Standard algorithm of estimation of snow water equivalent using data from AMSR-2 microwave radiometer at GCOM-W1 satellite is discussed. Comparison of satellite snow water equivalent data with ground based ones reveals significant limitations for hydrological applications of this data.
Введение. Снежный покров со спутников наблюдается практически с первых попыток взглянуть на Землю с орбиты. И картографирование снежного покрова на регулярной основе ведётся уже c 1966 г [1]. Однако, задача определения высоты снежного покрова или запасов воды в снеге оказалась существенно сложнее. Первая предложенная методика была опубликована только в 1982 г [2] и рассчитана на использование данных микроволнового радиометра SMMR со спутника Nimbus 7. После ряда последующих работ [3–5], основанных на данных того же и последующих микроволновых радиометров, таких как SSM/I на КА DMSP и AMSR-E на КА Aqua, сформировался современный подход к оценке высоты снежном покрова и запасов воды в снеге по измерениям радиационной температуры в различных диапазонах сантиметровых волн.
Запасы воды в снеге являются ключевым параметром во всех прогностических гидрологических моделях стока, включающих моделирование снеготаяния. Прямая дистанционная оценка пространственного распределения запасов воды в снеге в пределах речного бассейна могла бы заменить ныне применяющиеся точечные (в масштабах бассейна) данные наземных маршрутных снегосъёмок и исключить процедуру их экстраполяции на весь бассейн.
Описание метода. В настоящее время на орбите действует КА GCOM-W1, имеющий на борту микроволновой радиометр AMSR-2, данные которого централизованно принимаются и обрабатываются в Японском космическом агентстве, и доступны для свободного использования. Этот радиометр имеет коническую развёртку с углом к вертикали 55°, гарантирующую постоянство размеров мгновенного поля зрения на местности. Главное параболическое зеркало диаметром 2 м обеспечивает хорошую фокусировку и малое мгновенное поле зрения. Радиометр имеет 8 каналов в диапазоне от 6 до 90 ГГц. Разрешение на местности пропорционально длине волны и составляет от 3х5 до 35х62 км. Угол сканирования в 122° с солнечно-синхронной орбиты высотой 700 км обеспечивает полосу захвата шириной 1600 км, чего, однако, недостаточно для полного покрытия поверхности Земли каждые сутки. Полное покрытие за сутки обеспечивается только для широт выше 51°.
= 10( 18 36−)( 13−6 0.6 ) = 1010(− 3366) + 1010(− 1188) Здесь fd — плотность древостоя по карте покрытия растительности (Vegetation Continuous Fraction) Университета штата Мериленд, а pol36 и pol18 — поляризационные множители (разница между радиационной температурой вертикальной и горизонтальной поляризаций на 36 и 18 ГГц), помогающие в некоторой степени учитывать средний размер зёрен снега.
Запасы воды в снеге затем вычисляются с использованием карты плотности снега, построенной вычислением среднемноголетней плотности снега из [7, 8] для каждого класса снега карты сезонной классификации снега [9]. Причина первичного вычисления высоты снежного покрова, а не запасов воды в снеге, заключается в том, что количество наземных данных о высоте снежного покрова значительно больше, чем о запасах воды в снеге, что по мнению авторов алгоритма потенциально позволяет добиться большей точности.
Авторы алгоритма отмечают [6] потенциальные неучтённые или недоучтённые факторы, искажающие оценки по этому алгоритму, такие как: ослабление излучения в атмосфере, ослабление излучения высокой вертикальной растительностью, изменение плотности и грануляции снега со временем, влияние наличия в пределах пикселей мелких водных объектов, а также невозможности оценки высоты тающего снега. Так, ослабление излучения неучтёнными вариациями в оптической плотности атмосферы, приведённые к ошибке запасов воды в снеге, могут достигать 25–50% [10]. Применяемая методика учёта влияние древостоя снижает, но исключает полностью его влияние, то же относится и к учёту размера гранул с помощью поляризационных множителей. Влияние мелких озёр в пределах пикселей в принципе не учитывается, тогда как, фактически, их эффект для тундры и бореальных лесов имеет даже разный знак. Наличие тающего снега только приблизительно обнаруживается, в случае чего алгоритм просто не применяется.
