云雷达和微波辐射计联合反演大气湿度廓线的初步研究

利用中国气象局大气探测试验基地的微波辐射计亮温值、对应的云雷达测得的反射率因子和L波段探空数据,采用BP(back propagation)神经网络作为反演工具,反演得到大气垂直湿度廓线。将天气情况分为晴天、低云、中云和高云四种情况,对比不加入反射率因子的反演湿度廓线,分析两种反演方法在各高度层的均方根误差。对比结果表明,加入反射率因子的反演湿度廓线与探空廓线的相关系数平均值为0.862,均方根误差为14. 9%,而不添加反射率因子的相关系数平均值为0.763,均方根误差为19.2%。     

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。     

利用地基微波辐射计资料反演0-10km大气温湿廓线试验研究

实测与模拟的微波辐射计亮温存在偏差,导致基于BP神经网络模型的大气温湿廓线反演精度的降低。研究了一种基于资料订正后的BP神经网络反演大气温湿廓线的方法。首先,基于2014年6月南京江宁探空资料,利用MonoRTM模式,模拟中心频率在22.2GHz~58.8GHz范围内22通道亮温;对比模拟和实测南京站微波辐射计资料,建立实测微波辐射计资料订正模型。然后,以南京地区2011-2013年探空资料为输入,模拟22通道亮温数据,并基于模拟的22通道亮温数据和当地探空资料,利用BP神经网络算法,建立大气温度、水汽密度、相对湿度廓线反演模型。最后,利用构建的订正模型,对2014年7月试验获取的微波辐射计资料进行订正,并将订正后的微波辐射计资料输入BP神经网络反演模型,反演0-10km高度58层的大气温度、水汽密度和相对湿度,对比实际探空资料以及微波辐射计二级产品,评估分析反演效果。实验结果表明：所建的反演模型提高了大气温湿廓线反演精度,大气温度、水汽密度和相对湿度均方根误差范围分别为1.0~2.0K、0.20 ~1.93g/m3和2.5%~18.6%。     

利用地基多通道微波辐射计遥感反演华北持续性大雾天气温、湿度廓线的检验研究

地基多通道微波辐射计可提供高时间分辨率的大气温、湿度和液态水含量廓线遥感探测数据,为大气层结及云雾形成和演变特征研究提供了重要手段,但对其观测数据的可靠性检验研究很少。本研究在对比晴空MonoRTM模拟亮温和微波辐射计观测亮温的基础上,利用华北地区2009—2013年11个雾天气过程的170个时次(其中30个为雾发生时次)的探空数据,检验了美国Radiometrics 35通道MP-3000A型微波辐射计(Microwave Radiometer Profiles,MWRP)探测的温度、水汽密度和相对湿度数据,并结合系留气艇和CloudSat云雷达等观测资料,检验了典型雾个例的MWRP反演的温、湿度廓线数据。与探空数据的比较表明,两者的温度(T)数据的相关系数超过0.98,水汽密度(ρ)的相关系数超过0.95,但相对湿度(RH)的相关系数只有0.67左右。总样本误差分析中MWRP反演的T比探空偏低约3℃,ρ的均方根误差(E)在1 g/m~3以内,RH在1—7 km高度偏大,总样本RH垂直平均E在18%左右,雾天时的RH垂直平均E在23%左右。与系留气艇观测数据比较表明,MWRP反演的T也偏低,但两种探测方式的T和RH在指示雾的发展演变过程中具有很好的一致性。CloudSat云雷达数据验证了MWRP反演显示中高层出现高RH区与云的存在有关。     

激光雷达和微波辐射计温湿度廓线与探空数据的对比分析

基于西安泾河国家气象站2021年微波辐射计、西安理工大学研制的大气温湿度廓线激光雷达等设备观测数据反演计算0～10 km 以下的温湿度，通过与探空资料的对比分别评估了微波辐射计和激光雷达的探测性能。结果表明，二者反演的温度均与探空数据具有较好的一致性，激光雷达反演的温度和探空温度的相关系数为0997，均方根误差在15～25 K之间，微波辐射计反演的温度和探空温度的相关系数为0973，均方根误差在15～50 K之间；在反演相对湿度方面激光雷达优于微波辐射计，激光雷达反演的相对湿度和探空相对湿度的相关系数为0964，均方根误差在5%～15%之间，微波辐射计反演的相对湿度和探空相对湿度的相关系数为0632，均方根误差在20%左右。     

