Бесплатный автореферат и диссертация по наукам о земле на тему

Определение альбедо системы почва-растительность по данным дистанционных многоугловых измерений

ВАК РФ 25.00.29, Физика атмосферы и гидросферы

Автореферат диссертации по теме "Определение альбедо системы почва-растительность по данным дистанционных многоугловых измерений"

Государственное учреждение «Главная геофизическая обсерваюрип им. Л.И. Воейкова»

на правах рукописи

—^

Покровский Игорь Олегович

'ПРЕДЕЛ ЕШ1Е АЛЬБЕДО СИСТЕМЫ ПОЧВА-РАСТИТЕЛЬНОСТЬ ПО ДА1П1ЫМ ДИСТАНЦИОННЫХ МНОГОУГЛОВЫХ ИЗМЕРЕНИЙ

Специальность 25 00 29 - физика атмосферы и гидросферы

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата физико-математических наук

САНКТ-ПЕТЕРБУРГ

2007

003069731

Диссертация выполнена в Государственном учреждении «Главная геофизическая обсерватория им А И Воейкова»

Научный руководитель: проф , доктор физико-математических наук

Олег Михайлович Покровский

Официальные оппоненты: проф , доктор физико-математических паук

Игорь Леонидович Кароль

проф , доктор физико-математических наук Александр Витальевич Кондратьев

Ведущая организация: Российский государственный гидрометеорологический университет

Защита состоится 23 мая 2007 года в 11 часов на заседании дисссртационногс совета Д327.005 01 при Государственном учреждении «Главная деофизическа обсерватория им А И Воейкова» по адресу 194021, Санкт-Петербург, ул Карбышева, д 7

С диссертацией можно ознакомиться в библиотеке Главной геофизической обсерватории им А И. Воейкова

Автореферат разослан 21 апреля 2007 года

Ученый секретарь лпссертапионного совета, доктор географические наук Мегл^*^*

А В Метерекая

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы и состояние вопроса.

В последней четверти двадцатого века наблюдается резкое изменение климата Земли К числу важнейших компонентов климатической системы относится альбедо, которое представляет собой догсю солнечной энергии, отраженной от земной поверхности Альбедо также характеризует долю солнечной энергии, поглощенной поверхностью и преобразующейся в явное и скрытое тепло По современным оценкам на долю альбедо приходится около 8% энергетического баланса Земли В отличие от альбедо морской поверхности альбедо суши подвержено значительным пространственным и временным изменениям Наиболее существенные колебания характерны для альбедо снежного и ледового покрова, что обуславливает особую важность решения данной задачи с учетом климатических условий России Часть изменчивости альбедо непосредственно связана с хозяйственной деятельностью человека сведение лесов, расширение площадей сельскохозяйственного назначения и др Изменения климата (количества выпадающих осадков, температуры воздуха и почвы), влияющие на сдвиг фаз вегетации, оказывают определенное влияние на юдовые и месячные величины альбедо, их годовой ход. Это, прежде всего, касается системы почва-растительность (СПР), характерной для большей части поверхности суши Поэтому на протяжении многих лет именно альбедо растительных покровов привлекает особое внимание исследователей Если сравнивать масштаб пространственной изменчивости альбедо СПР со стандартными метеорологическими величинами (температура воздуха, атмосферное давление, скорость ветра, осадки), то становится понятно, что он минимален по сравнению с тем, чем нам приходится иметь дело в метеорологии Для температуры и давления в свободной атмосфере характерны масштабы, составляющие тысячи км, для скорости ветра -сотни км, для осадков - десятки км Для альбедо СПР за исключением протяженных однородных поверхностей (пустыни, степи) характерны масштабы, составляющие десятки или сотни м Поэтому, измерения альбедо, проводимые на площадках метеорологических станций, которые представляют собой лужайки с травяным покровом летом и снежным покровом зимой, следует считать недостаточно репрезентативными при изучении климата и ею изменений На заре радиационных исследований делались предположения о применимости изотропного закона отражения солнечного света поверхностью суши Однако, позднее было показано, что в случае CIIP, такое упрощение неприемлемо, поскольку оно не учитывает многократное рассеяние света внутри растительного покрова, а также рассеяние между соседними кронами (стеблями), поверхностью почвы и атмосферой Это привело к развитию теории и практики изучения бинаправленлпои функции распределения отражения (ЬФРО) солнечной радиации для растительных покровов (в английском оригинале Bidirectional Reflectance Distribution Function - BRDF) БФРО описывает отражение света, пришедшего в одном направлении и ушедшего в другом Развитие работ по изучению БФРО шло параллельно и согласованно с

разработкой спу тиковых систем многоугловых дистанционных измерений. которые должны были обеспечивагь опредечение БФРО для земных ландшафтов путем решения обратной задачи теории переноса коротковолновой (КВ) радиации в СПР Для информационного обеспечения спутниково! о мониторинга альбедо СПР в ! 970-1990-х годах бы до проведено умного почевык и лабораторных исследовании ЬФРО Наиболее полный и всесторонний цикл натурных исследовании провел Кайме, который изучи I БФРО для всех важнейших типов поверхностей (лиственные и хвойные леса. тундра, поля зерновых и масличных культур, кустарники, стсни, лу1а, почвы и пашня) в различных районах Земли Бго работы послужили основой для постановки и решения обратных задач дистанционного зондирования объектов СПР включая альбедо До недавнего времени считалось, что спутниковая информация об альбедо СПР, прежде всего, должна использоваться в климатических моделях, например, моделях общей циркумции атмосферы Однако, позднее стало ясно, что область применения указанных данных оказывается значительно шире и включает следующие области исследований 1) Реанализ данных наблюдений, 2) Землепользование и менеджмент в области охраны

окружающей среды, 3) Применение в лесном и сельском хозяйстве, 4) Изучение биомассы растительности и солнечной энергии с точки зрения оценки возобновляемых источников энергии и стока углекислого газа из атмосферы, 5) Климатологические оценки изменений климата на основе анализа временных рядов данных Цель работы и задачи исследования.

Данная работа ориентирована на разработку и реализацию методов восстановления альбедо СПР по данным многоугловых дистанционных измерений с целью положить начало отечественным исследованиям в этой области В задачи исследования входили формирование ансамблей угловых зависимостей БФРО и альбедо для разных типов поверхностей, выбор оптимальных условий измерений и разработка методов регуляризации, обеспечивающих устойчивое решение обратной задачи даже в ус то виях недостаточного числа дистанционных уповых измерений Научная новизна работы Впервые в отечественной практике предпринята попытка целостного рассмотрения задачи восстановления БФРО и альбедо по данным многоугловых дистанционных измерений Благодаря использованию нового статистического метода решения обратной задачи, впервые удалось получить теоретические оценки погрешностей восстановления угловых зависимостей БФРО и спектрального альбедо для разных типов поверхностей Более того, впервые в мировой практике постав тена и решена задача определения оптимальных условий проведения эксперимента Выявлены наиболее информативные направления визирования применительно к различным типам растительных покровов При использовании оптимальных углов визирования достигается наиболее высокая точность восстановления угловых зависимостей БФРО и спектрального альбедо

Практическая значимость

Рез>льгаты диссертации позволяют сформулировать основные рекомендации для разработки предложений, касающихся характеристик бортового спутникового сканирующего радиометра, предназначенного для мониторинга альбедо поверхности суши и биофизических свойств растшелыюсти Статистический мегод решения обратной задачи с учетом накопленной априорной информации можег быть использован в оперативной схеме обработки многоугловых дистанционных измерений при восстановлении спектральных БФРО и альбедо при недостаточном числе угловых измерений, часто имеющем место на практике Достоверность

Достоверность изложенных результатов обеспечена положительными результатами сравнения значений БФРО и альбедо для разных типов поверхностей, полученных по спутниковым данным, относящимся к разным спутниковым системам, и по сопоставимым наземным измерениям

На та щиту ш.шося1ся следующие положения

1 Соответствие между разными типами поверхностей системы почва-рас гительность (леса, поля зерновых и масличных культур, луга, степи, пашня, и др ) и параметрическими моделями БФРО, которое обеспечивает наиболее точное восстановления альбедо поверхности

2 Новый статистический метод решения обратной задачи восстановления угловых зависимостей БФРО и спектрального альбедо, позволяющий получить теоретические оценки погрешностей для разных типов поверхностей

3 Диапазоны угловых координат (зенитный и азимутальный углы визирования, высоты Солнца), обеспечивающие наиболее высокую точность восстановления БФРО и альбедо при минимальном числе измерений для разных типов поверхностей

4 Статистические характеристики ансамблей угловых зависимостей БФРО и альбедо для разных видов поверхностей, полученных но данным наземных и спутниковых наблюдений

