红外高光谱资料近地面通道应用技术研究:海洋地区观测资料同化试验

由于下垫面的复杂性,卫星近地面通道的辐射率资料没有得到充分开发和利用.就我国自主研发的GRAPES-3DVar而言,红外高光谱近地面通道资料还没有应用于陆地,即使在下垫面相对简单的海洋,由于背景场海表温度估计不够准确,红外高光谱资料的使用效果也不甚理想.针对GRAPES模式的背景场海表温度估计不够准确这一问题,本文利用大气红外探测仪器AIRS(The Atmospheric Infrared Sounder)辐射率观测资料通过一维变分(1DVar)方法对其晴空视场点内的背景场海表温度进行调整,再运用GRAPES全球分析预报系统进行同化分析,研究了海表温度调整后对分析场的影响.结果表明,利用一维变分调整后的海表温度不仅使得低层通道的模拟亮温与观测亮温更加匹配,而且有效地改进了分析场,对位势高度场高、中、低层均有不错的改进,对低层湿度场以及风场的改进也较为明显.     

GRAPES全球三维变分同化中卫星微波温度计亮温的背景误差及在质量控制中的应用

模式变量背景误差在观测空间的投影,也即观测变量的背景误差包含了变分同化系统的重要信息,其在诊断和分析变分同化系统中资料的影响等方面具有重要作用,特别是在背景场检查质量控制中。在GRAPES全球三维变分同化(3DVar)系统中仅给定了控制变量的背景误差,并未直接给定观测变量的背景误差。为了能够对GRAPES全球3DVar进行全面的诊断和分析,改进卫星微波温度计资料的质量控制,推导出GRAPES全球3DVar同化系统控制变量随机扰动方法估计观测变量的背景误差的公式,为分析和改进GRAPES全球3DVar提供了一个有力工具,并进而估计了AMSU-A亮温的背景误差,分析了AMSU-A不同通道亮温的背景误差特征,将其应用于GRAPES全球3DVar的AMSU-A亮温的背景场检查质量控制中。结果表明,控制变量随机扰动方法估计的GRAPES全球3DVar同化系统AMSU-A亮温的背景误差正确合理。同化循环预报试验结果表明,亮温的背景误差在背景场检查中的应用显著提高了GRAPES全球3DVar同化的亮温资料的数量,显著提高了GRAPES南半球对流层中高层位势高度场的预报技巧。在GRAPES全球3DVar同化系统中推导和实现的控制变量扰动方法为诊断和分析GRAPES全球3DVar观测资料同化效果提供了有力工具。      

同化FY3B/IRAS资料对GRAPES分析场影响诊断

GRAPES(Globe and Regional Assimilation and Prediction System)变分系统能够同化常规资料和非常规卫星资料,这些被同化的资料究竟对同化系统得到的分析场有何影响,目前国内外尚未见相关的研究文献。为此,首次采用基于信息熵信号自由度思想,诊断风云三号B星(FY3B)红外分光计(Infrared Atmospheric Sounder,IRAS)资料对GRAPES分析场的影响。诊断过程中,采用数值逼近方法,统计2012年12月24日18时到2013年1月22日00时共114个时次IRAS资料对GRAPES分析场影响,结果表明,IRAS中高层通道亮温资料对GRAPES分析场影响比地表通道20观测亮温的影响大,地表通道8和9观测亮温对分析场影响较大。前24个GRAPES变分同化时次每个时次IRAS通道亮温对分析场影响的贡献率分析结果显示,高层通道和H_2O通道贡献率较大。个例分析结果表明,在同化探空资料基础上加入IRAS资料后,温度和湿度增量场变化幅度较大,表明IRAS资料对分析场有降温和增湿作用。     

面向同化应用的红外高光谱探测资料局地综合通道选择方案及在FY-3D/HIRAS中的初步应用

通道选择是红外高光谱探测资料同化的关键技术。为了最大限度提取红外高光谱探测资料观测信息,减少模式在青藏高原等常规观测稀少地区的初始场的误差,不同区域需要选取不同通道进行同化。基于信号自由度的通道选择方法提出一种面向资料同化的红外高光谱资料的局地综合通道选择方案,该方案综合考虑了局地的大气温度垂直分布特征、背景误差协方差、仪器通道的雅克比函数、权重函数和其他影响红外高光谱模拟和同化的因素。针对CMA_GFS（原GRAPES_GFS）全球背景误差协方差,在高原和海洋两个典型区域对FY-3D/HIRAS红外高光谱资料的温度通道进行局地综合通道选择,并通过一维变分同化评估了局地综合通道选择方案对分析场的影响。结果表明,高原和海洋两个典型区域的大气温度垂直分布特征、背景误差协方差、模式垂直分层以及各通道的雅克比函数和权重函数均有明显的差异,选出的敏感通道也明显不同,相比较在其他区域选择出的通道,在对应地区选择的通道能够显著提高红外高光谱资料的同化效果。      

