассмотрены м.'. 1ема тиче-i И'.' лснсь ц.| о T.iATiB.iiiiHi -гкеперти-мга и.нмх данных, а также ма тема тнчеемте методы решети плспоЧпедотимжмч систем чиненных гмтеОраичсеких уравнений, ног. часмыч при численной рсаин-ции мсто <а наймет тих. квалраюп.

Из аналтш ипгргиурпчл ксп-'шиюв inrecum многие методы. используемые ;ттл про Г! i о-'-дюлюшш об'ычнь с<"|уп<ч«анчЯ. !> частности, )if> алгоритм расчета npot чосшчсских положении iio i'i г б-оншоеы e ном.-чт'ью мекпа тчаимной корреляции: метод оценки нагрль кипя и ci:opnci ч ¡.cipa по обтачным спиралям, основанный на ci.HHcnncn.c'i спга между молзми облачное!и и воздушными течениями при на тнчин вихреон сгрук тур! i обла41 ют щ. пред юженный Л .А.Лиичеевой. Однако с миной работе на оснопи изложение! о вчше метода параметризации положения и ' оифпт)радии облака длл ергрхкра 1косрочноп> пргч нота был реализован и лпроонро-!'..!!! подход, основа!!!!! |й ил ррС'мснчой экс Тра11«:1ЧЦШ\ ни,ье 18-11! ип1с-

фальпмх xnpatciqntcnii: облачного ноля по двум и более последов цельным ею изображениях!.

Дтя нелеп анл'ипа и сгерхкраткосрочного прогноза динамики облачных обра-•о»аиий ирехде пси и необходимо выделить интересующее облачное образование на спутниковых или радиолокационных изображениях для ь.¡следующего анализа его эволюции. П диссертационной работе рассматриваются дне методики выделения интересующею облачного образования: интерактивная и автоматическая. Последняя была описана ро птороп главе и для ее реализации использовалась разработанная в процессе заполнения данной диссертационной работы программа "ASCAN". С помощью этой протрлчмы на экран ПЭВМ последовательно выводится серия снимков и пользователь с помощью манипулятора типа "мышь" указывает па каждом снимке интересующий его облачный массив. Далее обработка осуществляется автоматически по описанному ранее алт оритму.

Интерактивная методика выделения облачною образования реализуется стелющим образом. На спутниковом снимке п процессе его визуального просмотра на игране. дисплея ПЭВМ выбираекя интересующий облачный массив. С помощью манипулятора "мышь" пользователь-синоптик непосредственно на экране дисплея ПЭВМ выделяет его, расставляя но периметру точки, координаты Которых автоматически записываются в отдельный файл. Чем большим количеством точек помечен

юмпхр. тем точнее ои будет представлен н памяти ПЭВМ. Таким образом ттосле просмотра серии снимков в памяти II )1!М остается серия файлов, каждый из которых оннсываег координаты контура облачного образования в разтичние моменты времени п имеет ратный размер. Описанная метотика для интерактивной видеотермннздь-ной обработки сну тннковой информации выполняется с помощью составленной пя этой пели гисиналн'нрогаинон нротраммм "CONIUR".

Получаемая как при автоматическом, так и imie-рактивиом методах форма представления положения и конфигурации облачного образования не удобна для последующего анализа и СКП его эволюции. Полому была разработана концепция малонарлметр иче-ского представления положения н формы облачною массива на основе расчета координат его центра тяжести: Рх, l'y 11 16-тн ради.] ус-векторов: R(i). /=1, ..., 16.

При этом каждый радиус-| вектор определяется протяженностью облака от его | центра Рх.Ру до границы облак.'. и 16-тн направлениях с шагом fi= 360°/16. Пример работы программы малопа-ра метрического представления положения и формы облачного массива представлен на рис.9.

Координаты центра "тяжести" (ЦТ) Рх.Ру рассчитывались по след)мшим фир-

Рш. 9 Облачные массивы, описанные их центрами тяжести ti 16-тыо радиус-векторами.

мулам:

J

п m Рх= Z M Kí

fy =

H

и

где М = ^ »'у ■

У-1

Здесь п - количество строк, занимаемое облачным т - длинау'-ой строки, х{ - координата центра у'-ой

ЭВМ ки.

