Бесплатный автореферат и диссертация по географии на тему

Определение параметров облачности по данным искусственных спутников Земли

ВАК РФ 11.00.09, Метеорология, климатология, агрометеорология

Автореферат диссертации по теме "Определение параметров облачности по данным искусственных спутников Земли"

МОСКОВСКИЙ ОРДЕНА ЛЕНИНА, ОРДЕНА ОКТЯБРЬСКОЙ РЕВОЛЮЦИИ И ТРУДОВОГО КРАСНОГО ЗНАМЕНИ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М. В. ЛОМОНОСОВА

Географический факультет

На правах рукописи

ЧИЧКОВА Елена Федоровна

ОПРЕДЕЛЕНИЕ ПАРАМЕТРОВ ОБЛАЧНОСТИ ПО ДАННЫМ ИСКУССТВЕННЫХ СПУТНИКОВ ЗЕМЛИ

11.00.09 - метеорология, климатология, агрометеорология

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата географических наук

Москва - 1994

Работа выполнена на кафедре метеорологии и климатологии географического факультета Московского государственного университета им.М.В.Ломоносова.

Научный руководитель: доктор физико-математических наук, профессор

Белов П.Н.

Официальные оппоненты: доктор физико-математических наук, профессор

Матвеев Л.Т.

кандидат географических наук

. Федорова Н.Н.

Ведущая организация:

ВОЕННЫЙ ИНЖЕНЕРНЫЙ КРАСНОЗНАМЕННЫЙ ИНСТИТУТ им. А.Ф. МОЖАЙСКОГО

Защита состоится специализированного

"1."

о о

1994 года в [5_ часов на заседании гидрометеорологического совета (Д.053.05.30) при

Московском государственном университете им.М.В.Ломоносова по адресу: 119899, Москва, ГСП-3, Ленинские горы, МГУ, географический факультетет, 18 этаж, ауд. 1801.

\

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

Автореферат разослан апреля 1994 года

Ученый секретарь специализированного совета, кандидат географических наук

мж-

соо^с.

С.Ф.Алексеева

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность теш.

Облачный покров Земли относится к числу ведущих факторов формирования климата. По мере расширения сферы жизнедеятельности человека важным становится изучение все большего числа физических, геометрических, географических характеристик облаков для прогнозирования погоды, моделирования климата, решения широкого круга задач в различных отраслях науки и техники.

В настоящее время наиболее полное представление об облачности дают наблюдения с искусственных спутников Земли (ИСЗ). Появление большого объема цифровой спутниковой информации, полученной с помощью многоканальных радиометров высокого разрешения (АУНИ?), ставит ряд серьезных проблем в связи с применением ее в режимном плане. Кроме решения задач сбора и хранения необходимо создание методов и алгоритмов тематического анализа и статистического обобщения этой информации. Эффективная обработка цифровых данных ИСЗ при помощи ЭВМ позволяет получать количественные характеристики облачности и подстилающей поверхности (альбедо, температуру) в оперативном режиме. Особое значение это имеет для географических районов, плохо освещенных метеорологическими данными. Первостепенную роль играют спутниковые измерения в изучении явлений, пространственные и временные масштабы которых являются "подсеточнымы" при проведении стандартных наблюдений.

Цель работы состоит:

- в разработке методов и алгоритмов, позволяющих проводить эффективный мониторинг облачного покрова, основываясь на многоспектральной цифровой спутниковой информации;

в создании программной реализации предложенной методики.

Научная новизна.

Впервые предложен программный комплекс обработки цифровой спутниковой информации, способный идентифицировать и классифицировать облачность, а также получать оптико-метеорологические параметры облаков. Создан банк данных статистических характеристик облачности, в том числе -геометрических размеров, которые могут использоваться в процессе объективного анализа облаков.

Практическое значение работы.

Предлагаемый программный комплекс предназначен для использования в автоматизированной системе обработки цифровой спутниковой информации при решении задач метеорологического обеспечения. Он имеет гибкую диалоговую структуру управления и реализован на ЭВМ серии ЕС. Он также предполагает интерактивный режим анализа информации на определенных этапах обработки, что значительно повышает эффективность результатов. Данные банка статистических характеристик облачности имеют практическое значение не только в климатологии, но также применяются для землеобзора и индикации наземных объектов из космоса.

Основные положения, выносимые на защиту.

