机载微波大气温度探测仪多高度飞行观测试验结果分析

崔新东，汤鹏宇，姚志刚,4，赵增亮，孙泽中，谭泉

（1.北京应用气象研究所，北京100029；2.地理信息工程国家重点实验室，陕西西安710054；3.北京航空气象研究所，北京100029；4.中国科学院大气物理研究所，北京100029；5.解放军96833部队，湖南怀化418099）

1 引 言

由于机载微波大气温度探测仪具有在目标区域机动探测的特点[1]，可用于灾害天气的高时空分辨率探测，也可用于大气辐射传输模型的验证[2]，以及星载探测器观测的对比检验。

国外机载大气微波温湿度探测仪的研究已经开展多年，英国MetOffice和法国LMD研制的机载扫描微波辐射计系统（MARSS），在1989年使用C-130飞机作为机载平台开展试验研究。系统初始设计为两个通道（89 GHz和157 GHz），主要用于晴空下微波辐射传输模型的验证[3]、云中液态水测量[4]、降水测量[5]，以及表面发射率特性的测量[6]、冰雪测量[7]和陆地表面测量[8]。1999 年，英国的Rutherford Appleton Laboratories和MetOffice对MARSS进行了改进，增加了183 GHz中心频率水汽吸收谱线处的三个通道，并开展了飞行试验[9]。美国MIT研制的机载微波大气温湿度探测器NAST-M，整个系统安装在NASA ER-2飞机上，探测高度为0～20 km，每条扫描线包含19个扫描点，由50.3～56.02 GHz的8个单边带系统和118.75±0.120 GHz到 118.75±3.5 GHz间的 9个双边带系统共17个大气温度探测通道组成，并将其应用到了大气的温度廓线以及降水的反演[10-11]。国内针对星载微波观测数据进行了大量的研究[12-15]，谭泉等[16]采用机载微波模拟数据进行了温湿度反演试验，但是针对机载微波大气温度探测仪实测数据的研究却鲜有报道。

目前，辐射传输模式主要有综合辐射传输模式、逐线积分模式、快速辐射传输模式。综合辐射传输模式主要包括 libRadtran[17]、SCIATRAN[18]、MODTRAN[19]等，这些模式适用于非常宽的电磁波谱范围及多种可变气象要素。逐线积分模式主要包括4A、LBLRTM、KOPRA等，这些模式计算精度高但是计算速度慢。快速辐射传输模式主要包括 6Sand6SV1[20]、RTTOV[21]、CRTM[22]等，这些模式在满足一定精度要求下，计算速度较快。

反演温湿廓线的方法主要有统计反演法[23-24]、物理反演方法[25-27]、物理统计反演方法[28]。统计反演方法的本质是寻找一种统计回归模型。该算法计算简单，时效性强，但对于物理过程描述较差。Churnside等[29]研究发现，对于较大的温度逆温层，神经网络算法的反演能力优于线性统计方法。Motteler等[30]同时对比线性统计和神经网络算法，结果表明：神经网络算法的反演结果与多元线性统计的反演结果相当。Chédin等[31]对神经网络反演算法与物理迭代反演算法比较，神经网络反演方法在处理非性线性问题时，并不需要考虑背景以及亮温观测的误差协方差矩阵。物理反演方法的本质是通过对大气辐射传输方程直接求逆得到大气参数信息，其物理概念意义清晰，但是其反演过程复杂，且反演性能受到多个因素的影响。2001年Rosenkranz[32]利用最小方差迭代算法进行大气温湿廓线反演，在海洋和陆地上空均能得到较高的反演精度。2005年Liu等[33]利用一维变分反演算法对AMSU观测资料同时反演了大气温度、湿度和云水廓线。2015年Aires等[34]利用物理迭代的方法计算晴空条件下60 GHz吸收带附近的模拟亮温，反演结果表明了模拟观测数据能改善数值天气预报的预报场。物理统计反演法的本质是物理反演方法和统计反演方法的组合，但是其相比于统计反演方法的劣势就是计算效率问题。2000年Li等[35]开发了反演软件包IAPP，该反演软件以非线性物理迭代反演方法为核心算法。2007年黄静等[36]发展了一个物理统计反演方法，理想实验的结果表明该方法对温度廓线的反演结果不够理想，对水汽廓线的反演结果较好。

