車云飛 馬舒慶 楊 玲 邢峰華 李思騰

1)(成都信息工程學院，成都 610225)2)(中國氣象局氣象探測中心，北京 100081)

?

云對地基微波輻射計反演濕度廓線的影響

車云飛1)馬舒慶2)*楊 玲1)邢峰華1)李思騰1)

1)(成都信息工程學院，成都 610225)2)(中國氣象局氣象探測中心，北京 100081)

利用中國氣象局大氣探測試驗基地的L波段探空數(shù)據(jù)和微波輻射計觀測數(shù)據(jù)，采用MonoRTM輻射傳輸模型作為正演亮溫模型，BP(back propagation)神經(jīng)網(wǎng)絡作為反演工具，在由亮溫反演大氣濕度廓線的過程中，添加與樣本匹配的云底高度和云厚度信息，建立新的反演模型，使新反演模型得到的反演濕度廓線和未添加云信息的反演濕度廓線分別與探空數(shù)據(jù)進行對比，獲取兩種反演方法各高度層的均方根誤差，分析云信息對反演大氣濕度廓線的影響。對比結(jié)果表明：未添加云信息時，測試樣本的反演濕度廓線與探空廓線的相關(guān)系數(shù)平均值為0.685，而添加云信息后，相關(guān)系數(shù)平均值為0.805。相比未添加云信息的反演廓線，添加云信息之后多數(shù)高度層的均方根誤差均有不同程度減小，而在有云以上高度層表現(xiàn)尤為明顯。

微波輻射計； 云信息； 反演方法； 大氣濕度廓線

引 言

準確預報災害性天氣對減少和避免氣象災害有重要意義，但當前對于中小尺度天氣發(fā)生的機理和規(guī)律的掌握不夠[1-2]，尤其是對大氣廓線的探測能力不足，現(xiàn)有的基于每日2次或4次的氣象探空業(yè)務在測量精度、費用和時間的連續(xù)性等方面存在諸多局限性。為了獲取連續(xù)的大氣廓線資料，國內(nèi)外學者一直在研究地基遙感探測手段，其中比較成熟的包括采用微波輻射計探測大氣溫濕廓線。

近年來，國內(nèi)引進多臺地基微波輻射計，用于進行大氣溫度、濕度和液態(tài)水垂直廓線的探測[3-4],大氣廓線的反演精度也不斷提高，但有云存在時反演的大氣溫濕廓線，尤其是濕度廓線會出現(xiàn)較大偏差，主要因為地基微波輻射計自身配置的紅外輻射儀組件僅能獲取天空紅外輻射亮溫[5]，其測云能力非常有限，導致有云時微波吸收系數(shù)的分布存在很大不確定性[6-8]。而相比于絕對變化僅為10%～20%的溫度而言，云對濕度廓線的影響更大。

為了提高云天反演大氣廓線的效果，許多學者將其他儀器所測得的云信息用于反演工作中，1998年Frate等[9]利用七通道的微波輻射計，通過添加激光云高儀提供的云底高度信息，建立了反演大氣溫度廓線和大氣濕度廓線的多元線性回歸方程，獲得了更高的反演精度。2001年Lohnert等[10]將95 GHz 云雷達、K波段微波輻射計和激光云高儀聯(lián)合持續(xù)觀測，結(jié)合地基微波輻射計反演的液態(tài)水含量、雷達反射率和云模型來反演云中液態(tài)水廓線，得到的液態(tài)水廓線的均方根誤差比以往反演方法的誤差小10%～20%。同年，James等[11]在亮溫反演云液態(tài)水路徑的過程中，使用由毫米波云雷達或者大氣溫度廓線提供的云溫，同樣減小了反演偏差。

為了更好地反演大氣濕度廓線，本研究將毫米波云雷達所測的云底高度和云厚度運用于反演過程，以探空數(shù)據(jù)為標準，比較反演所得廓線與未添加云信息反演結(jié)果的精度，分析云信息對反演大氣濕度廓線的影響。

