Бесплатный автореферат и диссертация по наукам о земле на тему

Восстановление влагосодержания атмосферы и приводного ветра с помощью нейронно-сетевых алгоритмов по спутниковым микроволновым данным

ВАК РФ 25.00.29, Физика атмосферы и гидросферы

Содержание диссертации, кандидата физико-математических наук, Заболотских, Елизавета Валериановна

Введение.

Глава 1. Физические основы спутниковой микроволновой радиометрии

1.1. Перенос микроволнового излучения в системе атмосфера-океан.

Основные формулы и приближения.

1.2. Модели поглощения микроволнового излучения в атмосферных газах и облаках - определение av (h).

1.2.1. Поглощение микроволнового излучения кислородом.

1.2.2. Поглощение микроволнового излучения водяным паром.

1.2.3. Поглощение микроволнового излучения облаками.

1.3. Модели микроволнового излучения океана - определение %pv и rpv.

1.3.1. Излучение гладкой морской поверхности.

1.3.2. Излучение морской поверхности, подверженной воздействию приводного ветра.

1.4. Спектры радиояркостных температур уходящего излучения системы атмосфера-океан в диапазоне частот от 5 до 100 ГГц.

1.5. Измерение микроволновой радиации.

1.5.1. Радиотепло локационные системы.

1.5.2. Special Sensor Microwave Imager (SSM/I).

Глава 2. Разработка алгоритмов оценки влагосодержания атмосферы, водозапаса облаков и скорости приводного ветра в системе атмосфера-океан по данным SSM/I с использованием нейронных сетей и физических ограничений

Численный эксперимент по замкнутой схеме

2.1. Схема численного эксперимента.

2.1.1. Схема решения прямой задачи.

2.1.2. Схема решения обратной задачи.

2.2. Математические основы алгоритмов, основанных на применении нейронных сетей (НС).

2.2.1. Общие понятия.

2.2.2. Проблемы.

2.3. Физические ограничения.

2.4. Результаты численного эксперимента.

2.4.1. Определение оптимальной НС-модели (ОНС).

2.4.2. Настройка алгоритмов с использованием О НС.

2.4.3. Оценка относительного вклада каналов SSM/ в оценку параметров. многопараметрические алгоритмы оценок, решающие комплексную задачу одновременного определения нескольких геофизических параметров САО;

- По сфере приложения каждый из методов можно также отнести либо к глобальным - разработанным и применимым для всех регионов Земного шара, либо к региональным алгоритмам - работающим эффективно только для определенных районов (широт, морей и т.д.).

Группа методов, основанная на применении физического подхода, базируется на обращении уравнения переноса излучения в атмосфере относительно искомых геофизических параметров. В целом, процесс переноса излучения в атмосфере описывается сложным интегро-дифференциальным уравнением, связывающим радиояркостные температуры Тя с искомыми геофизическими параметрами (некоторые из параметров входят в уравнение в неявном виде) и характеристиками взаимодействия излучения со средой (коэффициенты поглощения и рассеяния в атмосфере, облаках и осадках). Задание граничных условий требует введения модели излучения взволнованной морской поверхности, осложненной наличием пенных образований. В результате, при решении уравнения переноса часть параметров полагается либо фиксированной, либо известной из независимых измерений, либо описываемой определенной моделью. В подобной ситуации, когда часть входящих в уравнение параметров задается с определенной погрешностью, а характеристики излучения измеряются с конечной точностью, даже при решении прямой задачи переноса излучения не избежать погрешностей вычислений. Поэтому важно, чтобы все упрощения и параметризации, использующиеся в процессе решения, не привели к потере точности.

Решение обратных задач атмосферной оптики сводится к решению интегрального уравнения Фредгольма 1-го рода, которое относится к классу некорректных в классическом смысле задач математической физики. Методы решения таких задач можно классифицировать а) по объему априорной информации и б) по методу стабилизации обратного оператора.

Часто решению обратной задачи предшествует ее линеаризация. Исходное уравнение в этом случае раскладывается в ряд либо по отклонениям искомых параметров от средних значений (в этом случае восстановлению подлежат не сами параметры, а их отклонения от средних значений), либо по базисным функциям [153-155]. В случае существенно нелинейной зависимости характеристик излучения от геофизических параметров CAO (что наблюдается, например, при больших значениях влагозапаса атмосферы и водозапаса облаков), подобная линеаризация, если не используются последовательные итерации, вносит существенные ошибки в решение задачи. Кроме того, полученные линейные системы уравнений сами по себе, как правило, являются плохо обусловленными и требуют для решения применения специальных методов. Существует большое количество регуляризационных методов, отличающихся методом введения априорной информации об искомых параметрах.

Ряд методов решения обратных задач базируются на численном решении уравнения переноса микроволновой радиации и, учитывая мощности современной вычислительной техники, позволяют учесть как эффекты рассеяния в облаках и осадках, так и сложные модели облачности, поглощения в облаках и осадках, излучения морской поверхности. Итерационные алгоритмы решения обратных задач основаны на разбиении задачи на ряд шагов, на каждом из которых задача сводится к линейной, и последовательному приближению к искомому решению [87]. При этом перед линеаризацией применяются те или иные регуляризационные методы.

Большая группа аналитических методов решения обратных задач основана на явном обращении аналитического выражения для радиояркостных температур относительно искомых параметров [186, 156, 96, 168,145, 59]. Данная группа методов для упрощения исходного уравнения переноса использует параметризацию входящих в уравнение характеристик взаимодействия излучения со средой и профилей метеорологических параметров [200]. Часто [43] в подобных методах, путем фиксирования части параметров переходят от измеренных характеристик излучения к значениям оптических толщин т атмосферы. Иногда [57, 199, 201, 203, 168] после определенной параметризации уравнения, решение ищется методом последовательных итераций.

Все методы, основанные на применении физического подхода, обладают рядом недостатков. Значительные ошибки имеют место в областях существенной нелинейности зависимостей характеристик излучения от искомых параметров - в том случае, когда не используются последовательные итерации. Введение априорной информации вносит дополнительные ошибки, величина которых зависит от адекватности этой информации реальному состоянию системы атмосфера-океан. И, наконец, при решении прямой задачи, необходимом для обращения уравнения переноса, то есть, при расчете характеристик излучения, профили атмосферных метеопараметров и характеристики взаимодействия излучения со средой также задаются с неопределенностями, приводящими к дополнительным ошибкам восстановления. Дополнительным источником погрешностей в численных методах решения обратных задач может служить неоптимальный выбор начального приближения для искомых геофизических параметров. К недостаткам данных методов, затрудняющим их оперативное использование, можно отнести и существенное машинное время обработки данных. Что касается аналитического подхода, то здесь потенциальные ошибки возникают как на этапе параметризации входящих в уравнение переноса зависимостей, так и на этапе конкретного выбора метода решения обращенного уравнения переноса.

Вторая группа методов решения обратных задач не требует обращения уравнения переноса. Регрессионные методы основаны на поиске корреляционной зависимости между искомыми геофизическими параметрами САО и измеряемыми радиояркостными температурами. Характеристики этой корреляционной связи обычно получают путем совместной статистической обработки большого числа прямых измерений искомых параметров атмосферы и поверхности океана и:

1) либо непосредственных спутниковых измерений {экспериментальные регрессионные методики) [145, 51, 92, 52, 94,163],

2) либо результатов расчетов радиояркостных температур, соответствующих этим параметрам (теоретические регрессионные методики) [97, 65, 66, 67, 175, 211, 21,22,164, 90].

Во втором случае, в многомерных регрессионных методиках коэффициенты регрессии получают иногда в результате обработки модельных расчетов Тя для задаваемого большого набора сочетаний определяемых параметров, охватывающего весь диапазон их естественных вариаций [211]. Теоретические регрессионные методики в основе своей опираются на решение уравнения переноса, и, таким образом, носят черты физических алгоритмов. При этом, если теоретическим регрессиям присущи те же ошибки, связанные с неопределенностью задания реальных состояний атмосферы и характеристик взаимодействия излучения со средой, что и физическим алгоритмам, то экспериментальные регрессии свободны от таких ошибок. Их недостатки имеют другие причины. Отличаясь простотой и удобством в использовании, экспериментальные регрессии полностью определяются тем статистическим ансамблем совмещенных в пространстве и во времени измерений характеристик излучения и соответствующих геофизических параметров, на котором определялись коэффициенты регрессии, и, кроме того, содержат все ошибки измерений. Более того, экспериментальным регрессионным методикам присущи также ошибки, возникающие из-за проблем пространственно-временного согласования измерений, различных масштабов усреднения и т.д. Зачастую разработки подобных методик требуют организации специальных подспутниковых контактных измерений.

По способу задания функционального вида зависимости характеристик излучения от искомых геофизических параметров как экспериментальные, так и теоретические регрессионные методики можно разделить на 3 типа:

1) Первый тип регрессии основан на линейной аппроксимации имеющейся функциональной зависимости [97, 175, 65, 21, 22, 66, 67, 92, 163, 211, 164, 196, 111]. Такие алгоритмы приводят к большим погрешностям при восстановлении параметров в тех случаях, когда зависимость становится существенно нелинейной.

2) Ряд регрессионных методик базируется на нелинейных, заранее заданных функциональных аппроксимациях [98, 94]. В некоторых алгоритмах используется логарифмический тип зависимости параметров от измеренных радиояркостных температур [145, 90]. Методики такого типа приводят к меньшим погрешностям, чем линейные алгоритмы. Однако, явно заданный и в какой-то степени произвольный тип функциональной зависимости не всегда отражает реально существующие связи между геофизическими параметрами и радиояркостными температурами.

