Разработка алгоритмов восстановления оптико-геометрических характеристик облачности с учетом ее пространственной неоднородности по спутниковым данным с использованием методов искусственного интеллекта и математического моделирования

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 21-71-10076

НазваниеРазработка алгоритмов восстановления оптико-геометрических характеристик облачности с учетом ее пространственной неоднородности по спутниковым данным с использованием методов искусственного интеллекта и математического моделирования

Руководитель Скороходов Алексей Викторович, Кандидат технических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Институт оптики атмосферы им. В.Е. Зуева Сибирского отделения Российской академии наук , Томская обл

Конкурс №61 - Конкурс 2021 года «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-726 - Системы и технологии интеллектуального анализа данных и распознавания образов

Ключевые слова Алгоритмы, глубокое обучение, математическое моделирование, методы Монте-Карло, нейронные сети, нечеткая логика, параллельные вычисления, пространственная неоднородность облаков, радиационные характеристики, спутниковые данные, оптико-геометрические параметры облаков

Код ГРНТИ28.23.15

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
В настоящее время глобальное поле облачности относится к основным факторам неопределенности при прогнозировании будущих климатических изменений согласно межправительственной группе экспертов (IPCC). С одной стороны усиление парникового эффекта, наблюдаемое уже несколько десятилетий, может привести к уменьшению относительной влажности воздуха, а впоследствии – к сокращению количества облаков. С другой стороны, глобальное потепление способствует увеличению испаряемости и росту общей облачности. Для улучшения понимания обратных связей облаков сегодня активно развиваются различные климатические модели. Однако ни в одной из них роль глобального поля облачности в происходящих изменениях климата адекватно не интерпретируется. Основным причинами являются пространственное и временное разрешение моделей, а также используемые упрощения при параметризации облаков. В частности, для расчета радиационных характеристик различные типы облачности представляются в виде простейших геометрических фигур: параболоидов, параллелепипедов и сфер. При этом используются предположения об однородности внутренней структуры отдельно взятых облаков, например, об одинаковой концентрации влаги в различных их частях. Согласно же современным представлениям это приводит к существенной недооценке вклада облачности (особенно конвективной) в радиационный перенос. Этот факт особенно актуален на фоне сокращения площади многолетнего льда в Северном Ледовитом океане и связанного с этим увеличения повторяемости облаков вертикального развития над указанным регионом, в том числе и над Арктической зоной РФ. Поэтому на данный момент времени большое внимание стало уделяться изучению оптико-геометрических характеристик различных разновидностей облачности с учетом ее пространственной неоднородности, а также суточной, сезонно-широтной и многолетней изменчивости этих параметров. Основным источником информации о структуре облачности являются данные дистанционного зондирования Земли из космоса. Современные спутниковые системы метеорологического назначения позволяют восстанавливать некоторые характеристики облачности с хорошим пространственным и временным разрешением. Пассивные сенсоры (радиометры) регистрируют отраженное и испускаемое излучение в различных диапазонах спектра. При этом расчет параметров облаков осуществляется путем применения алгоритмов, использующих информацию о полосах поглощения некоторых атмосферных газов, например, CO2-slicing. Это позволяет достаточно эффективно восстанавливать характеристики верхней границы облаков: высоту, давление и температуру. Однако при расчете таких параметров облачности, как оптическая толщина, эффективный радиус частиц и водозапас используются различные упрощения, связанные с ее пространственной неоднородностью. Применительно к слоистообразным разновидностям облаков данный подход оправдан медленным поднятием воздушных масс. Но для конвективной облачности характерна достаточно сильная турбулентность и значительные градиенты вертикальной составляющей скорости ветра. Поэтому наиболее надежными результатами пассивного зондирования являются сведения только о горизонтальной структуре облачного поля, которые дают представление о степени покрытия подстилающей поверхности облаками, а также их разновидностях. Активные системы дистанционного зондирования (лидары и радары) позволяют изучать облачность в «разрезе», а также ее микрофизические параметры. При этом расчет характеристик облаков осуществляется на основе анализа сигналов обратного