Личный вклад автора

Автор участвовал в определении целей и задач исследования, самостоятельно проводил численные эксперименты по решению прямой и обратной задачи восстановления БФРО и альбедо для разных типов СГ1Р Автором выполнена обработка многочисленных массивов данных наземных и спутниковых мноюугловых измерений, осуществлено применение традиционных и разработка новых методов при решении задачи обращения данных многоугловых дистанционных измерений для определения альбедо Установлены наиболее информативные области для угловых измерений и условий освещенности при визировании разных видов объектов СПР Продемонстрированы перспективы применения метода оптимального планирования эксперимента для повышения точности определения альбедо Проведена оценка точности решения обратной задачи при разных условиях проведения многоугловых наблюдений

Показано, что геометрия угловых измерений обеспечивает необходимый диапазон вариации углов визирования и высот Сопнш готько дл,- дгу\ последних спуитковык систем Это обстоятельство ставш на повестку дня вопрос об определении оптимальных условий измерении, которые бы обеспечивали повышение точности решения обратной задачи В п 1 4 дается описание метода расчета передаточного оператора дня агмосфррной коррекции спутниковых измерении Методы расчета спектральных альбедо по данным БФРО рассмотрены в н.1.5. Переход от спектральных к интегральным значениям ачьбедо обеуждае!Ся в п.1.6 Делается заключение, что основным ресурсом для повышения точности восстановления БФРО и альбедо является оптимальный выбор геометрии эксперимент (углы визирования, Bbicoia Солнца) и совершенствование методов решения обратной задачи путем привлечения априорной информации о ЬФРО и альбедо Глава 2 посвяшена изучению вопросов приближенного представления БФРО для разных видов почв и расштельности с помощью параметрических моделей В п.2.1 рассматривается линейная форма преде гавчения БФРО

р(в¥.в,,фЛ)=к1»(А,)4кто1садо,(0„Омф)+к81д)(Х.)Гв.о(0»,в1,ф) (1)

пде р функция отражения при зенитном угле Солнца (ЗУС) 0,, и зенитном угле визирования (ЗУВ) 0V, соответственно, при относительном азимуте (ОА)ф, и на длине волнбг~Я Первый член в правой части (1) выражает вклад~изогропного отражения Фазовые функции для БФРО /,'„/ и fgco связаны с формированием отраженной радиации за счет основных механизмов многократного рассеяния в СПР изотропное отражение, объемное рассеяние и геометрическая оптика Весовые коэффициенты k,so, kvoi and kgeo характеризуют относительный вклад каждого из упомянутых механизмов и являются коэффициентами модели, которые должны быть определены из угловых измерений Далее рассмотрены пять наиболее распространенных моделей БФРО Roujean (К), Li-Sparte (LS), Li-Sparse-Wanner(LSW), Li-Dense(LD), Walthal (W) В п,2.2 рассмотрена прямая задача расчета функции отражательной способности р для разных типов поверхностей С этой целью система (1) представлена в магричнои форме

У = А с + г (2)

Располагая решением (2) ):, полученным методом наименьших квадратов (МНК), получаем вектор остатков модели ЬФРО в виде

г = у - A ¿ = у - j' (3)

Вектор остатков (3) модели (2) кочиче^твенно характеризует степень аппроксимации каждой модели БФРО применительно к рассматриваемому объекту СПР В этой связи введены несколько стандартных статистик для (2) и (3) (дисперсия вектора остатков, доля предсказанной дисперсии, множественный коэффициент корреляции, статистика Фишера-), позволивших осуществить сравнение эффективности моделей БФРО на

количественной основе В п.2.3 преде швлено описание массива данных многоугловых измерений ограженной радиации полученных Каймсом в 1985-87 п в натурных условиях на уровне нижней границы атмосферы дня разных видов почвы и растительноеги Этот массив включает 12 типов ландшафтов таких, как пашня туг степь, саванна лисгвенные и хвойные песа поля ряда зерновых культур сои Измерения проводились б Азии, Южной Америке, Северной Африке и в нескольких шгагах США с помошыо одной и той же аппаратуры При эгом уьтовое сканирование осуществлялось по одной и той же схеме в диапазоне ЗУВ в диапазоне от 0° до 75° с шагом 15", и во всем диапазоне азимутальных углов (АУ) с шаюм 45° Таким образом общее число утловых измерении одною пиксе 1я составляло 41 Измерения ветись в двух спектральных областях в видимом (0 58-0 68 мкм) и в ближнем ИК (0 73-1 1 мкм) диапазонах Использовался радиометр с нолем зрения, равным 12° Для каждого типа растительности производились измерения при трех значениях ЗУС, которые можно условно классифицировать как низкое (0, =45"-70"), среднее (0, = 30°-45°) и высокое положение Солнца (0, =20°-30°) В п.2.4 представлены результаты сравнения разных моделей БФРО при описании отражагетьньгх свойств отдельных видов почв и растительности из массива данных измерении Каймса На рис 2 приведена детальная информация о степени аппроксимации функции отражения БФРО для хвойного леса с помощью каждой из параметрических моделей, описанных в п 2 1 Область положительных значений ЗУВ соответствует области прямого рассеяния, отрицательных - обратного рассеяния (Солнце находится за спиной наблюдателя) Область максимальных значений отражения ("hot spot") соответствует ЗУВ~-20°, т е направлению обратного рассеяния

а) Хвойный лесу И К, п л-ть главного рертикача

50 |-->-<----,----г--'-■--

- измерения

rs&r Li-Spsrse 1

20 1-'-1—---1—'----u—--------1---'

-Ё0 Р0 4С 20 г> 4С 60 ВО

Зенишый >1 ол визировали»

Рис 2 Сравнение результатов аппроксимации ЬФРО дтя хвойного леса в п шскости главного вер шкала (зенитный vioji Солнца - 23е) в ближнем ИК диапазоне при использовании различных моделей

Приведенные данные показывают, что только модель Li-Dense, которая, в целом, имеет более низкую погрешность аппроксимации, обеспечивает наиболее точное описание функции БФРО для лиственных и хвойных лесов в области углов "hot spot" Применение этой модели приводит к получению завышенных значений функции отражения для ряда поверхностей, например, для неполивной пшеницы, для которой характерна низкая плотность пространственного распределения стеблей Модель W, которая рассматривается, как наименее физически обоснованная, является аутсайдером в случае поверхностей со сложной архитектурой растительности (хвойный и лиственный лес кустарники, поля зерновых), В этом случае она недостаточно хорошо описывает перенос радиации внутри крон (объемное рассеяние) и взаимодействие между кронами, стволами деревьев и стеблями растений (геометрический член модели) В тоже время, модель W дает удовлетворительные результаты для пашни и луговой травы, архитектура которой является относительно простой В этом случае, в частности, область "hot spot" оказывается менее выраженной, а функция отражения слабо зависит от азимутального угла визирования Путем анализа статистических характеристик подтверждается (п.2.5), что применение параметрических моделей LS, LSW и R позволяет получить наилучшие результаты для большинства типов поверхностей Кривые, отвечающие другим моделям, лежат дальше от данных измерений Поэтому указанные модели целесообразно использовать при решении обратной задачи Глава 3 посвящена рассмотрению методов решения обратной задачи восстановления БФРО и альбедо, а также их применению для обработки данных многоугловых спутниковых измерений В п.3.1 представлено описание используемых методов решения обратной задачи (2) Наиболее распространенными являются два таких метода SVD и QR декомпозиции матрицы А в (2) Метод QR декомпозиции основан на представлении матрицы А в виде произведете A = QR ортогональной матрицы Q и верхней треугольной матрицы R Метод SVD основан на разложении матрицы в виде произведенияА = и Л Vr, в котором матрицы U и V образованы из левых и правых собственных векторов матрицы А Диагональная матрица Л содержит соответствующие сингулярные значения матрицы А В этом случае МНК решение (2) имеет вид

I = А+ у (4)

В (4) использовано SVD представление для псевдообратной матрицы

А*=СЛ'ЧГ (5)

Наряду с этими алгоритмами, нами рассматривались два новых метода расширенной регрессии (ridge regression) и регуляризации Первый метод основан на использовании формулы для расширенной регрессии-

®(Р) *" (АГ • А + р ' I)^ • Ат • у

(6)

где Р является положительной константой Рассматривается метод выбора параметра /? Известно, что решение по методу наименьших квадратов уравнения (2) может быть получено путем минимизации функции т1П(А с-у)г (А с-у), с -ст21 Формулы Байеса для

условной вероятности по июля ют прийти к обобщенной форме целевой функции при использовании априорной статистики искомого решения

Ш1п{(А <-->)' Ее (А с-у) + (с-с)г Г"1 (с-с)} (7)

Минимум (7) является регуляризованным решением проблемы (2) П.3.2 посвящен сравнению результатов решения обратной задачи восстановления БФРО для нескольких типов объектов СПР с использованием разных алгоритмов обращения П. 3.3 посвящен оценке точности восстановления коэффициентов модели БФРО Пофеишости восстановления коэффициентов модели БФРО в (2) описываются формулой

«& = Д*Л(1-|,у)ся (8)

