融合数值模式和卫星微波云反演数据的红外亮温模拟方法

技术领域

本发明涉及大气科学研究领域，具体是一种融合数值模式和卫星微波云反演数据的红外亮温模拟方法，该方法主要是针对Suomi-NPP极轨卫星的CrIS红外高光谱探测通道的亮温模拟方法。

背景技术

随着气象极轨卫星观测技术的不断发展，红外探测仪和高光谱探测仪资料已被广泛的应用于天气监测、天气预警、气候分析和数值天气预报领域。相比传统的红外探测仪，红外高光谱探测仪的通道数目多，不同频率的通道对地表或大气的不同高度层敏感，使其成为数值天气预报中重要的观测信息来源。一方面，数值模式需要卫星红外亮温观测进行资料同化；另一方面，数值模式也需要卫星红外亮温观测进行预报检验。为了实现上述目标，需由大气要素来模拟卫星红外仪器的通道亮温，这个过程被称之为红外亮温模拟。

如图1a传统的红外辐射模拟方法所示，卫星红外亮温模拟采用的方式是，将大气温度、水汽、气压、云水信息、地表信息和卫星视场对应的几何参数等输入辐射传输模型，计算大气中吸收气体和云对辐射的吸收和散射效应，地表辐射效应和太阳短波辐射效应等，并由辐射传输方程来模拟通过大气层顶向上进入卫星传感器的辐射，进而转化为亮温。由于红外辐射对云敏感，亮温模拟的性能很大程度上取决于辐射传输模型对云的吸收和散射效应的描述，其一方面取决于辐射传输模型中对于不同云类的消光系数、单次散射反照率和散射相函数等的参数化，另一方面也强烈依赖于输入辐射传输模型的云廓线结构。

回顾现有的红外辐射模拟方法，研究者们常采用CRTM和RTTOV等快速辐射模式作为模型，通过数值天气模式预报的大气要素作为模型输入量，来建立红外辐射模拟方法。丁伟钰和万齐林(2008)由WRF数值模式数据作为输入场，利用RTTOV来模拟High ResolutionInfrared Radiation Sounder(HIRS/3)的红外通道亮温；郭兴亮等(2016)由WRF数值模式预报数据作为输入场，利用CRTM来模拟Atmospheric Infrared Sounder(AIRS)高光谱大气红外探测器的通道亮温；Okamoto等(2017)由JMA-NHM中尺度数值模式数据作为输入场，利用CRTM来模拟Advanced Himawari Imager(AHI)红外成像仪的通道亮温。这些方法的局限性在于，数值天气模式模拟的云雨分布和垂直结构存在很大的不确定性(Faijan etal.2012；Li et al.2016)，辐射传输模型由此计算的云吸收和散射效应也会有较大误差，这导致红外辐射模拟效果不理想，尤其是在云区。鉴于此，卫星红外亮温模拟方法有待进一步改进。

由前文所述，提升卫星红外亮温模拟的途径之一是改进输入辐射传输模型的云水、云冰和雨水等廓线信息，而在现有方法中数值模式的云水结构可结合其它观测信息来修正。极轨气象卫星一般同时搭载红外探测仪器和微波探测仪器。微波相比红外，对于云有更好的穿透性，可用于反演大气云水垂直结构，例如，利用窗区通道的线性回归法(Wengand Grody 1994；Weng et al.2003)反演云水路径和云冰路径，利用一维变分方法(例如Microwave Integrated Retrieval System,MiRS系统)反演云水、云冰和雨水廓线(Boukabara et al.2011)等，因此，微波探测可作为红外亮温模拟的补充信息。例如，在常用的气象极轨卫星中，发射于2011年11月的美国Suomi-NPP卫星即搭载了Cross-trackInfrared Sounder(CrIS)红外高光谱探测仪和Advanced Technology Microwave Sounder(ATMS)先进技术微波探测器，ATMS微波云反演数据即可为CrIS的红外亮温模拟提供支撑。