1 資料簡介

微波輻射計數(shù)據(jù)來自于安置在中國氣象局大氣探測試驗基地的Airda-HTG3型號14通道微波輻射計，其中，K波段(22～32 GHz)和V波段(51～59 GHz)各7個通道，該微波輻射計亮溫測量范圍為0～800 K，亮溫漂移率為0.2 K/a，絕對亮溫精度為0.5 K。所用探空數(shù)據(jù)來自北京市觀象臺的GTS1型數(shù)字探空儀。所用毫米波云雷達數(shù)據(jù)來自于由中國氣象局氣象探測中心和西安華騰微波有限責任公司共同研制的Ka波段35 GHz的全固態(tài)垂直指向多普勒天氣雷達，測量高度約為12 km，垂直空間分辨率為30 m，時間分辨率為1～60 s可調(diào)。

訓練樣本為2011年和2012年的GTS1型數(shù)字探空儀的全年探空數(shù)據(jù)，先將探空數(shù)據(jù)進行預處理，將有雨或不確定天氣條件的情況剔除，訓練樣本共815組，其中，晴天探空數(shù)據(jù)為527組，云天數(shù)據(jù)為289組。測試檢驗樣本共76組，分別為2011年隨機10組未參與訓練的探空數(shù)據(jù)、2013年5—6月經(jīng)過預處理篩選后探空數(shù)據(jù)32組和2014年6—7月經(jīng)過篩選的33組探空數(shù)據(jù)。由于數(shù)據(jù)有限，2013年和2014年部分樣本的云底高度和云厚度由毫米波云雷達數(shù)據(jù)提供，其余樣本所對應的云底高度和云厚度由探空儀數(shù)據(jù)分析得到。

2 探空數(shù)據(jù)的預處理

本研究針對晴天和云天天氣，從理論上講，相對濕度達到100%時會形成云，但由于凝結(jié)核等多種原因，相對濕度達到85%時可能已經(jīng)入云[12-13]，故此次研究中，以相對濕度85%為閾值，若從地面至任意高度，相對濕度始終小于85%則判定為晴天。若近地面處相對濕度小于85%，至600 m以上的高度，存在相對濕度大于85%的分層，認為是云天狀況。判斷入云和出云時所對應的高度參見文獻[14]。

通過上述方法，篩選出晴天和云天情況下的探空廓線，由于訓練神經(jīng)網(wǎng)絡需要大量樣本，而毫米波雷達數(shù)據(jù)略少，故在有云的天氣情況下，根據(jù)入云和出云的判決條件，得到樣本對應的云底高度和云厚度，以便后續(xù)工作的使用。

為了驗證通過探空數(shù)據(jù)判定云底高度和云厚度的可行性，研究中將21組根據(jù)探空數(shù)據(jù)所判定的云底高度和云厚度與毫米波云雷達數(shù)據(jù)進行對比(圖1)。

在統(tǒng)計的21組樣本中，有兩組樣本為探空數(shù)據(jù)判定有云而毫米波云雷達測得無云，統(tǒng)計其余19組樣本，探空數(shù)據(jù)判定云信息與毫米波云雷達數(shù)據(jù)比較，云底高度的平均偏差為0.456 km，相關(guān)系數(shù)為0.950，云厚度的平均偏差為0.350 km，相關(guān)系數(shù)為0.705。

由于探空氣球運行軌跡的偏移和云分布的不確定性，二者得到的云信息自身存在偏差，數(shù)據(jù)對比得到的云底高度和云厚度的偏差合理，故根據(jù)探空數(shù)據(jù)判定云底高度和云厚度的方法可行。

3 正演模型與反演方法

3.1 正演模型

正演亮溫模型采用美國AER公司的MonoRTM輻射傳輸模型[15]，MonoRTM利用Vogit線型，水汽的壓力加寬系數(shù)、溫度加寬系數(shù)、自加寬系數(shù)等相關(guān)參數(shù)來源于HITRAN數(shù)據(jù)庫，水汽吸收譜采用MT_CKD模型(Mlawer Tobin_Clough Kneizys Davis),該模型考慮到了氧氣、氮、二氧化碳和臭氧的壓力加寬和自加寬效應，模型中還使用了包含中心頻率為22.2 GHz和183.3 GHz的水汽吸收線情況，也處理了氧氣吸收線在微波頻段的重疊情況。對于云天狀況下云中液態(tài)水的影響，MonoRTM采用Liebe吸收模型，計算云中出現(xiàn)液態(tài)水情況下的輻亮度。該模型所模擬的亮溫精度約為0.5%[16]。

