Развитие методов определения параметров облачного покрова и идентификации зон осадков по данным измерений полярно-орбитального ИСЗ тема диссертации и автореферата по ВАК РФ 11.00.09, кандидат географических наук Волкова, Елена Викторовна

• Волкова, Елена Викторовна
• кандидат географических наук
• 1999

Оглавление диссертации кандидат географических наук Волкова, Елена Викторовна

Содержание

Стр.

ВВЕДЕНИЕ.,

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ ДЕТЕКТИРОВАНИЯ ОБЛАЧНОСТИ И ИНДИКАЦИИ ЗОН ОСАДКОВ ПО ТВ* И ИМЗОБРА-ЖЕНИЯМ С ГЕОСТАЦИОНАРНЫХ И ПОЛЯРНО-ОРБИТАЛЬНЫХ МИСЗ

1.1. Визуальные методы определения характеристик осадков по ТВ- и ИК-снимкам облачности с МИСЗ

1.2. Автоматические методы анализа характеристик осадков по ТВ- и ИК-снимкам с МИСЗ

1.2.1. Индикалдая зон осада«» в тросиках

1.2.1.1. Моноспектральные (одноканальные) методы

1.2.1.2. Биспеюральные методы

1,2-. Исследование «изолироваяашх ливней»„,„,,„„-

1.2.2. Распознавание осадков во внетропических широтах

1.2.2.1. Биспектральные методы

1.2.2.2. Оценки характеристик осадков из внетропических циклонов

1.2.2.3. Использование информации с полярно-орбитальных МИСЗ

1.3. Практическое использование сведений об осадках, получаемых по

ТВ- и ИК-даяным с МИСЗ

1.4. Выводы

ГЛАВА 2. ОПИСАНИЕ ДАННЫХ, ИСПОЛЬЗОВАННЫХ ПРИ РАЗРАБОТКЕ

ШТОДЩ КЛАССИФИКАЦИИ СНИМКОВ С МИСЗ

ГЛАВА 3. ОПРЕДЕЛЕНИЕ БАЛЛА ОБЛАЧНОСТИ ПО ИЗОБРАЖЕНИЯМ ОБЛАЧНОГО ПОКРОВА В ВИДИМОМ И ИНФРАКРАСНОМ ДИАПАЗОНАХ СПЕКТРА С ПОЛЯРНО-ОРБИТАЛЬНЫХ ИСЗ

3.1. Пороговый метод детектирования облачности

3.2. Кластерный метод обнаружения облачных образований

3 .3 . Сопоставление точности пороговой и кластерной методик детектирования облачности

3.4. Использование методик для климатических исследований

3.5. Выводы

ГЛАВА 4. ОБНАРУЖЕНИЕ ЗОН ОСАДКОВ ПО ДАННЫМ С МИСЗ Ж)АА

4.1. Подготовка данных синоптических наблюдений для валидации метода» «нутшисовой индшшщш зон «садаов. „5„,.. ,„„,,„,„

4.2. Сопоставление точности контрольных синоптических и радиолокационных наблюдений за осадками

4.3. Пороговая методика индика1щи зон осадков.,, ,,,,

4.4. Кластерная методика индикации зон осадков

4.5. Сопоставление работы пороговой и кластерной методик при попик-сельном анализе спутниковых изображений

4.6. Выводы

ГЛАВА 5. ОПРЕДЕЛЕНИЕ ИНТЕНСИВНОСТИ й ДРУГ ИХ ХАРАКТЕРИСТИК

ВЫПАДАЮЩИХ ОСАДКОВ ПО ДАННЫМ С МИСЗ NOAA

5.1. Определение характеристик осадков по небольшим фрагментам

снимков ъ МИСЗ

5.2. Индикация зон осадков на больших фрагментах изображений с МИСЗ

5.3. Выводы

ЗАКЛЮЧЕНШ,,.,.,.,,

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Развитие методов определения параметров облачного покрова и идентификации зон осадков по данным измерений полярно-орбитального ИСЗ»

Введение

Облачность и связанные с нею осадки существенно влияют на многие сферы человеческой жизнедеятельности. Сведения об осадках используются в сельском хозяйстве, строительстве, авиации, гидроэнергетике и др. Количественные данные об облачности и осадках необходимы для усвоения в численных прогностических моделях и моделях климата, а также для валидашш результатов численного моделирования. Вследствие недостаточной плотности и неравномерного пространственного распределения наземной сети наблюдений за осадками, в том числе практического отсутствия данных для акватории океанов, в настоящее время приоритетной задачей является создание спутниковых методов обнаружения осадков и определения их характеристик.

В наши дни наиболее успешно осадки дешифрируются по изображениям облачности в видимом (ТВ) и инфракрасном (ИК) диапазонах спектра с геостационарных метеорологических искусственных спутников Земли (МЙСЗ) в приэкваториальных районах, где вероятность выпадения и интенсивность осадков находятся в прямой зависимости от вертикальных и горизонтальных размеров облака, которые легко оценить по данным измерений альбедо и температуры верхней границы облачности (ВГО). В умеренных широтах такая устойчивая связь характерна лишь для летних осадков, связанных с конвективной облачностью.

Попытки ряда зарубежных исследователей адаптировать отдельные из существующих методик идентификации зон осадков в тропиках к условиям теплого периода года в умеренных широтах дали обнадеживающие результаты [36, 50, 88, 111}. Основным недостатком подобных методик является их «локальный» характер, т.е. сильная зависимость качества распознавания осадков от расстояния до региона, для которого они были разработаны. При переносе схем идентификации на соседние территории обычно приходится использовать дополнительную наземную информацию об осадках для уточнения и пересчета отдельных параметров этих схем. Несмотря на это, в ряде стран внетропических широт схемы автоматического распознавания осадков и оценок их характеристик по ТВ- и ИК-данным с геостационарных и полярно-орбитальных МИСЗ успешно используются для индикации и прогнозирования осадков, а также в климатических исследованиях [77-82,90,91,120,121].

Вплоть до настоящего времени подобные работы практически отсутствовали для территории России. Предложенные 15-20 лет назад в интересах спутниковой климатологии методики идентификации осадков в большинстве своем основаны на визуальном анализе снимков облачности [6-12, 20-22. 25, 26], и успешность их применения существенно зависит от квалификации метеоролога. Получаемые при этом

сведения об осадках не удовлетворяют требованиям, предъявляемым оперативными моделями численного прогноза погоды.

