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。     

风云三号卫星被动微波反演海洋上空云液态水含量

云液态水含量是气候和水循环研究的重要云微物理参数，也是目前气候变化研究中的最不确定因素之一。通过极轨气象卫星被动微波观测的光谱和极化特征能够实现对云液态水含量的直接测量，本文介绍了一种基于风云三号卫星微波成像仪（MWRI）观测亮温的全天候云液态水含量反演算法，利用快速辐射传输模式、云模型和大气廓线库建立MWRI模拟亮温库并训练反演系数的宽气候态物理算法可以保证算法系数在不同季节和不同地区的适应性。同时提出了一种基于观测增量（O-B）筛选晴空像元并对算法系数及比例因子进行订正的方法。利用统计直方图方法和卫星间交叉比对方法对反演产品精度进行了检验，统计直方图方法检验结果表明，FY-3C云水反演误差为0.028 mm，FY-3D为0.025 mm，与国外同类产品的精度相当；与低轨卫星微波辐射计GMI云水产品的交叉比对结果表明，两者具有较高一致性，均方根误差为0.0325 mm。FY-3C/3D CLW产品目前已经投入业务应用，上下午星组网能够一天内基本覆盖全球，实现全球云水分布监测。     

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.     

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。     

应用SVM技术模拟前向辐射传输模式

提出了一种利用支持向量机(SVM)模拟前向辐射传输模式的方法.利用欧洲中期天气预报中心(ECMWF)的RTFOV_8_7前向辐射传输模式和60L-SD廓线集牛成了AMSU-A模拟亮温资料,用模拟亮温和相应的廓线集资料组成训练样本和检验样本,采用SVM方法进行训练.对检验样本的模拟显示,SVM可以用于描写前向辐射传输模式中的非线性映射关系,较好地由大气廓线集资料模拟出与其相关的AMSU-A仪器5-14通道亮温,其中通道6-14的均方根误差在0.1K以内,平均误差算术平均值在0.01K以内.通过多元线件同归方法对温度廓线进行反演试验,发现用SVM模拟的亮温可以用于温度廓线反演,其反演精度可以达到甚至高于RTTOV_8_7计算的亮温.     

一种反演雷达波束内不均匀反射率场的方法

本文从原始雷达方程出发,提出了一种雷达加密观测方案和退卷积的数据反演方法,以实现雷达天线波束内的反射率不均匀结构信息的提取。反演方法的数值试验表明,此反演方法比常规测量方法在角分辨率方面提高约３倍,对波束内尺度为０．５８－２．０ＨＷ（ＨＷ是天线３ｄＢ波束宽度）的反射率变化有明显的反演能力。观测数据的测量误差对反演质量的影响也进行了计算和分析。本文还讨论了反演方法对雷达观测中的一些技术参数的要求。这些结果对于提高雷达尤其是星载微波主被动遥感器在测量降水量和云中含水量等参数中的精度有重要作用和现实意义。     

多通道地基微波辐射计大气遥感

本文主要介绍了自主研发的多通道地基微波辐射计观测亮温和数据反演方法,并与探空观测值进行对比,分析了辐射计观测亮温、反演的温度和水汽廓线的精度。结果表明,该仪器亮温观测误差小且利用神经网络反演的大气温度及水汽等廓线参数准确可靠,具有实际应用价值。     

简化VVP反演算法在台风风场反演中的应用

多普勒雷达资料的体积速度处理VVP(Volume Velocity Processing)风场反演方法可反演风场的3维结构,但由于算法的系数矩阵病态问题易导致反演风场产生误差。本文针对VVP算法中反演参数的性质,进行了简化算法的模拟检验和误差分析。选取量级最大的3个主要参量进行反演,引入随机的观测误差,通过改变模拟风速确定了反演算法的适用范围。对比结果发现,简化算法的反演结果对观测误差并不敏感,而且从低仰角到高仰角的均方根误差基本不变,当风速较大时,反演的精度会更准确。对0608"桑美"台风的风场反演表明,该算法较真实地反演出了台风中心及眼区外围的风场,并与Rankine台风模型相符。研究表明,简化VVP算法可清晰地揭示台风内部水平风场的3维结构,可以应用于台风等灾害性天气的风场反演与分析。     