рассеяния оптического или радиоизлучения. Это дает возможность оценивать внутреннюю структуру облачности. Но активные методы зондирования облаков имеют свои недостатки. Так, лидарные системы позволяют регистрировать тонкую облачность верхнего яруса и оценивать структуру кристаллических облаков, но малоэффективны при анализе многослойной облачности и мощных жидкокапельных облаков. Спутниковые радары дают возможность анализировать профили облачности и ее фазовый состав. Но верхние и нижние границы облаков на радарных данных сильно размыты. Таким образом, активные и пассивные системы имеют свои достоинства и недостатки, которые можно нивелировать путем комплексного использования результатов их измерений. В частности, данная концепция реализована в группировке спутников A-Train, включающую как пассивный радиометр MODIS, так и активные средства CALIPSO (лидар) и CloudSat (радар). Данные, полученные на их основе, предоставляют широкие возможности для изучения пространственной структуры облачности, процессов ее формирования и влияния на погоду. Однако задача восстановления высоты нижней и верхней границ облаков с пиксельной точностью (особенно конвективных), а также оптической толщины и эффективного радиуса частиц с учетом их пространственной неоднородности остается по-прежнему нерешенной. Это обусловлено в первую очередь низкой периодичностью сканирования CALIPSO, сбоем в работе батарей на CloudSat в 2011 году, возможностями ночной съемки MODIS, а также несовершенством физических моделей, описывающих внутреннюю структуру облачности. В последние несколько лет стали предприниматься попытки создания алгоритмов восстановления геометрических параметров облачности с пиксельной точностью, а также оптической толщины и эффективного радиуса частиц с учетом ее пространственной неоднородности с привлечением средств искусственного интеллекта. Так, основная идея подхода к оценке нижней границы облаков заключается в экстраполяции результатов дистанционного зондирования, полученных вдоль трассы лидара CALIPSO по обе стороны от нее на основе анализа данных CloudSat и MODIS. Предлагаемый в проекте алгоритм будет основан на применении технологии искусственных нейронных сетей и методов нечеткой логики, а также комплексного использования результатов активных (CALIPSO и СloudSat), пассивных (MODIS и VIIRS) спутниковых и наземных инструментальных измерений. В частности, радиометр VIIRS способен регистрировать отраженное излучение от слабых источников света (атмосферы, звезд, Луны) и генерируемое от искусственных (городов, трасс, транспорта) в видимом диапазоне спектра в ночное время суток. Использование же наземных наблюдений необходимо для адекватной оценки нижней границы мощной облачности, которая плохо восстанавливается по спутниковым данным. Предполагается, что данный алгоритм позволит определять высоту верхней и нижней границ облаков (в том числе и конвективных) с пиксельной точностью в любое время суток на значительном отдалении от трассы лидара согласно снимкам MODIS или VIIRS. Предлагаемый алгоритм восстановления оптической толщины и эффективного радиуса частиц облачности с учетом ее пространственной неоднородности будет основан на использовании нейронной сети, обученной по результатам 3D моделирования переноса солнечного излучения в облачной атмосфере методом Монте-Карло. Данный алгоритм позволит повысить точность определения указанных параметров облачности по сравнению с подходами, основанными на IPA-приближениях. Создание такого алгоритма актуально еще и тем, что в настоящее время приоритетным направлением в данной области является изучение возможностей проведения компьютерной томографии облаков после запуска соответствующих спутниковых систем (миссия CloudCT). Таким образом, актуальность проекта обусловлена необходимостью создания более адекватных и детальных параметризаций облаков для повышения надежности климатических моделей, а также усиливающимся интересом к изучению внутренней структуры облачности в свете запуска перспективных аппаратов дистанционного зондирования Земли из космоса. Научная новизна проекта заключается в разработке принципиально новых алгоритмов восстановления оптико-геометрических характеристик облачности с учетом ее пространственной неоднородности по спутниковым данным и результатам наземных наблюдений на основе применения технологии искусственных нейронных сетей, методов математического моделирования и нечеткой логики.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Скороходов А.В., Курьянович К.В. Кластерный анализ полей облачности на спутниковых снимках MODIS и VIIRS с использованием данных лидара CALIOP Материалы 19-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Электронный сборник материалов конференции., C. 63 (год публикации - 2021)
10.21046/19DZZconf-2021a

