Восстановление характеристик снега по данным спутниковых наблюдений

Снежный покров обладает значительным влиянием на альбедо Земли и, соответственно, на ее климат. Развитие методов спутникового зондирования, в частности, мониторинга возраста снега, степени его загрязнения и размера зерен, становится особенно важным для полярных регионов, где затруднены прямые измерения.

В первых работах по космическому зондированию снега использовалась модель, в которой снег рассматривался как слой, состоящий из независимых сферических рассеивателей [22,23]. Оптические свойства снега рассматривались на основе теории Ми, а связь между коэффициентами яркости снежного покрова и характеристиками однократного рассеяния описывалась теорией переноса излучения. До недавнего времени большинство алгоритмов восстановления размера снежных зерен по измеренным радиационным характеристикам основывались на этой модели [24-26].

Однако, как следует из многочисленных исследований оптических и микрофизических свойств снега, снежный слой представляет собой плотно упакованную среду, состоящую из частиц неправильной формы, в которой имеет место многократное рассеяние. Заметим, что форма снежных зерен не может быть известна априори, более того, их форма существенно изменяется в зависимости от условий формирования снега, его возраста и окружающей среды.

Известно, что функция углового распределения коэффициента яркости (BRDF, bidirectional reflectance distribution function) снежного покрова зависит от индикатрисы рассеяния снега. Эта зависимость достаточно сильна благодаря вкладу однократного рассеяния (точнее, квази-однократного рассеяния). Это (BKA) was performed using the ARC software and the snow surface at the area of the Russian station «Progress». Calibration results are presented in Table 2.8.

2.3.4. Retrieval snow microphysical characteristics from satellite data

Snow cover affects significantly the Earth's albedo and thus the Earth's climate. The development of techniques for the satellite remote sensing and particularly for monitoring of snow age, snow pollution concentration, and snow grain size is especially important for difficult to access polar regions.

The microphysical model of snow as polidisper-sion of independent spherical particles was deployed in the first approaches for developing techniques for snow satellite remote sensing [22,23]. The optical properties of snow were considered with Mie theory and radiative transfer was simulated with the radiative transfer equation. Algorithms for retrieving the snow grain size from measured radiative characteristics were based at this model [24-26].

However according to numerous field studies of the snow optical and physical properties, snow cover should be considered as a layer of densely packed medium consisting of irregular particles, in which multiple scattering occurs. Let us underline that no information is available a priori about the shapes of snow grains. Moreover the grain shape changes essentially dependent on condition of forming a snow cover, environment characteristics, age of snow etc.

As known the snow bidirectional reflectance distribution function (BRDF) and albedo at direct incidence depend on the phase function of snow. This dependence is strong enough due to the contribution of single scattering (or rather due to quasi-single scattering). This is particularly important in the cases of особенно существенно для случаев косого освещения, которое, как правило, имеет место в полярных регионах. Индикатриса рассеяния, в свою очередь, сильно зависит от формы рассеивающих частиц. Поэтому априорные предположения о форме частиц снега могут привести к неконтролируемым ошибкам восстановления его параметров.

Новый алгоритм восстановления характеристик снега по данным спутниковых наблюдений (SGSP, Snow Grain Size and Pollution - размер снежных зерен и загрязнение) был предложен нами и описан в работах [27,28]. Он основан на аналитическом решении асимптотической теории переноса излучения, которое описывает отражение снегом, и геометрооптическом приближении теории рассеяния, описывающем оптические параметры снега. Оба эти подхода развиты авторами ранее [29]. Таким образом, в алгоритме SGSP нет предположений о форме частиц, и он может быть использован для плотно упакованных сред. Этот алгоритм включает также атмосферную коррекцию с учетом BRDF.

Влияние неизвестной индикатрисы рассеяния в алгоритме SGSP исключается посредством использования дополнительного спектрального канала: это один из ключевых моментов алгоритма. Используются каналы радиометра MODIS № 3,2, и 5 (длины волн 469; 858,5 и 1024 нм соответственно), поскольку сажа главным образом проявляет себя в видимом диапазоне (канал № 3), в то время как поглощение льда проявляется в ближней ИК-области (канал № 5). Канал № 2, где существенно поглощение как сажей, так и льдом, является дополнительным и используется для исключения неизвестной индикатрисы рассеяния.

Алгоритм SGSP был реализован в виде компьютерной программы с графическим интерфейсом для операционной системы Win32 и в виде консольного приложения для системы Linux. Он был включен в цепь обработки данных радиометра MODIS в режиме реального времени в Бременском университете (http://www.iup.uni-bremen.de:8084/amsr/modis.html). Рисунок 2.23 демонстрирует пример обработки космического снимка в районе горы Вечерняя в Антарктиде.

Алгоритм SGSP был модифицирован с учетом специфических условий Антарктиды.

Важной особенностью снежной поверхности в Антарктиде является частичное обнажение скальных пород в результате таяния снега летом либо в результате сдувания сильным ветром зимой. Это значит, что для восстановления микроструктуры снега необходимо одновременно из тех же спутниковых данных оценить и долю обнаженной скальной породы в пикселе. Поэтому спектр отражения скал должен быть известен априори. Этот спектр был взят из базы данных NASA [30] и из экспериментальных low Sun typical for polar regions. The phase function in its turn depends strongly on particles shapes. Therefore, a priori assumptions about the shape of snow particles may lead to uncontrolled errors of retrieved parameters.