针对2017年4月在陕西华阴区域开展的机载观测与地面探空的同步观测试验，本文的主要目的是分析自主研制的机载微波大气温度探测仪的观测性能。利用低空飞行观测数据，分析地表敏感通道地表比辐射率，并分析不同探测高度对大气温度廓线反演性能的影响。文中第二部分对试验、观测数据及数据质量控制进行介绍，第三部分建立正演模型并计算地表比辐射率，第四部分分析观测亮温正演和反演结果，第五部分是结论与讨论。

2 数据质量控制

2.1 试验和数据介绍

本次试验的机载平台搭载一台中国航天科技集团五院研制的包含8通道的大气微波温度探测仪，其每条扫描线包含90个扫描点，相较于国外机载大气微波温度探测仪具有更高的水平分辨率，有利于探测更小范围内大气变化。机体中部机腹处有可开启舱门，探测仪天线反射面位于机体舱门处并垂直于机体平面指向地面，探测时舱门打开，天线反射面逆时针旋转，旋转一周用时2.67 s，系统工作频段为50～60 GHz，各通道参数见表1。试验区域位于陕西华阴（110.155～110.200°E，34.05～34.90°N），机载平台飞行区域为正南正北的矩形空域，试验共飞行三个高度层，按时间顺序依次是3 200 m、4 200 m和2 500 m高度层，共获得2小时22分的实测数据，数据主要包含平飞、爬升、下降和转弯阶段数据。机载平台飞行速度约为120 km/h，平飞区域长度约10 km。试验过程中每半小时释放探空气球，探空区域位于飞行区域南侧。试验当天为雨后，天空全部为层积云。

表1 大气微波温度探测仪通道特性参数

2.2 观测亮温质量控制

选取3 200 m高度层观测数据作为分析对象，图1为3 200 m高度层第5通道观测亮温。如图1所示，纵坐标为99～232和287～447的区域分别对应图2绿色平飞阶段和黄色平飞阶段，这些区域亮温的角度分布较合理，其机载平台俯仰角绝对值为0～5°。此外，图1中纵坐标为50～98、233～286和448～498区域亮温随角度分布异常，其机载平台俯仰角绝对值为5～20°；对比机载平台飞行轨迹(图2)可以看出，上述区域均位于机载平台转弯阶段，左侧亮温值偏低右侧亮温值偏高的区域对应俯仰角为正值，左侧亮温值偏高右侧亮温值偏低的区域对应俯仰角为负值。分析表2可知，此时大气整层相对湿度较大，因此观测亮温随角度分布异常原因可能为：在长时间穿云飞行过程中会在探测仪天线反射面附着一层水膜，当俯仰角较大时会使得水膜的覆盖范围和厚度发生变化从而影响观测亮温分布。

分析两段平飞区域可知，由北向南平飞过程中，亮温逐渐减小，而由南向北平飞过程中，亮温逐渐增大，其南侧区域较北侧区域亮温偏低，最大差值超过2.0 K，这说明大气状态在南北之间存在较为明显的变化；此外，在往复飞行的相同位置，各通道观测亮温均存在0.5～1.0 K的差值，由于单程飞行时间约为10分钟，因此在较短时间内不同平飞阶段亮温存在一定的变化。其他高度层观测亮温特点与3 200 m高度层类似。

由于探空廓线每半小时获得一条，而观测亮温随时间、空间以及飞行姿态存在明显的变化，因此在进行大气温度廓线反演时，需要对观测亮温进行一定的质量控制。选取平飞阶段靠近南侧的60条扫描线（占该平飞阶段数据量的1/3～1/2）作为反演过程所用数据，其中南侧50条扫描线用于温度廓线反演，其余10条扫描线用于建立订正算式。

