Research on the Application of the Radiative Transfer Model Based on Deep Neural Network in One-dimensional Variational Algorithm

As a typical physical retrieval algorithm for retrieving atmospheric parameters, one-dimensional variational(1 DVAR) algorithm is widely used in various climate and meteorological communities and enjoys an important position in the field of microwave remote sensing. Among algorithm parameters affecting the performance of the 1 DVAR algorithm, the accuracy of the microwave radiative transfer model for calculating the simulated brightness temperature is the fundamental constraint on the retrieval ...     

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。      

Study on ETKF-Based Initial Perturbation Scheme for GRAPES Global Ensemble Prediction

Initial perturbation scheme is one of the important problems for ensemble prediction. In this paper, ensemble initial perturbation scheme for Global/Regional Assimilation and PrEdiction System (GRAPES) global ensemble prediction is developed in terms of the ensemble transform Kalman filter (ETKF) method.A new GRAPES global ensemble prediction system (GEPS) is also constructed. The spherical simplex 14-member ensemble prediction experiments, using the simulated observation network and error characteristics of simulated observations and innovation-based in ation, are carried out for about two months. The structure characters and perturbation amplitudes of the ETKF initial perturbations and the perturbation growth characters are analyzed, and their qualities and abilities for the ensemble initial perturbations are given. The preliminary experimental results indicate that the ETKF-based GRAPES ensemble initial perturbations could identify main normal structures of analysis error variance and reflect the perturbation amplitudes.The initial perturbations and the spread are reasonable. The initial perturbation variance, which is approximately equal to the forecast error variance, is found to respond to changes in the observational spatial variations with simulated observational network density. The perturbations generated through the simplex method are also shown to exhibit a very high degree of consistency between initial analysis and short-range forecast perturbations. The appropriate growth and spread of ensemble perturbations can be maintained up to 96-h lead time. The statistical results for 52-day ensemble forecasts show that the forecast scores ofensemble average for the Northern Hemisphere are higher than that of the control forecast. Provided that using more ensemble members, a real-time observational network and a more appropriate inflation factor,better effects of the ETKF-based initial scheme should be shown.     

利用多角度POLDER偏振资料实现陆地上空大气气溶胶光学厚度和地表反照率的同时反演 I. 理论与模拟

陆地上空标量辐射对地表反射率和大气气溶胶散射都具有很强的敏感性,而偏振反射只对大气气溶胶敏感,对地表不敏感。根据这个原理并结合POLDER(POLarization and Directionality of Earth Reflectance)资料的特点,作者提出综合利用标量辐射和偏振反射信息来实现陆地上空大气气溶胶和地表反照率的同时反演。首先,利用多角度偏振辐射观测提取大气气溶胶光学参数,再利用标量辐射测量对偏振反演结果作进一步筛选和订正,同时获得地表反射率。数值模拟试验结果证明,仅利用偏振信息只能获取大气气溶胶信息,而且其结果误差较大,特别是对于散射作用较强的短波长通道如670 nm误差更大,但经过标量辐射订正后的结果得到明显改善,气溶胶光学厚度和地表反射率与真实值之间相关系数都达到0.99以上。为提高查找表的计算效率,提出并建立了反演方案所需要的半参数化数值表,利用内插方法寻求气溶胶光学厚度和地表反射率的数值解的反演方法。     

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。     

基于多尺度特征融合网络的云和云阴影检测试验

基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络（Multi-scale Feature Fusion Network, MFFN）的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块（Res.block）、扩大网络感受野的多尺度卷积模块（MCM）和提取并融合不同尺度信息的多尺度特征模块（MFM）。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。     

1960—2008年南方地区冰冻时空分布特征

利用地基多普勒天气雷达数据,提出机载雷达扫描的模拟仿真算法,并建立了仿真扫描的理论模型。该模型利用数据分层几何投影,处理速度较快、精度较高,可应用于扇形扫描和圆锥扫描。在理想情况下,设计了消除地物回波的算法及多普勒速度退模糊的算法。试验表明,仿真回波可应用于机载气象雷达实际观测前的扫描方式可行性研究,有助于分析机载雷达探测的云雨回波特性。     

人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用

基于红外高光谱大气探测器AIRS实况观测资料,尝试用人工神经网络算法来实现晴空时大气的温度垂直廓线反演,重点将该算法与目前已经发展比较成熟的特征向量统计反演算法进行比较。结果表明,两种算法在计算时间效率和反演精度上相当。鉴于人工神经网络算法的统计物理本质,误差反向传播BP神经网络可以求解非线性问题,在优化训练样本和继续调试网络种类和网络参数的基础上,有望能进一步提高反演精度。     

A regression-based statistical correction of mesoscale simulations for near-surface wind speed using remotely sensed surface observations

