留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

预估临边探测大气温度和水汽廓线的反演精度

宗雪梅

引用本文:
Citation:

预估临边探测大气温度和水汽廓线的反演精度

Estimating the Inversion Accuracy of Atmospheric Temperature and Water Vapor Profile Under Limb Sounding

  • 摘要: 针对在研仪器——大气辐射超高光谱探测仪的临边探测模式,模拟计算了大气温度和水汽的权重函数。以此为基础,利用信息量和权重函数线性化方法,结合仪器的可探测亮温阈值0.3 K,计算并分析6种大气状态下,大气温度和水汽混合比廓线在不同反演精度条件下可获得的光谱通道数,在满足最佳光谱通道数200的要求下,理论上预估其反演精度。温度廓线整体反演精度为0.6 K,水汽混合比廓线反演精度可达到5%,但热带大气在16~20 km高度的水汽廓线反演精度仅为10%。反演精度预估,仅提供了一种全面认识仪器性能的方法,精度的确定还有赖于真实探测数据的获取和反演方法。
  • 图 1  不同切点高度的温度权重函数

    Fig.1  Weighting function of atmospheric temperature at different tangent heights

    图 2  CO2吸收线强度(I)线性图(a)和对数图(b)

    Fig.2  Linear diagram(a) and logarithmic diagram(b) of CO2's line intensity(I)

    图 3  不同切点高度的水汽权重函数

    Fig.3  Weighting function of water vapor at different tangent heights

    图 4  水汽吸收线强度(I′)线性图(a)和对数图(b)

    Fig.4  Linear diagram(a) and logarithmic diagram(b) of water vapor's line intensity(I′)

    图 5  温度的信号自由度总和与熵减少量总和随光谱通道数变化

    Fig.5  Degree of signal freedom and entropy reduction of atmospheric temperature change with spectral channel numbers

    图 6  6种大气温度廓线

    Fig.6  Six atmospheric temperature profiles

    图 7  6种大气水汽混合比廓线

    Fig.7  Six volume mixing ratio profiles of water vapor

    表 1  对应不同光谱通道数的大气温度和水汽在11.5 km和25.3 km切点高度信号自由度和熵减少量总和

    Table 1.  The sum of degree of signal freedom and entropy reduction at tangent heights of 11.0 km and 25.3 km for atmospheric temperature and water vapor for different channel numbers

    光谱通道数温度(11.5 km)水汽(11.5 km)温度(25.3 km)水汽(25.3 km)
    信号自由度熵减少量信号自由度熵减少量信号自由度熵减少量信号自由度熵减少量
    52.19411.072.1794.892.26010.742.1164.23
    102.78911.532.7655.342.88711.232.7194.69
    203.40511.983.3405.773.51011.693.3535.16
    504.22112.584.0776.314.33012.294.2175.80
    1004.84013.034.6356.714.94912.744.8776.28
    2005.46013.485.2277.145.54913.185.5336.75
    3005.82513.745.5817.405.88213.425.9217.03
    4006.08513.935.8377.586.11113.586.1797.22
    5006.28814.086.0387.736.28813.716.3837.37
    下载: 导出CSV

    表 2  6种大气不同温度反演精度条件下可获得的光谱通道数

    Table 2.  Available channel numbers under six different atmospheric temperature inversion accuracy conditions

    大气种类精度/K切点高度
    0.0 km4.6 km11.5 km16.1 km20.7 km25.3 km34.5 km
    0.4085534139880
    美国标准大气0.5382220346807940424219940
    0.68340387232215733531451988244
    0.4032865420001
    热带大气0.515017435364859198872
    0.614633661767314142369474582
    0.4043750528200
    中纬度夏季大气0.5601176232087525417311557
    0.62717366535057524171189571397
    0.4023081349843160
    中纬度冬季大气0.5200524629144878950223533
    0.695624321416853792450751349201
    0.4076969391000
    副北极夏季大气0.5193621870150348126112641
    0.65587393881146342792036731276
    0.40415510611679250
    副北极冬季大气0.543288531257101982225065
    0.684584755913159973470421407262
    下载: 导出CSV

    表 3  6种大气不同水汽混合比相对反演精度条件下可获得的光谱通道数

    Table 3.  Available channel numbers under six different volume mixing ratio of water vapor inversion accuracy conditions