图1 3 200 m高度层第5通道观测亮温

图2 3 200 m高度层机载平台的飞行轨迹

表2 不同时次对应的探空数据

3 正演模型和地表比辐射率

3.1 正演模型

首先，采用欧洲中期预报中心专用廓线集—diverse_52profiles_101L.dat和参考廓线，针对机载微波探测通道的中心频率、带宽，将气压、温度和水汽值代入Liebe的MPM逐线积分模式，得到各通道的吸收系数k。对特定的吸收系数进行高度积分并离散化，由静力方程dp=ρgdz和理想气体状态方程pM=ρRT可得dz=RTd(lnp)/(gM)，考虑天顶角θ的变化，则各大气薄层光学厚度τ为，

式中，k(z)为薄层的吸收系数；p1和p2为薄层的上下边界气压值；R为干空气气体常数；T为温度；θ为天顶角；g为重力加速度；M为干空气平均摩尔质量。

其次，将专用廓线集中气压、温度、水汽值代入RTTOV预报因子中，计算得到对应的预报因子Xki；根据各薄层的光学厚度和预报因子进行多元线性回归，采用含有k个自变量的多元线性回归模型：

式中，τi为计算所得的光学厚度，βk为所求的快速计算系数，Xki为计算所得的预报因子，i为专用廓线集第i条廓线。

由最小二乘法可求得参数 β1，β2，……，βk的估计量βˆ1，βˆ2，……，βˆk即为所求得的快速计算系数。

再次，对于机载平台而言，大气向下的辐射需考虑整层大气，大气向上的辐射、经海（地）表反射的大气辐射以及海（地）表的辐射只需考虑机载平台以下的部分大气，因此机载微波辐射计的辐射传输方程为，

式中Ip(v*,θ)为晴空条件下到达机载平台的辐射，B(v*,Ts)为在温度为Ts时海表或地表的平均Planck函数，B（v*，T（p））为在温度为 T 时气压层 p 的平均Planck函数，pp为机载平台高度处的气压值，ps为海表或地表的气压值，P∞为大气层上边界，εv为波数v*的地表比辐射率，v*为通道中心波数，τp为从气压层p到机载平台的透射率，τs为从气压层p到海表或地表的透射率，θ为天顶角。

采用飞机高度处气压值判断飞机所在气压层，重构海（地）表到飞机层的透过率，海（地）表到飞机层的透过率τp公式为，

式中τ为大气透过率，τplane为飞机所在薄层下边界到大气层顶的透过率，τplane+1为飞机所在薄层的上一薄层下边界到大气层顶的透过率，pp为飞机高度处气压值，pplane为飞机所在薄层下边界处气压值，pplane+1为飞机所在薄层上边界处气压值。

最后，基于RTTOV快速辐射传输模式，将得到的快速计算系数βk、和海（地）表到飞机层的透过率τp输入RTTOV快速辐射传输模式得到模拟亮温。

3.2 地表比辐射率

对于机载微波辐射计在陆地上空的观测资料，其反演应用受到了很大限制，其原因主要是因为陆地地表比辐射率难以准确获得[37]。本次试验通过探空气球获得大气温湿度廓线，地表温度采用近地表大气温度。本文地表比辐射率采用公式（5）计算所得。

地表比辐射率的公式为

式中εv为波数v的地表比辐射率，Ip（v*，θ）为到达机载平台的辐射，B(v*,Ts)为在温度为Ts时海表或地表的平均 Planck 函数，B（v*，T（p））为在温度为T时气压层p的平均Planck函数，pp为机载平台高度处的气压值，ps为海表或地表的气压值，P∞为大气层边界，v*为通道中心波数，τp为从气压层p到机载平台的透射率，τs为从气压层p到海表或地表的透射率，θ为天顶角。

为了减小大气和云对地表比辐射率计算的影响，只计算2 500 m高度层的地表比辐射率。表3为2 500 m高度层计算所得的地表敏感通道地表比辐射率。2 500 m高度层前三通道地表比辐射率一致性较好，两者之间的差异分别为0.001 6、0.002 9和0.004 5。后文中采用上述地表比辐射率作为正演和反演过程的输入量。