3) Регрессионные методики, основанные на использовании Нейронных Сетей (НС), отличаются тем преимуществом, что, аппроксимируя сложные нелинейные отношения, они, в то же время, не требуют явного задания какой - либо функциональной зависимости между искомыми и заданными параметрами [183, 116-124, 83, 110]. Кроме того, исследования, проведенные в этой области [123, 110], показали, что Нейронные Сети менее чувствительны к шумовым эффектам, чем другие методики. Однако, НС присущи все перечисленные выше недостатки регрессионных методов, в связи с чем целесообразным представляется совместное использование физического и НС - подходов.

Для этого в данной работе на различных этапах будут использоваться как экспериментальная, так и теоретическая регрессионные методики. В Главе 2 представлена теоретическая регрессия, основанная на НС подходе, примененном к результатам модельных расчетов, проведенных в Главе 1. Оптимальная НС, полученная в Главе 2, и физические ограничения на данные, следующие из результатов физического моделирования, использованы в Главе 3 при нахождении коэффициентов экспериментальной НС методики. Актуальность.

Постоянно происходящие в природе процессы перехода водяного пара в жидкое и твердое состояние и обратно имеют огромное значение для формирования погоды и климата Земли. Важнейшим следствием этих процессов является формирование облаков в различных слоях атмосферы и выпадение из них осадков и образование тумана в приземном слое воздуха. Испарение, перенос водяного пара, а затем его конденсация и сублимация являются одними из важнейших процессов переноса энергии в атмосфере. Водозапас облаков и влагозапас атмосферы, наряду с аэрозолями, контролируют планетарное альбедо Земли, и, таким образом, являются одними из важнейших компонентов, определяющих климат. Сведения о содержании капельной воды в облаках необходимы для прогноза осадков и используются при разработке климатических моделей [165, 178, 139, 185, 113, 105]. Одновременно, информация о поле ветра над океаном является одной из важнейших для прогноза погоды различной заблаговременности. Наряду с данными об атмосферном давлении поле ветра служит основой для расчета поля волнения. Кроме того, оценки данных параметров широко используются в различных прикладных исследованиях [76, 138, 80]. Таким образом, сведения о полях перечисленных параметров системы атмосфера-океан и их временной изменчивости исключительно важны и широко используются в нашей стране и за рубежом как в анализе и прогнозе погоды (там, где данные получаются оперативно), так и в климатических исследованиях, в частности, при изучении изменчивости потоков энергии и круговорота воды [11, 209].

Расширение возможностей использования спутниковых данных для восстановления рассматриваемых параметров напрямую связано с развитием эффективных методов обработки информации, с получением алгоритмов, обеспечивающих необходимые точности восстановления геофизических параметров.

Требования, предъявляемые к допустимым уровням погрешностей определения параметров атмосферы и океана, зависят от областей использования спутниковых данных. Анализ и систематизация этих требований в зависимости от направлений использования космической информации, приведен в [44].

Для задач оперативной метеорологии, так же как и для решения различных проблем в областях гидрологии и морской метеорологии, точности определения параметров должны быть не меньше [44]: для скорости поверхностного ветра V -2 м/с; для водозапаса облаков W- 20%; для влагозапаса атмосферы Q - 5-15%

Обзор существующих методов оценки Q, W и V (см. Приложение I) позволяет сделать вывод, что требуемые точности оценок в настоящее время удовлетворяются лишь при благоприятных погодных условиях - отсутствии осадков и облачности с водозапасом, большим 0,5 кг/м2. С ухудшением погодных условий ошибки определения параметров при помощи традиционных алгоритмов возрастают в несколько раз. При водозапасе облаков, большем 0,5 кг/м2 точности оценок перестают удовлетворять предъявляемым требованиям.

В связи с этим проблема создания "всепогодных" алгоритмов оценок параметров, эффективных при любых погодных условиях, несмотря на большое количество существующих методов, остается актуальной. Об этом, в частности, свидетельствуют специальные подспутниковые эксперименты, которые проводятся в последние годы в рамках национальных и международных программ Tropical Ocean and Global Atmosphere (TOGA), Global Energy and Water Cycle Experiment (GEWEX), International Satellite Cloud Climotology Project (ISCCP) и др. Цель подспутниковых экспериментов, которые организуются в различных физико-географических зонах, состоит в объективном анализе погрешностей дистанционных спутниковых измерений и в повышении на его основе этого анализа точности методов восстановления геофизических параметров путем калибровки спутниковой аппаратуры и создания банков данных, совпадающих в пространстве и во времени дистанционных и контактных измерений, используемых для настройки алгоритмов. С необходимостью повышения точности оценок параметров CAO связано и то, что на планируемых к запуску спутниках России, Японии, США, Европейского космического агентства увеличено количество СВЧ-радиометрических каналов, улучшены их чувствительность и пространственное разрешение.

Именно в условиях облачности и осадков применение нейронных сетей в ряде работ продемонстрировало свои преимущества по сравнению с традиционными алгоритмами [83, 183]. В то же время, рассмотрение физических основ процесса переноса излучения, и, как следствие - учет физических факторов при построении моделей НС и наложение физических ограничений на возможность их использования, не нашли до сих пор достаточного отражения в проводимых исследованиях и использования в оперативных методиках обработки спутниковой информации.

Подводя итог, сформулируем основные положения, определяющие актуальность дальнейших разработок по восстановлению параметров (), IV, и V по данным многоканальных спутниковых микроволновых измерений (в частности, по данным БЗМЛ) с помощью алгоритмов, разработанных на основе НС при выполнении физических ограничений, следующих из интегрирования уравнения переноса микроволнового излучения в системе атмосфера-океан:

1. Широкое использование результатов обработки микроволновых измерений радиометрами 88М/1 в различных климатических и оперативных прогностических центрах и в международных научных программах диктует необходимость разработки более эффективных алгоритмов восстановления параметров атмосферы и океана, поскольку точности оценки параметров по данным 88М/1 существующими методами не удовлетворяют предъявляемым требованиям при неблагоприятных погодных условиях (при водозапасе облаков > 0,5 кг/м2).

2. НС продемонстрировали свою эффективность при решении различных обратных задач дистанционного зондирования [3, 62, 63, 70]. В то же время, они являются, по существу, регрессионной методикой с присущими классу регрессий недостатками: 1) существенной зависимостью от статистического ансамбля совмещенных данных, на котором проводится настройка и тестирование алгоритма, 2) влиянием ошибок измерений, как спутниковых дистанционных, так и контактных, и 3) невозможностью учета всего разнообразия физических и технических факторов и условий, от которых зависит корректная интерпретация данных спутникового зондирования (таких как мезомасштабная изменчивость характеристик системы атмосфера-океан, различное пространственное разрешение каналов микроволнового радиометра и др.). В связи с этим актуальным представляется определение тех физических факторов и ограничений, которые влияют как на архитектуру НС, используемых в алгоритмах восстановления параметров CAO, так и на точность восстанавливаемых параметров, путем анализа спектров уходящего микроволнового излучения при вариациях параметров CAO.

Цель работы.

Главной целью диссертационной работы является исследование возможностей повышения точности микроволнового зондирования вдагозапаса атмосферы, водозапаса облаков и скорости приводного ветра для различных состояний CAO на основе использования в алгоритмах восстановления параметров Q, W и V нейронных сетей и физических ограничений. Поставленная цель достигается путем решения следующих основных задач:

1. Разработка алгоритма и программы расчета уходящего микроволнового излучения CAO на основе современных моделей взаимодействия излучения со средой.

2. Анализ особенностей формирования и диапазонов изменчивости радиояркостных температур уходящего излучения CAO на каналах SSM/I для обоснования физических ограничений при разработке регрессионных методов оценки параметров.

3. Выбор оптимальной модели нейронных сетей для создания алгоритма решения обратных задач по восстановлению влагозапаса атмосферы, водозапаса облаков и скорости приводного ветра по данным расчетных значений радиояркостных температур на частотах радиометра SSM/I.

4. "Обучение" алгоритмов восстановления указанных параметров CAO по данным совмещенных спутниковых микроволновых (SSM/I) и контактных гидрометеорологических измерений.

5. Анализ погрешностей предложенных методик оценки параметров CAO на основе замкнутого численного моделирования измерений микроволнового излучения радиометром SSM/I.

6. Анализ погрешностей предложенных алгоритмов по квазисинхронным спутниковым микроволновым и наземным гидрометеорологическим измерениям.

Научная новизна работы

1) Создана программа расчета уходящего микроволнового излучения CAO, основанная на новой компиляции современных моделей спектров поглощения атмосферных газов и спектров коэффициентов излучения морской поверхности.

2) Созданы базы данных совмещенных спутниковых микроволновых (SSM/I) и станционных и судовых аэрологических и буйковых гидрометеорологических измерений над Мировым океаном. Базы данных отличаются разнообразием опций, используемых при составлении выборок для различных климатических зон океана и удобны для пользователя.

3) Обоснованы физические критерии, учет которых важен при разработке нейронно-сетевых алгоритмов оценки Q, W и V по данным радиометра SSM/I. В качестве критериев использованы величина интегрального поглощения в атмосфере, пространственная мезомасштабная (20-40 км) неоднородность радиояркостных температур уходящего излучения CAO на частоте 37 ГГц и разность температур океана и атмосферы (устойчивость пограничного слоя атмосферы).

4) Проанализировано влияние неопределенностей в описании спектров излучения атмосферных газов и коэффициентов излучения морской поверхности на точность оценок параметров CAO по измерениям уходящего излучения Земли на частотах радиометра SSM/I.

5) Построена оптимальная - с учетом физических ограничений - конфигурация нейронной сети для восстановления V, Q и W по спутниковым многоканальным микроволновым измерениям. Проведен анализ влияния шумов аппаратуры и общего поглощения в атмосфере на выбор оптимальной конфигурации НС.

6) Настроены и протестированы алгоритмы восстановления параметров V, Q и W при различных физических ограничениях. Показано уменьшение погрешностей оценок V, Q и W, найденных с использованием нейронно-сетевых алгоритмов, по сравнению с регрессионными.