使用MonoRTM模擬與德國RPG微波輻射計相同頻率的14通道的亮溫，先將探空數(shù)據(jù)按照MonoRTM模式要求進行處理，將探空廓線分為晴天和有云兩種情況，晴天狀態(tài)下，輸入處理過的探空廓線后，直接得到對應該次探空的亮溫數(shù)據(jù)。有云情況下，要在有云的高度層輸入該高度層下的云中液態(tài)水含量，從而得到該廓線正演得到的亮溫，而在常規(guī)的氣象探測資料中沒有液態(tài)水含量，研究參照文獻[17]，當高度層相對濕度小于85%時，液態(tài)水濃度取0；當相對濕度大于95%時，液態(tài)水濃度則取2.0 g/m3；而相對濕度為85%～95%時，液態(tài)水濃度取值滿足線性關(guān)系，同時假定云中含水量在垂直方向均勻分布。

對比22組不同時次的正演亮溫和對應時間的微波輻射計觀測亮溫，22.24 GHz通道和58.00 GHz 通道的亮溫對比見圖2。

圖2 正演亮溫與觀測亮溫變化 (a)22.24 GHz通道，(b)58.00 GHz通道Fig.2 The simulated and themeasured brightness temperatures(a)channel of 22.24 GHz,(b)channel of 58.00 GHz

14個不同通道的數(shù)據(jù)統(tǒng)計如表1所示。由表1可以看出，MonoRTM模型正演亮溫與微波輻射計觀測亮溫的標準偏差在2.2 K以內(nèi)，相關(guān)系數(shù)為0.94～0.99，這種差異對神經(jīng)網(wǎng)絡訓練的影響很小，二者所反演的廓線之間也相差甚微，故以MonoRTM模型正演亮溫可行[17]。

3.2 反演方法

神經(jīng)網(wǎng)絡方法[18]理論上可以逼近任意復雜的非線性關(guān)系,不需要專門設(shè)計非常復雜的反演算法。因此，神經(jīng)網(wǎng)絡已應用于大氣參數(shù)剖面反演領(lǐng)域[19-21]。研究中采用3層前饋BP神經(jīng)網(wǎng)絡，輸入層到隱層選取雙曲正切S型轉(zhuǎn)移函數(shù)tansig，隱層到輸出層選取線性轉(zhuǎn)移函數(shù)purelin，它能夠?qū)崿F(xiàn)任意精度的連續(xù)函數(shù)映射[22]。

添加云信息時輸入層節(jié)點為17個，其中前14個節(jié)點分別為MonoRTM模型正演14個通道亮溫，后3個節(jié)點分別為地面溫度、地面壓強和地面相對濕度。輸出層節(jié)點設(shè)置為47個，從地面到10 km高度的47個不同的高度層上的相對濕度，地面至1 km 高度范圍內(nèi)每隔100 m為1層，從1～10 km每隔250 m為1層。根據(jù)文獻[23]隱層節(jié)點的計算見式(1)，

M=(0.42LN+0.12N2+2.54L+

表1 正演亮溫與觀測亮溫數(shù)據(jù)對比Table 1 Comparison between the simulated and the measured brightness temperatures

(1)

式(1)中，M為隱含層節(jié)點數(shù)，L為輸入層節(jié)點數(shù)，N為輸出層節(jié)點數(shù)。未添加云信息時神經(jīng)網(wǎng)絡框圖如圖3所示。 添加云信息時輸入節(jié)點為19個，其中前17個節(jié)點與未添加云信息一致，后兩個節(jié)點為對應的云底高度和云厚度信息，晴天時后兩個節(jié)點設(shè)為0。隱層節(jié)點數(shù)為28個，輸出節(jié)點與未添加云信息一致。

