楊杰波，陳柯，徐桂榮，桂良啟，郎量，張明洋，金鋒，趙若銘，孫春雨

(1.華中科技大學(xué)，武漢 430074；2.中國(guó)氣象局武漢暴雨研究所，武漢 430205；3.武漢華夢(mèng)科技有限公司，武漢 430223)

引言

大氣溫濕度廓線是表征大氣運(yùn)動(dòng)、熱力狀態(tài)變化的重要參數(shù)，對(duì)其準(zhǔn)確、及時(shí)的測(cè)量能夠有效提升天氣預(yù)報(bào)的性能(馬舒慶等，2016)。由于實(shí)時(shí)性強(qiáng)、靈活性大且可信度高的特點(diǎn)，無線電探空氣球成為目前國(guó)內(nèi)外大氣廓線探測(cè)的主要手段，但受成本制約，探空站點(diǎn)分布少、觀測(cè)間隔長(zhǎng)，使得探空數(shù)據(jù)越來越難以滿足當(dāng)前短時(shí)臨近天氣預(yù)報(bào)和科學(xué)研究的需求(陳明軒等，2004)。地基微波輻射計(jì)作為一種典型的被動(dòng)遙感探測(cè)設(shè)備，可以實(shí)時(shí)、連續(xù)且無人值守地測(cè)量地表垂直10 km的大氣輻射亮溫，并反演出大氣溫濕廓線數(shù)據(jù)(樊旭等，2019)，彌補(bǔ)了探空觀測(cè)時(shí)間不連續(xù)的缺點(diǎn)(張文剛等，2017)，對(duì)提高中小尺度天氣系統(tǒng)監(jiān)測(cè)精度和強(qiáng)天氣預(yù)報(bào)能力具有重要的意義。

目前，國(guó)內(nèi)外已成功開發(fā)出多種型號(hào)的地基微波輻射計(jì)，并被廣泛應(yīng)用于實(shí)際氣象業(yè)務(wù)與氣候研究中，其中最具代表性的是美國(guó)Radiometrics公司的MP系列產(chǎn)品和德國(guó)Radiometer Physics GmbH公司研發(fā)的RPG微波輻射計(jì)(Venkat et al.，2013；徐桂榮等，2019)。除了硬件指標(biāo)，地基微波輻射計(jì)的探測(cè)性能還取決于大氣輻射亮溫測(cè)量、反演算法的準(zhǔn)確性和穩(wěn)定性(李靖等，1999；鮑艷松等，2016)。由于反演需利用歷史觀測(cè)亮溫與探空數(shù)據(jù)構(gòu)建訓(xùn)練樣本庫(周玉馳，2010)，因此探空數(shù)據(jù)、亮溫?cái)?shù)據(jù)的質(zhì)量及反演算法的可靠性至關(guān)重要(Churnside et al.，1994)。通過周期定標(biāo)可以消除地基微波輻射計(jì)系統(tǒng)波動(dòng)對(duì)亮溫帶來的影響(江月，2018)，但研究表明亮溫的觀測(cè)還易受云、降水等復(fù)雜天氣影響而出現(xiàn)異常(Phillips et al.，2009；敖雪等，2011)，同時(shí)探空氣球漂移、測(cè)量誤差等也會(huì)對(duì)探空數(shù)據(jù)質(zhì)量帶來影響(Durre et al.，2008)，因此對(duì)亮溫?cái)?shù)據(jù)進(jìn)行預(yù)處理研究(Matzler and Morland，2009)，對(duì)反演算法進(jìn)行改進(jìn)試驗(yàn)，對(duì)于提升大氣測(cè)量精度，以適應(yīng)氣象業(yè)務(wù)發(fā)展對(duì)提高地基微波輻射計(jì)設(shè)備準(zhǔn)確率及精細(xì)化水平的要求，具有重要的現(xiàn)實(shí)意義。

為此，馬麗娜等(2018)提出了多通道亮溫差值闕值法，對(duì)“晴天”和“云天”樣本進(jìn)行了識(shí)別，并對(duì)模擬亮溫進(jìn)行了線性訂正。敖雪等(2013)利用輻射傳輸模型提出了一套針對(duì)MP3000觀測(cè)數(shù)據(jù)的質(zhì)量控制方案。張雪芬等(2016)引入測(cè)云儀對(duì)微波輻射計(jì)測(cè)量亮溫進(jìn)行預(yù)處理，并以此改進(jìn)反演，提升了大氣廓線反演精度。與此同時(shí)，在氣象探測(cè)應(yīng)用方面，不少學(xué)者對(duì)多種型號(hào)的地基微波輻射計(jì)觀測(cè)數(shù)據(jù)進(jìn)行了質(zhì)量評(píng)估，為有效使用地基微波輻射計(jì)探測(cè)大氣提供了借鑒(王志誠(chéng)等，2018；張文剛等，2013；康曉燕等，2019；Sanchez et al.，2013)。但綜合分析，目前大多數(shù)研究所提出的反演方案都需要長(zhǎng)期的觀測(cè)數(shù)據(jù)，在新的應(yīng)用場(chǎng)景難以得到及時(shí)有效的應(yīng)用，且基本針對(duì)國(guó)外成熟設(shè)備展開，鮮有將亮溫預(yù)處理與反演改進(jìn)應(yīng)用于微波輻射計(jì)的研制過程中，并開展相應(yīng)的可靠性驗(yàn)證。因此，為了提升地基微波輻射計(jì)探測(cè)大氣溫濕廓線的精度，增強(qiáng)設(shè)備在新場(chǎng)景部署及切合硬件性能的本地化、個(gè)體化觀測(cè)性能，本文對(duì)直接樣本反演、間接樣本反演兩種算法開展研究，并應(yīng)用于武漢華夢(mèng)科技有限公司研制的HRA002型國(guó)產(chǎn)地基微波輻射計(jì)中，利用并址探空數(shù)據(jù)進(jìn)行對(duì)比評(píng)估。直接樣本反演在積累了一定觀測(cè)數(shù)據(jù)的基礎(chǔ)上，將微波輻射計(jì)觀測(cè)亮溫與對(duì)應(yīng)時(shí)刻的探空數(shù)據(jù)進(jìn)行訓(xùn)練，得到直接樣本反演網(wǎng)絡(luò)，該方法更貼合硬件性能及本地氣象特征。