7) При обработке спутниковых микроволновых измерений показано, что развитые в работе методики и алгоритмы обеспечивает восстанавление геофизических параметров в более широком диапазоне состояний CAO по сравнению с линейными и нелинейными регрессионными алгоритмами при одновременном повышении точности оценок.

8) Получены потенциальные погрешности оценки параметров V, Q и W по данным радиометра МТВЗА-ОК на планирующемся к запуску российском спутнике Метеор-ЗМ.

Научная и практическая ценность

1. Полученные алгоритмы оценки влагозапаса атмосферы, водозапаса облаков и скорости приводного ветра реализованы в виде программ, которые могут быть использованы для обработки радиояркостных температур, измеренных SSM/I. Алгоритмы обеспечивают оценку Q, W и V с более высокой точностью, чем применяемые на практике регрессионные алгоритмы, в том числе, и при неблагоприятных погодных условиях.

2. Разработанные в диссертации подходы к использованию НС при оценке геофизических параметров по спутниковым микроволновым данным могут быть использованы и в других задачах дистанционного зондирования атмосферы и подстилающей поверхности, поскольку, как показано, приводят к построению эффективных и гибко настраиваемых алгоритмов.

3. Программы расчета спектра радиояркостных температур уходящего излучения CAO в атмосфере без рассеяния могут быть применены для моделирования измерений с действующих и планируемых к запуску спутниковых микроволновых радиометров и для решения различных обратных задач на основе этих измерений.

Материал исследований.

Для выполнения поставленных задач в работе использованы три базы данных:

1) Первая база была создана на основе судовых аэрологических и гидрометеорологических измерений. Гидрометеорологические измерения включали в себя температуру поверхности океана, направление и скорость ветра, а также визуальные определения количества и форм облачности во время запуска радиозонда. При моделировании уходящего микроволнового излучения CAO было использовано около 1 500 радиозондов, выпущенных с научно-исследовательских судов погоды (13 советских и одно японское судно) за период с 1966 по 1994 г. Данные моделирования служили исходной информацией при определении физических ограничений, зависящих от величины полного поглощения в атмосфере (классификации состояний CAO), при анализе неопределенностей в расчетных значениях радиояркостных температур, регистрируемых спутниковыми микроволновыми радиометрами, и для проведения численных экспериментов по замкнутой схеме.

2) Вторая база создана на основе около 40 ООО данных, подготовленных космическим агентством Японии (NASDA), и включает в себя совмещенные в пространстве и во времени измерения радиометра SSM/I со спутника F11 и измерения скорости и направления приводного ветра анемометрами стационарных буйковых станций в различных районах Мирового океана. Данная база, охватывающая период времени с июля 1992 г по январь 1995 г, была использована для настройки и тестирования алгоритмов оценки скорости приводного ветра.

3) Третья база была создана на основе около 30 ООО данных, также предоставленных NASDA. Она состоит из совмещенных в пространстве и во времени измерений радиояркостных температур CAO радиометром SSM/I спутника F11 и данных аэрологического зондирования 36 островных станций и одного судна погоды. Данная база, охватывающая период времени с января 1992 г по декабрь 1995 г, была использована для настройки и валидации алгоритмов оценки Q и W.

Методы исследований.

Методы исследований в настоящей работе базируются а) на численном моделировании радиояркостных температур уходящего микроволнового излучения CAO; б) на численных экспериментах по замкнутой схеме, моделирующих спутниковые измерения радиометром SSM/I и их обработку с целью получения оценок Q, W и V и в) на анализе спутниковых измерений радиояркостных температур CAO радиометром SSM/I, прямых измерений скорости приводного ветра анемометрами стационарных океанических буев и аэрологических измерений на островных станциях в различных районах Мирового океана. Основные положения, выносимые на защиту.

1. Радиационная модель переноса уходящего микроволнового излучения в системе атмосфера-океан (без учета рассеяния в облаках и осадках) в диапазоне частот 5100 ГГц, основанная на современных данных о селективном и континуальном поглощении атмосферными газами и жидкокапельными облаками и об излучении спокойной и взволнованной морской поверхности, реализованная в алгоритмах и программах расчета излучения по заданным гидрометеорологическим параметрам.

2. Результаты численного моделирования по определению оптимальной конфигурации НС для восстановления параметров У, Q и W по расчетным значениям радиояркостных температур на частотах SSM/I.

3. Результаты численного моделирования по настройке и тестированию нейронносетевых алгоритмов оценки V, Q и W с использованием оптимальной конфигурации НС для различных физических состояний CAO. 4. Анализ и сравнение точностей оценок V, Q и W с помощью нейронно-сетевых алгоритмов, разработанных в диссертации, и алгоритмов, разработанных и опубликованных ранее. Личный вклад автора.

1) Написание программы и проведение расчетов уходящего излучения CAO для создания базы, использованной в численных экспериментах по замкнутой схеме;

2) Создание баз данных и разработка программ работы с ними;

3) Проведение анализа влияния неопределенностей задания моделей взаимодействия излучения с океаном на погрешности расчета радиояркостных температур;

4) Разработка алгоритмов восстановления Q, W и V по данным SSM/I радиометра с использованием Нейронных Сетей и физических ограничений - на основе модельных и реальных совмещенных данных;

5) Проведение анализа влияния шумов аппаратуры и поглощения в атмосфере на точности оценок параметров при использовании НС;

6) Обработка реальных SSM/I данных и получение информации о параметрах CAO;

7) Анализ точностей разработанных алгоритмов оценок влагозапаса атмосферы, водозапаса облаков и скорости приводного ветра;

Благодарности.

Пользуясь возможностью, автор выражает глубокую признательность и искреннюю благодарность за постоянную помощь в проведении исследований, обсуждении и анализе их результатов научному руководителю д.ф.-м.н. = проф. Л.М.Митнику, научному консультанту директору «Нансен-Центра» к.ф.-м.н. Л.П.Бобылеву и научному консультанту д.ф.-м.н. проф. Ю.М.Тимофееву. Автор выражает также благодарность директору Центра по окружающей среде и дистанционному зондированию им. Нансена (Берген, Норвегия) проф. Оле М. Иоханнессену за поддержку направлений исследований и ценные советы Краткое содержание работы.

Первая

глава посвящена анализу физических основ задачи по оценке параметров V, Q и W по измерениям радиояркостной температуры уходящего микроволнового излучения CAO Тя(у) на нескольких частотах v„ i = 1,., п. Приведено уравнение переноса микроволнового излучения в системе атмосфера-океан и оценивается вклад в Тя(у) излучения океана, восходящего излучения атмосферы и нисходящего излучения атмосферы, отраженного поверхностью океана. Для расчета изменчивости спектров Тя(у), обусловленных вариациями параметров атмосферы и океана, проанализированы спектры коэффициентов поглощения в кислороде (Х02М, водяном паре ссн2о(у) и в облаках аобл(у), а также спектры коэффициентов излучения гладкой Хгл(Ю и взволнованной Хвзв(у) поверхности океана и на вертикальной (в) и горизонтальной (г) поляризациях. Основное внимание уделено рассмотрению существующих неопределенностей в описании спектров сс^оС^), диэлектрической проницаемости морской воды е(у) и спектральным зависимостям коэффициентов излучения морской поверхности от скорости приводного ветра Х«зв(у<Ю- Указанные неопределенности влияют на радиояркостные температуры Тя(у), а следовательно, и на погрешности оценок искомых геофизических параметров.

Соответствующие расчеты радиояркостных температур и оценки погрешностей их расчетных значений выполнены с использованием опубликованных в последние годы моделей спектров осН2о(у), е(у) и хвзв(у,У), причем параметры моделей были выбраны из условия наилучшего согласия с экспериментальными спектрами. Показано, что ошибки в значениях Тя(у), обусловленные неопределенностями в спектрах осн2о(у), е(у) и Хвзв(У,У), могут в несколько раз превышать собственные шумы микроволновых радиометров, что, в частности, является одним из важных аргументов применения нейронно-сетевых алгоритмов при решении обратной задачи по восстановлению параметров (), V и Ж.

С использованием выбранной радиационной модели рассчитаны радиояркостные температуры для характеристик каналов (частота, поляризация, угол визирования) действующих и планируемых к запуску радиометров. Исследован нелинейный характер зависимостей Тя на вертикальной и горизонтальной поляризациях от интегрального поглощения в атмосфере тапм, которое растет с увеличением V н (). Найдены производные Тя по параметрам V, () и IV на частотах каналов спутниковых (ЭМ8Р, АЭЕОБ-П, ТММЯ) микроволновых радиометров. Сформулированы основные выводы, использованные в дальнейшем при решении обратной задачи.