Целью данной работы является разработка полностью автоматизированной схемы интерпретации ТВ- и ПК-изображений с полярно-орбитального МИСЗ серии МОАА для полунения оперативной информации об облачности и осадках в теплое время года для Европейской территории России. Для достижения указанной цели были поставлены следующие задачи:

1) подготовить архив синхронных спутниковых, синоптических и радиолокационных данных для Центрального региона Европейской территории России за теплые периоды нескольких лет, включающий в себя данные радиометра АУНКИ МИСЗ ИОЛА, данные метеорологического радара (Крылатское, г.Москва), а также результаты синоптических наблюдений (в том числе за общей облачностью и погодой в срок и между сроками наблюдения);

2} проанализировать имеющийся положительный опыт использования ТВ- и ИК-измерений с разных типов МИСЗ для восстановления полей облачности и осадков в тропических и умеренных широтах;

3) разработать методик)' автоматической классификации данных измерений радиометра АУНЯИ с МИСЗ Ж)АА с целью выделения облачности и зон осадков (в том числе разной интенсивности) в светлое время суток в теплое время года;

4) разработать программные средства, позволяющие проводить классификацию снимков облачности в оперативном режиме;

5) оценить точность детектирования облачности и определения ее количества, а также точность детектирования зон осадков, определения вероятности их выпадения и интенсивности.

Научная новизна.

1. Впервые разработана полностью автоматизированная схема получения данных о количестве облачного покрова, а также о зонах осадков, вероятности их выпадения и интенсивности в светлое время суток в теплый период года для Центрального региона ЕТР на основе анализа цифровой информации радиометра АУИШ МИСЗ НОАА.

2. Созданы программные средства для оперативных наблюдений за облачностью и осадками с целью последующего их усвоения в моделях численного прогноза погоды Гидрометцентра России.

3. Оценена точность детектирования облачности и осадков, в том числе осадков разной интенсивности.

Практическая ценность. Результат диссертационной работы - схемы автоматической классификации цифровой информации радиометра АУНЕК МИСЗ

ТЧОАА, основанные на ПЭВМ-реализации пороговой и кластерной методик, позволяющие получать сведения об общем количестве облачности, наличии осадков и

а

их интенсивности для небольших участков, например, размером -10x10 км , обшрных территорий в полосе обзора спутника. Преимущество дистанционной индикации облачности и осадков, по сравнению с наземными наблюдениями, заключается: 1) в пространственной непрершвности данных (вместо дискретных синоптических наблюдений) для территории в несколько раз превышающей зону действия МРЛ); 2) возможности задавать требуемые местоположение и размеры интересующих участков территории, для которых рассчитываются данные об- облачности и осадках (для синоптических наблюдений местоположение станции и площадь осреднения -величины строго фиксированные).

Результаты югассифшсации могут использоваться как дополнение и замена данных синоптических и радиолокационных наблюдений в региональных и мезомасштабных схемах численного анализа и прогноза погоды, а также для целей краткосрочного прогноза осадков и состояния облачного покрова в метеорологических службах при аэропортах. Важная область применения - климатические исследования облачного покрова и осадков.

Предлагаемые к практическому использованию схемы интерпретации данных измерений радиометра АУНЕК МИСЗ МОАА являются адаптивными, т.е. предусмотрена возможность уточнения и изменения значении параметров в алгоритмах при смене спутника, изменении границ территории и т.п. С этой целью схема снабжена дополнительно пакетом программ для формирования и накопления архивов синхронных спутниковых и наземных данных (синоптических и радиолокационных), а также для уточнения значений порогов и других параметров алгоритмов классификации, исследования их межгодовой изменчивости.

Апробация работы, Основные положения и результаты диссертационной работы изложены в трех опубликованных статьях [3-5], регулярно докладывались и обсуждались на Ученом Совете и на научных семинарах НИЦ «Планета», Международном Симпозиуме по атмосферной радиации стран СНГ (С.Петербург, 1999).

Структура и краткое содержание работы« Диссертационная работа состоит из введения, пяти глав и заключения, изложенных на 137 страницах. В диссертации имеется 12 таблиц и 37 рисунков. Список литературы содержит 142 наименования, в том числе 114 на иностранных языках.

В первой главе диссертации подробно рассмотрено современное состояние проблемы косвенного обнаружения осадков и оценок их характеристик для разных географических регионов по ТВ- и ИК-изображениям с геостационарных и с полярно-

орбитальных МЙСЗ.

На основе представленных в главе материалов сделан вывод об актуальности и

практической значимости создания автоматизированной методики идентификации зон осадков по спутниковым данным (подобных измерениям радиометра АУНИЛ МИСЗ ЬЮАА) в умеренных широтах отдельно для теплого и холодного периодов года.

Вторая глава посвящена подробном}' описанию спутниковых, синоптических и радиолокационных данных, использованных при разработке и испытании схемы классификации. Работоспособность схемы оценивалась вначале на материале синхронных архивов спутниковых-синоптических и спутниковых-радиолокационных данных для небольших (размером -10x10 км2) фрагментов снимков с полярно-орбитального МИСЗ, а затем для больших (размером в несколько сотен километров) фрагментов снимков при визуальном контроле результатов классификации с помощью данных наблюдений МРЛ.

Схема автоматической классификации данных АУПКИ МИСЗ МОАА включает несколько этапов (процедур). Описание отдельных этапов и оценка эффективности применения каждого из них даны в главах 3-5. При практической реализации этапов анализируются и сравниваются два различных подхода - пороговый и кластерный.

В третьей главе в качестве первого этапа классификации рассмотрена проблема детектирования облачности. Задача отделения облачных пикселов снимка от безоблачных может быть достаточно эффективно решена как пороговым, так и кластерным методом. Следует учитывать, что кластерный метод несколько завышает размеры облачных образований при небольших значениях количества общей облачности (до трех-шта октов); при более высокой степени сплоченности облачных элементов, напротив, пороговый метод в ряде случаев дает несколько завышенные оценки реальных размеров облачных массивов. Среднее квадратическое отклонение спутниковых оценок количества облачности от наземных (данные синоптических наблюдений) для обоих методов составляет 1,5-3,5 окта (наибольшие значения СКО отмечены для Сь=3-5 октов), среднее отклонение, как правило, лежит в пределах ±1окта. Наибольшие ошибки при оценке количества облачности имеют место для значений С1у=2-6 окта, что вызвано трудностью достоверной классификации пикселов, частично заполненных облачностью, а также погрешностью сопоставления спутниковых и наземных наблюдений за облачностью. В главе приведены среднемесячные оценки суммарного количества общей облачности (отдельные месяцы теплого периода 1998 г.) пороговым и кластерным методами.

В четвертой главе рассмотрена проблема индикации зон осадков, т.е. разделение дождящих и недождящих облачных пикселов по данным радиометра АУНКИ МИСЗ

ЫОАА. Дано описание порогового и кластерного алгоритмов. Исследования показали, что вероятность распознавания осадков обоими методами (пороговым и кластерным)

составляет более 70 %.

Пятая глава посвящена решению задачи оценки интенсивности выпадающих осадков. Согласно полученным результатам возможно разделять выпадающие осадки на два подкласса: «слабые осадки» (с интенсивностью 0,1-3,0 мм/ч) и «сильные осадки» (с интенсивностью более 3 мм/ч). Кластерный метод в ряде случаев может завышать реальные размеры зон осадков высокой интенсивности за счет причисления к ним холодной плотной перистообразной облачности.