образованием в памяти строки, )j - номер стро-

Расчет значений радиусов проводится по следующей схеме. В каждом из 16 направлений ог точки с координатами Рх. Р, рассчитываются расстояния П(1) до края облачного образования. Для определения 1{(1) задаются значение шага смещения Л и направление а(()-/И ■ 1. После чего рассчитываются значения Х(Р) и по следующим соотношениям:

Х(Ь) -Рх + 1. -¡та(0.

У(1) =Ру + 1 -ша(г). где Ь - общее смещение на данном шаг е вдоль выбранного направления 01 центра "тяжес!и" облака (на начальном шаге

Затем производится проверка выполнения условия: находится ли точка с координатами Х(и.У(1,) внутри контура облачности. Если оно выполняется, то и снова повторяется расчет значений Х(1.) и по приведенным выше

формулам. Вычисление координат для заданного направления прекращается и случае, когда т очка Х(£). У(Ь) оказывается вне контура. При этом длина соответствующего радиус-вектора принимается равной I: К(1)

Таким образом, в итоге реализации )казтчиого подхода каждое облачное образование описывается не исходными координатами контура облака, а лишь 18-ю

числовыми параметрами: двумя координатами центра "тяжести" облака и 16 значениями расстоянии от этого центра до границы облака в заданном направлении (см. рис.9). В этом случае площадь облака легко вычисляется по формуле для определения площади многоугольника.

Важное место в третьей главе уделено рассмотрению основных положений теории метода наименьших квадратов (МНК) для определения коэффициентов ап-птмзкснмационных полипомов, описывающих изменение координат центра "тяжести" облака н значений радиус-векторов во времени:

Здесь х и у - координаты центра "тяжести" контура облака, /",■ - значения радиус-векторов (/=1, .... 16), I - время, я,. Ьк и ск - коэффициенты аппрокснмационных полиномов.

При использовании метода наименьших квадратов расчет коэффициентов ап-ироксимациониых полиномов осуществляется на основе минимизации следующих сумм квадратов отклонений:

где N1: - число контуров, Лу и у/ - координаты цен гра "тяжести" контуров облака, г-ц -щачения радиус-векторов.

I! качестве временном координаты использовалось не реальное время, а осуществлялось его масштабирование, при котором независимо от дискретности (для спутниковых данных 30 мин., для радиолокационных - 15 мин.) шаг по времени считался равным единице.

Как показали результат численных экспериментов, применение "Классического" метода наименьших квадратов не всегда дает хорошие результа.ы ш-ш плохой обусловленности решаемых при определении коэффициентов аппроксима-цнониих полиномов систем линейных алгебраических уравнений. Поэтому в дайной главе для анализа характеристик эволюции облачного образования предложена методика, основанная на использовании дополнительных условий. Построение аппрокси-мацнониого полинома в форме (2) дополняется введением ряда условий при поиске коэффициентов оптимальной аппроксиманионной функции. В качестве таких дополнительных условий в работе рассмотрены: суммы квадратов скоростей перемещения центров тяжестей и суммы квадратов кривизны аппроксимационной функции.

В первом случае кроме минимизации суммы отклонений (2). минимизируется и сумма квадратов скорости движения центра "тяжести" или скорости изменения значений ра анус-векторов:

(г) = а0+а]г + а2г+... + (>пр1пр. )(') = Ьй+Ь^ + Ьгг +... + *„,, пр ',(') = с о & с |, ' + с 2 Г +• •• +

(М

= ПИП .

(2)

-)

J

}

где/э, р, - нормировочные коэффициенты, определяемые эмпирически.

Иными словами, в классе аппрокспмацпонных полиномов заданной степени находи 1ся тот, который проходя оптимальным образом через табличные точки еще н обладает минимальной суммой квадратов первых производных. Оптимальные значения нормировочных коэффициентов р, р, определились на основе проведения специального комплекса численных экспериментов.

Во втором случае при вычислении коэффициентов агшроксимационных полиномов, описывающих изменение положения центра "тяжести" облака мншьмшируилсл как суммы квадратов отклонении значений аппроксимациопного полинома от табличных данных, так и суммы квадратов значений кривизны апнроксимацилниой кривой с учетом ее параметрического задания:

Ык , Мк Ь'к ,

У [*(«,■) - *,]- + У [г (I,) - г/)' + Ч £[*('/)]" = •

|де K{ij)- кривизна траектории li момент времен»

Л-О/)

л (01 d2r( »)

'" и,. л2

t = t.

dy{.) dt

t = t ■ i

a-x[,) л2

< = ':

(5)

2 / \

+ dy(t)

dt

'¡J ч

'h

i.ie q - определяемый эмпирически нормировочный коэффш .cm.