將所有樣本按照上述方法訓練后，得到兩個參數(shù)固定的網(wǎng)絡，將測試樣本分別按照各自網(wǎng)絡節(jié)點的要求輸入，即輸入到未添加云的神經(jīng)網(wǎng)絡中時，測試樣本應為14通道亮溫、地面溫度、地面壓強和地面相對濕度，而輸入到添加云的神經(jīng)網(wǎng)絡中時，要增加輸入樣本匹配的云底高度和云厚度，由此反演得到47個不同高度層的相對濕度廓線。

圖3 未添加云信息的神經(jīng)網(wǎng)絡框圖Fig.3 The structure diagram of BPNN without cloud information

4 云對微波輻射計反演的影響

考慮平面平行大氣，散射可忽略,指向天頂?shù)牡鼗⒉ㄝ椛溆嬎^測到的下行亮溫[24-25]為

TB(0)=TB(∞)τ(0,∞)+

(2)

在微波頻段，晴天大氣吸收系數(shù)主要來源于氧氣和水汽，即ka=kO2+kH2O。對于非降水云的有云天氣，式中ka為有云大氣的吸收系數(shù)，其包括3項分別為水汽、氧氣和云的吸收系數(shù)，即ka=kO2+kH2O+kcloud。而對于有降水大氣的吸收系數(shù)則包括4項，即ka=kO2+kH2O+kcloud+krain，其中krain為雨的吸收系數(shù)[25]。同時，文獻[26]研究結(jié)果表明：云層對亮溫的影響要視云厚度、離地面的高度以及云中液態(tài)水密度而定。

由上述分析可知，云層的出現(xiàn)會對吸收系數(shù)產(chǎn)生較大影響，不同高度、不同厚度云層也會影響微波輻射計觀測亮溫，但微波輻射計自身所配置的紅外輻射儀組件無法獲取準確的云參量，導致反演所需信息不足，從而使云天時的反演廓線出現(xiàn)較大偏差。所以嘗試給神經(jīng)網(wǎng)絡提供準確的匹配云參量信息，從而達到提高反演精度的目的。

為了更好地分析云對亮溫反演大氣廓線的影響，根據(jù)《地面氣象觀測規(guī)范》[27]，按照對應云底高度的不同，將75組測試樣本分為低云、中云、高云3類。云底高度在2500 m以下(含2500 m)為低云，2500～4500 m(含4500 m)為中云，4500 m以上為高云，其中低、中、高云樣本分別為30組、23組、22組。對于多種云混合存在的情況，本研究并未涉及，會在后續(xù)工作中完善。

低云情況下，添加云信息反演大氣濕度廓線、未添加云信息反演濕度廓線和探空廓線的對比如圖4所示(時間為北京時，下同)。

圖4 低云情況下，添加云信息反演廓線、未添加云信息反演廓線與探空廓線對比(a)2013年5月2日07：00,(b)2013年5月27日19：00,(c)2014年6月19日19：00,(d)2014年6月20日19：00Fig.4 Comparison of inversion profiles with cloud information, inversion profiles without cloud information and sounding profiles in the case of low cloud(a)0700 BT 2 May 2013,(b)1900 BT 27 May 2013,(c)1900 BT 19 Jun 2014,(d)1900 BT 20 Jun 2014

中云情況下，反演濕度廓線與探空廓線對比如圖5所示。

高云情況下，反演濕度廓線與探空廓線對比如圖6所示。

圖5 中云情況下，添加云信息反演廓線、未添加云信息反演廓線與探空廓線對比(a)2013年3月20日07：00,(b)2013年5月25日19：00,(c)2014年6月10日07：00,(d)2014年7月16日19：00Fig.5 Comparison of inversion profiles with cloud information, inversion profiles without cloud information and sounding profiles in the case of middle cloud(a)0700 BT 20 Mar 2013,(b)1900 BT 25 May 2013,(c)0700 BT 10 Jun 2014,(d)1900 BT 16 Jul 2014

