ИСТИНА

Облачность и аэрозоль оказывают существенное влияние на точности восстановления со- держания малых газовых примесей в нижней тропосфере методами дифференциальной спектроскопии (DOAS). Содержание газа в вертикальном столбе атмосферы пропорцио- нально непосредственно получаемой из измерений методом DOAS наклонной толщи газа. При этом коэффициент пропорциональности F, является величиной обратной к так назы- ваемой эффективной воздушной массе [1] и рассчитывается с помощью линеаризованной модели переноса излучения в атмосфере [1], в которую закладываются оптические харак- теристики на момент измерения. Поскольку наблюдения методом DOAS часто не сопровождаются прямыми измерения- ми облачности и аэрозоля, то решение задачи определения их характеристик или оцени- вание непосредственно коэффициента F по самим спектральным измерениям могло бы повысить точность измерения содержания малых газовых примесей. В работе рассмат- риваются задачи определения характеристик облачности и аэрозоля, а также коэффици- ента F, по данным измерений рассеянного солнечного излучения двумя методами ма- шинного обучения: искусственных нейронных сетей [2] и случайного леса [3]. В качестве обучающей выборки использовался массив данных, полученных решением задачи переноса излучения методом Монте-Карло. Всего использовалось 672 примера, которые были разделены на три части: обучающую выборку (64% от общего числа при- меров), выборку, использованную для валидации при обучении (16%) и тестовую вы- борку (20%). В методе нейронных сетей использовалась регуляризация в виде ограниче- ния на взвешенную сумму комбинации евклидовой и равномерной норм вектора весов, оптимальные параметры регуляризации определялись как параметры, минимизирующие среднеквадратическую ошибку на тестовой выборке. На входы алгоритмов машинного обучения подаются значения интенсивности излучения и параметры системы «атмосфера-подстилающая поверхность Земли»: абсолютная ин- тенсивность на 4 длинах волн, наклонная толща O4 на 8 длинах волн, индексы цветности в УФ и видимом диапазонах, коэффициент при линейном члене DOAS анализа, зенит- ный угол Солнца, альбедо подстилающей поверхности. На выходе алгоритмы дают зна- чения оценок оптической толщи облачности, нижней границы облачности в км, оптиче- ской толщи аэрозоля и коэффициента F. Получены предварительные оценки точностей восстановления параметров атмосферы, изучена их изменчивость при вариациях набора входных параметров алгоритмов, харак- терных для условий измерения двуокиси азота в летний период. Работа выполнена при поддержке РФФИ грант 19-01-00790 (решение задач оценивания с помощью нейронных сетей) и РНФ грант 16-17-10275 (моделирование измерений типа DOAS для NO2 и H2CO).