近年來，遷移學(xué)習(xí)通過遷移預(yù)訓(xùn)練網(wǎng)絡(luò)于目標(biāo)任務(wù)中，解決了氣象領(lǐng)域缺少訓(xùn)練數(shù)據(jù)集或訓(xùn)練資料龐大的問題，在衛(wèi)星云圖分類、臺(tái)風(fēng)等級(jí)分類、雨量預(yù)測(cè)等方面得到更高性能、高效率的應(yīng)用效果(鄭宗生等，2020；胡凱等，2017；陳品璇，2019)。間接樣本反演借鑒遷移學(xué)習(xí)的思想，使用探空模擬亮溫與探空氣象數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)模型，并遷移于觀測(cè)亮溫反演大氣溫濕度廓線的任務(wù)中，以解決直接樣本反演缺少觀測(cè)訓(xùn)練數(shù)據(jù)集的缺陷，因此，對(duì)觀測(cè)亮溫?cái)?shù)據(jù)進(jìn)行預(yù)處理修正，使其逼近模擬亮溫值將成為提升間接樣本反演精度的關(guān)鍵。而在反演算法的選擇上，BP神經(jīng)網(wǎng)絡(luò)相較于回歸法、一維變分算法具有自適應(yīng)學(xué)習(xí)、并行計(jì)算、擬合復(fù)雜非線性問題并計(jì)算最優(yōu)解的能力，成為當(dāng)前國(guó)內(nèi)外各種地基微波輻射計(jì)產(chǎn)品反演大氣溫濕度廓線普遍采用的反演方法(樊旭等，2019)。隨著深度神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)算法的發(fā)展，CNN、LightGBM、Random Forest等算法在微波遙感領(lǐng)域得到越來越多的應(yīng)用，提升了學(xué)習(xí)效率以及圖像信息的檢測(cè)精度，但上述算法在遙感氣象領(lǐng)域多應(yīng)用于衛(wèi)星或紅外圖像上，輸出結(jié)果往往是地表溫度、云檢測(cè)、海冰濃度等二維圖像結(jié)果(Tan et al.，2019；付華聯(lián)等，2019；Lei et al.，2017)，在地基微波輻射計(jì)單點(diǎn)部署反演不同垂直高度上大氣參數(shù)信息的應(yīng)用研究較少，算法遷移難度較大。呂新帥等(2019)采用RBF神經(jīng)網(wǎng)絡(luò)、張?zhí)旎⒌?2020)采用遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行反演，從算法層面提升了運(yùn)算速度、泛化能力和反演準(zhǔn)確度。

但大氣參數(shù)反演準(zhǔn)確度受訓(xùn)練樣本的影響更大(Anchez et al.，2013)，是神經(jīng)網(wǎng)絡(luò)訓(xùn)練、反演的基礎(chǔ)，本文針對(duì)神經(jīng)網(wǎng)絡(luò)在地基氣象輻射計(jì)實(shí)際應(yīng)用中的問題開展了改進(jìn)研究，為了重點(diǎn)衡量基于亮溫預(yù)處理改進(jìn)訓(xùn)練數(shù)據(jù)樣本對(duì)反演精度的提升作用，且能夠與其他廠商微波輻射計(jì)進(jìn)行對(duì)比，本文采用地基微波輻射計(jì)主流BP神經(jīng)網(wǎng)絡(luò)進(jìn)行反演。與其他微波輻射計(jì)的對(duì)比通過置HRA002型微波輻射計(jì)于武漢國(guó)家基本氣象站與三臺(tái)美國(guó)MP-3000A輻射計(jì)同址觀測(cè)開展，以檢驗(yàn)反演精度及國(guó)產(chǎn)地基微波輻射計(jì)的探測(cè)性能。

1 設(shè)備、數(shù)據(jù)和方法

本文針對(duì)武漢華夢(mèng)科技有限公司HRA002地基K/V雙頻多通道微波輻射計(jì)的研制開展反演算法的研究，該設(shè)備配備溫度、濕度、氣壓傳感器、8~14μm紅外測(cè)溫儀以及GPS，可以在水汽波段(22~30 GHz)、氧氣波段(51~59 GHz)各8個(gè)通道進(jìn)行連續(xù)不間斷地探測(cè)，時(shí)間分辨率為100~1 000 ms。通過周期實(shí)時(shí)定標(biāo)，實(shí)現(xiàn)對(duì)大氣輻射信號(hào)的穩(wěn)定準(zhǔn)確測(cè)量，可實(shí)時(shí)反演出0—10 km高度內(nèi)的溫度廓線、水汽密度廓線、相對(duì)濕度廓線以及液態(tài)水含量等氣象要素，輸出廓線分為39個(gè)高度層，低空垂直分辨率為50~100 m，中高空分辨率250 m。39個(gè)高度層為0、10、30、50、75、100、125、150、200、250、325、400、475、550、625、700、800、900、1 000、1 150、1 300、1 450、1 600、1 800、2 000、2 200、2 500、2 800、3 100、3 500、3 900、4 400、5 000、5 600、6 200、7 000、8 000、9 000、10 000 m。

