CN115561836A - 一种星载微波高光谱温湿度廓线反演精度评估方法及*** - Google Patents

一种星载微波高光谱温湿度廓线反演精度评估方法及*** Download PDF

Info

Publication number
CN115561836A
CN115561836A CN202211286477.1A CN202211286477A CN115561836A CN 115561836 A CN115561836 A CN 115561836A CN 202211286477 A CN202211286477 A CN 202211286477A CN 115561836 A CN115561836 A CN 115561836A
Authority
CN
China
Prior art keywords
profile
temperature
humidity
covariance matrix
error covariance
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.)
Pending
Application number
CN202211286477.1A
Other languages
English (en)
Inventor
谢鑫新
周羽
于潇禹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202211286477.1A priority Critical patent/CN115561836A/zh
Publication of CN115561836A publication Critical patent/CN115561836A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Algebra (AREA)
  • Ecology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种星载微波高光谱温湿度廓线反演精度评估方法及***，该方法包括下述步骤：获取地基探空观测数据，筛选得到晴空探空廓线，对晴空探空廓线进行线性插值；构建温度廓线和湿度廓线的先验误差协方差矩阵；计算中心频率和谱响应函数误差导致观测亮温与理想亮温存在的偏差，得到观测误差，基于仪器误差和观测误差构建仪器观测误差协方差矩阵；计算温度雅可比矩阵和湿度雅可比矩阵；构建温度廓线和湿度廓线的后验误差协方差矩阵；比较温度廓线和湿度廓线的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度。本发明解决了星载高光谱通道分辨率对反演精度的影响，为天气预报引入高质量参考，有助于提高天气预报准确率。

Description

一种星载微波高光谱温湿度廓线反演精度评估方法及***
技术领域
本发明涉及微波遥感数据反演精度评估技术领域，具体涉及一种星载微波高光谱温湿度廓线反演精度评估方法及***。
背景技术
大气温度和湿度是两个最基本的气象要素。准确的温度和湿度廓线反演可以有效提高天气预报精度，不管是对气候变化，还是环境变化等相关研究均具有重要意义。
星载微波辐射计在全球大气温度和湿度垂直分布研究方面一直发挥着非常重要的作用。由于微波辐射计不同通道对不同高度大气的敏感度，可提供来自不同大气层高度的温湿度信息。目前主流的微波大气温湿度探测均是采用具备几个或者十几个通道的微波辐射计，通道带宽一般为几百MHz或者几个GHz不等。因此，微波辐射计有限的几个或者十几个通道限制了其观测数据的垂直分辨率。
随着微波辐射探测技术的不断发展，高光谱微波技术的日趋成熟，微波辐射计逐渐可以实现频谱细分功能，微波辐射计的通道数目成倍增加，甚至有多达成百上千的通道数目，甚至实现几MHz或者十几MHz通道带宽获得精细垂直分辨率的大气层信息。高光谱微波辐射计的发展，在提高温湿度廓线的垂直分辨率方面带来巨大潜力，但是针对精细高光谱微波辐射计观测结果的应用效果和精度评估，目前尚未提出有效的解决方案。
发明内容
