Разработка гибридных моделей, объединяющих радиолокационные и спутниковые данные для анализа осадков

Введение: Критическая потребность в высококачественных данных осадков

Точные измерения осадков являются краеугольным камнем современной метеорологии, гидрологии и климатологии. Осадки и снегопады напрямую влияют на прогнозирование наводнений, мониторинг засухи, производительность сельского хозяйства, управление водоснабжением и устойчивость инфраструктуры к экстремальным погодным условиям. В течение десятилетий оперативные агентства и исследователи полагались на две первичные платформы дистанционного зондирования: наземный метеорологический радар и спутники наблюдения Земли. Каждый из них предоставляет ценную, но неполную информацию. Радар предлагает наблюдения высокого разрешения интенсивности осадков и движения в радиусе его покрытия, но оставляет огромные пробелы над океанами, горами и малонаселенными регионами. Спутниковые датчики обеспечивают глобальное покрытие, но при более широком пространственном разрешении и с большей неопределенностью поиска. Слияние этих дополнительных наборов данных в гибридные модели появилось как мощный подход к преодолению индивидуальных ограничений и производят анализы осадков, которые являются точными и пространственно непрерывными. В этой статье исследуются теория, методы и реальные применения моделей гибридных радарных спутниковых осадков.

Основы радиолокационных и спутниковых наблюдений осадков

Погодный радар: высокое разрешение, но ограниченный диапазон

Оперативные метеорологические радары, такие как сеть NEXRAD Национальной метеорологической службы в Соединенных Штатах, излучают импульсы микроволновой энергии и измеряют мощность, возвращаемую гидрометеорами (капли, снежинки, град). Из возвращаемого сигнала можно получить отражательную способность (]Z), скорость доплера и параметры двойной поляризации для оценки скорости дождя, обнаружения града и классификации типа осадков. Один радар может сканировать до примерно 200-300 км с типичным пространственным разрешением 1-2 км на близких расстояниях. Это дает подробные, почти в реальном времени изображения структуры и интенсивности шторма.

Однако радиолокационное покрытие далеко не универсально. Блокировка луча по местности, высотным зданиям и ветряным турбинам создает устойчивые теневые зоны. На больших расстояниях радиолокационный луч поднимается из-за кривизны Земли и пересыхает мелководные осадки. Различия в вертикальном профиле отражательной способности усложняют оценку поверхностного осадка. Кроме того, отношения радар-осадок (например, отношения Z-R) должны быть скорректированы для региональной климатологии и типа осадков. Несмотря на эти проблемы, радар остается золотым стандартом для локализованной оценки осадков с высоким разрешением.

Спутниковые осадки: глобальные, но грубые

Спутниковые продукты осадков полагаются на различные датчики. Геостационарные спутники (например, GOES, Himawari, Meteosat) обеспечивают частые (каждые 5-15 минут) видимые и инфракрасные (ИК) изображения. Температура яркости ИК облачных вершин эмпирически связана с скоростью дождя, но эти отношения являются косвенными и менее точными для процессов теплого дождя или мелкой конвекции. Полярные орбитальные спутники несут пассивные микроволновые радиометры (например, микроволновый измеритель GPM, AMSU, SSMIS), которые могут ощущать сигналы излучения и рассеяния от гидрометеоров глубже в облаках, производя оценки на основе физических осадков. Глобальная обсерватория измерения осадков (GPM) Core Observatory несет как двухчастотный радар осадков (DPR), так и многоканальный микроволновый измеритель (GMI), служащий в качестве космического справочника для калибровки других датчиков.

В то время как спутники предлагают действительно глобальное покрытие, их пространственное разрешение грубее, чем радар — микроволновые следы обычно составляют 5-15 км в лучшем случае, а ИК — 4 км. Временная выборка также ограничена: полярные орбитальные аппараты проходят над местоположением только два раза в день (хотя созвездие радиометров из нескольких агентств сужает промежутки до примерно 3 часов). Пассивные микроволновые поиски могут быть загрязнены поверхностной неоднородностью (снег, пустыня, прибрежные контрасты) и страдают от недооценки орографических или световых осадков. Эти недостатки делают продукты только для спутников ненадежными для локализованных или быстро меняющихся событий.

Ограничения автономных радарных и спутниковых наборов данных

Использование радиолокационных или спутниковых данных в изоляции приводит к систематическим ошибкам и пробелам в данных, которые ухудшают качество анализа осадков, особенно для принятия оперативных решений.

Гибридные модели предназначены для использования сильных сторон обеих систем, компенсируя их слабые стороны, создавая сплавленный продукт, который является более точным и полным, чем любой источник.

Архитектура гибридных радарно-спутниковых моделей осадков

Разработка гибридной модели предполагает объединение полей осадков радаров и спутников с использованием математических, статистических или машинных подходов. Выбор метода зависит от предполагаемого применения — глобального повторного анализа, оперативного прогнозирования или мониторинга климата — а также требуемого пространственного и временного разрешения.