表3 2 500 m高度层不同通道计算所得的地表比辐射率

4 正演和反演结果

4.1 观测亮温正演结果

图3～图5分别为3 200 m、4 200 m和2 500 m高度层模拟亮温和观测亮温的偏差和标准偏差，图a为建立订正算式的10条扫描线计算得到的偏差和标准偏差，图b为利用图a建立的订正算式对50条扫描线进行订正后计算得到的偏差和标准偏差。由图3～图5中图a可以看出，在各高度上，受地表影响显著的1～3通道偏差和标准偏差较大；4～8通道偏差较小，其标准偏差小于0.6 K，低于1.5 K的仪器定标精度；由图3～图5中图b可知，采用图a中建立的订正算式订正后，其偏差均小于0.5 K。对比不同高度层偏差和标准偏差可知，快速辐射传输模型模拟结果误差最小的是2 500 m高度层，其次为4 200 m高度层，最大的是3 200 m高度层，分析其可能的原因是3 200 m高度层机载平台穿云飞行时云中水滴附着在探测仪天线反射面上形成水膜，从而影响观测亮温，而4 200 m高度层和2 500 m高度层分别位于云层上部和下部，受水膜的影响相对较小。

图3 3 200 m高度层偏差和标准偏差

图4 4 200 m高度层偏差和标准偏差

图5 2 500 m高度层偏差和标准偏差

4.2 大气温度廓线反演结果

NAST-M反演结果[10]显示，多层前向神经网络反演结果在各层均比线性最小二乘法反演结果要好；姚志刚等[14]的研究表明，神经网络反演大气参数廓线的结果与传统的物理迭代反演算法的结果相当，因此本文采用神经网络对观测亮温进行温度廓线反演。这里采用欧洲中期预报中心模拟廓线数据库60L-SD作为神经网络的训练和验证廓线库。60L-SD数据库共有13 495条廓线资料，共将大气分为60层，廓线资料包含温度、水汽和臭氧及地面高度等信息。廓线库全球样本分布较均匀，海面、陆面资料均具有较好的全球代表性。选取其中5 000条廓线训练神经网络，1 813条廓线作为反演效果验证廓线。

本文采用3层前馈BP神经网络进行反演，设置隐节点数使用高大启[38]拟合分析后得到的公式:

其中h为隐节点数，n为输入节点数，m为输出节点数。

采用文中建立的正演模型，按照不同观测角度、不同飞行高度以及不同地面高度计算亮温并与对应的大气廓线进行神经网络训练，然后将观测亮温、地表高度和飞行高度带入训练好的神经网络中反演亮温，从而使建立的神经网络具有依据不同观测角度、不同飞行高度以及不同地面高度进行反演大气温度廓线的能力。建立神经网络主要包含以下几个步骤：首先将所选廓线带入正演模型，分别以天顶角从0～50°每间隔10°取值，观测高度从500～800 hPa每间隔10 hPa取值，计算不同条件下各通道亮温；其次，在模拟亮温中加入高斯随机噪声来模拟各通道噪声，统一将通道噪声设置为均值为0，标准差为0.5 K的高斯噪声；再次，采用公式（6）计算隐节点数，对不同天顶角和高度分别训练和验证神经网络。

图6为610.6 hPa高度处不同天顶角反演误差图，不同天顶角反演偏差均小于0.1 K，均方根误差在900 hPa达到最大，最大值为1.6 K，650 hPa最小，最小值为0.5 K，其近地表层均方根误差相对较大，高层均方根误差相对较小。

图6 不同角度对反演温度的影响 横坐标为温度，纵坐标为气压。

以4.1节中不同高度建立的订正算式对反演所用的50条扫描线对应的观测亮温进行订正，利用建立的神经网络进行大气温度廓线反演。图7～图9分别为不同高度温度廓线反演的偏差和标准偏差，各高度层温度偏差最大值均小于0.5 K。4 200 m高度层采用2～8通道反演大气温度廓线效果最好，除近地层外的其他各层均方根误差均小于1.5 K，整体小于1.0 K；3 200 m高度层使用3～8通道反演大气温度廓线效果最好，近地层均方根误差为1.3 K，其余各层均小于1.0 K；2 500 m高度层使用3～8通道反演大气温度廓线效果最好，各层均方根误差均小于1.0 K。

