Том 33, номер 08, статья № 5

Бирюков Е. Ю., Косцов В. С. Применение регрессионного алгоритма к задаче исследования горизонтальной неоднородности водозапаса облаков по наземным микроволновым измерениям в режиме углового сканирования. // Оптика атмосферы и океана. 2020. Т. 33. № 08. С. 613-620. DOI: 10.15372/AOO20200805.
Скопировать ссылку в буфер обмена
Аннотация:

Представлены результаты определения градиента водозапаса облаков «суша – море» из наземных измерений нисходящего микроволнового излучения в области береговой линии Финского залива в окрестностях Санкт-Петербурга. Измерения осуществлялись на физическом факультете Санкт-Петербургского государственного университета радиометром RPG-HATPRO, работающим в режиме углового сканирования. Обратная задача решалась методом линейной регрессии с использованием различных статистических моделей облачности для обучения алгоритма. Получены средние за 7 лет микроволновых измерений значения градиента водозапаса для лета и зимы. Результаты показали наличие положительного градиента водозапаса облаков «суша – море» (большие значения над сушей, меньшие – над морем) в оба периода, что качественно согласуется с имеющимися спутниковыми данными.

Ключевые слова:

водозапас облаков, тропосфера, горизонтальные неоднородности параметров атмосферы, дистанционное зондирование, микроволновый радиометр, обратные задачи, регрессионный алгоритм

Список литературы:

1. Stephens G.L. Cloud feedbacks in the climate system: a critical review // J. Climate. 2015. V. 18. P. 237–273. DOI: 10.1175/JCLI-3243.1.
2. Zhang T., Stamnes K., Bowling S.A. Impact of clouds on surface radiative fluxes and snowmelt in the Arctic and Subarctic // J. Climate. 1996. V. 9. P. 2110–2123.
3. Beesley J.A. Estimating of the effect of clouds on the arctic surface energy budget // J. Geophys. Res. 2000. V. 105, N D8. P. 10103–10117.
4. Remote Sensing Systems. [Electronic resource] URL: http://remss.com/measurements/cloud-liquid-water-content (last access: 3.03.2020).
5. Stengel M., Kniffka A., Meirink J.F., Lockhoff M., Tan J., Hollmann R. CLAAS: the CM SAF cloud property data set using SEVIRI // Atmos. Chem. Phys. 2014. V. 14. P. 4297–4311. DOI: 10.5194/acp-14-4297-2014.
6. Stengel M., Sus O., Stapelberg S., Schlundt C., Poul­sen C., Hollmann R. ESA cloud climate change initiative (ESA Cloud_cci). Data: Cloud_cci AVHRR-PM L3C/L3U CLD_PRODUCTS v2.0, Deutscher Wetterdienst (DWD). 2017. [Electronic resource] URL: https:// doi.org/10.5676/DWD/ESA_Cloud_cci/AVHRR-PM/ V002.
7. Westwater E.R., Crewell S., Mätzler C. A Review of surface-based microwave and millimeter-wave radiometric remote sensing of the troposphere // Radio Sci. Bull. 2004. N 310. P. 59–80. DOI: 10.23919/URSIRSB.2004. 7909438.
8. Karlsson K. A 10 year cloud climatology over Scandinavia derived from NOAA advanced very high resolution radiometer imagery // Int. J. Climatol. 2003. V. 23. P. 1023–1044. DOI: 10.1002/joc.916.
9. Kostsov V.S., Kniffka A., Ionov D.V. Cloud liquid water path in the sub-Arctic region of Europe as derived from ground-based and space-borne remote observations // Atmos. Meas. Tech. 2018. V. 11. P. 5439–5460. DOI: 10.5194/amt-11-5439-2018.
10. Kostsov V.S., Kniffka A., Stengel M., Ionov D.V. Cross-comparison of cloud liquid water path derived from observations by two space-borne and one ground-based instrument in northern Europe // Atmos. Meas. Tech. 2019. V. 12. P. 5927–5946. DOI: 10.5194/amt-12-5927-2019.
11. Kostsov V.S., Ionov D.V., Kniffka A. Detection of the cloud liquid water path horizontal inhomogeneity in a coastline area by means of ground-based microwave observations: feasibility study // Atmos. Meas. Tech. Discuss. 2020. DOI: 10.5194/amt-2020-52.
12. Бирюков Е.Ю., Косцов В.С. Использование линейных регрессионных соотношений, полученных на основе модельных и экспериментальных данных, для определения водозапаса облаков из наземных микроволновых измерений // Оптика атмосф. и океана. 2019. Т. 32, № 5. С. 386–394. DOI: 10.15372/AOO20190508; Biryukov E.Yu., Kostsov V.S. The use of linear regression relations derived from model and experimental data for retrieval of the water content of clouds from ground-based microwave measurements // Atmos. Ocean. Opt. 2019. V. 32, N 5. P. 569–577.
13. Rose T., Crewell S., Löhnert U., Simmer C. A network suitable microwave radiometer for operational monitoring of the cloudy atmosphere // Atmos. Res. 2005. V. 75, N 3. P. 183–200. DOI: 10.1016/j.atmosres.2004. 12.005.
14. Radiometer Physics. A Rohde and Schwarz Company [Electronic resource]. URL: https://www.radiometer-physics.de (last access: 3.03.2020).
15. The University of Manchester. Centre for Atmospheric Science. Clouds [Electronic resource]. URL: http:// www.cas.manchester.ac.uk/resactivties/cloudphysics/background/classification/ (last access: 3.03.2020).
16. Rosenkranz P.W. Line-by-line microwave radiative transfer (non-scattering) // Remote Sens. 2017. DOI: 10. 21982/M81013.
17. Maetzler C. Ground-based observations of atmospheric radiation at 5, 10, 21, 35, and 94 GHz // Radio Sci. 1992. V. 27. P. 403–415.
18. ФГБУ «Северо-Западное управление по гидрометеорологии и мониторингу окружающей среды» [Электронный ресурс]. URL: http://www.meteo.nw.ru/articles/ index.php?id=746 (last access: 3.03.2020).