武漢國(guó)家基本氣象站是業(yè)務(wù)氣象探空站，每日00UTC和12UTC釋放探空氣球進(jìn)行高空氣象觀測(cè)。探空數(shù)據(jù)可以輸出連續(xù)高度層的溫度、壓強(qiáng)、濕度、水平風(fēng)向和風(fēng)速等測(cè)量信息。本文于2020年5月24日—6月5日在武漢國(guó)家基本氣象站開展了4臺(tái)地基微波輻射計(jì)的并址觀測(cè)試驗(yàn)。4臺(tái)微波輻射計(jì)包括上述1臺(tái)國(guó)產(chǎn)HRA002和3臺(tái)美國(guó)Radiometrics公司生產(chǎn)的MP-3000A。MP-3000A可以在多個(gè)仰角觀測(cè)21個(gè)K波段(22~30 GHz)和14個(gè)V波段(51~59 GHz)的微波通道大氣亮溫，通過微波亮溫反演得到0—10 km的大氣溫濕廓線，憑借著適應(yīng)各種復(fù)雜環(huán)境的獨(dú)立工作能力以及高分辨率、高精度的測(cè)量，被廣泛布設(shè)在國(guó)內(nèi)外氣象業(yè)務(wù)微波輻射計(jì)監(jiān)測(cè)網(wǎng)中(趙玲等，2009)。MP-3000A反演的大氣參量廓線的時(shí)間分辨率約為3 min，輸出廓線分為58個(gè)高度層，廓線垂直分辨率在0—500 m高度為50 m，500—2 000 m高度為100 m，2 000—10 000 m為250 m(徐桂榮等，2019)。

試驗(yàn)以武漢國(guó)家基本氣象站的探空觀測(cè)結(jié)果為基準(zhǔn)，考查HRA002與MP-3000A的大氣溫度、水汽密度和相對(duì)濕度廓線與探空觀測(cè)的差異。為了匹配探空數(shù)據(jù)并減少偶然誤差，HRA002的觀測(cè)亮溫選取00UTC(12UTC)±5 min內(nèi)的數(shù)據(jù)計(jì)算平均值進(jìn)行反演，考慮到MP-3000A時(shí)間分辨率大，選取00UTC(12UTC)±6 min內(nèi)第一組微波輻射計(jì)廓線來與探空廓線進(jìn)行對(duì)比。在HRA002不同反演算法對(duì)比時(shí)，以HRA002的39個(gè)高度層為基準(zhǔn)，在樣本匹配時(shí)，對(duì)探空大氣廓線采用線性插值法進(jìn)行處理，相比于非線性插值，線性插值具有插值效果好且易于實(shí)現(xiàn)的優(yōu)點(diǎn)(張怡舒，2019)。在4臺(tái)微波輻射計(jì)并址觀測(cè)試驗(yàn)時(shí)，考慮到MP-3000A的高度層數(shù)多于HRA002，高度層上以MP-3000A的58個(gè)高度層為基本高度層，采用線性插值法分別將探空廓線和HRA002廓線插值到58個(gè)高度層來與MP-3000A廓線匹配。對(duì)比參量主要為MP-3000A和HRA002大氣參量與探空大氣參量之間的相關(guān)系數(shù)(R)、平均偏差(Bias)及偏差的均方差(RMSE)。

相關(guān)系數(shù)(R)的計(jì)算公式如下

平均偏差(Bias)的計(jì)算公式如下

偏差均方差(RMSE)的計(jì)算公式如下

公式(1)—(3)中，N表示樣本總數(shù)，x表示輻射計(jì)反演的大氣廓線數(shù)據(jù)，y表示與x時(shí)空對(duì)應(yīng)的探空廓線數(shù)據(jù)。

2 HRA002的直接樣本反演方法和評(píng)估

2.1 神經(jīng)網(wǎng)絡(luò)訓(xùn)練與反演方法

BP神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)學(xué)習(xí)、并行計(jì)算、擬合復(fù)雜非線性問題并計(jì)算最優(yōu)解的能力，被廣泛使用于地基微波輻射計(jì)的大氣廓線反演中。BP神經(jīng)網(wǎng)絡(luò)是一個(gè)多層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，可劃分為輸入層、隱藏層和輸出層，層與層之間利用神經(jīng)元實(shí)現(xiàn)全連接，其結(jié)構(gòu)如圖1所示(張怡舒，2019)?；诖?，在訓(xùn)練之前首先要確定BP網(wǎng)絡(luò)各層神經(jīng)元個(gè)數(shù)。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of BP neural network

地基微波輻射計(jì)使用K波段、V波段各8通道的天空亮溫來反演大氣溫度與濕度廓線，依據(jù)張怡舒(2019)的研究，當(dāng)反演溫濕廓線時(shí)，輸入層節(jié)點(diǎn)數(shù)對(duì)應(yīng)波段通道數(shù)8；HRA002輸出的溫濕廓線具有39個(gè)高度層，因此輸出層節(jié)點(diǎn)為39；隱藏層節(jié)點(diǎn)個(gè)數(shù)會(huì)對(duì)網(wǎng)絡(luò)收斂速度和訓(xùn)練效果產(chǎn)生較大影響，隱藏層節(jié)點(diǎn)個(gè)數(shù)與輸入層節(jié)點(diǎn)數(shù)、樣本數(shù)相關(guān)，需要依據(jù)公式(4)計(jì)算經(jīng)驗(yàn)值(陳明，2013)并多次嘗試尋找最佳節(jié)點(diǎn)數(shù)