云检测在高光谱大气红外探测器 辐射率直接同化中的应用

对于高光谱大气红外探测器AIRS(Atmospheric Infrared Sounder)辐射率的同化,云检测技术是关键的一步.本文借鉴G01dberg的云检测的思想,通过AIRS通道和相应微波通道的经验组合来进行云检测,此云检测方案不需要对通道进行偏差订正,并且除背景场海表温度,不依赖于大气的先验信息,是一个快速简...     

反演寿县TMI微波频率的地表比辐射率(英)

利用一个微波辐射传输模式,晴天下的大气探测廓线,地面的部分观测资料以及卫星观测的亮温,计算了淮河流域能量和水循环实验(HUBEX)中,寿县地区的热带降雨观测卫星微波成像仪(TRMM/TMI)微波频率的地表比辐射率。通过比较所计算的微波地表比辐射率随地表状况的改变,发现地表微波比辐射率随地表状况的变化存在敏感性,并且其变化是合理的。本文中,地表肤温设定等于地表空气温度,并且仅计算了寿县的地表比辐射率,在HUBEX区域上的地表比辐射率的计算需要更多的观测资料。     

基于一维变分算法的地基微波辐射计遥感大气温湿廓线研究

为研究地基微波辐射计遥感温、湿度廓线的一维变分算法的反演能力,用北京地区2010—2011年00和12时(世界时)的多通道地基微波辐射计亮温资料进行试验。首先,利用同时次的地面观测资料、红外亮温(由地基微波辐射计自带红外传感器测得)及探空观测数据,给出提取无云样本的方案,得到432个无云样本;再以辐射传输模式计算得到的模拟亮温为参考,对无云条件下的观测亮温进行质量控制;然后利用探空数据进行模拟试验,结果发现,一维变分算法对3 km以下的温度廓线有较大调整。使反演结果更加接近探空,而对湿度廓线在0—10 km都有不同程度的优化;最后利用一维变分算法对地基微波辐射计观测亮温进行大气温湿廓线反演,将结果与探空对比可以看出,温度廓线的均方根误差小于2.9 K,绝对湿度的均方根误差小于0.47 g/m~3;进一步与地基微波辐射计自带神经网络的反演结果比较表明,一维变分的反演结果更接近实际大气。     

基于高光谱数据的气象卫星成像仪红外通道模拟仿真

采用基于光谱匹配的计算方法开展红外通道模拟仿真,该方法利用高光谱大气探测仪的实际观测数据来模拟气象卫星成像仪红外通道观测目标亮温.利用高光谱大气探测仪(IASI)的实际观测数据,进行了2010年2月14日12:57(UTC)、2010年2月15日00:57(UTC)、2010年5月2日12:57(UTC)MTSAT-1R卫星成像仪(JAMI)红外通道的模拟仿真.结果显示:JAMI 4个红外通道的模拟亮温与观测亮温偏差平均值的绝对值都小于1K,模拟亮温与观测亮温的相关系数都大于0.93,表明这种基于高光谱数据的方法可用于气象卫星成像仪红外通道的模拟仿真.进而利用IASI的观测数据进行了 2010年11月6个时刻FY-2E卫星成像仪(VISSR)红外通道的模拟仿真,并将通道模拟数据与GSICS定标的观测数据以及与业务定标的观测数据相比,结果表明:2010年11月期间,FY-2E卫星成像仪IR2、IR3、IR4通道的GSICS定标比业务定标有明显的改进.     

一次锋面气旋云系中强对流云团的识别

利用NOAA-16/AMSU-B微波亮温资料和GOES-9光学遥感资料对2004年6月16日一次锋面气旋云系中的强对流云团进行识别, 尝试了NOAA-16/AM SU-B微波两窗区通道亮温、3个微波水汽通道间亮温差, GOES-9红外亮温阈值、水汽和红外通道亮温差、红外和水汽通道亮温多光谱逐个修改聚类等方法, 通过比较各种方法的识别结果, 分析各种识别技术的特点, 同时采用地面常规观测资料进行叠加, 对识别方法进行了验证。结果表明:微波对强对流云团均能较好识别, 但89 GHz通道亮温受地表影响较大, 不能很好剔除过冷水体, 150 GHz通道亮温与微波水汽通道间亮温差的识别结果较一致, 3个微波水汽通道间亮温差对阈值的依赖性相对较小; GOES-9红外亮温阈值因其随时空变化对识别结果会造成较大差别, 而水汽和红外通道亮温差对强对流云团能进行较好定位, 但识别范围较小, 多光谱逐个修改聚类方法对积雨云的识别效果较好, 且和NOAA-16/AMSU-B识别结果有较好的对应关系; 地面常规观测资料的叠加结果也说明, 多波段遥感资料对强对流云团的识别结果与当时的天气现象及积雨云状均有较好的对应关系。     