We have developed a new algorithm for retrieval of the effective snow grain size and pollution amount from satellite data (SGSP, Snow Grain Size and Pollution) [27,28]. This algorithm is based at the analytical solution for snow reflectance within the asymptotic radiative transfer theory and on the theory providing the inherent optical parameters of snow within the geometrical optics approximation of the theory of scattering. Both used approaches were developed by authors earlier [29]. Thus the SGSP algorithm does not use any assumptions on snow grain shape, can be used for close-packed layers and allows for the snow pack BRDF. The algorithm includes a new atmospheric correction procedure that allows for snow BRDF.

Algorithm SGSP does not require any assumptions about the snow grains shapes. The use of additional spectral channel data allows eliminating an effect of unknown phase function of snow grains, and this is one of the key points of the algorithm. The developed algorithm has been implemented in the MODIS processing chain. The MODIS channels 3,2, и 5 (wavelengths 469,858.5 and 1024 nm correspondingly) are used since soot mainly manifests itself in the visible range (channel 3), while the ice absorption appears in the near infrared (channel 5). Channel 2, where both ice and soot contribute in absorption is used to eliminate the effect of unknown scattering phase function.

The SGSP code has been realized as Win32 and LINUX console applications. The developed algorithm has been implemented in the near-real time MODIS processing chain at the University of Bremen (see http://www.iup.uni-bremen.de:8084/amsr/modis. html). Figure 2.23 shows an example of processing a satellite image of the area of Mount Vechernyaya in Antarctica.

The algorithm SGSP has been modified to regard the specific Antarctic environment features.

An important feature of the snow cover in Antarctica is the partial exposure of rocks produced by summer snow melting or by strong wind blowing. Hence we are dealing with the sub-pixel problem in the case. To perform the snow microstructure diagnostic it is necessary to know the pixel structure i.e. the part of the pixel covered by snow and by rock outcrop. To do so the reflection spectrum of rock outcrop should be known a priori. Reflection spectra of rocks in Antarctica have been taken from the NASA database [30]

100 150 330

Размер зерен снега, мкм Snow grain size, pm

Рис. 2.23. Распределение размеров зерен снега в районе горы Вечерняя 15 ноября 2008 г., восстановленное по данным измерений спутниковым инструментом MODIS (слева, белый цвет - не снежные пиксели), и изображение того же района на длине волны 905 нм (справа, белый цвет - снег, лед и облака). Красная линия - береговая линия Антарктиды

Fig. 2.23. The distribution of the snow grain size (pm) in the area of Mount Vechernyaya retrieved from MODIS data November 15, 2008 (left; pixels without snow are given in white), and picture of the same area at wavelength 905 nm (right; snow, ice and clouds are given in white). Antarctica coastline is given in red

данных, полученных с использованием альбедометра AS-A (см. раздел 2.1.2).

Второй особенностью снежного покрова в Антарктиде является очень малая концентрация загрязнения. Как показал анализ спутниковых данных, величина сажевого загрязнения настолько мала, что не поддается восстановлению со спутников. Поэтому в модифицированном алгоритме концентрация сажи полагается раной нулю, что уменьшает число определяемых параметров.

Таким образом, в основе разработанного метода и модифицированного алгоритма восстановления параметров снега в Антарктиде (SGSR, Snow Grain Size and Rocks) лежит зависимость измеренной яркости отраженного света от характеристик подстилающей поверхности: размера снежных зерен и доли обнаженных скальных пород.

Входными данными алгоритма являются измеренные в каналах спутникового радиометра MODIS коэффициенты яркости света, отраженного поверхностью. Выходные данные - восстановленные зна-and from experimental data obtained with use of the albedometr AS-A, were analyzed and typical spectrum has been chosen (see part 2.1.2).

The second characteristic feature of Antarctic snow cover is the negligible concentration of pollutions. The analysis shows that the snow pollution concentration is so small that it does not manifest itself in satellite data. Thus, in the modified algorithm the zero soot concentration is supposed a priori, which reduces the number of estimated parameters.

Thus the base of the developed algorithm and software for the snow grain size retrieval in Antarctica (SGSR, «Snow Grain Size and Rocks») is the relationship between the measured reflected light signal and the characteristics of the surface: the size of snow grains and fractions of rock exposure.

The input data of the SGSR algorithm are the signals in the channels of the satellite radiometer MODIS. The SGSR output data are retrieved values of the efficient snow grain size and the part of pixel чения эффективного размера снежных зерен и доля площади, занимаемая скальными породами в каждом пикселе. Кроме того, алгоритм требует задания некоторых априорных данных, а именно, региональной атмосферной модели и спектра отражательной способности скальных пород.

Верификация алгоритма показала, что он позволяет с достаточно высокой точностью восстанавливать спектральное альбедо снежной поверхности и одновременно оценивать долю пикселя, занимаемую скальными породами. При этом ошибка восстановления искомых параметров в результате неточности задания априорной атмосферной модели пренебрежимо мала, а ошибка восстановления в результате неточности задания априорного спектра скальных пород составляет ±10% для группы наиболее часто встречающихся в Антарктиде скальных пород.

covered by snow (or part of pixel with rock exposure). Furthermore, the algorithm requires some a priori reference data, namely, a regional atmospheric model and rocks reflectance spectrum.

The preliminary verification of the algorithm showed that it allows retrieving the spectral albedo of the snow surface and estimating the part of the pixel occupied by rock outcrop with sufficient accuracy. The error of the retrieved parameters as a result of the inaccuracy of a priori atmospheric model showed to be negligible. The retrieval error as a result of the inaccuracy of a priori spectrum of rock outcrop is ±10% for the most common Antarctic rocks.