1) Методика объективного анализа облачности по многоспектральным цифровым данным ИСЗ, включающая:

- алгоритм идентификации облачности с использованием данных двух радиометрических каналов АУНБ1? (пространственное разрешение радиометра составляет 1.1 км в надире);

- метод текстурного анализа облачности по данным одного из каналов АУНКК;

-алгоритм восстановления оптико-метеорологических характеристик облачности.

2) Банк данных статистических характеристик облачности.

3) Программная реализация предложенной методики и банка данных облачной атмосферы.

Апробация работы.

Основные положения и результаты работы были доложены на Всесоюзной конференции "Использование спутниковой информации в исследовании океана и атмосферы" (Звенигород, 23-25 апреля 1989 г.), на Межведомственном семинаре-совещании "Обработка и интерпретация данных космических наблюдений" (Москва, 23-24 октября 1989 г.), на Международной конференции ОИДИ-90 (Новосибирск, 19-21 августа 1990 г.). Предварительные результаты работы обсуждались на семинарах Лаборатории физической метеорологии и Отдела теории дистанционного зондирования атмосферы Института оптики атмосферы СО АН СССР в 1987-1990 гг., на научных семинарах кафедры метеорологии и климатологии МГУ (1990-1993 гг.).

Публикации.

По теме диссертации опубликовано 6 работ.

Структура и объем работы.

Диссертация состоит из введения, 4 глав, заключения и приложения. Работа изложена на НО страницах машинописного текста, включает 3 таблиц и 76 рисунков. Список литературы содержит 82 наименования, в том числе 22 на иностранных языках.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цели и задачи работы, ее научная новизна и практическое применение результатов.

В первой главе изложена постановка задачи объективного анализа облачности на основе цифровой радиометрической информации ИСЗ, приведена характеристика радиационных свойств облачности и подстилающей поверхности для каждого из пяти каналов АУНКВ, кратко описаны алгоритм и структура программного комплекса.

Объективный анализ облачности основан на физико-статистическом подходе к интерпретации спутниковых измерений и применении ЭВМ для быстрой обработки цифровых данных. Основные задачи, решаемые объективным анализом: идентификация, классификация облачности по спутниковым цифровым радиометрическим данным; получение оптико-метеорологических характеристик облаков.

Из рисунка 1 видно, что разветвленная структура

Рис. 1. Алгоритм объективного анализа спутниковой радиометрической (АУНЯЮ информации об облачности.

программного комплекса предусматривает выбор в процессе тематического анализа. Возможно:

- построение контурного рисунка или градиентного изображения с дальнейшим расчетом размеров структурных элементов облачного поля и безоблачных промежутков по данным одного радиометрического канала /результаты расчетов при необходимости сравниваются с климатическими характеристиками банка данных облачной атмосферы/;

- получение кластеризованного изображения, где каждый кластер определяет либо тип облачности, либо тип подстилающей поверхности на основе многомерного анализа спутниковой информации;

- восстановление оптико-метеорологических параметров облаков (альбедо, температура верхней границы облачности (Твго), высота верхней границы облачности (Нвго), оптическая толщина (<Г )).

Программный комплекс действует в интерактивном режиме, что дает возможность производить выбор микрофизических и радиационных моделей, соответствующих определенным типам облачности; возвращаться на предыдущие этапы обработки данных; подключать любые новые информационные каналы; задавать с экрана дисплея параметры кластеризации и пр. Возможно выполнение обработки спутниковых данных в автоматическом режиме при задании в блоке ввода информации специальных параметров, определяющих выбор пути в структуре программного комплекса. Версия программного комплекса выполнена на языке Р0ЕТБАЫ-77 и отработана на ЭВМ серии ЕС.

Вторая глава содержит обзор средств и методов классификации облачности по спутниковым данным; разработанные алгоритмы идентификации облаков, а также результаты объективного анализа исходной информации, полученные после этапа классификации.

Традиционно методы анализа облачности объединяются в две большие группы: пороговые и статистические. Лучших результатов при классификации облачных полей можно достичь, используя определенное сочетание этих методов.

Автоматическое опознавание облачности по данным одного радиометрического канала производится пороговым методом, если имеется достоверное значение порога для заданного географического района, учитывающее время года, время суток, угловые характеристики сканера. Если порог не задан, то предлагается следующий алгоритм.

