CN112345151B - 一种基于自然大气的mwts-ii对海面气压的灵敏性测试方法 - Google Patents
一种基于自然大气的mwts-ii对海面气压的灵敏性测试方法 Download PDFInfo
- Publication number
- CN112345151B CN112345151B CN202011104185.2A CN202011104185A CN112345151B CN 112345151 B CN112345151 B CN 112345151B CN 202011104185 A CN202011104185 A CN 202011104185A CN 112345151 B CN112345151 B CN 112345151B
- Authority
- CN
- China
- Prior art keywords
- mwts
- channel
- data set
- sea surface
- air pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
- G01L11/002—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00 by thermal means, e.g. hypsometer
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
一种基于自然大气的MWTS‑II对海面气压的灵敏性测试方法，属于微波遥感技术领域。所述方法包括建立MWTS‑II观测亮温和自然大气数据集的匹配数据集，并建立晴空匹配数据集；基于晴空匹配数据集，计算MWTS‑II通道权重函数，根据MWTS‑II各通道权重函数的峰值所在的大气分层的分布规律，为MWTS‑II各通道分别建立晴空调整数据集；根据MWTS‑II各通道权重函数的峰值所在的大气分层，基于晴空调整数据集，为MWTS‑II各通道分别建立测试海面气压灵敏性的测试数据集；针对MWTS‑II各通道，分别建立MWTS‑II各通道的观测亮温随海面气压的变化关系，完成MWTS‑II对海面气压的灵敏性测试。该方法能更加真实地反映出MWTS‑II各通道的观测亮温随海面气压的变化关系，对海面气压的灵敏性进行更加精准的测试，且操作简单易行。
Description
技术领域
本发明涉及微波遥感技术领域，具体说的是一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法。
背景技术
海面气压在数值天气预报、当前天气分析以及气候变化研究等应用中发挥着重要作用。高精度海面气压值的获取是地球科学领域的研究热点之一。星载微波辐射计是进行海面气压全球密集探测的重要探测仪器，可通过测量氧气的垂直柱总吸收来探测海面气压。在微波波段，氧气吸收谱线形成了一个以60 GHz为中心的共振吸收带，设置在60GHz频段的微波辐射计可对氧气的垂直柱总吸收进行测量，进而可进行海面气压的探测。
基于星载微波辐射计观测亮温，可通过反演计算获取海面气压数据。然而，微波辐射计通道对海面气压的灵敏性是反演计算成功的前提。因此，对微波辐射计通道进行灵敏性测试尤为重要。目前，微波辐射计通道对大气参数的灵敏性测试方法均是把人工扰动的大气数据输入到辐射传输模型，建立辐射传输模型输出的模拟亮温与大气参数的对应关系，进而完成微波辐射计通道对大气参数的灵敏性测试。例如固定温度和湿度等其它大气参数，随机扰动海面气压后输入辐射传输模型，获取微波辐射计模拟亮温随海面气压的变化关系。然而，微波辐射计的实际观测亮温是温度、湿度、海面气压等大气参数共同作用的结果，人工扰动大气数据的灵敏性测试方法不仅忽视了温度、湿度和气压之间的相关性，同时引入了辐射传输模型的计算误差，导致了微波辐射计通道对海面气压的灵敏性测试结果不准确，甚至与实际不符。
发明内容
为解决上述技术问题，本发明提供一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，该方法能更加真实地反映出MWTS-II（微波温度计II型）各通道的观测亮温随海面气压的变化关系，对海面气压的灵敏性进行更加精准的测试，且操作简单易行。
为实现上述技术目的，所采用的技术方案是：一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，包括以下步骤：
步骤一：建立MWTS-II观测亮温和自然大气数据集的匹配数据集，并利用匹配数据集建立晴空匹配数据集；
步骤二：利用晴空匹配数据集作为辐射传输模型RTTOV的输入，以通道权重函数作为辐射传输模型RTTOV的输出，计算MWTS-II通道权重函数，根据MWTS-II各通道权重函数的峰值所在的大气分层的分布规律，为MWTS-II各通道分别建立晴空调整数据集；
步骤三：对MWTS-II各通道的晴空调整数据集进行数据选择，选择满足选择标准的数据，为MWTS-II各通道分别建立测试海面气压灵敏性的测试数据集；