В последнем случае нахождение коэффициентов аппрокспмацпошшх полиномов сводится к решению системы нелинейных уравнений. В диссертационной работе описан алюрптм решения такой системы нелинейных уравнений. Анализ численных ¡ксперпменюв показал, что для конкретной реализации всегда существует такой q, чю поправка на условие кривизны дает уменьшение ошибки по сравнению с "классическим" меюдом наименьших квадра :ов.

Заключительный раздел третей главы диссертационной раоопл посвящен апа-пнзу резулыаюв сверхкраткосрочпого прогноза эволюции облачных образовании, реализованного с помощью различных математических моделей. Численные эксперименты проводились на основе использования имеющегося ь Нашем распоряжении архива спутниковых снимков ь ПК и видимом диапазонах спектра, полученною на автономном пункте приема спутниковой информации от leocianiioiiapiioro МПС"} "Melcosat", и архива радиолокационных данных о г МРЛ-5. С помощью описании* пршрамм были созданы серии, отражающие эволюцию облачных образований во времени. Каждая ссрия содержала о г 4 до 10 последовательных во времени изображении облачных образований с временной дискретностью в 30 мин для спутниковой информации и в 10 мин для радиолокационной. lia данном статистическом макриале рассматривались четыре метода прогноза на короткие (до 3 час) интервалы времени:

1) инерционный;

2) "классический" МНК;

3) совместная процедура сглаживания исходных данных и "классическою" МПК;

4) МНК с дополнительным условием минимизации суммы квадратов значений кривизны апнрокснмацнонной функции траектории движения и сглаживанием исходных данных;

5) МПК с дополнительным условием минимизации суммы квадратов скоростей перемещения центров тяжестей и изменения радиус-векторов и сглаживанием исходных данных.

Методика проведения оценки точности сперхкраткосрочного прогноза эволюции облачных образований при использовании перечисленных математических моделей включалась в следующем. Каждая серия данных об эволюции конкретного об-

лзчного образования "разбивалась" па две части. По мерной -"зависимой", объем которой варьировался путем задания соответствующих параметров в программах, рассчитывались параметры математической модели стзсрх-краткосрочиого прогноза (выполнялась "настройка" модели). По второй части -"независимой". производилась опенка точности того или иного метода сверх-крагкосрочного прогноза. Опенка качества проминов производилась путем Гис 10. Зависимость средних относительных ошибок прогною сравнения методиче-нзменения положения центров тяжести облачного образования ских еверхкратко-от заблаговременное/и и срочных протпоюв с

аналогичными результатами инерционного прогноза. В качестве показателя превышения успешности методических тзро-i йотов над инерционным вычислялась относительная ошибка прогноза положения и формы облака е:

\Z"-Z'I'\

е=--{• 100%,

Z" -Z'/j

тле Zn. Z'l> и Z" - прогностическое, фактическое и инерционное значения параметра Z соответственно. Из формулы видно, что относительная ошибка инерционного гтро-т ноза равна 100 %.

Результаты выполненной в диссертационной работе серии численных экспери-мептон но оценке точности анализа эволюции облачных образований при использовании указанных выше алгоритмов наглядно иллюстрирует график, представленный на рис. 10. Чдесь прямая 1 соответствует инерционному прогнозу. Кривые методических прогнозов 2-5 проходят существенно ниже прямой I, что указывает на эффективность разработанных алгоритмов. При этом наилучшие результаты при определении местоположения центров тяжести облачных образований дает 5-й из указанных выше методов. Даже при забла| овремештости в 3 часа он практически в 2 раза лучше, чем инерционный прогноз. Промежуточное положение по своей эффективности занимает -!-й метод из указанных ранее. Использование в качестве методического прогноза 2-го и Л ето методов хотя н улучшает резулыа ты прогноза по сравнению с инерционным, но ока ц.пзаезся заметно хуже но сравнению с 4-м и 5-м.