    大气种类精度/%切点高度
    0.0 km4.6 km11.5 km16.1 km20.7 km25.3 km34.5 km
    美国标准大气53211975188971548115526821403
    10178530326175791412412749121488797
    热带大气501848413144007851791
    10027393210394108695790579279
    中纬度夏季大气50197281220853569120812204
    1025289581997311114114331161510160
    中纬度冬季大气5494176795445245125792686887
    10290029436157021670014937124177803
    副北极夏季大气5422021265052042275932852235
    10550296611591415428155951347910273
    副北极冬季大气53873141745223251930922206918
    101372326523159561735115782123268048
    下载: 导出CSV
  • [1] 单楠, 何平, 吴蕾.风廓线雷达反演温度平流的应用.应用气象学报, 2016, 27(3):323-333. 
    [2] 何平, 徐宝祥, 周秀骥, 等.地基GPS反演大气水汽总量的初步试验.应用气象学报, 2002, 13(2):179-183. doi: 10.3969/j.issn.1001-7313.2002.02.006 
    [3] 漆成莉, 董超华, 张文建, 等.FY-3A气象卫星红外分光计温度廓线模拟反演试验.应用气象学报, 2005, 16(5):576-582. doi: 10.3969/j.issn.1001-7313.2005.05.003 
    [4] 胡秀清, 黄意玢, 陆其峰, 等.利用FY-3A近红外资料反演水汽总量.应用气象学报, 2011, 22(1):46-56. doi: 10.3969/j.issn.1001-7313.2011.01.005 
    [5] Lerner J A, Weisz E, Kirchengast G.Temperature and humidity retrieval from simulated Infrared Atmospheric Sounding Interferometer (IASI) measurements.J Geophys Res, 2002, 107(D14):4189-4199. doi: 10.1029/2001JD900254
    [6] Milz M, Clarmann T V, Fischer H, et al.Water vapor distributions measured with the Michelson Interferometer for Passive Atmospheric Sounding on board Envisat (MIPAS/Envisat).J Geophys Res, 2005, 110, D24307, DOI:10.1029/2005JD005973.
    [7] Guan L, Huang A, Li J.A study on retrieving atmospheric profiles from EOS/AIRS observations.Acta Meteor Sinica, 2004, 19(1):112-119. 
    [8] McNally A P, Watts P D, Smith J A, et al.The assimilation of AIRS radiance data at ECMWF.Quart J Roy Meteor Soc, 2006, 132:935-957. doi: 10.1256/qj.04.171
    [9] Le Marshall J, Jung J, Derber J, et al.Impact of atmospheric infrared sounder observations on weather forecasts.Eos, 2005, 86(11):109-116. 
    [10] 董立新, 杨虎, 张鹏, 等.FY-3A陆表温度反演及高温天气过程动态监测.应用气象学报, 2012, 23(2):214-222. doi: 10.3969/j.issn.1001-7313.2012.02.010 
    [11] Collard A D, McNally A P.The assimilation of Infrared Atmospheric Sounding Interferometer radiances at ECMWF.Quart J Roy Meteor Soc, 2009, 135:1044-1058. doi: 10.1002/qj.410
    [12] Wang P, Li J, Goldberg M D, et al.Assimilation of thermodynamic information from advanced infrared sounders under partially cloudy skies for regional NWP.J Geophys Res Atmos, 2015, 120(11):5469-5484. doi: 10.1002/2014JD022976
    [13] 张文建, 黎光清, 董超华.用卫星遥感资料反演气象参数的误差分析及数值试验.应用气象学报, 1992, 3(3):266-272. 
    [14] 王倩, 杨忠东, 毕研盟.高光谱遥感仪器的光谱参数和信噪比需求.应用气象学报, 2014, 25(5):600-609. 
    [15] Miloshevich L M, Voemel H, Whiteman D N, et al.Absolute accuracy of water vapor measurements from six operational radiosonde types launched during AWEX-G, and implications for AIRS validation.J Geophys Res, 2006, 111, D09S10, DOI:10.1029/2005JD006083.
    [16] Divakarla M G, Barnet C D, Goldberg M D, et al.Validation of Atmospheric Infrared Sounder temperature and water vapor retrievals with matched radiosonde measurements and forecasts.J Geophys Res, 2006, 111, D09S15, DOI:10.1029/2005JD006116.
    [17] Shephard M W, Worden H M, Cady-Pereira K E, et al.Tropospheric Emission Spectrometer nadir spectral radiance comparisons.J Geophys Res Atmos, 2008, 113, D15S05, DOI:10.1029/2007JD008856.