土壤湿度对卫星辐射率资料直接同化的影响

本研究利用WRF模式及其三维变分同化系统实现了对NOAA-16 AMSU-A微波资料的直接同化,针对2010年6月19日江西地区的一次强降水过程开展模拟与同化试验,并利用中国区域土壤湿度同化系统(CLSMDAS—China Land Soil Moisture Data Assimilation System)输出的土壤湿度值替换NCEP(National Centers for Environmental Prediction)资料中的土壤湿度,研究土壤湿度初值对辐射率资料直接同化中观测场与背景场偏差调整的影响。结果表明:采用CLSMDAS输出土壤湿度初值条件下模拟的亮温值与实际观测值更为接近,经过质量控制和偏差订正后更多的观测资料能够进入到同化系统中,说明改进的土壤湿度初值条件下观测算子的计算值得到正的调整,对低层地表通道的改进效果明显,尤其以50.3 GHz的窗区通道3的结果最为理想;针对此次强降水过程中24 h累积降水分布的模拟结果,CLSMDAS输出土壤湿度初值条件下同化AMSU-A资料,能够较为准确的把握整个雨带的走向、大雨以上级别降水的落区范围、降水中心落区及强度等。说明准确的土壤湿度初值能够改进卫星辐射率资料的同化结果,进而提高数值模式的模拟预报能力。     

地面观测资料同化初步研究

通过对比分析当前两种地面观测资料同化方案(Ruggiero方案和郭永润方案),对其优缺点进行初步分析研究。结果表明:两种同化方案同化地面观测资料后都是从模式低层到高层对分析场产生影响,中低层高度影响比较大,高层影响较小,并且对24 h模拟结果产生一定的影响。Ruggiero方案考虑了模式地形与观测站地形高度差异,但资料剔除较多,且模式分辨率越高,资料剔除对分析场的影响越明显。郭永润方案不考虑模式地形与观测站地形高度差异,假定所有地面观测资料位于模式面,因此无论模式分辨率如何,资料都能得到充分利用,但模式地形与实际观测站地形高度差异大小在地面观测资料同化分析中的影响不可忽略,因此郭永润方案有待改进,适当考虑这两种地形高度差异时效果更好。     

基于MODIS数据的近地表气温估算

气温是各种植物生理、水文、环境等模型中一个非常重要的近地表气象参数,多年来气温数据均以气象站点资料插值得到。近年来,卫星遥感数据被用于气温估算,且精度不断提高。为研究基于MODIS数据的近地表气温估算方法,以浙江省为研究区域,利用33个站点2011年逐日每10 min一次的自动气象站气温观测数据和MODIS地表温度产品及参数因子,建立了MODIS地表温度和地面观测的气温的线性关系,同时通过考虑归一化植被指数、水汽压、地表反照率、高程4个影响因子,得出了卫星过境时刻MODIS地表温度和气温的多因子估算模型;利用Zaksek等提出的基于能量平衡的遥感模型进行了气温估算,并采用多元回归分析法对该模型重新进行了拟合,得到近地表气温。结果表明:三种方法的决定系数R2分别为0.87、0.94、0.90,均方根误差RMSE分别为3.35℃、2.31℃、2.78℃,多因子估算模型得到的结果最好。同时对其分白天和夜间进行检验,二者的RMSE分别为2.27℃、1.93℃,夜间精度比白天高。对于季节的变化,秋季估算结果最好,春季次之,冬季稍差,夏季最差。     

基于自动观测资料的自动确定飑过站时间的研究

对飑过站时,温度、湿度、风向、风速、本站气压等相应要素的归一化后的变化率求积做一个综合判断,用简单的数学运算确定飑的记录时间。     

基于常规气象资料融雪模式的建立及应用

以能量平衡方程为基础,考虑太阳短波辐射、大气和地面的长波辐射、潜热、感热传输以及下垫面的热传导等能量之间的平衡,建立了利用常规气象观测资料预测雪面温度和积雪深度变化的融雪模型。利用2009年1—3月以及2009年12月—2010年1月在湖北恩施雷达站的积雪观测数据进行模拟和验证,结果表明：该模型对于雪面温度和积雪深度都有较好的模拟效果。当下垫面导热系数λg〈0.5时,下垫面对雪深的影响很小;当λg≥0.5时,积雪融化速度随λg的增大而加快,说明下垫面的热传导是影响积雪深度变化的主要因素之一。     