Цифровой набор данных, полученный в результате измерений многоканального радиометра в одном из рабочих диапазонов можно рассматривать как реализацию функции интенсивности излучения ди,,]) на плоскости (Х,У). К такому изображению применим процесс пространственного дифференцирования. То есть необходимо получить контур как область плоскости (Х,У), где велик модуль градиента функции ^дО.Л:

// 1. из)= ч/С д( 1 1+1. ^1) Р +

+ [д(и+1)-д(1+и)]2 •

Результатом применения данного метода является превращение исходного изображения в контурный рисунок, где

выделенные области, содержащие резкие переходы (контрасты) в интенсивности, соответствуют смене типов подстилающей поверхности, облаков или границе облачности.

Некоторые типы облачности, а именно: Си hum, Си med. Sc, St, плотные туманы обладают схожими радиационными характеристиками как в видимом, так и в инфракрасном диапазонах. Для идентификации этих типов был разработан метод опознавания облачности по текстуре и размерам.

Задачи, решаемые указанным способом сводятся к следующему: выявить все замкнутые контуры на цифровом радиометрическом изображении, подсчитать площади, которые ими охвачены, свести полученные размеры к эквивалентным размерам, содержащимся в банке облачной атмосферы. В качестве основного критерия используется пороговая величина G, отвечающая радиационным значениям температуры в инфракрасном диапазоне, отражения - в видимом диапазоне того или иного вида подстилающей поверхности. В результате проведенного опознавания по критерию G получается изображение, расклассифицированное по принципу "облако - подстилающая поверхность". Расчетные процедуры завершаются формированием массивов площадных характеристик облачности и безоблачных промежутков. Статистические параметры исходного изображения (средние размеры облачных образований, средние квадратические отклонения, балл облачности) сравниваются с данными банка облачной атмосферы.

При работе с оперативной информацией рассчитанные значения геометрических параметров облачности могут дополнять и корректировать содержание банка облачной атмосферы.

В процессе многомерного анализа используются данные 1-го

(0,55-0,70 мкм) и 4-го (10,3-11.3 мкм) каналов А7Н1Ж. Предлагаемый алгоритм кластеризации многомерного цифрового изображения состоит из двух' этапов: построения частотной гистограммы и формирования облачных кластеров.

Двумерная пространственная гистограмма показывает частоту нахождения корреляционной пары видимого и инфракрасного диапазонов на анализируемом изображении. Основное положение такого подхода состоит в том, что каждый тип поверхности в регионе описывается на гистограмме компактной областью, то есть все точки области отделены от других непересекающихся областей. В результате построения гистограммы формируются начальные центры тяжести кластеров.

На втором этапе итеративная процедура кластерного анализа распределяет все точки гистограммы по кластерам, используя принцип к-средних (или ближайшего кластера) и Евклидово расстояние

,2.. I I. 2 .1/2 .

/ аГ'- =(^_(х. -у • ) ) / в качестве меры сходства. ЬУ ¿я1 I J

На завершающей стадии кластеризации каждый элемент обрабатываемого изображения (пиксел) относится к кластеру с ближайшим ядром. Все пикселы, входящие в кластерное ядро, а также пикселы альбедо которых выше, а температура ниже, чем соответствующие значения для ядра, считаются полностью закрытыми облаками (п=1.0). Все остальные пикселы рассматриваются, как частично облачные. Для этих пикселов величина п определяется как результат линейной интерполяции между центром ядра соответствующего облачного кластера и центром ядра приземного кластера.

С

Идентификация кластеров, относящихся к подстилающей поверхности, осуществляется путем сравнения заранее заданных пороговых значений, характеризующих подстилающую поверхность, с радиационными характеристиками статистических центров ядер кластеров. При идентификации типов облачности, соответствующих облачным кластерам, предусмотрено принятие решения в режиме диалога с пользователем. Кластеризованное изображение для района Северного моря [64*64 пиксела] в 12.42 GMT период наблюдения 30 августа 1985 года представлено на рисунке 2.

В третьей главе рассмотрены теоретические аспекты и методика восстановления оптико-метеорологических параметров облачности; приведены результаты расчетов значений температуры верхней границы и оптической толщины облачности для обрабатываемого цифрового изображения.

В основе алгоритма восстановления оптико-метеорологических параметров облачности лежит решение уравнения переноса радиации в видимом и инфракрасном диапазонах.

Важной характеристикой, определяемой по данным ИСЗ, является оптическая толщина облачности:

<L = J £ (z) dz ,

О

где £ - показатель ослабления, Л - длина волны, Н -геометрическая вертикальная протяженность облака. Величина Т - безразмерная.