где обратная функция кумулятивного распределения

Стьюдента, отвечающего уровню значимости а и числу степеней свободы V, вектор с)(, входящий в (8), зависит от матрицы И, фигурирующей в <51* декомпозиции, упомянутой выше В приведенных иллюстрациях для модели Ьй (рис 3, рис 4) использовался 5%-ый (0,05) уровень значимости, соответствующий значению вероятности 95% Это означает, что результаты приближенного решения обратной задачи (коэффициенты параметрической модели) с вероятностью 95% отклоняются от соответствующих истинных значений в пределах доверительных интервалов На рис 3 представлены доверительные интервалы, полученные для разных типов поверхностей Приведенные данные показывают, что имеет место существенная неопределенность в оценках коэффициентов параметрических моделей Большие неопределенности, составляющие 20 - 70% относительной величины, обнаруживаются для коэффициентов, отвечающих объемному рассеянию и геометрическому взаимодействию и меньшие неопределенности (7-10%) связаны с определением изотропного отражения Наиболее широкие доверительные ишервалы получены для лиственного и хвойного лесов При использовании 90%-го уровня вероятности (10%-го уровня значимости) второй и третий коэффициенты моделей определяются с погрешностью порядка 10-30% При этом погрешность определения члена, ответственного за изотропное отражение составляет 10-15% Погрешности

а) Модель Li-Sparse Статистика ко »ффнщкнта ламбертов с кого отражения в ИК диапазоне

5Е

ЕЯ

355 шаш ■ X

з с зс

Пашня Пшеница пеплтиеная Кустарник Лиственный

Проштоготаяя трава Степь Хвойный тсс Соевые бобы

вилы растительности

б) Модель Li-Sparse Статистик*» коэффициента объем пою рассеян*« в ПК диапазоне

Пашня Пшеница иеполивнаи Кусгариик Лиственный лес

Проппогодняя трава Степь Хвойный тес Соевые бобы

пиды растнтсльноп и

в) Модель Li-Sparse Статистика козффипяентл ieo-^erpFi1 .vxoro вгаимолсвствня в ИК диапазоне

Пашня Пшеница потивная Кустарник Лвствеяный лес

Прошлогодняя трава Степь Хвойный лес Соевые бобы

Виды растительности

Рис. 3. Доверительные интервалы для коэффициентов модели Li-Sparse (LS) с верояшостью 95% для различных типов поверхкосгей а) изотропное отражение, б) геометрическое взаимодействие, в) объемное рассеяние

определения угловой зависимости БФРО рассмотрены в п.3.3 Нами рассмотрены результаты восстановления БФРО, основанные на 78 и 26 угловых измерений данного пикселя Первый набор соответствует трем значениям ЗУС 85 (30°, 45° и 60°), второй - одному значению ЗУС 05 Ширина доверительных интервалов, полученных для 78 угловых

измерений, оказывается в 2-3 раза больше той, которая соответствует случаю 26 измерений Сами восстановленные кривые расположены ближе к экспериментальным кривым также в случае использования измерении при одном значении ЗУС Это означает, что использование данных измерений, полученных при нескольких ЗУС 0, , приводит к снижению точности восстановления угловой функции отражения Отметим, что здесь мы использовали измерения при оптимальном значении ЗУС, которое обеспечивает минимальную погрешность решения обратной задачи (см ниже результаты главы 4) Таким образом, можно считать, что измерения, полученные при других ЗУС, могут рассматриваться как избыточные Погрешности определения угловой зависимости спектрального альбедо для разных видов объектов СПР исследованы в п.3.4 Нами использовались полиномиальные аппроксимации, описывающие зависимость альбедо от ЗУС для перехода от функции отражения БФРО к альбедо Пример восстановления альбедо лиственного леса представлен на рис 4 В общем, полученные распределения альбедо соответствуют

5 5 5

4 5

о

3 5 3

2 5

10 20 30 40 50 60 ТО 80

Зенитный угол Солнца

Рис 4 Теоретическая оценка погрешностей восстановления альбедо лиственного леса в видимом диапазоне при измерениях для трех зенитных углов Солнца (30°, 45° и 60°) с использованием модели Гл-Брагее

принятому характеру зависимости от ЗУС 0, минимум достигается в полуденное время, максимальные значения имеют место в начале и в конце светового дня Зависимость от 05 характеризуется вариацией значений альбедо, составляющей, в среднем, около 20 % Погрешности определения альбедо составляют 1-2% в видимом диапазоне спектра и 510% - в ближнем ИК диапазоне Следует, однако, отметить, что

Оце нка альбедо лиственным лес мод ел ь Ll-Spa rse видииыи диапазон

—— Общее число ЗУВ (78) т/Ак1 Error bar f о г "S-%" level

представленные результаты относились к идеализированным случаям равномерного распределения измерений по угловым координатам В случае спутниковых измерений равномерное распределение угловых координат является скорее исключением, чем правилом В п.3.5 представлены результаты сравнения эффективности альтернативных методов обращения, описанных в п 3 1 Проводилось восстановление апьбедо по данным измерений спутниковой системы 8ЕУГЯ1/М8Сг Нами было осуществлено моделирование решения обратной задачи для разных типов объектов СПР в условиях геометрии измерений с помощью системы дистанционного зондирования БЕУНИ/МЯО Были вычислены значения отражательных способностей для каждого из рассмотренных типов поверхностей с помощью модели БФРО ЬБ при постоянных значениях ЗУ В и изменяющихся значениях ЗУС и относительною азимута, соответствующих дневному ходу Солнца для точки на поверхности Земли с координатами 45° с ш и 0° в д Эта точка находится на юго-западе Франции Далее моделированные значения БФРО были «возмущены» случайной погрешностью, составляющей 10% Указанные пофешности должны характеризовать сумму неучтенного вклада, вносимою атмосферой в сигнал, приходящий на приемник спутникового радиометра, и ошибками измерений Точное решение соответствует невозмущенным значениям БФРО, представленным на равномерной сетке углов Рассмотрим лиственный лес

Лиственный лес, ЗВ/ИШЛБС, модель 13, видимый диапазон

Рис.5. Сравнение различных методов воссшювления альбедо лиственного леса в видимом диапазоне по данным измерений спутниковой системы БЕУПШМЗО

Здесь (рис 5) зависимость альбедо от ЗУС является наиболее существенной значения меняются в 3 раза Метод SVD дает наиболее сшаженнуго зависимость альбедо от ЗУС Наиболее точное восстановление достигается с помощью метода статистической регуляризации В этом случае относительная ошибка составляет несколько процентов Методы статистическою обращения и расширенной рырессии (ridge regression) дают сходные результаты по точности решения обратной задачи Суммируя полученные результаты, полученные для разных видов объектов СПР, отметим, что наиболее выраженная зависимость альбедо от ЗУС, имеющая место для плотной растительности (леса, поливная пшеница, травостой), лучше всего восстанавливается с помощью метода статистической регуляризации Напротив, в случае слабых зависимостей альбедо от ЗУС для пашни и редкой растительности успешными оказываются более простые методы QR обращения и расширенной регрессии В целом, наши оценки показывают, что погрешности определения альбедо составляют 14% в видимом диапазоне спектра и 8-15% - в ближнем ИК диапазоне Глава 4 посвящена решению задачи определения оптимальных условий многоугловых измерений В и. 4.1. определено понятие ядро и образ для матрицы А, информационной матрицы Фишера Формулировка задачи оптимального выбора угловых наблюдений представлена в п.4.2. Дается постановка задачи оптимального планирования эксперимента Представлены выражения для «А» и «Д» критериев оптимизации («след» и определитель матрицы Фишера), описан пошаговый алгоритм поиска максимума целевого функционала Дается определение плана эксперимента и выражение для соответствующей функции отклика В п.4.3 рассмотрено применение этой теории к данным измерений Каймса, выполненным для разных типов СПР Анализ вклада погрешностей моделей БФРО при оценках информативности измерений представлен в п.4.4 (рис 6) Для поля неполивной пшеницы графики угловых зависимостей, полученных с помощью БФРО моделей LS и R, в целом схожи Но имеются некоторые отличия в двух плоскостях главного вертикала (ф=0°) и в перпендикулярной плоскости (ф=90°) Например, максимум невязки достигается в перпендикулярной плоскости при использовании модели LS и в плоскости главного вертикала для модели R Для первой модели эффект обратного рассеяния в области углов hot spot (т е, где коэффициент отражения достигает максимальных значений) является недостаточно выраженным из-за низкой пространственной плотности стеблей, предусмотренной в данной модели Следует отметить, что для обеих моделей невязки становятся отрицательными в плоскости, отвечающей азимутальному углу ф =135 Это может быть объяснено тем, что обе модели используют одинаковую параметризацию для объемного рассеяния В целом, обе рассмотренные модели БФРО дают завышенные значения отражательной способности СПР в области рассеяния вперед и вне плоскости главного вертикала из-за недостатков аппроксимации

физическою механизма объемного рассеянна, Напротив, модельные оценки в области углов hot spot регулярно занижены. Хотя невязки между модельными оценками и измерениями являются лишь одним из факторов, влняюишх ка точность восстановления БФРО и альбедо, учет ил позволяет

Л| К !Cvti.v !! 1 - J.I-Spar-iL1 Moment i1] 4 РЧСрСНКЙ 4 НСПОЛМТШОЙ :: jt^M.:::гИ 4 ИИ 1НДОК ¡rtJiia^NMf

> внзнроиапмя

Рис. 6. Расхождение между измеренными значениями ЬФРО (по данным {К)шея. I9H3)) и результатами моделирования БФРО для неполивной пшеницы в полярной системе координат: зенитный (радиус-вектор) и азимутальный (азимут) углы визирования для видимой области спектра и случае 3VC-32c(Li-Sparsc модель).