步骤四：针对MWTS-II各通道的测试数据集，分别建立MWTS-II各通道的测试数据集中的观测亮温随海面气压的变化关系，完成MWTS-II对海面气压的灵敏性测试。
本发明所述步骤一具体包括：
首先从气候学数据集中按自然大气数据选择标准进行数据选择，形成自然大气数据集；然后把自然大气数据集与MWTS-II观测亮温进行时间和空间上的匹配，建立MWTS-II观测亮温和自然大气数据集的匹配数据集；最后进行晴空数据的选择，如果匹配数据中的云量廓线和云水廓线均为0，那么该组数据为晴空匹配数据，选择出所有的晴空匹配数据建立晴空匹配数据集。
自然大气数据集与MWTS-II观测亮温进行时间和空间上的匹配条件为，时间误差小于0.5 h，且经度误差和纬度误差均差小于0.1°。
本发明所述步骤二具体包括：
首先以晴空匹配数据集中每组自然大气数据作为辐射传输模型RTTOV的输入，以通道权重函数作为辐射传输模型RTTOV的输出，计算MWTS-II各通道的通道权重函数，针对MWTS-II的每个通道，一组自然大气数据对应一组随大气分层变化的通道权重函数；然后针对MWTS-II的每个通道，分别统计该通道所对应的通道权重函数的峰值所分布的压强层，把分布最多的压强层作为该通道的通道权重函数的峰值所在的压强层P n，其中，n=1,2,3…,13，n表示MWTS-II通道序号；最后在晴空匹配数据集中舍弃峰值未分布在 P n的通道权重函数所对应的该组晴空匹配数据，形成13个相应的晴空调整数据集。
以包括温度廓线、湿度廓线、云量廓线、云水廓线、2 m温度、2 m湿度、表皮温度、10m u风速、10 m v风速和海面气压为标准作为一组自然大气数据。
本发明所述步骤三具体包括：
首先针对步骤二中形成的MWTS-II每个通道对应的晴空调整数据集，分别求出MWTS-II每个通道分别对应一组平均大气数据；然后对步骤二中形成的晴空调整数据集中进行数据选择，数据选择标准为两个：（1）晴空调整数据集中的每组自然大气数据与平均大气数据做差值，同时满足温度廓线的各个差值的绝对值小于1 K、湿度廓线的各个差值的绝对值小于1000 ppmv、2 m温度的差值的绝对值小于1 K、2 m湿度的差值的绝对值小于1000ppmv、10 m u风速的差值的绝对值小于1 m/s、10 m v风速的差值的绝对值小于1 m/s；（2）在步骤二中确定的通道权重函数的峰值所分布的压强分层P n处的温度的差值的绝对值小于0.3 K；最后选择同时满足以上两个数据选择标准的数据，建立测试海面气压灵敏性的测试数据集，MWTS-II每个通道各自获得其对应的测试数据集。
平均大气数据包括平均温度廓线、平均湿度廓线、平均2 m温度、平均2 m湿度、平均表皮温度、平均10 m u风速、平均10 m v风速。
本发明所述步骤四具体包括：
在步骤三中建立的MWTS-II各通道对应的测试数据集中，以MWTS-II每个通道的测试数据集中的观测亮温为因变量，相对应的海面压强为自变量，进行一元线性回归分析，针对MWTS-II各通道，分别建立MWTS-II各通道的测试数据集中的观测亮温随海面气压的变化关系，完成MWTS-II对海面气压的灵敏性测试。
本发明有益效果是：本发明使用自然大气和MWTS-II观测亮温测试MWTS-II各通道对海面气压的灵敏性，可直接反映出MWTS-II各通道的测试数据集观测亮温随海面气压的变化关系。使用自然大气可使MWTS-II对海面气压的灵敏性的测试结果更加符合实际大气场景。同时，本发明方法避免了由于辐射传输模型计算误差带来的不利影响。因此，本发明方法能更加真实地反映出MWTS-II各通道的观测亮温随海面气压的变化关系，对海面气压的灵敏性进行更加精准的测试，且操作简单易行。
附图说明
图1是本发明的流程图。
图2是实施例1中MWTS-II各通道的测试数据集观测亮温随海面气压的变化关系图。
图3是实施例1中使用自然大气和使用人工扰动大气数据测试MWTS-II对海面气压的灵敏性的测试结果对比图。
具体实施方式
下面结合实例及附图对本发明作进一步的描述，需要说明的是，实施例并不限定本发明要求保护的范围。
搭载于风云三号C星和D星的MWTS-II（微波温度计II型），其全部13个通道设置在60GHz共振吸收带，可实现氧气垂直柱总吸收的精确测量，因此具有反演海面气压的巨大潜力。为了避免传统的人工扰动大气数据的灵敏性测试方法忽略温度、湿度和气压等大气参数之间的相关性的弊端，同时避免辐射传输模型的计算误差给微波辐射计通道对海面气压的灵敏性测试带来的不利影响，使用自然大气和MWTS-II观测亮温对海面气压的灵敏性进行测试。
一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，包括以下步骤：
步骤一：建立MWTS-II观测亮温和自然大气数据集的匹配数据集，并利用匹配数据集建立晴空匹配数据集；
步骤二：利用晴空匹配数据集作为辐射传输模型RTTOV的输入，以通道权重函数作为辐射传输模型RTTOV的输出，计算MWTS-II通道权重函数，根据MWTS-II各通道权重函数的峰值所在的大气分层的分布规律，为MWTS-II各通道分别建立晴空调整数据集；
步骤三：对MWTS-II各通道的晴空调整数据集进行数据选择，选择满足选择标准的数据，为MWTS-II各通道分别建立测试海面气压灵敏性的测试数据集；
