Отправить статью по E-mail 
Определение водозапаса облачности по данным радиометра МСУ-ГС КА Арктика-М № 1
- Авторы: Филей А.А.1, Шамилова Ю.А.1
-
Учреждения:
- Дальневосточный центр ФГБУ “Научно-исследовательский центр космической гидрометеорологии "Планета”
- Выпуск: № 3 (2023)
- Страницы: 70-80
- Раздел: ФИЗИЧЕСКИЕ ОСНОВЫ ИССЛЕДОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА
- URL: https://bakhtiniada.ru/0205-9614/article/view/136978
- DOI: https://doi.org/10.31857/S0205961423030028
- EDN: https://elibrary.ru/TYJFUD
- ID: 136978
Цитировать
Открытый доступ
Доступ предоставлен
Только для подписчиков
Аннотация
В статье представлена методика определения водозапаса облачности по данным дневных измерений радиометра МСУ-ГС, установленного на борту российского гидрометеорологического спутника “Арктика-М” № 1. В основе представленной методики лежат физические принципы взаимодействия электромагнитного излучения с частицами облачности в коротковолновой области спектра на длинах волн 0.55 и 4.0 мкм. Полученные по данным радиометра МСУ-ГС оценки водозапаса облачности сопоставлялись с аналогичными оценками по данным радиометров AMSU/MHS и AHI. По результатам сопоставления искомые оценки водозапаса капельной облачности находятся в допустимых пределах погрешности измерений, не превышающей 50 г/м2. В тоже время в силу конструктивных особенностей радиометр МСУ-ГС не позволяет с требуемой точностью восстанавливать водозапас кристаллической облачности. В среднем оценка водозапаса кристаллической облачности по данным МСУ-ГС занижена на 110 г/м2, а среднеквадратическая ошибка составляет 158 г/м2 по сравнению с данными радиометра AHI. Полученные оценки водозапаса были внедрены в геоинформационную систему “Арктика-М”, обеспечивающую доступ к данным КА “Арктика-М” № 1 и результатам их тематической обработки в режиме, близкому к реальному времени.
Ключевые слова
Об авторах
А. А. Филей
Дальневосточный центр ФГБУ “Научно-исследовательский центр космической гидрометеорологии "Планета”
Автор, ответственный за переписку.
Email: andreyvm-61@mail.ru
Россия, Хабаровск
Ю. А. Шамилова
Дальневосточный центр ФГБУ “Научно-исследовательский центр космической гидрометеорологии "Планета”
Email: andreyvm-61@mail.ru
Россия, Хабаровск
Список литературы
- Андреев А.И., Шамилова Ю.А. Детектирование облачности по данным КА Himawari-8 с применением сверточной нейронной сети // Исслед. Земли из Космоса. 2021. № 2. С. 42−52.
- Мазин И.П., Хргиан А.Х. Облака и облачная атмосфера. Справочник // Л.: Гидрометиздат. 1989. 647 с.
- Матвеев Л.Т. Курс общей метеорологии. Физика атмосферы // Л.: Гидрометеоиздат. 1984. 751 с.
- Филей А.А. Определение фазового состояния облачности по данным спутникового радиометра МСУ-МР космического аппарата “Метеор-М” № 2 // Оптика атмосферы и океана. 2019 Т. 32. № 5. С. 376−380.
- Хартов В.В., Мартынов М.Б., Бабышкин В.Е., Москатиньев И.В., Митькин А.С. Новая высокоэллиптическая космическая система “АРКТИКА” // Вестник НПО им. С.А. Лавочкина. 2014. № 3. С. 104−109.
- Baum B.A., Heymsfield A.J., Yang P., Bedka S.T. Bulk scattering models for the remote sensing of ice clouds. Part I: Microphysical data and models // J. Applied Meteorology and Climatology. 2005. V. 44. P. 1885–1895.
- Baum B.A., Yang P., Heymsfield A.J., Platnick S., King M.D., Hu Y-X., Bedka S.T. Bulk scattering models for the remote sensing of ice clouds. Part II: Narrowband models // J. Applied Meteorology and Climatology. 2005. V. 44. P. 1896–1911.
- Bennartz R. Global assessment of marine boundary layer cloud droplet number concentration from satellite // J. Geophys Res: Atmos. 2007. V. 112(D2). 16 p.
- Buras R., Dowling T., Emde C. New secondary-scattering correction in DISORT with increased efficiency for forward scattering // J. Quantitative Spectroscopy and Radiative Transfer. 2011. V. 112(12). P. 2028–2034.
- Gasteiger J., Emde C., Mayer B., Buras R., Buehler S.A., Lemke O. Representative wavelengths absorption parameterization applied to satellite channels and spectral bands // J. Quantitative Spectroscopy and Radiative Transfer. 2014. V. 148. P. 99–115.
- Han Q., Rossow W.B., Lacis A.A. Near-global survey of effective droplet radii in liquid water clouds using ISCCP data // J. Climate. 1994. V. 7. P. 465–497.
- Heymsfield A.J., Matrosov S., Baum B. Ice Water Path-Optical Relationships for Cirrus and Deep Stratiform Ice Cloud Layers // J. Appl. Meteor. 2003. V. 42. № 10. P. 1369–1390.
- Hu Y.X., Stamnes K. An accurate parameterization of the radiative properties of water clouds suitable for use in climate models // J. Climate. 1993. V. 6. P. 728–742.
- Mayer B., Kylling A., Emde C., Buras R., Hamann U., Gasteiger J., Richter B. // LibRadtran user’s guide. 2017. 155 p.
- Platnick S. Vertical photon transport in cloud remote sensing problems // J. Geophys. Res. 2000. V. 105. № D18. P. 22919–22935.
- Platnick S., King M.D., Ackerman S.A., Menzel W.P., Baum B.A., Riedi J.C., Frey R.A. The MODIS cloud products: Algorithms and examples from Terra // IEEE Trans. Geosci. Remote Sensing. 2003. V. 41. P. 459–473.
- Roebeling R.A., Feijt A.J., Stammes P. Cloud property retrievals for climate monitoring: Implications of differences between Spinning Enhanced Visible and Infrared Imager (SEVIRI) on METEOSAT-8 and Advanced Very High Resolution Radiometer (AVHRR) on NOAA-17 // J. Geophys. Res.: Atmos. 2006. V. 111. № D20210. 16 p.
- Walther A., Heidinger A. Implementation of the Daytime Cloud Optical and Microphysical Properties. Algorithm (DCOMP) in PATMOS-x // J. Applied Meteorology and Climatology. 2012. V. 51. № 7. P. 1371–1390.
Дополнительные файлы