    [18] Wetzel G, Oelhaf H, Berthet G, et al.Validation of MIPAS-ENVISAT H2O operational data collected between July 2002 and March 2004.Atmos Chem Phys, 2013, 213:5791-5811. 
    [19] Dudhia A.The Reference Forward Model (RFM).Journal of Quantitative Spectroscopy & Radiative Transfer, 2017, 186:243-253.
    [20] Rozanov V V, Buchwitz M, Eichmann K U, et al.Sciatran-A new radiative transfer model for geophysical applications in the 240-2400 nm spectral region:The pseudo-spherical version.Adv Space Res, 2002, 29(11):1831-1835. doi: 10.1016/S0273-1177(02)00095-9
    [21] Scott N A, Chedin A.A fast line-by-line method for atmospheric absorption computations:The Automatized Atmospheric Absorption Atlas.J Appl Meteor, 1981, 20:802-812. doi: 10.1175/1520-0450(1981)020<0802:AFLBLM>2.0.CO;2
    [22] Clough S A, Shephard M W, Mlawer E J, et al.Atmospheric radiative transfer modeling:A summary of the AER codes, short communication.Journal of Quantitative Spectroscopy & Radiative Transfer, 2005, 91:233-244. 
    [23] Gordon I E, Rothman L S, Hill C, et al.The HITRAN2016 Molecular Spectroscopic Database.Journal of Quantitative Spectroscopy & Radiative Transfer, 2017, 203:3-69. 
    [24] 毕研盟, 杨忠东, 卢乃锰, 等.近红外CO2高光谱探测仪通道选择.应用气象学报, 2014, 25(2):143-149. doi: 10.3969/j.issn.1001-7313.2014.02.003 
    [25] 黄意玢, 董超华.用940 nm通道遥感水汽总量的可行性试验.应用气象学报, 2002, 13(2):184-192. doi: 10.3969/j.issn.1001-7313.2002.02.007 
    [26] Rodgers C D.Information content and optimization of high spectral resolution remote measurements.Adv Space Res, 1998, 21(3):361-367. doi: 10.1016/S0273-1177(97)00915-0
    [27] Crevoisier C, Chedin A, Scott N A.AIRS channel selection for CO2 and other trace-gas retrievals.Quart J Roy Meteor Soc, 2003, 129:2719-2740. doi: 10.1256/qj.02.180
    [28] Fourrie N, Thepaut J N.Evaluation of the AIRS near-real-time channel selection for application to numerical weather prediction.Quart J Roy Meteor Soc, 2003, 129:2425-2439. doi: 10.1256/qj.02.210
    [29] Dudhia A, Jay V L, Rodgers C D.Microwindow selection for high-spectral-resolution sounders.Appl Opt, 2002, 41:3665-3673. doi: 10.1364/AO.41.003665
    [30] Worden J, Kulawik S S, Shephard M W, et al.Predicted errors of tropospheric emission spectrometer nadir retrievals from spectral window selection.J Geophys Res, 2004, 109, D09308, DOI:10.1029/2004JD004522.
    [31] Collard A D.Selection of IASI channels for use in numerical weather prediction.Quart J Roy Meteor Soc, 2007, 133:1977-1991. doi: 10.1002/qj.178
    [32] Rabier F, Fourrié N, Chafäi D, et al.Channel selection methods for infrared atmospheric sounding interferometer radiances.Quart J Roy Meteor Soc, 2002, 128:1011-1027. doi: 10.1256/0035900021643638
  • [1] 董敏,  魏凤英,  李小泉.  应用自然正交函数表示极区高度场特征的尝试 . 应用气象学报, 1987, 2(1): 51-59.
    [2] 陈孝源,  莫敏华,  胡厚麟.  地面信息化资料文件管理检索软件 . 应用气象学报, 1986, 1(1): 102-106.
    [3] 陈德林,  谷淑芳,  李洪珍.  降水酸度与降水物理量关系的分析 . 应用气象学报, 1989, 4(1): 82-87.
    [4] 薛岩,  周秀骥.  大气衰减与声雷达探测 . 应用气象学报, 1989, 4(3): 257-263.
    [5] 葛润生.  阵风锋的雷达探测和研究 . 应用气象学报, 1986, 1(2): 113-122.
    [6] 宋玉东.  利用常规天气雷达探测风暴内部运动 . 应用气象学报, 1989, 4(1): 60-68.
    [7] 葛润生,  刘恩清.  CAMS多普勒天气雷达探测能力的估算 . 应用气象学报, 1989, 4(2): 133-140.
  • 加载中
图(7) / 表(3)
计量
  • 文章访问数:  556
  • HTML全文浏览量:  406
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-02-10
  • 修回日期:  2020-03-31
  • 刊出日期:  2020-07-31