Описание методики сравнения. Для оценки точности измерений запасов воды в снеге по данным прибора AMSR-2 использовались данные наземной съёмки с 96 снегомерных маршрутов и 11 снегомерных пунктов Красноярского края и бассейнов Енисея и Верхней Оби, всего с 94 метеостанций. Маршрутная снегомерная съёмка проводится каждую декаду в зимний период и каждые 5 суток в весенний. Вне графика обычно также отмечается дата схода снега. Для сравнения использовались только данные по запасам воды в снеге. Всего для сравнения использовано более 6398 наземных измерений за период с 2012–2017 гг.
Для сбора и обработки данных AMSR-2 была разработана автоматическая система с расчётом на её дальнейшее использование в оперативной практике. Собираемые данные накапливаются в базе данных под управлением СУБД PostgreSQL. Собираемая информация AMSR-2 включает за каждый момент наблюдения (дважды в сутки) матрицу 4х4 из 16 ближайших к каждой метеостанции узлов сетки, а также результаты пространственной билинейной и бикубической интерполяции в точке метеостанции. По ходу исследования система усложнялась добавлением новых видов обработки, например, таких как вычисление максимума, среднего и медианы в скользящем окне за 16 суток.
Результаты сравнения. В результате анализа полученных наборов данных было выявлено несколько основных особенностей данных AMSR-2, а именно: наличие провалов до нуля в данных среди зимнего сезона, неполное покрытие за одни сутки; ограничение сверху на максимальный обнаруживаемой снегозапас; бесполезность пространственной интерполяции.
Наличие нулей в данных обусловлено вышеупомянутой чувствительностью к наличию воды на поверхности снега, в случае наличия которой метод полностью теряет чувствительность до нуля. Несмотря на наличие оценки применимости метода через эмпирическую оценку температуры, сам факт неприменимости метода в данных никак не отмечается. Соответственно, нули в данных могут появиться в любой момент, например, в период оттепели зимой. При этом они, естественно, не имеют смысла, как все другие данные AMSR-2, фиксирующие снижение снегозапасов. Таким образом, требуется обязательная внешняя проверка применимости данных AMSR-2, показывающих снижение запасов воды в снеге.
Ширина полосы захвата прибора AMSR-2 составляет около 1600 км, что не обеспечивает ежедневного покрытия всей территории земного шара. Для получения непрерывного временно̀ го ряда наблюдений на широтах меньше 51° необходимо использовать данные, как минимум, за двое суток. Учитывая склонность к занижению оценок при наличии снеготаяния, а также для целей определения максимального зимнего снегозапаса целесообразно применять функцию максимума из данных за двое суток.
Для метеостанций с большим зимними накапливаемыми снегозапасами проявляется ограничение на максимальный снегозапас, который может быть оценён по данным AMSR-2. В описании методики приводятся верхние оценки высоты снежного покрова, обнаруживаемые методом, в 1 м, что соответствует снегозапасу в 150–400 кг/м2. И, действительно, максимальное зарегистрированное значение в окрестностях метеостанций по данным AMSR-2 составило 565 кг/м2. Однако, фактически по результатам сравнения максимально обнаруживаемый снегозапас по данным AMSR-2 для многоснежных метеостанций значительно ниже — в районе 75–200 кг/м2 при фактических максимумах по наземным данным 200–950
Рис. — Максимальные наблюдавшиеся снегозапасы (кг/м2) по спутниковым и наземным данным (по горизонтальной оси — ранг метеостанции по наземным данным). Неприятным является также тот факт, что из самих данных AMSR-2 признаки его ограничения никак не вытекают, и чтобы это ограничение обнаружить требуются независимые наземные данные. Поэтому из дальнейшего исследования пришлось исключить метеостанции, для которых наблюдавшийся максимум оценки снегозапаса по AMSR-2 не достигал наблюдаемых максимумов по наземным данным. После исключения осталось 34 пункта из 106. Карта распределения оставленных и исключённых метеостанций не показывает какоголибо значимого географического фактора, по которому можно было бы без использования наземных данных судить о применимости спутниковых оценок снегозапасов.