заранее определить некоторые перспективные области углов при планировании многоугловых измерении. Анализ функций отклика представлен в н.4.5. При ЗУС-ЗО0. функция отклика модели LS имеет минимум для ф-)80°. г.с в области прямого рассеяния. Функция отклика быстро возрастает при приближений азимутального угла к положению главного вертикала ф-0=, lie величина превышает среднее значение, достигаемое в области hot spot, при ЗУОЗО ° и ЗУ045 Для ЗУС" 60 функция отклика для обеих моделей демонстрирует наиболее обширную область минимальных значений функции отклика по сравнению с другими ЗУС. Это указывает на то, что указанная область больших значений ЗУС может быть рекомендована для уменьшения вклада «шума» модели и наблюдении. В 11.4.6 представлены примеры оптимальных схем Измерений. Информационное насыщение наступает, как правило, после отбора 4-6

а)

Пашня - видимый диапазон плоскость главного вертикала

б)

Пашни - видимый диапазон, плоскость главного вертикала

Рис.7. Сравнение результатов восстановления БФРО пашни в зависимости от числа измерений (в видимом диапазоне) а) 26 измерений, б) 4 измерения

углов визирования с помощью алгоритма оптимизации Этот результат позволяет придти к заключению, что минимальное число углов визирования составляет 5 Оптимальные направления визирования расположены как в плоскости главного вертикала, так и в плоскости азимута ф=135°, а для ряда типов СПР в ПИОСКОС1ЯХ, отвечающих азимутальным углам ф-45 0 и 9=40 u Оценка эффекшвниет 0П1имапы<ы\ с\сы ¡ьмерский осуществлялась двумя способами 1) экспериментами по восстановлению БФРО и альбедо, 2) диагностикой статистических характеристик В п.4.7 представлены результаты сравнений точности решения обратной задачи при использовании полною набора угловых измерений Каймса (26 измерений при каждой высоте Солнца) и сокращенного оптимального набора, включающего 3-5 угловых измерений Сокращенные оптимальные пчаны обеспечивают сходные результаты восстановления БФРО для хвойных и лиственных лесов в плоскости главното вертикала В случае неполивной пшеницы и пашни сокращение числа угловых наблюдении позволяет получить улучшение качества восстановления БФРО в области углов «hot spot» (рис 7) Показано, что сокращение числа наблюдений позвотяет уменьшить негативный эффект плохой обусловленности матричного оператора обратной задачи и подавить связанные с )тим «выбросы» значений численного решения В целом, оптимальная схема многоугловых наблюдений полностью оправдала себя в части касающейся точности восстановления отражательных свойств растительных поверхностей Сокращение числа измерений в этом случае не только сохраняет точность определения БФРО, но даже улучшает качество восстановления в наиболее чувствительной области углов «hot spot» В п.4.8 нами представлен анализ наиболее распространенных статистических критериев, связанных с регрессионной постановкой обратной задачи, при разном числе угловых измерений Использовались три статистических средства диагностики (Г) стандартное отклонение, (2) статистика Фишера, (3) статистика R' Указанные характеристики обнаруживают наиболее существенные изменения на шагах алгоритма оптимизации N=3-6 Поскольку рассматриваемые модели БФРО включают три неизвестных коэффициента, то на первых двух шагах оптимизации выявляются сингулярные свойства решения обратной задачи число измерений меньше числа неизвестных Наиболее быстрая сходимость всех статистик к уровню, соответствующему полному набору, состоящему из 26 наблюдений, обнаруживается для поливной пшеницы В этом случае оптимальное число угловых измерений составляет 4 Более медленная сходимость характерна для лиственного леса, когда статистики достигают стационарного уровня после 8 шаюв оптимизационного алгоритма В случае пашни мы по пучили результат, который можно рассматривать как промежуточный между случаями поливной пшеницы и лиственным лесом В целом, полученные результаты позволяют с большей уверенностью говорить о принципиальной возможности эффективно решать обратную задачу восстановления БФРО для растительных поверхностей по сокращенному числу угловых наблюдений, которое мот ут обеспечить современные спутниковые системы

Заключение и выводы

В работе получены следующие основные результаты

1 Впервые в отечественной научной практике на система!ической основе исследована проблема опредепения БФРО и альбедо поверхности суши по данным миогоугловых дистанционных измерений

2 Установлено соответствие между типами поверхностей системы почва-растительность и моделями БФРО, которое обеспечивает наиболее точное восстановления альбедо

3 Выявлены зоны наиболее информативных угловых измерении о сраженной солнечной радиации и условий освсщенносш, отвечающие разным тинам растительности и почв

4 Сформированы статистические ансамбли парамегров для наиболее распространенных моделей БФРО, отвечрюшие разным типам объектов системы почва-растительность

5 Выполнен значительный объем восстановления значений БФРО и альбедо для разных типов поверхностей в разных районах мира по данным спутниковых измерений, даны оценки точности получаемых величин, как на основе теоретических выражений, так и на основе сопоставления с данными наземных наблюдений

6 Осуществлено сравнение нескольких методик обращения данных спутниковых измерений 5ЕУГР.1/М8С Показано, что при решении данной обратной задачи методы регуляризации являю гея наиболее эффекгивными в случае плотной растительности (леса, кустарники, поливная пшеница, соя) При ограничении числа угловых измерений, имеющего место для спутниковой системы ЗЕУШ/МЖ}, методы регуляризации с использованием априорной информации являются единственным средством для получения оценок БФРО и альбедо с приемлемой точностью

7 Представлены оптимальные схемы для многоугловых измерений, относящихся к разным видам объектов СПР пашня, зерновые культуры, луга, лиственные и хвойные леса Выявлены наиболее информативные направления визирования применительно к различным типам почв и растительных покровов Использование наборов оптимальных упюв измерений обеспечивает максимальную точность восстановления альбедо

Выполненные разработки открывают пути для проведения дальнейших исследований в этом направлении Отметим только некоторые из них

« Разработка рекомендаций для разработки отечественных образцов бортовой аппаратуры, обеспечивающей мнад оугловые измерения отраженной солнечной радиации

• Расширение круга решаемых задач в части, касающейся определения биофизических параметров системы почва-распительность, на основе использования результатов восстановления БФРО Глистовой индекс, биомасса, скорость поглощения углекислого газа при фотосинтезе и др)

• Создание оперативной системы определения альбедо системы почва-растительность на территории России по доступным данным зарубежных ИСЗ

Pciy.n.raibi диссертации опубликованы в следующих работах:

1 Покровский И О , Покровский О М 2003 Определение альбедо системы помва-раститслыюсть по данным многоузловых дистанционных измерений отраженной солнечной радиации - Исследования Зеши из космоса, 2003, N 5, с 6-19

2 Покровский И О , Покровский О М, 2007 Многоугловые дист анционные измерения системы почва-растительность отимальные условия эксперимента - Исследования Земли из космоса, 2007, N 1, с 14-37

3 Pokrovsky I О, Pokrovsky О М and J -L Roujean 2003 Development of an operational procedure to estimate suiface albedo from the SEVIRI/MSG observing system by using POLDER BRDF measurements I Data quality control and accumulation of information corresponding to the IGBP land cover classes - Remote Sensing of Environment, v 87, issues 2-3, p 198-214

4 Pokrovsky IО, Pokrovsky О M and J -L Roujean 2003 Development of an operational procedure to estimate surface albedo from the SEVIRI/MSG observing system by using POLDER BRDF measurements II Comparison of several inversion techniques and uncertainty in albedo estimates - Remote Sensing of Environment, v 87, issues 2-3, p 215-242

5 Pokrovsky I О , Pokrovsky О M, et J -L Roujean, 2003 Development of an operational procedure to estimate surface albedo from the SEVIRI/MSG observing system by using POLDER BRDF measurements Proceedings of IGARSS conference, Toulouse, IEEE publication, v. VI, p 3905-3907

6 Pokrovsky IО, Pokrovsky О M., et J -L Roujean, 2005, Operational procedure to estimate the surface albedo from the SEVIRI/MSG observing system. Proceedings of the 31-th International symposium on remote sensing of environment, CD, Publ by Arizona University - Paper PS2-3 7