COSMIC-2掩星反演数据质量分析

为评价COSMIC-2掩星反演数据精度,利用探空站点资料,对比验证了基于COSMIC-2附加相位数据由无线电掩星数据处理软件ROPP计算得到的大气折射率及温湿廓线。实验结果表明:COSMIC-2数据经反演后的大气廓线质量较高,大气折射率相对偏差标准差为1.5%~4.3%,大气温度和相对湿度均方根误差分别为1.3~2.2 K、10%~15%;低纬地区样本精度总体优于中纬地区; 季节性差异不明显,但冬春季样本精度总体略优于夏秋季。反演数据与COSMIC-2二级产品相比,折射率与温度在部分高度层精度更优,相对湿度在总体上精度更优。      

微波辐射计温湿廓线反演方法改进试验

为提升地基微波辐射计在不同天气条件下, 特别是云天条件下温湿廓线的反演精度, 利用2011年1月—2016年12月中国气象局北京国家综合气象观测试验基地探空数据, 在微波辐射计反演温湿度廓线的过程中通过区分晴天和云天条件并引入全固态Ka波段测云仪云高及云厚信息, 对反演输入亮温进行质量控制和偏差订正, 建立BP神经网络模型, 采用2017年1月—2018年3月微波辐射计探测数据评估检验, 结果表明:在亮温订正前提下, 晴天温度模型、云天温度模型、晴天相对湿度模型和云天相对湿度模型反演结果与探空的相关系数分别为0.99, 0.99, 0.80和0.78, 均方根误差为2.3℃, 2.3℃, 9%和16%, 较微波辐射计自带产品（LV2产品）减小约0.4℃, 0.3℃, 11%和9%, 准确性提升约30%, 28%, 64%和45%;温度模型偏差在±2℃以内、湿度模型偏差在±20%以内的占比分别为68%, 70%和95%, 78%, 较LV2产品分别提高了7%, 5%和27%, 23%, 其中相对湿度改善明显。可见亮温订正、区分天气类型训练反演模型有利于改善地基微波辐射温湿廓线反演精度。     

重庆不同天气条件下地基微波辐射计探测特征

利用2012年1月至2014年8月重庆沙坪坝站的微波辐射计和探空数据,通过数值模拟检验微波辐射计的亮温精度,并统计分析晴空、有云和降水天气条件下微波辐射计反演产品的变化特征。结果表明:(1)有云时微波辐射计氧气通道53.85、54.00 GHz亮温与探空观测温度相关性较好;晴空和有云时MonoRTM模拟亮温与微波辐射计观测亮温相关性较好。(2)不同天气条件下,微波辐射计反演温度与探空观测值的相关性都较高,降水时4.0 km以下微波辐射计反演温度明显偏高,有云和晴空时3.8 km以下的温度平均绝对误差小于2℃。微波辐射计反演的相对湿度与探空观测值的相关性较同高度层温度的相关性差,有云时1.0~2.6 km高度反演的相对湿度平均误差很小,降水时4.5 km以下平均误差也较小且稳定。降水时4.0 km以下微波辐射计反演的水汽密度平均误差明显偏大,有云时多数高度层平均误差较小。(3)4.2 km以下降水时08:00微波辐射计反演温度的平均误差较大,有云时08:00微波辐射计反演温度和水汽密度的平均误差均较小。说明微波辐射计反演的大气廓线具有可用性,且在稳定大气环境中反演效果更好。     

多型号地基微波辐射计亮温准确性比对

目前,国内外对于地基微波辐射计的探测能力多从温湿廓线等二级产品级进行考察,其误差包含反演算法和硬件系统两部分的贡献,不易区分。为直接考察硬件系统的观测性能,试验将评估对象前移,直接对一级亮温数据进行比对分析。利用2016年1月-2018年3月中国气象局大气探测试验基地4台地基微波辐射计和业务探空的同址观测数据,以探空数据输入MonoRTM辐射传输模型得到的正演亮温为参考,考察不同天气、不同季节微波辐射计的探测准确性。结果表明:国产与进口设备观测亮温的准确性相当。4台地基微波辐射计实测亮温与模拟亮温相关性较好,相关系数基本超过0.9,均达到0.001显著性水平。晴空条件下,实测亮温较模拟亮温均方根误差平均为2.08~3.75 K;德国辐射计亮温偏差最小,各通道平均偏差为1.08 K,均方根误差平均为2.08 K。亮温偏差在冬季最小,夏季达到最大。建议提高定标准确度并进行质量控制以确保亮温准确性,谨慎使用降水期间辐射计的观测数据。     