被动微波遥感观测资料干扰对地表参数反演的影响分析

以东亚陆地为研究区,利用2011年7月1—16日AMSR-E(advanced microwave scanning radiometer-earth observing system)二级亮温数据,采用一维变分反演收敛度量识别法对研究区的无线电频率干扰(radio-frequency interference,RFI)进行识别,并进一步分析了该干扰对星载被动微波数据反演地表参数的影响。研究表明,在东亚地区,AMSR-E C波段和X波段都普遍存在RFI,大多出现在工业区、科研中心、人口密集的大城市、机场和高速公路等区域;一般情况下,C波段和X波段的干扰信号分布区域基本不重合;水平和垂直极化通道都有较强的RFI存在,其时间上具有持续性,且不同极化方式下干扰信号的强度因地而异;干扰信号的强度随卫星地球方位角的变化而变化,当星载微波辐射计扫描到某一地球方位角度范围内时这些视场才会受到干扰。研究还发现,用受RFI影响的微波数据反演得到的地表参数值误差较大。因此,在采用被动微波观测数据反演地表参数之前,有必要先有效地检测和剔除RFI。     

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。     

A Refined Two-Channel Microwave Radiometer Liquid Water Path Retrieval for Cold Regions by Using Multiple-Sensor Measurements

Traditional two-channel microwave radiometers (MWRs) are widely used to measure cloud liquid water path (LWP); however, the retrieved LWPs are subject to relatively large uncertainties, particularly for low LWP clouds. By reformulating the statistical retrieval method with clear-sky measurements as a reference, a simple method is presented to significantly reduce uncertainties in the LWP retrieval due to errors in MWR calibration, uncertainties in the absorption coefficients of atmospheric gases, and variations in the vertical profiles of temperature and pressure. The improvement is illustrated by comparing the statistics of the erroneous clear-sky LWP for the Department of Energy's Atmospheric Radiation Measurement Program Climate Research Facility observations at the North Slope of Alaska site and by comparing LWP retrieved with a multiple-sensor algorithm and LWP retrieved based mainly on MWR measurements. This letter also demonstrates the importance of using correct water cloud temperature and temperature-dependent water absorption coefficients for MWR LWP retrieval over cold regions. This approach can be easily implemented for combined MWR, ceilometer, and surface meteorological measurements.     

FY-3B/MWRI和Aqua/AMSR-E海冰密集度比较及印证

本文对2011-07-01—2011-09-30风云三号B星(FY-3B)搭载的微波成像仪MWRI(Microwave Radiometer Imager)和Aqua卫星搭载的微波扫描辐射计AMSR-E(Advanced Microwave Scanning Radiometer for Earth Observing System)观测数据获取的海冰密集度产品进行比较及印证。首先,逐日比较FY-3B/MWRI和Aqua/AMSR-E区域平均海冰密集度;其次,逐月比较FY-3B/MWRI和Aqua/AMSR-E月平均海冰密集度;最后,使用Aqua卫星搭载的中等分辨率成像光谱辐射计MODIS数据进行印证。MWRI和AMSR-E比较结果为(1)MWRI与AMSR-E逐日区域平均海冰密集度变化趋势一致,MWRI海冰密集度均高于AMSR-E,7—9月MWRI与AMSR-E逐日平均偏差月平均值分别为8.55%、7.67%、2.58%,逐日标准差月平均值分别为12.16%、12.08%、10.43%,二者差异逐月减小。(2)MWRI与AMSR-E月平均海冰密集度差呈现逐月递减趋势,7—9月MWRI与AMSR-E逐月平均偏差分别为7.37%、6.53%、1.51%,逐月标准差分别为4.61%、4.36%、3.64%,MWRI与AMSR-E差异逐月减小的原因是二者在密集度较低的边缘区域差异较大,而夏季随着边缘区域海冰的融化,二者差异逐渐减小。MWRI和AMSRE海冰密集度与MODIS印证结果为:(1)密集度小于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏高,AMSR-E更接近MODIS,MWRI高估,误差较大。(2)密集度大于等于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏低,AMSR-E偏低更多,MWRI结果更好。     

