基于FY-3C/MWHTS资料的海洋晴空大气温湿廓线反演方法研究

贺秋瑞 王振占 何杰颖

(1.中国科学院国家空间科学中心微波遥感重点实验室,北京 100190;2.中国科学院大学,北京 100049)



基于FY-3C/MWHTS资料的海洋晴空大气温湿廓线反演方法研究

贺秋瑞1,2王振占1何杰颖1

(1.中国科学院国家空间科学中心微波遥感重点实验室,北京 100190;2.中国科学院大学,北京 100049)

针对搭载于风云三号C星(FY-3C)上的微波湿温探测仪(Microwave Humidity and Temperature Sounder,MWHTS),建立了海洋晴空大气条件下温湿廓线同时反演的一维变分反演系统. 通过对影响反演精度的各个因素进行分析,确立了该系统的输入参数. 对于FY-3C/MWHTS观测亮温与快速辐射传输(Radiative Transfer Model for TOVS,RTTOV)模型的模拟亮温之间的偏差和角度依赖性,采用逐像元统计回归校正方法进行校正. 选择西北太平洋海域晴空条件下的校正亮温数据进行温湿廓线的反演,并利用欧洲中期天气预报中心再分析数据集对反演结果进行验证,结果表明:反演的温度廓线和相对湿度廓线的最大平均偏差分别为1.09 K和5.4%,最大均方根误差分别为1.48 K和22.69%,与未校正亮温的反演结果相比,温度廓线的均方根误差最大可减小1.56 K,湿度廓线的均方根误差最大可减小14.71%. 反演温湿廓线与背景廓线的精度对比表明:反演的温度廓线在10～70 hPa、300～350 hPa和700～850 hPa内的精度高于背景廓线的精度,而反演湿度廓线的精度除了825～875 hPa,其他范围均高于背景廓线的精度,因此FY-3C/MWHTS观测亮温的反演结果可进一步提高预报廓线精度.

FY-3C/MWHTS;RTTOV;温湿廓线;一维变分反演

DOI 10.13443/j.cjors.2015102101

引 言

大气的温度和湿度垂直廓线是气候监测、当前天气分析以及天气预报的重要参数[1-2]. 在探测大气温湿廓线的各种手段中,星载遥感观测具有覆盖广、连续观测、可全球监测等优点,是大气参数信息获取的重要手段[3]. 其中微波可以穿透云、霾和沙尘等,因此微波遥感在星载大气遥感中又具有独特的优势. 由中国科学院国家空间科学中心负责研制的微波湿温探测仪(Microwave Humidity and Temperature Sounder,MWHTS)搭载于新一代极轨气象卫星FY-3C于2013年发射升空,其通道的设置具有对大气温湿廓线同时反演的能力,关于该传感器的系统参数设置详见文献[4].

从20世纪60年代,国内外学者已开始了大气参数反演的研究,历经几十年的发展,现在常用的温湿廓线反演方法主要分为三类:统计方法,物理方法以及物理统计方法[5-9]. 其中物理方法是通过对辐射传输方程的直接求解来获取大气参数,物理意义清晰,反演精度较高. 目前,一维变分算法作为物理方法的典型代表得到了广泛的应用,其中,Li等人以此方法为基础发展的先进垂直探测器数据处理软件包(International ATOVS Processing Package, IAPP)对先进微波探测装置(Advance Microwave Sounding Unit,AMSU)观测资料进行反演,但在亮温偏差校正时并未考虑观测角度对亮温偏差带来的影响[5]. Boukabara等人同样以该算法为基础发展了微波整体反演系统(Microwave Integrated Retrieval System,MIRS),该系统虽然同时应用了AMSU、微波湿度传感器(Microwave Humidity Sensor,MHS)和特种微波成像仪(Special Sensor Microwave/Imager,SSM/I)的观测资料,但是在进行系统参数的选择时需兼顾这三个传感器的仪器性能及数据特点,如像元的匹配及选择、观测误差协方差矩阵的生成等,这在一定程度上限制了温湿参数的反演精度[6].