大气相对湿度资料融合及融合湿度精度检验——基于2013年1月我国中东部地区卫星和探空相对湿度数据

利用2013年1月MODIS(MODerate-resolution Imaging Spectroradiometer)的大气廓线产品计算得到大气相对湿度廓线,并与探空观测得到的相对湿度资料进行对比,发现总体上MODIS反演的相对湿度高于探空值,且在相对湿度较低区域误差较大;需要剔除有云影响的MODIS数据和相对湿度小于5%的探空数据;用平均值订正法对MODIS数据进行均一性修正,采用直接订正法、最大相关系数法开展MODIS和探空相对湿度资料融合试验,对融合结果进行分析对比和精度检验。结果表明:(1)直接订正法融合湿度在相对湿度较低区域高于探空湿度,在相对湿度较高区域低于探空湿度,最大相关系数法融合湿度在高湿区和低湿区均与探空接近;(2)融合结果精度检验表明,直接订正法融合湿度与探空湿度的平均绝对误差在850 hPa不超过10%,在925 hPa不超过12%,在1000 hPa不超过9%;采用最大相关系数法融合得到的相对湿度值在各层与探空湿度的绝对误差均不超过4%。总体来看最大相关系数法比直接订正法融合效果更好。     

不同天气条件下地基微波辐射计探测性能比对

利用探空数据和毫米波云雷达数据,对在大气探测试验基地同址观测的国内外3种型号地基微波辐射计进行1年（2016年10月—2017年9月）的比对分析,重点分析不同型号地基微波辐射计在晴空和云天下温、湿观测性能特征。结果表明:3种型号地基微波辐射计温度与探空相关系数均超过0.98,达到0.01显著性水平;晴空条件下,德国及国产地基微波辐射计温度平均误差均在±1℃以内（前者为负偏差,后者为正偏差）,误差较小,美国地基微波辐射计系统偏差约为-1.8℃;3种型号地基微波辐射计均方根误差随高度递增,整体均方根误差以德国地基微波辐射计2.2℃为最小,美国地基微波辐射计3.8℃为最大;在有云条件下,3种型号地基微波辐射计平均误差分布较晴空条件下无明显变化,均方根误差较晴空条件有约增加0.5℃。3种型号地基微波辐射计均呈晴空相对湿度误差小于云天误差,低空误差小于中高空误差的特点;晴空条件下,美国与国产地基微波辐射计相对湿度均方根误差分别为15%和18%左右,小于德国地基微波辐射计;云天条件下3种型号微波辐射计均方根误差均较大（26%左右）。     

高原地区基于微波辐射计反演大气廓线的神经网络算法研究

以2007~2018年西宁二十里铺气象站探空资料为模拟样本,利用MonoRTM模式模拟中心频率21.985~58.759GHz的35通道亮温,应用BP神经网络对模拟数据进行反复训练,构建最优反演模型,并以2019年探空资料为测试样本,对比分析了不同季节和不同天气条件下BP神经网络与微波辐射计的反演效果。结果表明:晴空条件下,BP神经网络与微波辐射计在温度反演上效果最佳,水汽密度次之,相对湿度最差,其中冬春季BP神经网络反演效果优于微波辐射计,夏秋季反之;有云条件下,BP神经网络温度反演效果在冬、春和夏季均优于微波辐射计,其水汽密度反演效果在四季均较微波辐射计有明显提升,其相对湿度反演效果在冬、春和夏季均较微波辐射计更佳。晴空和有云条件下,BP神经网络在不同季节反演温度、水汽密度和相对湿度的平均绝对误差和标准偏差均小于微波辐射计,尤其是相对湿度的反演精度提升最为明显。晴空条件下,BP神经网络反演温度廓线在春、夏和秋季效果最佳,反演水汽密度廓线在中低层精度较高,反演相对湿度廓线的精度较差,但基本和探空资料趋势一致;有云条件下,BP神经网络反演温度廓线与晴空时基本一致,较微波辐射计精度更高,反演水汽密度和相对湿度廓线在8km以上效果较好。      

