Technique for Determination of Tropospheric Ozone Content From Spectral Measurements of Outgoing Thermal Radiation by Satellite Instrument IKFS-2

全文:

1. ВВЕДЕНИЕ

Внимание к тропосферному содержанию озона (ТСО) в последнее время растет по ряду причин. Во-первых, озон участвует в химических и фотохимических процессах, определяя окислительную способность тропосферы. Попадая в организм через дыхательные пути, тропосферный озон негативно влияет на здоровье людей и животных [Stanek et al., 2011]. Согласно [Amann et al., 2008], причиной более чем 20 тысяч смертей в 25 странах Евросоюза ежегодно является превышение предельно допустимых величин приземной концентрации озона (ПКО). Озон оказывает негативное влияние и на растительность [Mills et al., 2018]. Во-вторых, тропосферный озон является одним из основных парниковых газов, влияющих на радиационный баланс и изменение климата Земли [Звягинцев, 2013]. Поглощая тепловое излучение Земли в ИК области спектра, озон вносит вклад в парниковый эффект. По данным отчета IPCC за 2021 г. [Forster et al., 2021], вклад тропосферного озона в общее антропогенное влияние на радиационный баланс планеты составляет 4–20%, что согласуется и с более ранними данными [Кароль и др., 2012]. Модели оценивают величину радиационного воздействия ТСО как +(0.40 ± 0.20) Вт м^–2 [IPCC, 2013]. Большой разброс оценки вклада ТСО в радиационное воздействие вызван, в частности, недостаточностью знаний о пространственном распределении ТСО [Wu et al., 2007].

Основные источники озона в тропосфере — поступление озона из стратосферы и образование в результате фотохимических реакций. Мощность второго источника на порядок превышает первый [Young et al., 2013], но при этом большая часть озона, образующегося в ходе фотохимических реакций, разрушается или осаждается на поверхности Земли, в результате чего среднеглобально оба источника вносят примерно одинаковый вклад. В различные сезоны и в разных регионах относительный вклад источников может значительно меняться в зависимости от эмиссий прекурсоров озона (NOx, CO, CH₄, OH, антропогенных и биогенных летучих соединений) и метеорологической обстановки [Кароль и др., 2012; Звягинцев, 2013], что ведет к значительной изменчивости ТСО.

Результаты регулярного мониторинга как ПКО, так и ТСО, уже около 10 лет собираются в рамках международного проекта TOAR (Tropospheric Ozone Assessment Report) (https://toar-data.org). Мониторинг включает комплексный подход, состоящий из наземных локальных и дистанционных измерений, самолетных, спутниковых наблюдений и др. Первые измерения ПКО начались в 1870-х гг., в 1930–40-е годы были начаты запуски озонозондов, которые дали представление о содержании озона во всей толще тропосферы [Tarasick et al., 2019]. В 1960–1970 гг. началось повсеместное исследование ПКО и вертикальных профилей озона. В базе данных WOUDC (https://woudc.org/home.php) представлены данные нескольких десятков наземных станций, проводящих запуски озонозондов, точность измерения которых в последнее время увеличивается, что позволяет использовать их данные для валидации спутниковых измерений [Tarasick et al., 2021]. На отдельных наземных станциях ТСО (вертикальные профили) периодически или в ходе измерительных кампаний измеряется с помощью лидарного метода и метода обращения Umkehr, использующего спектрофотометры Брюера и Добсона [Gaudel et al., 2018]. Кроме того, ТСО в безоблачные дни получают на станциях международной измерительной сети IRWG-NDACC (InfraRed Working Group of Network for the Detection of Atmospheric Composition Change) (https://www2.acom.ucar.edu/irwg), оборудованных Фурье-спектрометрами (ФС) высокого спектрального разрешения – FTIR-измерения (Fourier Transform InfraRed) [Vigouroux et al., 2015]. Наземные измерения используются как для исследования локальных изменений ТСО, так и для валидации спутниковых измерений и настройки численных моделей атмосферы в региональном масштабе.

В России существует наземная сеть мониторинга ПКО в фоновых условиях, включающая в себя около 20 станций в 13 регионах страны, оборудованная современными газоанализаторами [Андреев и др., 2023]. Кроме того, в России периодически проводятся эксперименты по определению ТСО, охватывающие большие территории, например, самолетные измерения в Сибирском регионе [Antokhin et al., 2013] и над всеми морями российского сектора Арктики [Belan et al., 2022], а также трансконтинентальные измерения состава атмосферы на передвижной железнодорожной лаборатории TROICA [Еланский и др., 2021]. Вертикальные профили озона в верхней тропосфере эпизодически измеряют с помощью лидаров [Матвиенко и др., 2019] и озонозондов [Dorokhov et al., 2013]. На станции NDACC в Санкт-Петербурге, на базе кампуса СПбГУ в Петергофе, с 2009 г. проводятся регулярные измерения ТСО с помощью ФС Bruker IFS 125HR [Виролайнен и др., 2023а].