为了克服现有技术存在的缺陷与不足，本发明提供一种星载微波高光谱温湿度廓线反演精度评估方法，本发明针对星载高光谱微波辐射计的亮温观测结果、与通道分辨率相关的灵敏度，实时评估温湿度廓线反演精度，解决了星载高光谱通道分辨率对反演精度的影响，为天气预报引入高质量参考，有助于提高天气预报准确率。
本发明第二目的在于提供一种星载微波高光谱温湿度廓线反演精度评估***；
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种星载微波高光谱温湿度廓线反演精度评估方法，包括下述步骤：
获取地基探空观测数据，筛选得到晴空探空廓线，对晴空探空廓线进行线性插值；
基于晴空探空廓线构建温度廓线和湿度廓线的先验误差协方差矩阵；
计算理想中心频率和矩形谱响应函数所对应的理想亮温，计算中心频率漂移和实际测量的非理想通道谱响应函数所对应的实际亮温，比较理想亮温和实际亮温的差值得到观测误差，基于仪器误差和观测误差构建仪器观测误差协方差矩阵；
基于大气辐射传输计算温度雅可比矩阵和湿度雅可比矩阵；
基于温度雅可比矩阵、仪器观测误差协方差矩阵和温度廓线的先验误差协方差矩阵构建温度廓线后验误差协方差矩阵；
基于湿度雅可比矩阵、仪器观测误差协方差矩阵和湿度廓线的先验误差协方差矩阵构建湿度廓线后验误差协方差矩阵；
比较温度廓线和湿度廓线的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度。
作为优选的技术方案，筛选出晴空探空廓线，具体步骤包括：
当地基探空观测数据的廓线中存在相对湿度大于设定比例的大气层时，判定当前地基探空观测数据对应廓线中有云或降水，在地基探空观测数据中剔除对应廓线，筛选得到晴空探空廓线；
根据大气气压对晴空探空廓线进行线性插值，设定廓线中的气压最小值，划分多层大气气压值，在预设的气压范围内选择探空廓线插值或利用标准大气廓线线性插值补充晴空探空廓线中缺失的高层大气。
作为优选的技术方案，所述基于晴空探空廓线构建温度廓线和湿度廓线的先验误差协方差矩阵，具体包括：
构建温度廓线的先验误差协方差矩阵，所述温度廓线的先验误差协方差矩阵沿对角线对称，表示为：
Figure BDA0003900158300000031
其中，STP，a表示温度廓线的先验误差协方差矩阵，T表示大气温度，下标表示廓线对应大气层的层数，var表示方差，cov表示协方差；
构建湿度廓线的先验误差协方差矩阵，所述湿度廓线的先验误差协方差矩阵沿对角线对称，表示为：
Figure BDA0003900158300000032
其中，SRH，a表示湿度廓线的先验误差协方差矩阵，RH表示大气湿度，下标表示廓线对应大气层的层数。
作为优选的技术方案，仪器误差为仪器的通道灵敏度，具体表示为：
Figure BDA0003900158300000033
其中，NEDT表示通道灵敏度，ΔBW表示通道带宽，Tsys表示***噪声温度，τ表示高光谱微波辐射计积分时间。
作为优选的技术方案，计算理想中心频率和矩形谱响应函数所对应的理想亮温，具体表示为：
Figure BDA0003900158300000041
其中，TBideal表示理想亮温，f1和f2分别为通道的起始频率和终止频率，ΔBW表示带宽，Δb表示设定的频率，TBk表示带宽内对应的辐射亮温。
作为优选的技术方案，计算中心频率漂移和实际测量的非理想通道谱响应函数所对应的实际亮温，具体表示为：
Figure BDA0003900158300000042
其中，TBreal表示实际亮温，f1和f2分别为通道的起始频率和终止频率，TBk表示带宽内对应的辐射亮温，Δf表示中心频率漂移，SRF表示非理想通道谱响应函数，ΔBW表示带宽。
作为优选的技术方案，基于仪器误差和观测误差构建仪器观测误差协方差矩阵，具体表示为：
Figure BDA0003900158300000043
其中，Se表示仪器观测误差协方差矩阵，sqrt表示平方根计算，NEDT表示通道灵敏度，即仪器误差，ΔTB表示观测误差。
作为优选的技术方案，基于大气辐射传输计算温度雅可比矩阵，具体表示为：
Figure BDA0003900158300000044
其中，KTP，jl表示温度雅可比矩阵，j表示大气层的层数，l表示高光谱微波辐射计的通道数，TB1表示高光谱微波辐射计第l个通道亮温，TB2表示在大气廓线中第j层温度扰动下计算得到的对应亮温，
