Определение векторов ветра водяного пара по спутниковым изображениям

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Определение векторов ветра водяного пара по спутниковым изображениям

В.П. Май, А.А. Шупикова

В.П. Май, канд. техн. наук, А.А. Шупикова (Институт автоматики и процессов управления ДВО РАН, Владивосток)

Предложен релаксационно-контурный метод определения направления ветра водяного пара по последовательности спутниковых изображений.

Метод основывается на выделении размытых контуров как сгущений изотерм, с последующим прослеживанием перемещения похожих участков контуров (трассеров) на двух изображениях. Основным критерием при выделении трассеров является форма контуров, которые могут быть сколь угодно размытыми, но при этом поддаются идентификации, что позволяет построить расширенное множество трассеров, после чего применяется процедура отбора наилучших трассеров, основанная на методе релаксационной разметки. Достоинством метода является возможность использовать при идентификации трассеров корреляционные и другие критерии, что позволяет встроить данный метод в существующие схемы. Сравнительный анализ показал преимущество предлагаемого метода как по количеству генерируемых векторов скоростей, так и по их точности.

Ключевые слова: спутниковые изображения, векторы ветра, изотермы, корреляция.

Введение

Оперативное определение «ветра водяного пара» (ВВП) и «облачного ветра» (общий термин - векторы движения атмосферы, ВДА) по спутниковым изображениям является традиционной задачей спутниковой метеорологии [1 - 7]. Возможность прослеживания перемещений структур водяного пара значительно расширяет пространственное покрытие измерений ВДА, дополняя обычные измерения облачного ветра для безоблачной атмосферы и позволяет восполнить недостаток таких измерений в средней тропосфере, где облачные трассеры редки и зачастую с трудом прослеживаются.

Основной проблемой при определении ВВП является размытость (аморфность) структуры, видимой на ИК изображении в канале поглощения водяного пара (6,3 - 6,7 мкм). С 1980 г. трассеры этого вида обнаруживались и прослеживались оператором, что давало достаточно хорошие результаты. В частности, отмечалось получение почти однородного покрытия даже в областях без ясно выраженных особенностей, а точность определения ветра водяного пара превосходила точность аналогичных измерений облачного ветра (8 м/с против 10 м/с) [8, 9]. При получении такого плотного покрытия оператор, безусловно, применял соответствующий метеорологический опыт в интерпретации видимой на изображении структуры в терминах поля ветра, а также использовал получаемые одновременно оценки облачного ветра. Если при количественной оценке этой работы достигаемая точность достаточна для приложений, то можно поставить задачу создания автоматического метода, имитирующего работу опытного оператора.

При этом самым важным достоинством алгоритмической процедуры признается ее объективный характер и, как следствие, возможность получения количественных оценок достоверности измерений. В качестве такого автоматического метода исследовался метод максимума перекрестной корреляции (МПК), используемый в оперативном режиме для определения облачного ветра [10]. К основным недостаткам этого метода относятся: недобор векторов ВВП в областях с малыми контрастами, недооценка скорости ветра и большие вычислительные затраты на перебор положений шаблона.

В данной работе для определения ВВП по спутниковым изображениям в канале поглощения водяного пара предлагается применить разработанный ранее для определения морских течений по ИК изображениям в окнах прозрачности атмосферы эффективный контурный метод [11]. По этому методу выделяются и прослеживаются трассеры, представленные слабоконтрастными контурами на изображениях. Для контроля качества и отбраковки ошибочных векторов применяется метод релаксационной разметки [12, 13], который при этом распространяется на последовательность пар (серию) изображений. Результаты работы контурного алгоритма с релаксационной разметкой (релаксационно-контурный, РК метод) сравниваются с методом МПК (стандартным и с релаксационной разметкой), с использованием операторных векторов ВВП в качестве эталона.

Результаты сравнения показывают, что предлагаемый метод лучше метода МПК и дает больше векторов ВВП повышенного качества.