Схема позволяет дополнительно выделять в пределах зоны осадков высокой интенсивности зоны «опасных осадков», т.е. зоны с высокой вероятностью выпадения очень сильных ливней, града, гроз. Деление класса «осадки» на подклассы в зависимости от типа (морось, дождь, ливень и т.д.) или характера (осадки из N8, из СЬ и т.д.) выпадающих осадков нецелесообразно из-за крайне низкой точности получаемых, результатов (вероятность детектирования каждого подкласса - менее 50 %),

В Заключении подведены итоги и сформулированы основные результаты работы.

Заключение диссертации по теме «Метеорология, климатология, агрометеорология», Волкова, Елена Викторовна

5.3. Выводы

На основе выполненных исследований создана методика оперативной обработки данных радиометра AVHRR NOAA в автоматическом режиме с целью индикации облачного покрова, зон выпадения осадков и оценки их интенсивности. При попиксельном анализе спутникового изображения классификация осуществляется в 4 шага (первые 3 шага могут использовать «альбедио-темперагурный» пороговый, «температурный» пороговый или «альбедно-темнературный» кластерный метод; четвертый шаг - «альбедно-темнературньш» метод). Методика использует «универсальные» значения порогов и центров классов, поэтому может работать в автомагическом режиме на протяжении всего теплого периода.

Многопороговая «аиьбедно-температурная» методика (см. рис. 31, 36, 37). На первом шаге пикселы снимка разделяются на «облачные» (Al > 12 % или (ТЗ-Т4) > 13 К) Шш «безоблачные» (всё остальные). На втором шаге «безоблачные» пиксель! делятся на «воду» (А2 > 8,5 % и (А2-А1) < 0 %) и «сушу» (остальные «безоблачные» пикселы), а «облачные» пикселы - на «облачно/осадки» (Al > 25 %, и Т4 < 273 К, и (А2-А1) < -3 %, и (Т4-Т5) < 1,5 К) и «облачно/без осадков» (остальные «облачные» пикселы). На третьем шаге пикселы из класса «осадки» разделяются на подклассы -«сильные осадки (I £ 3 мм/ч)» (Al > 50 %, и ТЗ < 270 К, и Т4 < 260 К, и (Т4-Т5) < 1 К) и «слабые осадки (I = 0,1-3 мм/ч)» (остальные пикселы из класса «осадки»). Внутри подкласса «сильные осадки» дополнительно выделяются пикселы с «опасными осадками» (очень сильный ливень, гроза, град) (АЗ > 60 % и Т4 < 235 К).

Многопороговая «температурная» методика (см. рис. 34). На первом шаге пикселы снимка разделяются на «облачные» (Т4 < 285 К и (Т4-Т5) < 1,5 К) и «безоблачные» (все остальные пикселы). На втором шаге «облачные» пикселы разделяются па «облачно/осадки» (Т4 < 267,5 К, и Т5 < 267,5 К, и (Т4-Т5) < 1,5 К) и «облачно/без осадков» (остальные «облачные» пикселы). На третьем шаге пикселы из класса «осадки» разделяются на подклассы «сильные осадки» (Т4 < 255 К и (Т4-Т5) < -1 К) и «слабые осадки» (остальные пикселы из класса «осадки»). Внутри подкласса «сильные осадки» дополнительно выделяются пикселы с «опасными осадками» (Т4 < 230 К и (Т4-Т5) < -2,5 К). Точность методики заметно уступает точности «альбедно-температурной» многопороговой методики, поэтому может быть рекомендована к использованию лишь в случаях невозможности применения первой методики (например, в ночное время суток).

Кластерная методика (см. рис. 35). На первом шаге, используя предикторы Al, Т4 и (ТЗ-Т4), пикселы снимка разделяются на 2 класса: «облачно» (значения центров классов соответственно - 20 %, 270 К, 25 К) и «безоблачно» (значения центров классов соответственно - 5 %, 280 К, 5 К). На втором шаге с помошью предикторов Al, Т4, (А2-А1) и (Т4-Т5) «облачные» пикселы разделяются на классы «осадки» (значения центров классов соответственно 55 %, 252,5 К, -5 %, -0,5 К) и «без осадков» (значения центров классов соответственно - 32,5 %, 275 К, 0 %, 2 К). На третьем шаге пикселы из класса «осадки» с помощью предикторов Al и Т4 разделяются на подклассы «слабые осадки» (значения центров классов соответственно - 45 %, 255 К) и «сильные осадки» (значения центров классов соответственно - 65 %, 230 К).

Рис. 35. Результат классификации снимка МИСЗ ЫОАА-И за 16 июня 1998 г. в три этапа с помошью кластерной методики: первый этап - предикторы А1, Т4 и (ТЗ-Т4), второй этап - предикторы А1, Т4, (А2-А1) и (Т4-Т5), третий этап - предикторы А1 и Т4. Цвета на снимке: зеленый - «безоблачно/суша», синий - «безоблачно/вода», белый - «облачно/без осадков», светло-серый - «слабые осадки (1<3 мм/ч)», серый -«сильные осадки (Е>3 мм/ч)», розовый - «слабые осадки (1=0,1-3 мм/ч) по данным МРД», красный - «сильные осадки (1>3 мм/ч) по данным МРЛ», черный - контуры Москвы и линии координатной сетки (через 5°).

Рис. 36. Результат классификации снимка МИСЗ ЬЮАА-14 за 2 июля 1998 г. в четыре этапа с помощью «альбедно-температурной» много по ро говой методики: первый этап - предикторы А1 и (ТЗ-Т4), второй этап — предигсгоры А1, Т4, (А2-А1) и (Т4-Т5), третий этап - предикторы А1, ТЗ, Т4 и (Т4-Т5), четвертый этап - предикторы А1 и Т4. Цвета на снимке: зеленый - «безоблачно/суша», синий - «безоблачно/вода», белый - «облачно/без осадков», светло-серый - «слабые осадки (1<3 мм/ч)», серый - «сильные осадки (1>3 мм/ч)», темно-серый - «опасные осадки», розовый - «слабые осадки (1=0,1 -3 мм/ч) но данным МРЛ», красный - «сильные осадки ([>3 мм/ч) по данным МРЛ», черный - контуры Москвы и линии координатной сетки (через 5°).