圖6 高云情況下，添加云信息反演廓線、未添加云信息反演廓線與探空廓線對比(a)2013年4月20日07：00,(b)2013年7月23日07：00,(c)2014年5月28日19：00,(d)2014年6月4日19：00Fig.6 Comparison of inversion profiles with cloud information, inversion profiles without cloud information and sounding profiles in the case of high cloud(a)0700 BT 20 Apr 2013,(b)0700 BT 23 Jul 2013,(c)1900 BT 28 May 2014,(d)1900 BT 4 Jun 2014

續(xù)圖6

5 結(jié)果分析

分別對低、中、高云樣本進行數(shù)據(jù)統(tǒng)計，以探空數(shù)據(jù)為標準，對比添加云信息和未添加云信息兩種反演方法所得到的濕度廓線在各高度層上的均方根誤差(圖7)。

圖7 添加云信息反演廓線和未添加云信息反演廓線與探空廓線對比的均方根誤差(a)低云情況，(b)中云情況，(c)高云情況Fig.7 Root mean square error contrast between inversion profiles with cloud information and inversion profiles without cloud information using sounding profiles as the standard(a)low cloud,(b)middle cloud,(c)high cloud

由圖7可知，低云情況下，未添加云信息反演廓線在0～2 km高度內(nèi)均方根誤差由4%快速增加至23%，至10 km高度均方根誤差振蕩增加至25%。相比于未添加云信息的反演結(jié)果，添加云信息后反演廓線在1.5～4.5 km高度上改善明顯，均方根誤差平均減少3.99%。中云情況下，0～2 km高度范圍內(nèi)未添加云信息反演的均方根誤差由4%快速增長至17.5%，至4.5 km高度均方根誤差增加至28%，至10 km高度又逐漸減少至18%。而添加云信息后的均方根誤差在2.5～10 km范圍內(nèi)平均減小5.09%。高云情況下，未添加云信息反演廓線在0～2 km高度內(nèi)均方根誤差與中云情況相近，至6 km 高度處均方根誤差增加至29%，至8.5 km高度處均方根誤差在27%附近振蕩，10 km高度處快速下降至16%。而添加云信息反演廓線在5～8.5 km 處改善明顯，平均減少了4.23%。

對比不同云類下反演濕度廓線的均方根誤差可知，反演精度總體上隨高度的增加而減小，但在有云存在時，云層及云層以上高度的反演誤差會明顯加大。而相比于未添加云信息的反演結(jié)果，添加云信息后在云層及云層以上高度的反演效果改善明顯。

將添加云信息和未添加云信息反演所得的每條反演廓線與對應的探空數(shù)據(jù)進行對比，得到反演廓線與探空廓線的相關(guān)系數(shù)(圖8)。

圖8 以探空數(shù)據(jù)為標準，添加云信息反演廓線與未添加云信息反演廓線的相關(guān)系數(shù)對比Fig.8 Related coefficient contrast between inversion profiles with cloud information and inversion profiles without cloud information using sounding profile as the standard

未添加云信息的反演廓線與探空數(shù)據(jù)的相關(guān)系數(shù)的平均值為0.685,而添加云信息所得的反演廓線相關(guān)系數(shù)的平均值為0.805,在統(tǒng)計的75組測試樣本中,有70組添加云信息之后相關(guān)系數(shù)增加,相關(guān)系數(shù)最小增加0.008，最大增加0.330。

通過以上對比可以看出，有云存在時，會造成有云高度甚至是云層以上的高度反演誤差增大，而在反演的過程中添加云信息明顯改善了反演精度，但云對大氣廓線反演的影響因素并不僅僅只有云底高度和云厚度，云中液態(tài)水的分布甚至云中粒子的密度、形狀和介電性質(zhì)都會對反演工作產(chǎn)生影響，在以后的工作中需深入研究。

6 結(jié) 論

采用MonoRTM輻射傳輸模型模擬14通道亮溫數(shù)據(jù)，考慮地面參數(shù)的相關(guān)性，使用毫米波云雷達實測的云高和云厚，反演過程中，將云底高度和云厚度作為增加的輸入通道訓練BP神經(jīng)網(wǎng)絡，反演所得廓線與未添加云信息的反演結(jié)果和探空儀數(shù)據(jù)進行分類比較，得到以下結(jié)論：