步骤四：针对MWTS-II各通道的测试数据集，分别建立MWTS-II各通道的测试数据集中的观测亮温随海面气压的变化关系，完成MWTS-II对海面气压的灵敏性测试。
本发明所述步骤一具体包括：
首先以包括温度廓线、湿度廓线、云量廓线、云水廓线、2 m温度、2 m湿度、表皮温度、10 m u风速、10 m v风速和海面气压为标准作为一组自然大气数据。从气候学数据集中按自然大气数据选择标准进行数据选择，形成自然大气数据集；然后把自然大气数据集与MWTS-II观测亮温进行时间和空间上的匹配，建立MWTS-II观测亮温和自然大气数据集的匹配数据集，自然大气数据集与MWTS-II观测亮温进行时间和空间上的匹配条件为，时间误差小于0.5 h，且经度误差和纬度误差均差小于0.1°。最后在匹配数据集中以云量廓线和云水廓线均为0作为标准，进行晴空数据的选择，如果匹配数据中的云量廓线和云水廓线均为0，那么该组数据为晴空匹配数据，选择出所有的晴空匹配数据建立晴空匹配数据集，，建立MWTS-II观测亮温和自然大气数据集的晴空匹配数据集。
本发明所述步骤二具体包括：
首先以晴空匹配数据集中每组自然大气数据中的温度廓线、湿度廓线、2 m温度、2m湿度、表皮温度、10 m u风速、10 m v风速和海面气压作为辐射传输模型RTTOV的输入，以通道权重函数作为辐射传输模型RTTOV的输出，计算MWTS-II各通道的通道权重函数，针对MWTS-II的每个通道，一组自然大气数据对应一组随大气分层变化的通道权重函数；然后针对MWTS-II的每个通道，分别统计该通道所对应的通道权重函数的峰值所分布的压强层，把分布最多的压强层作为该通道的通道权重函数的峰值所在的压强层P n，其中， n=1,2,3…,13，n表示MWTS-II通道序号；最后在晴空匹配数据集中舍弃峰值未分布在P n的通道权重函数所对应的该组晴空匹配数据，形成13个相应的晴空调整数据集。
本发明所述步骤三具体包括：
首先针对步骤二中形成的MWTS-II每个通道对应的晴空调整数据集，分别求出MWTS-II每个通道分别对应一组平均大气数据，平均大气数据包括平均温度廓线、平均湿度廓线、平均2 m温度、平均2 m湿度、平均表皮温度、平均10 m u风速、平均10 m v风速。然后对步骤二中形成的晴空调整数据集中进行数据选择，数据选择标准为两个：（1）晴空调整数据集中的每组自然大气数据与平均大气数据做差值，同时满足温度廓线的各个差值的绝对值小于1 K、湿度廓线的各个差值的绝对值小于1000 ppmv、2 m温度的差值的绝对值小于1K、2 m湿度的差值的绝对值小于1000 ppmv、10 m u风速的差值的绝对值小于1 m/s、10 m v风速的差值的绝对值小于1 m/s；（2）在步骤二中确定的通道权重函数的峰值所分布的压强分层 P n处的温度的差值的绝对值小于0.3 K；最后选择同时满足以上两个数据选择标准的数据，建立测试海面气压灵敏性的测试数据集，MWTS-II每个通道各自获得其对应的测试数据集。
本发明所述步骤四具体包括：
在步骤三中建立的MWTS-II各通道对应的测试数据集中，以MWTS-II每个通道的测试数据集中的观测亮温为因变量，相对应的海面压强为自变量，进行一元线性回归分析，针对MWTS-II各通道，分别建立MWTS-II各通道的测试数据集中的观测亮温随海面气压的变化关系，完成MWTS-II对海面气压的灵敏性测试。
实施例1
选择使用的气候学数据集为欧洲中期天气预报中心（ECMWF）的Interim 再分析数据集，时间范围为2018年9月至2019年8月，地理范围为（25°N—45°N，160°E—220°E），数据分辨率为0.5°×0.5°，廓线数据对应的压强层为从地面（1000 hPa）到高空（1 hPa）的37层网格分层：1000 hPa，975 hPa，950 hPa，925 hPa，900 hPa，875 hPa，850 hPa，825 hPa，800hPa，775 hPa，750 hPa，700 hPa，650 hPa，600 hPa，550 hPa，500 hPa，450 hPa，400 hPa，350 hPa，300 hPa，250 hPa，225 hPa，200 hPa，175 hPa，150 hPa，125 hPa，100 hPa，70hPa，50 hPa，30 hPa，20 hPa，10 hPa，7 hPa，5 hPa，3 hPa，2 hPa和1 hPa。选择ECMWFInterim再分析数据集中的温度廓线、湿度廓线、云量廓线、云水廓线、2 m温度、2 m湿度、表皮温度、10 m u风速、10 m v风速和海面气压为一组自然大气数据，并形成自然大气数据集。选择使用搭载于风云三号D星的MWTS-II观测亮温，其时间范围为2018年9月至2019年8月，地理范围为（25°N—45°N，160°E—220°E），把自然大气数据集与MWTS-II观测亮温进行时间和空间上的匹配，其中时间误差小于0.5 h，且经度误差和纬度误差均差小于0.1°，建立MWTS-II观测亮温和自然大气数据集的匹配数据集，共计1210152组数据。在匹配数据集中以云量廓线和云水廓线均为0作为标准，进行晴空数据的选择，即如果匹配数据中的云量廓线和云水廓线均为0，那么该组数据为晴空匹配数据，建立MWTS-II观测亮温和自然大气数据集的晴空匹配数据集，共计65016组数据。