根据FY-3C/MWHTS具有独立探测大气温湿参数的能力,本文针对其观测亮温数据,建立了一维变分反演系统,对西北太平洋海域晴空条件下的大气温度和湿度廓线进行反演研究. 分析了影响一维变分反演系统反演精度的因素,选择适于MWHTS的反演系统参数,利用2015年2月份的亮温数据反演得到大气的温度和湿度廓线,并分别利用ECMWF再分析数据集和无线电探空观测(Radiosonde observation, RAOB)数据对反演结果进行了验证分析.

1 资料、模式及算法介绍

1.1 资料与模式

本文使用的数据有MWHTS亮温数据、ECMWF ERA Interim再分析数据、美国环境预报中心(National Centers for Environmental Prediction, NCEP) 6小时预报数据和RAOB数据,地理范围均为(30°N～15°N, 125°E～165°E)．其中,MWHTS亮温数据由中国气象局网站提供,时间范围为2013年10月-2015年2月;ECMWF ERA Interim再分析数据由ECMWF网站提供,时间范围为2005年1月-2015年2月,其温度、湿度以及云量廓线从地面1 000 hPa到高空1 hPa分为37层,分辨率是0.125°×0.125°;NCEP 6 h预报数据由NCEP网站提供,时间为2015年2月,分辨率为0.25°×0.25°,其温湿廓线从地面1 000 hPa到高空1 hPa共26层,为了与欧洲中期天气预报中心(European Centre for Medium Range Weather Forecasts,ECMWF)再分析数据的分层相一致,对其进行内插处理;RAOB数据由RAOB网站提供,时间为2015年2月,同样内插为37层. 本文选择ECMWF发展的快速辐射传输模型(Radiative Transfer Model for TOVS,RTTOV) v11辐射传输模型对MWHTS进行模拟亮温计算.

1.2 一维变分反演算法

一维变分反演算法主要由两部分组成:第一部分是正演辐射传输模型;第二部分是最小化代价函数模型.如果观测误差和先验信息误差不相关,且服从高斯分布,那么反演廓线的最优估计就可以通过最小化代价函数[7]

(1)

来实现. 式中: x为所要反演的廓线; xb为背景廓线; B为背景协方差矩阵; R为测量误差协方差矩阵,包括观测误差协方差E和正演误差协方差F; H(x)表示状态变量x所产生的模拟亮温; I0表示观测亮温. 对该代价函数求导可得

(2)

R]-1[I0-H(xn)-H(xn)(xb-xn)].

(3)

式中: n表示迭代次数; xn+1表示式(2)的最优估计值,即反演廓线.

由式(1)可知,直接影响反演精度的因素有背景协方差矩阵B,背景廓线xb,测量误差协方差矩阵R以及亮温偏差H(x)-I0.

2 影响反演精度因素讨论

2.1 先验信息

对于背景协方差矩阵而言,本文使用2005-2014年间10年的ECMWF再分析数据集中海洋上空的温湿廓线来产生,公式为[6]

(4)

2.2 正演模型和通道偏差校正

通道中的亮温偏差对反演精度有直接影响. 本文利用统计回归方法进行偏差校正. 使用2013年10月-2014年12月晴空条件下的MWHTS亮温数据与ECMWF再分析数据进行匹配,其中根据云量廓线为0进行晴空数据的判断,匹配规则是经纬度差分别小于0.05°,时间差小于0.5 h,得到了超过4万个匹配对. 通过对匹配的模拟亮温和观测亮温进行相关性分析发现大部分通道具有线性统计关系,即观测亮温具有系统偏差[9]. 分别计算MWHTS在98个像元处每个通道的模拟亮温和观测亮温的相关系数,其中，每个像元对应一个扫描角度，如图1所示.

图1 MWHTS观测亮温和模拟亮温相关系数分布

由图1可知:从1～15像元,每个通道相关系数明显较低,随着扫描角度的变小而升高;从16～80像元,大部分通道的相关系数逐渐变大并达到最大值后趋于平稳;从80～98像元,通道2、3、5、7的相关系数变化呈下降趋势,其中通道2的相关系数在各个扫描角度均较低. 总的来说,在20～70像元位置上,除了通道2、5、7的部分像元外,其余通道的相关系数保持在0.90以上.

