Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Девятнадцатая международная конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

Участие в конкурсе молодых ученых 

XIX.A.177

Объединение данных SSM/I и SSM/T-2 для повышения точности восстановления интегрального влагосодержания атмосферы над сушей

Поляков В.Д. (1), Ермаков Д.М. (2,3), Полякова Е.В. (4)
(1) Московский технический университет связи и информатики, Москва, Россия
(2) Институт космических исследований РАН, Москва, Россия
(3) Институт радиотехники и электроники им. В.А. Котельникова РАН, Фрязинский филиал (ФИРЭ им. В.А. Котельникова РАН), Фрязино, Россия
(4) Федеральный исследовательский центр комплексного изучения Арктики имени академика Н.П. Лаверова РАН, Архангельск, Россия
Авторами ранее предложен нейросетевой алгоритм восстановления интегрального влагосодержания (ИВС) атмосферы над сушей по данным SSM/I. В результате доработок топологии и характеристик нейростети удалось снизить среднюю погрешность восстановления ИВС от начальных 10 кг/м2 до 4.3 кг/м2 во второй версии алгоритма, что, однако, недостаточно для многих практических приложений и существенно уступает точностям восстановления, достижимым в настоящее время по данным МТВЗА-ГЯ, AMSR-E/2 и SSMIS. Для улучшения качества работы алгоритма был проведен анализ возникающих ошибок. Установлено, что погрешность оценки ИВС имеет неоднородное географическое распределение. Выделены наиболее проблематичные области, дающие максимальный вклад в среднюю величину погрешности. Проверена гипотеза о том, что «универсальная» нейросеть, обученная на данных глобальных наблюдений, неадекватно моделирует связь яркостных температур с ИВС на отдельных участках. С этой целью выполнена попытка построить и обучить «локализованные» нейросети, использующие только данные измерений в окрестностях выделенных проблемных областей. Установлено, что в пределах этих областей число имеющихся в распоряжении наблюдений недостаточно велико для построения репрезентативной обучающей выборки.
В то же время, есть основания полагать, что достижимы удовлетворительные точности восстановления ИВС, в том числе, над этими областями, по данным SSMIS. Это свидетельствует о том, что использование дополнительных радиометрических каналов (по сравнению с SSM/I) резко повышает репрезентативность данных наблюдений. В связи с этим предпринята попытка расширения вектора входных данных за счет объединения синхронных, пространственно совмещенных данных SSM/I и SSM/T-2 (пять каналов около 92 ГГц, 150 ГГц, 183 ГГц). Новые результаты обучения нейросети, улучшение средней погрешности восстановления ИВС над сушей и ее географическое распределение обсуждаются в докладе.

Ключевые слова: SSM/I, SSM/T-2, интегральное влагосодержание, искусственная нейронная сеть

Методы и алгоритмы обработки спутниковых данных