西藏地区雷暴的卫星云图特征研究

利用2006～2008年FY2-C卫星资料和西藏自治区雷暴记录资料,采用通道差异及云指数法对西藏地区雷暴在卫星云图上的特征进行了分析研究。结果表明,雷暴开始时刻,拉萨、日喀则、当雄卫星通道差异和云指数特征明显,红外-分裂窗亮温差值为-5～5℃、红外-水汽亮温差值为-10～10℃和FYCDI云指数为-0.11～0.28K,能较好指示西藏雷暴的开始。从初始时刻至成熟强盛阶段,雷暴的红外和水汽亮温均表现出强烈的降温,其中,雷暴开始时红外和水汽亮温下降约15℃左右,并于1～2小时后达-70℃左右的最低值,达雷暴强盛阶段;成熟阶段雷暴的红外-水汽亮温差值为0～-5℃,FYC_TS值为0左右。      

华北区域冰雹天气分型及云系特征

基于地面加密观测资料、FY-2E静止气象卫星观测资料和NCEP分析资料,选取2010—2012年华北区域内27次冰雹过程,按大气环流背景、主要影响系统和云系的云型特征等将其分为冷涡云系尾部型、低涡槽前型和偏北气流控制型3种类型。分析结果表明:3种天气型下冰雹对流云系特征存在差异,但90%以上的冰雹过程发生在对流云团的快速发展阶段中,降雹集中出现于准圆形或椭圆形对流云团边缘或带状对流云系的传播前沿区域,对应于云顶亮温梯度的大值区。在掌握背景环境的前提下,综合分析红外图像中对流系统的发展演变、水汽图像暗带和暗区变化等信息,对冰雹的监测和预警有一定的参考价值。定量统计分析表明,大的亮温梯度值 (不低于8 ℃/0.05°) 是辅助判断冰雹能否发生的重要参量,而当冰雹云同时具备低云顶亮温和大亮温梯度的情况下,更有利于大于10 mm大冰雹的发生。     

西南低涡对流云团及其降水的一些特征

基于FY-2C静止卫星红外和水汽通道资料,简单分析了发生在四川盆地的西南低涡暴雨云团生消过程,给出了一些有意义的云团生命特征。同时,结合相应的地面自动站降水资料,详细分析了卫星红外和水汽通道云顶亮温与对流云团降水之间的关系特征,结果表明:对于一完整对流降水过程,1小时内最低水汽亮温和水汽亮温增量能很好地描述地面1小时累计降水特征。然而,用静止卫星红外或水汽通道亮温来表征的云团降水特征是非常复杂的。尽管具有相同的最低云顶红外或水汽亮温,但对不同的对流过程其总体降水量级趋势不一样。而且,对于同一对流过程的不同发展阶段,即使出现云顶红外或水汽亮温一样,但其地面降水特征也是不一致的。甚至是对于同一时刻具有相同最低红外或最低水汽亮温特征的云,其降水落区与量级都不尽相同。正是这些复杂的降水特征,使得西南低涡对流云团的降水估算具有很大的难度。      

“5·6”四川盆地对流云团特征及触发机制

利用FY-2卫星资料、NCEP再分析资料和常规观测资料,分析研究了2016年5月6日四川盆地暴雨对流云团的特征及其形成机制。结果表明:四川盆地对流云团易发生在青藏高原东侧边坡陡峭地形带,初生对流云团的云顶亮温低于-45℃,边缘最大温度梯度为15~20℃,水汽-红外通道亮温差值介于-5~0℃,分裂窗-红外亮温差值介于0~2℃。强降水出现在红外和水汽亮温快速下降到最低值、水汽-红外通道差值达0℃附近、分裂窗-红外亮温差为正值和温度梯度达0℃后的几小时内,最大雨强出现在强对流云团成熟后开始迅速减弱的初始阶段(即云顶亮温开始回升的阶段)。较大范围的强降水由发展成熟的云顶最低亮温约为-70℃的对流云团产生,主要出现在红外亮温低于-50℃的区域,集中在红外亮温-65℃~-60℃、水汽亮温为-65℃~-60℃的云顶较为平滑的次低值中心区域内,并不与云顶最低亮温中心相吻合。机制分析表明,对流云团生成区域均受偏东风影响,且形成于高的对流不稳定能量条件下,发展于高湿区,近地层冷空气扩散南下与气旋式流场中的辐合共同触发对流在辐合线以北生成,而中层垂直风切变的加强、中低层暖平流和高层冷平流的发展促使对流云团发展旺盛。     

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。     

基于FY-4A的一种自适应阈值对流云提取算法

以台风"利奇马"带来的强对流天气过程为例，利用FY-4A气象卫星先进静止轨道辐射成像仪的水汽与红外窗区通道亮温数据，对照全国气象雷达组合反射率拼图数据中反射率因子大于35 dBZ的对流云区域，设计了一种自适应阈值对流云提取算法。结果表明：（1）FY-4A气象卫星使用水汽—红外窗区亮温差法提取对流云，其最佳阈值为-2 K，使用该阈值可最大程度地减少卷云噪声干扰，同时可最大化提取对流云的准确率与识别率。（2）该算法通过控制水汽—红外窗区亮温差大于-2 K区域所占云团面积比使其大于80％提取较为完整的对流云，且可进一步过滤卷云等噪声。自适应阈值对流云提取算法原理清晰，操作简单，具有良好的拓展性，可为强对流天气的短临预报等研究提供参考。     