进一步分析可以发现，各高度层反演的大气温度廓线在高层与实测数据最吻合，其偏差为0.2 K，均方根误差为0.6 K。低层均方根误差相对较大，其原因一方面是由于包含大气底层信息的1～3通道的亮温标准偏差相对较大；另一方面是由于反演模型的误差，由图6可知，建立的神经网络对于高层反演结果较好，而低层反演结果较差。此外，当采用全通道或只采用高层通道反演大气温度时，低层反演结果均变差，这主要是由于采用全通道反演大气温度廓线时，1～3通道观测亮温的误差相对较大，从而对反演结果具有较大的影响；而不采用近地表通道进行大气温度廓线反演会使得大气底层信息缺失，从而影响大气低层温度场反演。

图7 观测亮温订正后4 200 m高度层不同通道数对反演温度的影响 横坐标为温度，纵坐标为气压。

图8 观测亮温订正后3 200 m高度层不同通道数对反演温度的影响 横坐标为温度，纵坐标为气压。

图9 观测亮温订正后2 500 m高度层不同通道数对反演温度的影响 横坐标为温度，纵坐标为气压。

表4为各高度层不同通道数反演所得的均方根误差整层平均值。由表可见，4 200 m、3 200 m和2 500 m高度对应最优反演结果分别为0.90 K、0.86 K和0.73 K，对应的通道数分别为7、6和6。由此可见，随着机载平台高度降低有利于温度反演误差减小，且最优反演通道数也相应减少。此外，各高度层最优通道反演所得的均方根误差整层平均值均小于1 K，这说明机载微波温度探测仪观测可以反演得到较高精度的大气温度廓线，这与谭泉等[16]针对不同高度的模拟反演结果相一致。美国MIT研制的机载微波大气温度探测器NAST-M飞行高度为20 km，大气温度反演误差在 100～800 hPa高度区间为 1.5～2.0 K，在 800～1 000 hPa高度区间为2～3 K[10]。因此，尽管相对较低的飞行高度限制了大气廓线的垂直探测范围，但可以进一步提高近地层大气温度的反演精度。

表4 大气温度反演均方根误差（K）整层平均值

4.3 误差原因分析

本文反演得到的反演误差的可能原因：（1）正演模式计算误差以及微波仪器观测误差；（2）地表比辐射率非均匀性的影响；（3）探空数据的探测误差；（4）反演算法误差；（5）数据处理时的时空匹配误差等。

5 结论与讨论

本文采用机载微波温度探测仪观测数据和探空数据，结合快速辐射传输模式及神经网络反演算法，开展了利用机载微波温度探测仪反演大气温度廓线的研究。

（1）利用较低飞行高度计算的地表敏感通道地表比辐射率之间具有较好的一致性，这一结果可以为后续近地面大气温度廓线反演算法的改进提供参考。

（2）针对不同高度观测数据的分析表明，亮温订正后的模拟亮温与观测亮温具有较好的一致性，订正后不同飞行高度各通道偏差均小于0.5 K，除受地表影响显著1、2通道，第3通道标准偏差小于1.5 K，4～8通道标准偏差小于0.6 K。

（3）由于本文探测区域的地面温度和地表比辐射率可以合理获得，因此可以使用机载微波大气温度探测仪观测亮温反演大气温度廓线。对于机载微波温度探测仪观测亮温反演大气温度，4 200 m、3 200 m和2 500 m高度层，最优通道组合分别为第2～8通道、第3～8通道和第3～8通道，反演均方根误差范围分别为0.5～1.8 K、0.5～1.3 K和0.4～1.0 K；此外，降低飞机平台的高度可以改进近地表大气温度的反演结果。

与以往国内外星载或机载微波大气探测系统比较，该系统可以提供更高水平分辨率的大气温度廓线探测，可用于分析卫星无法识别的小尺度天气现象。需要注意的是，本研究针对云中水滴对探测仪天线反射面的影响缺乏必要的试验对比。下一步工作中，将对不同速度、不同飞行姿态水膜对微波观测亮温的影响进行系统分析，以期进一步减小反演结果误差。