Figure BDA0003900158300000051
表示温度扰动；
基于大气辐射传输计算湿度雅可比矩阵，具体表示为：
Figure BDA0003900158300000052
其中，KRH，jl表示湿度雅可比矩阵，TB3表示在大气廓线中第j层湿度扰动下计算得到的对应亮温，
Figure BDA0003900158300000053
表示湿度扰动。
作为优选的技术方案，温度廓线后验误差协方差矩阵表示为：
Figure BDA0003900158300000054
其中，KTP为温度雅可比矩阵，Se为仪器观测误差协方差矩阵，STP，a为温度廓线的先验误差协方差矩阵；
湿度廓线后验误差协方差矩阵表示为：
Figure BDA0003900158300000055
其中，KRH为湿度雅可比矩阵，Se为仪器观测误差协方差矩阵，SRH，a为湿度先验误差协方差矩阵；
比较温度和湿度的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度，具体表示为：
ΔSTP＝STP-STP，a
ΔSRH＝SRH-SRH，a
其中，STP表示温度廓线后验误差矩阵，SRH表示湿度廓线后验误差矩阵。
本发明还提供一种星载微波高光谱温湿度廓线反演精度评估***，包括：数据预处理模块，先验误差计算模块，仪器观测误差处理模块，雅可比矩阵计算模块，后验误差处理模块，温湿度反演精度评估模块；
所述数据预处理模块用于获取地基探空观测数据，筛选得到晴空探空廓线，对晴空探空廓线进行线性插值；
所述先验误差计算模块用于基于晴空探空廓线构建温度廓线和湿度廓线的先验误差协方差矩阵；
所述仪器观测误差处理模块用于计算理想中心频率和矩形谱响应函数所对应的理想亮温，计算中心频率漂移和实际测量的非理想通道谱响应函数所对应的实际亮温，比较理想亮温和实际亮温的差值得到观测误差，基于仪器误差和观测误差构建仪器观测误差协方差矩阵；
所述雅可比矩阵计算模块用于基于大气辐射传输计算温度雅可比矩阵和湿度雅可比矩阵；
所述后验误差处理模块用于基于温度雅可比矩阵、仪器观测误差协方差矩阵和温度廓线的先验误差协方差矩阵构建温度廓线后验误差协方差矩阵；
基于湿度雅可比矩阵、仪器观测误差协方差矩阵和湿度廓线的先验误差协方差矩阵构建湿度廓线后验误差协方差矩阵；
所述温湿度反演精度评估模块用于比较温度廓线和湿度廓线的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明量化了高光谱微波辐射计的通道灵敏度、通道中心频率漂移和通道谱响应函数等引起的亮温误差对温湿度廓线反演结果的影响，达到了精确评估高光谱温湿度廓线反演精度的技术效果。
(2)本发明基于误差协方差矩阵分析的技术方案，提高了运算效率并且构建了微波高光谱温湿度廓线反演精度的评估***，客观描述了高光谱微波辐射计的在轨探测的有效性。
附图说明
图1为本发明星载微波高光谱温湿度廓线反演精度评估方法的流程架构示意图；
图2为本发明星载微波高光谱温湿度廓线反演精度评估***的架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
如图1所示，本实施例提供一种星载微波高光谱温湿度廓线反演精度评估方法，包括下述步骤：
S1：选取数据；
S11：获取地基探空观测数据；
根据地面探空站点所在经纬度信息，选择星载高光谱微波辐射计与探空站点时间和空间相匹配的观测数据，并利用探空站点的观测资料，剔除有云和降水的数据。
当星载高光谱微波辐射计观测像元与探空站点的距离小于15km，且卫星在该探空站点的过境时间与探空气球飞行时间相差1小时以内，认为该卫星的观测像元与探空数据时空匹配。
S12：剔除云雨情景对应的廓线，筛选出晴空探空廓线；
当地基探空观测数据的廓线中存在相对湿度大于95％的大气层时，认为该探空数据对应廓线中有云或降水，并在地面探空站点的探空数据集中剔除对应廓线。
S13：根据大气气压对晴空探空廓线进行线性插值；
为保证获取高光谱微波辐射计的观测信息，廓线中的气压最小值设为5mbar。大气气压P值共分为30层，P值取值分别为5，25，50，75，100，125，150，175，200，225，300，350，400，450，500，550，600，650，700，750，775，800，825，850，875，900，925，950，975，1000mbar。
