FY-3D星微波湿温探测仪通道响应函数的影响分析

微波湿温探测仪（MWHTS）的通道响应函数（SRF）一般被认为近似于矩形函数，然而从实际SRF的测试数据来看，MWHTS各个频段不同通道的SRF存在一定的带内波动。本文利用大气辐射传输模拟器（ARTS）模拟了MWHTS中118 GHz各通道不同场景的亮温谱，并输入至前期建立的MWHTS系统仿真模型中，通过定标得到了仪器的输出亮温，进而评估实测SRF对亮温测量及其反演的大气温度廓线的影响，并利用卫星实测数据进行了对比验证。结果表明，亮温偏差与实际SRF的带内波动呈现线性正相关的关系，当带内波动大于3 dB时，亮温偏差可以达到0.2—0.5 K。SRF的带内波动会造成大气温度廓线反演误差，特别是在高度为1.8 km时，误差最大可以达到0.8—0.9 K，该仿真结果与卫星实测数据结果一致。因此在使用数据同化方法对数值天气预报（NWP）进行模拟时，需要特别注意具有较大SRF带内波动的通道所引起的亮温偏差，这对于未来卫星数据的应用具有重要的研究价值。     

FY-3C/MWHTS资料反演陆地晴空大气温湿廓线

针对风云三号C星微波湿温探测仪(FY-3C/MWHTS)的陆地晴空观测资料,建立了一维变分反演系统,对大气的温湿廓线进行反演。为了更好地描述温湿廓线的相关性,同时减小温度和湿度在反演过程中相互之间的误差传递,提出了使用背景协方差矩阵的联合矩阵和单独矩阵进行组合反演的方法。对于MWHTS模拟亮温和观测亮温之间的偏差,使用逐扫描点的统计回归方法进行校正。选择中国部分陆地区域的晴空观测亮温进行温湿廓线的反演,并利用欧洲中期天气预报中心(ECMWF)再分析数据、美国国家环境预报中心(NCEP)分析数据以及无线电探空观测(RAOB)数据对反演结果进行验证,温湿廓线的反演结果与ECMWF再分析数据验证的最大均方根误差分别是2.59 K和11.87%,与NCEP分析数据验证的最大均方根误差分别是1.88 K和21.50%,与RAOB数据验证的最大均方根误差分别是3.43 K和25.48%,验证结果表明了反演结果的可靠性。另外与国外同类载荷AMSU观测亮温的物理方法和统计方法反演精度进行了对比,结果表明:MWHTS具有较强的湿度廓线以及高空温度廓线的探测能力,且针对MWHTS的观测亮温建立的一维变分反演系统具有较高的反演精度。与NCEP 6小时预报廓线的验证结果表明:反演的湿度廓线可以提高预报廓线的精度。     

AMSR-E/2观测辐射值反演水成物参数

基于先进的微波扫描辐射计AMSR-E/2观测的辐射值,利用-维变分算法(1D-Var)反演各类水成物(云水、雨水和云冰)的垂直廓线,并对其反演结果进行检验。以2014年8月台风"夏浪"为例,分两步对变分反演的云微物理参数进行了检验。首先,将反演的各类水成物含量补充到辐射传输模式的输入场,观测算子模拟的AMSR-2各通道亮温与实况观测相比非常接近,可以很好地模拟出台风外形、强度及螺旋结构。其次,将反演的水成物廓线与载在Cloud Sat上的云雷达CPR同时段观测的雷达反射率因子进行对比,发现反演出的云水、雨水含量大值区与毫米波云雷达观测的雷达反射率因子高值区一一对应,进一步说明1D-Var反演的水成物参数精度很高。然而,由于星载AMSR-E/2观测通道少且空间分辨率低,对尺度较小、较薄的云不敏感,同时对云层较厚的密闭云区和多层云区反演能力也有限。     

FY-3C微波温度计资料的台风“威马逊”垂直结构研究

风云三号C星(FY-3C)携带的微波温度计(MWTS)辐射资料能够穿透非降水云,因此非常适合热带气旋的监测和结构研究。本文使用MWTS观测资料和逐步多元线性回归方法反演晴空和有云两种不同大气状况下的垂直温度廓线。晴空条件下,使用MWTS通道3—10的观测亮温进行大气温度廓线的反演,而有云情况下,仅使用通道5—10,并且两种状况下的逐步线性回归反演都通过1%的信度检验。研究结果表明在晴空状况下,大气各层温度反演的均方根误差都在1.4 K以下,足够精确到可以用于热带气旋上层暖心结构的反演。通过对台风"威马逊"周围温度廓线的反演研究,可以清楚地观察到200 hPa高度层上台风的暖心结构和沿着台风中心的温度梯度热结构,明显优于美国国家环境预报中心(NCEP)再分析资料得到的台风暖心结构。在大气温度廓线反演基础上,先由采用静力平衡计算各层大气台风"威马逊"周围的位势高度场,再由梯度风平衡计算台风周围的水平切向风,结果显示最大风速半径约80km,最大风速达51m/s,且由低层向高层逐步减弱。     