7 Покровский И О 2006 Применение многоугловых дистанционных измерений отраженной солнечной радиации для определения оптических свойств системы почва растительность оптимальное планирование эксперимента - Международный симпозиум стран СНГ «Атмосферная радиация», тезисы докладов, изд-во С-Пб ГУ, с 36

8 Pokrovsky I О, Pokrovsky О М, 2006 Multi-Angular Remote Sensing Measurement Implementation to Retrieve The Soil-Vegetation Land Cover Properties. Experiment Optimal Design — Proceedings of The XIII International Symposium "Atmospheric and Ocean Optics Atmospheric Physics ", Tomsk, с 78

Содержание диссертации, кандидата физико-математических наук, Покровский, Игорь Олегович

Введение

Глава 1. Постановка задачи и ее современное состояние 1.1 .Основные этапы решения задачи 1.2.Определение величин альбедо

1.3. Геометрия многоугловых измерений и постановка обратной задачи 1 ААтмосферная коррекция данных спутниковых наблюдений

1.5.Получение спектральных альбедо на основе значений бинаправленной функции распределения отражения

1.6.Переход от спектральных к интегральным значениям альбедо

Глава 2. Моделирование бинаправленной функции распределения отраженной радиации

БФРО) и альбедо для разных типов растительности и почв

2.1. Параметрические модели БФРО для СПР

2.2. Методология аппроксимации многоугловых измерений с использованием параметрических моделей БФРО

2.2.1. Методы декомпозиции

2.2.2. Статистики остатков для параметрической модели БФРО

2.3. Описание массива данных многоугловых измерений отраженной радиации

2.4. Эксперименты с массивами наблюдений, полученными при нескольких углах Солнца

2.5. Сравнение эффективности моделей БФРО

Глава 3. Методы решения обратной задачи и оценки точности восстановления бинаправленной функции распределения отраженной радиации и альбедо разных типов растительности и почв по данным многоугловых измерений

3.1. Описание методов регуляризации для решения обратной задачи

3.2. Оценка точности восстановления коэффициентов модели БФРО

3.3. Погрешности определения угловой зависимости функции отражения

3.4. Погрешности определения угловой зависимости альбедо

3.5. Сравнение эффективности альтернативных методов обращения при восстановлении альбедо по данным измерений спутниковой системы SEVIRI/MSG

Глава 4. Оптимальное планирование многоугловых измерений.

4.1. Математические аспекты решения обратной задачи по данным многоугловых измерений с использованием моделей БФРО

4.2. Формулировка задачи оптимального выбора угловых наблюдений

4.3. Применение к данным многоугловых наблюдений in situ

4.4. Анализ вклада погрешностей моделей БФРО

4.5. Анализ функции отклика

4.6. Примеры оптимальных схем многоугловых измерений

4.7. Оценка эффективности оптимальных схем измерений

4.8. Статистическая диагностика оптимальных планов эксперимента

Введение Диссертация по наукам о земле, на тему "Определение альбедо системы почва-растительность по данным дистанционных многоугловых измерений"

Альбедо представляет собой долю солнечной энергии, отраженной поверхностью суши, и поэтому относится к числу важнейших компонентов климатической системы. Альбедо также характеризует долю солнечной энергии, поглощенной поверхностью и преобразующейся в явное и скрытое тепло. По оценкам (Sorensen, 1981) на долю альбедо приходится около 8% энергетического баланса Земли.

В отличие от альбедо морской поверхности альбедо суши подвержено значительным пространственным и временным изменениям. Наиболее существенные колебания характерны для альбедо снежного и ледового покрова, что обуславливает особую важность решения данной задачи с учетом климатических условий России. Часть изменчивости альбедо непосредственно связана с хозяйственной деятельностью человека: сведение лесов, расширение площадей сельскохозяйственного назначения и др.

Изменения климата (количества выпадающих осадков, температуры воздуха и почвы), i влияющие на сдвиг фаз вегетации оказывает определенное влияние на годовые и месячные величины альбедо суши, их годовой ход. Это, прежде всего, касается системы почва-растительность (СПР), которая представляет собой большую часть поверхности суши. Поэтому именно альбедо СПР привлекает особое внимание исследователей на протяжении многих лет (Barnsley, и др., 1994; Berthelot, и др., 1994; Deschamps, и др., 1994; Diner D.J. и др. (всего16 авторов), 1998; Gao, и др. 2001а; Gao, и др. 20016; Pinty, и др., 2000; Strahler, and Muller, 1999).

Если сравнивать масштаб пространственной изменчивости альбедо СПР со стандартными метеорологическими величинами (температура воздуха, атмосферное давление, скорость ветра, осадки), то становится понятно, что он минимален по сравнению с тем, чем нам приходится иметь дело в метеорологии. Для температуры и давления в свободной атмосфере характерны масштабы, составляющие тысячи км, для скорости ветра - сотни км, для осадков - десятки км. Для альбедо СПР за исключением протяженных однородных поверхностей (пустыни, степи) характерны масштабы, составляющие десятки или сотни м. Поэтому, измерения альбедо, проводимые на площадках метеорологических станций, которые представляют собой травяные лужайки, можно считать недостаточно репрезентативными при изучении климата и его изменений.

На заре радиационных исследований (Кондратьев, 1954, Соболев, 1972) делались предположения о применимости закона Ламберта для отражения солнечного света поверхностью суши. Однако, более поздние работы (Barnsley, и др., 1994; Berthelot, и др.,

1994; Deschamps, и др., 1994; Diner D.J. и др., 1998; Kimes, 1983; Kimes, и др., 1985; Kimes, и др., 1986; Leroy, и др., 1997) показали, что в случае СПР, такое упрощение неприемлемо, поскольку не учитывает многократное рассеяние света в кронах растений и деревьев. Также не учитывается рассеяние между соседними кронами (стеблями), поверхностью почвы и атмосферой. Это привело к развитию теории и практики изучения бинаправленнной функции распределения отражения (БФРО) солнечной радиации для СПР (Wanner, Li, and Strahler, 1995; Lucht, 1998). В английском оригинале - Bidirectional Reflectance Distribution Function (BRDF).

Развитие работ по изучению БФРО шло параллельно и согласованно с разработкой спутниковых систем многоугловых дистанционных измерений, которые должны были обеспечивать определение БФРО для земных ландшафтов путем решения обратной задачи теории переноса коротковолновой (KB) радиации в СПР (Lucht, 1998; Lucht and Lewis, 2000; Wanner, и др., 1997). Для информационного обеспечения спутникового мониторинга альбедо СПР в конце 70-х и начале 80-х годов было проедено много полевых и лабораторных исследований БФРО. Наиболее полные и всесторонний цикл натурных исследований провел Кайме (Kimes, 1983; Kimes, и др., 1985; Kimes, и др., 1986), который изучил БФРО для всех важнейших типов объектов, относящихся к СПР (лиственные и хвойные леса, тундра, зерновые культуры, степи, луга, поля, почвы и грунты).

Работы Каймса были востребованы по ряду причин. Во-первых, его экспериментальные данные служили основой для валидации разрабатываемых математических моделей БФРО и выявления лучших среди них (Ни, и др., 1997; Li, and Strahler, 1992). Во-вторых, служили основой для обеспечения решения обратных задач дистанционного зондирования, включая использование его данных в качестве априорной информации. В третьих, требовались для экспериментального определения передаточной функции атмосферы при сопоставлении наземных значений БФРО и их аналогов, полученных на уровне верхней границы атмосферы.

До недавнего времени считалось, что основным потребителем спутниковой информации об альбедо СПР должны быть модели общей циркуляции атмосферы (МОЦА), используемые для численного прогноза погоды. Более точно, речь шла об использовании этих данных в схемах параметризации радиационных и тепловых потоков у поверхности суши. Однако, позднее (Анисимов, 1988; Будыко и др., 1988; Кароль, 1988; Кобышева, 2001; Кондратьев, 1992; Краснокутская, 1983; Покровский, и др., 2003; Dickinson, 1983; Leroy, и др., 1997; Lucht and Roujean, 2000) стало ясно, что область применения указанных данных оказывается значительно шире и включает следующие области исследований:

• Моделирование климата и реанализ данных наблюдений

• Землепользование и менеджмент в области охраны окружающей среды

• Применение в лесном и сельском хозяйстве

• Изучение биомассы растительности и солнечной энергии с точки зрения оценки возобновляемых источников энергии

• Климатологические оценки изменений климата на основе анализа временных рядов данных.