Deriving Marine-Boundary-Layer Lapse Rate from Collocated CALIPSO, MODIS, and AMSR-E Data to Study Global Low-Cloud Height Statistics

Global cloud-top height statistics of marine-boundary-layer clouds are derived from the Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO) Level 2 aerosol and cloud layer products. The boundary-layer lapse rate in the northeast region of the Pacific Ocean is investigated using sea surface temperature (SST) data from the Advanced Microwave Scanning Radiometer-EOS (AMSR-E), cloud-top temperature data from the Moderate Resolution Imaging Spectroradiometer (MODIS), and cloud-top height data from CALIPSO. Based on the lapse rate derived from the combined CALIPSO/MODIS/AMSR-E measurements, cloud-top heights in regions within CALIPSO tracks are derived from AMSR SST and MODIS cloud temperature to test the validity of this approach. For homogeneous low-level clouds, the results agree with the cloud-top height from the collocated CALIPSO cloud-top height measurements. These results suggest that the database of derived lapse rates from the combined measurements can be applied to study cloud-top height climate statistics using the MODIS and AMSR data when CALIPSO observations are not available.      

对流层NO2柱浓度卫星遥感反演综述

NO2是主要的大气痕量气体, 对流层NO2垂直柱密度分布图已经用于诸如污染排放和污染物分布的科学应用研究。就NO2柱浓度的卫星差分光谱吸收反演算法(DOAS)进行了评述, 包括误差分析、验证和发展趋势。对DOAS算法中的主要技术环节进行了详细的阐述, 如ring效应算法、平流层NO2浓度算法和大气质量因子(AMF)问题。论文描述了影响卫星反演NO2浓度, 如云、NO2廓线的先验数据和气溶胶等不确定性因素。针对NO2反演应用需求提出了今后应该加强的内容, 如进一步加强NO2算法研究、发展空气质量探测的静止卫星、重视基于地基多轴被动DOAS和机载平台成像DAOS观测对卫星反演结果的验证。     

利用微波辐射计观测计算云衰减

在地-空路径传播过程中,云衰减对无线电卫星通信系统的高频率信号有着不可忽略的影响。利用HATPRO型微波辐射计观测反演获得的云中液态水密度廓线等信息,提出了一种适用于中纬度地区的精确计算云衰减的方法,得出了地-空路径信号传播过程中,云衰减对信号的影响随着频率增大急剧扩大的结论;具体表现为,在高频波段,99.99%的链路可用时间内云衰减超过10 dB。将微波辐射计计算所得的云衰减与云中液态水总量建立“线性关系”,与ITU-R(国际电联无线电通信部门)模型结果对比。结果表明:由于ITU-R模型低估了武汉地区的云中液态水总量,导致该模型低估了武汉地区的云衰减影响。     

AMSR-E地表温度数据重建深度学习方法

地表温度对于全球气候变化等研究具有重要意义。被动微波遥感传感器AMSR-E（Advanced Microwave Scanning Radiometer for EOS）可以获得全天候地表温度,可作为多云条件下热红外地表温度数据的补充;但轨道扫描间隙限制了该数据在全球或区域尺度上的实际应用。鉴于地表温度的高时空异质性和AMSR-E LST轨道间隙数据的特点,本文提出了一种多时相特征连接卷积神经网络地表温度双向重建模型（MTFC-CNN）,利用深度学习在处理复杂非线性问题上的优势,重建轨道间隙区域的地表温度值。将2010年中国大陆四季的AMSR-E LST数据（数据未含港澳台区域）,分为白天和夜晚,形成共8个数据子集进行实验。在模拟实验中,重建结果与原始反演地表温度值平均均方根误差在1.0 K左右,决定系数R²在0.88以上,优于传统的样条空间插值和时间线性回归方法;真实实验结果具有较好的目视效果,且与对应MODIS LST产品对比发现,重建区LST值和未重建区LST值与MODIS LST产品间具有相近的平均均方根误差和决定系数。因此,本文提出的MTFC-CNN方法能有效重建AMSR-E LST轨道间隙数据,且优于传统方法。     