公式(4)中，N為輸入層節(jié)點(diǎn)數(shù)，K為訓(xùn)練樣本總數(shù)，M為隱藏層的節(jié)點(diǎn)個(gè)數(shù)。

建立網(wǎng)絡(luò)結(jié)構(gòu)后，還需要通過訓(xùn)練確定各層神經(jīng)元之間的權(quán)值和偏置。直接樣本反演，顧名思義便是用微波輻射計(jì)的觀測(cè)亮溫?cái)?shù)據(jù)與探空溫濕廓線數(shù)據(jù)直接構(gòu)成神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本庫，通過多次循環(huán)訓(xùn)練得到性能較優(yōu)的網(wǎng)絡(luò)模型。觀測(cè)時(shí)只需將觀測(cè)數(shù)據(jù)輸入網(wǎng)絡(luò)，便可反演出溫濕廓線數(shù)據(jù)。

本文利用2019年9月—2020年5月期間HRA002的觀測(cè)亮溫?cái)?shù)據(jù)和并址探空數(shù)據(jù)建立直接樣本反演模型，為了提升水汽參量的反演效果，在上文8通道普通網(wǎng)絡(luò)訓(xùn)練方法的基礎(chǔ)上，提出了基于16通道網(wǎng)絡(luò)的改進(jìn)方法，兩種網(wǎng)絡(luò)說明如下：

普通網(wǎng)絡(luò)：溫度廓線采用V波段8個(gè)通道亮溫作為輸入層訓(xùn)練，水汽密度與相對(duì)濕度廓線采用K波段8個(gè)通道亮溫作為輸入層訓(xùn)練。

16通道網(wǎng)絡(luò)：溫度廓線采用V波段8個(gè)通道亮溫?cái)?shù)據(jù)訓(xùn)練，水汽密度、相對(duì)濕度采用輻射計(jì)全部16通道亮溫?cái)?shù)據(jù)訓(xùn)練。

基于上述兩種模型反演大氣廓線，并與探空數(shù)據(jù)進(jìn)行對(duì)比分析，具體步驟如下：

第一步：篩選2019年9月—2020年5月共9個(gè)月500組溫濕廓線和液態(tài)水路徑等大氣參量數(shù)據(jù)，剔除探空廓線高度上不完整(最大高度低于10 km)的樣本，得到有效數(shù)據(jù)456組。

第二步：篩選HRA-02對(duì)應(yīng)的觀測(cè)亮溫。

第三步：隨機(jī)選取356組數(shù)據(jù)進(jìn)行訓(xùn)練，以觀測(cè)亮溫作為輸入，探空數(shù)據(jù)為輸出，訓(xùn)練兩種神經(jīng)網(wǎng)絡(luò)。

第四步：基于訓(xùn)練的兩種神經(jīng)網(wǎng)絡(luò)模型，將剩下的100組觀測(cè)亮溫值作為輸入，分別求得兩種神經(jīng)網(wǎng)絡(luò)模型反演的大氣參量值，并將之與對(duì)應(yīng)的100組探空數(shù)據(jù)對(duì)比，分析反演精度。

2.2 直接樣本反演方法的評(píng)估

使用100組觀測(cè)亮溫測(cè)試數(shù)據(jù)進(jìn)行反演，表1為普通網(wǎng)絡(luò)、16通道網(wǎng)絡(luò)在低層(高度0—2 km，下同)與高層(高度2—10 km，下同)的均方根誤差平均值對(duì)比結(jié)果，圖2、3分別為兩種網(wǎng)絡(luò)反演大氣參量與探空數(shù)據(jù)的誤差在各高度層上的廓線結(jié)果。可以看到，兩種網(wǎng)絡(luò)反演的溫濕廓線均方差曲線趨勢(shì)基本一致，反演的溫度均方差在低層皆低于1.2 K，在高層平均低于2.7 K，說明反演溫度在低層高度更接近探空觀測(cè)，但兩種神經(jīng)網(wǎng)絡(luò)在溫度反演上無明顯差異。采用16通道神經(jīng)網(wǎng)絡(luò)反演的水汽密度均方差低層降低了0.94 g·m-3，高層相當(dāng)，總體優(yōu)于普通神經(jīng)網(wǎng)絡(luò)。在相對(duì)濕度的反演上，采用普通神經(jīng)網(wǎng)絡(luò)反演與探空觀測(cè)的均方差在低層約為16%，在高層約為22.5%；使用16通道神經(jīng)網(wǎng)絡(luò)后，反演的相對(duì)濕度均方差在低層降低了約5%，在高層降低了3.4%，16通道神經(jīng)網(wǎng)絡(luò)明顯優(yōu)于普通神經(jīng)網(wǎng)絡(luò)。以上結(jié)果表明，相對(duì)于8通道的普通神經(jīng)網(wǎng)絡(luò)模型，采用16通道神經(jīng)網(wǎng)絡(luò)模型可以提高相對(duì)濕度和水汽廓線的反演質(zhì)量。

圖2 普通網(wǎng)絡(luò)反演溫度(a)、水汽密度(b)和相對(duì)濕度(c)的B ias、R MSE廓線Fig.2 B ias and R MSE profiles of(a)temperature,(b)water vapor density and(c)relative humidity retrieved by common network