0-10 KM TEMPERATURE AND HUMIDITY PROFILES RETRIEVAL FROM GROUND-BASED MICROWAVE RADIOMETER

Deviation exists between measured and simulated microwave radiometer sounding data. The bias results in low-accuracy atmospheric temperature and humidity profiles simulated by Back Propagation artificial neural network models. This paper evaluated a retrieving atmospheric temperature and humidity profiles method by adopting an input data adjustment-based Back Propagation artificial neural networks model. First, the sounding data acquired at a Nanjing meteorological site in June 2014 are inputted into the MonoRTM Radiative transfer model to simulate atmospheric downwelling radiance at the 22 spectral channels from 22.234GHz to 58.8GHz, and we performed a comparison and analysis of the real observed data; an adjustment model for the measured microwave radiometer sounding data was built. Second, we simulated the sounding data of the 22 channels using the sounding data acquired at the site from 2011 to 2013. Based on the simulated rightness temperature data and the sounding data, BP neural network-based models were trained for the retrieval of atmospheric temperature, water vapor density and relative humidity profiles. Finally, we applied the adjustment model to the microwave radiometer sounding data collected in July 2014, generating the corrected data. After that, we inputted the corrected data into the BP neural network regression model to predict the atmospheric temperature, vapor density and relative humidity profile at 58 high levels from 0 to 10 km. We evaluated our model’s effect by comparing its output with the real measured data and the microwave radiometer’s own second-level product. The experiments showed that the inversion model improves atmospheric temperature and humidity profile retrieval accuracy; the atmospheric temperature RMS error is between 1K and 2.0K; the water vapor density’s RMS error is between 0.2 g/m3 and 1.93g/m3; and the relative humidity’s RMS error is between 2.5% and 18.6%.     

地基微波辐射计探测大气边界层高度方法

采用2013年中国科学院大气物理研究所香河大气综合观测试验站的地基微波辐射计和激光雷达观测数据,以激光雷达探测的大气边界层高度为参考,分别利用非线性神经网络和多元线性回归方法建立微波亮温直接反演大气边界层高度的算法,并对比两种方法的反演能力, 同时分析非线性神经网络算法在不同时段及不同天气状况下反演结果的差异。结果表明:非线性神经网络算法的反演能力优于多元线性回归算法,其反演结果与激光雷达探测的大气边界层高度有较好一致性,冬、春季的相关系数达到0.83,反演精度比线性回归算法约高26%;对于不同时段和不同天气条件,春季的反演结果最好,晴空的反演结果好于云天; 四季和不同天气状况的划分也有利于提高反演精度。     

基于BP神经网络与遗传算法反演大气温湿廓线

为提高地基微波辐射计大气探测精度,融合BP神经网络与遗传算法,研究0~10 km大气温湿度廓线。首先,结合数据特征,基于数值模拟技术,建立一套TP/WVP-3000型号地基微波辐射计的一级数据质量控制和订正模型。然后,为减小训练样本代表性误差对模型反演精度的影响,利用遗传算法优化训练样本数据,建立一套精度更高的神经网络大气温湿度反演模型。最后,利用构建的反演模型,开展大气温湿度反演试验,结合探空资料和微波辐射计二级产品,评价反演模型精度。研究结果表明:(1)经过质量控制后的实测数据与模拟数据之间的相关性有显著提升;(2)经过质量控制与订正后建立的神经网络模型对比原微波辐射计二级产品的反演精度有一定提升,温度提升6.77%,湿度提升20.11%;(3)经过遗传算法优化后的训练样本所建立的神经网络反演模型对比原微波辐射计二级产品反演精度有进一步的提升,温度提升10.21%,湿度提升23.75%,反演结果与该地区同类型研究结果相比有着较大提升。      

国产MWP967KV型地基微波辐射计探测精度

MWP967KV型地基微波辐射计是我国自主研发,拥有完整自主知识产权的新型大气微波遥感探测设备,为了实现国产设备在气象业务中的应用,需对设备的探测精度进行对比分析。利用2015年8月—2018年3月四川盆地南部山区的无线电探空数据和地基微波辐射计数据,分析晴空和有云天气条件下温度廓线、相对湿度廓线和水汽密度廓线及相关物理参数的精度。结果表明:晴空、层积云和高积云的微波辐射计与探空仪的温度、水汽密度和相对湿度相关系数整体上分别在0.9890,0.9665,0.5868以上,均达到0.01显著性水平。3种参数廓线的相关系数整体均呈地面大于高空,仅温度廓线相关系数达到0.01显著性水平,相对湿度廓线和水汽密度廓线在高空的相关系数未达到0.01显著性水平。3种参数的相关性整体上温度最高,水汽密度次之,相对湿度最低。温度、相对湿度和水汽密度的均方根误差平均值分别为2.8℃,22%和1.38 g·m-3,温度廓线和相对湿度廓线在层积云和高积云的云中及云上的精度明显降低,均方根误差较云层下温度升高1℃~2℃,相对湿度增大10%~20%。逆温层会影响廓线及物理参数的精度。晴天或云天等大范围相似天气条件下,探空气球飘移距离与温度廓线、相对湿度廓线和水汽密度廓线偏差的相关性较弱。