Определение векторов ВВП методом МПК

Стандартный метод максимума перекрестных корреляций использует площадные шаблоны (обычно размером 32x32 пикселя) для построения векторов ветра по двум последовательным изображениям. Центры шаблонов на первом изображении берутся на узлах регулярной сетки, а положения соответствующих шаблонов на втором изображении подбираются в области поиска, задаваемой максимально допустимыми скоростями ветра и, соответственно, перемещениями таким образом, чтобы коэффициент корреляции между ними достигал максимума. Описанный метод лежит в основе всех до сих пор применяемых схем оперативного определения ВДА (например, [2, 5, 14 - 16]), хотя и с различными усовершенствованиями. К наиболее примечательным из них относится следующий.

Выбор центров шаблонов на первом изображении производится по характерным особенностям (определяемым локальными контрастами и дисперсией), а не на регулярной сетке. Этот подход с 1997 г. оперативно применяется в NOAA/NESDIS[2] и рекомендован EUMETSAT для MSG (Meteosat Second Generation) [16]. Основным аргументом в пользу такого выбора является получение заведомо прослеживаемых трассеров путем исключения из рассмотрения «плоских участков» (без особенностей) [12, 16], другой аргумент - исключение случаев многослойной облачности - не имеет прямого отношения к определению ВВП. Область поиска максимума корреляции сдвигается в положение, предлагаемое прогнозным ветром.

Такой направленный поиск заменил первоначальную стратегию поиска вокруг нулевого перемещения и остановки на первом локальном максимуме корреляции [14], которая имела тенденцию к недооценке скорости ветра, поскольку у корреляционных поверхностей обычно несколько пиков.

Контроль качества основан на прослеживании перемещений облаков на трех изображениях вместо двух, что обеспечивает два симметричных вектора ветра по парам: (t, t- 30 мин.) и (t, t+ 30 мин.), которые сравниваются между собой и с прогнозным ветром. В случае больших отклонений в скорости и направлении полученные векторы подлежали ручной проверке опытным оператором, с последующим выбором правильного вектора или отбрасыванием обоих. В настоящее время для автоматического контроля качества применяется расширенная система тестов, проверяющих по тем же принципам согласованность векторов ветра [14, 16].

В данной работе реализован стандартный метод МПК (без перечисленных усовершенствований), однако при сравнении с РК методом (для сопоставимости) применяется вариант метода МПК с релаксационным отбором, РМПК. Отказ от выбора центров шаблонов по характерным особенностям в определенной мере конфликтует с процессом релаксационного отбора, который эффективен при избыточном числе построенных векторов ветра. Проблема же исключения участков без особенностей решается простым тестированием - дисперсия участков, не имеющих особенностей, должна быть мала. Конфликтует с процессом релаксационного отбора и контроль качества, основанный на прослеживании перемещений облаков на трех изображениях - он способен только сократить число векторов.

С другой стороны, отказ от использования прогнозной информации объясняется тем, что она не всегда доступна. Кроме того, появились работы, в которых ставится под сомнение такой прогнозно зависимый подход на том основании, что в генерируемых векторах присутствуют ошибки прогноза, а доля независимых измерений существенно уменьшается. Например, в работе [1] выбор оптимального интервала времени проводится по принципу наибольшего отклонения от прогнозных значений (критерий информационного дополнения) при примерно одинаковых отклонениях от радиозондов для всех интервалов.

Особенности и стратегия контурного метода

Основная идея контурного метода [11] состоит в выделении размытых контуров - как изолиний (базовых изотерм) с не менее чем двумя смежными изолиниями (пучок изотерм) и последующим прослеживанием перемещения локальных особенностей (трассеров) похожих участков контуров на двух изображениях. При этом используются все изотермы, имеющиеся на изображении и проходящие по всем границам между пикселями с отличающимися значениями. В контурном алгоритме трассер определяется как экстремальная точка (излом) на линии пучка изотерм. Вычисляются атрибуты выделенных трассеров, необходимые для их предварительной фильтрации и распознавания на втором изображении (значение базовой изотермы, величина угла, наличие контекста определенной длины и др.). Кандидаты в векторы ВВП, соединяющие похожие по атрибутам трассеры на разных изображениях, фильтруются по признаку подобия контекстов трассеров, но обычно пропускается избыточное их число, так как в противном случае будет отброшено много полезных векторов-кандидатов. Отметим следующие принципиальные различия контурного метода от метода МПК:

- основным критерием при выделении трассеров является форма контуров, которые могут быть сколь угодно размытыми, но при этом поддаются идентификации, что позволяет построить расширенное множество трассеров, с большей вероятностью содержащее полезные. Большинство таких трассеров не выделяется методом МПК, к тому же стратегия их выделения диаметрально противоположна: сужение множества кандидатов - даже в модифицированном варианте метода, где производится выбор центров шаблонов, введено ограничение на их перекрытие (не более 30%), чтобы избежать появления коррелированных ошибок [16];

- векторы перемещений трассеров определяются не перебором положений шаблона в области поиска (как в методе МПК), а отбором подходящих (по критерию геометрического подобия) пар трассеров с одинаковыми значениями базовой изотермы. При этом могут привлекаться дополнительные критерии отбора (в том числе по величине коэффициента корреляции), но множество векторов, получаемое в результате индивидуального отбора, остается расширенным. Поэтому контурный метод требует проведения добавочной процедуры группового отбора, которая в данной работе использует метод релаксационной разметки.

Отбор векторов ВВП с помощью метода релаксационной разметки

Релаксационная разметка является методом понижения неопределенности для процессов, выходными данными которых является набор объектов с приписанными им вероятностными атрибутами (или весовыми коэффициентами). Она была применена в [12] к результатам работы метода МПК, а в [13] - контурного метода в задаче определения морских течений по спутниковым изображениям. Метод релаксационной разметки предназначен для отбора одного вектора из набора (группы) векторов -кандидатов, сгруппированных в ячейки (конкретные способы группировки рассматриваются ниже).

Таким образом, каждой ячейке приписывается набор кандидатов в векторы ВВП и для них вычисляется значение согласования с векторами смежных ячеек. Пусть lij- j-й вектор, попадающий в i-ю ячейку (1 <j<x, где x- количество векторов в і-й ячейке), а рц - мера его правдоподобия. Начальные значения pj выбираются равными степени подобия геометрических контекстов маркеров в контурном методе и коэффициенту корреляции - в методе РМПК. Вводится также фиктивный вектор 10 (означающий отказ от решения в этой ячейке) со значением, равным разности между единицей и максимальным значением в наборе векторов і-й ячейки рі0=1 - maxp). Затем проводится нормализация полученного набора значений (0-й шаг итеративного процесса релаксации):

pj= pj /Zpir,

водяной пар алгоритмический вектор

где 1 <j < x; 1 <r < x.

На каждом следующем шаге производится:

- вычисление согласованности каждого вектора с соседними векторами (из данной и смежных ячеек);

- вычисление поддержки каждого вектора, исходя из всех связанных с ним значений согласованности, каждое из которых зависит от текущей оценки правдоподобия векторов данной и соседних ячеек;

-обновление оценки правдоподобия векторов в зависимости от их поддержки.

Из самых общих соображений, которые обычно используются при объективном анализе полей, следует, что направление и величина векторов перемещения, выходящих из соседних точек, не должны сильно отличаться. Поэтому согласованность векторов lik, и lhj естественно полагать пропорциональной функции: y(i,k;h j) = cos3(i,k;hj)-[1 - (|l*| - |lhj|)/max(|lik|,|lhj|)], где &(i,k;hj) - угол между векторами likи lhj; |lik| и |lhj- их длины. Таким образом, первый сомножитель описывает рассогласование по направлению, а второй относительное различие длин векторов.

Согласованность зависит также от расстояния dihмежду векторами. Эта часть согласованности может быть задана как

Я(i,h) = exp(-dih /do),

где dih - расстояние между i-й и h-й точками; d0- эмпирическая константа затухания, характеризующая пространственную изменчивость векторного поля. Результаты экспериментального определения этого параметра обсуждаются ниже. Временную характеристику согласованности векторов можно учесть аналогичным образом: x(i,h)= exp(-At/ft), где At- разница по времени; to- коэффициент временного затухания.

