Численный анализ облачности и температуры поверхности океана с использованием инфракрасных измерений с геостационарных спутников и наземных данных тема диссертации и автореферата по ВАК РФ 11.00.09, кандидат географических наук Гетманчук, Инна Васильевна

• Гетманчук, Инна Васильевна
• кандидат географических наук
• 2000

Оглавление диссертации кандидат географических наук Гетманчук, Инна Васильевна

ВВЕДЕНИЕ.

1. Методы анализа облачности по спутниковым измерениям в видимом и инфракрасном диапазонах.

2. Методика численного анализа облачности с использованием спутниковых и наземных данных.

2.1. Исходная информация.

2.2. Методика численного анализа облачности.

3. Численные эксперименты со схемой анализа.

3.1. Область анализа и период тестовых расчетов.

3.2. Результаты численных экспериментов.

4. Методы анализа температуры поверхности океана, использующие спутниковые измерения.

5. Методика численного анализа температуры поверхности океана с использованием спутниковых наблюдений и контактных измерений.

5.1. Исходная информация.

5.2. Методика численного анализа ТПО по спутниковым измерениям.

5.3. Методика численного анализа ТПО методом вариационного согласования спутниковых и судовых измерений.

6. Численные эксперименты со схемой анализа ТПО.

6.1. Область анализа и период тестовых расчетов.

6.2. Результаты численных экспериментов по анализу ТПО, полученной по данным спутниковых измерений.

6.3. Результаты численных экспериментов по проведению анализа ТПО методом вариационного согласования полей.

Введение диссертации (часть автореферата) на тему «Численный анализ облачности и температуры поверхности океана с использованием инфракрасных измерений с геостационарных спутников и наземных данных»

Последние два десятилетия ознаменовались значительным прогрессом в разработке методов усвоения данных в численных прогнозах погоды. На смену двумерным схемам анализа пришли более совершенные методы трехмерного и четырехмерного вариационного усвоения информации, поступающей с наблюдательных систем наземного и космического базирования. Эти совершенствования коснулись, в основном, усвоения информации об основных параметрах состояния атмосферы: температуры, давления, ветра, частично влажности.

Поскольку информация об облачности не усваивается пока что непосредственно большинством прогностических моделей, ее численному анализу уделялось меньше внимания. Второй причиной определенного отставания в части численного анализа облачности является, по-видимому то, что информация об облачности, получаемая с помощью существующих оперативных систем наблюдений носит скорее качественный, чем количественный характер, поэтому ее трудно усваивать в прогностических моделях.

Тем не менее диагностика поля облачности имеет существенное значение для мониторинга климатической системы Земли, а также для многих прикладных целей, поэтому интерес к этой проблеме не ослабевает и к настоящему времени предложено довольно много методик анализа облачного покрова с использованием спутниковых измерений в видимом и инфракрасном (ИК) участках спектра, поскольку только измерения со спутников могут дать информацию об облачности в глобальном масштабе.

Основное направление работ, выполненных в этой области в последнее десятилетие, состоит в привлечении измерений в нескольких спектральных диапазонах с тем, чтобы лучше отделять облачность от различных типов подстилающей поверхности и увереннее идентифицировать различные типы облачности.

Эти исследования ориентированы в подавляющем большинстве на многоспектральные измерения, проводящиеся на полярноорбитальных метеорологических спутниках. Измерения с этих спутников имеют, однако, один существенный недостаток с точки зрения синоптического и численного анализа: они производятся не одновременно над всем глобусом или его значительной частью. Поскольку облачность имеет достаточно большую пространственно-временную изменчивость, привязка измерений, сделанных с полярноорбитальных спутников в разные моменты времени, к единому синоптическому сроку представляет трудноразрешимую проблему.

Этого недостатка лишены измерения с геостационарных спутников. Измерения с существующей ныне системы геостационарных спутников осуществляются глобально в широтном поясе от 60°с.ш. до 60°ю.ш. с большим разрешением по времени (каждые 30 минут). В этом смысле они обладают несомненным преимуществом с точки зрения численного анализа в определенный синоптический срок. К сожалению, на большинстве современных геостационарных спутников отсутствует многоспектральная аппаратура, а разрешающая способность измерений уступает разрешающей способности измерений с полярноорбитальных спутников.

Поскольку настоящая работа преследовала практическую цель создания регионального численного анализа облачности в определенные синоптические сроки, предпочтение было отдано использованию с этой целью РЖ измерений с геостационарного спутника, несмотря на определенные методические трудности идентификации облачности по моноспектральным измерениям.

