Определение температурно-влажностного профиля облачной атмосферы по данным СВЧ радиометров

Проведен сравнительный анализ алгоритмов восстановления вертикальных профилей температуры и влажности в облачной атмосфере по данным многоканальных СВЧ радиометров. Применение байесовской вариационной ассимиляции (1DVAR) в условиях облачности требует явного учёта поглощения в облачной жидкокапельной влаге – путём включения профиля жидкой воды в вектор состояния либо введения соответствующих поправок в моделируемые спектры яркостной температуры [1, 2]. Поскольку микрофизические свойства облака (размер капель, их вертикальное распределение) априори известны лишь приближённо, такой учёт становится дополнительным источником ошибок восстановления. Нейросетевые алгоритмы [3], обучаемые непосредственно на данных, не требуют явного введения подобных поправок, обеспечивают существенно более высокую скорость обработки измерений и достигают высокой точности восстановления профилей как для ясного неба, так и в условиях развитой облачности. Вместе с тем они не гарантируют физической согласованности решения с конкретным измерением и не дают строгих оценок неопределённости, которые являются естественным результатом 1DVAR. В докладе обсуждаются возможности принципиального синтеза метода 1DVAR и нейросетевого подхода, сочетающего вычислительную эффективность нейросетевой аппроксимации с физической обоснованностью и контролем погрешностей вариационной схемы.