Опыт спутниковых экспериментов по восстановлению альбедо СПР показал, что точность получаемых оценок не является достаточной для многих приложений. Поэтому при решении обратной задачи восстановления БФРО целесообразно привлечение дополнительной информации (Li, и др. 2001; Pokrovsky, и др. 2003а). Основным источником такой информации должны быть данные наземных наблюдений альбедо. В этой связи нельзя не отметить большой опыт, накопленный в нашей стране и, в частности, в ГГО им. А.И.Воейкова по вопросам методического руководства наблюдений альбедо (Гаевский, 1955; Гаевский, 1961; Гальперин, 1938; Гойса, 1962; Калитин, 1929; Махоткина, и Янишевский, 1976;) и анализа полученной информации (Берлянд, 1961; Берлянд, и Мухенберг, 1963; Кондратьев, 1954; Кондратьев, 1962; Кондратьев, 1969; Кондратьев, 1979; Кондратьев, 1981; Морозова, 1983; Морозова, и Грешникова, 1988; Морозова, 1994; Морозова, и Мясников, 1999; Мухенберг, 1963; Мухенберг, 1965; Мухенберг, 1967; Покровский, и Махоткина, 2002; Росс, 1962). Поэтому можно считать естественным продолжение отечественных работ по тематике исследования альбедо поверхности суши на новой технологической основе с применением данных спутниковых измерений.

Цель данной работы состояла в разработке и реализации теоретических основ метода восстановления альбедо СПР по данным многоугловых дистанционных измерений, чтобы создать предпосылки для начала отечественных исследований в этой области. При этом планировалось решение наиболее сложных и малоизученных вопросов: формирование априорной информации о решении обратной задачи, выбор оптимальных условий измерений и разработка методов регуляризации, обеспечивающих устойчивое решение обратной задачи даже в условиях дефицита геометрии угловых измерений. Актуальность темы исследования определяется тем, что альбедо СПР относится к числу важнейших климатообразующих факторов. Альбедо в отличие от других метеорологических величин, обладает наибольшей пространственно-временной изменчивостью. Последнее обстоятельство определяет исключительную и безальтернативную роль спутниковых систем измерений альбедо СПР.

Новизна работы заключается в том, нами впервые в отечественной практике предпринята попытка целостного рассмотрения задачи восстановления БФРО и альбедо по данным многоугловых дистанционных измерений. Благодаря использованию нового статистического метода решения обратной задачи, удалось получить теоретические оценки погрешностей восстановления угловых зависимостей БФРО и спектрального альбедо для разных типов СПР, чего еще не было в работах других авторов. Более того, впервые в мировой практике поставлена и решена задача определения оптимальных условий проведения эксперимента.

Практическая значимость диссертации связана с тем, что ее результаты позволяют сформулировать основные требования к техническим характеристикам бортового спутникового сканирующего радиометра, предназначенного для мониторинга свойств растительности на поверхности суши. Статистический метод решения обратной задачи может быть использован в оперативной схеме обработки многоугловых дистанционных измерений при восстановлении спектральных БФРО и альбедо. В задачи работы входили:

1. Проведение всестороннего анализа современного состояния проблемы восстановления БФРО и альбедо по данным многоугловых спутниковых измерений. Определение модульной структуры оперативной схемы обработки радиометрических данных для построения карт альбедо больших территорий.

2. Решение задачи определения оптимальных условий проведения эксперимента, включающих выбор геометрии визирования (наборы зенитных и азимутальных углов визирования) и оптимальных условий освещенности (высоты Солнца).

3. Выбор наиболее точных моделей БФРО, отвечающих основным типам ландшафтов и объектов СПР. Классификация объектов СПР с точки зрения их представления посредством измеренных значений БФРО.

4. Сравнение различных методов решения обратной задачи восстановления БФРО и альбедо по данным спутниковых измерений POLDER/ADEOS и SEVIRI/MSG. Получение оценок точности определения альбедо при разных условиях освещенности и для разных типов СПР.

В первой главе даны необходимые предварительные сведения, сформулирована решаемая задача и представлено современное состояние рассматриваемой научной проблемы. Вторая глава посвящена вопросам сравнения существующих моделей БФРО и их эффективность для описания оптических свойств разных ландшафтов и типов СПР. В третьей главе представлены результаты сравнения результатов восстановления БФРО и альбедо для разных типов СПР с использованием данных спутниковых измерений, полученных с помощью системы дистанционного зондирования SEVIRI/MSG, даны оценки точности получаемых величин, как на основе теоретических выражений, так и на основе сопоставления с данными наземных наблюдений. Вопросы выбора оптимальных условий многоугловых дистанционных измерений с целью восстановления БФРО: выбор информативных условий визирования (зенитные и азимутальные углы) и условий освещенности (зенитные углы Солнца) рассмотрены в четвертой главе. В заключение сформулированы важнейшие выводы работы и даны рекомендации для дальнейших исследований.

Заключение Диссертация по теме "Физика атмосферы и гидросферы", Покровский, Игорь Олегович

Заключение и выводы

В работе получены следующие основные результаты:

1. Впервые в отечественной научной практике на систематической основе исследована проблема определения БФРО и альбедо поверхности суши по данным многоугловых дистанционных измерений

2. Установлена соответствие между типами поверхностей системы почва-растительность и моделями БФРО, которое создает предпосылки для наиболее точного восстановления альбедо.

3. Выявлены зоны наиболее информативных угловых измерений отраженной солнечной радиации и условий освещенности, отвечающие разным типам растительности и почв.

4. Сформированы статистические ансамбли параметров для наиболее распространенных моделей БФРО, отвечающие разным типам объектов системы почва-растительность.

5. Разработана схема автоматической фильтрации данных спутниковых измерений, зашумленных вкладом облачности, которая не была выявлена при предварительной обработке.

6. Выполнен значительный объем восстановления значений БФРО и альбедо для разных типов поверхностей в разных районах мира по данным спутниковых измерений POLDER/ADEOS и SEVIRI/MSG, даны оценки точности получаемых величин, как на основе теоретических выражений, так и на основе сопоставления с данными наземных наблюдений.

7. Осуществлено сравнение нескольких методик обращения данных спутниковых измерений POLDER/ADEOS и SEVIRI/MSG. Показано, что методы регуляризации являются наиболее эффективным методом решения данной обратной задачи. В случае ограничения области угловых измерений, имеющего место для спутниковых систем AVHRR/NOAA и SEVIRI/MSG, методы регуляризации с использованием априорной информации являются единственным средством для получения оценок БФРО и альбедо с приемлемой точностью.

Выполненные разработки создают перспективу для проведения дальнейших исследований в этом направлении. Отметим только некоторые из них:

• Разработка предложений для создания отечественных образцов бортовой аппаратуры, обеспечивающих многоугловые измерения отраженной солнечной радиации

• Расширение круга решаемых задач в части, касающейся определения биофизических параметров системы почва-растительность, на основе использования результатов восстановления БФРО (листовой индекс, биомасса, скорость поглощения углекислого газа при фотосинтезе и др.)

• Создание оперативной системы определения альбедо системы почва-растительность на территории России по доступным данным зарубежных ИСЗ

Данная работа выполнена в рамках проектов РФФИ 05-01-65-283-а и 05-02-64-757-а. Автор участвовал в работах по созданию оперативной системы восстановления альбедо суши в рамках европейского проекта LANDSAF в Meteo-France (Франция), получая подцержку от Европейского Агентства по Метеорологическим Спутникам (EUMETSAT) в 2002-2003 гг.

Библиография Диссертация по наукам о земле, кандидата физико-математических наук, Покровский, Игорь Олегович, Санкт-Петербург

1. Анисимов О.А. 1988. Комплексная методика расчета радиационного режиманеоднородной растительности. Метеорология и гидрология, 1988, № 1, с. 48-55.

2. Берлянд Т.Г, 1961. Распределение солнечной радиации на континентах. Л.,

3. Гидрометеоиздат, 1961,227 с.

4. Берлянд Т.Г., Мухенберг В.В. 1963. Роль поглощений радиации в формированиирадиационного баланса. Труды ГГО, 1963, вып.139, с.3-15.

5. Будыко М.И., Байкова И.М., Ефимова Н.А., Строкина JI.A. 1988. О связи альбедоподстилающей поверхности с изменениями климата. Метеорология и гидрология, 1998, № 6, с. 5-10

6. Ван де Хюлст Г. 1961. Рассеяние света малыми частицами.—М., Изд-во иностр. лит-ры,1961,541 с.

7. Гаевский B.J1. 1955. Альбедо больших территорий. Труды ГГО, 1955, вып. 46.

8. Гаевский B.J1. 1961. Радиационный режим территории СССР. JL, Гидрометеоиздат,1961.

9. Гальперин Б.М. 1938. Альбедо сельскохозяйственных угодий. Соц. Зерновое хозяйство,1938, №5, с. 179-192.

10. Гойса Н.И. 1962. Краткая характеристика альбедо территорий Украины. Труды

11. УкрНИГМИ, 1962, вып. 31. с. 20-31

12. Гойса Н.И. 1962. Некоторые закономерности суточного и годового хода радиационногобаланса подстилающей поверхности и его составляющих. Труды УкрНИГМИ, 1962, вып. 31, с. 60-81.