预估临边探测大气温度和水汽廓线的反演精度

  • 中国科学院大气物理研究所, 北京 100029

摘要: 针对在研仪器——大气辐射超高光谱探测仪的临边探测模式,模拟计算了大气温度和水汽的权重函数。以此为基础,利用信息量和权重函数线性化方法,结合仪器的可探测亮温阈值0.3 K,计算并分析6种大气状态下,大气温度和水汽混合比廓线在不同反演精度条件下可获得的光谱通道数,在满足最佳光谱通道数200的要求下,理论上预估其反演精度。温度廓线整体反演精度为0.6 K,水汽混合比廓线反演精度可达到5%,但热带大气在16~20 km高度的水汽廓线反演精度仅为10%。反演精度预估,仅提供了一种全面认识仪器性能的方法,精度的确定还有赖于真实探测数据的获取和反演方法。

English Abstract

    • 大气温度和水汽的垂直分布是研究大气状态的重要指标,在地气系统能量平衡中占有重要地位。地面和卫星遥感是获取这些大气参数信息的重要手段[1-4],特别是临边遥感,在获取大气参数廓线方面有不可替代的优势:临边探测能有效避开云,且不受地面影响。遥感手段从短波到红外再到微波,甚至更长波段均有覆盖,对大气而言,红外波段因不受太阳辐射影响,辐射传输过程相对简单,且红外波段集中了大量分子吸收线,一直是反演应用的重点。同时,红外探测仪器光谱分辨率不断提高,有望获取更精确、更多样的大气成分信息。利用大气红外高光谱探测技术,基于高光谱探测仪器如大气红外探测仪(atmospheric infrared sounder,AIRS)、红外大气探测干涉仪(infrared atmospheric sounding interferometer,IASI)、被动大气探测迈克尔逊干涉仪(Michelson interferometer for passive atmospheric sounding,MIPAS)、对流层发射光谱仪(tropospheric emission spectrometer,TES)等反演大气参数及验证[5-7],并将反演结果应用于数值天气预报的报道很多[8-12]

      中国科学院上海技术物理研究所目前正在研制大气辐射超高光谱探测仪,该仪器有天底探测和临边探测两种探测方式,探测波段范围为650~3050 cm-1,其中临边探测空间分辨率为2.3 km,光谱分辨率高达0.015 cm-1,这将是目前世界上傅里叶光谱探测仪能够达到的最高光谱分辨率,同时由于光谱分辨率超高,探测波段范围较大,光谱通道数巨大,该仪器临边探测将得到的光谱通道高达16万之多。这对大气探测诸多方面都提出新的挑战,如光谱通道的选择,如何选择合适的光谱通道反演大气参数,更高的光谱通道是否能带来更精确的反演结果,是否能探测到其他仪器所探测不到的大气成分等。同时,光谱通道数量巨大也使大气反演过程更复杂,在仪器研制过程中,如何简单、有效地评估仪器可能达到的大气参数反演精度,这正是本文试图回答的问题。

      大气参数反演精度与仪器性能密切相关[13-14],一般是在获得仪器空基探测的真实数据基础上,利用各种反演方法得到结果与地面探测数据进行对比[15-16],从而确定反演精度。但由于地面探测受限于时间地点,有时反演结果也可以与已知的机载或星载仪器探测的结果进行对比[17-18],确定反演精度。总之,无论哪种方法, 都建立在获得真实探测数据的基础上,且确定的反演精度因时间、地点等原因也具有较宽泛的范围。对于研制中的仪器,除类比相似的仪器外,针对预先评估仪器的反演精度,本文提出利用权重函数线性化的方法初步预估大气参数反演精度,以期对这一新型探测仪反演廓线精度有一个全面认识。

    • 因为大气辐射超高光谱探测仪是正在研发的仪器,所以权重函数是模拟仪器辐射探测的计算基础。权重函数的计算采用Dudhia[19]提供的前向参考模式(Reference Forward Model,RFM)5.0.3版本,RFM模式是基于GENLN2基础上的逐线辐射传输模式,最初由牛津大学为计算MIPAS/Envisat的参考光谱开发,以后逐渐发展成为适用于各种情况光谱计算的通用模式,它可计算球形或平面平行大气,各种不同观测视角如卫星、飞机、气球以及地面等,各种大气参数的权重函数以及用于局地和非局地热力平衡的计算。它可计算的光谱分辨率为5×10-4 cm-1,适用于临边红外光谱计算。但该函数没有太阳辐射及其散射计算,不能用于短波辐射模拟。它根据权重函数的定义直接计算,而不像其他辐射传输模式(如SCIATRAN[20],4A/OP[21], LBLRTM[22]等)通过解析解进行计算,可保证权重函数计算的高精度。下面以美国标准大气为例,分析大气温度和水汽的权重函数计算结果。