Wind speed is an important meteorological variable for various scientific communities. In this study, numerical mesoscale simulations were performed over the Republic of Korea in 2006, to produce wind information distributed homogeneously with space. Then, an attempt was made to statistically correct the simulated nearsurface wind speed using remotely sensed surface observations. The weak wind season (WWS, from May to October) and strong wind season (SWS, from November to April) were classified on the basis of the annual mean wind speed. Although the spatial features and monthly variation pattern of the near-surface wind speed were reasonably simulated in the Weather Research and Forecasting (WRF) model, the simulations overestimated the observed values. To correct the simulated wind speeds, a regression-based statistical algorithm with different constants and coefficients for WWS and SWS was developed using match-up datasets of wind observations and satellitederived variables (land surface temperature and normalized difference water index). The corrected wind speeds showed reasonable performance for both WWS and SWS with respect to observed values. The monthly variation in the corrected wind speeds over the Republic of Korea also matched better with observations throughout the year, within a monthly bias range of approximately ± 0.2 m s^?1. The proposed algorithm using remotely sensed surface observations may be useful for correcting simulated near-surface wind speeds and improving the accuracy of wind assessments over the Republic of Korea.     

采用双权重算法进行FY-3A微波湿度计资料质量控制试验

针对FY-3A卫星微波湿度计MWHS(Microwave Humidity Sounder)资料的质量控制进行研究.选用2010年冬季1月17-23日FY-3A微波湿度计MWHS LlC格式的全球观测资料作为研究对象,采用双权重算法对观测增量O-B进行质量控制,其中O是Fy-3A微波湿度计观测的亮度温度,B是基于NCEP GFS全球预报系统6h预报场用辐射传输模式RTTOV模拟的亮度温度值,目的是剔除受地表发射率或云影响的离群资料.结果表明,通过双权重的质量控制后,FY-3AMWHS3、4、5通道O-B的标准差明显减小了2～3K,同时,质量控制后O-B偏差和标准差随时间窗变化也很稳定,可见该方法除去异常资料的效果较为理想,能够应用到卫星资料的质量控制中.     

区域气候模式(RegCM2)与水文模式耦合的数值试验

建立不均匀的地表径流算法，修改RegCM2的径流方案，设计了一个适合与气候模式RegCM2耦合、能模拟水文站流量的汇流模式，模拟了1998年6、7、8月降水的空间分布，分析了该径流方案对降水、地表热量通量、地表径流、土壤湿度产生的影响。结果表明：（1）该方案在模拟1998年长江流域降水空间分布上有一定的合理性，在一定程度上改善了降水量的模拟，其影响大致是总降水量的10％；（2）地表径流方案改变了地面向大气输送的热量通量，这种作用随时间发生变化，这种变化与地表水分的再分配有关；（3）本方案计算的土壤渗透率较强，在暴雨初期，产生径流较少，而在暴雨后期土壤湿度增大，产生的地表径流较大，这一点更符合洪水形成的特点；（4）水文一气候耦合模式模拟了两个长江水文站的流量，模拟值基本反映了实测值的变化趋势，也表明耦合模式基本能反映1998年夏季长江流域大暴雨期间的地表水文过程。     

基于遗传优化BP神经网络的水稻气象产量预报模型

利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。     

EMD在广西季节降水预报中的应用

气候系统是一种耗散的、具有多个不稳定源的非线性、非平稳系统。该文利用支持向量机(SVM)算法在处理非线性问题中的优越性和经验模态分解(EMD)算法在处理非平稳信号中的优势,采用将EMD与SVM相结合的短期气候预测方法,并应用到广西季节降水预报中。选取广西88个气象观测站1957—2005年6—8月逐年降水量的距平百分率序列作为试验数据,通过EMD算法将标准化处理后的距平百分率序列分解成多个本征模态函数(IMF)分量和一个趋势分量,在分解中针对EMD算法存在的端点极值问题选择两种方法分别进行处理,对比得出极值延拓法效果更好。对每个分量构建不同的SVM模型进行预测,并通过重构形成最后的预测结果。试验中采用不经EMD处理的反向传播(BP)神经网络和SVM算法进行对比验证,结果表明:相对于直接预测方法,该文提出的方案均方误差最小,能够较为准确地反映出降水序列未来几年的变化趋势,具有更高的预测精度和较好的推广前景。     

带网络攻击识别机制的传感器网络分布式滤波算法

研究了面向网络攻击的无线传感器网络的分布式目标估计问题.由于测量范围有限,网络中只有部分传感器能测量到目标,而且节点受到随机的攻击从而使得测量值被注入虚假信息.在此背景下,本文提出了基于攻击检测识别策略的改进分布式卡尔曼滤波算法.在该算法中,节点首先基于设计给出的攻击识别阈值来判断其是否受到攻击,生成识别因子;然后以估计误差协方差的迹最小为信息融合原则来设计一致性卡尔曼滤波算法,对处于监测域内的运动目标进行分布式状态估计.同时,分析了算法的收敛性,明确给出了网络估计误差均方有界的随机攻击概率的充分条件.最后用数值仿真验证了算法的有效性和优越性.     