现有的卫星红外亮温模拟方法采用数值模式的模拟数据作为输入廓线，当在有云区域时，数值模式对云水、云冰和雨水结构和分布的模拟误差较大，如果将数值模式数据不加修正而直接应用，会导致辐射传输模拟中的云效应描述的误差较大，致使卫星红外亮温模拟效果不理想。

发明内容

发明目的：本发明目的在于针对现有技术的不足，提供一种融合数值模式和卫星微波云反演数据的红外亮温模拟方法，该方法适用于Suomi-NPP极轨卫星CrIS红外高光谱探测仪的红外亮温模拟，能够改善CrIS在有云区域的红外亮温模拟效果，提高其在数值预报模式中的应用能力。

技术方法：考虑到目前卫星红外亮温模拟方法在有云区域的精确度问题，本发明方法利用更精确的微波观测信息去改善常用的数值天气模式数据精度，发展相应的数值模式数据和卫星微波反演数据的融合算法，建立改进的卫星红外亮温模拟方法。针对极轨卫星Suomi-NPP上的CrIS红外高光谱探测仪建立改进的红外亮温模拟方法。拟结合Suomi-NPP卫星上的ATMS微波云反演数据和Weather Research and Forecasting(WRF)数值模式数据，通过建立相应的数据融合工艺流程来实现卫星微波云反演数据和数值模式预报数据的融合，进而以优化的云水物质融合场作为辐射传输模型的输入场，建立红外亮温模拟方法，提高模拟的合理性和精确性。

一种融合数值模式和卫星微波云反演数据的红外亮温模拟方法，包括如下步骤：

步骤一、对WRF数值模拟数据和卫星ATMS微波云反演数据进行预处理；

所述WRF数值模拟数据的预处理，是对WRF数值天气预报模式的模拟数据进行预处理，包括提取大气常规要素、地表要素和大气云水物质要素；

所述卫星ATMS微波云反演数据的预处理，是将MiRS系统生成的ATMS的微波云反演数据进行预处理，包括提取大气云水物质要素；

步骤二、对卫星微ATMS微波云反演数据进行质量控制；

步骤三、对WRF数值模拟数据和质量控制后的卫星ATMS微波云反演数据进行数据融合，获得大气云水物质要素的融合分析场；

步骤四、提取WRF数值模拟数据的大气常规要素和融合分析场的大气云水物质为垂直廓线，以垂直廓线作为辐射传输模型CRTM的输入廓线；提取WRF数值模拟数据的地表要素为单点要素，将单点要素和卫星视场对应的几何参数输入辐射传输模型CRTM，计算每个格点上的卫星红外模拟亮温；采用CrIS观测与格点数据的视场匹配技术，将卫星红外模拟亮温值转换到CrIS视场，通过二维高斯型分布函数来计算CrIS视场范围内各个格点模拟值的权重，进而通过加权平均求得平均模拟亮温，作为最终的CrIS视场模拟亮温。

