CC BY
2УДК 519.2:551.46:551.508.8 DOI: 10.24412/2658-6703-2023-4-21-29
EDN: LHEDEK
Применение оценки распределения вероятностей спутниковых данных об общем балле облачности для Мирового океана
Синицын Алексей Владимирович [0000-0002-з768-1474], Гулев Сергей Константинович [0000-0002-4296-5121]
Институт океанологии им. П.П. Ширшова РАН, г. Москва, Россия E-mail: sinitsyn@sail.msk.ru; gul@sail.msk.ru
Аннотация. Статья исследует применение неполной Гамма-функции для анализа спутниковых данных об общем балле облачности Мирового Океана. Используется новая облачная климатология CLARA-A ed. 3.0, исследуются сезонные распределения облачности, включая зимний период с 1979 по 2023 год. Работа демонстрирует, как неполная Гамма-функция может восстанавливать сезонное распределение облачности с ошибкой до двух окт. Особое внимание уделено анализу различий между данными визуальных наблюдений и спутниковыми данными, выявляя систематические ошибки и их влияние на точность оценки облачности.
Ключевые слова: облачность, Мировой океан, спутниковые данные, Гамма-функция, климатология
1 Введение
Одним из источников информации об общем балле облачности над Океаном, наравне с визуальными наблюдениями, являются спутниковые данные.
Определение режимов общего балл облачности над Океаном позволяет более подробно оценить энергетический баланс на границе океан атмосфера. С развитием дистанционных методов зондирования, измерения в точке все больше уходят на второй план. При этом дистанционное зондирование позволяет получать данные с больших площадей, которые могт быть и не доступны для визуальных наблюдений и с большим пространственным временным разрешением. Соответственно, алгоритмы, которые некоторое время назад использовались для данных
визуальных наблюдений и измерений в точке требуют адаптации для новых типов входных данных - спутниковых. [1].
В основу работы положена попытка применения неполной Гаммы-функции плотности распределения общего балла облачности для Мирового Океана. Такой подход, на основе Гамма-функции, в оценки распределения общего бала облас-ности по окта был создан в ЛВОАМКИ (ИО РАН), путем глубокого анализа попутных наблюдений общего балла облачности для Мирового Океана по данным VOS [2].
2 Исходные данные и их анализ
В ходе работы в качестве входных данных была использована новая облачная климатология CLARA-A ed. 3.0 (CM SAF) [3]. При этом в работе будут демонстрироваться результаты полученные для разрешения 0.25° и 5°. Первое разрешение связано с масштабом визуальных наблюдений [1], вторая величина связана с масштабом осреднения в работе [2] для данных VOS. Так же необходимо отметить, что результаты все приводятся для зимнего сезона (январь-февраль-март), так как на момент расчетов это позволяло наиболее полно использовать спутниковые данные до 2023 года. Результаты для летнего сезона аналогичны с учетом сезонного смещения режимов общего балла облачности.
Таблица 1. Спутниковые данные, предоставленные EUMETSAT's Satellite Application Facility on Climate Monitoring (CM SAF)
CFC - Fractional cloud cover/ CLARA-A ed. 3
Период 1979-01-01 - 2023-06-30
Покрытие 90.0° ю.ш. - 90.0° с.ш. 180.0° в.д. - 180.0° з.д.
Временное разрешение Среднесуточные
Пространственное разрешение от 0.25°x0.25° до 7.5° х7.5° Пространственное осреднение 5°
Инструментарий AVHRR на полярно орбитальных спутниках
На основе данных об облачности были рассчитаны основные характеристики неполной Гамма-функции для сезонных распределений общего балла облачности в зависимости от пространственного разрешения данных. В качестве ориентира (эталона), нами использовалась работа о вероятностных характеристиках распределения общего балла облачности для Мирового Океана по данным VOS [2].
CFC JFM 1979-2023 5°x5°
B)
Рис. 1. Представлены спутниковые данные об общем балл облачности в % (А). Данные о количестве наблюдений для среднесуточных величин общего балла облачности (Б). Средние величины общего балла облачности в период1979-2023 для зим в окта.
Далее были полученные величины основных характеристик для расчета неполной Гамма-функции. И построены их распределения, которые хорошо согласуются с аналогичными характеристиками, полученными по данным VOS
(рис.2).
