Статистическая модель текстуры изображений различных типов облачности по данным MODIS

Облачность является одним из основных факторов, влияющих на процессы образования погоды и изменения климата, поскольку облака воздействуют на нагревание земной поверхности и препятствуют ее выхолаживанию. Особый интерес представляют перистые облака, которые сложно распознать на спутниковых снимках из-за их малой оптической толщины.
При описании облачности по данным систем космического базирования применяются два основных подхода − спектральный и текстурный. Первый из них основан на совместном использовании данных спектральных каналов, в которых выполняется съемка поверхности Земли. При этом облачность описывается попиксельно, что не позволяет характеризовать ее как единую и целостную структуру. Текстурный подход лишен этого недостатка, поскольку в его основе лежит описание текстуры фрагментов изображений, полученных по данным видимого диапазона. При этом текстура изображений одного и того же фрагмента облачности отличается на снимках с различным пространственным разрешением, а облачность разных типов может выглядеть одинаково на снимках с одним и тем же разрешением.
При разработке спутниковых методов обнаружения и классификации облачности основным этапом является создание набора эталонных изображений. В данном исследовании формирование набора эталонных образцов различных типов облачности осуществлялось путем сопоставления архивных данных сети наземных и судовых метеостанций (http://meteo.infospace.ru) со спутниковой съемкой MODIS (http://ladsweb.nascom.nasa.gov).
В докладе приведятся результаты определения типов облачности, которые имеют уникальную текстуру изображений, полученных по данным видимого диапазона спектра (0.62 – 0.67 мкм) MODIS с пространственным разрешением 250 м в дневное время и при отсутствии снежного покрова. Для изображений перистой облачности дополнительно используются каналы (0.459 – 0.479 мкм, 0.545 – 0.565 мкм) MODIS с пространственным разрешением 500 м и 1000 м. Всего было выделено 14 типов облачности с уникальной текстурой изображений, к которым относятся их основные типы, подтипы и сочетания. Для описания текстур облачности используются следующие статистические методы: Gray-Level Co-occurrences Matrix (GLCM), Gray Level Difference Vector (GLDV) и Sum and Difference Histograms (SADH). В ходе исследований были выделены ключевые текстурные признаки или их сочетания для каждого из рассматриваемых типов облачности.
В докладе обсуждается статистическая модель текстуры изображений различных типов облачности. Для ее построения применялся программный пакет STATISTICA, с помощью которого определялись плотности вероятностей значений текстурных признаков, рассчитанных по фрагментам изображений облачности. При этом использовались критерии согласия хи-квадрат, Колмогорова-Смирнова и Лиллиефорса (в тесте на нормальность). В результате численных экспериментов было установлено, что значения всех рассматриваемых в работе текстурных признаков (максимальная вероятность, первый начальный момент, вариация, контраст, дисперсия, суммарная дисперсия, дифференциальная дисперсия и дифференциальная энтропия) описываются гамма-, логнормальным, нормальным или экспоненциальным распределением.
Работа выполнена при частичной финансовой поддержке Минобрнауки РФ (госконтракт № 02.740.11.0674).