Методы статистического слияния и интерполяции

Простейший класс гибридных моделей применяет геостатистическую интерполяцию для объединения точечных (или сетчатых) радиолокационных оценок со спутниковыми полями. Оптимальная интерполяция (OI) и схемы хватки могут быть использованы для получения средневзвешенных значений радиолокационных и спутниковых значений, где веса зависят от относительных отклонений ошибок каждого источника и их пространственной корреляционной структуры.CMORPH (Climate Prediction Center Morphing Technique) Продукт использует векторы движения, полученные из геостационарных ИК-изображений, для распространения оценок микроволнового дождя между эстакадами, затем калибрует полученное поле с использованием радиолокационных данных, где это доступно. Этот «морфинговый» подход значительно улучшает временное разрешение при сохранении количественной точности микроволновых поисков.

Другой широко используемый статистический метод - это коррекция длинных спутников, где долгосрочные спутниковые оценки корректируются в соответствии с климатологией радара или дождевой шкалы в месячном или сезонном масштабе. Хотя этот подход прост, он не может фиксировать ежедневные изменения в спутниковой ошибке и менее эффективен, когда радиолокационное покрытие является прерывистым.

Ассимиляция данных в численном прогнозе погоды

Ассимиляция данных интегрирует наблюдения за осадками радаров и спутников в переменные состояния численного прогноза погоды (NWP) модели. Методы, такие как трехмерное или четырехмерное вариационное усвоение (3D-Var, 4D-Var) и , позволяют регулировать температуру, влажность и вертикальные поля движения для получения осадков, которые соответствуют радиолокационным и спутниковым наблюдениям. Этот подход выходит за рамки слияния полей осадков; он генерирует физически последовательный анализ моделей. Например, модель быстрого обновления высокого разрешения (HRRR) в Соединенных Штатах усваивает как радиолокационную отражательную способность, так и спутниковые осадки и облачные свойства для улучшения краткосрочных конвективных прогнозов.

Гибридные модели, основанные на ассимиляции данных, особенно сильны, поскольку они распространяют наблюдательную информацию вперед во времени через динамику модели, заполняя пробелы даже там, где нет наблюдений.Однако они требуют значительных вычислительных ресурсов и обычно выполняются только в операционных или исследовательских центрах с доступом к национальным системам HPC.

Машинное обучение и глубокое обучение Fusion

Последние достижения в области машинного обучения открыли новые пути для моделирования гибридных осадков. Нейронные сети, случайные леса и машины для повышения градиента могут изучать сложные, нелинейные отношения между многоисточниковыми входами (отражательная способность радара, температура яркости микроволновой печи, температура облака IR, высота поверхности и т. Д.) и целевой скоростью дождя. Эти модели могут быть обучены на коллокациях радиолокационных спутниковых пар данных (например, от GPM DPR и наземного радара) для получения улучшенных оценок.

Связочные нейронные сети (CNN) особенно хорошо подходят, потому что они могут использовать пространственную текстуру полей осадков. CNN может принимать в качестве входа стопку радиолокационных и спутниковых каналов (например, ИК и микроволновые изображения) и выводить карту осадков с высоким разрешением, которая заполняет радиолокационные пробелы с использованием спутниковых шаблонов. Генеративные состязательные сети (GAN) и ] также использовались для уменьшения масштаба осадков крупных спутников до разрешения в километре при сохранении реалистичной пространственной структуры. Эти методы, основанные на данных, могут превосходить как простое слияние, так и ассимиляцию на основе физики, когда доступны большие наборы данных обучения и домен неподвижен.

Однако модели машинного обучения должны быть тщательно проверены на основе независимых наблюдений, чтобы избежать переобучения или систематического смещения в регионах со слабой корреляцией радар-спутник.Интеграция физических ограничений (например, сохранение массы, предположения вертикального профиля) с глубоким обучением является активной областью исследований.

Пример: Интегрированные многоспутниковые поиски GPM (IMERG)

Продукт NASA-JAXA IMERG, возможно, является наиболее широко используемым набором данных о смешанных осадках. Он калибрует, объединяет и интерполирует все доступные пассивные оценки микроволновых спутников вместе с ИК-данными геостационарных спутников и корректирует конечное поле с помощью ежемесячных наблюдений. Хотя IMERG не включает непосредственно наземный радар, его алгоритм может необязательно использовать калибровку на основе радара над землей. IMERG служит ключевым ресурсом для гидрологического моделирования в регионах с разницей в данных и для долгосрочного анализа климата. Он иллюстрирует, как несколько спутниковых датчиков могут быть сплавлены для получения когерентного глобального продукта осадков с получасовым временным разрешением и 0,1° пространственным расстоянием.

Практические применения и преимущества гибридных моделей

Прогнозирование наводнений и раннее предупреждение

Гибридные модели осадков необходимы для точного прогнозирования внезапных паводков, особенно в горной местности, где радиолокационное покрытие плохое. Сочетание радара (для штормовой структуры и быстрых обновлений) со спутниковыми данными (для более широкого контекста) позволяет системам предупреждения о наводнениях обнаруживать развивающиеся сильные ливни даже там, где блокируются радиолокационные лучи. Программа Flash Flood и Intense Rainfall Национальной метеорологической службы объединяет радиолокационные QPE со спутниковыми наблюдениями для своевременного предупреждения. Исследования показали, что гибридный QPE снижает ложные показатели тревоги и улучшает показатели попадания для городских и мелководных наводнений.