由于探空气球最大飞行高度为20-30km，125-1000mbar范围内选择探空廓线插值，5-125mbar范围内利用美国标准大气(1976)廓线线性插值补充5-125mbar气压范围探空廓线中缺失的高层大气。
S2：构建温度廓线和湿度廓线先验误差协方差矩阵；
在步骤S1获取的晴空探空廓线中，大气温度和湿度分别表示为
Figure BDA0003900158300000083
。其中，上标i为按照步骤S1获取的第i条廓线；下标j对应该廓线的大气层第j层，共有30层。
温度廓线的先验误差协方差矩阵STP，a沿对角线对称，表示如下：
Figure BDA0003900158300000081
其中，var表示方差，cov表示协方差；
湿度廓线的先验误差协方差矩阵SRH，a沿对角线对称，表示如下：
Figure BDA0003900158300000082
S3：构建仪器观测误差协方差矩阵Se；
仪器观测误差为仪器误差和观测误差总和。其中，仪器误差为仪器的通道灵敏度NEDT，观测误差为通道中心频率漂移、通道带宽谱响应函数等因素导致。
S31：计算仪器的通道灵敏度NEDT；
通道灵敏度NEDT与通道带宽相关，二者的关系如下：
Figure BDA0003900158300000091
其中，ΔBW为通道带宽，根据高光谱微波辐射计的通道设计，其范围为3-200MHz；τ为高光谱微波辐射计积分时间，单位为s；Tsys为***噪声温度，单位为K。
不同通道带宽对应不同的通道灵敏度。星载高光谱微波辐射计通道带宽在3MHz-200MHz范围内发生改变，根据上式重新计算通道灵敏度NEDT。
S32：计算观测误差；
由于中心频率可能存在偏移(1-2MHz)，谱响应函数为非矩形窗。中心频率和谱响应函数误差导致观测亮温与理想亮温存在偏差，即为观测误差。
首先，计算理想中心频率和矩形谱响应函数所对应的理想亮温TBiaeal。根据大气辐射传输模拟，以0.1MHz的频率为分辨率模拟微波高光谱带宽范围内对应的辐射亮温。由于理想谱响应函数为矩形窗，因此，通道亮温TB为该通道带宽内的亮温均值，具体表示为：
Figure BDA0003900158300000092
其中，f1和f2为该通道的起止频率(MHz为单位)，带宽ΔBW＝f2-f1，Δb为0.1MHz，TBk为带宽内对应的辐射亮温。
然后，计算中心频率漂移Δf和实际测量的非理想通道谱响应函数SRF所对应的实际亮温TBreal，具体表示为：
Figure BDA0003900158300000101
最后，比较理想亮温和实际亮温的差值得到观测误差，设为ΔTB。
ΔTB＝TBreal-TBideal
S33：构建仪器观测误差协方差矩阵Se；
根据步骤S31和步骤S32得到仪器观测误差协方差矩阵。仪器观测误差协方差矩阵Se表示为：
Figure BDA0003900158300000102
S4：构建雅可比矩阵；
S41：构建温度雅可比矩阵；
利用大气辐射传输模拟计算温度雅可比矩阵。首先在大气辐射传输模拟中输入地面探空廓线，计算得到高光谱微波辐射计第l通道亮温为TB1。假设大气廓线中第j层温度扰动
Figure BDA0003900158300000103
为2K，其余参数保持不变，计算得到对应亮温为TB2。对应温度雅可比矩阵元素表示为：
Figure BDA0003900158300000104
第j行对应第j层大气层，第l列为高光谱微波辐射计第l个通道。
S42：构建湿度雅可比矩阵；
在大气辐射传输模拟中输入地面探空廓线，计算高光谱微波辐射计第l通道亮温为TB1。当大气层中第j层湿度扰动
Figure BDA0003900158300000105
为2％，计算对应亮温为TB3，则获得湿度雅可比矩阵元素为：
Figure BDA0003900158300000111
S5：进行温湿度廓线精度评价；
S51：构建温度和湿度廓线后验误差协方差矩阵；
根据后验误差协方差矩阵计算评估反演的温度和湿度廓线精度。对于温度廓线后验误差协方差矩阵STP表示为：
Figure BDA0003900158300000112