Аналотнчнме результаты были получены и для свер.хкраткосрочного прогноза формт I облачных образований (СКП величины радиус-векторов в lft-ти направлениях). Зн заключением 4-го метода, который при этом не использовался.

Н заключении обобщаются результаты выполненных научных исследований. Лн.ыиз результатой чистеннМх экспериментов показал следующее:

12(i

1.5 2 -г,ъ

Заблзговременность [час1

- ♦— 1 -1 'нерционньм прогноз

-я—2 - ИНК

—ir— 3 - ТЖКсо с''1 "о 3томом '— -5 - ИНКс ;jcn уст ' 1.'м1"'Г1:?:11':1 суич значений грМЕИзны траектории -1—5-ИНК с рол уел минимизации скорости

1. Реализованные алгоритмы цифровой обработки метеорологических видеоданных приводят к улучшению их визуального анализа, к возможности интерактивного и автоматизированного определения положения и формы облачных образований с целью использования этой информации для проведения СКП их динамики.

2. Использование разработанных в данном исследовании математических моделей свчрхкраткосрочного прогноза с заблаговременностыо до 3 часов практически во всех случаях позволяет повысить точность прогноза положения и формы облачною образования по сравнению с инерционным прогнозом в среднем в 2,5 раза.

3. Применение "классического" МНК дает неустойчивые результаты, что в ряде случаев приводит к большим погрешностям. Это происходит, в частности, из-за плохой обусловленности решаемой в этом случае системы линейных алгебраических уравнений: число обусловленности системы достигает значений 10ч.

4. Применение МНК с дополнительным условием минимизации суммы квадратов значений кривизны анпроксимационной функции траектории движения и сглаживанием исходных данных повышает точность прогнозирования по равнению с "классическим" МНК, ио требует значительных вычислительных ресурсов.

5. Оптимальные результаты дает использование метода наименьших квадратов с дополнительным условием минимизации суммы квадратов скоростей перемещения центров тяжестей и изменения радиус-векторов, описывающих положение и форму облачного образования, при использовании масштабирования временной координаты и предварительного сглаживания исходных данных в "зависим.м" ансамбле по трем точкам. В частности, при прогнозировании на два часа средняя ошибка в определении положения облачных образований по сравнению с инерционным прогнозом при использовании данных МИСЗ "М^еозаГ составила 18 км, пр.. использовании данных МРЛ-5- 8 км.

По теме диссертации опубликованы следующие работы:

1. Бриедпс Т.Е., Гурович М.В., Кузнецов Л.Д. Численная обработка снимков, полученных с I еостапионарных МПСЗ // Тезисы докладов Итоговой сессии Ученого Совета РГГМП. С.-Петербург.- Изд.РГТМИ,- 1994, с12.

2. Брнеднс Т.Е., Г\ровнч М.В., Кузнецов Л.Д. Численная обработка снимков, полученных с геостационарных МИСЗ //РГГМИ.-СПб, 1995.-40 е.- Деп. в ВИНИТИ 27.fll.95, №251-В95.

3. Ьрнедис Т.Е., Кузнецов Л.Д., Сероухова О.С., Симакин А.Д. Малопараметрическое представление распределения облачности для решения задач свс( >краткосрочного npoi ноза // Тезисы докладов Итоговой сессии Ученого Совета РГГМИ, С.-Петербург.-Пзд.РГГМП,- 1995, с.9.

4. Прнедис Т.Е., Кузнецов Л.Д., Медников Ю.И. Простые алгоритмы обработки спутниковых изображений// Тезисы докладов Итоговой сессии Ученого Совета РГГМИ, С'.-Петербург.- Изд.РГТМИ.- 1996, с.11-12.

5. Прнедис Т.Е.. Дивннскпй Л.И., Кузнецов Л.Д., Симакин Л.Д. Сверхкраткосрочный проыюз эволюции электрически активных зон п облаках по результатам наблюдений с помощью многопунктной системы пеленгации источников сигналов немолнневшо радтчплучення. //Тезисы докладов Итоювон сессии Ученого Совета РГГМП. С.Петербург.- ИздТЧТМИ.- 1997.

6. Прнедис Т.Е., Кузнецов Л.Д., Симакин Л.Д. Об одном алгоритме сверчкраткосроч-ного промюза динамики облачности// Исслед.Земли из космоса. 1996. N 5. с. 60-63.