进一步的，所述大气常规要素包括温度、水汽和气压；所述地表要素包括地表温度和地表气压；大气云水物质要素包括云水混合比、云冰混合比和雨水混合比。

进一步的，对卫星微ATMS微波云反演数据进行质量控制的方法包括重大误差检验、背景场离群值检验和空间一致性检验；

1)重大误差检验：

将卫星ATMS微波云反演数据的云水混合比

将卫星ATMS微波云反演数据的云冰混合比

将卫星ATMS微波云反演数据的雨水混合比

上述三个公式中，i表示跨轨方向，j表示沿轨方向，k为垂直分层，ρ表示大气密度,z表示垂直高度，kmax表示高度最大值对应的垂直序号；

通过样本统计发现，CVI，IVI和RVI的正常取值范围在0-3000g m

若CVI

若IVI

若RVI

2)背景场离群值检验检验：

首先，将WRF数值模式模拟数据的云水混合比

其次，做垂直积分，求得WRF数值模拟数据的云水路径CVI

再次，执行离群值检验：

若|CVI

若|IVI

若|RVI

3)空间一致性检验：

首先，以水平距离110km作为空间一致性检验的半径，分别计算每个空间点(i,j)的CVI

其次，执行空间一致性检验：

若δ

若δ

若δ

所述步骤三中对WRF数值模拟数据和质量控制后的卫星ATMS微波云反演数据进行数据融合的融合算法具体如下：

读取WRF数值模式模拟数据

具体算法如下：

定义泛函J

其中，将三维变量

将三维变量

将Μ

将O

式(7)-(9)中，H为数值模式数据空间向卫星微波数据空间转换的插值算子，上标T表示矩阵转置；

融合算法的核心求解过程即是对J

进一步的，所述云水混合比的泛函极小值的解法如下：

建立如下等价关系，

ΔQ＝Q-Q

d＝H(Q

则可将式(7)改写为增量形式，并隐去下标c，其等价于，

其中，H为H的一阶微分形式，考虑一阶泰勒展式近似，即

将模式数据的误差协方差矩阵Μ分解成水平协方差矩阵D

将式(13)对ΔQ求梯度得，

▽J(ΔQ)＝(D

在求解梯度下降算法前，进行预处理，记x为，

x＝(D

则式(14)等价于:

▽J(x)＝x+H

采用经典的共轭梯度下降法对▽J(x)求梯度下降，当▽J(x)数值迭代至初始▽J(x)的1/1000时，将共轭梯度下降迭代算法收敛，收敛时对应的x即为泛函极小化时对应的向量；

最终，通过式(15)可由x计算ΔQ，再通过式(10)可由ΔQ计算Q，Q为最终融合分析场对应的一维向量，将Q转置为三维场即为融合算法的最终结果，即融合分析场，因为Q

进一步的，所述步骤四中由二维高斯型函数来计算对应格点的权重表达如下：

其中，x和y表示格点场的水平坐标，x

有益效果：1)本发明提高了极轨卫星红外高光谱资料的红外亮温模拟水平，尤其是在有云区域的模拟水平；2)本发明与传统红外亮温模拟方法相比，一是将数值模式模拟的云水物质要素与卫星微波反演的云水物质要素数据进行融合分析，由融合分析场中提取云水物质要素的垂直廓线，再输入辐射传输模型，计算红外模拟亮温，减小了模拟误差，红外模拟亮温模拟更合理性，精确性更高；二是将CrIS观测视场与格点数据进行视场匹配，通过二维高斯型函数计算CrIS视场范围内各格点模拟值的权重，由加权平均来计算最终的CrIS视场模拟亮温，进一步的提高了红外模拟亮温的精确性。

附图说明

图1a是传统红外亮温模拟方法的流程图。

图1b是本发明融合数值模式和卫星微波云反演数据的红外亮温模拟方法的流程图。

图2是数值模式模拟数据、卫星微波反演数据和融合算法分析数据的云水、云冰和雨水分析场效果对比图。

图2a是采用数值模式模拟数据处理的云水混合比路径CVI分布图。

图2b是采用数值模式模拟数据处理的云冰混合比路径IVI分布图。

图2c是采用数值模式模拟数据处理的雨水混合比路径RVI分布图。

图2d是采用卫星微波反演数据处理的云水混合比路径CVI分布图。

图2e是采用卫星微波反演数据处理的云冰混合比路径IVI分布图。

图2f是采用卫星微波反演数据处理的雨水混合比路径RVI分布图。

图2g是采用融合数据处理的云水混合比路径CVI分布图。

图2h是采用融合数据处理的云冰混合比路径IVI分布图。

图2i是采用融合数据处理的雨水混合比路径RVI分布图。

图3a是CrIS星下点观测视场与格点场匹配的示意图。

图3b是CrIS视场以内每个格点模拟值的高斯型权重。

图4a是采用传统红外亮温模拟方法模拟红外亮温的空间分布图。

图4b是采用本发明的方法模拟红外亮温的空间分布图。

图4c是CrIS观测亮温空间分布图。

图4d是所有399个通道(x轴)的CrIS模拟亮温平均偏差(y轴)。

图4e是所有399个通道(x轴)的CrIS模拟亮温标准差(y轴)。

具体实施方式

下面通过附图对本发明技术方法进行详细说明，但是本发明的保护范围不局限于实施例。

一种融合数值模式和卫星微波云反演数据的红外亮温模拟方法，包括如下步骤：

步骤一、对WRF数值模拟数据和卫星ATMS微波云反演数据进行预处理；

所述WRF数值模拟数据的预处理，是对WRF数值天气预报模式的模拟数据进行预处理，包括提取大气常规要素、地表要素和大气云水物质要素；所述卫星ATMS微波云反演数据的预处理，是将MiRS系统生成的ATMS的微波云反演数据进行预处理，包括提取大气云水物质要素；