В настоящее время глобальную информацию о ТСО регулярно получают с помощью спутниковых приборов IASI [Dufour et al., 2012], TROPOMI [Hubert et al., 2021], а также совместных измерений приборами IASI и GOME-2 [Cuesta et al., 2013], OMI и MLS [Ziemke et al., 2006] и др. Следует отметить, что такие приборы как OMI, GOME-2, TROPOMI и др., использующие измерения солнечного излучения, имеют определенные пробелы в данных, например, полностью отсутствуют измерения ТСО в условиях полярной (и обычной) ночи. Наиболее полный глобальный охват измерений ТСО дают спутниковые приборы, использующие собственное тепловое излучение. В последние годы такие измерения проводились только спутниковым прибором IASI.

Для валидации спутниковых измерений ТСО обычно используются как данные озонозондирования, так и данные различных наземных измерений. В работе [Dufour et al., 2012] проанализировано определение ТСО из спектроскопических измерений спутникового прибора IASI в 2008 году с помощью двух алгоритмов решения обратной задачи, IASI_LATMOS и IASI_LISA. В среднем по всем сопоставлениям в средних широтах (320 дней сопоставлений) средние разности (СР) между спутниковыми и озонозондовыми измерениями составили +0.6 е.Д. со стандартными отклонениями разностей (СОР) в 5.5 е.Д. (IASI_LATMOS) и +1.0 е.Д. с СОР в 6.1 е.Д. (IASI_LISA). В работе [Boynard et al., 2018] измерения ТСО IASI_LATMOS за период 2008–2017 гг. были сопоставлены с данными озонозондирования на 56 станциях и FTIR-измерениями на 6 станциях сети IRWG-NDACC. СР для станций NDACC-IRWG менялись от –4 е.Д. до +0.5 е.Д., СОР составили 2.5–3.9 е.Д. В работе [Cuesta et al., 2013] из данных совместных измерений приборами IASI и GOME-2 была получена информация о содержании озона в том числе и в слоях тропосферы. Результаты были сопоставлены с озонозондовыми данными за лето 2009 года на 10 европейских станциях. СР (СОР) составили 0.01 е.Д. (4.3 е.Д.) для содержания озона в слое 0–6 км и –0.73 е.Д. (6.2 е.Д.) для содержания озона в слое 0–12 км. В работе [Виролайнен и др., 2023б] данные спутниковых измерений IASI_LATMOS, IASI_LISA за 2009–2021 гг. и IASI-GOME2 за 2016–2021 гг. в слое тропосферы 0–8 км были сопоставлены с данными FTIR-измерений на станции IRWG-NDACC St.Petersburg, в работе [Virolainen et al., 2023] эти сопоставления были также распространены на 2 другие станции IRWG-NDACC — Kiruna и Izaña. Было показано, что СОР между спутниковыми и наземными измерениями ТСО находятся в пределах суммарных погрешностей измерений сравниваемых данных для алгоритмов IASI_LATMOS (9–13%) и IASI_LISA (12–16%), в то время как СР со спутниковыми данными IASI-GOME2 превосходят погрешности индивидуальных измерений, составляя 16–22%. Кроме того, для станции Izaña был выявлен статистически значимый дрейф (около –12% за декаду) в спутниковых измерениях ТСО прибором IASI за период 2012–2021 гг.

Отметим, что в России в настоящий момент отсутствуют спутниковые методики измерения ТСО. Предлагаемая работа решает задачу создания методики для определения ТСО из спектров, измеряемых прибором ИКФС-2 [Golovin et al., 2014], который входит в состав аппаратуры на метеорологических космических аппаратах (КА) серии «Метеор-М» № 2 [Asmus et al., 2014]. Измеренные спектры включают 2701 спектральный канал с аподизированным спектральным разрешением 0.7 см^–1 в спектральном интервале 660–1210 см^–1 и 1.4 см^–1 в области 1210–2000 см^–1. Первый КА этой серии поставлял данные с начала 2015 г. по конец 2022 г., в настоящее время на орбите находится КА «Метеор М» № 2–4. Для того, чтобы исследовать содержание озона только в слое тропосферы, в настоящей работе мы в качестве ТСО рассматриваем содержание озона в слоях от поверхности до уровня с атмосферным давлением меньшим 300 и 400 гПа, что примерно соответствует слоям, ограниченным сверху высотами в 9 и 7 км, соответственно. Ниже мы используем все доступные за период 2015–2022 гг. спектральные данные ИКФС-2, как для обучения ИНС, так и при их валидации.

2. МЕТОДЫ

2.1. Подход и методика

Для решения обратной задачи определения ТСО мы использовали подход, ранее успешно примененный для определения общего содержания озона (ОСО) в атмосфере из спектров уходящего теплового ИК излучения, измеряемого прибором ИКФС-2 [Гаркуша и др. 2017, Polyakov et al. 2021, 2023, Timofeyev et al. 2019]. А именно, на основе независимых данных о ТСО, рассчитанных из вертикальных профилей озона, полученных озонозондами, и подобранных к ним по месту и времени измерений спектров ИКФС-2, была обучена искусственная нейронная сеть (ИНС) (построена аппроксимация зависимости ТСО от набора предикторов в форме ИНС), позволившая определять ТСО по спектрам ИКФС-2.