Tela JFM 1979-20203 Ave 5°
А)
AlfaJFM 1979-2023 Ave 5°
Beta JFM 1979-2023 Ave 5° .......... D4
0,0 0,5 1.0 1,5 2,0 2,5 3,0 3,5 40 4,5 5,0
Рис. 2. Основные характеристики неполной Гамма-функции на для зим 1979-2023 для пространственного 5° осреднения. А - Teta, Б - Alfa, В - Beta.
Значение параметра Teta лежат в области от 0 до 1 включительно. Так область максимального значения, равного 1, лежит северной части Индийского океана, Аденского залива и Красного моря, западное побережье Австралии, экваториальной зоне Тихого океана, западное побережье Латинской Америки, тропическая зона западного побережья Африки. Такие значения, в силу методики расчета данного параметра, совпадают с областями низких значений общего балла облачности. Область, где значениеTeta равна 0, это области, где режим безоблачного неба не наблюдается совсем, для всех наблюдений.
Параметра Alfa в наших расчетах не превышал 2, максимальные значения этого параметра наблюдались в зоне Южного Океана, Западной части Атлантического и Тихих Океанов. Эти области связаны общим баллом облачности близки к сплошной.
Параметра Beta в наших расчетах не превышал 5, максимальные значения этого параметра наблюдались в центральных зонах Океанов, где облачность характеризуется средними величинами Общего балла облачности. Минимальное значение Beta характерно для районов с общим баллом облачности близким к сплошной.
Так как неполной Гамма-функцией мы описываем плотности распределения сезонного общего балла облачности, то мы попытались восстановить сезонное распределение общего балла облачности и сравнить со спутниковыми данными. Результат сравнения для различных пространственных масштабов для зим 19792023 приведен ниже (рис.3).
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7.0 6,0
Рис. 3. Восстановленное распределение Общего балла облачности в окта для зим 19792023 гг.
Для всего восстановленного (обратно моделированного) массива общего балла облачности характерно занижение значений до 2 окта в зависимости от района и режима облачности. Занижение до 1 окта характерно для районов со средним общим баллом облачности близким к сплошной облачности, например район п-ва Лабрадор, или наоборот - чистое небо, например район Аравийского п-ва, западное побережье Индостана, (рисунок 4, точки А, Б и Е соответственно). Занижение в расчётах от 1 окта до 2 окта характерно для районов, где облачность может принимать все возможные вероятности распределения по окта, например юго-западная оконечность Африки, р-н Сомалийского отрога, западное побережье США (рисунок 4, точки В, C и H соответственно).
При этом распределение на основе неполной Гамма-функции лишь генерально повторяет вид распределения облачности по окта для спутниковых данных.
1)
А)
J к ЛГгг.г .-.111
012345678 012345678 012345678
ill № iiiiiini in J
012345678 012345678 012345678
2)
Б)
Рис. 4. А) Разность между общим баллом облачности, восстановленным из неполной Гамма-функции и спутниковыми данными на для зим 1979-2023гг. Б) Распределение среднего балла общей облачности для зим 1979-2023гг. 1) Гистограммы распределения общего балла облачности для т.А, Б, Е, верхний ряд спутниковые данные, нижний восстановленное распределение. 2) Гистограммы распределения общего балла облачности для т.В, С, Н, верхний ряд спутниковые данные, нижний восстановленное распределение.
Журнал «Окружающая среда и энерговедение» (ОСЭ) №4(2023) 3 Заключение и выводы
В случае спутниковых данных об общем балле облачности функция распределения на основе неполной Гаммы-функции позволяет восстановить распределение общего балла облачности с ошибкой значений до 2-х окта в зависимости от режима облачности.
При пространственном осреднение данных об общем балле облачности с 0,25° до 5° частично улучшает согласование спутниковых данных и вероятностного подхода к их моделированию.
Причина такого рассогласования лежит в том, что в отличии от данных VOS, в спутниковых данных сохраняются случаи сингулярного распределения облачности по окта, когда плотность вероятности одной из окта на порядок превосходит сумму плотностей остальных окта. Применение неполной Гамма-функции не позволяет построить резкое изменение плотности вероятности при переходе от одной категории окта к другой. Тем самым накапливаются систематические ошибки в расчете общего балла облачности (рис.4.1 и 4.2).
