Том 37, номер 02, статья № 4

Аннотация:

Повышение точности прогнозов погоды и климата требует углубленного понимания атмосферных процессов и явлений, которые определяются, в том числе, облаками верхнего яруса (ОВЯ). Представлены результаты экспериментов по поляризационному лазерному зондированию ОВЯ. Объединены данные систематических измерений на высотном матричном поляризационном лидаре Томского государственного университета с декабря 2009 по июль 2023 г. Определены оптические (матрица обратного рассеяния света, оптическая толща, отношение рассеяния) и геометрические (высота нижней и верхней границ, вертикальная мощность) характеристики ОВЯ. Массив данных дополнен вертикальными профилями метеорологических величин (температура, относительная и удельная влажность, направление и скорость ветра), полученными по данным аэрологического зондирования и реанализа ERA5. Оценена частота регистрации ОВЯ и частота регистрации ОВЯ с преимущественно горизонтальной ориентацией частиц. Полученные результаты объединены в базу данных (БД), которая использовалась для создания программного продукта на основе нейронных сетей для восстановления зависимостей между метеорологическими параметрами атмосферы и оптическими характеристиками ОВЯ. БД может применяться для различных, в том числе самостоятельных, вариантов обучения решению задач атмосферной оптики.

Ключевые слова:

облака верхнего яруса, ориентированные ледяные кристаллы, поляризационный лидар, матрица обратного рассеяния света, аэрологическое зондирование, реанализ ERA5, базы данных, искусственные нейронные сети, простой многослойный персептрон

Список литературы:

1. Радиационные свойства перистых облаков / под ред. Е.М. Фейгельсона. М.: Наука, 1989. 223 с.
2. Shanks J.G., Lynch D.K. Specular scattering in cirrus clouds // Proc. SPIE. 1995. V. 2578. P. 227–238.
3. Noel V., Chepfer H. A global view of horizontally oriented crystals in ice clouds from Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO) // J. Geophys. Res. 2010. V. 115. P. D00H23.
4. Балин Ю.С., Кауль Б.В., Коханенко Г.П. Наблюде­ние зеркально отражающих частиц и слоев в кристаллических облаках // Оптика атмосф. и океана. 2011. Т. 24, № 4. C. 293–299.
5. Морозов А.М., Галилейский В.П., Елизаров А.И., Кокарев Д.В. Наблюдение зеркального отражения освещенной подстилающей поверхности облачным слоем из ледяных пластинок // Оптика атмосф. и океана. 2017. Т. 30, № 1. С. 88–92.
6. Кауль Б.В. Оптико-локационный метод поляризационных исследований анизотропных аэрозольных сред: дис. ... докт. физ.-мат. наук. Томск, 2004. 219 с.
7. Самохвалов И.В., Кауль Б.В., Насонов С.В., Животенюк И.В., Брюханов И.Д. Матрица обратного рассеяния света зеркально отражающих слоев облаков верхнего яруса, образованных кристаллическими час­тицами, преимущественно ориентированными в горизонтальной плоскости // Оптика атмосф. и океана. 2012. Т. 25, № 5. С. 403–411.
8. Розенберг Г.В. Вектор-параметр // Успехи физ. наук. 1955. Т. 56. С. 79–110.
9. Kuchinskaia O., Bryukhanov I., Penzin M., Ni E., Doroshkevich A., Kostyukhin V., Samokhvalov I., Pustovalov K., Bordulev I., Bryukhanova V., Stykon A., Kirillov N., Zhivotenyuk I. ERA5 reanalysis for the data interpretation on polarization laser sensing of high-level clouds // Remote Sens. 2023. V. 15, N 1. P. 109.
10. Брюханов И.Д. Оптические свойства облаков верхнего яруса естественного и антропогенного происхождения, содержащих ориентированные кристаллы льда, по данным поляризационного лазерного зондирования: дис. ... канд. физ.-мат. наук. Томск, 2022. 138 с.
11. Насонов С.В. Оптические характеристики облаков верхнего яруса и их связь с метеорологическими параметрами атмосферы: дис. ... канд. физ.-мат. наук. Томск, 2015. 114 с.
12. Ни Е.В., Брюханов И.Д., Кучинская О.И., Пензин М.С., Животенюк И.В., Дорошкевич А.А., Кириллов Н.С., Самохвалов И.В. Сравнительный анализ матриц обратного рассеяния света кристаллических облаков, полученных с параллельным и последовательным накоплением лидарных сигналов // Оптика атмосферы и океана. Физика атмосферы: Материалы XXIX Междунар. симпоз. Томск: Изд-во ИОА СО РАН, 2023. С. B-416–B-420.
13. University of Wyoming. URL: http://weather.uwyo.edu (last access: 20.06.2023).
14. Climate Data Store. URL: https://cds.climate.copernicus.eu (last access: 20.06.2023).
15. ECMWF. URL: https://www.ecmwf.int (last access: 20.06.2023).
16. Гордов Е.П., Богомолов В.Ю., Генина Е.Ю., Шульгина Т.М. Анализ региональных климатических процессов Сибири: подход, данные и некоторые результаты // Вестн. НГУ. Сер.: Информационные технологии. 2011. Т. 9, № 1. С. 56–66.
17. Han Y., Yang Q., Nana L., Zhang K., Qing C., Li X., Wu X., Luo T. Analysis of wind-speed profiles and optical turbulence above Gaomeigu and the Tibetan Plateau using ERA5 data // Mon. Not. R. Astron. Soc. 2021. V. 501, N 4. P. 4692–4702.
18. Mayer J., Mayer M., Haimberger L. Consistency and homogeneity of atmospheric energy, moisture, and mass budgets in ERA5 // J. Clim. 2021. V. 34, N 10. P. 3955–3974.
19. Zhu J., Xie A., Qin X., Wang Y., Xu B., Wang Y. An assessment of ERA5 reanalysis for Antarctic near-surface air temperature // Atmosphere. 2021. V. 12, N 2. P. 217.
20. Griffiths R., Osborn J., Farley O., Butterley T., Townson M.J., Wilson R. Demonstrating 24-hour continuous vertical monitoring of atmospheric optical turbulence // Opt. Exp. 2023. V. 31, N 4. P. 6730–6740.
21. Um J., McFarquhar G.M., Hong Y.P., Lee S.-S., Jung C.H., Lawson R.P., Mo Q. Dimensions and aspect ratios of natural ice crystals // Atmos. Chem. Phys. 2015. V. 15, N 7. P. 3933–3956.
22. Щукин Г.Г., Иткин М.И., Караваев Д.М., Чичкова Е.Ф. Валидация спутниковых данных температурно-влажностного зондирования атмосферы для Северо-Западного региона РФ // II Всероссийские Армандовские чтения [Электронный ресурс]: Радиофизические методы в дистанционном зондировании сред / Материалы V Всероссийской научной конференции (Муром, 26–28 июня 2012 г.). Муром: Изд.-полиграф. центр МИ ВлГУ, 2012. С. 147–152.
23. Kaul B.V., Samokhvalov I.V., Volkov S.N. Investigating particle orientation in cirrus clouds by measuring backscattering phase matrices with lidar // Appl. Opt. 2004. V. 43, N. 36. P. 6620–6628.
24. Machine Learning: A Probabilistic Perspective / K.P. Murphy. The MIT Press, 2012. 29 p.
25. Bishop C. M. Pattern Recognition and Machine Learning. New York: Springer, 2006. 778 p.