表1 兩種神經(jīng)網(wǎng)絡(luò)反演的低層和高層3個(gè)大氣參量的均方差Table 1 Mean square errors of three atmospheric parameters of low and high levels retrieved by two kinds of neural networks

圖3 16通道網(wǎng)絡(luò)反演溫度(a)、水汽密度(b)和相對(duì)濕度(c)的B ias、R MSE廓線Fig.3 B ias and R MSE profiles of(a)temperature,(b)water vapor density and(c)relative humidity retrieved by 16-channel network

3 HRA002的間接樣本反演方法和評(píng)估

當(dāng)一個(gè)新設(shè)備被部署到本地立刻開始工作時(shí)，無法具備直接樣本反演需要的長(zhǎng)期觀測(cè)亮溫，在此情況下需采用間接樣本反演方法，使用本地歷史探空數(shù)據(jù)計(jì)算模擬亮溫，并與對(duì)應(yīng)探空大氣廓線訓(xùn)練神經(jīng)網(wǎng)絡(luò)，再將微波輻射計(jì)的實(shí)時(shí)觀測(cè)亮溫輸入該網(wǎng)絡(luò)進(jìn)行反演。因?yàn)槲恢貌町?、探空氣球漂移、云液水影響等因素存在，微波輻射?jì)的觀測(cè)亮溫與模擬亮溫之間存在著非天氣因素差異，將會(huì)影響反演精度。因此，為了減小觀測(cè)亮溫與模擬亮溫的差異，本文設(shè)計(jì)了一套包括樣本分類、質(zhì)量控制與偏差訂正等環(huán)節(jié)在內(nèi)的數(shù)據(jù)預(yù)處理程序。

3.1 模擬亮溫的計(jì)算

天空輻射亮溫Tsky(θ)由兩部分組成，一部分是大氣向下發(fā)射的能量，另一部分是宇宙輻射的能量。Tsky(θ)的計(jì)算公式為

式中θ是天頂角，Tcos表示宇宙輻射能量，其值約為2.73 K。kg(z)、T(z)、τ(0,z)分別表示高度為z時(shí)的大氣吸收系數(shù)、大氣物理溫度和天頂方向大氣不透明度。τ(0,z)的表達(dá)式為

大氣不透明度可通過大氣吸收系數(shù)計(jì)算，而針對(duì)大氣吸收系數(shù)的計(jì)算，有許多計(jì)算模型，目前應(yīng)用最廣泛的是Liebe(1993)提出的MPM93模型，基于該輻射模型，大氣吸收系數(shù)的計(jì)算公式為

上式中N''(f)表示大氣復(fù)折射率在頻率為f時(shí)的虛部，地球大氣層的各種氣體中，只有氧氣和水汽會(huì)出現(xiàn)明顯的吸收頻帶，MPM93模型指出大氣武漢地區(qū)氣吸收系數(shù)可由44條氧氣和35條水汽吸收譜線譜型函數(shù)結(jié)合具體高度下氣象參數(shù)計(jì)算而得。因此基于上述原理，可以通過探空數(shù)據(jù)，計(jì)算得到各個(gè)頻率通道的模擬亮溫。

3.2 樣本分類

HRA002配備外置溫度、濕度、大氣壓強(qiáng)傳感器、雨量傳感器以及紅外測(cè)溫儀，Xu等(2015)基于雨量傳感器與紅外測(cè)溫儀提出一套天氣分類方法，通過雨量傳感器判斷是否有雨，紅外測(cè)溫儀可測(cè)量晴天的大氣背景溫度或云天的云底溫度，晴朗條件下的大氣背景溫度低于冰云和水云，因此可利用紅外測(cè)溫儀對(duì)天氣進(jìn)行分類。此外，周毓荃和歐建軍(2016)也基于探空濕度廓線數(shù)據(jù)提出了分析云結(jié)構(gòu)的方法，并基于云雷達(dá)實(shí)現(xiàn)了可靠性驗(yàn)證。本文在這兩種方法的基礎(chǔ)上，結(jié)合溫濕度傳感器，以及微波輻射計(jì)的長(zhǎng)期觀測(cè)試驗(yàn)，提出天氣判別的依據(jù)如下：

雨天：以地面雨量傳感器探測(cè)結(jié)果為主要依據(jù)，同時(shí)，當(dāng)紅外測(cè)得云底溫度與地面溫度接近(兩者溫差小于3℃)，且地面濕度大于85%，濕度廓線從地面到空中有大于濕度大于85%的連續(xù)區(qū)間，判斷為雨天。

晴天：除雨天外，當(dāng)紅外測(cè)量溫度小于0℃，且大氣廓線各高度上的相對(duì)濕度＜85%，判斷為晴天。

云天：除雨天、晴天外，當(dāng)紅外測(cè)量溫度大于0℃，相對(duì)濕度廓線數(shù)據(jù)上有最大值大于87%，最小值不小于84%的連續(xù)區(qū)間，且該區(qū)間最高處有負(fù)的跳變，最低處有正的跳變，則判斷為有云。

為驗(yàn)證該方法的準(zhǔn)確性，利用https://rp5.ru網(wǎng)站上發(fā)布的同氣象站號(hào)碼的歷史氣象數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，該網(wǎng)站的實(shí)際氣象數(shù)據(jù)由地面氣象站通過氣象數(shù)據(jù)國(guó)際自由交換系統(tǒng)提供，與每日探空氣球施放時(shí)間相對(duì)應(yīng)。HRA002在武漢國(guó)家基本氣象站觀測(cè)期間(2019年9月—2020年6月)共526組有效天氣判別數(shù)據(jù)，表2為上述天氣判別方法的準(zhǔn)確度對(duì)比結(jié)果，可以看到，本文基于紅外測(cè)溫儀、濕度廓線與環(huán)境溫濕傳感器的天氣判別方法總體準(zhǔn)確率接近80%，由于未對(duì)霧天進(jìn)行判別加上短時(shí)間內(nèi)天氣突變等因素干擾，存在一定的誤差，但總體來說，該判別方法在微波輻射計(jì)對(duì)天氣進(jìn)行實(shí)時(shí)判別的應(yīng)用上具有可靠性。