以晴空匹配数据集中每组自然大气数据中的温度廓线、湿度廓线、2 m温度、2 m湿度、表皮温度、10 m u风速、10 m v风速和海面气压作为辐射传输模型RTTOV的输入，以通道权重函数作为辐射传输模型RTTOV的输出，计算MWTS-II各通道的通道权重函数，那么针对MWTS-II的每个通道，一组大气数据对应一组随大气分层变化的通道权重函数，MWTS-II的每个通道均能获得65016条通道权重函数；针对MWTS-II的每个通道，分别统计该通道所对应的通道权重函数的峰值所分布的压强层，把分布最多的压强层作为该通道的通道权重函数的峰值所在的压强层P n，其中， n=1,2,3…,13，表示MWTS-II通道序号。MWTS-II各个通道的通道权重函数的峰值所在的压强层 P n如表1所示。
表1 MWTS-II通道权重函数的峰值分布
针对MWTS-II的每个通道，对于通道权重函数的峰值未分布在P n的通道权重函数，在晴空匹配数据集中舍弃该通道权重函数所对应的该组晴空匹配数据，因此，针对MWTS-II每个通道，可形成针对该通道的晴空调整数据集，MWTS-II共计13个通道，便可形成13个相应的晴空调整数据集。MWTS-II各个通道的晴空调整数据集的数据量如表2所示。
表2 MWTS-II晴空调整数据集的数据量
针对MWTS-II每个通道对应的晴空调整数据集，分别求出其平均大气数据，包括平均温度廓线、平均湿度廓线、平均2 m温度、平均2 m湿度、平均表皮温度、平均10 m u风速、平均10 m v风速，那么MWTS-II每个通道分别对应一组平均大气数据；在晴空调整数据集中进行数据选择，针对MWTS-II每个通道所对应的晴空调整数据集，数据选择标准有两个：（1）晴空调整数据集中的每组自然大气数据与平均大气数据做差值，同时满足温度廓线的各个差值的绝对值小于1 K，湿度廓线的各个差值的绝对值小于1000 ppmv，2 m温度的差值的绝对值小于1 K，2 m湿度的差值的绝对值小于1000 ppmv，10 m u风速的差值的绝对值小于1m/s，10 m v风速的差值的绝对值小于1 m/s；（2）根据表1中通道权重函数的峰值所分布的压强分层 P n，在 P n处的温度的差值的绝对值小于0.3 K；最后选择同时满足以上两个数据选择标准的数据，建立测试海面气压灵敏性的测试数据集，那么MWTS-II每个通道各自获得其对应的测试数据集。MWTS-II每个通道的测试数据集的数据量如表3所示。
表3 MWTS-II测试数据集的数据量
针对MWTS-II的各个通道，在各自对应的测试数据集中，各通道的观测亮温随海面气压的变化关系如图2所示。从图2中可以看出，MWTS-II每个通道的观测亮温均随海面气压的变化呈现出线性变化，即MWTS-II每个通道均对海面气压有明显的灵敏性。把MWTS-II各通道对应的测试数据集中的观测亮温作为因变量，相对应的海面压强为自变量，进行一元线性回归拟合，其拟合结果与人工扰动大气数据的灵敏性测试方法的结果进行对比，如图3所示。其中，使用人工扰动大气数据的方法测试MWTS-II对海面气压的灵敏性，具体包括：把步骤三中形成的MWTS-II各通道对应的晴空调整数据集的平均大气数据和海面气压数据输入到辐射传输模型，且观测高度角设置为0，其中对海面气压数据进行人工扰动，具体方法为：海面气压数据的初始值为1000 hPa，按照0.1 hPa的步长进行增加，增加至1035 hPa，求出MWTS-II各通道的模拟亮温。那么MWTS-II各通道的模拟亮温随海面气压的变化关系即人工扰动大气数据的方法测试灵敏性的结果。从图3可以看出，人工扰动大气数据的灵敏性测试方法只能测试出MWTS-II通道1，通道2，通道3和通道4的模拟亮温随海面气压的线性变化关系，即MWTS-II只有通道1，通道2，通道3和通道4对海面气压具有灵敏性，然而，一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法的测试结果显示MWTS-II所有通道对海面气压均有灵敏性。本发明方法是对MWTS-II各通道实际的观测亮温与海面气压之间关系的直接建模，更加真实地反映出MWTS-II各通道的观测亮温随海面气压的变化关系，对海面气压的灵敏性进行了更加精准的测试，且操作简单易行。
Claims (6)
1.一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，其特征在于，包括以下步骤：
步骤一：建立MWTS-II观测亮温和自然大气数据集的匹配数据集，并利用匹配数据集建立晴空匹配数据集；
步骤二：利用晴空匹配数据集作为辐射传输模型RTTOV的输入，以通道权重函数作为辐射传输模型RTTOV的输出，计算MWTS-II通道权重函数，根据MWTS-II各通道权重函数的峰值所在的大气分层的分布规律，为MWTS-II各通道分别建立晴空调整数据集；