    • 根据RFM模式定义,温度的权重函数表示温度扰动1 K造成的亮温变化。图 1给出不同切点高度温度的权重函数。由图 1可以看到,在近地面的切点高度,亮温变化较大的通道集中在较高波数范围2600~2900 cm-1,而在较高的切点高度,亮温变化较大的通道集中在较低波数范围700~1000 cm-1。0 km切点高度,有4个光谱段对温度敏感,而随着切点高度增高,对温度敏感的通道越来越多,30 km高度以上,几乎全波段对温度敏感。

      图  1  不同切点高度的温度权重函数

      Figure 1.  Weighting function of atmospheric temperature at different tangent heights

      温度反演一般利用CO2吸收带探测。图 2给出HITRAN2016数据库[23]中CO2的吸收线位置和强度线性图(图 2a)和对数图(图 2b)(http://www.spectralcalc.com/,下同)。图 2显示,CO2在667 cm-1和2349 cm-1的两个吸收峰。从权重函数和CO2吸收线位置对应看,温度的权重函数对667 cm-1附近的强吸收带并不敏感,而对于相对较弱的吸收带则更敏感。因此,温度反演通道一般会选择在700~1000 cm-1范围内。

      图  2  CO2吸收线强度(I)线性图(a)和对数图(b)

      Figure 2.  Linear diagram(a) and logarithmic diagram(b) of CO2's line intensity(I)

    • 根据RFM模式定义,水汽的权重函数表示水汽体积混合比变化1%时所引起的亮温变化。图 3给出不同切点高度水汽的权重函数。越靠近地面水汽混合比越丰富,10 km以上水汽混合比非常低,但随着切点高度增加,对水汽敏感的波段却逐渐增加,0 km切点高度只有1个敏感波段2600~2950 cm-1,2.3 km切点高度增加了另外两个敏感波段800~1000 cm-1和1180~1250 cm-1,6.9 km切点高度又增加1个敏感波段1900~2200 cm-1,同时波数较高的波段2600~2950 cm-1敏感性降低,而波数较低的波段800~1000 cm-1敏感性增加,到11.5 km切点高度又增加1个敏感波段1320~1500 cm-1,共5个敏感波段,随着切点高度增加,敏感波段逐渐合并,25.3 km切点高度及以上,虽然整体上看仍存在3个敏感波段,但多集中于1300~2050 cm-1波段。

      图  3  不同切点高度的水汽权重函数

      Figure 3.  Weighting function of water vapor at different tangent heights

      图 4给出了水汽吸收线强度和位置线性图(图 4a)和对数图(图 4b)。水汽的强吸收带位于1300~2000 cm-1,与水汽较高切点高度的权重函数对应较好。水汽在大气窗区800~1200 cm-1和2600~3000 cm-1范围内相对较弱的吸收带与较低切点高度的权重函数对应较好。因此,水汽的反演在低层一般选择吸收较弱的区域,而在高层则选择吸收较强的区域。

      图  4  水汽吸收线强度(I′)线性图(a)和对数图(b)

      Figure 4.  Linear diagram(a) and logarithmic diagram(b) of water vapor's line intensity(I′)

    • 预先评估大气参数的反演精度,一方面依赖于确定多少光谱通道数用于反演比较合理,另一方面依赖于权重函数的线性化方法。

    • 反演光谱通道的选择是大气红外反演的重要组成部分[24-25],因为光谱分辨率高,可用于反演的光谱通道数量巨大。如何选择合适的光谱通道以及选择多少光谱通道数用于反演非常值得探究。自从Rodgers[26]提出香农信息量在高光谱遥感中的应用以后,针对高光谱红外遥感,已有多种筛选通道的方法被提出,如基于逐步回归的方法用于AIRS的通道筛选[27-28];基于信息量分析以及相关限制条件的筛选方案,用于MIPAS的通道筛选[29];基于雅可比矩阵及迭代方法的筛选方案,顺序筛选通道以获得最大信息量,用于TES和IASI的通道筛选[30-31]等等。

      采用Rabier等[32]提出的基于信息量的雅可比矩阵迭代方法,以熵减少量(即信息量)最大为判据,逐步挑选出一定数量的光谱通道数,分析其产生的影响,从而确定合适的反演光谱通道数。每次计算所有通道的熵减少量和信号自由度,选择熵减少量最大的通道作为选出通道,排除选出通道,重新计算熵减少量和信号自由度,再次选择熵减少量最大的通道为选出通道,重复以上步骤,直到选出合适数量的通道为止。计算公式如下:

      $ D = \frac{{{\mathit{\boldsymbol{h}}^{\rm{T}}}\mathit{\boldsymbol{Bh}}}}{{1 + {\mathit{\boldsymbol{h}}^{\rm{T}}}\mathit{\boldsymbol{Bh}}}}, $

      (1)

      $ E = \frac{1}{2}{\log _2}\left( {1 + {\mathit{\boldsymbol{h}}^{\rm{T}}}\mathit{\boldsymbol{Bh}}} \right), $

      (2)

      $ \mathit{\boldsymbol{H'}} = {\mathit{\boldsymbol{R}}^{ - 1/2}}\mathit{\boldsymbol{H}}。 $

      (3)

      其中,D表示信号自由度,E表示熵减少量,hH′中相应通道的行向量,H′是归一化的雅可比矩阵,H是雅可比矩阵,R是观测误差矩阵,在没有观测值的时候,一般取信噪比倒数的平方的对角线矩阵,假设信噪比为100,B是背景误差协方差矩阵,假设温度误差为10 K,水汽误差为100%体积混合比,则背景误差协方差矩阵也假设为对角线矩阵,温度的协方差为100 K2,而水汽协方差为1。

      图 5为温度在11.5 km切点高度上信号自由度总和以及熵减少量总和随光谱通道数的变化。由图 5可知,当光谱通道数为0~4000时,信号自由度总和与熵减少量总和先随光谱通道数的增多而快速增加,后趋于平缓。仅取0~300光谱通道时,信号自由度总和与熵减少量总和仍是先快速增加,后增加缓慢。温度在其他切点高度也表现出类似变化(图略),水汽也是类似的变化趋势,只是信号自由度总和与熵减少量总和不同(图略)。

      图  5  温度的信号自由度总和与熵减少量总和随光谱通道数变化

      Figure 5.  Degree of signal freedom and entropy reduction of atmospheric temperature change with spectral channel numbers

      表 1列出11.5 km和25.3 km两个切点高度大气温度和水汽在选择不同光谱通道数时信号自由度和熵减少量总和。作为单个大气参数反演,大气温度和水汽信号自由度总和值比较接近,但熵减少量总和有差异,温度的熵减少量总和远大于水汽,因此,温度反演很重要,它在较大程度上影响信息量。不同切点高度,信号自由度和熵减少量也不同,但总体变化规律与图 5一致。由表 1可以看到,当光谱通道数从100增加到200时,各参数信号自由度变化较大,11.5 km的温度增加0.620,水汽增加0.592,而25.3 km的温度增加0.600,水汽增加0.656;熵减少量变化也较大,11.5 km温度增加0.45,水汽增加0.43,而25.3 km温度增加0.44,水汽增加0.47。当光谱通道数从200增加到300时,信号自由度的增加量减小,11.5 km温度增加0.365,水汽增加0.354,25.3 km温度增加0.333,水汽增加0.388;熵减少量变化量也较小,11.5 km温度和水汽仅增加0.26,25.3 km温度增加0.25,水汽增加0.28。从熵减少量和信号自由度的变化率看,当光谱通道数大于200,即使增加光谱通道数,熵减少量和信号自由度的变化率也很小,熵减少量总和表示选择不同数量的通道,里面包含的与反演参数相关的信息量,信号自由度总和表示为了获得足够信息需要独立测量的量,因此,光谱通道数200可作为一个合理的参考值预估大气参数的反演精度。

      表 1  对应不同光谱通道数的大气温度和水汽在11.5 km和25.3 km切点高度信号自由度和熵减少量总和

      Table 1.  The sum of degree of signal freedom and entropy reduction at tangent heights of 11.0 km and 25.3 km for atmospheric temperature and water vapor for different channel numbers

      光谱通道数温度(11.5 km)水汽(11.5 km)温度(25.3 km)水汽(25.3 km)
      信号自由度熵减少量信号自由度熵减少量信号自由度熵减少量信号自由度熵减少量
      52.19411.072.1794.892.26010.742.1164.23
      102.78911.532.7655.342.88711.232.7194.69
      203.40511.983.3405.773.51011.693.3535.16
      504.22112.584.0776.314.33012.294.2175.80
      1004.84013.034.6356.714.94912.744.8776.28
      2005.46013.485.2277.145.54913.185.5336.75
      3005.82513.745.5817.405.88213.425.9217.03
      4006.08513.935.8377.586.11113.586.1797.22
      5006.28814.086.0387.736.28813.716.3837.37
    • 权重函数(雅可比矩阵)是观测量对状态量(反演量)的一阶偏导。可表示为