长江三峡地区枯水期强降水过程的水汽图象

通过对１９９６年１１月４￣６日长江三峡地区强降水过程的水汽图象、红外及可见光云图和常规气象资料的诊断分析,证灾了在水汽图象上可以看到红外云图和可见光云图上看不到的信息,而这信息对强降水预报是重要的。     

FY-3 IRAS水汽通道亮温正演精度改进方法

卫星大气探测仪器的正演模拟是卫星资料同化和定量遥感的基础, 同CO₂吸收通道相比, 目前红外水汽探测通道的亮温正演模拟误差较大。利用国际上通用的TIGR (thermodynamic initial guess retrieval database) 43廓线库作为训练样本, NESDIS (national environment satellite, data and information service) 35廓线库作为独立检验样本, 对水汽廓线按照整层大气水汽总量为阈值进行分组训练, 基于RTTOV (radiative transfer for TOVS) 模型训练获得风云三号气象卫星红外分光计的正演回归系数并模拟计算观测亮温。以0.045 kg·m-2作阈值进行分组训练为例, 结果表明:该方法可有效改进水汽通道亮温的正演精度, 特别是对低水汽含量廓线的模拟精度改进比较明显, 最大可达0.17 K。进一步分析表明:分组训练方法改进水汽通道辐射模拟精度的原因是提高了水汽光学厚度的计算精度。     

面向“红外云图晴空区导风”的FY-2E红外通道亮温度敏感性分析

利用MODTRAN辐射传输模式,结合FY-2E星载辐射计红外分裂窗通道的光谱响应特征,计算了中纬度的夏、冬季晴空大气情况下,卫星观测亮温度对大气水汽及气溶胶的敏感性。在模拟条件下,计算星载辐射计红外通道温度灵敏度(0.2 K)对应的大气水汽及气溶胶含量变化的临界值分别为0.42 g/cm2和0.25。以此为参照值,利用FY-2E晴空大气可降水量产品及MODIS大气气溶胶产品实际数据,分析了在导风模块常用尺度(80 km×80 km)内大气水汽、气溶胶含量的变化引起FY-2E星载辐射计红外分裂窗通道观测亮温度差异超过星载辐射计红外通道的温度灵敏度的可能性,结果表明实际大气存在满足上述临界值条件的情况。研究结果为把晴空大气水汽、气溶胶作为卫星红外云图上的晴空区导风示踪物,提供了理论和实际依据。      

一次强暴雨过程的水汽图像分析

用GMS－5水汽图像、红外云图、流场和云顶亮温TBB场，分析了1999年8月9日石家庄市区的强对流大暴雨。结果表明：（1）水汽图像中的较亮区域在对流层上部相对潮湿，水汽含量大，是强对流暴雨落区预报的参考依据；（2）水汽图像中较亮的湿区与θse高值区的重合，是强对流暴雨产生的重要物理因子。     

用红外和水汽两个通道的卫星测值指定云迹风的高度

提出了一种改进的用红外和水汽两个通道的测值指定云迹风高度的算法。利用红外水汽散点图和云迹风本身自动地将有低云的目标区、有半透明卷云的目标区、有密蔽高云的目标区分开。在有低云的目标区和有密蔽高云的目标区用红外一个通道指定云高。在有半透明卷云的目标区用红外和水汽两个通道指定云高。在用两个通道的测值指定云高时，假定卷云高度以上不存在水汽，以红外和水汽两个通道亮温相同这个方程与两个通道辐射测值线性相关的方程联立解出云的高度     

天山西部地区冰雹云的卫星光谱特征及监测应用

针对冰雹灾害多发的新疆天山西部地区,利用2007年和2008年5一10月14次MODIS卫星过境资料,选取共计45个云系样本数,进行冰雹云、强对流云团和薄卷云的光谱特征提取和雹暴指数计算与分析。结果表明,冰雹云的热红外亮度温度（CH31、CH32、CH35）均〈240K,中红外波段反射率（CH20）相对较低〈30％,可见光和短红外波段反射率（CH1和CH6）均〉80％,雹暴指数≥0．35,得到了有利于冰雹云的卫星遥感客观判识指标。     

华北强天气的水汽图象特征研究

利用1991～1993年共37个时次的NOAA TOVS反演的红外水汽亮度温度图、卫星云图及常规气象资料，分析华北地区夏季强天气过程，归纳出降水和强对流天气的水汽图象4种基本类型，为分析和预报此类天气提供了新的依据。     