Рис. 37. Результат классификации снимка МИСЗ ИОЛ А-14 за 24 июля 1998 г. в четыре этапа с помощью «альбедно-температурной» многопороговой методики: первый этап - предикторы А1 и (ТЗ-Т4), второй этап - предикторы А1, Т4, (А2-А1) и (Т4-Т5), третий этап - предикторы АХ, ТЗ, Т4 и (Т4-Т5), четвертый этап - предикторы А1 и Т4. Цвета на снимке: зеленый - «безоблачно/суша», синий - «безоблачно/вода», белый - «облачно/без осадков», светло-серый - «слабые осадки (1<3 мм/ч)», серый - «сильные осадки (1>3 мм/ч)», темно-серый - «опасные осадки», розовый - «слабые осадки (1=0,1-3 мм/ч) по данным МРЛ», красный - «сильные осадки (1>3 мм/ч) по данным МРЛ», черный - контуры Москвы и линии координатной сетки (через 5°).

Заключение

Суммируем основные результаты диссертационной работы.

1. Выполнен сравнительный анализ существующих методов дистанционной индикации облачности и осадков по спутниковым данным и на его основе уточнены методические подходы к решению поставленной в диссертации задачи.

2. Разработаны схемы автоматизированной классификации данных измерении радиометра AVHRR МИСЗ NÖAA для индикации облачности и осадков в любой точке снимка и по площади отдельных его фрагментов в светлое время суток в теплый период года для Центрального региона ЕТР. Схемы позволяют рассчитывать количество общей облачности для любого фрагмента снимка, выделять зоны выпадающих осадков и качественно оценивать их интенсивность.

3. Создан архив синхронных спутниковых, синоптических и радиолокационных наблюдений за облачностью и осадками для Центрального региона ЕТР за теплые периоды 1993, 1994, 1997 и 1998 г., а также созданы программные средства формирования и накопления архива.

4. В качестве контрольных данных при опенке работы создашшх методик классификации ТВ- и ЙК-снимков использовались результаты наземных синоптических и радиолокационных наблюдений. Проведенное сопоставление точности индикации осадков по данным синоптических и радиолокационных наблюдении позволило выбрать первые для количественных оценок точности классификации, вторые - для качественных оценок.

5. При разработке алгоритмов классификации исследовались два подхода к разделению объектов изображения: пороговый и кластерный. Сравнительный анализ результатов классификации с использованием двух разных подходов показал достаточно близкие значения оценок точности. Недостатками использования кластерного метода (по сравнению с пороговым) является его б'олыпая трудоемкость и необходимость использования большого количества дополнительного материала (синхронных спутниковым данных наземных наблюдений за облачностью и осадками) для расчета значений центров классов и ковариационных матриц при изменении условий спутниковых наблюдений относительно обучающей выборки. Предлагаемая к оперативной работе схема может быть только пороговой или только кластерной, а также комбинированной, т.е. использовать на разных этапах своей работы разные подходы к разделению объектов.

6. Используемые в схеме значения порогов, центров классов и ковариационные матрицы являются «универсальными», т.е. неизменными на протяжении всего теплого периода или нескольких теплых периодов при неизменности условий спутниковых наблюдений относительно обучающей выборки, что позволяет использовать схему в автоматическом режиме. Наряду с этим схему можно использовать в интерактивном режиме, т.е. уточнять значения порогов и центров классов для каждого отдельного снимка.

7. В разработанных алгоритмах классификации применяются альбедные и температурные предикторы. Использование схем с альбедными предикторами ограничено светлым временем суток. Включение в схему только температурных предикторов несколько снижает точность классификации.

8. Предложенная схема осуществляет классификацию снимков попиксельно в несколько этапов. На первом этапе просходит разделение пикселов снимка на классы «облачно» и «безоблачно». В дальнейшем, «безоблачные» пикселы могут классифицируются на «сушу» и «воду» дм уточнения географической привязки сшшка. На втором этане «облачные» пикселы разделяются на «облачность без осадков» и «облачность с осадками». На третьем этапе пикселы из класса «осадки» делятся на классы «слабые осадки (I = 0,1-3 мм/ч)» и «сильные осадки (I > 3 мм/ч)». Дополнительно выделяются зоны с высокой вероятностью выпадения очень сильных ливней, града, гроз («опасные осадки»). Кроме того, для любого выбранного фрагмента снимка, в том числе для регулярной сетки с заданным шагом схема позволяет оценивать количество общей облачности.

9. Испытание предложенных алгоритмов классификации спутниковых ТВ- и ЙК-сшшков с ИСЗ NOAA, осуществленное на материале достаточно представительной контрольной выборки (тепл ые периоды четырех лет), подтвердило их работоспособность. Были получены количественные оценки достоверности и точности результатов классификации. В качестве «истинных» при этом использованы данные синоптических наблюдений. Точность предлагаемых методик составляет:!) при определении количества облачности для небольших фрагментов снимка в 75-80 % случаев ошибка не превышает 2 октов (или 25 % покрытия), среднее квадратическое отклонение спутниковых оценок от результатов наземных наблюдении составляет, в среднем, 1,5-2,5 окга; 2) вероятность обнаружения осадков - не менее 70 %, ошибка - не более 25 %, «ложное детектирование» осадков - менее 40 % от всех случаев, детектированных как осадки, вероятность выпадения осадков внутри выделенной зоны осадков - более 75 %, вне этой зоны - менее 20 %.

ГО. Подготовлена и испытана в режиме опытаой эксплуатации автоматизированная схема анализа (алгоритмы, пакеты программ) цифровой информации АУЖК. ИСЗ Ж)АА для регулярного оперативного получения и доведения до пользователей данных о количестве общей облачности, зонах осадков и их интенсивности в теплое время года.Результаты классификации доступны пользователям Гидрометцентра России для проведения экспериментов по усвоению спутниковых данных об облачности и осадках в схеме численного локального прогноза погоды для Московского региона.

128

Список литературы диссертационного исследования кандидат географических наук Волкова, Елена Викторовна, 1999 год

Список литературы

1. Айвазян С.А., Бухштабер В.М., Енюков И, С., Мешалкин Л, Д. Прикладная статистика. Классификация и снижение размерности. - М., Москва и финансы, 1989.

2. Белов П.Н., Борисенко Е.П., Панин Б.Д. Численные методы прогноза погоды. = Л., Гидрометеоиздат, 1989.

3. Волкова Е.В. Об оценке вероятности выпадения осадков в умеренных широтах в теплый период года по ТВ- и ЙК-изображениям облачного покрова с полярно-орбитальных метеорологических ИСЗ. - Тр. НПО «Планета», 1997, No. 44, с. 111-120.

4. Волкова Е.В., Успенский А.Б. Обнаружение зон осадков в умеренных широтах но изображениям облачного покрова в видимом и инфракрасном диапазонах спектра с полярно-орбитальных ИСЗ. - Метеорология и гидрология, 1996, No. 10, с. 5-14.

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

6. Глушкова Н.Й. Диагноз и прогноз конвективных осадков с использованием данных МРЛ и ИСЗ. - Тр. ГМЦ, 1977, вып. 176, с. 100-105,

7. Глушкова Н.Й. Прогноз осадков по данным спутниковых и радиолокационных наблюдений. = Тр. ГМЦ, 1985, вып. 266, с. 21=33.