MWHTS采用交轨扫描方式进行探测,获得的亮温数据往往具有角度依赖性[10]. 利用匹配对中的模拟亮温和观测亮温的平均偏差对MWHTS亮温数据的角度依赖性进行分析发现MWHTS的15个通道亮温对角度依赖性明显. 然而,一维变分算法要求亮温数据必须满足无偏高斯分布,因此滤除角度依赖性所产生的误差至关重要.

根据MWHTS的15个通道的观测亮温和模拟亮温之间的统计关系,本文提出逐像元统计回归的方法对观测亮温进行偏差校正以及角度依赖性的移除. 首先由于通道2相关性小而不进行校正;其次,舍弃扫描角度大时相关系数低的数据,即选择像元20～70的数据进行反演. 逐像元统计回归校正方法的表达式为

(5)

式中: Tij*为MWHTS的校正亮温; Tij为未校正亮温; aij为斜率; bij为截距; i为MWHTS的通道数目,取值范围为1～15; j为像元的数目,取值范围是1～51. 那么根据该校正方法,每个通道的每个像元都会得到各自的校正系数a和b.

2.3 测量误差协方差矩阵R

在假设MWHTS各个通道间的测量不存在相关性的情况下,本文使用矩阵R的对角元素,表示为[11]

r2=f2+e2.

(6)

式中: r为矩阵R对角元素的平方根; f为正演误差协方差矩阵对角元素的平方根,根据2.2节中匹配的观测亮温和模拟亮温进行求解; e为观测误差协方差矩阵对角元素的平方根,本文使用的是MWHTS系统设计中的通道噪声,见文献[4].

2.4 反演过程的质量控制

本文选择的迭代收敛标准是当代价函数值的相对变化范围在0.01内时迭代停止. 同时设置的最大迭代次数为10. 另外,利用背景廓线的模拟亮温与观测亮温的差来对输入的亮温数据进行质量控制,当任一通道的亮温差大于20 K,舍弃该组亮温数据.

3 反演实验及误差讨论

3.1 反演步骤

利用以上分析确定的系统参数以及收敛标准,本文针对MWHTS建立了一维变分反演系统,反演的基本步骤包括:

1) 对MWHTS亮温数据进行偏差校正,并分别与ECMWF再分析数据和RAOB数据进行空间和时间上的匹配. 与ECMWF再分析数据匹配规则是经纬度差分别小于0.05°,时间差小于0.5 h. 与RAOB数据匹配规则是经纬度差分别小于1.5°,时间差小于0.5 h.

2) 根据ECMWF再分析数据的云量廓线为0对匹配到的亮温进行晴空数据的选择.

3) 针对步骤2)中产生的每一组晴空亮温选择时间和空间匹配的NCEP预报数据作为背景廓线. 匹配规则是经纬度差分别小于0.25°,时间差小于0.5 h.

4) 根据第2节建立的测量误差协方差矩阵R和背景协方差矩阵B输入到一维变分反演系统.

5) 把校正的晴空亮温输入到一维变分反演系统中进行反演计算,得到反演的温湿廓线.

本文选择2015年2月份MWHTS海洋晴空亮温进行反演研究,其中选择的海域为西北太平洋海域,地理范围为(30°N～15°N,125°E～165°E).

3.2 反演结果的验证及分析

经过亮温数据和ECMWF再分析数据进行匹配一共得到1 907个匹配对,利用本文提出的逐像元统计回归校正方法对匹配对中的亮温数据进行偏差校正可以发现,除了通道2未进行偏差校正外,通道1、3、4、6、12、14、15的平均亮温偏差得到了很大的减小,角度依赖性得到了移除,校正结果较好. 但是对于通道5、7、8、9、10、11来说虽然平均亮温偏差都有一定的减小,但是角度依赖性只是在一定程度上得到减弱,而对于通道13来说角度依赖性有一定的减弱,但是平均亮温偏差并未有明显的减小.

根据MWHTS通道权重函数特性分析[12],取温度和湿度反演廓线的压强范围分别为10～1 000 hPa和250～1 000 hPa. 利用平均偏差和均方根误差对反演结果进行验证分析[2],本文分别使用ECMWF再分析数据和RAOB数据作为参考数据,其中,由于RAOB数据量的限制,只利用其对单点反演结果进行验证分析.