В отличие от многих переменных, описывающих состояние атмосферы (температуры, давления, ветра) понятие "облако" может в свою очередь характеризоваться большим количеством параметров: оптической плотностью, геометрией, микроструктурой и т.д. Подавляющая часть этих параметров в настоящее время оперативно и в глобальном масштабе не измеряется. Сетевые наблюдения с поверхности земли дают информацию о процентном покрытии неба облаками в радиусе обзора наблюдателя, сведения о типе облачности и высоте нижней границы облаков. Инструментальными являются лишь наблюдения за нижней границей облачности на небольшом количестве станций.

Измерения со спутников, используемые в настоящее время на оперативной основе, также не дают обилия количественной информации об облачности. По отражательным и излучательным свойствам облаков и их пространственно-временной структуре в лучшем случае можно оценить процент покрытия поверхности Земли облаками, высоту верхней границы облачности и выделить несколько классов облачности.

В связи с таким ограниченным количеством исходной информации об облачности, анализ облачности может содержать лишь небольшое количество характеристик.

При планировании работы над диссертацией было решено ориентироваться на анализ облачности, который будет содержать только количественную информацию об облаках, а именно данные о процентном покрытии облаками элементарной ячейки регулярной сетки, на которой ведется анализ, высоте нижней и верхней границы облачности. Такого рода анализ ориентирован на обобщенную диагностику облачного покрова, а также на возможность усвоения данных об облачности в моделях численного прогноза и использование анализов для оценки качества воспроизведения облачного покрова прогностическими моделями. Не исключено, что анализы облачности со сведениями о верхней и нижней границах облаков окажутся полезными для обслуживания авиации и других отраслей экономики.

Для создания такого рода анализа облачности необходимо привлечение как спутниковых, так и наземных наблюдений за облачностью. Именно эта задача и решалась в настоящей диссертации. В такой постановке она решалась ранее лишь применительно к усвоению данных в мезомасштабных моделях.

Второй задачей, решаемой в настоящей диссертации, является анализ температуры поверхности океана (ТПО) с использованием ИК измерений с геостационарного спутника и контактных измерений на поверхности океана.

Эта задача является традиционной и здесь преследовалась в основном практическая цель: понять, каково реальное качество восстановления ТПО по измерениям в ИК диапазоне с геостационарных спутников? Если это качество является удовлетворительным, то появляется возможность заметно увеличить количество информации о ТПО, если принять во внимание, что измерения с геостационарных спутников ведутся каждые 30 мин.

Разнородные на первый взгляд задачи анализа облаков и ТПО на самом деле весьма близки в методологическом плане: используется один и тот же источник спутниковой информации, имеется одна и та же задача разделения сигналов, поступающих от облачности и подстилающей поверхности. Технологически это может решаться в рамках единого алгоритма получения сведений о температуре поверхности океана и верхней границы облаков. Именно в связи с такой методологической близостью процедур получения спутниковой информации в диссертации рассмотрены методики анализа, как облачности, так и ТПО.

В предлагаемой диссертации, состоящей из 6 глав, последовательно излагаются вопросы, связанные с численным анализом облачности (методика анализа и результаты ее проверки) и анализом температуры поверхности океана (также методика анализа и результаты ее испытания). Основные выводы, полученные в результате работы над диссертацией, изложены в заключении.

Заключение диссертации по теме «Метеорология, климатология, агрометеорология», Гетманчук, Инна Васильевна

ЗАКЛЮЧЕНИЕ

Подводя итоги выполненной работы, отметим основные полученные в ней результаты.

1. Впервые был предложен подход к построению численного анализа поля облачности в узлах регулярной сетки на основе усвоения измерений с геостационарных спутников в инфракрасном участке спектра и станционных наблюдений за нижней границей облаков.

2. На основе разработанной методики создан алгоритм численного анализа облачности, дающий информацию о проценте облачного покрытия, высоте верхней и нижней границы облаков в узлах регулярной сетки с шагом 1°хГ.

3. Подготовлена технология сбора и обработки исходной информации, позволяющая производить оперативный анализ облачности в региональном масштабе в основные синоптические сроки.

4. Проведена авторская оценка предложенной методики на доступном материале наземных наблюдений, сделан вывод, что она имеет удовлетворительное качество. Анализ облачности, содержащий информацию о процентном покрытии облаками поверхности Земли, высоте их верхней и нижней границы может быть использован для инициализации численных моделей атмосферы и их проверки, а также при обслуживании авиации и других отраслей экономики.

