Том 32, номер 05, статья № 6

Филей А. А. Определение фазового состояния облачности по данным спутникового радиометра МСУ-МР космического аппарата «Метеор-М» № 2. // Оптика атмосферы и океана. 2019. Т. 32. № 05. С. 376–380. DOI: 10.15372/AOO20190506.    PDF
Скопировать ссылку в буфер обмена

Аннотация:

Представлен алгоритм определения фазового состояния облачности (капельное, кристаллическое и смешанное) по дневным измерениям радиометра МСУ-МР, установленного на борту российского гидрометеорологического спутника «Метеор-М» № 2. Рассмотрены физические принципы определения фазового состояния по коэффициентам спектральной яркости на длинах волн 1,6 и 3,7 мкм и яркостным температурам на длинах волн 11 и 12 мкм. Полученные результаты определения фазового состояния облачности представленного алгоритма сопоставлялись с результатами алгоритмов, разработанных для зарубежных спутниковых радиометров. Точность сопоставления составила свыше 80%. Наибольшие неточности наблюдались для тонкой полупрозрачной облачности из-за дополнительного излучения, идущего от подстилающей поверхности, а также для смешанной облачности в силу специфики алгоритма.

Ключевые слова:

МСУ-МР, оптическая толщина, эффективный радиус, фазовое состояние облачности, облачность

Список литературы:

1. Мазин И.П., Хргиан А.Х. Облака и облачная атмосфера: Справочник. Л.: Гидрометиздат, 1989. 647 c.
2. Arking A., Childs J.D. Retrieval of cloud cover parameters from multispectral satellite images // J. Clim. Appl. Meteorol. 1985. V. 24. P. 322–333.
3. Rossow W.B., Schiffer R.A. Advances in understanding clouds from ISCCP // Bull. Am. Meteorol. Soc. 1999. V. 80. P. 2261–2287.
4. Wolters E.L.A. Roebeling R.A., Feijt A.J. Evaluation of Cloud-Phase Retrieval Methods for SEVIRI on Meteosat-8 Using Ground-Based Lidar and Cloud Radar Data // J. Appl. Meteor. 2008. V. 47(6). P. 1723–1728.
5. Nakajima T., King M.D. Determination of the optical-thickness and effective particle radius of clouds from reflected solar-radiation measurements. 1. Theory // J. Atmos. Sci. 1990. V. 47(15). P. 1878–1893.
6. URL: https://refractiveindex.info/ (last access: 13.02.2019).
7. Mayer B., Kylling A., Emde C., Buras R., Hamann U., Gasteiger J., Richter B. LibRadtran user’s guide. 2017. 155 p. URL: http://www.libradtran.org/doc/libRadtran.pdf (last access: 14.02.2019).
8. Buras R., Dowling T., Emde C. New secondary-scattering correction in DISORT with increased efficiency for forward scattering // J. Quant. Spectrosc. Radiat. Transfer. 2011. V. 112(12). P. 2028–2034.
9. Baum B.A., Heymsfield A.J., Yang P., Bedka S.T. Bulk scattering models for the remote sensing of ice clouds. Part I: Microphysical data and models // J. Appl. Meteorol. Clim. 2005. V. 44. P. 1885–1895.
10. Baum B.A., Yang P., Heymsfield A.J., Platnick S., King M.D., Hu Y-X., Bedka S.T. Bulk scattering models for the remote sensing of ice clouds. Part II: Narrowband models // J. Appl. Meteorol. Clim. 2005. V. 44. P. 1896–1911.
11. Hu Y.X., Stamnes K. An accurate parameterization of the radiative properties of water clouds suitable for use in climate models // J. Clim. 1993. V. 6. P. 728–742.
12. Key J., Intrieri J. Cloud particle phase determination with the AVHRR // J. Appl. Meteorol. 2000. V. 36(10). P. 1797–1805.
13. Тимофеев Ю.М. Глобальная система мониторинга параметров атмосферы и поверхности. СПб.: Санкт-Петербургский гос. ун-т, 2010. 129 с.
14. Pavolonis M.J. GOES-R Advanced Baseline Imager (ABI) algorithm theoretical basis document for cloud type and cloud phase. 2010. 86 p. URL: https://www. star.nesdis.noaa.gov / goesr / docs / ATBD / Cloud_Phase.pdf (last access: 14.02.2019).
15. Pavolonis M.J., Heidinger A.K., Uttal T. Daytime global cloud typing from AVHRR and VIIRS: Algorithm description, validation, and comparisons // J. Appl. Meteorol. 2005. V. 44(6). P. 804–826.
16. URL: http://cimss.ssec.wisc.edu/clavrx/google_earth_ main.html (last access: 13.02.2019).