表2 天氣判別與實(shí)際天氣對(duì)比結(jié)果Table 2 Comparison of weather discrimination and actual weather

3.3 觀測(cè)亮溫預(yù)處理

探空氣球施放的時(shí)間為00UTC和12UTC，選取微波輻射計(jì)這兩個(gè)時(shí)間前后5 min的數(shù)據(jù)并計(jì)算平均值作為對(duì)應(yīng)時(shí)刻的觀測(cè)值。針對(duì)亮溫突變的異常情況，首先要進(jìn)行質(zhì)量控制，短時(shí)間內(nèi)亮溫的波動(dòng)幅度應(yīng)在一定的范圍內(nèi)，采樣時(shí)間內(nèi)亮溫?cái)?shù)據(jù)標(biāo)準(zhǔn)差大于相應(yīng)通道3倍靈敏度的樣本為疑誤樣本，對(duì)數(shù)據(jù)進(jìn)行篩選；以同時(shí)刻模擬亮溫為參考標(biāo)準(zhǔn)，對(duì)觀測(cè)亮溫進(jìn)行線性擬合，若觀測(cè)亮溫與對(duì)應(yīng)擬合值的差值大于10 K，判斷為異常樣本，予以剔除(Matzler and Morland，2009)。

在反演之前還要對(duì)實(shí)際亮溫進(jìn)行偏差訂正，降低與模擬亮溫之間的系統(tǒng)性偏差。目前常用的偏差訂正方法是線性擬合方法，但對(duì)于受水汽影響較大且亮溫動(dòng)態(tài)范圍大的頻率通道，線性擬合訂正方法效果有限，因此本文基于三次樣條插值采樣法，對(duì)質(zhì)量控制后的非雨天亮溫?cái)?shù)據(jù)進(jìn)行偏差訂正，并與模擬亮溫進(jìn)行對(duì)比驗(yàn)證。

圖4為HRA002輻射計(jì)K波段22.24 GHz以及V波段56.66 GHz兩個(gè)通道訂正前后觀測(cè)亮溫與模擬亮溫的對(duì)比?？梢钥闯觯?jīng)過質(zhì)量控制后，觀測(cè)亮溫與模擬亮溫趨勢(shì)基本一致，但偏差訂正后的觀測(cè)亮溫與模擬亮溫的時(shí)序曲線吻合更好，相關(guān)系數(shù)分別為0.995、0.996，相關(guān)性顯著。表3為HRA002全部通道訂正前后觀測(cè)亮溫與模擬亮溫的相關(guān)系數(shù)及均方差對(duì)比結(jié)果，從表中可以看到K波段全部通道相關(guān)系數(shù)都在0.95以上，V波段全部通道相關(guān)性系數(shù)都在0.90以上，共有10個(gè)通道相關(guān)系數(shù)大于0.99，且均方差明顯改善，上述結(jié)果說明了預(yù)處理對(duì)觀測(cè)亮溫的改善效果。

圖4 22.24 GHz通道(a)、56.66 GHz通道(b)訂正前后觀測(cè)亮溫與模擬亮溫的對(duì)比Fig.4 Comparison of observed brightness temperature and simulated brightness temperature of(a)22.24 GHz channel,and(b)56.66 GHz channel before and after process

表3 觀測(cè)亮溫訂正前后與模擬亮溫相關(guān)系數(shù)和均方差對(duì)比Table 3 Correlation and mean square error comparison between observed and simulated brightness temperatures before and after process

3.4 間接樣本反演方法和評(píng)估

在HRA002的間接樣本反演方法中，神經(jīng)網(wǎng)絡(luò)訓(xùn)練原理與直接樣本反演方法相似，區(qū)別在于訓(xùn)練庫的建立，該算法使用武漢國(guó)家基本氣象站2016—2018年共2 119組探空數(shù)據(jù)計(jì)算模擬亮溫，并將其與探空溫濕廓線數(shù)據(jù)進(jìn)行訓(xùn)練，獲取最佳訓(xùn)練網(wǎng)絡(luò)。

隨機(jī)選擇了2020年1月—2020年5月的100組預(yù)處理后的亮溫?cái)?shù)據(jù)進(jìn)行反演測(cè)試，圖5為HRA002反演大氣參量廓線與探空數(shù)據(jù)對(duì)比的相關(guān)性與誤差結(jié)果，從圖中可見溫度相關(guān)性系數(shù)大于0.99，平均偏差小于0.4 K，偏差均方差低空(0—2 km)為1.6 K，高空(2—10 km)低于3 K。水汽密度的相關(guān)系數(shù)大于0.93，平均偏差低于0.4 g·m-3。相對(duì)濕度的相關(guān)系數(shù)約為0.68，平均偏差約為5%，均方差約為19%。亮溫預(yù)處理是間接樣本反演的關(guān)鍵環(huán)節(jié)，為了驗(yàn)證亮溫預(yù)處理對(duì)反演精度的提升效果，表4為亮溫修正前后的誤差對(duì)比情況，通過對(duì)比結(jié)果可知，溫度均方差在低空和高空分別降低0.8 K和0.3 K，水汽密度均方差在低空和高空分別降低1.09 g·m-3和0.06 g·m-3，相對(duì)濕度均方差在低空和高空均降低了約4%，這些結(jié)果驗(yàn)證了亮溫預(yù)處理對(duì)反演精度的提升作用。

