By this author

Neural network algorithm for precipitation estimation from atms radiometer data

Issue number 4 from 01.04.2024

В статье представлена нейросетевая методика определения интенсивности осадков по данным микроволновых измерений радиометра ATMS, установленного на борту космических аппаратов Suomi NPP и NOAA-20/21. Алгоритм построен на двух полносвязных нейронных сетях, одна из которых используется для обнаружения осадкообразующей облачности, а другая – для количественной оценки осадков. При обучении нейронной сети в качестве эталонного источника информации выступал массив смоделированных с помощью быстрой радиационной модели RTTOV в каналах прибора ATMS измерений и соответствующих им интенсивностей осадков из реанализа ECMWF ERA5. Валидация полученных оценок интенсивностей осадков проводилась по данным результатов работы алгоритмов MIRS и GPROF для спутникового радиометра ATMS, а также по данным наземных радиолокационных наблюдений NIMROD. Результаты проведенной валидации показали уровень точности, соответствующий большинству работ в этой области. Валидация была проведена отдельно для суши и отдельно для воды. При сравнении с алгоритмом MIRS корреляция составила больше 0.9, и были получены RMSE для воды ‒ 0.78 мм/ч, для суши ‒ 0.84 мм/ч. При сравнении с алгоритмом GPROF корреляция для воды и для суши составила ~0.8, а RMSE ‒ 1.27 и 0.9 мм/ч, соответственно. При сравнении с данными наземного радиолокационного зондирования NIMROD корреляция и RMSE для суши составили 0.47 и 1.37 мм/ч, соответственно. Результаты проведенной валидации подтверждают работоспособность представленной нейросетевой методики восстановления интенсивности осадков. Кроме этого, дальнейшая небольшая доработка представленного алгоритма позволит применять его к измерениям других микроволновых спутниковым приборов, в том числе российских, например, МТВЗА-ГЯ, устанавливаемого на космических аппаратах серии Метеор-М.

57 0