应用先进微波探测器AMSU资料遥感反演春季陆地表层湿度

利用先进微波探测器(AMSU)正演快速微波辐射传输模型,完成了AMSU 窗区通道亮温与地表温湿特征的相关性分析,根据模拟计算结果改进了现有业务上反演地表微波辐射率的统计分析方法,得到适用于我国非冻土积雪覆盖地区地表微波辐射率反演的指数分析模型;进一步通过地表微波辐射传输模型迭代反演得到土壤体积含水量信息.2001年相互匹配的AMSU资料和地面农业气象观测站地表相对湿度观测结果的对比分析表明二者间具有一定的相关性.利用2002年3月和2003年3月的AMSU资料,反演了我国陆地区域地表湿度;连续两年春季地表湿度反演结果的对比分析表明,与2002年春季相比,2003年我国北方沙尘暴发生源区地表湿度反演值普遍偏高,潮湿的下垫面特征与沙尘暴发生频次的减少之间有一定的对应关系.试验结果表明,利用AMSU遥感资料可以获取大范围陆地表层湿度信息,进行区域尺度陆地表层湿度特征的动态分析,为我国沙尘暴监测分析提供陆地表层湿度基础信息.     

东北地区气候变化CMIP5模式预估

利用CMIP5的多模式集合资料,从时间变化和空间分布两方面分析了不同情景下(RCP2.6、RCP4.5、RCP8.5)中国东北地区未来100年的气候变化。结果显示:3种排放情景下,21世纪东北地区气温和降水呈显著增长趋势,中期和末期增幅较明显,冬季增幅高于其他季节,RCP8.5情景下气温增暖最为显著,RCP4.5次之,RCP2.6最小,随着年代的推移,气温和降水年较差逐渐减小;空间分布显示:3种排放情景下各个时期的增温分布形式基本一致,由南向北逐渐增大,辽宁南部增温幅度最小,最显著地区位于黑龙江大兴安岭;不同情景下气温变化率的分布形势略有不同,但均呈显著增温趋势;3种排放情景下降水距平百分率均为增加趋势,呈由东向西逐渐增大的经向分布特征;不同情景下的降水变化率分布形势相似,呈南大北小特征,辽宁地区增长最为明显,黑龙江西部地区增长相对较小。     

正点地面观测数据维护中数据异常的分析处理

地面观测资料报文传输方式调整之后,值班观测员应注意小时内自动气象站的数据采集情况,在正点后通过《地面气象测报业务软件》的"正点地面观测数据维护"对数据进行检查,当发现自动气象站错误或数据异常时,应及时对疑误数据进行分析处理,完成对自动气象站数据的质量控制。通过对几例正点地面观测数据维护中典型异常数据的分析处理,帮助地面测报值班人员在日常工作中对正点地面观测疑误数据进行快速的判断和维护,做好自动气象站数据的质量控制,以保证地面气象要素上传数据文件内数据的完整性、时效性和质量。     

利用遥感估算区域气温评价站点代表性——以藏东南林芝站点为例

遥感地表温度(Land Surface Temperature,LST)产品时序数据可用于分析基准气候站点的环境代表性,但LST空间变异性明显高于气温,容易低估站点代表性,因此提出首先建立面上气温的遥感估算模型,再用模型估算气温(和LST产品具有相同时空分辨率)评估站点代表性的方案。以藏东南林芝国家基准气候站点为例,首先提取气象站点2000-2011年8 d平均日最高气温(T-air)和MODIS地表温度产品(MOD11A2,8 d合成,1 km空间分辨率),分析LST与T-air之间的相关性以及其他因素对相关性的影响;而后利用Cubist回归树算法,建立了基于LST、日序、晴空日数的T-air估算模型(RMSE=1.4718℃,r~2=0.95);最终将模型用于林芝站周围附近区域计算T-air,并对林芝站点代表性加以评估,结果表明,新方案得到的结果更加可信,林芝站点代表范围为15 km×15 km,而基于LST计算得到的林芝站代表范围仅为3 km×3 km。     

中巴地球资源卫星数据反演地表温度产品设计

利用CBERS IRMSS/IRS传感器红外通道数据,基于MODTRAN4和查找表算法,根据地表数字高程和全球/区域一体化数值预报模式,建立相应高度和气象条件下温度反演配套系数,利用CBERS可见/近红外通道和地表比辐射率数据库最终生成地表温度/地表发射率产品。最后介绍了温度产品的验证工作,并对温度反演中存在的参数敏感性和不确定性问题进行了分析。