圖5 間接樣本反演溫度(a1,a2)、水汽密度(b1,b2)、相對(duì)濕度(c1,c2)與探空的相關(guān)性(a1,b1,c1)及B ias、R MSE(a2,b2,c2)Fig.5(a1,b1,c1)Correlation and(a2,b2,c2)error results of indirect sample retrieved atmospheric parameters to radiosonde data:(a1,a2)temperature,(b1,b2)water vapor density,and(c1,c2)relative humidity

表4 預(yù)處理前后間接樣本反演大氣參量的均方差對(duì)比Table 4 Comparison of mean square error of indirect sample retrieved atmospheric parameters before and after preprocess

為了進(jìn)一步驗(yàn)證間接樣本反演的精度，表5給出基于上述100組樣本數(shù)據(jù)分別采用直接樣本反演和間接樣本反演得到的大氣參量的誤差對(duì)比情況?？梢钥闯觯g接樣本反演的誤差大于直接樣本反演法，這也是和理論符合的，說明隨著訓(xùn)練樣本的積累，使用直接樣本反演方法精度更高，更貼合輻射計(jì)的硬件性能。不過，總體上間接樣本反演的精度與直接樣本反演相差不大，說明在設(shè)備部署前期、不具備直接樣本反演法條件時(shí)，使用間接樣本反演法在工程上也是可行的。

表5 直接樣本反演和間接樣本反演大氣參量的均方差對(duì)比Table 5 Comparison of mean square deviation of direct and indirect sample retrieved atmospheric parameters

4 4臺(tái)微波輻射計(jì)的并址觀測(cè)試驗(yàn)

并址觀測(cè)試驗(yàn)的3臺(tái)MP-3000A微波輻射計(jì)(分別記為MWR-1，MWR-2和MWR-3)因生產(chǎn)年代不同有些硬件差異外，均采用2003—2007年武漢國(guó)家基本氣象站探空數(shù)據(jù)建立反演模型，試驗(yàn)前都經(jīng)過液氮標(biāo)定。HRA002在試驗(yàn)前已穩(wěn)定運(yùn)行約9個(gè)月，分別采用了間接樣本反演神經(jīng)網(wǎng)絡(luò)模型(記為HRA-1)和直接樣本反演神經(jīng)網(wǎng)絡(luò)模型(記為HRA-2)。對(duì)比時(shí)只選取4臺(tái)微波輻射計(jì)數(shù)據(jù)都可用的樣本，經(jīng)此篩選，這期間共有4組數(shù)據(jù)可用(表6)。觀測(cè)期間天氣均為非降水天氣，對(duì)比參量主要為多臺(tái)輻射計(jì)反演的大氣參量與探空數(shù)據(jù)(記為RAOB)之間的相關(guān)系數(shù)(R)、平均偏差(Bias)及偏差的均方差(RMSE)。

表6 用于4臺(tái)微波輻射計(jì)對(duì)比分析的探空樣本Table 6 Sounding samples used for comparative analysis of 4 microwave radiometers

表7為4臺(tái)微波輻射計(jì)反演大氣參量與探空觀測(cè)的對(duì)比結(jié)果，總體來看，MP-3000A和HRA002反演的溫度與探空觀測(cè)具有很好的相關(guān)性，MP-3000A的硬件差異會(huì)造成一定的反演偏差，其中MWR-1與探空的偏差最小(-0.2 K)，而MWR-3與探空的偏差最大(-1.9 K)，3臺(tái)MP-3000A的溫度均方差約為2 K；HRA002間接樣本反演(HRA-1)的溫度與探空偏差稍大(-1.9 K)，采用直接樣本反演(HRA-2)方法后溫度偏差(-0.3 K)達(dá)到MP-3000A的偏差水平，其溫度均方差(1.4 K)優(yōu)于MP-3000A。MP-3000A和HRA002反演的水汽密度與探空觀測(cè)也具有很好的相關(guān)性，MP-3000A的水汽密度與探空的偏差為0.40~0.79 g·m-3，均方差為1.01~2.01 g·m-3；HRA002的水汽密度與探空的偏差(0.11~0.34 g·m-3)小于MP-3000A，但均方差(1.80~2.09 g·m-3)稍大于MP-3000A，其中間接樣本反演方法HRA-1優(yōu)于直接樣本反演方法HRA-2，這與溫度反演相反。MP-3000A和HRA002反演的相對(duì)濕度和探空的相關(guān)性不如溫度和水汽密度，其中HRA002的相關(guān)性不如MP-3000A；與探空相比，MP-3000A的相對(duì)濕度偏差為0.6%~4.2%，均方差為14.4%~18.0%；HRA002的相對(duì)濕度偏差(0.9%~4.5%)與MP-3000A相近，但均方差(20.1%~21.5%)稍大于MP-3000A，與水汽密度反演相似，間接樣本反演方法HRA-1優(yōu)于直接樣本反演方法HRA-2。

表7 4臺(tái)微波輻射計(jì)反演大氣參量與探空的對(duì)比結(jié)果Table 7 Comparison of atmospheric parameters retrieved by 4 microwave radiometers and radiosonde data