具体实现包括：首先以晴空匹配数据集中每组自然大气数据作为辐射传输模型RTTOV的输入，以通道权重函数作为辐射传输模型RTTOV的输出，计算MWTS-II各通道的通道权重函数，针对MWTS-II的每个通道，一组自然大气数据对应一组随大气分层变化的通道权重函数；然后针对MWTS-II的每个通道，分别统计该通道所对应的通道权重函数的峰值所分布的压强层，把分布最多的压强层作为该通道的通道权重函数的峰值所在的压强层
，其中，
，
表示MWTS-II通道序号；最后在晴空匹配数据集中舍弃峰值未分布在
的通道权重函数所对应的该组晴空匹配数据，形成
个相应的晴空调整数据集；
步骤三：对MWTS-II各通道的晴空调整数据集进行数据选择，选择满足选择标准的数据，为MWTS-II各通道分别建立测试海面气压灵敏性的测试数据集；
具体实现包括：首先针对步骤二中形成的MWTS-II每个通道对应的晴空调整数据集，分别求出MWTS-II每个通道分别对应一组平均大气数据；然后对步骤二中形成的晴空调整数据集中进行数据选择，数据选择标准为两个：（1）晴空调整数据集中的每组自然大气数据与平均大气数据做差值，同时满足温度廓线的各个差值的绝对值小于1 K、湿度廓线的各个差值的绝对值小于1000 ppmv、2 m温度的差值的绝对值小于1 K、2 m湿度的差值的绝对值小于1000 ppmv、10 m u风速的差值的绝对值小于1 m/s、10 m v风速的差值的绝对值小于1m/s；（2）在步骤二中确定的通道权重函数的峰值所分布的压强分层
处的温度的差值的绝对值小于0.3 K；最后选择同时满足以上两个数据选择标准的数据，建立测试海面气压灵敏性的测试数据集，MWTS-II每个通道各自获得其对应的测试数据集；
步骤四：针对MWTS-II各通道的测试数据集，分别建立MWTS-II各通道的测试数据集中的观测亮温随海面气压的变化关系，完成MWTS-II对海面气压的灵敏性测试。
2.根据权利要求1所述的一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，其特征在于，所述步骤一具体包括：
首先从气候学数据集中按自然大气数据选择标准进行数据选择，形成自然大气数据集；然后把自然大气数据集与MWTS-II观测亮温进行时间和空间上的匹配，建立MWTS-II观测亮温和自然大气数据集的匹配数据集；最后进行晴空数据的选择，如果匹配数据中的云量廓线和云水廓线均为0，那么该组数据为晴空匹配数据，选择出所有的晴空匹配数据建立晴空匹配数据集。
3.根据权利要求1所述的一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，其特征在于：自然大气数据集与MWTS-II观测亮温进行时间和空间上的匹配条件为，时间误差小于0.5 h，且经度误差和纬度误差均差小于0.1°。
4.根据权利要求1或2所述的一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，其特征在于：以包括温度廓线、湿度廓线、云量廓线、云水廓线、2 m温度、2 m湿度、表皮温度、10 m u风速、10 m v风速和海面气压为标准作为一组自然大气数据。
5.根据权利要求1所述的一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，其特征在于：平均大气数据包括平均温度廓线、平均湿度廓线、平均2 m温度、平均2 m湿度、平均表皮温度、平均10 m u风速、平均10 m v风速。
6.根据权利要求1所述的一种基于自然大气的MWTS-II对海面气压的灵敏性测试方法，其特征在于，所述步骤四具体包括：
在步骤三中建立的MWTS-II各通道对应的测试数据集中，以MWTS-II每个通道的测试数据集中的观测亮温为因变量，相对应的海面压强为自变量，进行一元线性回归分析，针对MWTS-II各通道，分别建立MWTS-II各通道的测试数据集中的观测亮温随海面气压的变化关系，完成MWTS-II对海面气压的灵敏性测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011104185.2A CN112345151B (zh) | 2020-10-15 | 2020-10-15 | 一种基于自然大气的mwts-ii对海面气压的灵敏性测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011104185.2A CN112345151B (zh) | 2020-10-15 | 2020-10-15 | 一种基于自然大气的mwts-ii对海面气压的灵敏性测试方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112345151A CN112345151A (zh) | 2021-02-09 |
| CN112345151B true CN112345151B (zh) | 2022-01-07 |
Family