8. Глушкова Н.И., Лапчева В.Ф. Способ прогноза количества облаков с использованием данных наблюдений с ИСЗ и карт сети МРЛ. - Тр. ГМЦ, 1985, вып. 266, с. 72-79.

9. Домбковская Е.П. Связь между облачными массивами, видимыми со спутника, и зонами выпадающих из них осадков. - Тр. ГМЦ, 1968, вып. 36, с. 40-46.

10. Исаев A.A. Методика восстановления характеристик осадков на площади по данным ИСЗ «Метеор» на примере октября. - Тр. ВНИИГМИ-МЦД, 1983, вып. 108, с. 56-70.

IL Исаев А,А, Зукерт Н.В. Методика оценки среднего количества осадков на площади по данным об облачности с ИСЗ «Метеор» на примере июля. - Тр. ВНИИГМИ-МЦД, 1983, вып. 108, с. 47-55.

12. Исаев A.A., Зукерт Н.В. Предварительные результаты восстановления среднего месячного слоя осадков на площади по наземным и спутниковым данным об облачности. - Тр. ВНИИГМИ-МЦД, 1982, вып. 94, с. 43-54.

13. Код для оперативной передачи данных приземных гидрометеорологических наблюдении с сети станций Гидромета СССР, расположенных на суше (включая береговые станции) КН-01. - Л., Гидрометеоиздат, 1989.

14. Код для составления ежедневных метеорологических телеграмм на синоптическихх станциях КН-01. - Л., Гидрометеоиздат, 1967.

15. Кондратьев A.B. Методы обработки цифровой многоспектральной информации. - СПб, йзд-во РГМИ, 1997,107с.

16. Кондратьев К.Я. Восстановление интенсивности осадаов и влагосодержания атмосферы по данным спутниковых наблюдений. - Исследование Земли из Космоса, 1993, No. 5, с. 105-110.

17. Кондратьев К.Я. Спутниковая климатология. - JL, Гидрометеоиздат, 1983.

18. Кондратьев К.Я., Мелентьев В.В. Космическая дистанционная индикация облаков и влагосодержания атмосферы. - JI, Гидрометеоиздат, 1986,263 с.

19. Кондратьев К .Я, Тимофеев Ю.М. Метеорологическое зондирование атмосферы из Космоса. - Л., Гидрометеоиздат, 1978.

20. Лесникова Г.Ф., Харитонова О.Г. К вопросу косвенного определения атмосферных осадков по облачности. - Тр. ВНИИГМИ-МЦД, 1983, вьш. 108, с. 27-31.

21. Попова Т.П. Некоторые связи между осадками и формой облачности на снимках со спутника, - Тр. ГМЦ, 1974, вып. 132, с, 88-97.

22. Попова Т.П., Федорова H.H. Использование снимков облачности с ИСЗ для анализа осадков. - Тр. ГМЦ, 1975, вьш. 165, с. 69-76.

23. Романов П.Ю, Анализ состояния облачности по данным радиометра AVHRR спутника NÖAA в период эксперимента на Звенигородской научной станции в сентябре 1992года. -ФАО, Изв. РАН, 1994, т. 30, No. 2,с. 212=218.

24. Справочник по прикладной статистике. (Под ред. Э.Ллойда и У. Ледермана), т. 2. - М., Финансы и статистика, 1990.

25. Федорова H.H. Зоны осадков в поле облачности и ветра. - Тр. ГосНИИЦИПР, 1976, вьш. 1, с. 113-121.

26. Федорова H.H. Зоны значительных осадков в поле облачности, обнаруживаемые искусственными метеорологичесшми спутниками Земли. -Метеорология и гидрология, 1980, No. 9.

27. Хромов СЛ., Мамонтова Л.И. Метеорологический словарь. - Л., Гидрометеоиздат* 1974,

28. Чекалина Т.И. Обработка й использование аэрокосмической информации о Земле. - Итоги науки и техники. Сер. «Исследование Земли из Космоса», т. 2, М., 1987.

29. Adler R.F. and Mack R, A, Thunderstorm cloud height-rainfall rate relations for use with satellite rainfall estimation techniques. - J. Climate and Appl. Met., 1989, vol. 23, pp. 280-296.

30. Adler R.F., Negri A.J., Keehn P.R. and Hakkarinen I.M. Estimation of monthly

rainfall over Japan and surrounding waters from a combination of low-orbit microwave and geosynchronous IR data - J, Appl, Met., vol, 33, 1993, pp. 335-356,

31. Arkin P.A. and Ardanuy P.E. Estimating climate-scale precipitation from space: a review. - J. Climate, 1989, vol. 2, pp. 1229-1238.

32. Arkin P. A, The relationship between fractional coverage of high cloud and rainfall accumulations during GATE over B-scale array. - Mon. Wea. Rev., 1979, vol. 107, pp. 13821387.

33. Arking A. and Childs J.D. Retrieval of cloud cover parameters from multispectral satellite images. - J. Climate and Appl. Met., 1985, vol. 24, pp. 322-333.

34. Augustine J.A., Crriffith C.Cr., Woodley W.L. and Meitin J.Cr. insights into errors of SMS-inferred GATE convective rainfall. - J. Appl. Met., 1981, vol. 20, pp. 509-520.

35. Aulamo H. and Pylkko P. Deriving the intensity of rain from AVHRR data and vertical temperature fields. - 6th AVHRR Date Users' Meeting, Belgirate, Italy, 29 June-2 July 1993, pp. 231-236.

36. Aulamo H. and Pylkko P. Evaluation scheme for satellite derived precipitation. -Proceedings of the 9th METEOSAT Scientific User's Meeting, Locamo, Switzerland, 15-18 September 1992, pp. 181-185.

37. Austin G. Objective methods of inferring precipitation. - Proceedings of Workshop on the Use of Satellite Data in Nowcasting and Veryshort Range Forecasting, 16-20 July, 1990, pp. 39-48.

38. Baba A. Improvement of the estimation method of moisture data from satellite cloud soundings. - JMA/NPD Technical Report, No. 16,1987.

39. Barrett E.C. The estimation of monthly rainfall from satellite data. - Mon. Wea. Rev., 1970, vol. 98, No. 4, pp. 322-327.

40. Barrett E.C. and Bellerby T.J. The application of satellite infrared and passive microwave rainfall estimation technique to Japan: results from the first GPCP algorythm mtercomparison project. - Met. Mag., 1992, vol. 121, No. 1435, pp. 34-46.

41. Barrett E.C. and Martin D.W. The use of satellite data in rainfall monitoring. -London, a. o., Academic Press., 19S1,340 pp.

42= Bell T,L. and Reid N. Detecting the diurnal cycle of rainfall using satellite observations. - J. Appl. Met., 1993, vol. 32, No. 2, pp. 311-322.

