Определение высоты снежного покрова по данным прибора AMSR3 с помощью методов искусственного интеллекта

Высота снежного покрова является одним из ключевых параметров. Сведения о её пространственном распределении позволяют оценить условия снегонакопления, а в сочетании с данными о плотности снега используются для расчета запаса воды, необходимого при решении ряда гидрологических задач, в том числе для прогнозирования весеннего половодья [1]. Станционные и маршрутные снегосъёмки обеспечивают измерения этих характеристик, однако их пространственная разреженность ограничивает возможность детального описания снежного покрова на обширных территориях. Одним из способов получения необходимых регулярных измерений снежного покрова является спутниковое пассивное микроволновое зондирование. Для прибора AMSR3 космического аппарата (КА) GOSAT-GW предусмотрен алгоритм восстановления и глобальный L2 продукт высоты снежного покрова (SD) [2]. Из-за того, что растительность и тип подстилающей поверхности вносят существенный вклад в формирование микроволнового сигнала, единая параметризация, используемая в глобальном алгоритме, не всегда позволяет в полной мере учитывать региональные особенности территории. Эти ограничения обосновали необходимость создания регионального алгоритма оценки высоты снежного покрова в ДФО по данным радиометра AMSR3 КА GOSAT-GW. Для решения этой задачи были выбраны алгоритмы машинного обучения, перспективность которых для выполнения подобных задач уже подтверждалась ранее [3]. В качестве входных данных использовались значения яркостной температуры каналов AMSR3, а также их спектральные и поляризационные разности. Для учёта факторов, влияющих на микроволновый сигнал в условиях исследуемого региона, дополнительно использовались данные ERA5-Land [4], характеристики рельефа, тип подстилающей поверхности и сведения о лесном покрове по данным GLC_FCS30D за 2022 г. [5]. Проверка алгоритма выполнялась по набору станционных измерений, предоставленных центром данных ВНИИГМИ-МЦД [6]. За зимний период с ноября 2025 г. по февраль 2026 г. корень из среднеквадратической ошибки (RMSE) составил 16,21 см, MAE – 10,18 см. Для периода с марта по апрель RMSE составил 18,58 см, MAE – 13,35 см. Дополнительно проведено сравнение на общей выборке сопоставлений с продуктом AMSR3 L2 SD. Для разработанного метода RMSE составил 14,27 см, а для продукта L2 SD – 17,05 см; MAE – 9,19 и 12,73 см соответственно. Полученные результаты показывают перспективность разработанного регионального алгоритма. В ходе дальнейших работ планируется увеличить объём независимых станционных данных, исследовать устойчивость и возможности доработки метода для различных сезонных периодов и типов подстилающей поверхности.
Работы выполнены в рамках раздела 2 темы 2.7 Плана НИТР Росгидромета «Усовершенствование и введение в опытную эксплуатацию методов и технологий анализа и тематической обработки данных отечественных и зарубежных КА для получения гидрометеорологической информационной продукции по параметрам атмосферы и земной поверхности, включая опасные явления (наводнения, пожары, осадки, тропические циклоны, вулканическая активность и др.) (с учетом обновления спутниковой метеорологической группировки)».