1) 兩種反演方法所得到的反演均方根誤差隨高度的變化趨勢基本一致。近地面處反演精度較高，均方根誤差約為5%，隨著高度的增加，反演精度逐漸降低，均方根誤差增加至28%，符合地基微波輻射計的探測性能。

2) 對比低云、中云、高云3種情況，有云高度層上云的影響會造成反演精度明顯降低。

3) 添加云信息的反演模型整體上改善了反演廓線精度，反演廓線與探空數(shù)據(jù)相關(guān)系數(shù)的平均值由0.685增加至0.805。在有云高度層表現(xiàn)尤為明顯，均方根誤差減少4%～5%。

研究表明，反演大氣廓線過程中添加云信息的方法可行。在以后的試驗工作中，可將云雷達和微波輻射計進行聯(lián)合觀測，用更豐富的云分布信息與微波輻射亮溫結(jié)合反演溫濕度廓線，改進有云天氣情況下微波輻射計探測大氣廓線的能力。

[1] 周秀驥.中尺度氣象學研究與中國氣象科學研究院.應用氣象學報，2006，17(6):665-671.

[2] 陳明軒,俞小鼎,譚曉光.對流天氣臨近預報技術(shù)的發(fā)展與研究進展.應用氣象學報,2004,15(6):754-766.

[3] 趙從龍,蔡化慶,宋玉東.對流層水汽和液態(tài)水的地基微波遙感探測.應用氣象學報,1991,2(2):200-207.

[4] 段英,吳志會.利用地基遙感方法檢測大氣中汽態(tài)、液態(tài)水含量分布特征的分析.應用氣象學報,1991,10(1):34-40.

[5] 胡樹貞,馬舒慶,陶法.地基雙波段測云系統(tǒng)及其對比實驗.應用氣象學報,2012,23(4):441-450.

[6] Chan P W.Performance and application of a multi-wavelength,gr- ound-based microwave radiometer in intense convective weather.MeteorologischeZeitschrift,2009,18(3):253-265.

[7] Knupp K R,Ware R,Cimini D,et al.Ground-based passive microwave profiling during dynamic weather conditions.JAtmosOceanTechnol,2009,26(6):1057-1073.

[8] 劉紅燕.三年地基微波輻射計觀測溫度廓線的精度分析.氣象學報，2011,69(4):719-728.

[9] Frate F D,Giovanni S.A combined natural orthogonal function/neural netwok technique for the radiometric estimation of atmospheric profiles.RadioScience,1998,33(2):405-410.

[10] Lohnert U,Crewell S,Simmer C.Profiling cloud liquid water by combining active and passive microwave measurements with cloud model statistics.JAtmosOceanTechnol,2001,18(8):1354-1366.

[11] James C L,Eugene E C.A new retrieval for cloud liquid water path using a ground-based microwave radiometer and measurements of cloud temperature.JGeophysRes,2001,D13: 14485-14500.

[12] Poore K D.Cloud Base,Top and Thickness Climatology from RAOB and Surface Data. Cloud Impacts on DOD Operations and Systems 1991 Conference.1991.

[13] Poore K D,Wang J H,Rossow W B.Cloud layer thicknesses from a combination of surface and upper-air observations.JClimate,1995,8(3):550-568.

[14] 周玉馳.地基多通道微波輻射計反演大氣溫濕廓線的研究.北京:中國科學院研究生院,2010.

[15] David D T,Shepard A C,James C L.Retrieving liquid water path and precipitable water vapor from the atmospheric radiation measurement(ARM) microwave radiometers.IEEETransactionsonGeoscienceandRemoteSensing,2007,11:3680-3690.

[16] Clough S A,Shephard M W,Mlawer E J.Atmospheric radiative transfer modeling:A summary of the AER codes.JournalofQuantitativeSpectroscopy&RadiativeTransfer,2005,91:233-244.

[17] 黃興友,張曦,冷亮,等.基于MonoRTM模型的微波輻射計反演方法研究.氣象科學,2013,33(2):138-145.

[18] 周開利,康耀紅.神經(jīng)網(wǎng)絡模型及其Matlab仿真程序設(shè)計.北京:清華大學出版社,2005.