43. Bellon A. and Austin G.L. On the relative accuracy of satellite and raingage rainfall measurements over middle latitudes during daylight hours. - J, Climate and Appl. Met., 1986, vol. 25, pp. 1712-1724.

44. Bellon A., Lovejoy S. and Austin G.L. Combining satellite and radar data for the shortrange forecasting of precipitation. - Mon. Wea. Rev., 1980, vol. 108, pp. 1554-1566.

45. Berger F.H. Cloud classes derived from AVHRR-data. - The 4th AVHRR Data User's Meetings Rotbenburg, F.R.Germany, 5-8 September 1989, pp. 65-68.

46. Berger F.H. The influence of high clouds on the climate system using NOAA-AVHRR data. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 203-209,

47. Boly K. and Jobard I. Estimation of the rainfall on the validation site of EPSAT-Niger during rainy season 1989 using METEGSAT and SSM/i = Proceedings of the 9th METEOSAT Scientific User's Meeting, Locarno, Switzerland, 15-18 September 1992, pp. 187-192.

48. Cadet D.L. and Guillot B. Estimation des precipitation par satellite. (Programme de recherche), Mai 1991, Paris, 16 pp.

49. CartaUs C. and Sakellariou N. Using an AVHRR cloud detection algorithm to improve the accuracy of inversion algorithms. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 265-271.

50. Cheng M., Brown R. and Collier C.G. Delineation of precipitation areas using Meteosat infrared andvisible data in the region of the United Kingdom. - J, Appl. Met, 1993, vol. 32, No. 5, pp. 884-898.

51. Chiu L.S., Chang A.T.C. and Janowiak J. Comparison of monthly rain rates derived from GPI and SSM/I using probability distribution functions. - J, Appl. Met., 1993, vol, 32, pp. 323-334.

52. Coretti C. and Cannizzaro 6. Evaluation of a bispectral technique for rainfall estimate by satellite over Italy. - Proceedings of the 8th METEOSAT Scientific User's Meeting, Norrkoping, Sweden, 28-31 August 1990, pp. 233-237.

53. Csiszar L, Major <j., Kerenyi J. and Dioszeghy M. Precipitation estimation with satellites and radar (рукопись).

54. Derrien M. et al. Automatic cloud detection applied to NOAA-11/AVHRR imagery. - Rem. Sens. Env., 1993, vol. 46, pp. 246-247.

55. Derrien M., Lavanant L. and LeGleau H. AVHRR/HIRS cloud products for operational meteorology. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 149-153.

56. Derrien M., LeGleau H., Harrang L., Noyalet A. and Piriou J.L. An automatic cloud classification using AVHRR at night. - The 4th AVHRR Data User's Meeting, Rotheriburg, F.R, Germany, 5-8 September 1989, pp. 69-72.

57. Desbois M., Seze G. and Szeiwach G. Automatic classification of clouds on METEOSAT imagery: application to high-level clouds. - J. Appl. Met., 1982, vol. 21, pp. 401-412.

58. Dugdale G., McDougall V.D. and Milford J.R. Potential and limitations of rainfall estimates for Africa derived from cold cloud statistics, - Proceedings of the 8th METEOSAT Scietific User's Meeting, Norrkoping, Sweden, 28-31 August 1990, pp. 211-220.

59. Ebert E.A. A pattern recognition technique for distingaishing surface and cloud types in the polar répons. -J, Climate and Appl. Met,, 1987, vol. 26, No. 10,pp. 1412-1427,

60. Flitcrofi Î.D., Milford J.R. and Dougdale G. Relating point to area average rainfall in semiarid West Africa and the implications for rainfall mates derived from satellite data. - J. Appl. Met., 1989, vol. 28, pp. 252-266.

61. Follansbee W.A. Estimation of average daily rainfall from satellite cloud photographs. - NGAA Technical Memorandum NESS-44,1973.

62. Follansbee W.A. Estimation of daily precipitation over China and the USSR using satellite imagery. - NOAA Technical Memorandum NESS 81,1976.

63. Garand L. Automated recognition of oceanic cloud patterns. Part I: Methodology and application to cloud climatology. - J. Climate, 1988, vol. 1, No. 1 pp. 20-39.

64. Garand L. Two automated methods to derive probability of precipitation fields over oceanic areas from satellite imagery, - J, Appl, Met,, 1989, vol, 285pp, 913-924,

65. Griffith C.G. Comparison of gauge and satellite rain estimates for the central United States during August 1979. - J. Geoph. Res., 1987, vol. 92, No. D8, pp. 9551-9566.

66. Griffith C.G., Augustine J,A. and Woodley W.L. Satellite rain estimation in the U.S.High Plains. - J. Appl. Met., 1981, vol. 20, No. 1, pp. 53-66.

67. Griffith C.G., Woodley W.L., Crabe P.G., Martin D. W„ Stout J.E. and Sikdar D.N. Rain estimation from geosynchronous satellite imagery - visible and infrared studies. - Mon. Wea.Kev„ 1979, vol. 106, pp. 1153-1171.

68. Grimes D., Dugdale <3., McDougdall V., Milford J.K. and Thome ¥. Calibration of satellite cold cloud statistics in terms of rainfall over tropical Africa. - Proceedings of the 9th METEOSAT Scientific User's Meeting, Locarno, Switzerland, 15-18 September 1992, pp. 193-198.

69. Guillot B. Rainfall estimations by satellite - the EPSAT programme. - Proceedings of the 8th METEOSAT Scientific User's Meeting, Norrkoping, Sweden, 28-31 August 1990, pp. 239-246.

70. Harris R. and Barrett E.C. Toward an objective nephanalys. - J. Appl. Met., 1978, vol. 17, pp. 1258-1266.

71. Hlavaty K, and Sokol Z. Relation of cloud classification using combined spectral and textural features to the field of relative humidity. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 279-284.

72. Inoue T. A cloud type classification with NOAA-7 split window measurements. - J.

Geoph. Res., 1987, vol. 92, No. D4, pp. 3991-4000.

73. Inoue T. An instantaneous delineation of eonvective rainfall areas using split window data of NOAA-7 AVHRR. - J. Met. Society of Japan, Ser. n, 1987, vol. 65, No. 3, pp. 469-481.

74. Jamanouchi T,, Suzuki K, and Kawaguchi S. Detection of clouds in Antarctica from infrared multispectral data of AVHRR. - J. Met. Society of Japan, Ser. II, 1987, vol. 65, No. 6, pp. 949=962.

75. Janowiak J.E. Tropical rainfall: a comparison of satellite-derived rainfall estimates with model precipitation forecasts, climatologies and observations. - Mon. Wea. Rev., 1992, vol, 120, No. 3, pp. 448-462.

76. Juying X. and Scofield R.A. Satellite-derived rainfall estimates and propagation characteristics associated with mesoscale convective systems (MCSs). - NOAA Technical Memorandum NESDIS 25,1989.