В видимом диапазоне уравнение для отраженной радиации

имеет вид:

E(n,T )=(l-n)K^+n[Rc+(EsTr2 )/(l-Bs Кс )]. (1)

где п - количество облачности в долях единицы, Т -оптическая толщина облачности, R^- альбедо подстилающей поверхности, Rc~ отражение от облачности, Тг - пропускание облачным слоем. Уравнение (1) решается путем двухпотоковой аппроксимации радиационного переноса, предложенной J.A.Coakley и J.P.Chylek (1975). Для консервативного рассеяния, когда альбедо однократного рассеяния ( 2г ) равно 1 /спектральный диапазон 0,3-0,7 мкм/:

Bc(ju)=[p(ju)<c/yu] / [1+p(ju)<z/jul .

Tr(yu)=l - К c(jU) ,

где JU - зенитный угол солнца, fb - показатель обратного рассеяния. Параметризационная схема для А и Ш (в случае неконсервативного рассеяния,#<1) делает возможным применение двухпотоковой аппроксимации к облачной атмосфере (Stephens ,1978). Названные параметры рассчитываются на основе теоретической модели многократного рассеяния для диапазона оптических толщин от 1 до 500 и косинуса зенитного угла солнца от 0.1 до 1.0:

m-и t . . • . ш =i-V3( XX 0/nxL~J У J'L) ( n=n+j) Ы jn

т I » .

X Xyx^yJ-1).

L4 ■ jH

где^пи Ъп - полиноминальные коэффициенты, у=^ , х=1п(Т). Оценка точности параметризационной модели при сравнении с теоретической моделью находится в пределах 5%; и лишь при

о

значениях зенитного угла солнца, превышающих 70 параметризация становится менее эффективной.

Восстановление оптической толщины облаков для каждого пиксела происходит подбором предвычисленного на основании уравнения (1) значения Б (п, Т ), согласующегося с калиброванным измеренным значением К. Это осуществляется путем сравнительного анализа таблицы предвычисленных значений К(пЛ7) для всего диапазона возможных изменений и наблюдаемых значений 1?. Пример результата восстановления оптической толщины облачности для фрагмента (А) изображения (рис.2) представлен на рисунке 3.

Радиационные измерения в 4-ом канале АУНЕЙ позволяют восстановить для каждого пиксела изображения облачности температуру и высоту верхней границы облачности. Воспользуемся уравнением для уходящего излучения в инфракрасной области спектра:

1(п.Т ,Т,т) = В-Ч (1-п) + п(£В(Т) + Т$ 1^) }, (2)

где 1у- инфракрасная радиация от подстилающей поверхности, В(Т)- функция Планка, £ - излучательная способность, т -параметр, характеризующий микрофизическую модель облачности. Эффективная излучательная способность жидкокапельных облаков, рассчитанная по восходящим и нисходящим потокам, связана с их водозапасом 1/ (выражен в т/и2) соотношением (Сох,1976): £1= 1 - ехр (-0,13 1)

1 - exp (-0,158 W)

Данная параметризационная схема для £ хорошо согласуется с численными расчетами и экспериментальными наблюдениями: скорость радиационного изменения температуры воздуха находится в пределах 0.5°С/ч теоретического профиля. Ошибка параметризации намного меньше, чем погрешности, вносимые неопределенностью распределения водозапаса в облаках.

Расчет радиационных характеристик в инфракрасном диапазоне проводится по вышеизложенной модели для восьми типов облаков: Stl, St2, Sel, Se2, Ns, As, Cu, Cb. Выбор микрофизической модели осуществляется в диалоговом режиме в соответствии с типом облачности, идентифицированном на кластеризованном изображении. Выражение для температуры верхней границы облачности получается из уравнения (2):

Т = В-Ч ( I - ls ) / п £ + I s [1-TS ] / £ } ,

здесь I - радиояркостная температура, соответствующая значению пиксела в 4-ом канале AVHBB. Результаты восстановления температуры верхней границы слоистой облачности приведены на рисунке 4.

В четвертой главе изложены проблемы получения статистических характеристик глобального поля облачности; описаны информационная база, назначение и концепция банка облачной атмосферы.

В настоящее время статистически обеспеченные данные по всему земному шару имеются только для общего крличества

Рис.3 Оптическая толщина слоистой облачности, восстановленная для фрагмента А изображения на рис.2.