Полный коэффициент согласованности векторов определяется формулой: g(i,k;h j) = y(i,k;hj)Я(i,h)T(i,h), на основе которой вычисляется нормализованная поддержка вектора likна n-йитерации: Sikn= C-Sikn /maxr( Sirn ); Sikn = = Z Z. g(i,k;hj)phjn. Здесь maxr(Srn) - максимальное значение поддержки, hlj - найденное в наборе векторов i-й ячейки; C< 1 - константа, определяющая скорость сходимости процесса. Наконец, значение правдоподобия каждого вектора i-й ячейки пересчитывается с использованием полученной поддержки:

Pikn+1= pikn(1 + Sikn)/ZPhrn(1 + Sirn),

поскольку Si0n= 0, рю изменяется только при выполнении этой последней процедуры нормализации. Итерационный процесс в целом можно описать так: если вектор имеет относительно большую поддержку соседних, вероятность его выбора в качестве вектора перемещений увеличивается, в противном случае вероятность уменьшается.

После определенного числа шагов релаксационного процесса в каждой ячейке выбирается вектор с максимальным правдоподобием. Отказ от решения производится, если таковым окажется фиктивный вектор.

Сходимость этого процесса была экспериментально исследована. Наибольшее изменение оценок правдоподобия векторов в ячейке наблюдается на первом шаге, после перехода от индивидуальных оценок к групповым. Интересно, что в рассматриваемом случае изначально наибольшая величина правдоподобия принадлежит фиктивному вектору.

Однако после нескольких итераций ситуация меняется и устанавливается устойчивая тенденция роста правдоподобия одного из векторов на фоне такой же устойчивой тенденции к падению у других. Такое поведение наблюдалось во всех рассмотренных случаях, что позволяет предложить очевидный критерий окончания итерационного процесса до выполнения заданного числа шагов.

В завершение раздела рассмотрим применяемые способы группировки векторов. В случае контурного метода входное изображение разбивается на регулярные ячейки, в которых формально группируются векторы (при этом в процессе релаксационного отбора учитываются только истинные позиции векторов). Размеры ячеек соответствуют типичному горизонтальному масштабу изменчивости полей ветра (порядка 150 км).

Вопрос усложняется в случае метода МПК, потому что размеры применяемых шаблонов также соответствуют данному масштабу и при этом предусматривают получение только одного вектора. Для того, чтобы применить релаксационный отбор с методом МПК, в работе [12] рекомендовано выделять векторы перемещений, соответствующие всем локальным максимумам матрицы корреляций путем простого упорядочивания значений и выбору заданного числа наибольших.

На практике такой простой подход оказался неконструктивным, поскольку не обеспечивал нахождения именно локальных максимумов, и далеко не всегда матрица корреляций имела несколько экстремумов.

Поэтому в данной работе была применена модификация метода МПК с перекрытием шаблонов (с заданным шагом). При этом использовалась другая рекомендация [12], состоящая в том, что применение релаксационного метода позволяет уменьшить размеры шаблона без ухудшения результатов, увеличивая тем самым количество построенных векторов и снижая вычислительные затраты.

Параметры реализации методов

Ниже приведены значения, использованные в сравнительном анализе методов, в квадратных скобках указана размерность, 1 пиксель ~ 5 км.

Методы МПК и РМПК: размер шаблона МПК 32x32, РМПК 20x20 [пиксели]. Размер области поиска (максимальное перемещение) 20 [пиксели]. Минимальная корреляция 0,2. Минимальная дисперсия 0,3. Шаг перекрытия шаблонов (в РМПК) 5 [пиксели]. Остальные релаксационные параметры как в РК методе (см. ниже).

Релаксационно-контурный метод: точность сглаживания изолиний 0,7 [пиксели]. Длина геометрического контекста (по обе стороны от трассера) 5 [пиксели]. Минимальное подобие геометрических контекстов трассеров 0,45 (вычисляется как 1/(1 + p), где р - евклидово расстояние между приведенными геометрическими контекстами). При этом второй контур сдвигается так, чтобы его центр совпадал с центром первого. Тангенс крутизны рельефа поля температуры 0,2 (рассчитывается по квадратной площадке вокруг точки со стороной 2*n+ 1, где n- размер базиса для расчета перепада, берется максимальное значение тангенса). Размер ячейки (группирования) = 20 [пиксели]. Минимальное количество итераций 10. Константа сходимости c= 0,7. Коэффициент пространственного затухания d0= 25 [пиксели] - оптимальное значение. Коэффициент временного затухания t0= 1,5 [часы].