В качестве первого приближения мы повторили полностью ранее разработанную для ОСО методику, единственно заменив ОСО на ТСО. А именно была использована одна из простейших конфигураций ИНС – трехслойный перцептрон (рис. 1).

 

Рис. 1. Трехслойный перцептрон. Первым слоем считаются источники входных сигналов, затем следует т.н. скрытый слой, затем третий слой выходных сигналов.

 

Математически данная ИНС представлена выражением (1)

$y=f(b^2+{\sum }_{i=1}^{N_h}{\omega }_i^{2}f\left(b_i^1+{\sum }_{j=1}^N{\omega }_{i,j}^1{x}_j\right)$. (1)

Здесь f — функция активации, $\overrightarrow{X}=\left\{x_j\right\}$ — вектор входных параметров, $b_i^1, {\omega }_{i,j}^1, {\omega }_i^2, b^2$ — коэффициенты.

Под обучением ИНС понимается минимизация среднеквадратичной погрешности аппроксимации данных обучающего набора по коэффициентам $b_i^1, {\omega }_{i,j}^1, {\omega }_i^2, b^2$.

${\sigma }_{апп}=\sqrt{\frac{{\displaystyle {\sum }_S{\left(Y_s-y\left(\overrightarrow{X_s}\right)\right)}^2}}{{\displaystyle {\sum }_{S}1}}}\to \min$, (2)

где набор пар ${\left\{\overrightarrow{X}, Y\right\}}_s$ – обучающий набор данных. Минимальная погрешность обеспечивает наилучшую в среднеквадратичном смысле близость реальных значений ТСО {Y}_s и полученных с использованием математического алгоритма ИНС (1), что позволяет подобрать оптимальные значения коэффициентов. Тестовый и валидационный наборы данных используются для контроля переобучения сети и для оптимизации структуры ИНС. Рост погрешности аппроксимации с использованием таких проверочных наборов данных является признаком адаптации сети только к обучающему набору данных. Подчеркнем, что мы не использовали получившие распространение в последние годы библиотеки программ для работы с ИНС TensorFlow и Keras. Все расчеты выполнены с использованием оригинального программного обеспечения, разработанного ранее [Поляков и др., 2014а, 2014б] как для обучения ИНС, так и для расчетов по ней.

Следуя предшествующему опыту по решению обратной задачи относительно ОСО, в качестве предикторов мы использовали зенитный угол спутника (угол между нормалью к поверхности и направлением на спутник в центре пикселя наблюдения), широту пикселя измерения, день года и главные компоненты (ГК) двух участков спектра в области измерений ИКФС-2: 660–1210 см^–1 и 980–1080 см^–1. Первый из этих спектральных интервалов несет информацию об общем состоянии атмосферы и поверхности — профиле температуры, температуре и излучательной способности поверхности, профиле влажности и пр., в то время как второй, содержащий полосу поглощения озона, позволяет выделить информацию, относящуюся непосредственно к озону.

2.2. Обучение ИНС

Для обучения ИНС мы использовали рассчитанное на основании вертикальных профилей озона, измеренных озонозондами, интегральное содержание газа в слое ниже 300 гПа или ниже 400 гПа.

Следует отметить, что, хотя при наличии сплошной облачности полная информация о ТСО не содержится в спектрах из-за экранирования ИК излучения облаком, возможность оценки ТСО при частичной облачности может оказаться доступной, в зависимости от балльности облачности и высоты ее верхней границы. Поэтому при обучении ИНС мы рассматривали как безоблачные ситуации (алгоритм детектирования облачности см. в [Рублев и др., 2004, Асмус и др., 2017]), так и все измерения ИКФС-2. В состав предикторов, как говорилось выше, включены ГК спектра в двух спектральных интервалах, зенитный угол спутника, широта пикселя наблюдений и день года. Отметим, что весь полученный набор пар измерений разбивался на три набора: учебник (60%), тестовый и валидационный наборы (по 20%).

Обучение выполнялось до 100 эпох, на каждой эпохе функция цены (она же — погрешность аппроксимации), равная среднеквадратичной разности измеренных независимо и оцененных по ИНС величин ТСО, минимизировалась с использованием до 100 шагов метода Флeтчepa–Pивca и до 200 шагов метода Дэвидсoнa–Флeтчepa–Пayэллa. Программы минимизации взяты из находящейся в открытом доступе библиотеки программ МГУ (http://num-anal.srcc.msu.ru/lib_na/cat/mn/ mnb3r.htm, mnb4d.htm). Мы рассмотрели несколько обучающих наборов данных и вариант ИНС, при котором в число предикторов не входят широта и день года измерений. Наборы варьировались в зависимости от значений временного и пространственного рассогласования данных в паре. Для отбора пар по времени рассмотрены значения рассогласования 12 и 24 часа, по пространственной точке измерения — 100 и 200 км. В табл. 1 приведены погрешности аппроксимации решающего оператора для рассмотренных наборов данных и ИНС. Запись «все спектры» означает спектры ИКФС-2, измеренные как в облачных, так и в безоблачных условиях.

