论文部分内容阅读
冰云对地球能量循环和水汽循环都有着明显的影响,因此研究冰相粒子的物理结构特性,对大气辐射传输模式、气候气象云模式和灾害天气预报等研究领域都具有重要意义。冰云中冰相粒子尺寸主要集中在20-600微米,相较于微波只能探测较大尺寸粒子、红外频段只能探测较小尺寸粒子,太赫兹频段由于其波长范围与冰相粒子尺寸分布接近,在冰云探测上具有独特优势。近二十年,国外已经对冰云太赫兹辐射特性开展了一系列研究,研制了多个机载和星载太赫兹冰云探测仪,国内太赫兹冰云探测研究才刚刚起步,但是我国已经考虑在下一代极轨气象卫星上实现太赫兹冰云探测载荷,因此有必要开展冰云反演算法的先期研究,以此对冰云载荷的探测通道设置、载荷探测方式和探测精度分析等关键需求开展分析。
目前对太赫兹冰云探测的反演研究,大多将冰相粒子统一看作一种微粒对待,而冰云中不仅包含冰粒子,还包括霰粒子。目前在主流RT辐射传输模式、NWP数值模式中的主流云模型以及一些卫星大气遥感数据产品中都将冰相粒子分为了冰、霰两种不同的微粒处理。因此,本文开发的太赫兹冰云探测反演算法实现了对冰云中的冰和霰两种粒子的分别反演,根据霰和冰粒子的辐射特性,首先利用183GHz频段对霰进行反演,然后将霰作为先验值使用太赫兹频段对冰进行反演。本文实现了神经网络和一维变分两种反演算法,并通过仿真试验对算法有效性和反演精度进行了验证。
仿真试验结果表明,多个频段的观测亮温组合比单一频段观测亮温的冰云参数探测精度更高,对载荷频段选择能够提供参考依据;冰云反演算法实现的GWP均方根误差为9.23g/m2,G_Dme均方根误差为24.12μm,G_Zme均方根误差为513.62m,IWP均方根误差为8.06g/m2,I_Dme均方根误差为6.24μm,I_Zme的均方根误差为300.48m,能够满足模型应用需求;霰粒子和冰粒子都会影响太赫兹频段亮温,在神经网络反演后再使用一维变分算法可以提升廓线反演精度,霰含量廓线相对误差在20~60%之间,冰含量廓线相对误差在20~50%之间。
目前对太赫兹冰云探测的反演研究,大多将冰相粒子统一看作一种微粒对待,而冰云中不仅包含冰粒子,还包括霰粒子。目前在主流RT辐射传输模式、NWP数值模式中的主流云模型以及一些卫星大气遥感数据产品中都将冰相粒子分为了冰、霰两种不同的微粒处理。因此,本文开发的太赫兹冰云探测反演算法实现了对冰云中的冰和霰两种粒子的分别反演,根据霰和冰粒子的辐射特性,首先利用183GHz频段对霰进行反演,然后将霰作为先验值使用太赫兹频段对冰进行反演。本文实现了神经网络和一维变分两种反演算法,并通过仿真试验对算法有效性和反演精度进行了验证。
仿真试验结果表明,多个频段的观测亮温组合比单一频段观测亮温的冰云参数探测精度更高,对载荷频段选择能够提供参考依据;冰云反演算法实现的GWP均方根误差为9.23g/m2,G_Dme均方根误差为24.12μm,G_Zme均方根误差为513.62m,IWP均方根误差为8.06g/m2,I_Dme均方根误差为6.24μm,I_Zme的均方根误差为300.48m,能够满足模型应用需求;霰粒子和冰粒子都会影响太赫兹频段亮温,在神经网络反演后再使用一维变分算法可以提升廓线反演精度,霰含量廓线相对误差在20~60%之间,冰含量廓线相对误差在20~50%之间。