77. Karlsson K.G. Cloud and precipitation information from AVHRR data for use in numerical weather prediction studies with HIRLAM model. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp, 321-326,

78. Karlsson K.G. Cloud classification with the SCANDIA model. - SMHIRMK, No. 67, January 1996,40 p.

79. Karlsson K.G. Comparison of operational AVHRR-based cloud analyses with surface observations. - 6th AVHRR Data Users' Meeting, Belgirate, Italy, 29 June -2 July 1993, pp. 223-229.

80. Karlsson K.G. Development of an operational cloud classification model. - Intern. J. Rem. Sens., 1989, vol 10, No. 4-5, pp. 687-693.

81. Karlsson K G. Estimation of daytime precipitation amounts from METEOSAT VIS/IR images at high latitudes. - Proceedings of the 8th METEOSAT Scientific User's Meeting, Norrkoping, Sweden, 28-31 August 1990, pp. 247-255.

82. Karlsson K.G. and Liljas E. The SMHI model for cloud and precipitation analysis from multispectral AVHRR data. - SMHI PROMIS Reports, 1990, No. 10, SMHI, Sweden, 74 p.

83. Key J. and Barry R,G. Cloud cover analysis with Arctic AVHRR data. 1, Cloud detection. - J. Geoph. Res., 1989, vol. 94, No. D15, pp. 18521-18535.

84. Rilonsky B.J. and Ramage C.S. A technique for estimating tropical open-ocean rainfall from satellite observations. - J, Appl. Met.,1976, vol, 15, pp. 972-975,

85. LeGleau H., Derrien M., Harrang L., Lavanant L. and Noyalet A. Operational cloud mask using the AVHRR of NOAA-11. - The 4th AVHRR Data User's Meeting, Rothenburg, F.R. Germany, 5-8 September 1989, pp. 85-89.

86. LeGleau H., Derrien M., Lavanant L., Brard A., Harrang L., Pochie D. and Quere J. Presentation of satellite-observed thickness, clouds and snow for forecasters. - Proceedings of Workshop on the Use of Satellite Data in Nowcasting and Veryshort Range Forecasting, 1620 July 1990, pp. 123-130.

87. Levizzanit V., Porcuf F. and Prodiff F, SATPIX: METEOSAT image processing for precipitation studies. - Proceedings of the 9th METEOSAT Scientific User's Meeting, Locarno, Switzerland, 15-18 September 1992, pp. 45-50.

88. Liberty G.L. Precipitation estimation with AVHRR data: a review. - 6th AVHRR Data Users'Meeting, Belgirate, Italy, 29 June-2 July 1993, pp. 31-37.

89. Liberty G.L. Statistical properties of the METEOSAT data during the GPCR-AIP/2. - Proceedings of the 9th METEOSAT Scientific User's Meeting, Locarno, Switzerland, 15-18 September 1992, pp. 199-205.

90. Liljas E. Automated cloud classification from AVHRR data: problems and solutions. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 327-332.

9L Liljas E, Experience of an operational cloud classification method. - The 4th AVHRR Data User's Meeting, Rothenburg, F.R. Germany, 5-8 September 1989, pp. 73-78.

32. Lovejoy S. and Austin G.L. The sources of error in rain amount estimating schemes from GOES visible and IR satellite date. - Mon. Wea. Rev., 1979, vol. 107, pp. 1048-1054,

93. Martin D.W. and Howland M.R. Grid history: a geostationary satellite technique for estimating daily rainfall in the tropics. - J. Climate and Appl. Met., 1986, vol. 25, No. 2, pp. 184-195.

94. Martin D.W. and Sherer W.D. Review of satellite rainfall estimation methods. -BAMS, 1973, vol. 54, No 7, pp. 661-674.

95. Marruyama T., Nitta T. and Tsuneoka Y. Estimation of monthly rainfall from satellite-observed cloud amount in the Tropical Western Pacific. - J. Met. Society of Japan, 1986, Ser. 33, vol. 64, No. 1, pp. 147-153.

96. Mathur M.B., Bedi H.S., Krishnamurti T.N., Kanamitsu M. and Woollen J.S. Use of satellite-derived rainfall for improving tropical forecasts. - Mon. Wea. Rev., 1992, vol. 120, No. 11, pp. 2540-2560.

97. Menzel W.P., Wylie D.P. and Strabala K.J. Characteristics of global cloud cover derived from multispectral HTRS observations, (reprint)

98. Morrissey M.L. and Green J.S. Comparison of two satellite-based rainfall algorithms using Pacific Atoll raingage data. - J. Appl. Met, 1993, vol. 32, pp. 411-425.

99. Motell C.E. and Weare B.C. Estimating tropical Pacific rainfall using digital satellite data. - J. Climate and Appl. Met., 1987, vol. 26, No. 10, pp. 1436-1446.

100. Negri A. J. and Adler R.F. An mterconiparison of three satellite infrared techniques over Japan and surrounding waters. - J, Appl, Met., 1993, vol. 32, pp. 357-373,

101. Negri A.J. and Adler R.F. Infrared and visible satellite rain estimation. Part 1: a grid cell approach. - J. Climate and Appl. Met., 1987, vol. 26, No. 11, pp. 1553-1564.

102. Negri A J, and Adler R.F, Infrared and visible satellite rain estimation. Part 2: a cloud definition approach. - J. Climate and Appl. Met., 1987, vol. 26, No. 11, pp. 1565-1576.

103. Negri A.J. and Adler R.F. Relation of satellite-based thunderstorm intensity to radar-estimated rainfall. - J. Appl. Met., 1981, vol. 20, No. 3, pp. 288-300.

104. Negri A. J., Adler R.F. and Wetzel P.J. Rain estimation from satellites: an estimation ofthe Griffith-Woodley Technique. - J. Climate and Appl. Met., 1984, vol. 23, No. 1, pp. 102-116.

105. Negri A.J.,Reynolds D.W. and Maddox R.A. Measurement of cumulonimbus clouds using quantitative satellite and radar date. - 7th Conf. Aerospace and Aeronaut. Meteorol. and Symp. Remote Sens, satell., Melbourne, Fla, 1976. Boston, Mass., s.a., pp. 119-124.

106. Neumeister H, and Schubert U. Operationally used image products and estimation of precipitation by METEOSAT data. - Proceedings ofthe 9th METEOSAT Scientific User's Meeting, Locarno, Switzerland, 15-18 September 1992, pp. 345-350.

107. Olesen F.S. and Grass! H, Cloud detection and classification over oceans at night withNOAA-7. - Intern. J. Rem. Sens., 1985, vol. 6, No. 8, pp. 1435-1444.

108. Olesen F.S. and Lutz C. Improved cloud detection with AVHRR by means of time series of reflectivities. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 285-288.