 

Таблица 1. Погрешности аппроксимации для различных обучающих наборов

1	Учебник	Количество пар учебника	Количество пар валидационного набора	Погрешность аппроксимации учебника, е.Д.	Погрешность аппроксимации валидационного набора, е.Д.
верхняя граница ТСО 300 гПа
2	Озонозонды, все спектры, 12 ч, 100 км	42821	14184	4.49	4.95
2а	Озонозонды, все спектры, 12 ч, 100 км, p0	42821	14184	3.49	3.70
3	Озонозонды, безоблачные, 12 ч, 100 км	13126	4315	3.42	5.29
4	Озонозонды, все спектры, 24 ч, 200 км	341274	113418	5.19	5.30
5	Озонозонды, безоблачные, 24 ч, 200 км	102279	34263	4.77	5.09
верхняя граница ТСО 400 гПа
6	Озонозонды, все спектры, 24 ч, 200 км	341537	113526	4.05	4.18
7	Озонозонды, все спектры, 24 ч, 200 км Нет широты и сезона	341537	113526	4.43	4.47

p0 – приземное давление, используемое в наборе предикторов вместо широты точки наблюдения.

 

Как видно из строк 2, 2а (с параметрами отбора 12 часов и 100 км) и в большей степени 3 (отбор безоблачных) табл. 1, в случае озонозондов наблюдается незначительное переобучение (погрешность аппроксимации для валидационного набора данных заметно больше погрешности для учебного набора). Хотя существуют методики, позволяющие обучать ИНС и в такой ситуации, наилучшим способом избежать переобучения является увеличение объема учебника. Для этого рассмотрим вариант отбора для 24 часов и 200 км, показанный в строках 4, 5 табл. 1. Хотя мы и наблюдаем рост погрешности аппроксимации в этих случаях по сравнению со строками 2 и 3, следует ожидать от этих вариантов лучших результатов при валидации вследствие роста объема учебника.

Строка 2а показывает вариант набора предикторов, в котором вместо широты места используется приземное давление p0. При обучении это давление в месте запуска зонда, при решении обратной задачи — давление в пикселе прицеливания прибора по данным NCEP GFS. Как видно, влияние незначительно, хотя, что интересно, незначительно (на 0.13 е.Д.) уменьшилась погрешность аппроксимации на валидационном наборе. По нашему мнению, это может свидетельствовать о более физичном наборе предикторов в этом случае.

Строка 7 описывает набор данных, который не включает информацию о широте и дне года измерений. Сравнение строк 6 и 7 показывает, что использование широты и доли года заметно уменьшает невязку. А именно, погрешность аппроксимации учебника при исключении этих параметров из числа предикторов ведет к росту погрешности аппроксимации примерно на 10% (4.43 вместо 4.05).

Таким образом, анализ табл. 1 позволил нам для дальнейших исследований остановиться на варианте обучения: (1) по всем ситуациям, включая облачные, (2) набор предикторов включает помимо ГК спектров зенитный угол спутника, широту и день года, (3) допустимы величины рассогласования в парах данных 200 км по пространству и 24 часа по времени. Далее мы оптимизировали структуру ИНС, выбрав на основе результатов серии расчетов оптимальное число ГК, входящих в набор предикторов, и число нейронов скрытого слоя (НСС) (см. табл. 2).

 

Таблица 2. Подбор оптимальной структуры ИНС. 200 эпох оптимизации, высота тропосферного слоя 400 гПа. Обозначение схемы ИНС указывает на состав вектора входных параметров ИНС. Первое число обозначает количество ГК всего спектра, второе — число ГК полосы озона, и третье — число НСС. Погрешности аппроксимации приведены в е.Д.

№	Схема ИНС	Число коэф. ИНС	Погрешность аппроксимации учебника	Погрешность аппроксимации тестового набора	Погрешность аппроксимации валидационного набора
1	25-50-40	3201	2.77	2.80	2.79
2	25-10-40	1601	2.78	2.80	2.79
3	25-0-40	1201	2.82	2.83	2.82
4	30-0-40	1401	2.80	2.80	2.80
5	35-0-40	1601	2.78	2.80	2.79
6	50-0-60	3301	2.72	2.74	2.74
7	50-0-50	2751	2.73	2.75	2.75
8	50-0-40	2201	2.75	2.76	2.77
9	40-0-60	2701	2.71	2.73	2.73
10	35-0-60	2401	2.71	2.73	2.72
11	40-0-50	2251	2.74	2.76	2.76
12	30-0-60	2101	2.72	2.74	2.74
13	40-0-70	3151	2.70	2.73	2.73
14	35-0-65	2601	2.70	2.72	2.72
15	35-0-55	2201	2.72	2.74	2.74

 