圖6為并址觀測(cè)期間探空、各微波輻射計(jì)反演的平均溫度廓線及偏差廓線，MP-3000A中MWR-1的廓線最接近探空廓線(RAOB)，HRA002中HRA-1間接樣本反演的溫度廓線總體遜于MP-3000A，但HRA-2直接樣本反演的溫度廓線略優(yōu)于MP-3000A。圖7為平均水汽密度廓線及對(duì)比探空的偏差廓線，MP-3000A中的MWR-3最接近RAOB探空廓線，HRA002波動(dòng)稍大，其中HRA-1間接樣本反演效果優(yōu)于HRA-2。圖8則為平均相對(duì)濕度廓線及探空數(shù)據(jù)的偏差廓線，MP-3000A與探空的吻合度優(yōu)于HRA002，但兩者與探空的偏差相當(dāng)。綜合表7和圖5-7的分析結(jié)果來看，此次并址觀測(cè)期間HRA002的反演效果比較接近MP-3000A，在溫度與水汽的部分指標(biāo)上優(yōu)于MP-3000A，說明了HRA002反演方法具有可用性。

圖6 并址觀測(cè)期間4臺(tái)微波輻射計(jì)反演的平均溫度廓線(a)及與探空數(shù)據(jù)的偏差廓線(b)Fig.6 The(a)average temperature profiles of four microwave radiometers and the(b)deviation profiles to the sounding data during the co-location observation period

圖7 并址觀測(cè)期間4臺(tái)微波輻射計(jì)反演的平均水汽密度廓線(a)及與探空數(shù)據(jù)的偏差廓線(b)Fig.7 The(a)average water vapor density profiles of four microwave radiometers and the(b)deviation profiles to the sounding data during the co-location observation period

5 結(jié)論與討論

通過神經(jīng)網(wǎng)絡(luò)反演方法的改進(jìn)及并址觀測(cè)試驗(yàn)研究，得到以下主要結(jié)論：

(1)結(jié)合紅外測(cè)溫儀的天頂探測(cè)溫度、大氣濕度廓線以及外置溫濕壓傳感器探測(cè)數(shù)據(jù)，可以對(duì)天氣實(shí)現(xiàn)較為可靠的分類，且可以實(shí)時(shí)判斷，有利于實(shí)現(xiàn)不同天氣下探測(cè)精度的改善。亮溫預(yù)處理可以顯著地提升觀測(cè)亮溫與探空模擬亮溫的相關(guān)性，使用訂正后的亮溫有效改善了間接樣本反演方法的結(jié)果。

(2)從試驗(yàn)樣本的測(cè)試結(jié)果來看，采用改進(jìn)的16通道網(wǎng)絡(luò)作為輸入層能夠提升地基微波輻射計(jì)相對(duì)濕度的反演結(jié)果，HRA002微波輻射計(jì)相對(duì)濕度在低層的均方差約為10%，在高層低于20%。HRA002直接樣本反演方法的精度優(yōu)于間接樣本反演方法，但該方法需要長(zhǎng)期的觀測(cè)數(shù)據(jù)作為訓(xùn)練樣本才能提升反演精度，短期的適用性不如間接樣本反演方法。

(3)并址觀測(cè)試驗(yàn)表明，HRA002直接樣本反演方法的溫度廓線優(yōu)于間接樣本反演方法及MP-3000A，采用間接樣本反演方法得到的水汽密度和相對(duì)濕度平均偏差則效果優(yōu)于直接樣本反演方法，與3臺(tái)MP-3000A的反演結(jié)果相比，總體上平均偏差占優(yōu)而均方差稍遜。說明對(duì)HRA002的亮溫?cái)?shù)據(jù)進(jìn)行質(zhì)量控制以及偏差訂正，能有效提升HRA002的探測(cè)精度，也說明確保亮溫觀測(cè)的穩(wěn)定性是需重視的關(guān)鍵技術(shù)。

(4)地基微波輻射計(jì)采用直接樣本反演算法反演大氣溫濕廓線的性能優(yōu)于間接樣本反演，更貼合輻射計(jì)硬件性能；而采用亮溫?cái)?shù)據(jù)預(yù)處理的間接樣本反演方法，能夠有效彌補(bǔ)直接樣本反演方法在短期內(nèi)缺少大量觀測(cè)數(shù)據(jù)訓(xùn)練的缺陷。并址觀測(cè)實(shí)驗(yàn)結(jié)果證明了國(guó)產(chǎn)地基微波輻射計(jì)采用這兩種反演方法反演大氣參量廓線具有可用性，其探測(cè)精度與國(guó)外MP-3000A微波輻射計(jì)的探測(cè)精度相當(dāng)。因此綜合使用間接與直接樣本兩種反演算法將有效提升國(guó)產(chǎn)地基微波輻射計(jì)的本地化、個(gè)體化觀測(cè)性能。

但需要指出的是，由于探空訓(xùn)練數(shù)據(jù)缺少降雨等天氣信息，復(fù)雜天氣對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的不確定性影響可能會(huì)降低訓(xùn)練效率及反演精度，且由于數(shù)據(jù)樣本總體較少，天氣劃分對(duì)亮溫預(yù)處理的影響的研究還有待加強(qiáng)。與此同時(shí)，不少學(xué)者使用LMBP、動(dòng)量BP神經(jīng)網(wǎng)絡(luò)對(duì)反演算法的訓(xùn)練效率、過擬合問題進(jìn)行了改進(jìn)，在本文改進(jìn)訓(xùn)練樣本提升了反演準(zhǔn)確度的基礎(chǔ)上，采用更先進(jìn)的反演算法也將成為進(jìn)一步提升間接樣本反演精度的研究方向。