13. Калитин Н.Н. 1929. Альбедо земной поверхности. Метеорологический вестник, №9-12, 1929

14. Кароль И.Л. 1988. Введение в динамику климата Земли. Л.: Гидрометеоиздат, 1988, 215 с.

15. Кобышева Н.В., Гольберг М.А. 1990. Методические указания по статистической обработке метеорологических рядов. Л.: Гидрометеоиздат, 1990, 85 с.

16. Кобышева Н.В. (ред.) 2001, Климат России, СПб, Гидрометеоиздат, 2001, 654 с.

17. Кондратьев К.Я. 1954. Лучистая энергия Солнца, Л., Гидрометеоиздат, 1954, 600 с.

18. Кондратьев К.Я. (ред.) 1981. Альбедо и угловые характеристики отраженияподстилающей поверхности и облаков, Л., Гидрометеоиздат, 1981 г., 232 с.

19. Кондратьев К.Я. (ред.) 1979. Радиационные процессы в атмосфере и на земнойповерхности, Л., Гидрометеоиздат, 1979 г., 279 с.

20. Кондратьев К.Я. (ред.) 1969. Радиационные характеристики атмосферы и земнойповерхности, JI., Гидрометеоиздат, 1969 г., 563 с.

21. Кондратьев К.Я. 1992. Глобальный климат. СПб.: Наука, 1992, 358 с.

22. Кондратьев К.Я. 1962. Спектральное альбедо естественных подстилающихповерхностей. Метеорология и гидрология, 1960, №5.

23. Краснокутская Л.Д.1983. Альбедо системы подстилающая поверхность облачнаяатмосфера. Метеорология и гидрология, 1983, № 6, с. 24-32.

24. Махоткина Е.Л., Губина Т.П., Павлов А.В. 1994. Особенности прихода суммарной радиациик земной поверхности в условиях пасмурного неба на территории СССР. Изв. РАН, сер, физ. атм. и океана, 1994, т.ЗО, № 3.

25. Махоткина Е.Л., Янишевский Ю.Д. 1976. Характеристики распределения зональнойрадиации и ее сумм. Труды ГТО, 1976 г., вып. 357.

26. Махоткина Е.Л., Ястребова Т.К., Ильин Б.М. 1984. Алгоритмы машинной обработкирезультатов регистрации радиационного баланса и его составляющих. -Труды ГГО, 1984 г., вып. 472.

27. Монин А.С., Шишков Ю.А. 1979. История климата. Л.: Гидрометеоиздат, 1979. 407 с.

28. Морозова И.В. 1983. Методика расчета годовых значений альбедо подстилающейповерхности внетропических широт. Труды ГГО, 1983, вып. 488, с. 66-74.

29. Морозова И.В., Грешникова Л.Е. 1988. Альбедо подстилающей поверхности территории

30. СССР, Труды ГГО, 1988, вып. 520, с. 69-72.

31. Морозова И.В. 1994. О расчете месячных значений альбедо подстилающей поверхности.

32. Известия АН. Физика атмосферы и океана, 1994, т. 30, № 3, с. 402-404.

33. Морозова И.В., Мясников Г.Н. 1999. Исследование минимального поступлениясуммарной солнечной радиации на поверхность Земли Метеорология и гидрология, 1999, №9, с. 36-47.

34. Мухенберг В.В. 1967. Альбедо поверхности суши земного шара. Труды ГГО, 1967,вып. 193, с. 24-36.

35. Мухенберг В.В. 1963. Альбедо подстилающей поверхности Советского Союза. Труды

36. ГГО, 1963, вып. 133, с. 43-59.

37. Мухенберг В.В. 1965. Междугодовая изменчивость альбедо и влияние ее на поглощенную радиацию. Труды ГГО, 1965 , вып. 233, с. 94-98.

38. Покровский О.М. 1984. Оптимизация метеорологического зондирования атмосферы со спутников. Л.,Гидрометеоиздат, 1984, 267 с.

39. Покровский О.М., Махоткина Е.Л. 2002. Анализ межгодовой изменчивости и сезонного хода альбедо по данным актинометрической сети России. Исследования Земли из космоса, 2002, N 5, с.22-28.

40. Покровский И.О., Покровский О.М. 2003. Определение альбедо системы почварастительность по данным многоугловых дистанционных измерений отраженной солнечной радиации. Исследования Земли из космоса, 2003, N 5, с.6-19.

41. Покровский О.М., Махоткина E.JL, Покровский И.О, Рябова J1.M. 2003. Анализ трендов временных рядов компонентов радиационного баланса для территории России. Тезисы докладов Всемирной конференции по изменению климата, Москва, 2003, с. 431.

42. Покровский О.М., Махоткина E.JL, Покровский И.О., Рябова J1.M 2004. Тенденциимежгодовых колебаний составляющих радиационного баланса и альбедо поверхности суши на территории России. Метеорология и гидрология, 2004, N 5, с. 37-46.

43. Покровский И.О., Покровский О.М., 2007. Многоугловые дистанционные измерениясистемы почва-растительность: оптимальные условия эксперимента. Исследования Земли из космоса, 2007, N 1.

44. Розинкина И. А. 2001. Модель Гидрометцентра России почва растительностьприземный слой атмосферы: алгоритм и результаты тестирования. Метеорология и гидрология, 2001, № 3, с. 19-33.

45. Росс Ю.К. 1962. К теории альбедо растительного покрова. Научные сообщения Ин-тагеологии и географии АН Лит. ССР, 1962, т. 13, с. 151-165.

46. Соболев В. В. 1972. Рассеяние света в атмосферах планет. М.: Наука, 1972. 335 с.

47. Успенский А.Б., Федоров В.В. 1971. Вычислительные аспекты метода наименьшихквадратов в анализе и планировании регрессионных экспериментов., 1975, М., изд. МГУ, 196 с.

48. Федоров В.В. Теория оптимального эксперимента., М., Наука, 1971, 310 с.

49. Чандрасекар С. 1953. Перенос лучистой энергии.—М., Изд-во иностр. лит-ры, 1953, 367 с.

50. Abramovitch М. and I.A. Stegun, 1964, Handbook of mathematical functions. US

51. Government Printing Office, 26.6.2, 651 p.

52. Aitken, M.A., 1974, Simultaneous inference and the choice of variable subsets in multipleregression. Technometrics, v. 16, p.221-227.

53. Anderson, T.W., 1958, An Introduction to Multivariate Statistical Analysis, N.Y., John Wiley and Sons Inc., 548 p.

54. Arvesen, J.N. and G.P. McCabe, 1975, Subset selection problems for variances with applications to regression analysis. J. Amer. Statist. Assoc., v.70, p.166-170.

55. Barnsley M.J., Strahler A.H., Morris K.P., and J.P. Muller, 1994, Sampling the surface bidirectional reflectance distribution function (BRDF): Evaluation of current and future satellite sensors, Remote Sensing Reviews, 8,271-311.

56. Behnken, D. W. and Draper N., 1972. Residuals and their variance patterns. Technometrics, v. 14, p.101-111.

57. Berthelot В., 2001, Coefficients SMACpour MSG, Noveltis Internal Report NOV-3066-NT-834.

58. Bicheron, P., and M.Leroy, 2000. BRDF signatures of major biomes observed from space. J. Geophys. Res.,\. 105, p.26669 26681.

59. Briegleb B.P., P. Minnis, V. Ramanathan, and E. Harrison, 1986, Comparison of Regional Clear-Sky Albedos Inferred from Satellite Observations and Model Computations, Journal of Applied Meteorology, 25, 2, 214-226.

60. Derrien M., 2002, Specifications Calibration SEVIRl, SPEC/MSG/001 vl.3, 2002, Meteo-France/CMS.

61. Deering, D.W., Eck T.F., and T.Grier, 1992, Shinnery oak bidirectional reflectance properties and canopy model inversion., IEEE Trans. Geosci. Remote Sens., v.30, p.339-348.

62. Deschamps, P.Y., Breon F.M., M. Leroy, Podaire A., Bricaud A., Buriez J.C., and G.Seze, 1994, The POLDER mission: Instrument characteristics and scientific objectives, IEEE Trans. Geosci. Remote Sens., v.32, p.598-615.

63. Dickinson R.E., 1983, Land surface processes and climate Surface albedos and energy balance, Advances in Geophysics, 25, 305-353.

64. Diner D.J. et al. (16 authors), 1998, Multi-angle imaging spectro-radiometer (MISR) instrument description and experiment overview, IEEE Transactions on Geoscience and Remote Sensing, 36, 1072-1087.

65. Draper, N. and H. Smith, 1981, Applied regression analysis, second edition, N.Y., John Wiley and Sons Inc., 1981, 467 p.

66. Gao F., Schaaf C.B., Strahler A.H. and W.Lucht, 2001a, Using a multi-kernel least-variance approach to retrieve and evaluate albedo from limited bi-directional measurements, Remote Sens. Environ., v.76, p.57-66.