2. Пустовалов К.Н., Харюткина Е.В., Морару Е.И. Изменчивость характеристик осадков конвективного происхождения над Западной Сибирью по данным микроволновых спутников, реанализа и наблюдений на метеостанциях Материалы 19-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Электронный сборник материалов конференции., С. 190 (год публикации - 2021)
10.21046/19DZZconf-2021a

3. Русскова Т.В. LES модели полей конвективной облачности в решении задачи восстановления оптико-микрофизических характеристик облаков по данным дистанционного зондирования Земли из космоса Материалы 19-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Электронный сборник материалов конференции., С. 54 (год публикации - 2021)
10.21046/19DZZconf-2021a

4. Скороходов А.В., Курьянович К.В. Использование данных CALIOP для оценки высоты нижней границы облаков на спутниковых снимках MODIS Современные проблемы дистанционного зондирования Земли из космоса, Т. 19 (год публикации - 2022)
10.21046/2070-7401-2022-19-2-43-56

5. Морару Е.И., Пустовалов К.Н., Харюткина Е.В. Analysis of cloud base height variability in Western Siberia based on reanalysis and observational data over the period 2000-2020 Proceedings of SPIE, V. 12341. CID. 12341 5L (год публикации - 2022)
10.1117/12.2644423

6. Русскова Т.В., Ткачев И.В. Modeling of horizontally inhomogeneous cloudiness using bounded cascade method Proceeding of SPIE, v. 12341. CID. 12341 08 (год публикации - 2022)
10.1117/12.2643827

7. Скороходов А.В., Курьянович К.В. Использование данных лидара CALIOP и радара CPR для восстановления высоты нижней границы однослойной облачности по спутниковым снимкам MODIS на основе нейронных сетей Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса», C. 65 (год публикации - 2022)
10.21046/20DZZconf-2022a

8. Пустовалов К.Н., Харюткина Е.В., Морару Е.И. Изменчивость высоты нижней границы облачности над Западной Сибирью по данным дистанционного зондирования Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса», С. 444 (год публикации - 2022)
10.21046/20DZZconf-2022a

9. Русскова Т.В. Перенос солнечного излучения в разорванной горизонтально неоднородной облачности при наблюдении из космоса Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса», С. 448 (год публикации - 2022)
10.21046/20DZZconf-2022a

10. Скороходов А.В., Курьянович К.В. Восстановление высоты нижней границы облаков вертикального развития по спутниковым данным MODIS Материалы VI Всероссийской конференции "Информационные технологии для наук о Земле и цифровизация в геологии и горнодобывающей промышленности (ITES-2022)", C. 35-36 (год публикации - 2022)
10.24866/7444-5341-1

11. Скороходов А.В., Пустовалов К.Н., Харюткина Е.В., Астафуров В.Г. Cloud-base height retrieval from MODIS satellite data based on self-organizing neural networks Atmospheric and Oceanic Optics, V. 36, P. 723–734 (год публикации - 2023)
10.1134/S1024856023060209

12. Скороходов А.В., Пустовалов К.Н., Харюткина Е.В., Астафуров В.Г. Восстановление высоты нижней границы облаков по спутниковым данным MODIS на основе самоорганизующихся нейронных сетей Оптика атмосферы и океана, Т. 36, № 8, С.670-680 (год публикации - 2023)
10.15372/AOO20230807

13. Пустовалов К.Н., Харюткина Е.В., Морару Е.И. Изменчивость высоты нижней границы облачности над территорией Западной Сибири по данным лазерного зондирования за период 2010–2021 гг. Оптика атмосферы и океана, Т. 36, № 9, С. 733-741 (год публикации - 2023)
10.15372/AOO20230905

14. Скороходов А.В., Курьянович К.В. Base height estimation for multi-layer clouds from passive remote sensing data Proceedings of SPIE, 127804W (год публикации - 2023)
10.1117/12.2688701