В части работы, относящейся к исследованию возможностей использования измерений в инфракрасном (ПК) диапазоне с геостационарных спутников в анализе температуры поверхности океана (ТПО) получены следующие основные выводы.

5. Температура поверхности океана, оцененная по измерениям входящего излучения в окне прозрачности ИК диапазона без внесения коррекции на переизлучение в атмосфере, является смещенной в сторону более низких температур на всех геостационарных спутниках, причем смещенность является достаточно большой (от 5°С до 9°С на разных спутниках).

6. После удаления смещенности на основе полученной статистики информацию о ТПО со спутников можно использовать в анализе.

7. С учетом смещенности спутниковых данных предложен метод анализа ТПО с использованием процедуры вариационного согласования контактных и дистанционных измерений, в котором учитываются абсолютные значения контактных измерений и горизонтальные градиенты дистанционных измерений ТПО.

8. Предложенная методика реализована в виде схемы численного анализа ТПО в узлах регулярной сетки с шагом 1°х1°.

9. Проведена оценка предложенной схемы анализа с использованием измерений с различных геостационарных спутников путем сравнения с анализами Национальных центров по прогнозу окружающей среды США (ЫСЕР), а также точечными судовыми и буйковыми измерениями. Получен вывод, что в членах стандартных ошибок: смещенности и среднеквадратической ошибки привлечение спутниковых измерений не дает заметных преимуществ по сравнению с анализом, выполненным только по контактным измерениям. Поле ТПО, построенное с учетом спутниковых данных, содержит, однако, гораздо большую пространственную изменчивость: горизонтальные градиенты в нем в 1,4 раза превосходят градиенты в анализе, построенном только по контактным измерениям. На этом основании сделан вывод, что усвоение информации о ТПО с геостационарных спутников может быть полезным при составлении численных анализов температуры морской поверхности.

Список литературы диссертационного исследования кандидат географических наук Гетманчук, Инна Васильевна, 2000 год

1. Белов П.Н., Борисенков Е.П., Панин Б.Д. Численные методы прогноза погоды. Л. Гидрометиздат, 1982, 376 с.

2. Бышев В.И., и др. Эволюция синоптических возмущений по измерениям на полигонах в центральной части северной Атлантики.-Океанология, 1982,т.ХХП, вып. 1, сс. 19-25.

3. Бышев В.И., Снопков В.Г. О роли синоптических возмущений в изменчивости гидрологических условий в океане.-Океанология, 1980, т.ХХ, вып.6, сс.988-995.

4. Ветлов И.П., Вельтищев Н.Ф. Руководство по использованию спутниковых данных в анализе и прогнозе погоды Л. Гидрометиздат, 1982.

5. Волкова Е.В., Успенский А.Б. Определение балла облачности по изображениям облачного покрова в видимом и инфракрасном диапазонах спектра с полярно-орбитальных ИСЗ. \\ Метеорология и гидрология, 1998, №9, сс. 15-25.

6. Игнатов A.M., Суетин B.C. Сравнение спектрального и углового ИК-методов дистанционного определения температуры поверхности океана -Оптика атмосферы и океана, 1993,№4.

7. Исаев A.A. Статистика в метеорологии и климатологии. М.: - Изд-во МГУ, 1988, 248 с.

8. Кондратьев К.Я., Тимофеев Ю.М. Метеорологическое зондирование атмосферы из космоса. Л. Гидрометеоиздат, 1978.

9. Косарев А.Л., Мазин И.П. О влиянии взаимного перекрытия облачных слоев на мониторинг облачности разных ярусов при наземных и спутниковых наблюдениях. \\ Метеорология и гидрология, 1997, N 10, сс. 22-37.

10. Кочергин В.П., Тимченко И.Е., Климок В.И., Сухоруков В.А., Таланов

11. M.B. Использование спутниковых измерений поля поверхностной температуры в численной модели верхнего слоя океана. \\ Метеорология и гидрология, 1980, N 12, сс. 62-70.

12. Ларин Д.А. Анализ температуры поверхности Мирового океана -Метеорология и гидрология, 1992, №2, сс.60-65.

13. Малкевич М.С. Физические аспекты дистанционного зондирования системы "океан-атмосфера". М.: Наука, 1981.

14. Нелепо Б.А., Коротаев Г.К., Суетин В.С.,Терехин Ю.В. Исследование океана из космоса. Киев : Наук думка, 1985. -168с.