所述大气常规要素包括温度、水汽和气压等；所述地表要素包括地表温度和地表气压等；大气云水物质要素包括云水混合比、云冰混合比和雨水混合比等；

步骤二、对卫星微ATMS微波云反演数据进行质量控制；对卫星微ATMS微波云反演数据进行质量控制的方法包括重大误差检验、背景场离群值检验和空间一致性检验；

1)重大误差检验：

将卫星ATMS微波云反演数据的云水混合比

将卫星ATMS微波云反演数据的云冰混合比

将卫星ATMS微波云反演数据的雨水混合比

上述三个公式中，i表示跨轨方向，j表示沿轨方向，k为垂直分层，ρ表示大气密度，z表示垂直高度，kmax表示高度最大值对应的垂直序号；

通过样本统计发现，CVI，IVI和RVI的正常取值范围在0-3000g m

若CVI

若IVI

若RVI

2)背景场离群值检验检验：

首先，将WRF数值模式模拟数据的云水混合比

其次，做垂直积分，求得WRF数值模拟数据的云水路径CVI

再次，执行离群值检验：

若|CVI

若|IVI

若|RVI

3)空间一致性检验：

首先，以水平距离110km，约1°经纬度，作为空间一致性检验的半径，分别计算每个空间点(i,j)的CVI

其次，执行空间一致性检验：

若δ

若δ

若δ

步骤三，对WRF数值模拟数据和质量控制后的卫星ATMS微波云反演数据进行数据融合，获得大气云水物质要素的融合分析场，包括大气云水、云冰和雨水的融合分析场。

对WRF数值模拟数据和质量控制后的卫星ATMS微波云反演数据进行数据融合的融合算法具体如下：

读取WRF数值模式模拟数据

建立WRF数值模拟数据和卫星ATMS微波云反演数据的融合算法，具体算法如下：

定义泛函J

其中，将三维变量

将三维变量

将Μ

将O

式(7)-(9)中，H为数值模式数据空间向卫星微波数据空间转换的插值算子，上标T表示矩阵转置；

融合算法的核心求解过程即是对J

以所述云水混合比的泛函极小值解法为例说明极小值过程；

所述云水混合比的泛函极小值解法如下：

建立如下等价关系，

ΔQ＝Q-Q

d＝H(Q

则可将式(7)改写为增量形式，并隐去下标c，其等价于，

其中，H为H的一阶微分形式，考虑一阶泰勒展式近似，即

将模式数据的误差协方差矩阵Μ分解成水平协方差矩阵D

将式(13)对ΔQ求梯度得，

▽J(ΔQ)＝(D

在求解梯度下降算法前，进行预处理，记x为，

x＝(D

则式(14)等价于:

▽J(x)＝x+H

采用经典的共轭梯度下降法对▽J(x)求梯度下降，当▽J(x)数值迭代至初始▽J(x)的1/1000时，将共轭梯度下降迭代算法收敛，收敛时对应的x即为泛函极小化时对应的向量；

最终，通过式(15)可由x计算ΔQ，再通过式(10)可由ΔQ计算Q，Q为最终融合分析场对应的一维向量，将Q转置为三维场即为融合算法的最终结果，即融合分析场，因为Q

步骤四，提取WRF数值模拟数据的大气常规要素和融合分析场的大气云水物质为垂直廓线，以垂直廓线作为辐射传输模型CRTM的输入廓线；提取WRF数值模拟数据的地表要素为单点要素，将单点要素和卫星视场对应的几何参数输入辐射传输模型CRTM，计算每个格点上的卫星红外模拟亮温；采用CrIS观测与格点数据的视场匹配技术，将卫星红外模拟亮温值转换到CrIS视场，通过二维高斯型分布函数来计算CrIS视场范围内各个格点模拟值的权重，进而通过加权平均求得平均模拟亮温，作为最终的CrIS视场模拟亮温。