其中，STP为温度廓线后验误差矩阵，KTP为雅可比矩阵，Se为仪器观测误差协方差矩阵，STP，a为温度廓线的先验误差协方差矩阵。
对于湿度廓线，后验误差协方差矩阵SRH为
Figure BDA0003900158300000113
其中，SRH为湿度廓线后验误差，KRH为雅可比矩阵，Se为仪器观测误差协方差矩阵，SRH，a为湿度先验误差协方差矩阵。
S52：进行廓线精度评估；
分别比较温度廓线和湿度廓线的后验误差与先验误差协方差矩阵，即可获得高光谱微波反演温湿度廓线的精度，具体表示为：
ΔSTP＝STP-STP，a
ΔSRH＝SRH-SRH，a
本发明考虑了仪器带宽和仪器观测误差对温湿度廓线反演精度的影响，提出了基于通道带宽设计的仪器观测误差构建廓线精度评价方法，实现了高光谱微波辐射计探测性能和探测潜力评估。
实施例2
如图2所示，本实施例提出一种星载微波高光谱温湿度廓线反演精度评估***，包括：数据预处理模块，先验误差计算模块，仪器观测误差处理模块，雅可比矩阵计算模块，后验误差处理模块，温湿度反演精度评估模块；
在本实施例中，数据预处理模块用于获取地基探空观测数据，筛选得到晴空探空廓线，对晴空探空廓线进行线性插值；
在本实施例中，先验误差计算模块用于基于晴空探空廓线构建温度廓线和湿度廓线的先验误差协方差矩阵；
在本实施例中，仪器观测误差处理模块用于计算理想中心频率和矩形谱响应函数所对应的理想亮温，计算中心频率漂移和实际测量的非理想通道谱响应函数所对应的实际亮温，比较理想亮温和实际亮温的差值得到观测误差，基于仪器误差和观测误差构建仪器观测误差协方差矩阵；
在本实施例中，雅可比矩阵计算模块用于基于大气辐射传输计算温度雅可比矩阵和湿度雅可比矩阵；
在本实施例中，后验误差处理模块用于基于温度雅可比矩阵、仪器观测误差协方差矩阵和温度廓线的先验误差协方差矩阵构建温度廓线后验误差协方差矩阵；
基于湿度雅可比矩阵、仪器观测误差协方差矩阵和湿度廓线的先验误差协方差矩阵构建湿度廓线后验误差协方差矩阵；
在本实施例中，温湿度反演精度评估模块用于比较温度廓线和湿度廓线的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，包括下述步骤：
获取地基探空观测数据，筛选得到晴空探空廓线，对晴空探空廓线进行线性插值；
基于晴空探空廓线构建温度廓线和湿度廓线的先验误差协方差矩阵；
计算理想中心频率和矩形谱响应函数所对应的理想亮温，计算中心频率漂移和实际测量的非理想通道谱响应函数所对应的实际亮温，比较理想亮温和实际亮温的差值得到观测误差，基于仪器误差和观测误差构建仪器观测误差协方差矩阵；
基于大气辐射传输计算温度雅可比矩阵和湿度雅可比矩阵；
基于温度雅可比矩阵、仪器观测误差协方差矩阵和温度廓线的先验误差协方差矩阵构建温度廓线后验误差协方差矩阵；
基于湿度雅可比矩阵、仪器观测误差协方差矩阵和湿度廓线的先验误差协方差矩阵构建湿度廓线后验误差协方差矩阵；
比较温度廓线和湿度廓线的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度。
2.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，筛选出晴空探空廓线，具体步骤包括：
当地基探空观测数据的廓线中存在相对湿度大于设定比例的大气层时，判定当前地基探空观测数据对应廓线中有云或降水，在地基探空观测数据中剔除对应廓线，筛选得到晴空探空廓线；
根据大气气压对晴空探空廓线进行线性插值，设定廓线中的气压最小值，划分多层大气气压值，在预设的气压范围内选择探空廓线插值或利用标准大气廓线线性插值补充晴空探空廓线中缺失的高层大气。
3.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，所述基于晴空探空廓线构建温度廓线和湿度廓线的先验误差协方差矩阵，具体包括：
构建温度廓线的先验误差协方差矩阵，所述温度廓线的先验误差协方差矩阵沿对角线对称，表示为：
Figure FDA0003900158290000021
其中，STP，a表示温度廓线的先验误差协方差矩阵，T表示大气温度，下标表示廓线对应大气层的层数，var表示方差，cov表示协方差；
构建湿度廓线的先验误差协方差矩阵，所述湿度廓线的先验误差协方差矩阵沿对角线对称，表示为：