Во второй главе приведено описание схемы численного эксперимента по восстановлению параметров V, () и IV по данным модельных значений радиояркостных температур, рассчитанных для условий радиационного эксперимента, соответствующих ЗБМЛ-радиометру, с использованием НС и физических ограничений. Перечислены последовательные этапы решения прямой и обратной задач численного эксперимента. Описаны математические основы Нейронных Сетей применительно к решению обратных задач дистанционного зондирования. Перечислены существующие в настоящее время проблемы, связанные с их использованием. На основании расчетных значений Тя исследован вопрос об оптимальности НС модели в зависимости от уровня шумов и интегрального поглощения в атмосфере. Показано, что использование однопараметрической конфигурации НС с одним скрытым уровнем, состоящим из 2 - 5 нейронов (в зависимости от наложенных физических ограничений) обеспечивает максимальные точности оценок для каждого из восстанавливаемых параметров. Проведена оценка относительной значимости каналов ББМЛ радиометра при оценке параметров V, <2 и ]¥. Показано, что при различных атмосферных условиях каждый из 5 низкочастотных каналов оказывается наиболее значимым. Поэтому использование их всех для оценок параметров при не определенных заранее условиях приводит к наилучшим результатам (минимальным погрешностям). На основании результатов прямых расчетов уходящего излучения, проанализированных в Главе I, сформулированы физические ограничения на применение алгоритмов для различных состояний атмосферы. Показано, что точность оценок определяется как атмосферным поглощением, так и мезомасштабной однородностью системы атмосфера-океан. На ансамблях данных, сформированных на основании физических ограничений, настроены и протестированы НС алгоритмы с использованием оптимальной НС модели и Тя 5 наиболее значимых каналов. Показано, что минимальные погрешности оценок - Од = 0,58 кг/м2; сг„/= 0,022 кг/м2; ау= 1,37 м/с - реализуются при применении полярных алгоритмов в условиях безоблачной атмосферы с низким содержанием водяного пара. При неблагоприятных погодных условиях (высоких значениях атмосферного поглощения: т ~ 2) погрешности оценок составили: Сд = 1,63 кг/м2; Оц/= 0,056 кг/м ; оу= 3,01 м/с. При этом <7д и удовлетворяют предъявляемым к ним требованиям (<()> ~ 60 кг/м2, Од < 3%; <\¥> ~ 0,9 кг/м2, а & < 7%), а оу на 1 м/с больше. На тех же ансамблях данных настроены алгоритмы нелинейной множественной регрессии (НМР), использующие функцию

§(280 - Тя), и результаты их работы сравнены с результатами работы НС-алгоритмов. Показано, что в случаях, когда имеется большое количество данных для настройки, для всех оцениваемых параметров НС алгоритмы обеспечивают меньшую среднеквадратичную ошибку <т восстановления параметров, больший коэффициент корреляции К и меньшее систематическое смещение Ь, чем НМР алгоритмы. Приведены результаты анализа полученных характеристик алгоритмов в зависимости от физических ограничений. Сформулированы основные выводы по построению оптимальной модели нейронной сети используемой при оценке О, и V по данным 88М/1 радиометра. С использованием аналогичного подхода оценены потенциальные точности восстановления параметров (), IV и V по измерениям радиометра МТВЗА-ОК на планирующемся к запуску российском спутнике Метеор-ЗМ.

Во третьей главе приведены результаты настройки и тестирования НС алгоритмов на основе совмещенных дистанционных (85М/1) измерений радиояркостных температур и прямых гидрометеорологических измерений. В первом разделе главы обсуждаются алгоритмы восстановления скорости приводного ветра, разработанные по данным ББМЛ и измерений океанологических буев; во втором - алгоритмы оценки влагозапаса атмосферы и водозапаса облаков, разработанные по данным ББМЛ и аэрологического зондирования. На основе анализа баз данных, сформулирован ряд физических ограничений (условий), которые учитывались при разработке и использовании НС-алгоритмов. Приведено сравнение с альтернативными алгоритмами: для V- с алгоритмом [94], для <2 - с алгоритмом [145], для Ж - с НМР-алгоритмом. Для всех параметров альтернативные алгоритмы были настроены на тех же данных, что использовались для настройки НС-алгоритмов, и результаты их работы оценивались на тех же статистических ансамблях данных. Минимальные ошибки оценок, полученные в условиях горизонтально однородной системы атмосфера-океан, составили 1 м/с для V, 2,3 кг/м2 (15%) для () и 0,014 кг/м2 (20%) для ]¥. Максимальные ошибки были получены при неблагоприятных погодных условиях и мезомасштабной неоднородности системы атмосфера-океан и составили 1,5 м/с для V, 5,3 кг/м2 (10%) для и 0,047 кг/м2 (27%) для \У.

Заключение Диссертация по теме "Физика атмосферы и гидросферы", Заболотских, Елизавета Валериановна

Заключение.

Сформулируем основные результаты диссертационной работы:

1. Разработанные алгоритм и программа расчета спектров уходящего микроволнового излучения системы атмосфера-океан в диапазоне частот 5-100 ГГц обладают высокой вычислительной точностью и быстродействием и могут быть использованы для моделирования измерений микроволновыми радиометрами как на действующих спутниках (DMSP, TRMM), так и на планируемых к запуску (Метеор-ЗМ, ADEOS-II, AQua).

2. Созданная в процессе работы база данных, основанная на глобальном ансамбле одновременных данных аэрологического зондирования атмосферы, судовых измерений температуры поверхности океана и скорости приводного ветра и визуальных наблюдений за облачностью, может служить основой для моделирования измерений уходящего излучения CAO.

3. На основе анализа результатов численного эксперимента по разработке НС-алгоритмов оценки параметров Q, V и W сформулированы требования к оптимальной конфигурации НС: использование однопараметрической конфигурации НС с одним скрытым уровнем из 2 - 5 нейронов (с поиском своего попт в каждом случае) для оценки каждого из рассматриваемых параметров, использование в качестве входных параметров НС радиояркостных температур на пяти каналах SSM/I (19V, 19Н, 22V, 37V, 37Н), настройка разных НС для разных физических ограничений, что обеспечивает минимальные погрешности оценок.

4. На основе численного моделирования измерений радиояркостных температур радиометром SSM/I и при настройке НС на расчетных значениях Тя минимальные погрешности оценок параметров, равные <Jq = 0,58 кг/м2; aw = 0,022 кг/м2; (Jy= 1,37 м/с, были получены при применении полярных алгоритмов в условиях безоблачной атмосферы с низким содержанием водяного пара, а максимальные,

2 2 равные <7q = 1,63 кг/м ; 0,056 кг/м ; оу = 3,01 м/с при применении тропических алгоритмов в условиях мощной (Q > 0,5 кг/м2) облачности, когда альтернативные регрессионные алгоритмы дают погрешности на 7-10% больше. При этом Gq и <% удовлетворяют требованиям ВМО (<5-15% для Q, <20% для W и <2 м/с для V) при всех условиях, а оу в неблагоприятных погодных условиях на 1 м/с больше.

5. На основе численного моделирования измерений радиояркостных температур радиометром МТВЗА-ОК на планирующемся к запуску российском спутнике

143

Метеор-ЗМ получены потенциальные погрешности оценок параметров V, <2 и Ж Полученные оценки позволяют сделать вывод, что использование измерений радиометром МТВЗА-ОК уходящего излучения системы атмосфера-океан позволит восстанавливать параметры V, (? и IV с погрешностями, не превышающими (в случае оценки скорости приводного ветра и водозапаса облаков) погрешностей оценок по данным радиометра БЗМЛ: <У у~ 2 м/с, ~ 0,030 кг/м . Потенциальные погрешности оценок влагозапаса атмосферы (сге = 0,75 кг/м2) оказались на 50% ниже, чем при использовании данных Б БЫЛ

6. Исследовано влияние физических и физико-географических факторов, таких как интегральное поглощение в атмосфере, температура поверхности океана, на погрешности оценки параметров V, @ и IV. Показано, что увеличение интегрального поглощения в атмосфере приводит к ухудшению точности оценок параметров. Так при увеличении т в 2 раза погрешности оценок увеличиваются (в зависимости от температуры поверхности океана) на 20-30%, 60-100% и на 50100% для V, () и IV соответственно). При настройке НС для ситуаций с (ок < 10°С (полярные и умеренные широты) достигается уменьшение погрешностей оценок (в зависимости от величины т) на 10-30%, 50-70% и 40-80% для V, (2 и IV соответственно.

7. Предложен новый метод моделирования водозапаса облаков на основе использования измерений БЗМЛ, радиозондовых измерений, численного моделирования радиояркостных температур уходящего излучения и применения нейронных сетей.

8. С использованием совмещенных в пространстве и во времени измерений 88М/1 и прямых измерений скорости приводного ветра и данных аэрологического зондирования настроены и протестированы НС-алгоритмы восстановления <2, V и Ж; оценены погрешности полученных алгоритмов. Минимальные ошибки оценок получены для условий горизонтально однородной системы атмосфера-океан и составили 1 м/с для V, 2,3 кг/м для () (15% от среднего значения влагозапаса

2 2 атмосферы 16 кг/м ) и 0,014 кг/м для Ж (20% от среднего значения водозапаса облаков 0,07 кг/м ). Максимальные ошибки соответствуют данным зондирования при неблагоприятных погодных условиях 40 кг/м2) и выраженной мезомасштабной неоднородности поля Тя системы атмосфера-океан. Они составили 1,5 м/с для V, 5,3 кг/м2 (10%) для 0 и 0,047 кг/м2 (27%) для IV, что

144 удовлетворяет требованиям ВМО. Решающее влияние на довольно большую погрешность оценки Q по сравнению с оценками, полученными при моделировании, оказало плохое качество предоставленных данных аэрологического зондирования атмосферы на островных станциях. Поэтому, потенциальная точность оценки Q, составляющая примерно 1,5-2 кг/м , в НС алгоритмах, настроенных на таких данных, не реализована.

9. Исследовано влияние мезомасштабной неоднородности поля Тя CAO на погрешности оценок рассматриваемых параметров. Показано, что при применении критерия, ограничивающего амплитуду мезомасштабных вариаций Тя, точность оценок улучшается: погрешности определения V, Q и W понижаются на 50%, 10% и в 2,5 раза соответственно. Применение критерия, фильтрующего ситуации с неустойчивым пограничным слоем атмосферы (с мезомасштабными вариациями поля приводного ветра) приводит к понижению погрешности оценки V на 10%.

10. Проведено сравнение погрешностей оценок Q, V и W, найденных при применения НС и традиционных алгоритмов. Показано, что применение НС алгоритмов: а) дает возможность восстанавливать скорость приводного ветра в более широком диапазоне физических состояний системы атмосфера-океан; б) обеспечивает в 2 раза более высокие точности оценки всех параметров при благоприятных погодных условиях по сравнению с традиционными алгоритмами; в) при наличии достаточного числа данных для настройки (N>> ЫКОЭф) обеспечивает на 10- 30% более высокие точности оценок и при неблагоприятных погодных условиях, чем традиционные алгоритмы.

