1. Разработка методик, алгоритмов и программ  интерпретации спутниковых измерений климатически важных параметров (вертикальные профили температуры, влажности, водности облаков, содержания парниковых газов, температуры поверхности океанов и суши и т.д.)

Растущие антропогенные воздействия на климат Земли и озонный слой нашей планеты делают исследования газового состава одной из центральных задач современной физики и химии атмосферы. В последние десятилетия был достигнут существенный прогресс в понимании особенностей пространственно-временного распределения малых газовых составляющих (МГС) атмосферы. Важную роль в этом сыграли развитие глобальных спутниковых и наземных систем наблюдений, и существенный прорыв в трехмерном моделировании химии и транспорта в атмосфере. Огромное количество информации о содержании МГС в атмосфере получено с помощью различных спутниковых методов измерений. Уникальное свойство спутниковых методов – возможность осуществления глобальных наблюдений с хорошей периодичностью. Это особенно важно при исследованиях общей циркуляции атмосферы и для численных прогнозов погоды, изучении климата планеты и его изменений, мониторинга озоносферы.

Дистанционные измерения по своей сути есть обратные задачи атмосферной оптики. Большая часть из обратных задач некорректна в классическом смысле. В частности, они сводятся к интегральным уравнениям Фредгольма первого рода, численное решение которых требует применения специальных регуляризационных алгоритмов. В настоящее время существует достаточно много таких алгоритмов, отличающихся использованием разной априорной информации и разными принципами стабилизации решения интегральных уравнений. При подготовке спутниковых экспериментов важное значение имеют численные исследования погрешностей дистанционных измерений и основных факторов их определяющих.

Для интерпретации спутниковых измерений двумя инструментами – ИКФС-2 и МТВЗА – были созданы алгоритмы и программы, основанные на различных принципах решения обратных задач атмосферной оптики – множественной линейной регрессии, искусственных нейронных сетей (ИНС), а также физико-математический итерационный алгоритм на базе метода статистической регуляризации. Численные эксперименты и расчеты матриц ошибок позволили определить потенциальные погрешности определения различных параметров – вертикальных профилей температуры и влажности атмосферы, скорости приводного ветра, температуры суши и океанов, общего содержания водяного пара и МГС, водозапаса облаков.

Рис. 1.1 иллюстрирует потенциальные погрешности определения вертикальных профилей температуры с помощью ИК Фурье-спектрометра ИКФС-2 (изготовленного Центром Келдыша (Москва)) с использованием различных алгоритмов решения обратной задачи. Как видно из рисунка, итерационный алгоритм и ИНС дают примерно одинаковые погрешности в 1–2 К. На рис. 1.2 приведены численные оценки погрешности определения вертикальных профилей влажности по данным измерений ИКФС-2. Из рисунка следует, что определенные преимущества при решении этой нелинейной обратной задачи имеет алгоритм ИНС. Погрешности определения относительной влажности с помощью алгоритма ИНС составляют 10–15%. Рис. 1.3 демонстрирует результаты численных оценок погрешностей определения общих содержаний ряда атмосферных газов, априорные изменчивости этих газов и число степеней свободы (независимых параметров) в измерениях уходящего излучения прибором ИКФС-2.

Результаты моделирования восстановления температуры и излучательной способности суши с помощью измерений ИКФС-2 показали перспективность использования многоспектральных измерений в окне прозрачности 8–12 мкм. На рис. 1.4 приведены примеры определения излучательных способностей почвы и грубого песчаника.

На рис. 1.5 показаны численные оценки потенциальных погрешностей определения ряда атмосферных параметров и параметров поверхности по данным измерений МТВЗА.

Разработанные в лаборатории программы интерпретации измерений спутниковыми приборами ИКФС-2 и МТВЗА непрерывно совершенствуются по мере получения оперативных данных с борта спутника.

Ответственный исполнитель этих программ – доктор физ.мат. наук, профессор Поляков А.В. В разработках участвуют также к.ф.-м.н. Косцов В.С., к.ф.-.м.н. Виролайнен Я.А. в кооперации с д.ф.-м.н. Успенским (НПО "Планета").

Основные публикации

1. Kostsov V.S., 2015: General approach to the formulation and solution of the multi-parameter inverse problems of atmospheric remote sensing with measurements and constraints of different types. Int. Journ. Rem. Sensing, 36, 11, 2973–3004.
2. Поляков А.В., Ю.М. Тимофеев, Я.А. Виролайнен, 2014: Применение искусственных нейронных сетей в температурно-влажностном зондировании атмосферы. Изв. РАН, ФАО, 50, 3, 373–380, DOI: 10.7868/S0002351514030109.
3. Поляков А.В., 2014: Использование метода искусственных нейронных сетей при восстановлении вертикальных профилей атмосферных параметров. Оптика атмосферы и океана, 27, 1, 34–39.
4. Polyakov Alexander, Yurii M. Timofeyev & Yana Virolainen, 2014: Comparison of different techniques in atmospheric temperature-humidity sensing from space.  Int. J. Rem. Sens., 35, 15, 5899–5912.
5. Поляков А.В., Ю.М. Тимофеев, В.С. Косцов, 2012: Спутниковое температурное зондирование атмосферы в облачных условиях. Иссл. Земли из космоса, 5, 37–42.
4. Поляков А.В., Ю.М. Тимофеев, А.Б. Успенский, 2010: Возможности определения температуры и излучательной способности поверхности суши по данным спутниковых ИК зондировщиков высокого спектрального разрешения (ИКФС-2). Иссл. Земли из космоса, 4, 85–90.
5. Поляков А.В., Ю.М. Тимофеев, А.Б. Успенский, 2010: Возможности определения содержания озона и малых газовых составляющих по данным спутниковых ИК зондировщиков высокого спектрального разрешения (ИКФС-2). Иссл. Земли из космоса, 3, 3–11.
6. Виролайнен Я.А., Ю.М. Тимофеев, А.В. Поляков, А.Б. Успенский, 2010: Оптимальная параметризация спектров уходящего теплового излучения на примере данных спутникового ИК-зондировщика ИКФС-2.  Оптика атмосферы и океана, 23, 2, 143–148.