15. Русскова Т.В., Скороходов А.В., Ткачев И.В. Neural network retrieval of optical thickness of horizontally inhomogeneous cloudiness from nadir multispectral radiance data Proceedings of SPIE, 1278031 (год публикации - 2023)
10.1117/12.2690709

16. Пустовалов К.Н., Харюткина Е.В., Морару Е.И. Variability in base height of cumulonimbus clouds over Western Siberia based on ground remote sensing data Proceedings of SPIE, 127805D (год публикации - 2023)
10.1117/12.2690220

17. Скороходов А.В., Курьянович К.В. Использование данных лидара CALIOP для восстановления высоты нижней границы многослойной облачности по спутниковым снимкам MODIS на основе методов нечеткой логики Материалы 21-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса», C. 53 (год публикации - 2023)
10.21046/21DZZconf-2023a

18. Русскова Т.В., Скороходов А.В. Алгоритм восстановления оптической толщины и статистических характеристик слоистообразной облачности по данным дистанционного зондирования Земли с помощью нейронной сети Материалы 21-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса», С. 45 (год публикации - 2023)
10.21046/21DZZconf-2023a

19. Морару Е.И., Пустовалов К.Н., Харюткина Е.В., Смирнов С.В. Изменчивость высоты нижней границы облачности в г.Томске по данным наземного дистанционного зондирования Материалы 21-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса», С. 164 (год публикации - 2023)
10.21046/21DZZconf-2023a

20. Русскова Т.В., Скороходов А.В. Алгоритм восстановления оптической толщины однослойной горизонтально неоднородной облачности с использованием нейронной сети Современные проблемы дистанционного зондирования Земли из космоса, Т. 21, № 1, С. 88-105 (год публикации - 2024)
10.21046/2070-7401-2024-21-1-88-105

21. Скороходов А.В. Использование данных лидара CALIOP для восстановления высоты нижней границы многослойной облачности по спутниковым данным MODIS на основе методов нечёткой логики Современные проблемы дистанционного зондирования Земли из космоса, Т. 21, № 1, С. 122-134 (год публикации - 2024)
10.21046/2070-7401-2024-21-1-122-134

22. Скороходов А.В. Реконструкция трёхмерных моделей облаков на основе информации о высоте их верхней и нижней границ по данным пассивного спутникового зондирования Современные проблемы дистанционного зондирования Земли из космоса, Т. 21, № 2, С. 23-35 (год публикации - 2024)
10.21046/2070-7401-2024-21-2-23-35

23. Морару Е.И., Харюткина Е.В., Пустовалов К.Н., Скороходов А.В., Смирнов С.В. Сравнительный анализ характеристик кучево-дождевых облаков по данным наземных наблюдений и спутникового зондирования на примере г. Томск Современные проблемы дистанционного зондирования Земли из космоса, Т.21. №3. С.307-318 (год публикации - 2024)
10.21046/2070-7401-2024-21-3-307-318

24. Русскова Т.В., Скороходов А.В. Оценка применимости нейронной сети для восстановления оптической толщины и эффективного радиуса капель однослойной горизонтально неоднородной облачности Оптика атмосферы и океана, Т.37. №11. С.930–938. (год публикации - 2024)
10.15372/AOO20241105.

25. Харюткина Е.В., Логинов С.В., Морару Е.И., Пустовалов К.Н., Мартынова Ю.В. Dynamics of climate extremes and trends of dangerous meteorological phenomena in Western Siberia Atmospheric and Oceanic Optics, Vol. 4 (год публикации - 2022)
10.1134/S1024856022040078

26. Скороходов А.В., Курьянович К.В. Использование данных CloudSat CPR для повышения эффективности нейросетевого подхода к восстановлению высоты нижней границы облаков на спутниковых снимках Aqua MODIS Современные проблемы дистанционного зондирования Земли из космоса, Т. 19. № 5. С. 63-75 (год публикации - 2022)
10.21046/2070-7401-2022-19-5-63-75

27. Скороходов А.В., Курьянович К.В. Base height estimation for low and high-level clouds from MODIS data Proceedings of SPIE, V. 12341. CID. 12341 54 (год публикации - 2022)
10.1117/12.2642852

Публикации