11. На основе разработанных НС-алгоритмов создан комплекс программ для обработки измерений радиояркостной температуры радиометром SSM/I, позволяющих восстанавливать поля геофизических параметров Q, V и W в более широком диапазоне состояний CAO при одновременном повышении точности оценок по сравнению с линейными и нелинейными регрессионными алгоритмами.

Данные результаты позволяют сделать вывод, что основная цель диссертационной работы достигнута - на основе использования нейронных сетей и физических ограничений повышена точность микроволнового зондирования параметров атмосферы и океана для различных состояний CAO. Анализ погрешностей оценок дает возможность считать НС-алгоритмы более перспективными, чем традиционные регрессионные методы, особенно в

145 неблагоприятных условиях - при наличии мощной облачности и осадков, поскольку именно в этих условиях существующие точности оценок перестают удовлетворять требованиям ВМО. И так как в благоприятных условиях погрешности НС оценок <2 V и Ж также существенно ниже, можно рекомендовать использование НС-алгоритмов для всего диапазона природных условий.

146

Библиография Диссертация по наукам о земле, кандидата физико-математических наук, Заболотских, Елизавета Валериановна, Санкт-Петербург

1. Алексеева И.А., Домбковская Е.П., Трапезникова Н.Б., Митник JI.M. Некоторые характеристики поля интегрального содержания водяного пара и капельножидкой воды в атмосфере над океанами // Исследование Земли из космоса. 1982. - №6 - С. 50 - 57.

2. Арманд H.A., Башаринов А.Е., Шутко A.M. Исследование природной среды радиофизическими методами // Известия высш.учеб. заведений. Радиофизика. 1977. - т. 20. - №6 - С. 809 - 841.

3. Бельчанский Г.И., Коробков Н.В. Использование искусственных нейронных сетей для анализа спутниковых данных дистанционного зондирования // Исследование Земли из космоса. 1998. - №4 - С. 111 - 120.

4. Башаринов А.Е., Кутуза Б.Г. Исследование радиоизлучения и поглощения облачной атмосферы в миллиметровом и сантиметровом диапазонах волн // Труды ГГО. вып.222. 1968. - С. 100 - 110.

5. Башаринов А.Е., Гурвич A.C., Егоров С.Т. Радиоизлучение Земли как планеты. М.: Наука. 1974. - 188с.

6. Богородский В.В., Козлов А.И., Тучков JI.T. Радиотепловое излучение земных покровов. Л.: Гидрометеоиздат. 1977. - 224 с.

7. Борен К., Хафман Д. Поглощение и рассеяние света малыми частицами. М.: Мир. 1963. - 662с.

8. Борин В.П., Наумов А.П. О некоторых особенностях радиоизлучения атмосферы вблизи резонанса поглощения Н20 на длине волны 1,35 см // Радиотехника и электроника. 1979. - т. 24. - №1 - С. 44 - 52.

9. Боровников A.M., Мазин И.П., Невзоров А.Н. Некоторые закономерности распределения крупных частиц в облаках различных форм // Известия АН СССР. Физика атмосферы и океана. 1965. - т. I. - №3 - С. 291 - 301.189

10. Будыко М.И. Тепловой баланс Земли. Л.: Гидрометеоиздат. 1978. - 40 с.

11. Ван де Хюлст Г. Рассеяние света малыми частицами. М.: Иностранная литература. 1961. - 536 с.

12. Васшцева М.А., Щукин Г.Г. Экспериментальные исследования водности облаков. Обзор. сер. метеорология. - Обнинск. - 1976. - 94с.

13. Викторова А.А, Жевакин С.А. Вращательный спектр димера водяного пара // ДАН СССР. 1970. - т. 194. -№2- С. 291 -294.

14. Викторова А.А, Жевакин С.А. Поглощение микрорадиоволн димерами водяного пара в атмосфере // ДАН СССР. 1970. - т. 194. - №3 - С. 540 - 543.

15. Войт Ф.Я., Мазин И.П. Водность кучевых облаков // Известия АН СССР. Физика атмосферы и океана. 1972. - т. 8. - №11 - С. 1166 - 1176.

16. Волчок Б.А., Черняк М.М. Перенос микроволнового излучения в облаках и осадках // Труды ГГО. 1968. вып.222 . - С. 83 - 99.

17. Горелик А.Г., Калашников В.В., Фролов Ю.А. Возможности идентификации зон осадков с МИСЗ // Труды ЦАО. 1972. вып. 103. - С. 31 - 41.

18. Дебай П., Закк Г. Теория электрических свойств молекул. М.: ГОНТИ. 1963. -248 с.

19. Довгалюк Ю.А., Зинченко A.B. К решению задач восстановления вертикального профиля осадков из слоистообразных облаков // Труды ГГО. 1981. -вып.439.- С. 17-23.

20. Домбковская Е.П. Корреляционная зависимость между интенсивностью теплового радиоизлучения системы Земля-Атмосфера и водозапасом облаков // Метеорология и Гидрология. 1969. - №7 - С. 26-35.

21. Домбковская Е.П. Определение температуры морской поверхности и влагосодержания атмосферы по измерениям теплового излучения системы Земля-Атмосфера с ИСЗ // Труды Гидрометеоцентра СССР. 1969. вып. 50 -С.75 - 85.

22. Домбковская Е.П., Озеркина В.В. Об определении интенсивности жидких осадков по СВЧ измерениям с ИСЗ // Труды ГОНИЦИПР. 1980. вып. 7 - С.53 -56.190

23. Дубровина Л.С. Облака и осадки по данным самолетного зондирования. Л.: Гидрометеоиздат. 1982. - 216с.

24. Есепкина Н.А., Корольков Д.В., Парийский Ю.Н. Радиотелескопы и радиометры. М.: Наука. 1973. -416с.

25. Жевакин С.А., Наумов А.П. К расчету коэффициентов поглощения сантиметровых и миллиметровых радиоволн в атмосферном кислороде // Радиотехника и электроника. 1965. - т. 10. - №6 - С. 987 - 996.

26. Жевакин С.А. Полуэмпирическая теория поглощения радиоволн молекулярным кислородом атмосферы // В кн. II Всесоюзная школа-симпозиум по распространению миллиметровых и субмиллиметровых волн в атмосфере. Фрунзе: Илим. - 1986. - - С. 16 - 23.

27. Кондратьев К.Я., Тимофеев Ю.М. Метеорологическое зондирование атмосферы из космоса // Л.: Гидрометеоиздат. 1978. - 280 с.

28. Кондратьев К.Я., Тимофеев Ю.М. Термическое зондирование атмосферы из космоса. Л.: Гидрометеоиздат. 1977.

29. Кондратьев К.Я., Рабинович Ю.И., Тимофеев Ю.М., Шульгина Е.М. Микроволновое дистанционное зондирование окружающей среды. Обзор. ВНИИГМИ-МЦД. Обнинск. 1975. - 110с.

30. Малкевич М.С. Оптические исследования атмосферы со спутников. М.: Наука. 1973. - 302с.

31. Марцинкевич Л.М. Распределение уклонов взволнованной поверхности моря // Метеорология и Гидрология. 1970. - №10 - С. 41 - 55.

32. Марцинкевич Л.М., Мелентьев В.В. Излучение взволнованной водной поверхности в сантиметровом диапазоне // Труды ГГО. 1972. вып.291 . - С. 24 - 33.

33. Марцинкевич Л.М., Мелентьев В.В. Модельные расчеты теплового радиоизлучения поверхности моря при установившемся и полностью развитом волнении // Труды ГГО. 1975. вып.ЗЗ 1 . - С. 73 - 85.

34. Матвеев Д.Т. Анализ результатов радиотеплового зондирования морской поверхности при шторме // Метеорология и Гидрология. 1978. - №4 - С. 58 -67.

35. Митник Л.М. Определение полной массы водяного пара в атмосфере, водозапаса и эффективной температуры облаков по измерениям уходящего СВЧ излучения Земли. -В кн.: Радиофизические исследования атмосферы. Л.: Гидрометеоиздат. 1977. - С. 184 - 200.

36. Митник Л.М. Физические основы дистанционного зондирования окружающей среды. Л.: ЛПИ им. М.И. Калинина. 1977. - 58с.

37. Хргиан А.Х. Физика атмосферы. Том 2. Л.: Гидрометеоиздат. 1978. - 320с.

38. Цейтлин Н.М. Антенная техника и радиоастрономия. М.: Советское радио. -1991.-359с.

39. Чандрасекар С. Перенос лучистой энергии. М.: Иностранная литература. -1953. -431с.

40. Шифрин К.С., Рабинович Ю.И., Щукин Г.Г. Исследование поля микроволнового излучения в атмосфере // Труды ГГО. 1968. вып.222 . - С. 5 -18.

41. Шифрин К.С., Ионина Г.Н. Тепловое излучение и отражение от волнующейся поверхности моря // Труды ГГО. 1968. вып.222. - С. 22 - 31.

42. Alishouse J.C. Total precipitable water and rainfall determination from the Seasat Scanning Multichannel Microwave Radiometer (SMMR) // J. Geophys. Res. 1988. -pp. 1929- 1935.

43. Alishouse J.C., Snyder S.A., Vongsathorn J., Ferraro R.R. Determination of Oceanic Total Precipitable Water from the SSM/I // IEEE Trans. Geo. Remote. Sens. 1990. - Vol. 28. - No. 5. - pp. 811-816.

44. Alishouse J.C., Snyder J.B., Westwater E.R., Swift C.T., Ruf C.S., Snyder S.A., Vongsathorn J., Ferraro R.R. Determination of cloud liquid water content using SSM/I // IEEE Trans. Geo. Remote. Sens. 1990. - Vol. 28. - No. 5. - pp. 817-822.

