Нейросетевой метод оценки мгновенной интенсивности осадков по данным измерений геостационарного КА Himawari-8

Исследование и прогнозирование погодных явлений и связанных с ними осадков является одной из ключевых задач метеорологии. При этом точность и своевременность этих прогнозов в значительной степени зависит от количества наземных наблюдательных пунктов и плотности их размещения. Данная проблема является особенно актуальной для территории Сибири и Дальнего Востока, где количество подобных станций невелико. Выходом из сложившейся ситуации может стать использование систем космического мониторинга, в частности, применение геостационарных спутниковых радиометров, производящих съемку облачности и подстилающей поверхности с высоким пространственным (1-4 км) и временным разрешением (10-30 мин.). Однако в этом случае наблюдения ограничены только видимым и инфракрасным спектром, что накладывает существенные ограничения на точность получаемых данных о распределении зон осадков и их интенсивности в виду отсутствия информации о вертикальной структуре облачности. В связи с этим, требуется разработка эффективных алгоритмов по оценке осадков на основе данных геостационарных аппаратов, учитывающих эти недостатки.
Метод оценки мгновенной интенсивности осадков, рассматриваемый в данной работе, основан на использовании спектрально-текстурных и микрофизических характеристик облачности в качестве основных предикторов, на основе которых происходит детектирование зон осадков и классификация их интенсивностей. При этом в качестве классификационной модели используется нейронная сеть сверточного типа на базе энкодера из модели UNet. Метод позволяет осуществлять оценку интенсивностей в дневное и ночное время, используя соответствующие наборы предикторов, рассчитываемых на основе видимых и ИК каналов прибора AHI КА Himawari-8. В качестве «эталонных» измерений интенсивностей осадков в процессе обучения классификаторов использовались предварительно обработанные изображения, полученные по данным наземных метеорологических радиолокаторов на территории Китая, Кореи, Японии и Камчатки. Обученная модель классификатора в дальнейшем используется для построения карт интенсивностей осадков и их сумм на территории Дальнего Востока. Кроме того, для повышения качества получаемых карт список вышеуказанных предикторов дополняется информацией о рельефе и параметрах атмосферы, получаемых из моделей численного прогноза погоды. Валидация полученных результатов осуществлялась с привлечением данных наземных метеостанций, в том числе плювиографов.