基于地基微波辐射计反演四川盆地水汽及云液态水的初步分析

利用2016年12月1日～2017年11月30日,地基微波辐射计、L波段探空资料和地面常规气象资料,对四川盆地的水汽和云液态水进行了初步分析。结果表明：(1)探空与微波辐射计反演的水汽含量差值为0.558cm,相关系数为0.787,且通过了α=0.01显著性检验,微波辐射计反演的水汽含量是可信的。(2)基于地基微波辐射计分析四川盆地水汽和云液态水含量的变化特征,可以得出,夏季水汽含量最多,秋季云液态水含量最多;最大值出现在夜晚,最小值出现在白天,夜晚值大于白天。水汽含量和云液态水含量最大值和最小值时间间隔秋季最长(均为16小时),冬季最短(分别为9小时、10小时);水汽含量日较差在秋季最大(1.096cm),冬季最小(0.489cm),云液态水含量日较差在夏季最大(0.908mm),冬季最小(0.311mm)。水汽含量与降水、温度的月变化特征为显著性正相关,相关系数分别为0.842和0.915;与温度日变化特征在春、秋季的11:00～次日01:00为显著性正相关,白天相关性大于夜晚,在夏季01:00～13:00为显著性负相关,日出前相关性最高。(3)水汽和云液态水含量在降水过程开始前1～2h有明显的波动上升,降水结束后,水汽和云液态水含量迅速减少,水汽和云液态水的变化特征对降水天气的预报具有指示意义。     

地基微波辐射计反演水汽密度廓线精度分析

以探空水汽廓线为标准,对00:00UTC、12:00UTC北京南郊(39.93°E,116.28°N)观测站的微波辐射计水汽廓线与WRF(Weather ResearchForecasting Model)模拟的水汽廓线进行精度分析。结果表明,整体上WRF水汽密度接近探空,但在近地面处微波辐射计的更接近探空;水汽密度偏差在夏季较大冬季较小;微波辐射计的水汽密度在3km左右偏大,根据北京地区历史天气记录中有中云的天气较多的信息,推测可能是由于云对微波辐射计反演有影响。06:00UTC和18:00UTC以WRF水汽廓线为参考对微波辐射计的水汽廓线进行精度分析,得到的结果与00:00UTC和12:00UTC的类似。     

HUBEX试验期间地基微波辐射计反演资料的应用研究

在1998年和1999年淮河流域能量和水循环试验(HUBEX)加密观测期间(IOPs),获得了双通道微波辐射计观测资料反演得到的大气水汽含量和云中液态水含量的时间连续资料序列.本文结合天气分析和其他加密观测资料,进行了HUBEX试验期间天气变化同大气水分变化关系的分析.结果表明,天气条件的变化是大气水分变化的主要原因.     

地基微波辐射计探测资料质量控制方法

微波辐射计具有24 h不间断工作、时间分辨率高等优点,是常规探空的有益补充。天线罩上的积水、无线电干扰等会导致微波辐射计探测数据出现错误。因此,开展质量控制是合理使用微波辐射计探测资料的基础。该文利用上海宝山站历史探空资料和世博园站MP-3000A型地基微波辐射计温湿度数据,设计了极值、时间一致性、空间一致性检查等适用于微波辐射计探测资料的质量控制方法,针对2012年1月-2013年12月降水、有云（有云无降水）、晴空等不同天气条件下得到的微波辐射计探测资料分别开展质量控制,并对质量控制效果进行定量分析。结果表明:上述方法能有效查找温（湿）度超过极值、温（湿）度突变、温度层际变化大等各类疑误廓线,疑误廓线类型和频数与天气条件有关,其中降水天气的各类疑误廓线频数远远高于无降水天气（有云和晴空）。去除疑误廓线后,与同期探空资料的相关系数增加,均方根误差减小。     

地基微波辐射计对乌鲁木齐暴雨天气过程的观测分析

MP-3000A是一种新型大气探测仪器,可以连续得到从地面到10km高度上高分辨率的温度、相对湿度、水汽廓线以及液态水廓线。通过选取2011年5月1日的微波辐射计观测数据,分析在降水发生前后的水汽密度和液态水含量的变化,发现大气降水与水汽密度和液态水含量有很紧密的联系。大气中的可降水量一般会维持在25mm,当大气中的可降水量值超过50mm,液态水含量值开始增加的时候,发生降水的可能性增大;降水过后,液态水含量若是没有回落到0.0mm以内,在未来的2～3h内还是会发生降水,因此研究微波辐射计探测的大气水汽密度和液态水含量,将有助于提高短时、临近预报的准确度。     