Результаты сравнения методов определения ВВП

Сравнение методов определения векторов ВВП проводилось на последовательности из 4 изображений GMS-5 в канале поглощения водяного пара (6,7 мкм) за 1 сентября 1997 г., с часовыми интервалами. Облачные пиксели были предварительно замаскированы, так что все результаты относятся к безоблачному случаю. В качестве эталона использовались векторы ВВП, полученные оператором по центральной паре серии, - операторные векторы (ОВ). На этой же паре изображений был применен стандартный метод МПК.

Сравнения проводились по общепринятой методике в круге радиусом 20 пикселей (соответствует максимальному перемещению трассеров). Рассчитывались характеристики векторов ВВП и их ошибок по отношению к операторным векторам, попадающих в круги сравнений с индексом г: количество векторов n; средняя скорость

СС = (1/n)Z. [(иг)2 + (v02]"1/2,

где ииvi- компоненты векторов; количество сравнений (без совпадений) m; среднеквадратическая ошибка СКО = [(СРВ) 2 +(СТО)2] 1/2, где средняя разность векторов СРВ = (1/m)Z. РВг-, РВг- = [(ut- ur)2 + (vt- vr)2]-1/2, стандартное отклонение СТО = [(1/m)Z. (РВг- - СРВ)2]-1/2; смещение скорости (средняя разность длин векторов) СМ = (1/m)Z [(u2 + v2)-1/2- (ur2 + vr2)-1/2].

Выбор операторных векторов в качестве базы для сравнения вместо обычно используемых данных радиозондов объясняется следующими причинами. Во-первых, данные радиозондов обычно немногочисленны и не всегда совпадают по времени и месту со спутниковыми измерениями ветра. Во - вторых, возможны расхождения из-за несоответствия пространственных масштабов видов измерений. По этим причинам, а также из -за собственных погрешностей результаты сравнения автоматических методов определения ВВП с использованием данных радиозондов в качестве эталона могут быть существенно искажены. Например, СКО векторов ВВП, полученных методом МПК на получасовых сериях изображений GMS-5 в метеорологическом спутниковом центре Японии, по отношению к данным радиозондов составляет 10,1 - 10,7 м/с [18]. Это вполне сопоставимо с СКО самих данных радиозондов: 5 м/с - при совпадении точек запуска и около 8 м/с - при их разнесении до 100 км [9]. В то же время потенциальная точность спутниковых измерений ветра при пиксельной регистрации перемещений трассеров оператором будет не хуже 3 м/c. Поэтому для сравнения автоматических методов определения ВВП более естественным представляется использование векторов ВВП, полученных из одного источника -операторных векторов. Кроме того, снимается вопрос о степени адвективности (вовлечения в поток) используемых трассеров.

Результаты сравнения автоматических методов определения векторов ВВП приведены в таблице.

водяной пар алгоритмический вектор

Табл. 1

В колонке ОВ даются характеристики операторных векторов, оцененных по той же методике. Векторы ВВП по методу МПК получены по центральной паре изображений, а по методам РМПК и РК - по всем четырем изображениям серии. Кроме того, расчеты СКО для методов РМПК и РК были использованы для нахождения оптимального значения коэффициента пространственного затухания - такое значение удалось найти только для метода РК. Количественные результаты сравнения (см. таблицу) свидетельствуют о преимуществах метода РК перед стандартным методом МПК и его модифицированным вариантом - методом РМПК - как по количеству получаемых векторов ветра, так и по точности. Конечно, по основному сравниваемому критерию СКО разница между РК и РМПК методами не так уж велика, но результат гораздо лучше, чем у стандартного метода МПК. Здесь необходимо подчеркнуть, что контроль качества с отбраковкой векторов для метода МПК не проводился, в то время как релаксационная разметка выполняет эти функции, позволяя методам РМПК и РК показывать результаты, сходные с вышеупомянутыми по данным радиозондов. Наконец, РК метод - единственный, который имеет положительное смещение скорости (завышение скорости ветра) по сравнению с операторными векторами, в то время как обычно наблюдается недооценка скорости. С учетом этого фактора разница между методами РК и РМПК становится больше, как видно по величинам стандартного отклонения.