Distributions of Downwelling Radiance at 10 and 20 μm in the High Arctic

In the Arctic, most of the infrared (IR) energy emitted by the surface escapes to space in two atmospheric windows centred at 10 and 20?μm. As the Arctic warms and its water vapour burden increases, the 20?μm cooling-to-space window, in particular, is expected to become increasingly opaque (or “closed”), trapping more IR radiation, with implications for the Arctic’s radiative energy balance. Since 2006, the Canadian Network for the Detection of Atmospheric Change has measured downwelling IR radiation with Atmospheric Emitted Radiance Interferometers at the Polar Environment Atmospheric Research Laboratory at Eureka, Canada, providing measurements of the 10 and 20?μm windows in the High Arctic. In this work, measurements of the distribution of downwelling 10 and 20?µm brightness temperatures at Eureka are separated based on cloud cover, providing a comparison to an existing 10?µm climatology from the Southern Great Plains. The downwelling radiance at both 10 and 20?μm exhibits strong seasonal variability as a result of changes in cloud cover, temperature, and water vapour. Given the 20?µm window’s limited transparency, its ability to allow surface IR radiation to escape to space is found to be highly sensitive to changes in atmospheric water vapour and temperature. When separated by season, brightness temperatures in the 20?µm window are independent of cloud optical thickness in the summer, indicating that this window is opaque in the summer. This may have long-term consequences, particularly as warmer temperatures and increased water vapour “close” the 20?μm window for a prolonged period each year.     

云参数对微波亮温模拟计算的影响试验

利用CRTM (Community Radiative Transfer Model) 快速辐射传输模式对NOAA-K系列卫星的AMSU-A通道亮温进行正演模拟,重点研究云粒子类型、云高、云厚度等云参数对微波亮温模拟的影响。结果表明:改变云粒子类型时,云水和雨水对模拟亮温影响较大,模拟亮温值比晴空高1 K;霰、雪、冰、雹等固态粒子对模拟亮温的影响较小,模拟亮温值略低于晴空无云情况;云层光学厚度较大时,各通道亮温受云层影响的情况取决于权重函数峰值高度和云顶高度的配置;多个高度存在云时,若最上层云较厚 (2 km),光学厚度大,相应通道亮温取决于最上层云,较低层云对亮温不产生影响;云层变薄,光学厚度减小,高度低于云层或略高于云顶的通道亮温随云层厚度的变化明显,若通道高度远高于云顶,云层厚度的变化对于其亮温模拟的影响很小。     

GMS实时资料遥感海冰的研究

利用１９９５年１，２月ＧＭＳ－４的红外亮温和可见光反照率资料，以辽东湾海冰为对象，根据冰水物理特性的差异，建立了冰水识别的判据和冰厚与亮温、反照率的对应关系，反演出冰厚和冰密集度数字分布。结果表明，冰水识别的准确率为８４．８％，冰厚反演误差为３．８ｃｍ，密集度反演误差为２２％。     

基于探空资料因子组合分析方法的冰雹预报

以1978—2007年四川省宜宾探空站200 km范围内共45例降雹事件与非降雹事件作为时间样本,将利用T-lnp探空资料计算表征热力、动力、水汽条件、温度、高度等物理参数作为预报因子,采用因子组合分析方法对3244个预报因子进行筛选,找出影响宜宾探空站附近降雹的预报因子,并计算得到它们的阈值及组合关系,建立了冰雹预报指标判别式。两个主要因子为400 hPa饱和湿静力温度与850 hPa湿静力温度之差 (T_σ400*-T_σ850) 和400 hPa与地面垂直气压梯度之差 (G_z400-G_zsurface),两个条件因子为700 hPa水汽压与饱和水汽压之差 (e₇₀₀-e_s700) 和700 hPa露点温度与饱和湿静力温度之差 (T_d700-T_σ700*)。将2008年全年732例时次的T-lnp探空资料代入判别式进行试报,探测率为84%,空报率为67.7%,成功指数为30.4%,试报结果表明:基于探空资料因子组合分析方法得到的冰雹预报指标判别方法可行,具有一定准确性。     

STUDY ON SEA ICE WITH GMS REAL-TIME DATA*

By use of GMS-4 infrared brightness temperature and visible albedo data from January to February in 1995,the method for extracting of sea ice parameters is developed.The digital remote sensing picture is obtained on Liaodong Bay.Based on the difference in physical properties between ice and water,a criterion distinguishing ice from water is set up.Ice thickness has been calculated according to the relationship between ice thickness and brightness as well as albedo.Ice concentration is retrieved due to the difference on albedo between ice and water.The results indicate that the accuracy of ice-water distinguishing is 84.8%,the errors of ice thickness and ice concentration are 3.8 cm and 22%,respectively.     

STUDY ON SEA ICE WITH GMS REAL-TIME DATA

By use of GMS-4 infrared brightness temperature and visible albedo data from January toFebruary in 1995,the method for extracting of sea ice parameters is developed.The digital remotesensing picture is obtained on Liaodong Bay.Based on the difference in physical properties betweenice and water,a criterion distinguishing ice from water is set up.Ice thickness has been calculatedaccording to the relationship between ice thickness and brightness as well as albedo.Iceconcentration is retrieved due to the difference on albedo between ice and water.The resultsindicate that the accuracy of ice-water distinguishing is 84.8%,the errors of ice thickness and iceconcentration are 3.8 cm and 22%,respectively.