Благодарность
Работа выполнена при финансовой поддержке Министерства науки и высшего образования Российской Федерации, Соглашение № 075-15-2021-1398 (13.2251.21.0120), (уникальный идентификатор RF-2251.61321X0014)
В работе используются данные предоставленные EUMETSAT's Satellite Application Facility on Climate Monitoring (CM SAF).
Литература
Синицын А. В., Гулев С. К. Сравнение натурных и спутниковых данных об общем балле облачности для Атлантического океана в период 2004-2014 гг // Океанология. - 2022. - Т. 62, № 1. - С. 5-13. DOI 10.31857/S0030157422010142. Aleksandrova М., Gulev S.K., Belyaev K.P. Probability distribution for the visually observed fractional cloud cover over the ocean // J. Climate. 2018. V. 31. P. 3207-3232. DOI: 10.1175/JCLI-D-17-0317.1.
Karlsson, Karl-Göran; Riihelä, Aku; Trentmann, Jörg; Stengel, Martin; Solodovnik, Irina; Meirink, Jan Fokke; Devasthale, Abhay; Jääskeläinen, Emmihenna; Kallio-Myers, Viivi; Eliasson, Salomon; Benas, Nikos; Johansson, Erik; Stein, Diana; Finkensieper, Stephan; Häkansson, Nina; Akkermans, Tom; Clerbaux, Nicolas; Selbach, Nathalie; Schröder, Marc; Hollmann, Rainer (2023): CLARA-A3: CM SAF cLoud, Albedo and surface RAdiation dataset from AVHRR data - Edition 3, Satellite Application Facility on Climate Monitoring. D0I:10.5676/EUM SAF CM/CLARA AVHRR/V003
References
1. Sinitsyn A.V., Gulev S.K. Comparison of field and satellite data on the total cloudiness score for the Atlantic Ocean in the period 2004-2014 // Oceanology. - 2022. - T. 62, No. 1. - P. 5-13. DOI 10.31857/S0030157422010142.
2. Aleksandrova M., Gulev S.K., Belyaev K.P. Probability distribution for the visually observed fractional cloud cover over the ocean // J. Climate. 2018. V. 31. P. 3207-3232. DOI: 10.1175/JCLI-D-17-0317.1.
3. Karlsson, Karl-Göran; Riihelä, Aku; Trentmann, Jörg; Stengel, Martin; Solodovnik, Irina; Meirink, Jan Fokke; Devasthale, Abhay; Jääskeläinen, Emmihenna; Kallio-Myers, Viivi; Eliasson, Salomon; Benas, Nikos; Johansson, Erik; Stein, Diana; Finkensieper, Stephan; Häkansson, Nina; Akkermans, Tom; Clerbaux, Nicolas; Selbach, Nathalie; Schröder, Marc; Hollmann, Rainer (2023): CLARA-A3: CM SAF cLoud, Albedo and surface RAdiation dataset from AVHRR data - Edition 3, Satellite Application Facility on Climate Monitoring. DOI:10.5676/EUM_SAF_CM/CLARA_AVHRR/V003
Application of Probability Distribution Assessment for Satellite Data on Total Cloud Cover for the World Ocean
Alexey Sinitsyn [0000-0002-376s-1474], ^gey Gulev [oooo-ooo2-4296-5i2i] P.P. Shirshov Institute of Oceanology, Russian Academy of Sciences, Moscow, Russia Email: sinitsyn@sail.msk.ru; gul@sail.msk.ru
Abstract. The article explores the use of the incomplete Gamma function for analyzing satellite data on the total cloud cover of the World Ocean. The new cloud climatology CLARA-A ed. 3.0 is used, examining seasonal distributions of cloudiness, including the winter period from 1979 to 2023. The work demonstrates how the incomplete Gamma function can restore the seasonal distribution of cloudiness with an error of up to two octas. Special attention is given to analyzing the differences between visual observation data and satellite data, revealing systematic errors and their impact on the accuracy of cloud cover estimation.
Keywords: cloudiness, World Ocean, satellite data, Gamma function, climatology
Acknowledgements
This work was supported by the Ministry of Science and Higher Education of the Russian Federation, Agreement No. 075-15-2021-1398 (13.2251.21.0120), (unique identifier RF-2251.61321X0014). The study utilizes data provided by EUMETSAT's Satellite Application Facility on Climate Monitoring (CM SAF).