15. Нелепо Б.А., Терехин Ю.В., Коснырев В.К., Хмыров Б.Е. Спутниковая гидрофизика. М.: Наука, 1983. - 256с.

16. Растоскуев В.В., Шалина Е.В. Метод фильтрации облачности для данных прибора AVHRR, относящихся к региону Балтийского моря -Исследование Земли из космоса, 1996, №1.

17. Руководство по использованию спутниковых данных в анализе и прогнозе погоды. Под ред. И.П.Ветлова и Н.Ф.Вельтищева. Л., Гидрометеоиздат, 1982, сс.23-54.

18. Сутовский В.М., А.Б.Успенский, Розанова Е.В. Оценка погрешности определения ТПО и влагосодержания атмосферы по данным спутниковых измерений уходящего излучения в диапазоне 10.5-12.5 мкм. Исследования Земли из космоса, 1987, №2.

19. Трищенко А.П., Хохлова A.B. Использование спутниковых данных радиометра СкаРаБ для определения температуры поверхности океана -Метеорология и гидрология, 1996, №12.

20. Успенский А.Б., Соловьев В.И. Современное состояние и перспективы развития дистанционных методов определения определения ТПО из космоса. Исследования Земли из космоса, 1998, №1.

21. Федоров К.Н. О физической структуре приповерхностного слоя океана. -Метеорология и гидрология, 1981, №10. сс. 58-66.

22. Филатов Н.И., Шилов И.О. Исследование особенностей изменчивости термогидродинамических полей на основе спутниковой информации. (На примере Белого моря) Исследования Земли из космоса, 1996, №3.

23. Arkin, A. Latitudinal distribution of cloud cover from Tiros in photographs. Science, 1964, 143, pp. 568-572.

24. Astin I., Latter B.G. A case for exponential cloud fields ? \\ Journal of Applied Meteorology, 1998, vol.37, № 10, pp.1375-1382.

25. Barker H.W. Estimating cloud field albedo using one-dimensional series of optical depth. -J. Atmos. Sci., 1996, vol.39, № 19, pp.2826-2837.

26. Barnett T.P. et al. Comparison of sea surface temperature fields Oceanogr. Space Proc. COSPAR/SCOR/IOCRAM Symp., Venice, 26-30 May, 1980, New York, London, pp.123-133, 1981.

27. Barnett T.P., Patzert W.C., Webb S.C., et al. Climatological usefulness of satellite determined sea-surface temperatures in the Tropical Pacific.-Bull.Amer.Meteorol.Soc., 1979, 60, №3, pp. 197-205.

28. Bates J.J. et al. Sea surface temperature: observations from geostationary satellites J. Geoph. Res., 1985, vol.90, № 6.

29. Baum B.A., Tovinkere V., Titlow J., Welch R.M. 1997. Automated cloud classification of global AVHRR data using a fuzzy logic approach. \\ Journal of Applied Meteorology, 1997, vol.36, № 11, pp. 1519-1540.

30. Chedin et al. Sea surface temperature measurement from satellites: validation and accuracy- Adv. Space Res., 1983, vol.2, №6.

31. Chedin, A., N.A.Scott and A.Berrior. AND single-channel, double viewing angle method for sea surface temperature determination from coincndent Meteosat and TIROS-N radiometric measurements. J. Appl. Meteor., 1982, 21, pp.613-618.

32. Chernych Irina V. and Eskridge R.E. Determination of cloud amount and level from radiosonde soundings. \\ Journal of Applied Meteorology, 1996, vol.35, № 8, pp.1362-1369.

33. Chylek P., Ramaswamy V. Simple approximation for infrared emissivity of water clouds.-J.Atmos.Sci., 1982,39, №l,pp. 171-177.

34. Coakley J.A. and Baldwin D.G. Towards an objective analysis of clouds from satellite imagery data. J. Clim. Appl. Met., 1984, 23, 1065.

35. Coakley, J.A., Jr. Properties of multilayered cloud systems from satellite imagery. J. Geophys. Res., 1986, 88, pp. 10818-10828.

36. Coakley, J.A., Jr., and D.G.Belwin. Towards the objective analysis of clouds from satellite imagery data. J. Climate Appl. Meteor., 1984, 23. pp. 1065-1099.

37. Coakley, J.A., Jr., and F.P.Bzethezton. Cloud cover from high-resolution scanner data : Detecting and allowing for partially filled fields of view. J. Geophys. Res., 1982, 87, pp.4917-4932.

