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

Содержание

• 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 IIосвящена 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.

    §(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.