СОДЕРЖАНИЕ
ВВЕДЕНИЕ........................................................... 1
1. Методы анализа облачности по спутниковым измерениям в видимом и инфракрасном диапазонах.......................................... 5
2. Методика численного анализа облачности с использованием спутниковых и наземных данных............................................... 24
2.1. Исходная информация...................................... 24
2.2, Методика численного анализа облачности................... 29
3. Численные эксперименты со схемой анализа....................... 38
3.1. Область анализа и период тестовых расчетов............... 38
3.2. Результаты численных экспериментов....................... 38
4. Методы анализа температуры поверхности океана, использующие спутниковые измерения........................................... 55
5. Методика численного анализа температуры поверхности океана с использованием спутниковых наблюдений и контактных измерений 69
5.1. Исходная информация...................................... 69
5.2. Методика численного анализа ТПО по спутниковым измерениям.................................................... 72
5.3. Методика численного анализа ТПО методом вариационного согласования спутниковых и судовых измерений.................. 78
6. Численные эксперименты со схемой анализа ТПО................... 84
6.1. Область анализа и период тестовых расчетов............... 84
6.2. Результаты численных экспериментов по анализу ТПО, полученной по данным спутниковых измерений.................... 84
6.3. Результаты численных экспериментов по проведению анализа ТПО методом вариационного согласования полей.................. 94
ЗАКЛЮЧЕНИЕ....................................................... 102
Список литературы................................................ 104
ВВЕДЕНИЕ.
Последние два десятилетия ознаменовались значительным прогрессом в разработке методов усвоения данных в численных прогнозах погоды. На смену двумерным схемам анализа пришли более совершенные методы трехмерного и четырехмерного вариационного усвоения информации, поступающей с наблюдательных систем наземного и космического базирования. Эти совершенствования коснулись, в основном, усвоения информации об основных параметрах состояния атмосферы: температуры, давления, ветра, частично влажности.
Поскольку информация об облачности не усваивается пока что непосредственно большинством прогностических моделей, ее численному анализу уделялось меньше внимания. Второй причиной определенного отставания в части численного анализа облачности является, по-видимому то, что информация об облачности, получаемая с помощью существующих оперативных систем наблюдений носит скорее качественный, чем количественный характер, поэтому ее трудно усваивать в прогностических моделях.
Тем не менее диагностика поля облачности имеет существенное значение для мониторинга климатической системы Земли, а также для многих прикладных целей, поэтому интерес к этой проблеме не ослабевает и к настоящему времени предложено довольно много методик анализа облачного покрова с использованием спутниковых измерений в видимом и инфракрасном (ИК) участках спектра, поскольку только измерения со спутников могут дать информацию об облачности в глобальном масштабе.
Основное направление работ, выполненных в этой области в последнее десятилетие, состоит в привлечении измерений в нескольких спектральных диапазонах с тем, чтобы лучше отделять облачность от различных типов подстилающей поверхности и увереннее идентифицировать различные типы облачности.
времени суток, и даже геометрии Спутник-Земля-Солнце (двусторонее отражение, солнечные блики). В автоматических моделях пороговые значения предпочитают выбирать путем сравнения временной или пространственной изменчивости наблюдаемых значений излучения.
Использование временной изменчивости. Определение излучения открытой поверхности по методу порогов имеет переменный успех, поскольку облачность предполагает нарушение излучения открытой поверхности. Предполагается, что снимки за последние несколько дней (приблизительно 15 дней) были проанализированы, чтобы выбрать минимальное значение альбедо и максимальное ИК излучение в течение этого периода. Исключались из анализа районы, полностью покрытые облачностью весь период, районы со снегопадами или районы известные по опыту как районы с большой междусуточной изменчивостью температуры поверхности, экстремумы которой очень близки к условиям открытой от облачности поверхности. Пространственная сглаженность результатов уменьшит шум, вызванный выбором экстремумов, но особое внимание следует обратить на высоко градиентные районы, например прибрежная полоса. Миннис и Гаррисон (1984) использовали сложную версию подобного приближения.
Следует отметить, что в некоторых ситуациях сложно определить облачность по данным измерений в видимом и 11 мкм диапазоне спектра, используя метод порогов или другие технологии. Между низкой облачностью над снегом или льдом в видимом диапазоне измерений не отмечается контрастности с подстилающей поверхностью, поскольку как лед, так и снег имеют очень похожее альбедо, а в ИК диапазоне практически одинаковую температуру. Облачность типа С/ проще определить по ИК измерениям, чем по измерениям в видимом диапазоне, хотя С/ могут быть достаточно тонкими и поступающее на радиометр излучение от поверхности Земли может дать радиационную температуру выше пороговой. Помимо этого трудно выделить
9
и малую разорванную облачность, достаточно широко разбросанную в пространстве. Многоярусная облачность представляет проблему для всех технологий восстановления облачности, поскольку имеет место экранирование низких облаков верхней облачностью.
Для выделения на изображении полей облачного покрова (Лильяс, 1989; Сандерс 1986) в первом приближении может использоваться метод сравнения радиационной температуры (Т) в точке с пороговым значением (Тп). Для этого используется радиационная температура в 5 канапе AVHRR ИСЗ NOAA (11.5-12.5 мкм) или в 3 канале ИСЗ METEOS АТ (10.5-12.5 мкм), в которых облака имеют наибольшую оптическую плотность, или в 4 канате AVHRR (10.3-11.3 мкм), в котором отмечается наибольшая интенсивность собственного излучения земной поверхности. В качестве порогового используется минимальное значение температуры подстилающей поверхности в пределах ячейки, заниженное на 2 градуса. При отсутствии регулярного представления данных о температуре подстилающей поверхности в расчетах используются результаты численного анализа приземной температуры воздуха. Элементы, для которых удовлетворяется условие Т < Тп относят к занятым облачностью. Метод применяется в любое время суток. В результате этого теста, как правило, детектируется до 80% облачных элементов (Сандерс 1986). Степень локальной изменчивости величины излучения в инфракрасной части спектра и соответствующей величины радиационной температуры, определяемая стандартным отклонением (sd) последней в элементарных ячейках, также несет информацию о типе подстилающей поверхности. Для данных AVI IRR NOAA стандартное отклонение рассчитывается для радиационной температуры, измеренной в 4 канале AVHRR (10.3-11.3 мкм), в ячейках 3x3 элемента (Сандерс, Крайбел 1988). Так, для водной поверхности характерна относительная локальная непрерывность излучения (sd < 0.2°С), для суши в
- Київ+380960830922