Однако наиболее убедительным представляется качественное сравнение результатов работы методов определения ВВП (на двух изображениях), отраженное на рис. 1 - 3, где операторные векторы показаны черным цветом, алгоритмические - белым. Видно, что только метод РК обеспечивает детальное представление структуры поля ветра, причем векторы ветра получены даже в тех местах, где не удалось сделать оператору, и это может объяснить наблюдаемое положительное смещение скорости.

Заключение

В данной работе на примере определения векторов ВВП (один из двух типов ВДА) сравнивались стандартный метод МПК с предлагаемым контурным методом и было показано преимущество последнего как по количеству получаемых векторов ветра, так и по точности. На самом деле это противопоставление необязательно.

Вполне возможно комбинированное использование обоих методов, и первые шаги уже сделаны - выше отмечались выбор трассеров по характерным особенностям в современных схемах на основе метода МПК и применения корреляционного критерия отбора трассеров как дополнительного для контурного метода. Основное различие в подходах лежит в стратегии поиска векторов. Общепринятая стратегия направлена на то, чтобы количество ошибочных векторов на выходе было минимальным, - должны приниматься только лучшие ВДА.

Рис. 1. Результаты работы метода МПК определения векторов ВВП

В соответствии с этим требованием основное внимание уделяется контролю качества на всех этапах получения продукта: сначала потенциальные трассеры выделяются жесткими пороговыми тестами (большие контрасты и дисперсии), затем проводится отбраковка получаемых векторов по согласованности в пространстве и времени и, наконец, фильтруются ВДА, сильно отличающиеся от прогнозных.

Между тем требования пользователей изменились - теперь они требуют все векторы (с индексами качества), полагаясь на собственные системы усвоения данных [19]. Для удовлетворения этих изменившихся требований в современных схемах определения ВДА проводятся некоторые усовершенствования, направленные на увеличение количества полученных векторов.

Рис. 2. Результаты работы метода РМПК определения векторов

Например, перестали отбраковываться векторы струйных течений как сильно отличающиеся от прогнозных [20]. Однако оставаясь в рамках существующей стратегии, нельзя восстановить векторы, пропущенные изначально. Контурный метод предлагает изменение стратегии в пользу выделения как можно большего числа верных векторов, даже если это сопровождается появлением ошибочных. Последние всегда можно отсеять системой многоуровневых тестов, включая современные схемы усвоения данных численными моделями. Один из этих уровней отбора ВДА представлен в данной работе методом релаксационной разметки, который как раз эффективен при избыточном числе потенциальных кандидатов в векторы. Способность контурного метода выделять полезные трассеры даже на очень слабых контрастах (размытые контуры) может оказаться полезной при определении векторов облачного ветра - особенно в ситуациях многоярусной и слоистой облачности, которые сейчас приходится избегать: первые - из-за того, что облака разных ярусов в пределах шаблона движутся с различными скоростями; вторые - из-за слабости контрастов.

Рис. 3. Результаты работы метода РК определения векторов

Однако это потребует более коротких временных интервалов - 15 мин. и менее, чем ныне используемые 30 -минутные, поскольку размытые контуры долго не живут. Обеспечение таких коротких интервалов планируется для геостационарных спутников второго поколения ( MTSAT, MSG), поэтому исследование этих вопросов, а также прогнозно-независимых способов оценки высоты ВДА обоих типов должно составить предмет дальнейших исследований.

Литература

1. Velden C.S. Exploratory satellite-derived winds research at CIMSS // Proc. 5th International Winds Workshop, Lorne, Australia. EUMETSAT. - 2000. - Р. 187-194.

2. Nieman S., Menzel W.P., Hayden C., Gray D., Wanzong S., Velden C., Daniels J. Fully automated cloud-drift winds in NESDIS operations // Bull. Amer. Meteor. Soc. - 1997. - Vol.78. - Р. 1121-1133.

3. Holmlund K. Half hourly wind data from satellite derived water vapour measurements // Adv. Space Res. - 1995. - Vol. 16, N 10. - Р. 59-68.

4. Daniels J. M., Bresky W. Validation of GOES clear-air water vapor winds // Preprint Volume, 11th Conference on Satellite Meteororology and Oceanography, 15-19 October, Madison, Wisconsin, American Meteorological Society, Boston. - 2001. - Р. 61-64.