Поддержка принятия решений в сельском хозяйстве и мониторинг засухи

Оперативные мониторы засухи, такие как U.S. Drought Monitor, получают выгоду от ввода осадков с высоким разрешением, без разрыва. Гибридные модели обеспечивают пространственную полноту, необходимую для оценки стресса воды на полях в регионах, где нет надежного радара. В сельскохозяйственных зонах в Африке или Южной Америке осадки только со спутников страдают от больших предубеждений. Смешение с даже редкими радарными участками значительно улучшает планирование орошения, моделирование урожайности и раннее предупреждение о сухих заклинаниях. Сеть систем раннего предупреждения о голоде (FEWS NET) использует объединенные продукты осадков для оценки продовольственной безопасности в Африке к югу от Сахары.

Управление водными ресурсами и гидроэнергетика

Операторы водохранилищ требуют точных прогнозов притока, которые зависят как от текущих осадков, так и от снежного покрова. Анализ гибридных осадков в сочетании с гидрологическими моделями позволяет лучше прогнозировать уровни потока и водохранилища. Инженерный корпус армии США использует данные о слиянии радаров и спутников для управления моделями Гидрологического инженерного центра для управления речным бассейном. Расширенное пространственное покрытие позволяет операторам видеть осадки по всему водоразделу, а не только на наблюдаемой радаром части.

Климатические исследования и реанализ

Долгосрочные однородные записи осадков имеют решающее значение для обнаружения климатических тенденций и проверки климатических моделей. Наборы данных повторного анализа (например, ERA5, MERRA-2) усваивают как радары, так и спутниковые излучения (хотя радиолокационный вход часто не ассимилируется и используется в автономном режиме для оценки). Гибридные спутниковые радарные продукты, охватывающие более 20 лет, такие как записи CMORPH и PERSIANN, широко используются в исследованиях изменения интенсивности осадков, частоты и крайностей. Включение радиолокационной информации помогает исправить сдвиги или дрейфы в спутниковых поисках с течением времени, обеспечивая более стабильную климатическую запись.

Остающиеся вызовы и будущие направления

Несмотря на значительный прогресс, остаются некоторые препятствия, прежде чем гибридные модели смогут полностью реализовать свой потенциал.

  • Ошибка: Ошибки в радиолокационных и спутниковых наборах данных сложны, нестационарны и коррелируют в пространстве и времени. Гибридные модели должны правильно распространять эти ковариации ошибок, что часто требует вычислений.
  • Задержка в реальном времени: Для оперативного прогнозирования требуются продукты с низкой задержкой (в течение нескольких минут), но объединение нескольких потоков данных со сложными алгоритмами может привести к задержкам.
  • Доступ к данным и их совместимость: Радиолокационные данные из разных стран используют различные форматы, частоты и стандарты калибровки. Согласование этих наблюдений для глобальных гибридных моделей требует международной координации и политики открытых данных.
  • Обобщение машинного обучения: Модели глубокого обучения, подготовленные в Соединенных Штатах или Европе, могут не работать хорошо в других регионах с различными метеорологическими режимами (муссонный, орографический, тропический океанический).

Заглядывая вперед, несколько разработок обещают улучшить анализ гибридных осадков. Запуск новых спутниковых миссий, таких как полярная система EUMETSAT - Второе поколение (EPS-SG) и миссия НАСА - CNES Surface Water and Ocean Topography (SWOT), обеспечит более точное пространственное разрешение и новые наблюдаемые объекты (например, широкополосная радиолокационная альтиметрия). На земле развертывание радиолокационных сетей X-диапазона и технология фазированных радиолокационных лучей заполнит пробелы в покрытии в городских и сложных условиях. Краевые вычисления и облачные платформы обработки позволят в режиме реального времени сливать эти потоки данных.

Возможно, наиболее интересной является интеграция узких мест моделей машинного обучения с системами ассимиляции данных . Будущие гибридные модели могут сочетать физическую согласованность ассимиляции с навыками распознавания образов глубокого обучения, производя точный и физически правдоподобный анализ осадков. План Всемирной метеорологической организации по интегрированным системам наблюдения явно призывает к разработке таких многоплатформенных, многоалгоритмических продуктов осадков, чтобы поддержать все погодные, климатические и водные услуги.

Гибридные модели, которые объединяют радиолокационные и спутниковые данные, больше не являются исследовательским любопытством — они являются оперативными инструментами, которые спасают жизни, улучшают безопасность воды и углубляют наше понимание гидрологического цикла. По мере того, как сенсорная технология и вычислительные методы продолжают развиваться, слияние этих двух столпов дистанционного зондирования станет еще более плавным, обеспечивая анализ осадков, которые действительно являются глобальными и локально точными.