      $ \mathit{\boldsymbol{y}} = F(\mathit{\boldsymbol{x}}) + \mathit{\boldsymbol{\varepsilon }} = \mathit{\boldsymbol{Kx}} + \mathit{\boldsymbol{\varepsilon }}, $

      (4)

      $ {K_{ij}} = \frac{{\partial {F_i}(\mathit{\boldsymbol{x}})}}{{\partial {x_j}}}。 $

      (5)

      其中,y为观测向量,x为状态向量,F(x)为模式模拟量,ε为观测误差,K是权重函数矩阵,Kij是权重函数矩阵中第i行、第j列的值。

      RFM模式直接采用有限差分法计算权重函数,计算方程为

      $ {K_{ij}} = \frac{{\Delta {F_i}(\mathit{\boldsymbol{x}})}}{{\Delta {x_j}}} = \frac{{\Delta F(\mathit{\boldsymbol{x}} + \Delta \mathit{\boldsymbol{x}}) - F(\mathit{\boldsymbol{x}})}}{{\Delta {x_j}}}。 $

      (6)

      其中,Δxj为第j个小扰动量,温度取值为1 K,水汽取值为1%体积混合比,Δx为扰动向量。

      由权重函数的定义可知,如果权重函数大于仪器可探测亮温阈值,则至少可获得1 K的精度,假设权重函数和小扰动量是线性相关的。则

      $ {K_{ij}}\Delta x_j^\prime \ge A \times \Delta {x_j}, $

      (7)

      $ {K_{ij}} \ge \frac{{A \times \Delta {x_j}}}{{\Delta x_j^\prime }}.。 $

      (8)

      其中,A=0.3 K为大气红外辐射超高光谱探测仪的亮温阈值。Δxj表示第j个反演精度。以温度为例,温度权重函数是以温度变化Δxj=1 K得到的亮温变化值,权重函数Kij超过0.3 K的通道理论上都是可以用来反演温度的通道,这样获得的温度反演精度为1 K,即Δx′j=1 K。如果温度反演精度要求达到0.5 K,即Δx′j=0.5 K,则需要权重函数Kij≥0.6 K的通道理论上才能用于反演温度。以此类推,可以获得多种精度要求情况下可用于反演的光谱通道数。对于水汽反演精度评估也采用同样思路,获得相对反演精度。这就是权重函数线性化方法。

      为了更广泛地讨论廓线的反演精度,利用RFM模式,分别计算6种大气状态(美国标准大气、热带大气、中纬度夏季大气、中纬度冬季大气、副北极夏季大气和副北极冬季大气)的权重函数,基于大气辐射超高光谱探测仪设计亮温阈值0.3 K的理论值,将各种大气参数廓线在不同反演精度条件下可用于反演的光谱通道数依次列表。

    • 图 6给出了6种大气温度廓线,除热带大气外,其余5种大气温度廓线形态比较一致,10 km高度以下随着高度的降低温度增加,25 km高度以上,温度随着高度的增加也逐渐增加,中间是同温层,不同大气同温层厚度不同。只有热带大气没有同温层,17 km高度以下随着高度的增加温度递减,而17 km高度以上随着高度的增加温度递增。

      图  6  6种大气温度廓线

      Figure 6.  Six atmospheric temperature profiles

      表 2给出了6种大气温度廓线分别在0.4 K,0.5 K,0.6 K反演精度要求下可用于反演的光谱通道数。表 2显示,不同大气状态,可获得的反演光谱通道数不同,0.4 K的温度反演精度要求下,均不可能获得整条温度廓线,仅获得较低高度层的结果。当温度反演精度降低至0.5 K时,可反演的温度层升高,特别是中纬度冬季大气可达到25 km,而副北极冬季大气可反演的高度几乎可以达到30 km,但地面(0 km高度)无法反演。当温度反演精度降低至0.6 K时,几乎所有的切点高度均可获得200个以上的光谱通道用于反演,因此,初步估计大气温度廓线的反演精度应为0.6 K。

      表 2  6种大气不同温度反演精度条件下可获得的光谱通道数

      Table 2.  Available channel numbers under six different atmospheric temperature inversion accuracy conditions

