从118.75 GHz附近六通道亮温反演大气温度廓线的数值模拟研究

为了能在静止气象卫星上实现微波被动遥感探测大气温度廓线,并保持一定的地面空间分辨率(如视场小于60 km),就需要使用高频微波及大天线.欧洲和美国下一代静止气象卫星上都已考虑采用118.75 GHz附近通道.为了充分了解118.75 GHz附近通道遥感反演温度廓线的能力,为仪器研制及今后资料的解释反演提供必要的基础数据,作者开展了采用118.75 GHz附近六个通道遥感反演大气温度廓线的数值模拟研究.统计反演的数值试验表明,118.75 GHz附近六通道对温度垂直分布有一定的遥感反演能力;温度反演较好的层次对应于权重函数峰值所在的位置.     

利用神经网络方法从高光谱分辨率红外遥感资料反演大气温度廓线

采用主分量分解数据压缩技术和基于误差反传学习算法的三层前馈神经网络(BP神经网络),使用AUQA/AIRS(Atmospheric Infrared Sounder)高光谱分辨率红外观测资料,对不同光谱通道组合,在中纬度复杂地形上反演了垂直空间分辨率为1 km的大气温度廓线,并与相匹配的ECWMF分析场资料进行了比较。结果表明,从AIRS资料能够获得1 K/km垂直分辨率的对流层温度反演精度。但是青藏高原对反演结果有明显的影响,并且这种影响与光谱波段有关。消除这种影响的途径之一是增加非卫星观测的附加预报因子。同时改进了神经网络反演策略,采用逐层反演的方法,缩短了所需要的网络训练时间。     

地基微波辐射计遥感大气廓线的BP神经网络反演方法研究

讨论了12通道地基微波辐射计遥感反演温度、相对湿度和云液态水廓线的BP神经网络反演方法,利用探空资料,对北京春、夏、秋、冬四个季节的大气廓线进行神经网络训练,并对训练好的网络的反演能力进行数值检验,分析了反演精度;对北京南郊观象台12通道微波辐射计的观测亮温资料进行实际反演,结果表明,神经网络(BPNN)反演的廓线与微波辐射计自带RadiomeNN的相比更加接近实际。     

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。     

基于仿真的6.9 GHz通道亮温改进FY-3D MWRI海面温度产品

海洋表面温度SST（Sea Surface Temperature）是全球海洋和气候研究的重要参数之一,卫星被动微波遥感由于能够实现全天候观测而被越来越多的应用到SST研究中。中国的风云三号（FY 3）卫星搭载的微波成像仪（MWRI）缺少对SST更加敏感的7 GHz附近垂直极化通道,本研究将FY 3 MWRI与具有6.9 GHz通道的Aqua AMSR 2进行时空匹配,采用神经网络方法,利用匹配的FY 3 MWRI的通道亮温模拟仿真AMSR 2的69 GHz垂直极化通道亮温（6.9V）,通过引入仿真的6.9V来提高FY 3 MWRI SST的反演精度。结果表明：引入仿真的6.9V可以改进FY 3 MWRI SST反演精度,对35°～90°S之间海域的SST改进更加显著,主要由于6.9V对低SST的探测灵敏度更高且在低SST反演时受风速的影响较小导致的。如果FY3后续卫星可以搭载6.9 GHz通道,将可进一步提升低SST特别是两极SST的反演精度。     

七通道微波辐射计遥感大气温度廓线的性能分析

文中首先分析了大气参数分布的垂直分辨率对模拟七通道微波温度探测器各通道亮温的影响,通过对比计算表明,大气参数的垂直分辨率对微波测温通道亮温计算的影响为0．2K～0．7K;随后分析了各通道亮温测量误差对温度廓线反演性能的影响,当测量误差在0．2K～2．0K范围内变化时,反演结果的总体均方根误差为2．1K～3．1K;同时还分析了单通道缺损、单通道发生漂移及所有通道发生漂移等情况对温度廓线反演性能的影响。当仪器缺损一个通道时,对所缺通道权重函数峰值附近高度上的大气温度反演有不同程度的影响,对其他高度上的大气温度反演的影响可忽略;单通道漂移0．5K时,对反演结果的影响较小;各通道整体漂移达到1．0K时,对温度廓线反演有明显影响;最后,考虑了云雾对微波测温通道亮温的影响,数值计算表明,雾层、浓霾和卷云对各通道亮温几乎没有影响,层云和积云对50．50GHz通道亮温有明显的影响。     

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%。     

利用人工神经网络方法反演大气温度廓线

高光谱大气红外探测仪AIRS(Atmospheric Infrared Sounder)资料能够显示小尺度的大气温度垂直结构,为数值预报和天气诊断提供了更加准确精细的初始场.目前处理数据主要使用晴空大气业务反演国际MODIS/AIRS处理软件包IMAPP (International MODIS/AIRS Preprocessing Package)中的特征向量统计回归算法,由于统计法算法简单,反演精度受到较大限制.现提出一种利用人工神经网络的算法来对晴空状况下AIRS模拟辐射值进行大气温度廓线反演的方法,并与特征向量统计法结果相比较.结果表明,神经网络方法与特征向量统计法反演所耗时间相当,减小了反演误差,各高度层温度反演精度均有不同程度的改进,获得了较好的反演结果.     

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。      

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%。

     

A COMPARISON OF THE RETRIEVAL OF ATMOSPHERIC TEMPERATURE PROFILES USING OBSERVATIONS OF THE 60 GHZ AND 118.75 GHZ ABSORPTION LINES

The Microwave Temperature Sounder-Ⅱ(MWTS-Ⅱ) and Microwave Humidity and Temperature Sounder(MWHTS) onboard the Fengyun-3 C(FY-3 C) satellite can be used to detect atmospheric temperature profiles. The MWTS-II has 13 temperature sounding channels around the 60 GHz oxygen absorption band and the MWHTS has 8 temperature sounding channels around the 118.75 GHz oxygen absorption line. The data quality of the observed brightness temperatures can be evaluated using atmospheric temperature retrievals from the MWTS-Ⅱ and MWHTS observations. Here, the bias characteristics and corrections of the observed brightness temperatures are described. The information contents of observations are calculated, and the retrieved atmospheric temperature profiles are compared using a neural network(NN) retrieval algorithm and a one-dimensional variational inversion(1 D-var) retrieval algorithm. The retrieval results from the NN algorithm show that the accuracy of the MWTS-Ⅱ retrieval is higher than that of the MWHTS retrieval, which is consistent with the results of the radiometric information analysis. The retrieval results from the 1 D-var algorithm show that the accuracy of MWTS-Ⅱ retrieval is similar to that of the MWHTS retrieval at the levels from 850-1,000 h Pa, is lower than that of the MWHTS retrieval at the levels from 650-850 h Pa and 125-300 h Pa, and is higher than that of MWHTS at the other levels. A comparison of the retrieved atmospheric temperature using these satellite observations provides a reference value for assessing the accuracy of atmospheric temperature detection at the 60 GHz oxygen band and 118.75 GHz oxygen line. In addition, based on the comparison of the retrieval results, an optimized combination method is proposed using a branch and bound algorithm for the NN retrieval algorithm, which combines the observations from both the MWTS-Ⅱand MWHTS instruments to retrieve the atmospheric temperature profiles. The results show that the optimal combination can further improve the accuracy of MWTS-Ⅱ retrieval and enhance the detection accuracy of atmospheric temperatures near the surface.