Microsoft Word 1 География doc
жүктеу/скачать 16,6 Mb. Pdf көрінісі
|
| ҚазҰУ Хабаршысы. География сериясы. 2010, №2 (31)
107 облака (туманы) имеют очень похожие спектральные и текстурные характеристики. Это создает дополнительные сложности при дешифрировании снимков. Снег преимущественно наблюдается в градации 71–105 и обладает светло-серым тоном изображения, также здесь мы можем увидеть разнообразные перистые и высоко-кучевые облака (рис. 6 а, б), наблюдается высоко-слоистая и слоисто-кучевая облачность. Некоторые типы облачности входят сразу в несколько градаций, что объясняется различием их подтипов по мощности и структуре. В следующей градации 141–175 может также наблюдаться слоисто-кучевая облачность, но при этом в эту градацию вошли кучевая и слоистая облачность. В пределах градации 176–210 наблюдается слоисто-дождевая и мощная кучевая облачность. В градации 211–255 определена слоисто-дождевая и кучево-дождевая облачность (рис. 6 в). а б в Рисунок 6. Перистая (а), высоко-кучевая (б) и кучево-дождевая (в) облачность Эти типы имеют наибольшую яркость вследствие их большой вертикальной протяженности и высокого влагосодержания. Количество такой облачности мало, однако представляет наибольший интерес для изучения, так как с ней связаны некоторые стихийные гидрометеорологические явления. После проведения сравнительного анализа по точкам, в которых снималась яркость, стало известно, что значения ее при расстоянии между точками 200 км иногда сильно отличаются, что обусловлено существенным различием типов и видов облачности и ее постоянной эволюцией. Яркость подстилающей поверхности может очень сильно изменяться, и снежный покров может иметь яркость, сопоставимую с яркостью некоторых облачных элементов, таких, как перистые облака. Низкую температуру и яркую белую окраску дают не только слоисто-дождевые и кучево-дождевые облака, но и облака верхнего и среднего яруса, не образующие осадков. Для отделения облачности от заснеженной поверхности земли и определения типа облаков исследовались все имеющиеся снимки и динамика облачности на них в комплексе с наземными данными. Результатом явилась вышеприведенная классификация, которая максимально точно отображает местные особенности региона исследования. Выполненные исследования могут рекомендоваться как вспомогательный материал при дешифрировании спутниковых снимков и определении типов облачности в весенний период на территории Северного Казахстана. 1. Волкова Е.В., Успенский А.Б. Детектирование облачности и определение ее параметров по спутниковым данным в светлое время суток // Метеорология и гидрология. – 2007. – № 12. – С. 15–23. 2. Алексеева А.А., Бухаров М.В. Диагноз гроз по синхронной информации спутниковых радиометров микроволнового и инфракрасного диапазонов // Метеорология и гидрология. – 2005. – № 6. – С. 30–39. 3. Бокова П.А., Севостьянова Т.В. О влиянии горно-долинной циркуляции на динамику конвективного облака // Труды КазНИГМИ. – 1982. – Вып. 90. – С. 43–51. 4. Чичасов Г.Н. О статистической структуре некоторых характеристик облачности в Казахстане // Труды КазНИГМИ. – 1978. – Вып. 72. – С. 41–52. 5. Переведенцева О.В. Прогноз осадков в холодный период года с использованием данных пятиканального радиометра AVHRR со спутников гидрометеорологического назначения серии NOAA // Метеорология и Гидрология. – 2006. – № 10. – С. 60–64. |