67. Gao F., Li, X., Strahler A.H. and Schaaf C.B., 2001b, Comparison and validation of the new Li-Transit kernel, Remote Sens. Environ., v.76, p.

68. Geiger В., Hagolle O., and P. Bicheron, 2005, CYCLOPES-Project: Directional Normalisation, Algorithm Theoretical Basis Document, version 2.0.

69. Gill, P.E., W. Murray, and M.H. Wright, 1991, Numerical Linear Algebra and Optimization,

70. Vol. 1, Addison Wesley, 1991, 346 p.

71. Giard, D. and E. Bazile, 2000, Implementation of a new assimilation scheme for soil and surface variables in a global NWP model, Monthly Weather Review, vol. 128, pp 997- 1015.

72. Goodall, C. R., 1993, Computation using the QR decomposition. Handbook in Statistics,

73. Volume 9. Statistical Computing (C. R. Rao, ed.). Amsterdam, NL Elsevier/North-Holland, 786p

74. Hoerl A.E., and R.W. Kennard, 1970, Ridge regression: biased estimation for non-orthogonal problems., Technometrics, v. 12, p.55-67.

75. Hook S. J., 1998, ASTER Spectal Library, http://speclib.jpl.nasa.gov

76. Ни В., Lucht W., Li X., and A.H. Strahler, 1997, Validation of kernel-driven modelsfor global modeling of bidirectional reflectance, Remote Sensing of Environment, 62, 201-214.

77. Justice C.O. et al. (23 authors), 1998, The Moderate Resolution Imaging

78. Spectroradiometer (MODIS): Land remote sensing for global change research, IEEE Transactions on Geoscience and Remote Sensing, 36, 1228-1249.

79. Kimes, D.S., 1983, Dynamics of directional reflectance factor distribution for vegetation canopies, Appl. Optics, v. 22 p. 1364-1372.

80. Kimes, D.S., Newcomb, W.W., Tucker, C.J., Zonneveld, I.S., Van Wijngaarden, W., de1.euw, J., and Epema, G.F., 1985, Directional reflectance factor distributions for cover types of Northern Africa, Remote Sens. Environ., v. 18, p. 1-19.

81. Kimes, D.S., and Sellers, P.J., 1985, Inferring hemispherical reflectance of the earth'ssurface for global energy budgets from remotely sensed nadir of directional radiance values, Remote Sens. Environ., v. 18, p.205-223.

82. Kimes, D.S., Newcomb, W.W., Nelson, R.F., and Schutt, J.B., 1986, Directional reflectancedistributions of a hardwood and a pine forest canopy, IEEE Trans. Geosci. Remote Sens., GE-v. 24, p.281-293.

83. Kimes, D.S., Sellers, P.J., and Diner, D.J., 1987, Extraction of spectral hemisphericalreflectance (albedo) of surfaces from nadir and directional reflectance data, Int. J. Remote Sens., v.,8 p.1727-1746.

84. Kondratyev K.Ya., Buznikov A.A., Pokrovsky O.M. 1996. Global Change and Remote

85. Sensing. Chichester, J.Wiley and Sons, Praxis Publ., 370 p.

86. Leroy M., Deuze J.L., Breon F.M., Hautecoeur O., Herman M., Buriez J.C., Tanre D.,

87. Bouffies S., Chazette P., and J.L. Roujean, 1997, Retrieval of atmospheric properties and surface bidirectional reflectances over the land from POLDER/ADEOS, Journal of Geophysical Research, 102(D14), 17023-17037.

88. Li, X. and Strahler, A.H., 1992, Geometric-optical bi-directional reflectance modeling of thediscrete crown vegetation canopy: Effect of crown shape and mutual shadowing, IEEE Trans. Geosci. Remote Sens., v.30, p.276-292.

89. Li X., Gao F., Wang J., and A. Strahler, 2001, Л priori knowledge accumulation andits application to linear BRDF model inversion, Journal of Geophysical Research, 106(D11), 11925-11935.

90. Lucht, W., 1998, Expected retrieval accuracies of bi-directional reflectance and albedo from

91. EOS-MODIS and MISR angular sampling, J. Geophys. Res., v. 103, p. 8763-8778.

92. Lucht W. and P. Lewis, 2000, Theoretical noise sensitivity of BRDF and albedoretrieval from the EOS-MODIS and MISR sensors with respect to angular sampling, International Journal of Remote Sensing, 21,1, 81-98.

93. Lucht W. and J.L. Roujean, 2000, Considerations in the parametric modeling of

94. BRDF and albedo from multiangular satellite sensor observations, Remote Sensing Reviews, 18, 343-379.

95. McCabe, G.P., 1979, Evaluation of regression coefficient estimates using a-acceptability., Technometrics, v.20, p.131-139.

96. McDonald, G.C., 1975, Discussion of "ridge analysis following a preliminary test of a shrunken hypothesis",, Technometrics, v. 17, p.443-445.

97. McDonald, G.C. and Schwing R.C., 1973, Instability of regression estimates relating air pollution to mortality., Technometrics, v.15, p.463-481.

98. Obenchain, R.L., 1977, Classical F-tests and confidence regions for ridge regression. Technometrics, v. 19, p.429-439.

99. Pinty В., Roveda F., Verstraete M.M., Gobron N., Govaerts Y., Martonchik J.V.,

100. Diner D.J., and R. A. Kahn, 2000, Surface albedo retrieval from Meteosat. 1. Theory, Journal of Geophysical Research, 105(D14), 18099-18112

101. Pokrovsky, O.M., and J.L. Roujean, 2002 a, Land surface albedo retrieval via kernel-based BRDF modeling: I. Statistical inversion method and model comparison., Remote Sens. Environ., 84,100-119.

102. Pokrovsky, O.M., and J.L. Roujean, 2002 b, Land surface albedo retrieval via kernel-based BRDF modeling: II. An optimal design scheme for the angular sampling , Remote Sens. Environ., 84, 120-142.

103. Pokrovsky O.M., Makhotkina E.L., Pokrovsky I.O., Ryabova L.M. 2004, Land Surface

104. Radiation Budget Response to Global Wanning: Case Study for European and Asian Radiometric Network.- Proceedings of the ACIA International Scientific Symposium on

105. Climate Change in Arctic, Reykjavik, November 2004, Publ. by AMAP, Oslo, Norway, October 2004, Paper N3.3, p. 1-5.

106. Press W. H., Teukolsky S. A., Vetterling W. Т., and B. P. Flannery, 1992, Numerical

107. Recipes in Fortran, Cambridge University Press.

108. Privette, J.L., Myneny R.B., Tucker C.J., and W.F. Emery, 1994, Invertibility of a 1-D discrete ordinates canopy reflectance model, Remote Sens. Environ., v.48, p. 89-105

109. Rahman H. and G. Dedieu, 1994, SMAC: A simplified method for the atmospheric correction of satellite measurements in the solar spectrum, International Journal of Remote Sensing, 15,1,123-143.

110. Ranson K.J., Biehl L.L. and M.E.Bauter, 1985, Variation in spectral response of soybean with respect to illumination, view and canopy geometry. Int. J. Remote Sensing, v.6, p. 1827-1842.

111. Roujean J.-L., M. Leroy, and P.-Y. Deschamps, 1992, A bidirectional reflectancemodel of the Earth's surface for the correction of remote sensing data, Journal of Geophysical Research, 97(D18), 20455-20468.

112. Sorensen B. 1979. Renewable Energy., Academic Press, 1979, 682 p.

113. Strahler, A.H.,and J.P. Muller (Ed.), 1999, MODIS BRDF/Albedo Product: Algorithm Theoretical Basis Document version 5.0, 53 p.

114. Samain O., 2005, Fusion multi-capteurs de donnees satellitaires optiques pour la determination de variables biophysiques de surface, Ph.D.-Thesis, Universite Paul Sabatier, Toulouse.

115. Sellers, P.J., Y.Mintz, Y.C.Sud and A.Duldres, 1986, Simple Biosphere (SiB), Model for Use Within General Circulation Models, J. Atm. Sci., v. 43, p. 505-531.

116. Strahler A.H., 1994, Vegetation canopy reflectance modeling Recent developments and remote sensing perspectives, Proceedings of the 6 th International Symposium on Physical Measurements and Signatures in Remote Sensing, 593-600.

117. Verhoef W., 1984, Light scattering by leaf layers with application to canopy reflectance modeling, the SAIL model, Remote Sensing of Environment, 16,125141.

118. Walthall, C.L., Norman, J.M., Welles, J.M., Campbell, G. and Blad, B.L., 1985, Simple equation to approximate the bi-directional reflectance from vegetation canopies and bare soil surfaces, Appl. Optics, v.24, p. 383-387.

119. Wanner W., Li X., and A.H. Strahler, 1995, On the derivation of kernels for kernel-driven models of bidirectional reflectance, Journal of Geophysical Research, 100(D10), 21077-21090.

120. Wilkinson J.H., 1965, The algebraic eigenvalue problem. Clarendon Press, Oxford, 438 p.