[19] 劉亞亞,毛節(jié)泰,劉鈞,等.地基微波輻射計遙感大氣廓線的BP神經(jīng)網(wǎng)絡反演方法研究.高原氣象,2010,29(6):1514-1523.

[20] 姚志剛,陳洪濱.利用神經(jīng)網(wǎng)絡從118.75 GHz附近通道亮溫反演大氣溫度.氣象科學,2006,26(3):252-259.

[21] 劉旸,官莉.人工神經(jīng)網(wǎng)絡法反演晴空大氣濕度廓線的研究.氣象,2011,37(3):318-324.

[22] Simon Haykin.葉世偉,史忠植,譯.神經(jīng)網(wǎng)絡原理.北京:機械工業(yè)出版社,2004:33-175.

[23] 高大啟.有教師的線性基本函數(shù)前向神經(jīng)網(wǎng)絡結(jié)構(gòu)研究.計算機學報,1998,21(1):80-86.

[24] 王振會,李青,楚艷麗,等.地基微波輻射計工作環(huán)境對K波段亮溫觀測影響.應用氣象學報,2014,25(6):711-721.

[25] 張培昌,王振會.大氣微波遙感基礎(chǔ).北京:氣象出版社,1995:346-384.

[26] 邢業(yè)新,婁國偉,李興國,等.云、雨天氣對3 mm波段天空亮溫的影響.現(xiàn)代防御技術(shù),2010,38(5):82-85.

[27] 中國氣象局.地面氣象觀測規(guī)范.北京:氣象出版社,2013:11-16.

Cloud Influence on Atmospheric Humidity Profile Retrieval by Ground-based Microwave Radiometer

Che Yunfei1)Ma Shuqing2)Yang Ling1)Xing Fenghua1)Li Siteng1)

1)(ChengduUniversityofInformationTechnology,Chengdu610225)
2)(MeteorologicalObservationCenterofCMA,Beijing100081)

There are a lot of limitations on measurement accuracy, cost and continuity of time in the meteorological sounding operations, which are two or four times a day. In order to obtain continuous atmospheric profile data, many methods are developed, among which the way of measuring atmospheric temperature and humidity profiles by the microwave radiometer is relatively mature. However, the ability of the microwave radiometer with infrared sensors is very limited in measuring the cloud, it can only get the height of cloud, and sometimes it brings large deviations. The deviation result in great uncertainty in distributed cloud microwave absorption, causing errors during the inversion of temperature and humidity profiles, so how to improve the accuracy of inversion on cloud is an urgent problem to solve.A method is implemented using atmospheric profiles from L-band sounding radar and brightness temperature observed with microwave radiometer, and MonoRTM is taken as a forward atmospheric radiative transfer model and the tool of retrieval is BP neural network. The matching cloud information is added and a new model of retrieval is created when retrieving atmospheric humidity profiles. Root mean square error (RMSE) values on each height layer with two kinds of inversion method are obtained and the impact of cloud information on atmospheric humidity profile retrieval is analyzed through comparison.

Results show that the average of correlation between inversion humidity profiles is improved from 0.6850 to 0.8050 after adding cloud information. Compared with inversion profiles without cloud information, RMSE values on the vast majority of height layers after adding cloud information are reduced to various degrees, which is particularly obvious at layers with cloud.

The study shows that the method of adding cloud information on the process of inversion is feasible. In order to improve the ability to observe the atmospheric profile lines in cloudy days, combined information of cloud distribution and brightness temperature of microwave radiation can be used to retrieve the temperature and humidity, in condition the joint observation of cloud radar and microwave radiation is available.

microwave radiometer; cloud information; retrieval method; atmospheric humidity profile

10.11898/1001-7313.20150207

公益性行業(yè)(氣象)科研專項(GYHY200906035)

車云飛，馬舒慶，楊玲,等. 云對地基微波輻射計反演濕度廓線的影響. 應用氣象學報，2015，26(2)：193-202.

2014-10-21收到， 2015-01-08收到再改稿。

* 通信作者，email: msqaoc@cma.gov.cn