论文部分内容阅读
大气科学是探索发生在地球大气层内的各种物理现象、物理与化学状态、大气运动过程和其规律的学科。随着气象设备现代,大气探测领域中蓬勃兴起了大气遥感,作为探测大气的一种新兴技术,在探测原理与技术,观测方法与分析方法等方面不仅与常规大气探测有着本质的区别,而且具有独特的效能。地基微波辐射计是应用遥感技术的现代化气象观测设备,被动接收外界的电磁波、消耗能量少、灵敏度好、机动性好并且探测精度高,而且选用不同频率组合,可以连续获得观测资料。很好地补充了常规气象探空观测站点之间距离远,日间测量时间跨度较大,每次探测大气花费人力大,获得大气参数不直接等缺点。在指导人工降雨,短时间中小尺度天气数值预报方面,测量云中液态水(Liquid Water Path,LWP)和大气中水汽含量(Integrated Water Vapor, IWV)变化情况准确快速,提高天气预报的准确度,其应用前景广阔。地基微波辐射计观测资料的准确度,不仅与仪器本身硬件和定标有关,在很大程度上也依赖反演算法。 本文主要利用选取郑州市2009年~2014年五年七月份每天北京时间早晨8:00时和晚间20:00时各一次的8000m以下探空资料。对每一份探空资料进行估计来确定当时是否有云,如果有云存在接着估计云的厚度,根据相对湿度阈值法,相对湿度≥85%有云存在的。相对湿度<85%时,表示无云。相对湿度>95%时,云液态水密度为0.5g/m3。对于探空数据中相对湿度在百分之八十五与百分之九五之间的,它们的云中液态水密度在零到零点五之间有很好线性关系。可以借助线性关系求得。经过对五年七月份的探空资料进行详细分析得到符合要求84组样本,然后利用地基微波遥感方程进行模拟计算出两个通道的亮温。LWP和IWV是描述天气和气候的重要物理量,但是地基微波辐射计频段上接收的辐射亮温与LWP和IWV并非是完全线性关系,而人工神经网络(ArtificalNeural Network,ANN)算法解决非线性问题具有独特性能。模拟计算得到两个通道的亮温、并与同一时间地面的温湿压构成输入样本向量,同一历史探空数据计算出来的IWV和LWP作为输出向量训练BP神经网络(Back Propagation Neural Network,BPNN)把验证样本输入到训练好的网络中进行仿真结果显示与探空计算作为真值的的大气中水汽总量和云中液态水总量进行对比检测发现两者有很好的相关性。 另外本文进行了地基双通道微波辐射计对IWV和LWP的联合测量实验,同时也对降雨区的降水强度进行了遥感计算。实验证明,利用地基双通道微波辐射计进行连续实时测量,可准确监测局部地区IWV和LWP的演变过程和变化过程,对指导人工影响天气作业选取合适的时间具有重要意义。微波辐射计所测LWP的大小,不仅可直接预报自然降水能否发生,而且也可预报降水强度的大小。 因此,本文的提出地基双通道微波辐射计BP神经网络反演算法,对提高提高辐射计的反演速度和精度是有重要的实用价值和指导意义。