3.2.1 与ECMWF再分析数据的验证分析

对1 907个匹配对中的校正亮温进行反演,其中有6组亮温与背景廓线模拟亮温之间的偏差超过20 K,因此得到了1 901条温湿反演廓线. 对这1 901组温湿廓线进行统计特性分析,如图2所示.

由图2(a)可知,校正亮温反演的温度平均偏差相比未校正亮温的反演结果有很大的减小,且均保持在1.09 K以内,但是在350～650 hPa内以及850 hPa附近,大于未校正亮温反演的平均偏差. 对于温度均方根误差来说,除了在450～600 hPa范围,校正亮温的反演结果均好于校正前的反演结果,对校正前的均方根误差的减小最大处可达1.56 K,且反演均方根误差均保持在1.48 K以内. 对于校正亮温反演精度变差的现象,根据MWHTS通道权重函数特性分析,对450～600 hPa内的反演结果起主要贡献的是通道5、6、7,而通道5和7的偏差校正效果较差, 因此这可能是导致这一现象的原因. 从校正后的反演温度廓线跟背景温度廓线的均方根误差对比来看,反演结果在10～70 hPa、300～350 hPa以及700～850 hPa内对于提高预报廓线的精度仍然有很大的帮助. 由图2(b)可知,除了825～875 hPa,校正后的亮温反演的湿度平均偏差明显好于校正前,且最大偏差不超过5.4%. 对于湿度反演的均方根误差来说,校正后的亮温反演结果明显好于校正前的反演结果,最大均方根误差为22.69%,与校正前相比,最大可减小14.71%. 从校正亮温反演的均方根误差跟背景廓线的均方根误差对比可知,在250～800 hPa内,对背景廓线的精度有很大的提高,最大可提高10.78%. 但是与平均偏差一样,反演的均方根误差在825～875 hPa内出现了最大值,且大于背景廓线的均方根误差. 对于此范围内精度差的现象,除了水汽通道的共同贡献作用以外,温度通道7和窗区通道10也对该压强范围的湿度反演有贡献作用,通道7和10的偏差校正效果差可能是导致这一现象的主要原因.

(a) 温度

3.2.2 与RAOB数据的验证分析

在本文选择的海域内,一共得到1个无云的匹配对. 从可靠性的角度考虑,选择温度反演廓线的范围150～1 000 hPa进行验证分析. 利用地理坐标点 (155.38°E, 23.01°N)的2015年2月5号12:00UTC 5 min之内的卫星数据得到的反演廓线,与地理坐标点(153.97°E, 24.30°N)的南鸟岛探空基站2015年2月5号12:00UTC的RAOB数据进行单点反演结果验证,如图3所示.

图3 单点反演结果与南鸟岛探空基站RAOB廓线对比

从图3可以看出,除了700 hPa温度偏差高达4.7 K外,其他压强处的偏差均保持在1.46 K以内. 同样对于湿度偏差来说,700 hPa处的偏差最大,为39%. 在700 hPa,对温度反演来说起主要贡献的是通道4和通道5,而对湿度反演来说起主要贡献的是通道15,这三个通道的偏差校正结果都较好. 然而,背景廓线与RAOB廓线的偏差在700 hPa的温度偏差为5.92 K,湿度偏差为39%,那么这可能是导致反演廓线在此处偏差较大的重要原因. 因此本文又选择了地理坐标点(139.78°E, 33.12°N)的八丈岛的2015年2月14号12:00UTC的探空数据来验证地理坐标点 (141.13°E, 33.91°N)的2015年2月14号12:00UTC 20 min之内卫星数据的反演廓线,如图4所示.

由图4可知,对于温度反演来说,在600～700 hPa内,背景廓线偏差出现了3.8 K的偏差,同样反演廓线在此处也出现较大的偏差,为2.3 K,但是比图3中的4.7 K的偏差有很大的减小. 而对于湿度反演来说,在250～600 hPa内,背景廓线偏差在550 hPa附近出现了28%的偏差,同样也导致了反演湿度廓线17.7%的偏差,但比图3中的偏差39%有了21.3%的减小. 另外,图4的温湿廓线在700 hPa均未出现大的偏离,温湿廓线的反演偏差分别为0.95 K和6.32%. 因此可以得出结论:对于温湿廓线反演来说,背景廓线与真实廓线的偏差过大,将会导致反演廓线的偏差增大,背景廓线的选择对一维变分反演系统具有重要意义.