45. Atkinson P.M., Tatnall A.R.L. Neural networks in remote sensing // Int. J. Remote Sens. 1977. - Vol. 18. - pp. 699 - 709.

46. Barrett A.H., V.K. Chung A method for the determination of high-altitude water vapor abundance from ground-based microwave observations // J. Geophys. Res. -1967. pp. 4259 - 4266.

47. Bauer P., Bernartz R. Tropical Rainfall Measuring Mission microwave imaging capabilities for the observation of rain clouds // Radio Science. 1998. - Vol. 33. -pp. 335 - 349.

48. Beale R., Jackson T. Neural Computing: An Introduction. Adam Hilger. -Philadelphia. 1990. - 158p.

49. Bierman G.J., RJ.Lipes and F.J.Wentz Modern estimation techniques applied to microwave sensing of the marine boundary layer // Proc. Twelve Asilomar Conference on Curcuits. Systems and Computers. - IEEE Society. - pp.101 - 106.

50. Bortkovskii R.S. The structure of Ocean Foam Patches and Sea Surface Microwave Emissivity // Proc. of "The 4th Pacific Ocean Remote Sensing Conference". July 28-31. - 1998. - Qindao. - China, pp. 1389 - 1393.

51. Bosisio A. V., Mallet C. Influence of cloud temperature on brightness temperature and consequences for water vapor retrieval // Radio Science. 1998. - Vol. 33. - No. 4. - pp. 929 - 939.

52. Boutin J., Etcheto J. Consistancy of Geosat, SSM/I, and ERS-1 Global Surface Wind Speeds Comparison with In Situ Data // J. Atmos. Oceanic Technol. - 1996. -Vol. 13.-pp. 183 - 197.

53. Brown R. A. Remote Sensing of the Pacific Ocean by Satellites. 1988. - pp.69 - 77.

54. Butler C.T., Meredoth R.v.Z. Retrieving atmospheric temperature parameters from DMSP SSM/T-1 data with a neural network // J. Geophys. Res. 1996. - Vol.101. -pp. 7075-7083.

55. Cabrera-Mercader C.R., Staelin D.H. Passive microwave relative humidity retrievals using feedforward neural networks // IEEE Trans. Geosci. Remote Sens. -1995. Vol. 33. - pp. 1324 - 1328.

56. Chang H.D., Hwang P.H., Wilheit T.T., Chang A.T.C., Staelin D.H., Rosenkrantz P.W. Monthly distributions of precipitable water from the Nimbus-7 SMMR data // J. Geophys. Res. 1984. - Vol. 89. - pp. 5328 - 5334.

57. Chen T. , Chen H. Approximation Capability to Functions of Several Variables, Nonlinear Functionals, and Operators by Radial Basis Function Neural Networks // Neural Networks. 1995. - Vol. 6. - pp. 904 - 910.

58. Cheng C.H. Fuzzy Logic and Neural Network Handbook. McGraw-Hill. New York. - 1996. - 167p.

59. Chumside J.H., T.A.Stermitz, J.A.Schroeder Temperature Profiling with Neural Network Inversion of Microwave Radiometer Data // J.Atmos. Oceanic Technol. -1992. Vol. 11.-pp. 105- 109.

60. Cober G.C., Tremblay A., Isaac G.A. Comparison of SSM/I liquid water paths with aircraft measurements // J. Appl. Meteor. 1996. - Vol. 37. - pp. 503 - 519.194

61. Cox C., Munk W.H. Slopes of the sea surface deduced from photographs of sun glitter // Bull. Of Scripps Inst. Of Oceanogr. Of the Univ. of California. 1956. -Vol. 6.-No. 9.- pp. 401 -402.

62. Cracknell A.P. Synergy in remote sensing what's in a pixel? // Int. J. Remote Sensing. - 1998. - Vol.19 No. 11. - pp. 2025 - 2047.

63. Cruz Pol S.L., Ruf C.S., Keihm S.J. Improved 20- to 32- GHz atmospheric absorption model // Radio Science. 1988. Vol. 33. - No. 5. - pp. 1319 - 1332.

64. Currry J.A., Ardeel C.D., Tian L. Liquid water content and precipitation characteristics of stratiform clouds as inferred from satellite microwave measurements // J. Geophys. Res. 1990. - Vol. 95. - No. D10. - pp. 16659 - 16671.

65. Curry J.A., Liu G. Assessment of aircraft icing potential using satellite data // J. Appl. Meteor. 1992. - Vol. 31. - pp. 605 - 621.

66. D'Auria G., Marzano F.S., Pierdicca N., Nossai R.P., Basili P., Ciotti P. Remotely sensing cloud properties from microwave radiometric observations by using a modeled cloud database // Radio Science. 1998. - Vol. 33. - No. 2. - pp. 369 - 392.

67. Dicke R.H., Beringer R., Kyhl R.L., Vane A.B. Atmospheric absorption measurements with a microwave radiometer // Phys.Rev. 1946. - Vol. 70. - pp. 340-347.

68. Donelan M.A., Pierson W.J. Radar scattering and equilibrium ranges in windgenerated waves with application to scatterometry // J. Geophys. Res. 1987. - Vol. 92.-No. C5.-pp. 4971-5029.

69. Elgered G., Per Jarlemark O.J. Ground-based microwave radiometry and long-term observations of atmospheric water vapor // Radio Science. 1998. - Vol. 33. - No.3. -pp. 707-717.

70. Ellison W., Balana G., Delbos G., Lamkaouchi K., Eymard L., Guillou C., Prigent C. New permittivity measurements of seawater // Radio Science. 1998. - Vol. 33. -No. 3.-pp. 620-648.

71. Eisner J.B., Tsonis A.A. Nonlinear prediction, chaos and noise // Bull. Amer. Meteor. Soc. 1992. - Vol. 73. - pp. 49 - 60.

72. Fabio del Frate , Schiavon G. Neural Networks for the retrieval of water vapor and liquid water from radiometric data // Radio Science. 1998. - Vol. 33. - No. 5. - pp. 1373 - 1386.

73. Fabio del Frate , Schiavon G. A combined natural orthogonal functions/neural network technique for the radiometric estimation of atmospheric profiles // Radio Science. 1998. Vol. 33. - No. 2. - pp. 405 - 410.

74. Francis C.R., Thomas D.P., Windsor E.P.L. The evaluation of SMMR retrieval algorithms in satellite microwave remote sensing. Satellite Microwave Remote Sensing. edited by Allan T.D. - 1987. - Chichester. - Ellis Horwood. - pp. 481 -498.

75. Gloersen P., Barath F.T. A scanning multichannel microwave radiometer for Nimbus-G and Seasat-A // IEEE J. of Ocean. Eng. 1977. - Vol. OE-2. - pp. 172 -178.

76. Goodberlet M.A., Swift C.T., Wilkerson J.C. Remote Sensing of Ocean Surface Wind Speeds with the Special Sensor Microwave/Imager // J. Geophys. Res. Vol. 94. - pp. 14547-14555.196

77. Goodberlet M.A., Swift C.T., Wilkerson J.C. Ocean Surface Wind Speed Measurments of the Special Sensor Microwave/Imager (SSM/I) // IEEE Trans. Geo. Remote. Sens. 1990. - Vol. 28. - No. 5. - pp. 823-829.

78. Goodberlet M.A., Swift C.T. Improved retrievals from the DMSP wind speed algorithm under adverse weather conditions // IEEE Trans. Geo. Remote. Sens. -1992. Vol. GE-30. - pp. 1076-1077.

79. Goody R.M. , Yung Y.L. Atmospheric Radiation: Theoretical Basis. Oxford University Press. New York. - 320p.

80. Grody N.C. Remote sensing of atmospheric water content from satellite using microwave radiometry // IEEE Trans. Ant. Prop. 1976. - Vol. AP-24. - pp. 155 -162.

81. Grody N.C., Gruber A., Shen W.C. Atmospheric water content over the tropical pacific derived from the Nimbus-6 Scanning Microwave Radiometer // J. Appl. Meteor. 1980. - Vol. 19. - pp. 986 - 996.

82. Guillou C., Ellison W., Eymard L., Lamkaouchi K., Prigent C., Delbos G., Balana G., Boukabara S.A. Impact of new permittivity measurements on sea surface emissivity modeling in microwaves // Radio Science. 1998. - Vol. 33. - No. 3. -pp. 649 - 667.

83. Guissard A., Sobieski P. An approximate model for the microwave brightness temperature of the sea // Int. J. Remote Sensing. 1987. - Vol. 8. - pp. 1607 - 1627.

84. Guissard A., Sobieski P., Laloux A. Radiative transfer equation with surface scattering for ocean and atmospheric parameters retrieval from radiometric measurements // Int. J. Remote Sensing. 1994. - Vol.15. - No. 9. - pp. 1743 -1760.

85. Guissard A., Baufays C., Sobieski P. Fully and Nonfully Developed Sea Models for Microwave Remote Sensing Applications // Remote Sens. Environ. 1994. - Vol. 48. - pp. 25 - 28.197

86. Gybenko G. Approximation by Superposition of Sigmoidal Functions // Mathematics of Control. Signals and Systems. - 1989. - Vol. 2. - No. 4. - pp. 303 -314.

87. Halpern D., A.Hollingsworth and F.Wentz ECMWF and SSM/I Global Surface Wind Speeds // J. Atmos. Oceanic Technol. 1994. - Vol. 11. - pp. 779 - 788.

88. Han Y., Thomson D.W. Multichannel Microwave Radiometric Observations at Saipan during the 1990 Tropical Cyclone Motion Experiment // J. Atmos. Oceanic Technol. 1994. - Vol. 11. - pp. 110 - 121.

89. Hastenrath S., Greischar L., van Heerden J. Prediction of the summer rainfall over South Africa // J. Climate. 1995. - Vol. 8. - pp. 1511 - 1518.