Взяв за основу вариант ИНС, использованный ранее в работах [Гаркуша и др. 2017, Поляков и др. 2021] при определении ОСО с 25 ГК всего спектра, 50 ГК полосы озона, 40 НСС в числе предикторов, мы попробовали уменьшать число ГК полосы озона. Результаты показаны в строках 1–5. Видно, что при уменьшении числа ГК полосы озона до 10 погрешность аппроксимации σ_апп (ПА) практически не изменилась (строка 2), но при уменьшении этого количества до 0 наблюдается рост ПА на 0.03–0.04 е.Д. для всех трех подвыборок. Чтобы компенсировать этот рост, увеличим количество ГК всего спектра. Как видно, увеличение этого количества на 5 (строка 4) не дает полной компенсации, а увеличение на 10 — практически полностью компенсирует отмену использования ГК полосы озона (строка 5). Поэтому далее мы рассматриваем варианты без использования ГК полосы озона. По ряду очевидных причин желательно использовать возможно более простую структуру ИНС с минимальным количеством определяемых при обучении коэффициентов. Для этого рассмотрим несколько вариантов ИНС и выберем вариант, оптимальный с точки зрения сочетания малой погрешности аппроксимации и небольшого числа определяемых коэффициентов.

В качестве заведомо избыточного варианта ИНС рассмотрим вариант с 50 ГК и 60 НСС (строка 6). Как видно, ПА относительно основного варианта уменьшилась на 0.05–0.06 е.Д. для всех трех подвыборок. Ниже в строках 7–15 мы варьировали количество ГК и НСС, анализируя ПА. На основе этого анализа мы выбрали для дальнейшей работы вариант строки 15: 35 ГК спектра и 55 НСС.

Выбор структуры ИНС был выполнен для слоя атмосферы ниже 400 гПа. Чтобы убедится в пригодности того же выбора и для слоя ниже 300 гПа, сравним в табл. 3 ПА для выбранной и избыточной схем ИНС. Поскольку выбор верхней границы рассматриваемого слоя связан с широтной зоной, выполним эти сравнения как для всех широт, так и исключив полярные и близкие к ним широты для пояса 60° ю.ш. – 60° с.ш.

 

Таблица 3. Погрешности аппроксимации приведены в е.Д. для двух структур ИНС для всех широт и средних, и тропических широт. Верхняя граница расчета ТСО 300 гПа

№	Схема ИНС	Число коэфф-в ИНС	Погрешность аппроксимации учебника	Погрешность аппроксимации естового набора	Погрешность аппроксимации валидационного набора
200 эпох, все широты
1	50-0-60	3301	3.66	3.73	3.72
2	35-0-55	2201	3.69	3.76	3.75
200 эпох, пояс широт 60° ю.ш. – 60° с.ш.
4	35-0-55	2201	3.56	3.62	3.64
5	50-0-60	3301	3.50	3.60	3.60

 

Табл. 3 показывает, что рост ПА при переходе от избыточной к выбранной схеме не превосходит 0.07 е.Д. на учебном наборе данных и 0.03–0.04 е.Д. на тестовом и валидационном наборах, что позволяет сделать вывод о пригодности использования выбранной конфигурации ИНС и для слоя атмосферы ниже 300 гПа.

3. РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ

3.1. Сопоставление с данными наземных FTIR-измерений

Полученные ИНС мы применили, чтобы обработать измерения ИКФС-2 вблизи наземных станций сети IRWG-NDACC, оснащенных ФС высокого спектрального разрешения Bruker IFS 125HR, измеряющими спектры прямого солнечного ИК-излучения в безоблачной атмосфере или в больших разрывах облаков. Это позволило нам сравнить величины ТСО, полученные с помощью нашей методики, с данными независимых FTIR-измерений (https://www-air.larc.nasa.gov/missions/ndacc/data.html). Географические координаты и высоты станций над уровнем моря показаны в табл. 4. В последнем столбце табл. 4 приведены также некоторые особенности расположения станций, которые могут влиять на результаты сопоставления с данными спутниковых измерений. Так, например, для сопоставления с наземными измерениями брались в расчет осредненные за день спутниковые измерения в радиусе 200 км от наземных станций, т.е. при расположении станции в горной местности, часть спутниковых данных может захватывать как горы, так и низменности, а при расположении станции на островах, большая часть спутниковых измерений может относиться к водной поверхности, а не к самой станции.

 

Таблица 4. Географические координаты и высоты над уровнем моря станция IRWG-NDACC

	Станция	Широта	Долгота	Высота	Примечания
1	Eureka, Канада	80.05° N	86.42° W	610 м	ледник
2	Ny Ålesund, Норвегия	78.92° N	11.93° E	15 м	остров
3	Thule (Гренландия), Дания	76.53° N	68.74° W	220 м	ледник
4	Kiruna, Швеция	67.84° N	20.41° E	419 м
5	Harestua, Норвегия	60.2° N	10.8° E	596 м
6	St. Petersburg, Россия	59.9° N	29.8° E	20 м
7	Bremen, Германия	53.1° N	8.8° E	27 м
8	Zugspitze, Германия	47.42° N	10.98° E	2964 м	горы
9	Jungfraujoch, Швейцария	46.55° N	7.98° E	3580 м	горы
10	Toronto - TAO, Канада	43.66° N	79.40° W	174 м
11	Rikubetsu, Япония	43.46° N	143.77° E	380 м	остров
12	Boulder (Колорадо), США	39.99° N	105.26° W	1634 м	горы
13	Tsukuba, Япония	36.05° N	140.13° E	31 м	остров
14	Izaña (Тенерифе), Испания	28.30° N	16.48° W	2367 м	малый остров
15	Mauna Loa (Гавайи), США	19.54° N	155.58° W	3397 м	малый остров
16	Altzomoni, Мексика	19.12° N	98.66° W	3985 м	горы
17	Maido (Ре-Юнион), Франция	21.1° S	55.4° E	2155 м	малый остров
18	Wollongong, Австралия	34.41° S	150.88° E	30 м
19	Lauder, Новая Зеландия	45.04° S	169.68° E	370 м	остров