图4 单点反演结果与八丈岛探空基站RAOB廓线对比

3.2.3 与MIRS反演系统的精度对比

MIRS反演系统是针对AMSU、MHS和SSM/I观测资料进行温湿反演的业务化反演系统,Boukabar等人利用ECMWF再分析数据对其反演精度在特定压强处进行了验证[6]. 对于温度反演,MIRS系统在950、800、500、300、100 hPa处的均方根误差分别是2.7、1.8、1.3、1.5、1.8 K,而本文的反演系统对应的均方根误差分别是1.3、1.1、1.4、1.3、1.1 K;对于湿度反演,MIRS系统在950、800、500、300 hPa处的均方根误差分别是17%、28%、41.5%、41%,本文的反演系统对应的均方根误差分别是9%、14%、8%、4%. 通过对比可以看出本文所构建的反演系统在以上压强处具有更高的反演精度,特别是湿度的反演精度较MIRS系统的反演精度有很大的提高. 然而需要注意的是在云雨条件下MIRS系统对星载数据的反演能力是本文的反演系统所不具备的.

4 结 论

本文针对FY-3C/MWHTS海上晴空亮温数据的大气温湿廓线反演建立了基于物理方法的一维变分反演系统. 对于该系统的输出结果,利用ECMWF再分析数据和RAOB数据进行验证分析,验证结果表明:FY-3C/MWHTS亮温数据的湿度反演精度除了825～875 hPa,其他范围均高于背景廓线精度,温度反演精度在10～70 hPa、300～350 hPa以及700～850 hPa内高于背景廓线精度,这对于提高预报廓线的精度具有重要意义. 其中在利用ECMWF再分析数据对反演结果进行验证时发现,不是在所有的压强范围内偏差校正后的反演结果好于偏差校正前的反演结果,从而说明了该校正方法需要进一步地优化. 在利用RAOB数据对反演结果验证时,背景廓线与真实廓线大的偏差导致了反演精度的下降,从而说明了背景初始场对反演结果的重要性. 另外,本文只是针对MWHTS海洋晴空亮温数据进行了反演研究,因此全天候的温湿反演是下一步的工作重点．

致谢:本研究受中国科学院国家空间科学中心重点培育课题“基于微波遥感探测的全球变化数据再定标、再处理、再分析”支持.

[1] AHN M H, KIM M J, CHUNG C Y, et al. Operational implementation of the ATOVS processing procedure in KMA and its validation[J]. Advances in atmospheric science, 2003, 20(3): 398-414.

[2] RAO T N, SUNILKUMAR K, JAYARAMAN A. Validation of humidity profiles obtained from SAPHIR, on-board Megha-Tropiques[J]. Current science, 2013, 104(12): 1635.

[3] ROSENKRANZ P W. Retrieval of temperature and moisture profiles from AMSU-A and AMSU-B measurements[J]. IEEE transactions on geoscience and remote sensing, 2001, 39(11): 2429-2435.

[4] 郭杨, 卢乃锰, 漆成莉, 等. 风云三号C星微波湿温探测仪的定标和验证[J]. 地球物理学报, 2015, 58(1): 20-31.

GUO Y, LU N M, QI C L, et al. Calibration and validation of microwave humidity and temperature sounder onboard FY-3C satellite[J]. Chinese journal of geophysics, 2015, 58(1): 20-31. (in Chinese)

[5] LI J, WOLF W W, MENZEL W P, et al. Global sounding of the atmosphere from ATOVS measurements: the algorithm and validation[J]. Journal of applied meteorology, 2000, 39(8): 1248-1268.

[6] BOUKABARA S A, GARRETT K, CHEN W, et al. MIRS: an all-weather 1DVAR satellite data assimilation and retrieval system[J]. IEEE transactions on geoscience and remote sensing, 2011, 49(9): 3249-3272.

[7] LIU Q, WENG F. One-dimensional variational retrieval algorithm of temperature, water and cloud water profiles from advanced microwave sounding unit(AMSU)[J]. IEEE transactions on geoscience and remote sensing, 2005, 43(5):1087-1095.