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。     

RPG-HATPRO-G3地基微波辐射计反演产品评估

RPG-HATPRO-G3地基微波辐射计采用“多通道并行测量技术”,性能稳定,反演精度高。应用该微波辐射计和常规L波段探空数据,比较了微波辐射计反演数据与探空测值的差异。结果表明：温度、水汽密度与常规探空资料比较有很好的线性相关性,对仪器维护后可以提高数据质量;相对湿度数据离散度较高。比较无降水时不同高度下微波辐射计反演数据的精度,温度在1 000 m以下低层平均误差和均方根误差较小;水汽密度的平均误差和均方根误差均为近地面较大,随高度而减小;相对湿度的平均误差和均方根误差都明显较大,温度和水汽密度的准确性高于相对湿度。降水时不同高度的温度、水汽密度和相对湿度的平均误差和均方根误差变化趋势均与无降水时相似,但是误差值明显偏大;降水时反演温度在2 000 m以下误差较小,水汽密度在3 000 m以下反演值较探空测值大,相对湿度在降水时的误差较大。     

地基GPS和微波辐射计倾斜路径水汽对比观测试验方案设计

为开展地基GPS接收机和微波辐射计斜路径水汽总量的对比观测试验,设计实现一套控制微波辐射计全自动追踪可视范围内某颗GPS卫星,以获取微波辐射计与该GPS卫星之间斜路径水汽总量的外场试验方案.根据观测设备的特点,在软件控制层面上,该试验方案集成GPS接收机和微波辐射计的I/O数据和控制文件,实现各种天气条件下的自动连续观测,获取的观测数据样本具有代表性.该试验方案的实施全程由计算机控制,既可避免可能的人为操作失误,又能节约人员劳务开支.初步的观测结果表明,试验方案能够满足倾斜路径水汽总量对比试验对微波辐射计定位精度的要求.     

基于LSTM的地基微波辐射计湿度廓线反演

大气湿度廓线对于研究大气系统的复杂性具有十分重要的作用.地基微波辐射计有着连续观测的特性,能够以高时间分辨率反演出高度至10 km的大气湿度廓线,廓线数据对于气象预报和研究气候系统的变化至关重要.为了提高反演大气湿度廓线的精准度,本文使用时间循环神经网络模型,利用微波辐射计连续探测的信号并使用Ka波段毫米波云雷达数据提...     

利用微波辐射计AMSR-E反演陆地上空大气水汽的研究

目前的大气水汽算法只适用于晴空条件,但是全球大部分时间云层覆盖都处于40%～60%之间。因此,只适用于晴空条件下的大气水汽反演算法,是不能满足应用需求的。而微波具有一定的穿透能力这一特点,使得其在全天候大气水汽探测方面具有很大的发展潜力。本文发展了基于微波辐射计AMSR-E的数据反演大气水汽的算法,利用不同波段间地表发射率之间的线性关系,消去辐射计信号中的地表信息,而AMSR-E的23.8GHz对大气水汽比较敏感,因此用其反演大气水汽,反演的结果和MODIS以及实测的数据进行对比,算法优势明显。     

利用地基微波辐射计资料反演0~10 km大气温湿廓线试验研究

为综合评估地基微波辐射计(以下简称辐射计)温湿探测性能、提高温湿廓线精度,利用2021年3—8月北京辐射计观测、探空和ERA5再分析等资料,分析不同天气条件下(晴天、云天、雨天)辐射计温湿度探测性能,利用探空数据和修正后的ERA5数据对辐射计温湿廓线进行检验,并基于线性偏差订正方法对辐射计温度、相对湿度进行订正。结果表明：(1)辐射计温度在晴天、云天与探空温度具有较好的一致性,而其在降雨天气较探空温度高;辐射计相对湿度在晴天高于探空,云天和雨天低于探空。雨天探空数据对辐射计温、湿度的线性偏差订正效果优于晴天、云天。(2) ERA5相对湿度在4 km以上高度与探空存在明显偏差,其温度与探空温度的相关性高于相对湿度。(3)探空数据修正后的ERA5数据能较好提升辐射计温湿廓线精度,且在雨天效果优于晴云天。垂直方向上,随着高度增加辐射计温、湿度订正效果更明显。(4)采用探空数据和修正后的ERA5数据对订正后的辐射计温湿数据进行误差分析,结果表明晴天和云天条件下辐射计与探空、辐射计与修正后ERA5数据的误差(平均误差BIAS和均方根误差RMSE)廓线垂直分布特征相似。雨天条件下两者在中高层(7—10 km)有明显差异,其中温度RMSE相差4 K,相对湿度RMSE相差20%。

     

微波辐射计亮温观测质量控制研究

针对武汉MP-3000A型微波辐射计,将无线电探空资料代入辐射传输模式(MWCLD),计算出该辐射计各通道的亮温,再与实际观测的亮温值进行对比,通过个例分析该辐射计观测值与计算值的一致性并判断各通道观测值的合理性.分析结果表明:模式计算值与观测值之间有很好的一致性,并且经过偏差订正或线性订正后的数据,可用于检查辐射计在各个通道的运行状态,从而建立有效的针对地基微波辐射计资料的质量控制方案.     

基于MonoRTM模型的微波辐射计反演方法研究

基于辐射传输模型MonoRTM计算天空亮温度,使用多元线性统计回归方法和BP神经网络方法分别对大气温度和水汽密度廓线进行了反演,检验并分析了两种方法的反演精度.结果表明,多元线性回归方法反演的温度偏差总体不大于6K,反演的水汽密度偏差小于4 g/m3;神经网络方法反演的温度偏差小于2K,反演的水汽密度误差总体不大于2 g/m3.与探空数据的对比表明,对于大气温度和水汽密度反演,BP神经网络方法的反演结果都要比多元线性回归方法的反演结果更接近探空资料值.     