Линейные регрессионные состоятельные модели оценки наземных данных по AMSR-2, отдельные для каждой метеостанции, построены для 24 станций из 34 по условию наличия 20 и более пар точек. Независимой переменной считались данные AMSR-2, прошедшие фильтрацию медианой в окне 16 суток (привязанную к 8 суткам окна) и интерполированные билинейной интерполяцией в точку метеостанции по ближайшим 4 узлам. Квадрат коэффициента корреляции этих моделей (R2) составил от 0,29 до 0,76, для 50% станций — более 0,46. Линейный коэффициент пропорциональности в моделях от 0,156 до 0,86, константа от – 7,29 до 41,86 кг/м2. Попытка использовать в качестве данных не интерполированные данные узлов, показала, что всегда можно найти узел, дающий более точную модель, чем получается построить по интерполированным данным. В случае поиска наилучшего узла, обеспечивающего лучшую корреляцию, квадрат коэффициента корреляции этих моделей составил от 0,33 до 0,83, для 50% станций — более 0,55. В таблице для примера приведены квадраты коэффициентов корреляции в узлах интерполяции для метеостанции Курагино, для которой он равен 0,756 для линейной интерполяции по 4 узлам в точку метеостанции и 0,747 — для бикубической интерполяции (север вверху, м.-ст. находится между 4 внутренних узлов). Видно, что наибольший квадрат коэффициента корреляции 0,825 (выделен в табл.) наблюдается даже не в ближайшем к метеостанции узле.
Таблица — Квадраты коэффициента корреляции в узлах интерполяции м.-ст. Курагино. 0,757 0,688 0,577 0,466 0,814 0,679 0,629 0,528 0,797 0,807 0,792 0,710 0,825 0,818 0,790 0,657 Таким образом, процедура пространственной интерполяции представляется бесполезной из-за сильной неоднородности поверхности внутри площадки пикселя в несколько километров в диаметре. Получается, что окрестные пиксели могут иметь случайно более близкие интегральные оценки снегозапаса к точечным наземным наблюдениям, чем результаты формальной интерполяции по ближайшим узлам.
Для двух станций не удалось построить состоятельную модель даже при наличии более 20 пар данных. Для метеостанции Кресты Таймырские коэффициент пропорциональности получился отрицательным, а квадрат коэффициента корреляции 0,139, для Тембенчи — R2 = 0,046. Облако точек на скаттерограмме у них, фактически, круглое и не имеет выраженной ориентации. Это можно объяснить случайным фактическим распределением типа поверхности и рельефа местности в пределах пикселей AMSR-2. Так, например, Кресты Таймырские расположены на берегу р. Хатанга в окружении тундровых озёр, негативное влияние которых отмечалось в литературе выше.
Заключение. Таким образом использование данных микроволнового радиометра AMSR-2, установленного на КА GCOM-W1, для оценки запасов воды в снеге возможно только в период снегонакопления и невозможно в период снеготаяния. Для обеспечения полного покрытия территории, в том числе для широты меньше 51°, необходимо использовать, как минимум, данные за двое суток. При необходимости связать данные о запасах воды в снеге c AMSR-2 с данными наземных измерений требуется построение отдельной регрессионной зависимости для каждого пункта наземных измерений с подбором узла сетки данных AMSR-2 с наибольшим коэффициентом корреляции в качестве независимой переменной. Построение регрессионной зависимости не всегда возможно по условиям местности вокруг метеостанции. Также максимальные возможные снегозапасы в точке метеостанции не должны превышать величины около 200 кг/м2, выше которой снегозапасы по данным AMSR-2 оценить невозможно по условиям применимости методики. Фактические максимальные регистрируемые снегозапасы в данном месте необходимо определять по наземным данным.