 

Как видно из табл. 4, все станции, за исключением трех, расположены в Северном полушарии. Среди них 7 станций находятся в Европе, 5 – в Северной Америке, 2 — в Японии, 2 — на островах. В высоких широтах находятся 5 станций, в средних — 10, в тропических – 4 станции. Таким образом, рассматриваемые FTIR-измерения охватывают все широтные зоны от средних широт Южного полушария до высоких широт Северного полушария.

Чтобы подтвердить обоснованность выбора количества ГК и НСС, мы выполнили сравнения спутниковых измерений ТСО, полученных при разных вариантах структуры ИНС, с данными FTIR-измерения. Эти сопоставления с независимыми данными позволяют сделать более обоснованный выбор структуры сети, чем анализ ПА. Результаты сравнений спутниковых и наземных измерений ТСО в слое тропосферы ниже 400 гПа для каждой станции приведены в табл. 5. Отметим, что для спутниковых измерений осреднялись все данные за день, попадающие в круг радиусом 200 км от станции, а для наземных измерений – брались среднедневные значения для каждого дня сопоставлений.

 

Таблица 5. Сопоставление ТСО в слое ниже 400 гПа по данным FTIR-измерений и ИКФС-2 (N – число сопоставлений, Δ – средняя разность в е.Д. (FTIR минус ИКФС-2), σ – стандартное отклонение разностей в е.Д.

Станция	Примечания	N	35-0-60		50-0-60		35-0-65		35-0-55		25-0-40
			Δ	σ	Δ	σ	Δ	σ	Δ	σ	Δ	σ
Eureka	ледник	282	+3.7	4.2	+3.6	4.2	+3.7	4.2	+3.6	4.2	+3.7	4.2
Ny Ålesund	остров	120	‒0.22	4.4	‒0.08	4.4	‒0.23	4.4	‒0.13	4.4	0.02	4.4
Thule	ледник	553	+2.1	3.4	+2.2	3.4	+2.1	3.4	+2.0	3.4	+2.3	3.3
Kiruna		491	+1.3	3.9	+1.2	3.8	+1.3	3.9	+1.3	3.8	+1.1	3.9
Harestua		153	‒0.55	2.6	‒0.47	2.6	‒0.6	2.6	‒0.41	2.5	‒0.65	2.6
St. Petersburg		247	+0.42	3.7	+0.68	3.5	+0.42	3.7	+0.84	3.6	+0.47	3.7
Bremen		129	+0.68	2.5	+0.66	2.6	+0.68	2.5	+0.64	2.7	+0.62	2.7
Zugspitze	горы	559	‒10.5	3.1	‒10.5	3.1	‒10.5	3.1	‒10.4	3.1	‒10.2	2.9
Jungfraujoch	горы	441	‒12.6	2.1	‒12.6	2.1	‒12.6	2.1	‒12.5	2.0	‒12.2	2.0
Toronto – TAO		679	+2.2	4.0	+1.9	4.0	+2.2	4.0	+1.9	4.1	+2.3	4.0
Rikubetsu	остров	100	‒1.0	3.4	‒1.3	3.5	‒1.0	3.4	‒1.2	3.5	‒0.7	3.3
Boulder	горы	367	‒1.9	2.2	‒1.8	2.2	‒1.9	2.2	‒1.9	2.2	‒2.3	2.3
Tsukuba	остров	184	+2.8	4.0	+2.6	3.8	+2.8	4.0	+2.6	4.1	+3.6	3.9
Izaña	малый остров	395	‒8.7	2.0	‒8.2	1.9	‒8.7	2.0	‒8.2	2.0	‒8.8	2.0
Mauna Loa	малый остров	659	‒8.3	2.5	‒8.5	2.3	‒8.3	2.5	‒8.5	2.1	‒8.3	2.3
Altzomoni	горы	216	‒12.0	2.5	‒10.1	2.1	‒12.0	2.5	‒11.1	2.2	‒11.1	2.5
Maido	малый остров	342	‒5.6	2.2	‒5.7	2.3	‒5.8	2.2	‒5.8	2.1	‒5.7	2.4
Wollongong		212	+2.1	2.6	+3.5	2.7	+2.1	2.6	+2.7	2.8	+3.0	2.7
Lauder	остров	940	+1.1	2.0	+1.2	2.1	+1.1	2.0	+1.2	2.1	+1.3	2.0
Все		7069		3.02		2.98		3.02		2.99		2.99

 