109. Oliver V.J. Instruction material for workshop on estimation of rainfall from satellite imagery, (reprint)

110. O'Sullivan F., Wash C.H., Stewart M. and Motell G.E. Rain estimation from infrared and visible GOES satellite data. - J. Appl. Met., 1990, vol. 29, pp. 209-223.

111. Pylkko P. and Aulamo H. Using AVHRR data to estimate rainfall in northen latitudes. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 333-327,

112. Raustein E. Comparison between cloud parameters from a numerical simulation and cloud parameters objectively derived from satellite data. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28June 1991, pp. 135-141,

113. Richards F. and Arkin P. On the relationship between satellite-observed cloud cover and precipitation. - Mon. Wea. Rev., 1981, vol. 109, pp. 1081-1093.

114. Romanov P. Automatic AVHRR images classification scheme and its application

for cloud and surface parameters analysis. - 6th AVHRR Data Users' Meeting, Belgirate, Italy, 29 June -2 July 1993, pp. 9-11.

115. Rossow W.B., Mosher F., Kinsella E., Arking A., Desbois M., Harrison E., Minnis M., Raprecht E., Seze G., Simmer C. and Smith E. ISCCP cloud aigorythm intercomparison. -J, Climate and Appl. Met., 1985, vol, 24, No. 9,

116. Sanchez J., Vega A., Castro A., de la Fuente M.T. and Fraile R. Classification of convective clouds. = Proceedings of the 9th METEGSAT Scientific User's Meeting, Locarno, Switzerland, 15-18 September 1992, pp. 147-154.

117. Sanchez J., Vega A., de la Fuente M.T. and Fraile R. An analysis of hailstorm by means of METEOSAT and radar images. - Proceedings of the 8th METEGSAT Scientific User's Meeting, Norrkoping, Sweden, 28-31 August 1990, pp. 257-262.

118. Saunders R.W. An automated scheme for the removal of cloud contamination from AVHRR radiances over Western Europe. - Intern. J. Ran. Sens., 1986, vol. 7, No. 7, pp. 867886.

119. Saunders R.W. and Kriebel K.T. An improved method for detecting clear sky and cloudy radiances from AVHRRdata, - Intern. J, Rem, Sens., 19S8, vol, 9S No, 1, pp, 1.23-150.

120. Scofield R.A., Oliver V.J. and Spayd L. Preliminaiy efforts in developing a technique that uses satellite data for analysing precipitation from extratropical cyclones. - The 9th Conference on Weather Forecasting and Analysis, Seattle, Wash,, June 28 - July 1 1982.

121. Scofield R.A. and Spayd L.E. A technique that uses satellite, radar and conventional data for analysing and short-range forecasting of precipitation from extratropical cyclones. - NOAA Technical Memorandum NESDIS 8, 1984.

122. Scorer R.S. Cloud reflectance variations in channei-3. - Intern. J. Rem. Sens., 1989, vol. 10, No. 4-5, pp. 675*686.

123. Seze G. and Desbois M. Cloud cover analysis from satellite imagery using spatial and temporal characteristics of the data. - J. Climate and Appl. Met., 1987, vol. 26, No. 2, pp. 287-303.

124. Shin K.S. and North G.R. Sampling error study for rainfall estimate by satellite using a stohastic model. - J. Appl. Met., 1988, vol. 28, pp. 1218-1231.

125. Simpson J,, Adler RF. and North G.R, A proposed Tropical Rainfall Measuring Mission (TRMM) satellite. - BAMS, 1988, vol. 69, No. 3, pp. 278-295.

126. Sterladkma E.A. and Sotovsky V.V. Usage of satellite multichannel data for indication of cirrus clouds. - The 5th AVHRR Data User's Meeting, Tromso, Norway, 25-28 June 1991, pp. 375-381.

127. Stout J.E., Martin D.W. and Sikdar D.W. Estimating GATE rainfall with geosynchronous satellite images. -Mon. Wea. Rev., 1979, vol. 107, pp. 585-598.

128. Tsonis A.A. Detemining rainfall intensity and type from GOES imagery in midiatitudes. - Rem. Sens. Env,5 1987, vol, 215 No, 1, pp. 29-36,

129. Tsonis A. A. On separability of various classes from the GOES visible and infrared data. - J. Climate and Appl. Met., 1984, vol. 23, pp. 1393-1410.

130. Tsonis A. A. Single thresholding and rain area delineation from satellite imagery. -J. Appl. Met., 1988, vol. 27, pp. 1302-1306.

131. Tsonis A.A. and Isaac G.A. On a new approach for instantaneous rain area delineation in the midiatitudes using GOES data. - J. Climate and Appl. Met., 1985, vol. 24, pp. 1208-1218.

132. Uddstrom M.J. and Gray W.R. Cloud classification and rain-rate estimation by spatial and spectral analysis. - Technical Proceedings of the English Intern. TOVs Study Conf, Queenstown, New Zealand, 5-11 April 1995, pp. 474-485.

133. Uddstrom M.J., Gray W.R. Satellite cloud classification and rain-rate estimation using multispectral radiances and measures of spatial texture. - J. Appl. Met., 1996, vol. 35, No. 6, pp. 839-858.

134. Van der Lubbe J.C.A., Berger K. and Van den Berg W,D, METEOOES: an expert system for the automatic analysis of cloud types in METEOSAT imageries. - Proceedings of the 8th METEOSAT Scientific User's Meeting, Norrkoping, Sweden, 28-31 August 1990, pp. 395-402.

135. Whyte K.W., Desilva U.I. and Richards N.S. An investigation into the use of A VHRR imagery in numerical weather prediction data assimilation, (reprint)

136. Woodley W.L., Griffith C.G., Griffin J.S. and Stromatt S.C. Satellite-estimated rainfall in GATE. - NOAATechnical MemorandumERL NHEML-6,1979.

137. Woodley W.L., Griffith C.G., Griffin J.S. and Stromatt S.C. The inference of GATE convective rainfall from SMS-1 imagery. - J. Appl. Met., 1980, vol. 19, pp. 388-408.

138. Woodley W.L. and Sancho B. A first step towards rainfall estimation from satellite cloud photographs. - Weather, 1971, vol. 26, No. 7, pp. 279-289.

139. Woodley W.L., Sancho B. and Miller A.H. Rainfall estimation from satellite cloud photographs. - NOAA Technical Memorandum ERL OD-l 1,1972.

140. Wylie D,P, An application of a geostationary satellite rain estimation technique to an extratropical area. - J. Appl. Met, 1979, vol. 18, pp. 1640-1648.

141. Wylie D.P. and Laitsch D. The impacts of different satellite data on rain estimation shemes. - J. Climate and Appl. Met., 1983, vol. 22, pp. 1270-1281,

142. Zwatz-Meise V. Results of a quantitative evaluation of satellite images in respect to precipitation events. = Proceedings of the 9th METEOSAT Scientific User's Meeting, Locarno, Switzerland, 15-18 September 1992, pp. 211-220.