基于注意力反向投影网络的天气雷达回波超分辨率重建算法

高分辨率的天气雷达数据能揭示探测天气目标的精细结构,对灾害性天气分析和预报预警至关重要。提高天气雷达反射率数据分辨率可以提升现有业务天气雷达对中小尺度强对流灾害性天气的监测和预警能力。本文在不改变雷达硬件的情况下,提出了基于注意力反向投影网络(Attention Back-Projection Network,ABPN)的天气雷达回波超分辨率重建算法用于提高雷达反射率数据分辨率。ABPN通过在深度反向投影网络(Deep Back-Projection Network,DBPN)中加入长短跳跃连接和通道注意力机制,对关键区域精细化重建结构特征。通过对实际天气过程超分辨率重建测试,结果表明,ABPN算法在雷达回波重建质量和主观视觉评估上有明显的优势,特别是在回波细节和天气雷达的边缘结构特征方面。     

中国地基GNSS/MET水汽产品质量控制及与再分析产品的对比评估

本文研究并提出中国地基全球导航卫星系统（GNSS）水汽产品的综合质量控制（CQC）算法。CQC算法由质量检查和综合决策两个环节组成。质量检查环节主要对待检观测数据与其参考数据的差异进行分析,包括界限值检查、考察时间一致性的临近点检查和低通滤波检查,考察空间一致性的邻近站检查、距平值检查和峰谷值检查,以及基于背景场的粗大误差检查等7个模块。每个检查标记出超过阈值的观测数据,随后利用综合决策算法对数据的标记情况进行综合评分,最终给出数据的质量控制码。基于质量控制后的数据,评估了中国第一代全球大气再分析产品（CRA）、ERA-Interim和ERA5等五套再分析数据在中国地区的水汽模拟效果。结果表明几套再分析资料模拟的大气可降水量（PWV）在冬季整体略高于观测,夏季则明显低于观测。在空间上,中国南方地区和西部地区模拟的PWV低于观测,这种情况在夏半年更加明显。相对于观测,CRA的平均偏差（O?B）为0.633 mm,均方根误差为3.650 mm。CRA相对于观测的误差略高于ERA5,但略低于ERA-Interim,明显优于JRA55和NCEP2结果。     

太赫兹频段雷达探测的冰云微物理参数反演算法模拟研究

在假设冰云粒子呈球形以及粒子谱服从对数正态分布的条件下,利用离散偶极子近似法(DDA),计算出太赫兹频段(220 GHz)冰云粒子的雷达反射率因子,及其与瑞利假设下雷达反射率因子的比值。忽略衰减和多次散射的影响,根据太赫兹波段冰云的雷达反射率因子,基于最优估计理论反演冰云的微物理参数,并验证该算法的可靠性。反演结果表明,当冰云粒子大小在设定的尺度范围内时,有效粒子半径(r_e)的反演误差小于4%,粒子谱宽(σ)的误差小于2.5%、粒子数密度(N_T)的误差小于1%,冰水含量(IWC)的误差小于5%。还分析了当N_T和σ为定值时,反演结果随粒子尺寸的变化情况,当冰云粒子尺寸在模拟计算设定的范围内时,r_e的反演误差小于0.04%,σ的反演误差小于0.02%,N_T的反演误差小于0.50%,IWC的反演误差小于0.08%,如果冰云粒子大小超出模拟计算设置的范围,反演误差随着r_e增加而增大。该结果证明了基于最优估计理论反演得到的冰云微物理参数与模拟设定值有良好的一致性,说明该方法可应用于太赫兹频段云雷达的冰云观测及云微物理参数的反演和研究。      

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。     

微气象观测数据采集系统

微气象观测数据采集系统是微气象自动观测网的子系统。该子系统包括塔站、辐射站的数据采集以及塔站向中心站的数据传输。本文介绍了这两部分的硬件组成及软件编制,并从原理上描述了研制温度传感器时采用的“准噪声测量消噪法”这一特殊技术。     

天气雷达反射率基数据质量控制的几种算法

回顾了国内外针对基数据质量自动控制技术的研究进展;详细介绍了基于模糊逻辑的雷达回波分类算法、基于水平和垂直反射率结构的质量控制算法、基于神经网络的天气雷达数据质量控制方法的设计思想、计算步骤和适用范围,并对3种算法的优缺点进行了比较;最后对质量控制技术的发展作了展望。结果认为,基于水平和垂直反射率结构的质量控制算法可以有效地识别地物杂波,算法相对简单且效率较高,适合业务使用。