由二维高斯型函数来计算对应格点的权重表达如下：

其中，x和y表示格点场的水平坐标，x

相比传统的红外亮温模拟方案的改进之处在于：

1)输入辐射传输模型CRTM的云水物质要素垂直廓线来源于融合算法的分析场，而不是WRF数值模拟数据；

2)对于CrIS观测视场的几何特征有进一步考虑，发展CrIS观测视场与格点场的空间匹配技术，再通过二维高斯型分布函数来计算CrIS视场范围内各个格点模拟值的权重，进而通过加权平均求得平均模拟亮温，而不是通过简单的线性插值或最邻近插值来计算CrIS视场坐标位置所对应的模拟亮温。

图1a是传统红外亮温模拟方法，图1b是本发明融合数值模式和卫星微波云反演数据的红外亮温模拟方法的流程图；对比结果说明：(1)传统红外亮温模拟方法，由数值模式模拟数据提取大气常规要素、地表要素和云水物质要素，将其按照格点顺序处理成垂直廓线形式，输入辐射传输模型，计算每个格点上的卫星红外模拟亮温，再通过插值求得CrIS观测视场对应的模拟亮温。(2)本发明与传统红外亮温模拟方法相比，一是将数值模式模拟的云水物质要素与卫星微波反演的云水物质要素数据进行融合分析，由融合分析场中提取云水物质要素的垂直廓线，再输入辐射传输模型，计算红外模拟亮温；二是将CrIS观测视场与格点数据进行视场匹配，通过二维高斯型函数计算CrIS视场范围内各格点模拟值的权重，由加权平均来计算最终的CrIS视场模拟亮温。

图2是数值模式模拟数据、卫星微波反演数据和融合算法分析数据的云水、云冰和雨水分析场效果对比图，图2a-2i是图2中对应部分的放大图。

图2给出了数值模式模拟数据、卫星微波反演数据、融合算法三种分析方法分析的云水、云冰和雨水分布特征，展示了融合分析的效果：为了方便分析，取云水、云冰和雨水数据的垂直积分量做比较，从2019年9月6日台风“玲玲”个例来看，融合数据相比数值模拟数据对台风眼墙(约30°N，125°E)和南侧外围雨带(约20°N)的结构刻画更好，南侧雨带的云冰和雨水量级明显增强，融合数据和卫星微波反演数据较为接近，充分体现了卫星微波实际观测的作用。

图3a是CrIS星下观测视场与格点场匹配的示意图，灰色圆圈表示CrIS视场的边界，黑色圆点表示格点的位置；图3b是CrIS视场以内每个格点模拟值的高斯型权重；在本发明中，将图3a的CrIS观测视场几何范围内的格点亮温模拟值做加权平均，来求得CrIS视场对应的亮温模拟值，其中，各格点的权重贡献由二维高斯型函数计算而得，结果如图3b所示。

对2019年9月6日06时(UTC)台风“玲玲”个例对应的CrIS通道114(波数：895.625cm

对比图4a-图4e，本法明模拟的红外亮温和CrIS观测亮温之间的对比，以及所有399个CrIS通道的模拟亮温平均偏差和亮温标准差：对于2019年9月6日06时(UTC)台风“玲玲”个例，以CrIS通道114(波数：895.625cm-1)为例，传统的红外亮温模拟方法对于红外亮温模拟的效果在台风南侧外围玉带(20°N)明显偏高，即亮温低值对应的雨带范围偏小；本发明方法则很好的提升了该区域的模拟效果，对比CrIS观测亮温更为接近。2019年8月25日至2019年9月7日的长时间样本统计结果表明，本发明方法相比传统红外亮温模拟方法的亮温模拟偏差显著降低(更靠近0)，并且在CrIS红外波段399个通道都有明显改善，同时亮温模拟的标准差也有较明显降低，这表明本发明融合数值模式模拟数据和卫星微波反演数据的红外亮温模拟方法，其具备更高的模拟精度。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。