СОР для разных станций значительно отличаются друг от друга, что можно объяснить как особенностями расположения станций (стабильность воздушных масс, высота, окрестности и т.д.), так и различными методиками интерпретации ИК-спектроскопических данных на разных станциях. Несмотря на то, что все станции принадлежат одной сети и они оборудованы идентичными приборами, на каждой станции исследователи используют свои методики интерпретации спектроскопических данных, адаптированные к особенностям приборов, измерений и условий на станциях. В настоящее время в рамках проекта TOAR-II вводится единая методика интерпретации, результаты которой пока еще не получены на всех станциях. СР между наземными измерениями хорошо отражают высоту расположения станции, чем выше станция (особенно это касается станций, расположенных в единичных горах, окруженных плоскогорьем), тем сильнее завышают спутниковые данные наземные измерения вследствие того, что в радиус вокруг станции попадает много измерений с центрами пикселей на более низких высотах.

Как видно из табл. 5, все варианты ИНС дают незначимо различающиеся результаты при сравнении спутниковых измерений ТСО с независимыми измерениями. Поэтому мы ниже будем опираться на сделанный выше выбор и рекомендуем для определения ТСО с помощью спектральных измерений ИКФС-2 использовать сеть ИНС 35-0-55. Для этой сети мы также сопоставили данные по всем станциям, но уже для слоя тропосферы от поверхности до 300 гПа. В табл. 6 приведены средние по всем станциям СР для двух слоев тропосферы для случаев, когда для сопоставления мы осредняли спутниковые данные в радиусе 100 км и 200 км.

 

Таблица 6. Средние по 19 станциям стандартные отклонения разностей в величинах ТСО по данным FTIR-измерений и ИКФС-2

Слой тропосферы до уровня	Радиус осреднения ИКФС-2
	100 км	200 км
300 гПа	2.91 е.Д.	2.95 е.Д.
400 гПа	3.00 е.Д.	2.99 е.Д.

 

При уменьшении радиуса осреднения спутниковых измерений СОР в среднем заметно не изменяются, хотя, конечно, на разных станциях ситуации различаются. В целом можно говорить о согласии около 3 е.Д. для всех рассмотренных вариантов сопоставления, что составляет ~15% от ТСО по данным FTIR-измерений.

3.2. Сопоставление с данными спутниковых измерений прибором IASI

Мы также сопоставили поля распределения ТСО, полученные из данных ИКФС-2 для слоя тропосферы до 300 гПа, с данными аналогичных измерений спутниковым прибором IASI, сходным по характеристикам с данными прибора ИКФС-2. Приборы IASI находятся на борту полярных спутников серии MetOp (-A, -B, -C), расположенных, как и КА серии «Метеор-М» № 2, на солнечно-синхронных орбитах. Использованные для сопоставления данные IASI (IASI_LATMOS) основаны на интерпретации измеренных спектров с помощью алгоритма FORLI лаборатории LATMOS [Boynard et al., 2018], принятого в качестве алгоритма оперативной обработки спектральных данных IASI (Daily IASI/Metop-A ULB-LATMOS ozone (O3) L2 product, доступен на сайте https://iasi.aeris-data.fr/catalog/). Предварительно как данные IASI, так и данные ИКФС-2 были приведены на единую сетку в 1 градус по долготе и широте для всего земного шара.

На рис. 2 приведены примеры среднемесячных величин ТСО на основе измерений ИКФС-2 и IASI_LATMOS за май и ноябрь 2019 г. Основные особенности распределения ТСО повторяются по двум наборам данных. Для мая 2019 г. (рис. 2а) это максимум в северном полушарии со значениями ~30–40 е.Д. и минимум в южном, с минимумом над территорией Тихого океана в области тропиков (15–20 е.Д.). Для ноября 2019 г. (рис. 2б) ситуация более сложная с максимумом в северном полушарии, а также в южном, но в области тропиков.

 

Рис. 2. Пространственное распределение среднемесячных величин ТСО по данным дневных и ночных измерений ИКФС-2 (слева), IASI_LATMOS (посередине) и разность между ними (справа) — в мае и ноябре 2019 г.

 

В табл. 7 приведены СР и СОР между измерениями ИКФС-2 и IASI для 6 широтных зон. Наибольшие разности наблюдаются в полярной области южного полушария. Причем если максимальная СР приходится на ноябрь (9.8 е.Д.), то максимальная СОР — на май (5.5 е.Д.). Лучшее согласие между данными в оба месяца приходится на область тропиков южного полушария (0–30 ю.ш.), где СР и СОР составляют 2.1–2.2 е.Д. и 2.7–2.9 е.Д., соответственно. Наблюдаемые величины СР и СОР меньше в мае, чем в ноябре. Минимум приходится на полярную область северного полушария (60–90 с.ш.) и средние широты южного (30–60 ю.ш.) (СР и СОР менее 1 е.Д.).

 

Таблица 7. Характеристики разности среднемесячного ТСО по данным измерений ИКФС-2 и IASI_LATMOS за май и ноябрь 2019 г.