/ ■ - граница облачности /

Рис.4 Температура верхней границы слоистой облач'ности, восстановленная для (йзагмента А изображения на рис.2.

/ ■ - граница облачности /

облаков. Сведения о пространственной структуре облачности носят фрагментарный характер. Горизонтальные размеры облачных образований, в основном определяются по данным ИСЗ, но обобщающих работ по этим параметрам на какие-либо значительные территории земного шара не существует.

Банк данных статистических характеристик облачности создан на основе статистической обработки спутниковых данных, специально проведенной в ряде научных организаций нашей страны, и результатов объективного районирования по температурно- влажностному комплексу метеопараметров. Банк содержит информацию для 5 квазиоднородных районов северного полушария от 20° с.ш. до 75° с.ш. зимнего и летнего сезонов.

Все параметры облачности разнесены в банке на два блока - мезомасштабный и макромасштабный.

Макромасштабный блок включает:

1) среднее количество общей облачности /балл/ и среднее квадратическое отклонение;

2) геометрические характеристики облачности:

- линейные размеры, т.е. наибольшая длина и ширина облачного поля /км/;

- периметр облачного поля /км/;

- площадь макрополя /млн км2/;

- параметр формы, т.е. отношение площади к квадрату периметра (Ф = Б/П2);

- параметр (угол) ориентации направления максимальной вытянутости макрополей облачности относительно меридиана;

3) повторяемость форм облачности по четырем группам:

- конвективная облачность и малооблачное состояние;

- слоистая, преимущественно сплошная облачность;-

- многослойная фронтальная облачность;

- перистые облака вместе с их сочетаниями с другими формами;

Мезомасштабный блок включает :

1) геометрические характеристики облачности:

- эквивалентный диаметр облаков /км/;

- средний размер безоблачных промежутков /км/;

- площадь облака /км2/;

2) параметры распределения геометрических размеров, аппроксимированного лог-нормальным законом:

- оценка среднего размера облака;

- оценка среднего квадратического отклонения;

- оценка медианы.

Характеристики мезометеорологического масштаба представлены для пяти типов кучевообразной облачности всех возможных градаций количества данного типа.

Основное назначение банка облачной атмосферы оперативное получение информации о климатических характеристиках облачности по конкретному запросу и выдача в удобной для пользователя форме таблиц или массивов данных, которые могут применяться в других программных компонентах.

В . заключении сформулированы основные результаты диссертационной работы:

1) Создан программный комплекс объективного анализа облачности, позволяющий по . данным спутникового радиометрического зондирования идентифицировать и классифицировать облачность:

- реализован метод кластеризации гистограмм многомерного

цифрового изображения облачности и подстилающей поверхности;

- предложен способ автоматического опознавания по текстуре и размерам кучевых, слоисто-кучевых, слоистых облаков и плотных туманов;

2) Предложена методика определения оптико-метеорологических характеристик облачности на основе радиационных и микрофизических моделей облаков, реализованная в программном комплексе. Получены восстановленные изображения оптической толщины и температуры верхней границы облачности.

3) Разработан банк данных статистических характеристик облачности. Предложен способ использования климатических характеристик, содержащихся в банке, в качестве информативных признаков при объективном анализе облаков.

По теме диссертации опубликовано 6 работ, основные из которых следующие:

1) Диалоговый алгоритм обработки радиометрических данных дистанционного зондирования для восстановления параметров облачности. Тезисы докладов Всесоюзной конференции "Использование спутниковой информации в исследовании океана и атмосферы". Звенигород, 1989, с.126-127 (Совместно с Кондратьевым A.B., Бачинским В.В.).

2) Методы обработки-и анализа многоспектральных цифровых изображений, получаемых с метеорологических спутников. Тезисы докладов на международной конференции 0ИДИ - 90. Новосибирск, 19-21 августа 1990 (Совместно с Кондратьевым A.B.,

Кривобок A.A.).

3) Высота верхней границы облачности над северо-западной

частью Тихого океана // Вестн. Моск. ун-та. Сер.5., Геогр., 1991, N 5.

4) Метод автоматического опознавания мезомасштабной облачности по текстуре и размерам // Вестн. Моск. ун-та. Сер.5., Геогр., 1993, N 3.

Подписано к печати ¿V.сч &

Заказ 8Я Тираж ЬО

Объем

Формат 60x84 1/16

Ротапринт ВНИРО. 107140, Москва, В.Красносельская,17