ID=74362052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011104185.2A Active CN112345151B (zh) | 2020-10-15 | 2020-10-15 | 一种基于自然大气的mwts-ii对海面气压的灵敏性测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112345151B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113311509B (zh) * | 2021-05-11 | 2023-07-25 | 洛阳师范学院 | 一种基于神经网络的mwhts对海面气压的敏感性测试方法 |
| CN116380811B (zh) * | 2023-03-28 | 2024-05-10 | 武汉大学 | 一种基于氧气吸收带的云检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2728502C1 (ru) * | 2019-12-26 | 2020-07-29 | Публичное акционерное общество "Красногорский завод им. С.А. Зверева", ПАО КМЗ | Датчик ветра, давления и температуры |
| CN111737913A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于云水含量反演的mwhts晴空观测亮温选择方法 |
| CN111737912A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于深度神经网络的mwhts模拟亮温计算方法 |
| CN111737641A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于神经网络的mwhts通道权重函数计算方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015157643A1 (en) * | 2014-04-10 | 2015-10-15 | Vega-Avila Rolando | Solar energy forecasting |
| CN108827878B (zh) * | 2018-04-08 | 2021-05-18 | 中国科学院国家空间科学中心 | 一种地表气压的被动微波遥感探测方法 |
| CN110969609B (zh) * | 2019-11-29 | 2022-04-29 | 华中科技大学 | 一种微波遥感亮温图像云检测方法 |
-
2020
- 2020-10-15 CN CN202011104185.2A patent/CN112345151B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2728502C1 (ru) * | 2019-12-26 | 2020-07-29 | Публичное акционерное общество "Красногорский завод им. С.А. Зверева", ПАО КМЗ | Датчик ветра, давления и температуры |
| CN111737913A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于云水含量反演的mwhts晴空观测亮温选择方法 |
| CN111737912A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于深度神经网络的mwhts模拟亮温计算方法 |
| CN111737641A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于神经网络的mwhts通道权重函数计算方法 |
Non-Patent Citations (4)
| Title |
|---|
| FY-3C卫星微波温湿探测仪反演大气温湿廓线研究;贺秋瑞;《中国优秀博硕学位论文全文数据库（博士） 基础科学辑》;20170915(第09期);A009-15 * |
| Microwave hyperspectral measurements for temperature and humidity atmospheric profiling from satellite: The clear-sky case;Filipe Aires 等;《Journal of Geophysical Research: Atmospheres》;20151109;第11334-11351页 * |
