Оперативный мониторинг облачности и осадков в Дальневосточном регионе с использованием нейросетевых технологий

Мониторинг облачности и осадков является основой гидрометеорологического обеспечения и крайне востребован во многих сферах деятельности. На территории Дальнего Востока возможности для оперативного мониторинга сильно ограничены в виду разреженности сети наземных наблюдений, особенно радиолокационных. Данные дистанционного зондирования позволяют существенно дополнить наземные наблюдения, поскольку они позволяют единовременно охватить большую территорию с высокой периодичностью съемки. Использование данных дистанционного зондирования Земли для оценки интенсивности осадков проходит в два этапа. На первом этапе выполняется обнаружение облачности по спутниковым данным и строится маска облачности. На втором этапе на основе полученной маски производится расчет интенсивности осадков.
В целях решения поставленной задачи используются данные наблюдений геостационарных космических аппаратов (КА) Himawari-8/9 и Электро-Л № 4. Для данных КА Himawari-8/9 был реализован метод расчета маски облачности, который основан на ансамблевом методе с использованием нескольких сверточных нейросетевых классификаторов. Точность полученных результатов оценена с использованием принятой за эталон маски облачности, предоставляемой Национальным управлением океанических и атмосферных исследований (NOAA). Среднее значение f1-меры в сравнении с продуктом NOAA составляет около 85%. Применительно к данным прибора МСУ-ГС, установленного на геостационарном КА Электро-Л № 4, был адаптирован полученный ранее нейросетевой метод расчета маски облачности, обученный на данных КА Электро-Л №2. В постобработке алгоритма был добавлен тест, направленный на выявление перемещения облачности при сравнении двух последовательных спутниковых снимков. Точность по сравнению с масками облачности, полученными по данным прибора AHI КА Himawari-9, составила 88.2 %, а с эталонными масками, полученными путем ручного дешифрирования изображений – 93.1%. Таким образом, реализованные алгоритмы позволяют эффективно производить дальнейшие расчеты метеорологических параметров, при этом время расчета масок облачности составляет менее 2-х минут.
Используя полученные маски облачности был реализован алгоритм оценки интенсивности осадков по данным КА Himawari-8/9. Он основан на использовании двух нейронных сетей трансформерной и сверточной архитектур. В качестве источника информации об осадках для обучения нейронной сети использовались измерения международного проекта по глобальному мониторингу осадков Global Precipitation Measurements (GPM). При обучении нейронной сети учитывались спектральные, текстурные и микрофизические характеристики осадкообразующих облаков. Оценка точности полученных результатов интенсивности осадков была проведена с использованием данных об осадках из проекта GPM, а также данных прогностической модели CosmoRu-6 и наземных измерений осадкомеров стационарной сети наблюдений. Анализ результатов проведенной оценки точности показал, что представленный алгоритм наиболее точно оценивает количество осадков, однако имеет тенденцию к переоценке их накопленных сумм, тогда как GPM и CosmoRu-6 склонны к их недооценке. Сравнение с продуктом GPM показало значение RMSE около 2,19 мм/ч. Алгоритм для расчета интенсивности осадков по данным МСУ-ГС КА Электро-Л № 4 основан на том же подходе, что и алгоритм для КА Himawari-8/9. Для обучения и тестирования алгоритма также использовались данные GPM. Оценка точности показала значение RMSE 1.27 мм/ч с показателем f1-меры около 0,59 для теплого и холодного периодов года.
Разработанные алгоритмы внедрены в оперативную практику Дальневосточного центра НИЦ «Планета» и интегрированы в систему подготовки данных для геоинформационной системы «Арктика-М» и систему реального времени «Himawari» для оперативного доведения тематической продукции до потребителей.
Работа выполнена за счет гранта Российского научного фонда № 23-77-00011, https://rscf.ru/project/23-77-00011/.