38. Coakley, J.A., Jr., and R.Davis. The effect of cloud on reflected solar radiation as deduced from satellite observations. J. Atmos. Sci., 1986, 43, pp.1025-1035.

39. Cram J.M., Kaplan M.L. Vatiational assimilation of VAS data into mesoscale model; assimilation method and sensitivity experiments. Monthly Weather Review, 1985, v.113, № 4, pp.467-484.

40. Crane R.G., Anderson M.R. Satellite discrimination of snow/cloud sufraces. Int. J.Remote Sensing, 1984, 5, 213.

41. De Leonibus L., Pagano P. 1985. PDUS-derived cloud, temperature and height maps for facsimile dissemination, ESA 1985.

42. Desbois M., Seze G. and Szejwach G. Automatic classification of clouds on Meteosat imagery : Application to high-level clouds.W Journal of Applied Meteorology, 1982, vol.21, N 5, pp. 401-412.

43. Duda, R.O., and P.E.Hart. Pattern Classification and Scene Analysis. Wiley, New York, 1973.

44. Harris, R., and E.C.Barrett. Toward an objective nephanalysis. J. Appl. Meteor., 1978, 17, pp.1258-1266.

45. Harshvardhan and J.A.Weinman. Infrared radiative transfer through a regular array of cuboidal clouds. J. Atmos. Sci., 1982, 39, pp.431-439.

46. Karlsson K.G. Multispectrally derived cloud and precipitation information on a mesoscale grid, EUM P 06, (EUMETSAT 1989), pp. 91-95.

47. Kidder S.Q. et al. Satellite meteorology A.P., 1995.

48. Koffler, r., A.G.DeCotiis, and P.K.Rao. A procedure for estimating cloud amount and height from satellite infrared radiation data. Mon. Wea. Rev., 1973, 101, pp.240-243.

49. Liljas E. Experience of an operational cloud classification method, Proceedings of 4th AVHRR Data Users' Meeteng, Rothenburg, Germany, EUM P 06 (EUMETSAT 1989), pp.73-78

50. Llewellin-Jones D.T., Minnet P.J. Saunders R.W. etc. Satellite multichannel infrared measurments of sea surface temperature of the N.E. Atlantic Ocean using AVHRR/2. Q.J1 Remet.S., 1984 110,613.

51. Llewellyn-Jones D.T. et al. Satellite multichannel infrared measurements of sea surface temperature of the N.E. Atlantic Ocean using AVHRR/2 Quart. J. R. Met. Soc., 1984, vol. 110, pp. 613-631.

52. McClain E.P., W.G.Pichel and C.C.Walton.Comparative performance of AVHRR-based multichannel sea surface temperatures. J. Geophys. Res., 1985, 90, pp.87-11601.

53. Menzel W.P., Smith W.L. and Stewart T.R. Improved cloud motion wind vector and altitude assigment using VAS. \\ Journal of Applied Meteorology, 1983, vol.22, №3, pp.377-384.

54. Miller S.W., Emery W.J. An automated neural network cloud classifier for use over land and ocean surface.W Journal of Applied Meteorology, 1997, vol. 36, №10, pp.1346-1362.

55. Minnis P. and Harrison E.F. 1984. Diurnal variability of regional clouds andclear-sky radiative parameters derived from GOES data. Part I: Analysis method.W Journal of Climate and Applied Meteorology, 1984, vol.23, № 5, pp. 993-1011.

56. Minnis P. and Harrison E.F. Diurnal variability of regional clouds and clear-sky radiative parameters derived from GOES data. Part II: November 1978 cloud distributions.W Journal of Climate and Applied Meteorology, 1984, vol.23, № 5, pp. 1012-1031.

57. Njoku G. Workshop comparisons of satellite sea surface temperature measurements Proc. OCEANS 03, SanFrancisco, 29 Aug.-l Sept, 1983, vol.1, pp. 340-343.

58. NOAA Atlas NESDIS 4. World Ocean Atlas 1994. Volume4: Temperature. Washington, D.C. 1994.

59. Paul E., McClain J. Application of environmental satellites data to oceanography and hydrology. Washington, 1997, ESSA Technical Memorandum. NESCTM № 19.

60. Phulpin T., Derrien M. and Brard A. A two-dimensional histogram procedure to analize cloud cover from NOAA satellite high-resolution imageryA\ Journal of Climate and Applied Meteorology, 1983, vol.22, № 9, pp.1332-1345.