90. HoIIinger J.P. Passive microwave measurements of sea surface roughness // IEEE Trans. Geosci. Electron. 1971. - Vol. GE-9. - pp.165 - 167.

91. HoIIinger J.P., Lo R., Poe G., Savage R., Pierce J. Special Sensor Microwave/Imager user's guide. Tech. Rep. Naval Research Laboratory. - 1987. -Washington. - DC. - 120p.

92. Hornik K. Approximation Capabilities of Mulilayer Feedforward Network // Neural Networks. 1991. - Vol. 4. - pp. 251 - 257.

93. Jung T., Ruprecht E., Wagner F. Determination of Cloud Liquid Water Path over Oceans from Special Sensor Microwave/Imager (SSM/I) Data Using Neural Networks // J. Appl. Meteor. 1998. - Vol. 37. - pp. 832 - 844.

94. Karstens U., Simmer C., Ruprecht E. Remote Sensing of Cloud Liquid Water // Meteorol. Atmos. Phys. 1994. - Vol. 54. - pp. 157 - 171.

95. Katsaros K.B., Lewis R.M. Mesoscale and Synoptic Scale Features of North Pacific Weather Systems Observed With the Scanning Multichannel Microwave Radiometer on Nimbus 7 // J. Geophys. Res. 1986. - Vol. 91. - No.C2. - pp. 2321 - 2330.198

96. Kerlirzin P., Refregier P. Theoretical Investigation of the Robustness of Multilayer Percepti ons. Analysis of the Linear Case and Extension to Nonlinear Networks // IEEE Transactions on Neural Networks. 1995. - Vol. 6. - pp. 560 - 571.

97. Klein L.A., Swift C.T. An improved model for the dielectric constant of sea water at microwave frequencies // IEEE Trans. Ant. Prop. 1977. - Vol. AP-25. - pp. 104 - 111.

98. Krasnopolsky V.M., Breaker L.C., Gemmill W.H. Development of a Single "All -Weather" Neural Network for Estimating Ocean Surface Winds from the Spetial Sensor Microwave Imager. Technical Note. OPC contribution. - June 1994. -No.94. - NMC

99. Krasnopolsky V.M., Breaker L.C., Gemmill W.H. A Neural Network as a Nonlinear Transfer Function Model for Retrieving Surface Wind Speeds from the Special Sensor Microwave Imager // J. Geophys. Res. 1995. - Vol.100. - pp. 11 033 - 11 045.

100. Krasnopolsky V.M., Breaker L.C., Gemmill W.H. Surface wind speeds over the Ocean Infeerd from Brightness Temperature Acquired from the Special Sensor Microwave Imager (SSM/I) // Backscatter. 1995. - Vol. 6. - No. 3. - pp. 8 - 15.

101. Krasnopolsky V.M., Breaker L.C., Gemmill W.H. Improved SSM/I Wind Speed Retrievals at High Wind Speeds. Technical Note. OMB contribution. - 1995. -No.l 11. - Environmental Modeling Center. - Washington D.C.

102. Krasnopolsky V.M., Breaker L.C., Gemmill W.H. A New Transfer Function for SSM/I Based on an Expanded Neural Network Architecture. Technical Note. -OMB contribution. 1996. - No. 137. - NCEP

103. Krasnopolsky V.M. A Neural Network Based Forward Model for Direct Assimilation of SSM/I Brightness Temperatures. Technical Note. - OMB contribution. - 1997. - No. 140. - NCEP

104. Krasnopolsky V.M. Neural Networks for Standard and Variational Satellite Retrievals. Technical Note. OMB contribution. - 1997. - No. 148. - NCEP

105. Kreiss W.T. The influence of clouds on microwave brightness temperatures viewing downward over open seas // Proc. IEEE. 1969. - Vol. 57. - pp. 440 - 445.

106. Li Q., Bras R.L., Veneziano D. Passive microwave remote sensing of rainfall considering the effects of wind and nonprecipitating clouds // J. Geophys. Res. -1996. Vol. 101. - No. D21. - pp. 26503 -26515.

107. Liebe H.J., Gimmestad G., Hopponen J. Atmospheric microwave spectrum experiment versus theory // IEEE Trans. 1977. Vol. AP-25. - No. 3. - pp. 327 -336.

108. Liebe H.J. Modeling attenuation and phase of ratio waves in air at frequencies below 1000GHz//Radio Science. 1981. - Vol. 16. - pp. 1183 - 1199.

109. Liebe H.J. Atmospheric EHF window transparencies near 35, 90, 140 and 220GHz // IEEE Trans.on Ant. and Propag. 1983. - Vol. AP-31. - pp. 127 - 135.

110. Liebe H.J. The atmospheric water vapor continuum below 300GHz // Int. J. Infrared Millimeter Waves. Vol. 5. - No. 2. - pp. 207 - 227.

111. Liebe H.J. An updated model for for millimeter wave propagation in moist air // Radio Science. 1985. - Vol. 20. - pp. 1069 - 1089.

112. Liebe H.J., Layton D.H. Millimeter- wave properties of the atmosphere: Laboratory studies and propagation modeling. NTIA Rep. 87-224. 1987. - Natl. Telecommun. And Inf. Admin. Boulder. - Colo.

113. Liebe H.J. MPM An atmospheric millimeter-wave propagation model // Int. J. Infrared Millimeter Waves. - 1989. - Vol. 10. - No. 6. - pp. 631 - 650.

114. Lipes R.G. Description of Seasat radiometer status and results // J. Geophys. Res. -1982. Vol. 87. - pp. 3385 - 3395.

115. Lippmann R.P. An introduction to computing with neural nets // IEEE Acoust. Speech Signal Process. Mag. 1987. - pp.4 - 21.

116. Liu G., Currry J.A. Determination of characteristic features of cloud liquid water from satellite microwave measurements // J. Geophys. Res. 1993. - Vol. 98. - pp. 5069 - 5092.

117. Liu G., Curry J.A., Weadon M. Atmospheric Water Balance in Taiphoon Nina as Determined from SSM/I Satellite Data // Meteorol. Atmos. Phys. 1994. - Vol. 54. -pp. 141 - 156.

118. McMurdie L.A., Katsaros K.B. Atmospheric water distribution in a midlatitude cyclone observed by the Seasat Scanning Multichannel Microwave Radiometer // Mon. Wea. Rev. 1985. - Vol. 111.- pp. 1977 - 1987.

119. Monahan E.C., Woolf D.K. Comments on "Variations of Whitecap Coverage with Wind Stress and Water Temperature" // J Phys. Oceanogr. 1989. - Vol.19. - pp. 706 - 709.

120. Nguyen D., Widrow B. Improving the learning speed of 2-layer neural networks by choosing initial values of the adaptive weights. International Joint Conference of Neural Networks. San Diego. - Calif. - July 1990. - pp 100 - 103.

121. Nordberg W., Conaway J., Ross D.B., Wilheit T. Measurements of microwave emission from a foam-covered wind-driven sea // J. Atmos. Sci. 1971. - Vol. 28. -pp. 429 - 435.

122. Overland J.E., Wilson J.G. Mesoscale Variability in Marine Winds at Mid-Latitude // J. Geophys. Res. 1984. - Vol. 89. - No. C6. - pp.10599 - 10614.

123. Peltzer R.D., Griffin O.M. Stability of a Three-Dimensional Foam Layer in Seawater // J. Geophys. Res. 1998. - Vol. 93. - No. C9. - pp. 10804 - 10812.

124. Petty G.W., Katsaros K.B. New geophysical algorithms for the Special Sensor Microwave/Imager. 1990. Fifth Conference on Satellite Metorology and Oceanography. - London. - American Metorological Society. - pp. 247 - 251.

125. Petty G.W., Katsaros K.B. The Response of the SSM/I to the Marine Environment. Part I: An Analytic Model for the Atmospheric Component of Observed Brightness201

126. Temperatures 11 J. of Atmosph. and Oceanic Technol. 1993. - Vol. 9. - pp. 746 -761.

127. Petty G.W., Katsaros K.B. The Response of the SSM/I to the Marine Environment. Part II: A Parametrization of the Sea Surface Slope Distribution on Emission and Reflection // J. of Atmosph. and Oceanic Technol. 1994. - Vol. 11. - No. 3. - 617 -628.

128. Prigent C., Sand A., Klapicz C., Lemaitre Y. Physical retrieval of liquid water contents in a North Atlantic cyclone using SSM/I data // Quart. J. Roy. Meteor. Soc. 1994. - Vol.120, - pp. 1179-1207.

129. Robinson W.D., Kummerov C., Olson W.S. A Technique for Enhancing and Matching the Resolution of Microwave Measurements from the SSM/I Instrument // IEEE Trans. Geosci. Remote Sensing. 1992. - Vol. 30. - No. 35. - pp. 419 - 429.

130. Rosenblatt R. Principles of Neurodynamics //New York. Spartan Books. - 1959. -62p.

131. Rosenkranz P.W., Staelin D.H. Microwave emissivity of ocean foam and its effect on nadiral radiometric measurements // J. Geophys. Res. 1972. - Vol. 77. - No. 33. -pp. 6528-6538.

132. Rosenkranz P.W. Inversion of diffraction-limited multiwavelength remote sensors, 1. Linear case // Radio Sei. 1978. - Vol. 13. - pp. 1003 - 1010.

133. Rosenkranz P.W. Inversion of data from diffraction limited multiwavelength remote sensors, 2. Nonlinear dependence of observables on the geophysical parameters // Radio Sei. 1982. - Vol. 17. - pp. 245 - 256.

134. Rosenkranz P.W. Inversion of data from diffraction limited multiwavelength remote sensors, 2. Scanning multichannel microwave data // Radio Sei. 1982. - Vol. 17. -pp. 257 - 267.