Широтная зона	СР (май/ноябрь 2019 г.), е.Д.	СОР (май/ноябрь 2019 г.), е.Д.
60–90 с.ш.	-0.7/-0.7	3.2/3.4
30–60 с.ш.	3.5/3.7	4.6/3.6
0–30 с.ш.	2.6/3.5	4.6/4.5
0–30 ю.ш.	2.2/2.7	2.1/2.9
30–60 ю.ш.	-0.5/0.6	3.7/4.1
60–90 ю.ш.	-6.6/-9.8	5.5/3.9

 

При сопоставлении наших результатов с различными независимыми данными следует иметь в виду, что решение обратной задачи методами аппроксимации учебного набора пар (в частности, с помощью ИНС) способно дать хорошие результаты лишь при условии статистического соответствия обучающей выборки и состояний атмосферы при измерениях. Поскольку подавляющее большинство станций озонозондирования расположены на суше в умеренных и высоких широтах, то именно для суши умеренных и высоких широт и следует ожидать наилучшего согласия с данными независимых измерений. Так, например, над территорией России различия данных ИКФС-2 и IASI невелики. Вместе с тем в пустынях станции озонозондирования отсутствуют. Вследствие этого на рис. 2 можно заметить большие разности данных над пустынной зоной африканского континента.

4. ЗАКЛЮЧЕНИЕ

Предложен алгоритм определения ТСО на основе спектров уходящего теплового излучения. Алгоритм реализован для российского прибора ИКФС-2 на борту КА «Метеор-М» № 2. Методика основана на использовании метода ИНС и метода главных компонент. Оценка погрешности аппроксимации на учебном и тестовых наборах данных не превосходит 2.8 е.Д. для слоя ниже 400 гПа и 3.8 е.Д. для слоя атмосферы ниже 300 гПа.

Проведена валидация полученных спутниковых измерений ТСО в окрестностях 19 станций международной наблюдательной сети IRWG-NDACC, расположенных в различных регионах земного шара. Стандартные отклонения разностей с данными FTIR измерений составили от 2 до 4 е.Д., что согласуется с результатами других авторов для аналогичных алгоритмов. На основе проведенного сопоставления выбраны параметры оптимальной ИНС для решения обратной задачи интерпретации спектров, измеренных ИКФС-2. Для обучения оптимально использовать набор пар, включающий все спектры ИКФС-2, в том числе облачные, с допустимым рассогласованием с измерениями на станциях озонозондирования в 200 км по пространству и 24 часа по времени. Помимо ГК спектров в набор предикторов ИНС необходимо включить зенитный угол спутника, широту и день года измерения. Оптимальная структура ИНС: 35 ГК всего спектра, 0 ГК полосы озона и 55 НСС.

Приведены примеры полученных полей распределения ТСО по всему земному шару.

БЛАГОДАРНОСТИ

Благодарим НИЦ «Планета» за предоставление доступа к результатам спектральных измерений ИКФС-2. Благодарим авторов программ из библиотеки программ МГУ за предоставление свободного доступа к исходным текстам программ.

Данные наземных измерений FTIR-измерений предоставлены исследователями со станций наблюдательной сети IRWG-NDACC, данные доступны на сайте https://www-air.larc.nasa.gov/missions/ndacc/data.html#. Гомогенизированные данные озонозондирования предоставлены рабочей группой HEGIFTOM в рамках проекта TOAR-II, данные доступны на сайте https://hegiftom.meteo.be/.

Авторы благодарят AERIS за обеспечение доступа к данным IASI; ULB-ATMOS за разработку методик измерения озона; Eumetsat/AC SAF за создание готового продукта. Данные измерений IASI доступны на сайте https://iasi.aeris-data.fr/catalog/, данные FTIR-измерений — на сайте https://www-air.larc.nasa.gov/missions/ndacc/data.html#.

Наземные спектроскопические измерения на станции NDACC St.Petersburg были выполнены на научном оборудовании ресурсного центра СПбГУ «Геомодель».

Исследование профинансировано грантом Российского научного фонда № 23-27-00166, https://rscf.ru/project/23-27-00166/.

作者简介

A. Polyakov

Saint Petersburg State University

编辑信件的主要联系方式.
Email: a.v.polyakov@spbu.ru
俄罗斯联邦, 7/9, Universitetskaya Emb., Saint Petersburg, 199034

Ya. Virolainen

Saint Petersburg State University

Email: a.v.polyakov@spbu.ru
俄罗斯联邦, 7/9, Universitetskaya Emb., Saint Petersburg, 199034

G. Nerobelov

Saint Petersburg State University; Scientific Research Centre for Ecological Safety of the RAS; Russian State Hydrometeorological University

Email: a.v.polyakov@spbu.ru
俄罗斯联邦, 7/9, Universitetskaya Emb., Saint Petersburg, 199034; 18, Korpusnaya St., Saint Petersburg, 187110; 98, Maloohtinsky Ave., Saint Petersburg, 195196

S. Akishina

Saint Petersburg State University

Email: a.v.polyakov@spbu.ru
俄罗斯联邦, 7/9, Universitetskaya Emb., Saint Petersburg, 199034

参考

补充文件