三年地基微波辐射计观测温度廓线的精度分析

对安装在北京南郊观象台的地基微波辐射计测量的温度廓线数据的精度进行了分析。首先在2006年9月晴天条件下,对比由7个氧气通道测量的亮温与由微波辐射传输模式计算的亮温。得到51.250 GHz的测量值与计算值的标准差值最大,为3.8 K,其余通道均小于1.8 K。2种亮温的偏差值以及绝对偏差值,在51.250和52.280 GHz处大于1.0 K,在其余5个通道处都小于1.0 K。2种亮温拟合直线的斜率,在52.280和53.850 GHz处分别为0.66与0.7,其余通道都大于0.8。然后,使用2005年9月—2008年8月的观测数据,对比地基微波辐射计与探空同时观测的大气温度。结果显示,2种测量技术的差异随高度而增大。另外,将3a观测数据按照季节以及晴天与非晴无降水天进行对比分析。结果显示,不同季节２种测量技术存在不同差异。其中,夏季测量差异最小。而晴天测量差异在3.250 km以下比非晴无降水天小。     

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。     

大气物理学

基于采样间隔为2 min的湖北省高速公路交通气象站观测资料和微波辐射计资料,对2014年1月29—30日发生在湖北省一次强浓雾过程的大尺度环流背景、温度、相对湿度、液态水含量以及水汽密度等要素的演变特征进行了分析。结果表明,这次大雾的发展演变可以分为三个明显的阶段：大雾的形成阶段,气温与路面温度降低,能见度下降,且下降速率明显;大雾的发展增强阶段,气温与路面温度变化平稳,能见度不足百米;大雾的消亡阶段,气温与路面温度升高,能见度上升,大雾消散。大雾产生在特定的大气环流背景下,微波辐射资料分析表明,近地层逆温是大雾产生的重要条件,它的演变与大雾的生消发展有着较好的对应关系。大雾的形成到发展增强阶段,水汽密度明显从近地面逐步向上增加,液态水含量数值增大,相对湿度饱和区高度抬升,大雾厚度变厚,雾浓度变大,能见度下降;大雾的消亡阶段,液态水含量、水汽密度明显减小,相对湿度饱和区高度降低,大雾厚度变薄,雾浓度减小,能见度上升。

     

基于地基微波辐射计遥感的天津大气水汽和液态水特征

利用2013年3月至2017年2月天津西青地基35通道微波辐射计观测资料,分析天津地区大气水汽和液态水特征。结果表明：天津地区各季节积分水汽和积分液态水的日变化趋势基本一致,均呈单峰型日变化特征,其中夏季最大,秋季次之,冬季最小。各季节积分水汽最大值出现在23：00时（北京时,下同）的概率均明显大于其他时次,夏季和冬季的积分液态水的最大值出现在14时的概率最大,春季和秋季分别出现在10时和13时的概率最大。天津地区水汽密度由地面至3.5 km处逐渐减小,递减梯度由夏季、秋季、春季和冬季的顺序依次增大,各季节从1.5 km往上日变化均不明显。1 km以下,春季、夏季和秋季平均水汽密度的日变化曲线呈双峰型,主峰值分别出现在08时、11时和12时左右。冬季呈单峰型变化,峰值区出现在12-16时。液态水密度随高度分层变化,夏季的液态水密度大值区（0.08-0.14 g·m^-3）为5-6 km,在18-20时出现最大值。秋季、春季和冬季液态水密度的大值区出现的高度为1.5-3.5 km,但数值依次减小,春季和冬季的最大值出现在05时前后,秋季则出现在02时左右。另外天津地区水汽、液态水与温度和降水量的变化趋势基本一致,除夏季06-18时及冬季部分时次外,水汽与温度呈正相关。液态水与温度相关性较差,但与降水量呈正相关,全年液态水与降水量夜间的相关性大于白天。     

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。     

Retrieval of water vapor profiles with radio occultation measurements using an artificial neural network

A new method applying an artificial neural network （ANN） to retrieve water vapor profiles in the troposphere is presented. In this paper, a fully-connected, three-layer network based on the backpropagation algorithm is constructed. Month, latitude, altitude and bending angle are chosen as the input vectors and water vapor pressure as the output vector. There are 130 groups of occultation measurements from June to November 2002 in the dataset. Seventy pairs of bending angles and water vapor pressure profiles are used to train the ANN, and the sixty remaining pairs of profiles are applied to the validation of the retrieval. By comparing the retrieved profiles with the corresponding ones from the Information System and Data Center of the Challenging Mini-Satellite Payload for Geoscientific Research and Application （CHAMP-ISDC）, it can be concluded that the ANN is relatively convenient and accurate. Its results can be provided as the first guess for the iterative methods or the non-linear optimal estimation inverse method.