Intercomparison of deep convective cloud fractions from passive infrared and microwave radiance measurements

The common method to detect deep convective clouds is from satellite infrared (IR) measurements, which is based on thresholds of cloud-top temperatures. However, thick cirrus clouds with high cloud tops are difficult to screen out using IR methods, resulting in an overestimation of deep convective cloud fractions. Two aircraft cases with simultaneous Millimeter-wave Imaging Radiometer, Multispectral Atmospheric Mapping Sensor, and ER-2 Doppler radar measurements during the Convection and Moisture Experiment 3 in August 1998 are analyzed to investigate the influence of high thick cirrus clouds on two previously developed IR methods. In contrast, a microwave method based on the brightness temperature differences between the three water vapor channels around 183.3 GHz of the Advanced Microwave Sounding Unit-B (AMSU-B) (183.3/spl plusmn/1,183.3/spl plusmn/3, and 183.3/spl plusmn/7 GHz) can screen out high thick cirrus clouds efficiently. The tropical deep convective cloud fractions (30/spl deg/S-30/spl deg/N) estimated by the IR methods and the AMSU-B method are compared. Although their geographical distributions are in well agreement with each other, the total fractions detected by the IR methods are about 2-3.5 times greater than that detected by the AMSU-B method. Moreover, the overestimation of deep convective cloud fractions by the IR method (11-/spl mu/m brightness temperature less than 215 K) can result in a displacement in the detected location of the deep convective clouds. The average thick cirrus clouds cover 2.5 times the area of the deep convective clouds that generates them.     

FY-3A星MWHS反演中纬度和热带大气水汽

风云三号A星(FY-3A)搭载的微波湿度(MWHS)计采用双边带接收机体制,选择主要受水汽影响的(183.31±1) GHz,(183.31±3) GHz,(183.31±7) GHz和窗区150 GHz作为通道频率。本文首先分析了观测亮温值与利用辐射传输方程仿真的亮温值之间的关系,二者相比具有较好的一致性。其次利用神经网络方法反演大气相对湿度,并与线性回归方法进行对比,本文选用的区域内,神经网络方法优于线性回归法。最后,利用本文创建的神经网络模型与正在业务使用的AMSU-B反演模型进行反演均方差和稳定度对比,结果表明,本文创建的神经网络模型在所选区域,大气相对湿度反演精度与AMSU-B神经网络模型相当(反演均方差为15%-25%);水汽密度反演均方差除地面未知因素影响外,与探空观测相比,整体均方差小于1 g/m³;不论在中纬度地区还是热带地区,都能较好地反演大气湿度的垂直分布廓线。同时,本文初次尝试在神经网络反演湿度廓线中引入墨西哥帽小波函数,结果表明,运用墨西哥帽小波函数在保证反演性能的同时,能有效减小迭代时间,避免陷入局部迭代。     

资源三号测绘卫星自动云检测

光学卫星遥感影像自动云检测是卫星产品生产系统的一个重要环节。利用资源三号卫星编目生成的浏览图,采用树状判别结构进行云检测,对浏览图进行分块,提取子块图像的特征进行云地分类。由于云类和地物类过于繁杂,且浏览图的分辨率较低,传统通过图像特征对云地进行分类的算法有很大的局限性,针对这一问题,本文提出了在分类之前对原始的子块图像进行增强处理,扩大云和地物的纹理差异,然后以二阶矩、一阶差分等作为云地分类的图像特征,并在多尺度空间内进行特征延拓,经过综合分析估计云在影像中的比例。该云检测算法应用于资源三号卫星应用系统工程,实际测试结果表明,该算法能够较好地提升云量检测的准确率。