135. Rosenkranz P.W. Rough-Sea Microwave Emissivities Measured with the SSM/I // IEEE Trans. Geosci. Remote Sensing. 1992. - Vol. 30. - No. 5. - pp. 1081 - 1085.202

136. Rosenkranz P.W. Absorption of microwaves by atmospheric gases. Atmospheric Remote Sensing by Microwave Radiometry. edited by M.Janssen. - John Wiley. -New York. - 1993. - pp. 37 - 79.

137. Rosenkranz P.W. Water vapor microwave continuum absorption: A comparison of measurements and models // Radio Science. 1998. - Vol. 33. - No. 4. - pp. 919 -928.

138. Ross D.B., Cardone V.J. Observations of oceanic white caps and their relation to remote measurements of surface wind speeds // J. Geophys. Res. 1974. - Vol. 79. -pp.444 - 452.

139. Rumelhart D.E., Hinton G.E., Williams R.J. Learning representations by back-propagating eixors //Nature. 1986. - Vol. 32. - pp. 533 - 536.

140. Sasaki Y., Asanuma I., Muneyama K., Naito G., Suzuki T. Microwave emission and reflection from the wind-roughened sea surface at 6.7 and 18.7 GHz // IEEE Trans. Geosci. Remote Sensing. 1988. - Vol. 26. - pp. 860 - 868.

141. Schluessel P., Luthardt H. Surface wind speeds over the North Sea from special sensor microwave imager observations // J. Geophys. Res. 1991. - Vol. 96. - pp. 4845-4853.

142. Schulz J., Schlussel P., Grassl H. Water vapour in the atmospheric boundary layer over oceans from SSM/I measurements // Int. J. Remote Sensing. 1993. - Vol.14. -No. 15. - pp. 2773-2788.

143. Sengupta S.K., Boyle J.S. Nonlinear principal component analysis of climate data: Program for climate model diagnosis and intercomparison. PCMDI Rep. 29. 1995. - Lawrence Livermore National Laboratory. - Livermore. - CA. - 21p.

144. Sethmann R., Bums B.A., Heygster G.C. Spatial Resolution Improvement of SSM/I Data with Image Restoration Techniques // IEEE Trans. Geosci. Remote Sensing. -1994. Vol. 32. - No.6. - pp. 1144-1151.203

145. Shea D.E., Trenberth K.E., Reynolds R.W. A global monthly sea surface temperature climotology. NCAR Tech. Note 345. 1990. - Nat. Cent, for Atmos. Res. - Boulder. - Colo. - 167 p.

146. Shibata A. Determination of Water Vapor and Liquid Water Content by an Iterative Method // Meteorol. Atmos. Phys. 1994. - Vol. 54. - pp. 173 - 181.

147. Shokr M.E. , Moucha R. Co-location of pixels in satellite remote sensing images with demonstrations using sea ice data // Int. J. Remote Sensing. 1998. - Vol. 19 No. 5. - pp. 855 - 869.

148. Shutko A.M., Liberman B.M., Chuhray G.I. On the influence of dielectric property variations on the microwave radiation of a water surface // IEEE J. Ocean. Eng. -1982. Vol. OE-7. - No. 1. - pp. 35 - 39.

149. Smith D.M., Kniveton D.R., Barrett E.C. A Statistical Approach to Passive Microwave Rainfall Retrieval // J. Appl. Meteor. 1998. - Vol. 37. - pp. 135 - 154.

150. Snider J.B., D.A.Hazen Surface-based radiometric observations of water vapor and cloud liquid in the temperature zone and in the tropics // Radio Science. 33(2). 421 -432

151. Staelin D.H. Measurements and interpretation of the microwave spectrum of the terrestrial atmosphere near the 1 cm. Wavelength // J. Geophys. Res. 71. - 2875 -2881

152. Staelin D.H. Passive remote sensing at microwave wavelengths // Proc. IEEE. -1989,- Vol. 57. pp. 427-439

153. Staelin D.H., Kunzi K.F., Pettyjohn R.L., Poon R.K.L., Wilcox R.W., Waters J.W. Remote sensing of atmospheric water vapor and liquid water with Nimbus-5 microwave spectrometer// J. Appl. Meteor. 1976. - Vol. 15. - pp. 1204 - 1214.

154. Staelin D.H., Rosenkrantz P.W., Barath F.T., Johnston E.J., Waters J.W. Microwave spectroscopic imageiy of the earth // Science. 1977. - Vol. 197. - pp. 991 - 993.

155. Stephens G.L. Radiative properties of extended water clouds, II, Parametrizations // J. Atmos. Sci. 1978. - Vol.35. - pp. 2123 - 2132.

156. Stephens G.L., Greenwald T.J. The Earth's radiation budget and its relation to atmospheric hydrology, 2, Observations of cloud effects // J. Geophys. Res. 1991.- Vol. 96. pp. 15325 - 15340.

157. Stogryn A.P. The apparent temperature of the sea at microwave frequencies // IEEE Trans. Antennas Propagat. 1967. - Vol. AP-15. - pp. 278 - 286.

158. Stogryn A.P. Equations for calculating the dialectric constant of saline water // IEEE Trans. Microwave Theoiy Tech. 1971. - Vol. 19. - pp. 733 - 736.

159. Stogryn A.P. The emissivity of sea foam at microwave frequencies // J. Geophys. Res. 1972. - Vol. 77. - pp. 1658 - 1666.

160. Stogiyn A.P. A note on brightness temperature at millimeter wavelength // IEEE Trans. Geosci. Electr. 1975. Vol.13. - No. 2. - pp. 81-84.

161. Stogryn A.P., Butler C.T., Bartolac T.J. Ocean Surface Wind Retrievals from Special Sensor Microwave Imager Data with Neural Networks // J. of Geoph. Research. 1994. - Vol. 90. - pp. 981 - 984.

162. Swift C.T. Passive microwave remote sensing of the oceans a review // Boundary Layer Meteorology. - 1980. - Vol.18. - pp. 25 - 54.

163. Taylor P.K., Katsaros K.B., Lipes R.G. Atmospheric water distribution in a midlatitude cyclone observed by the Seasat Scanning Multichannel Microwave Radiometer // Nature. 1981. - Vol. 294. - pp. 737 - 739.

164. Tjemkes S.A., Stephens G.L., Jackson D.L. Spacebom observations of columnar water vapor: SSMI observations and algorithm // J. Geophys. Res. 1991. - Vol. 96.- pp. 10941 10954.

165. Ulaby F.T., Moore R.K., Fung A.K. Microwave remote sensing, active and passive, Vol. I. Addison-Wesley. 1981. - pp. 270 - 278.

166. Ulaby F.T., Moore R.K., Fung A.K. Microwave remote sensing, active and passive, Vol. I: Fundamentals and radiometry. Norwood. 1986. - MA: ARTECHHOUSE. -456p. - pp. 1065 -2162.

167. Van Vleck J.H. The absorption of microwaves by oxygen // Phys. Rev. 1947. -Vol. 71.-No. 7.-pp. 413 -424.205

168. Van Vleck J.H. The absorption of microwaves uncondensed water vapor // Phys. Rev. 1947. - Vol. 71. - No. 7. - pp. 425 - 432.

169. Wasserman P.D. Neural Computing. Van Nostrand Reinhold. New York. - 1989. -340p.

170. Water J.W. Absorption and Emission by atmospheric gases. Methods of Experimental Physics: Astrophysics. 12B. edited by Meeks M.L. - New York. -Academic Press. - 1976. - pp. 142 - 176

171. Water J.W. Absorption and Emission by atmospheric gases. Methods of Experimental Physics. 16B. edited by Fava R.A. - New York. - Academic Press. -1976.

172. Watkin T.L.H., Rau A., Biehl M. The statistical mechanics of learning rate // Rev. Mod. Phys. 1993. - Vol. 65. - pp. 499 - 556.

173. Watts D., Allen M.R., Nightingale T.J. Wind Speed Effects on Sea Surface Emission and Reflection for the Along Track Scanning Radiometer // J. Atmos. Oceanic Technol. 1996. - Vol.13. - pp. 126 - 141.

174. Weng F., Grody N.C. Retrieval of cloud liquid water using the Special Sensor Microwave/ Imager (SSM/I) // J. Geophys. Res. 1994. - Vol. 99. - pp. 25535 -25551.

175. Wentz F.J. A two-scale scattering model for foam-free sea microwave brightness temperatures // J. Geophys. Res. 1975. - Vol. 80. - pp. 3441 - 3446.

176. Wentz F.J., Cardone V.J., Fedor L.S. Intercomparison of wind speeds inferrd by the SASS, altimeter, and SMMR // J. Geophys. Res. 1982. - Vol. 87. - pp. 3378 -3384.

177. Wentz F.J. A model function for ocean microwave brightness temperature // J. Geophys. Res. 1983. - Vol. 88. - pp. 1892 - 1908.207

178. Williams G. Microwave radiometry of the ocean and the possibility ov marine wind velocity determination from satellite observations // J. Geophys. Res. 1969. - Vol. 74.-pp. 4591 -4594.

179. Wisler M.M., Hollinger J.P. Estimation of Marine Environmental parameters using microwave radiometric remote sensing systems. NRL Tech. Rep. 3661. 1977. -Naval Research Laboratory. - Washington. - DC. - 27p.

180. Wu S.T., Fung A.K. A noncoherent model for microwave emission and back-scattering from the sea surface // J. Geophys. Res. 1972. - Vol. 77. - No. 30. - pp. 5917 - 5929.

181. Yueh S.H., Wilson W.J., Nghiem S.V., Li F.K. Polarimetric measurements of sea surface brightness temperature using an aircraft K-band radiometer // IEEE Trans. Geosci. Remote Sensing. 1995. - Vol. 33. - pp. 85 - 92.

182. Yueh S.H. Modeling of wind direction signals in polarimetric sea surface brightness temperatures // IEEE Trans. Geosci. Remote Sensing. 1997. - Vol. 35. -pp.1400 - 1418.