基于神经网络的太赫兹冰云探测反演算法研究

太赫兹频段在冰云探测上具有独特优势,但是目前的太赫兹冰云反演算法将不同种类冰相粒子（主要是冰和霰）视为冰粒子统一计算。本文根据冰云太赫兹辐射特性实现了一种预分类的神经网络算法,能够从太赫兹亮温中分别反演得到冰、霰两种粒子的统计参数和廓线分布。首先,基于WRF数值模式和ATMS载荷真实观测的冰云霰数据构建了包含冰、霰粒子密度廓线的混合冰云数据库,然后,使用DOTLRT辐射传输模式模拟183 GHz、243 GHz、325 GHz、448 GHz、664 GHz和874 GHz这6个频段的星载太赫兹冰云探测亮温,最后,开展冰云参数探测仿真试验,验证反演算法性能。仿真试验中反演得到的冰和霰的路径总量均方根误差分别为8.97 g/m²和10.90 g/m²,等效粒径均方根误差分别为7.54 μm和25.38 μm,反演的冰、霰密度廓线也具有较高的精度。研究结果表明本文算法能够以较好的精度从多频太赫兹冰云探测亮温数据中分别反演得到冰、霰两种粒子的路径总量、等效粒径、等效云高和密度廓线,突破现有研究仅仅计算单一冰粒子的局限,更加符合冰云真实情况。     

星载微波辐射计交叉定标中陆面目标辐射亮温计算模型

从被动微波辐射计在轨辐射定标的角度出发, 选取亚马逊雨林作为高温地面目标, 利用DMSPF13-SSM/I数据和NCEP数据对研究区19—89GHz辐射特性进行分析。研究发现, 利用辐射亮温稳定的热带雨林作为地面目标, 对19—89GHz的频段, 微波辐射亮温计算精度可以达到1K以内; 对于6和10GHz这样的低频通道, 撒哈拉沙漠是一个可供选择的地面目标, 根据所建立的亮温计算模型, 利用数值预报分析场NCEP数据作为输入, 其亮温计算精度在2K以内。     

红外高光谱资料反演有云时大气温湿廓线的模拟研究

在模拟星载红外高光谱辐射观测值对云高和有效云量的敏感性基础上展开了有云时大气温湿廓线反演的模拟研究,用特征向量统计反演法反演大气温湿廓线时进行云顶高度分类在一定程度上可提高反演精度,但在云顶以下高度反演误差仍然较大.在AIRS像元中加入匹配的晴空MODIS红外观测值,可以提高云顶以下高度的反演精度,云顶所在高度越高大气参数反演精度提高越大,尤其足温度反演精度,有云时模拟的均方根误差在整层大气中几乎小于2K.     

澳大利亚上空COSMIC掩星廓线的反演

基于几何光学反演方法,由附加相住延迟序列出发,对2007年6月6日发生在澳大利亚上空的一次COSMIC掩星事件进行了反演.将反演得到的折射角、折射率、干温与湿度廓线分别与COSMIC数据分析与管理中心(COSMIC data analysis and archive center,CDAAC)的相应产品进行了比较.结果表明,两者在低对流层存在较显著的差异.以距离该掩星地点300 km以内、观测时间差异2 h以内的无线电探空资料为参照,反演的折射率廓线与CDAAC的折射率廓线在低对流层都存在一定的误差.对于该掩星事件,CDAAC通过变分法反演的湿度廓线并不比本文的反演结果更接近探空廓线;在1 km以下,其变化趋势甚至与探空结果相矛盾.     

山区地形效应对微波辐射特征与土壤水分反演的影响—以青藏高原地区为例

采用星载微波辐射计AMSR-E的低频C波段(6.925GHz),改进了山区微波辐射传输方程,以中国青藏高原地区为例,研究山区可能产生的多种地形效应对微波辐射特征以及土壤水分反演的影响。结果表明,地形效应使得垂直极化亮温最多衰减达到16K,水平极化的亮温最大增强了18K,土壤水分在地形的影响下将被高估超过最大允许误差4%。最后,利用地形效应模拟模型计算的山区地表有效发射率,为山区土壤水分的反演提出了可行的地形校正方法。     

中国陆地区域陆表温度业务化遥感反演算法及产品运行系统

地表温度反演的裂窗算法已成功应用于NOAA系列卫星热红外遥感数据。目前，裂窗算法中应用较为广泛的一种是Becker等人于1990年提出的局地裂窗算法，主要是通过辐射传输模型模拟不同地表条件和大气状况下，地表温度和发射率对红外辐射亮温的影响，从而发展出一个利用AVHRR4，5通道亮温数据反演地表温度的线性模型。在晴空无云和地表比辐射率能精确估算的情况下，Becker算法反演地表温度的精度在1K以内。Becker算法用Lowtran程序模拟计算地表辐射量，且模型中参数主要针对NOAA-9传感器特性得到。本文在Becker算法的基础上，针对NOAA-16／17传感器热红外通道光谱响应函数特性，利用最新的、计算光谱分辨率更高的MODTRAN程序模拟不同大气状况下，不同地表温度和发射率对NOAAAVHRR4，5通道辐射亮温响应特性的影响，改进Becker算法中模型参数，使之能适用于NOAA-16／17热红外数据。同时，本文利用植被指数NDVI，在中国陆地区域lkm分辨率最新地表分类数据的基础上，得到模型中需要的地表比辐射率参数，将改进的模型应用于1km分辨率NOAA17数据，得到了旬合成中国陆地区域范围地表温度，通过地面气象台站实测数据对比验证．取得了较好的结果。