      大气种类精度/K切点高度
      0.0 km4.6 km11.5 km16.1 km20.7 km25.3 km34.5 km
      0.4085534139880
      美国标准大气0.5382220346807940424219940
      0.68340387232215733531451988244
      0.4032865420001
      热带大气0.515017435364859198872
      0.614633661767314142369474582
      0.4043750528200
      中纬度夏季大气0.5601176232087525417311557
      0.62717366535057524171189571397
      0.4023081349843160
      中纬度冬季大气0.5200524629144878950223533
      0.695624321416853792450751349201
      0.4076969391000
      副北极夏季大气0.5193621870150348126112641
      0.65587393881146342792036731276
      0.40415510611679250
      副北极冬季大气0.543288531257101982225065
      0.684584755913159973470421407262
    • 图 7给出了6种大气水汽混合比廓线,13 km高度以下,水汽混合比基本上随着高度增加而减少;13 km高度以上,水汽混合比偏小且随着高度变化很小。

      图  7  6种大气水汽混合比廓线

      Figure 7.  Six volume mixing ratio profiles of water vapor

      表 3给出了水汽混合比相对反演精度分别为5%和10%条件下,6种大气可获得的反演光谱通道数。由表 3可知,除热带大气在16.1 km和20.7 km高度光谱通道数为0外(此时水汽混合比偏低),其余5种大气在地面以上的廓线均可达到5%的相对反演精度。地面(0 km高度)的反演比较复杂,热带大气的地面水汽混合比最大,但没有可用于反演的光谱通道。中纬度夏季大气地面水汽混合比次之,在20%的相对反演精度条件下才有206个通道能用于反演。副北极夏季大气地面混合比也较大,可在10%相对反演精度下反演。可见,较大或较小的水汽混合比均不利于提高水汽的反演精度。

      表 3  6种大气不同水汽混合比相对反演精度条件下可获得的光谱通道数

      Table 3.  Available channel numbers under six different volume mixing ratio of water vapor inversion accuracy conditions

      大气种类精度/%切点高度
      0.0 km4.6 km11.5 km16.1 km20.7 km25.3 km34.5 km
      美国标准大气53211975188971548115526821403
      10178530326175791412412749121488797
      热带大气501848413144007851791
      10027393210394108695790579279
      中纬度夏季大气50197281220853569120812204
      1025289581997311114114331161510160
      中纬度冬季大气5494176795445245125792686887
      10290029436157021670014937124177803
      副北极夏季大气5422021265052042275932852235
      10550296611591415428155951347910273
      副北极冬季大气53873141745223251930922206918
      101372326523159561735115782123268048
    • 本文提出结合信息量和权重函数线性化方法预先评估在研仪器——大气辐射超高光谱探测仪临边探测模式下大气温度和大气成分廓线反演精度的方法,并用该方法分析大气温度和水汽廓线可能达到的反演精度,这将有利于全面认识在研仪器的性能。主要结论如下:

      1) 根据RFM模式计算的大气辐射超高光谱探测仪需要反演的大气温度和水汽的权重函数可知,温度和水汽在不同切点高度权重函数的敏感波段不同,因此,反演时在不同切点高度需要选择不同波段。

      2) 根据信息内容方法,采用逐步迭代的算法,以信号自由度和熵减少量为判据,确定大气温度和水汽廓线反演需要满足的最佳光谱通道数量为200。

      3) 在满足最佳光谱通道数200的条件下,温度廓线整体反演精度为0.6 K,如果要求温度廓线的反演精度为0.5 K,则在较高的切点高度可用于反演的光谱通道数量较少。

      4) 除热带大气外,其余5种大气的水汽体积混合比廓线的相对反演精度在5%的条件下,均有足够多的通道用于反演。但热带大气在16~20 km高度的水汽廓线反演精度只有在10%的条件下才能获得较多可用于反演的通道。

      5) 大气参数廓线可用于反演的光谱通道数随反演精度降低而增加。6种大气中,热带大气比较特殊,反演精度相对其余5种大气低,这可能与热带大气独特的温度廓线有关,热带大气没有同温层,可能导致在温度急剧转折的高度附近,出现大气参数反演通道较少的情况。

      此外,本文采用权重函数线性化的方法,所有的估算仅考虑权重函数的线性插值,而未考虑非线性的影响,这可能会对最终结果产生一定影响,但考虑到预估的反演精度范围比较宽泛,这种影响应该较小。更重要的是,即使根据估算有可以用于反演的通道,由于影响反演的因子较多,也不一定能得到较好的反演结果,具体情况还需在今后的大气参数反演中详细讨论。

参考文献 (32)

目录

    /

    返回文章
    返回