5. Tokuno M. Improvements in the method to extract operational cloud motion winds and water vapormotion winds of the GMS-5 system // Proc. 4th International Winds Workshop, Saanenmoser. EUMETSAT. - 1998. - Р. 61-68.

6. Rattenborg M. Operational Meteosat Wind Products Towards MSG // Proc. 5th International Winds Workshop, Lorne, Australia. EUMETSAT. - 2000. - Р. 37-46.

7. Velden C.S., Hayden C.M., Nieman S., Menzel W.P., Wanzong S., Goerss J. Uppertropospheric winds derived from geostationary satellite water vapor observations // Bull. Amer. Meteor. Soc. - 1997. - Vol.78, - Р. 173-195.

8. Eigenwilling N., Fisher H. Determination of midtropospheric wind vectors by tracking pure water vapor structure in METEOSAT water vapor image sequences // Bull. Amer. Meteor. Soc. - 1982. - Vol.63. - Р. 44-57.

9. Stewart T.R., Hayden C.M., W. Smith W. A note on water-vapor wind tracking using VAS data on McIDAS// Bull. Amer. Meteorol. Soc. - 1985. - Vol. 66, No.9. - Р. 1111-1115.

10. Holmlund K. The utilization of statistical properties of satellite-derived atmospheric motion vectors to derive quality indicators // Wea. Forecasting. - 1998. - Vol.13. - Р. 1093-1104.

11. Бобков В.А., Казанский А.В., Морозов М.А. Выделение размытых контуров на примере определения скорости течений по спутниковым изображениям // Автометрия. - 2001. - № 2. - С. 3-12.

12. Wu Q.X. Computing velocity fields from sequential satellite images // Satellite Remote Sensing of the Oceanic Environment. Tokio: Seibtsu Kenkyusha. - 1993. - Р. 40-48.

13. Бобков В.А., Казанский А.В., Морозов М.А., Щебенькова А.А. Релаксационно-контурный алгоритм определения векторов морских течений по спутниковым изображениям и его синоптическая верификация // Автометрия. - 2003. - № 1. - С. 73-81.

14. Schmetz J., HolmlundK., Hoffman J., Strauss B., Mason B., Gдrtner V., Koch A., Van de BergL.Operational cloud-motion winds from Meteosat infrared images // Journ. Appl. Meteor. - 1993. - Vol. 32. - Р. 1206-1225.

15. Le Marshall J., Pescod N., Seecamp R., Rea A., Tingwell C., Ellis G., Shi H. Recent advances in the generation and assimilation of high spatial and temporal resolution satellite winds // Proc. 5th International Winds Workshop, Lorne, Australia. EUMETSAT. - 2000. - Р. 47-56.

16. Holmlund K. Currentstatus of EUMETSAT operational and future AMV extraction facilities // Proc. 6h International Winds Workshop, Madison, Wisconsin, USA. EUMETSAT. - 2002. - Р. 45-52.

17. Elliott S. S. Parallel quality control of EUMETSAT wind products, with and without the use of forecast wind fields // Proc. 5th International Winds Workshop, Lorne, Australia. EUMETSAT. - 2000. - Р. 81-88.

18. Tokuno M. Status of GMS-5 wind products and MTSAT wind products plans at MSC/JMA // Proc. 5th International Winds Workshop, Lorne, Australia. EUMETSAT. - 2000. - Р. 19-26.

19. Gustafsson J., Van de Berg L., Roveda F., Yildirim A. Reprocessing of atmospheric motion vectors from METEOSAT image data // Proc. 6h International Winds Workshop, Madison, Wisconsin, USA. EUMETSAT. - 2002. - Р. 53-62.

20. Schuett C.D., Johnson T.D., Conner M.D., Skupniewicz C.E. Operational considerations and uses for geostationary satellite derived wind vectors // Proc. 6h International Winds Workshop, Madison, Wisconsin, USA. EUMETSAT. - 2002. - Р. 63-80.

21. Примечание: Труды международного ветрового семинара (International Winds Workshop) доступны на сайте EUMETSAT: http://www.eumetsat.de/en/area2/proceedings.

Размещено на Allbest.ru