| Statistical Temperature Profile Retrievals in Clear-Air Using Passive 118-GHz 02 Observations;A. J. Gasiewski 等;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;19930131;第31卷(第1期);第106-115页 * |
| 应用AMSU-B 微波资料分析0509号Matsa 台风水汽场分布特征;王新 等;《气象》;20091231;第35卷(第12期);第30-36页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112345151A (zh) | 2021-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Comparison of atmospheric profiles between microwave radiometer retrievals and radiosonde soundings | |
| CN112345151B (zh) | 一种基于自然大气的mwts-ii对海面气压的灵敏性测试方法 | |
| CN108827878B (zh) | 一种地表气压的被动微波遥感探测方法 | |
| CN113552080B (zh) | 一种超光谱遥感地表大气相对湿度的实时反演算法 | |
| CN112329334B (zh) | 一种基于模拟亮温的mwhts和mwts-ii融合反演海面气压方法 | |
| CN112798013B (zh) | 一种对光学载荷在轨绝对辐射定标结果进行验证的方法 | |
| CN113408111B (zh) | 大气可降水量反演方法及***、电子设备和存储介质 | |
| CN111737912A (zh) | 一种基于深度神经网络的mwhts模拟亮温计算方法 | |
| CN116449331B (zh) | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 | |
| Li et al. | Precipitation retrieval using 118.75-GHz and 183.31-GHz channels from MWHTS on FY-3C satellite | |
| CN115480032A (zh) | 基于地面遥感测量的点源排放强度预测方法 | |
| Semane et al. | Comparison of Desroziers and three-cornered hat methods for estimating COSMIC-2 bending angle uncertainties | |
| Khutorova et al. | Variations in the atmospheric integrated water vapor from phase measurements made with receivers of satellite navigation systems | |
| CN112666634A (zh) | 一种降水量预测方法及*** | |
| CN113311509B (zh) | 一种基于神经网络的mwhts对海面气压的敏感性测试方法 | |
| CN112254866B (zh) | 一种mwts-ii和mwhts融合反演海面气压的方法 | |
| Castro-Almazán et al. | A semiempirical error estimation technique for PWV derived from atmospheric radiosonde data | |
| Kalinnikov et al. | Determination of troposphere characteristics using signals of satellite navigation systems | |
| CN118133648B (zh) | 一种地基远红外-中红外高光谱联合遥感冰云参数的方法 | |
| CN113536657A (zh) | 基于机器学习的海洋大气折射率预测方法 | |
| CN102519879B (zh) | 大气臭氧柱总量探测方法 | |
| He et al. | Design and Development of Ground-Based Microwave Radiometer for Meteorological and Climate Applications | |
| CN115542425A (zh) | 一种基于再分析数据的天文台址水汽评估方法 | |
| CN115950538A (zh) | 一种基于水陆表协同观测的场地定标***和方法 | |
| Wang et al. | Assessment of reanalysis datasets using AIRS and IASI hyperspectral radiances |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |