1. На главную
  2. Электронные версии
  3. Исследование Земли из Космоса
  4. № 5, 2023

Исследование Земли из Космоса, 2023, № 5, стр. 23-35

Исследование возможности восстановления интенсивности осадков по измерениям МТВЗА-ГЯ

Д. С. Сазонов *

Институт космических исследований (ИКИ РАН)
Москва, Россия

* E-mail: sazonov_33m7@mail.ru

Поступила в редакцию 20.04.2023

Аннотация

В настоящей работе представлен алгоритм восстановления интенсивности осадков над поверхностью океана по данным отечественного микроволнового сканера-зондировщика МТВЗА-ГЯ. Основой разработанного алгоритма является регрессионная модель ALG'85, в которой для оценки интенсивности осадков используется индекс рассеяния на высокочастотном радиометрическом канале порядка 90 ГГц. В работе проведено моделирования индекса рассеяния на основе данных МТВЗА-ГЯ и его сравнение с данными реанализа GPM IMERG. Для восстановления интенсивности осадков предложено использовать полином четвертой степени. Полученные количественные оценки показывают, что разброс СКО достигает 50%, а коэффициент корреляции не превышает 0.75. Качественное сравнение указывает на существенную разницу между восстановленными осадками и данными GPM IMERG и на наличие смещения области осадков. В результате анализа был сделан вывод, что одной из причин может быть некорректное сведение лучей диаграмм направленности для различных частотных каналов прибора МТВЗА-ГЯ.

Ключевые слова: дистанционное зондирование, радиояркостная температура, интенсивность осадков, микроволновое излучение, моделирование, регрессионное соотношение

Список литературы

  1. Болдырев В.В., Горобец Н.Н., Ильгасов П.А., Никитин О.В., Панцов В.Ю., Прохоров Ю.Н., Стрельников Н.И., Стрельцов А.М., Черный И.В., Чернявский Г.М., Яковлев В.В. Спутниковый микроволновый сканер/зондировщик МТВЗА-ГЯ // Современные проблемы дистанционного зондирования Земли из космоса. 2008. Т. 1. № 5. С. 243–248.

  2. Бухаров М.В., Миронова Н.С., Сизенова Е.А. Распознавание метеорологических явлений и оценка их параметров по многоспектральной информации микроволнового радиометра МТВЗА // Восьмая всероссийская открытая ежегодная конференция “Современные проблемы дистанционного зондирования Земли из космоса”: Тез. докл. М.: ИКИ РАН, 2010. С. 140.

  3. Ермаков Д.М., Кузьмин А.В., Мазуров А.А., Пашинов Е.В., Садовский И.Н., Сазонов Д.С., Стерлядкин В.В., Чернушич А.П., Черный И.В., Стрельцов А.М., Шарков Е.А., Екимов Н.С. Концепция потоковой обработки данных российских спутниковых СВЧ-радиометров серии МТВЗА на базе ЦКП “ИКИ-Мониторинг” // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 4. С. 298–303. https://doi.org/10.21046/2070-7401-2021-18-4-298-303

  4. Заболотских Е.В., Балашова Е.А., Азаров С.М. Восстановление сплоченности морского льда по данным измерений МТВЗА‑ГЯ // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 1. С. 27–38. https://doi.org/10.21046/2070-7401-2022-19-1-27-38

  5. Лупян Е.А., Прошин А.А., Бурцев М.А., Кашницкий А.В., Балашов И.В., Барталев С.А., Константинова А.М., Кобец Д.А., Мазуров А.А., Марченков В.В., Матвеев А.М., Радченко М.В., Сычугов И.Г., Толпин В.А., Уваров И.А. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП “ИКИ-Мониторинг”) // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151–170. https://doi.org/10.21046/2070-7401-2019-16-3-151-170

  6. Сазонов Д.С., Садовский И.Н., Кузьмин А.В. Космический эксперимент “Конвергенция”. Дистанционное определение температуры океана по радиоизмерениям на частотах 10.65, 18.7 и 36.5 ГГц // Исслед. Земли из космоса. 2020. № 2. С. 82–94.

  7. Чернявский Г.М., Митник Л.М., Кулешов В.П., Митник М.Л., Чёрный И.В. Микроволновое зондирование океана, атмосферы и земных покровов по данным спутника “Метеор-М” № 2 // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 78–100. https://doi.org/10.21046/2070-7401-2018-15-4-78-100

  8. Chang A.T.C., Chiu L.S., Kummerow C.D., Meng J., Wilheit T.T. First results of the TRMM Microwave Imager (TMI) monthly oceanic rain rate: Comparison with SSM/I, Geophys. Res. Lett., 1999. 26. P. 2379–2382.

  9. Chinnawat Surussavadee, David H. Staelin NPOESS Precipitation Retrievals Using the ATMS Passive Microwave Spectrometer, IEEE GEOSCIENCE AND REMOTE SENSING LETTERS, 2010, V. 7. № 3. P. 440–444. https://doi.org/10.1109/LGRS.2009.2038614

  10. Ferraro R.R., Marks G.F. The development of SSM/I rain-rate retrieval algorithms using ground-based radar measurements, J. Atmos. Oceanic Technol. 1995. 12. P. 755–770.

  11. Ferraro R.R. Special sensor microwave imager derived global rainfall estimates for climatological applications // J. Geophys. Res. 1997. V. 102. № D14. P. 16.715–16.735.

  12. Grody N.C. Classification of snow cover and precipitation using the Special Sensor Microwave/Imager (SSM/I), J. Geophys. Res. 1991. 96. P. 7423–7435.

  13. Huffman G.J., Stocker E.F., Bolvin D.T., Nelkin E.J., Tan Jackson (2019), GPM IMERG Final Precipitation L3 Half Hourly 0.1 degree x 0.1 degree V06, Greenbelt, MD, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [30.04.2022]. https://doi.org/10.5067/GPM/IMERG/3B-HH/06

  14. Kidd C., Levizzani V., Laviola S. Quantitative Precipitation Estimation From Earth Observation Satellites, In book Rainfall: State of the Science, American Geophysical Union, 2010. P. 127–158. https://doi.org/10.10292009GM000920

  15. Kummerow C.D., Hong Y., Olson W.S., Yang S., Adler R.F., McCollum J., Ferraro R.R., Petty G., Shin D.-B., Wilheit T.T. The evolution of the Goddard Profiling Algorithm (GPROF) for rainfall estimation from passive microwave sensors, J. Appl. Meteorol. 2001. V. 40. № 8. P. 1801–1820.

  16. Kummerow C.D., Randel D.L., Kulie M., Wang N.Y., Ferraro R., Munchak S.J., Petkovic V. The Evolution of the Goddard Profiling Algorithm to a Fully Parametric Scheme. JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY, 2015. V. 32. № 12. P. 2265–2280. https://doi.org/10.1175/JTECH-D-15-0039.1

  17. Randel D.L., Kummerow C.D., Ringerud S. The Goddard Profiling (GPROF) Precipitation Retrieval Algorithm. Advances in Global Change Research. 2020. P. 141–152. https://doi.org/10.1007/978-3-030-24568-9_8

  18. Sadovsky I.N., Sazonov D.S. Geographic Reference of MTVZA-GYa Radiometric Remote-Sensing Data // Izvestiya, Atmospheric and Oceanic Physics, 2022. V. 58, № 12. P. 1664–1674. https://doi.org/10.1134/S0001433822120210

  19. Wentz F.J., Hilburn K.A., Smith D.K. Remote Sensing Systems DMSP [SSM/I or SSMIS] [Daily, 3-Day, Weekly, Monthly] Environmental Suite on 0.25 deg grid, Version 7, 2012 Remote Sensing Systems, Santa Rosa, CA. Available online at www.remss.com/missions/ssmi. [Accessed 15 Jan 2022].

  20. Zabolotskikh E., Chapron B. Validation of the New Algorithm for Rain Rate Retrieval from AMSR2 Data Using TMI Rain Rate Product. Advances in Meteorology Volume 2015. Article ID 492603. 12 p. https://doi.org/10.1155/2015/492603

  21. Zhang R., Wang Z., Hilburn K.A. Tropical Cyclone Rainfall Estimates from FY-3B MWRI Brightness Temperatures Using the WS Algorithm. Remote Sens. 2018. 10. 1770. https://doi.org/10.3390/rs10111770

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Исследование Земли из Космоса

Архивы выпусков Информация о журнале Отправить рукопись в журнал