61. Piatt C.M.R. On the bispectral method for cloud parameter determination from satellite VISSR data: Separating broken cloud and semitransparent cloud.W Journal of Climate and Applied Meteorology, 1983, vol.12, № 7, pp.429-439.

62. Price J.C. Land surface temperature measurments from the split window channels of the NOAA-7 Advanced Very High Resolution Radiometer. J.geophys.Res., 1984, 89, 7231.

63. Puri K., Mills G.A. Initial state specification for mesoscale applications.\\ Journal of Meteorol. Soc. Japan, 1987, vol.75, N IB, pp.395-413.

64. Rao P.K. Weather satellites: systems, data, and enviromental applications -Boston, Amer. Met. Soc., 1990.

65. Rao P.K., Smith W.L., Koffler R. Global sea-surface temperature distributiondetermined from an environment satellite.-Monthly Wearther Rev., 1972, 100, N1, pp.10-14.

66. Reynolds, D.W., and T.H.VanderHaar. A bispectral method for cloud parameter determination. Mon. Wea. Rev., 1977, 105, pp.446-457.

67. Reynolds, D.W., T.B.McKee, and K.S.Danielson, Effects of cloud size and cloud particles on satellite-observed reflected brightness. J. Atmos. Sci., 1978, 35, pp. 160-164.

68. Reynolds, R. W. and T. M. Smith: Improved global sea surface temperature analyses using optimum interpolation. J. Climate, 1994, 7, pp.929-948.

69. Robinson I.S., Wells N.C., and Charnock H. Review Article: The sea surface thermal boundary layer and its relevance to the measurement of sea surface temperature by airborne and spaceborne radiometers. Int.J.Remote Sensing, 1984, vol.5, Nl,pp.l9-45.

70. Rossow W.B. Measuring cloud properties from space : a review. J. Climate, 1989,2, pp.201-213.

71. Saunders P. Aerial measurement of sea surface temperature in the infrared. J.Geophys.Res., 1967, vol.72, N16, pp.4109-4117.

72. Saunders R. W. An automated scheme for removal of cloud contamination from AVHRR radiances over western Europe, Int. J. Remote Sensing, 1986, Vol. 7, No. 7, pp.867-886.

73. Saunders R. W., & Kriebel K.T. An improved method for detecting clear sky and cloudy radiances from AVHRR data, Int. J. Remote Sensing, 1988, Vol. 9., No. 1, pp.123-150

74. Saunders R.W. et al. An improved method for detecting clear sky and cloudy radiances from AVHRR data Int. J. Remote Sens., 1988, vol.9, pp. 123-150.

75. Saunders R.W. Monthly mean cloudness observed from METEOSAT-2. J. Clim. Appl. Met., 1985, 24, p.l 14.

76. Saunders R.W. Cloud top temperatures/height: a high resolution imagery product from AVHRR data, Meteorol. Mag., 1988, Vol.117, pp.211-221.1.l

77. Shenk, W.E., and V.V.Solomonson. A simulation study exploring the effects of sensor spatial resolution on estimates at cloud cover from satellites. J. Appl. Meteor., 1972, 11, pp.214-220.

78. Simmer, C., E.Raschke and E.Ruprecht. A method for determination of cloud properties from two-dimensional histograms. Ann. Meteor., 18, pp. 130-132.

79. Smith W.L., P.K.Rao, R.Koffer, and W.R.Curtis: The determination of sea-surface temperature from satellite high-resolution infrared window radiation measurements. Mon. Weather. Rev., 1970, 98, pp.604-611.

80. Stevenson H.R. A synoptic approach to studying changes in sea surfacethtemperature using geostationary satellite data 16 Int. Symp. Remote Sens. Environ., Buenos Aires, 2-9 June, 1982. Pap. Selec. Vol.2. Ann Arbor, Mch., s.a., pp. 703-714.

81. Szeiwach G. Determination of semi-transparent cirrus cloud temperature from infrared radiances : Application to Meteosat. J. Appl. Meteor., 1982, 21, pp.384-393.

82. Uddstrom M.J. and Gray W.R. Satellite cloud classification and rain-rate estimetion usig multispectral radiances and measure of spatial texture.W Journal of Applied Meteorology, 1996, vol.35, № 6, pp.839-858.

83. Yang S.-K., Zhou S.-S., McMillin L.M., Campana K.A. Characteristics of the NOAA/NESDIS. Cloud retrieval algorithm using HIRS-MSU radiance measurements. \\ Journal of Applied Meteorology, 1996, vol.35, № 11, pp.1980-1990.