[8] 何杰颖, 张升伟. 地基和星载微波辐射计数据反演大气湿度[J]. 电波科学学报, 2011, 26(2): 362-368.

HE J Y, ZHANG S W. Humidity retrieved from data of the ground-based microwave profiler and satellite-based humidity sounder[J]. Chinese journal of radio science, 2011, 26(2): 362-368. (in Chinese)

[9] LI J, WOLF W W, MENZEL W P, et al. Global sounding of the atmosphere from ATOVS measurements: the algorithm and validation[J]. Journal of applied meteorology, 2000, 39(8): 1248-1268.

[10]WENG F, ZOU X, WANG X, et al. Introduction to Suomi national polar-orbiting partnership advanced technology microwave sounder for numerical weather prediction and tropical cyclone applications[J]. Journal of geophysical research: atmospheres, 2012, 117(19): 19112-19126.

[11]ENGLISH S J. Estimation of temperature and humidity profile information from microwave rdiances over different surface types[J]. Journal of applied meteorology, 1999, 38(10): 1526-1541.

[12]鲍靖华. FY-3C卫星微波湿温探测仪原理及在轨性能初步分析[D]. 北京:中国科学院国家空间科学中心, 2014.

BAO J H. The principle of FY-3C satellite microwave humidity and temperature sounder and preliminary analysis on its in-orbit performance[D]. Beijing: Chinese Academy of Sciences, 2014. (in Chinese)

Inversion of the clear atmospheric temperature and humidity profiles based on FY-3C/MWHTS measurements

HE Qiurui1,2WANG Zhenzhan1HE Jieying1

(1.KeyLaboratoryofMicrowaveRemoteSensing,NationalSpaceScienceCenter,ChineseAcademyofSciences,Beijing100190,China; 2.UniversityofChineseAcademyofSciences,Beijing100049,China)

For microwave humidity and temperature sounder (MWHTS) on board FY-3C satellite, an one-dimensional variational system is built to inverse the atmospheric temperature and humidity profiles over ocean in clear sky. By analyzing the various factors affecting the accuracy of inversion, the system parameters can be determined. A statistical regression method is adapt in pixel by pixel correction procedure to correct the bias of brightness temperatures between the observed values and those simulated by Radiative Transfer Model for TOVS (RTTOV). This paper inverses the clear atmospheric temperature and hu-midity profiles over the north-west Pacific using the corrected measurements and the results validates that of the European Centre for Medium Range Weather Forecasts (ECMWF) reanalysis data. The results show that the maximum root mean square errors are 1.48 K and 22.69%, respectively. The contrast results of the retrievals and the background profiles show that the accuracy of forecast profiles can be improved effectively by inversion using FY-3C/MWHTS.

FY-3C/MWHTS; RTTOV; temperature and humidity profiles; one-dimensional variational inversion

10.13443/j.cjors.2015102101

2015-10-21

国家863计划项目(2015AA8126027)

P41

A

1005-0388(2016)04-0772-07

贺秋瑞 (1986-),男,河南人,中国科学院国家空间科学中心在读博士研究生,主要研究方向为卫星数据处理、微波辐射计大气参数的反演应用研究等.

王振占 (1969-),男,河北人,中国科学院国家空间科学中心研究员,主要研究方向为全极化微波辐射测量技术、定标和应用基础研究、微波辐射计海洋大气参数的反演应用研究等.

何杰颖 (1984-),女,天津人,中国科学院国家空间科学中心副研究员,主要研究方向为地基和星载微波辐射计数据处理与应用研究等.

贺秋瑞, 王振占, 何杰颖. 基于FY-3C/MWHTS资料的海洋晴空大气温湿廓线反演方法研究[J]. 电波科学学报，2016,31(4):772-778.

HE Q R, WANG Z Z, HE J Y. Inversion of the clear atmospheric temperature and humidity profiles based on FY-3C/MWHTS measurements[J]. Chinese journal of radio science，2016,31(4):772-778. (in Chinese). DOI: 10.13443/j.cjors.2015102101

联系人： 贺秋瑞 E-mail: heqiurui@126.com