Figure FDA0003900158290000022
其中，SRH，a表示湿度廓线的先验误差协方差矩阵，RH表示大气湿度，下标表示廓线对应大气层的层数。
4.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，仪器误差为仪器的通道灵敏度，具体表示为：
Figure FDA0003900158290000023
其中，NEDT表示通道灵敏度，ΔBW表示通道带宽，Tsys表示***噪声温度，τ表示高光谱微波辐射计积分时间。
5.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，计算理想中心频率和矩形谱响应函数所对应的理想亮温，具体表示为：
Figure FDA0003900158290000031
其中，TBideal表示理想亮温，f1和f2分别为通道的起始频率和终止频率，ΔBW表示带宽，Δb表示设定的频率，TBk表示带宽内对应的辐射亮温。
6.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，计算中心频率漂移和实际测量的非理想通道谱响应函数所对应的实际亮温，具体表示为：
Figure FDA0003900158290000032
其中，TBreal表示实际亮温，f1和f2分别为通道的起始频率和终止频率，TBk表示带宽内对应的辐射亮温，Δf表示中心频率漂移，SRF表示非理想通道谱响应函数，ΔBW表示带宽。
7.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，基于仪器误差和观测误差构建仪器观测误差协方差矩阵，具体表示为：
Figure FDA0003900158290000033
其中，Se表示仪器观测误差协方差矩阵，sqrt表示平方根计算，NEDT表示通道灵敏度，即仪器误差，ΔTB表示观测误差。
8.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，基于大气辐射传输计算温度雅可比矩阵，具体表示为：
Figure FDA0003900158290000034
其中，KTP，jl表示温度雅可比矩阵，j表示大气层的层数，l表示高光谱微波辐射计的通道数，TB1表示高光谱微波辐射计第l个通道亮温，TB2表示在大气廓线中第j层温度扰动下计算得到的对应亮温，
Figure FDA0003900158290000041
表示温度扰动；
基于大气辐射传输计算湿度雅可比矩阵，具体表示为：
Figure FDA0003900158290000042
其中，KRH，jl表示湿度雅可比矩阵，TB3表示在大气廓线中第j层湿度扰动下计算得到的对应亮温，
Figure FDA0003900158290000043
表示湿度扰动。
9.根据权利要求1所述的星载微波高光谱温湿度廓线反演精度评估方法，其特征在于，温度廓线后验误差协方差矩阵表示为：
Figure FDA0003900158290000044
其中，KTP为温度雅可比矩阵，Se为仪器观测误差协方差矩阵，STP，a为温度廓线的先验误差协方差矩阵；
湿度廓线后验误差协方差矩阵表示为：
Figure FDA0003900158290000045
其中，KRH为湿度雅可比矩阵，SRH，a为湿度先验误差协方差矩阵；
比较温度和湿度的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度，具体表示为：
ΔSTP＝STP-STP，a
ΔSRH＝SRH-SRH，a
其中，STP表示温度廓线后验误差矩阵，SRH表示湿度廓线后验误差矩阵。
10.一种星载微波高光谱温湿度廓线反演精度评估***，其特征在于，包括：数据预处理模块，先验误差计算模块，仪器观测误差处理模块，雅可比矩阵计算模块，后验误差处理模块，温湿度反演精度评估模块；
所述数据预处理模块用于获取地基探空观测数据，筛选得到晴空探空廓线，对晴空探空廓线进行线性插值；
所述先验误差计算模块用于基于晴空探空廓线构建温度廓线和湿度廓线的先验误差协方差矩阵；
所述仪器观测误差处理模块用于计算理想中心频率和矩形谱响应函数所对应的理想亮温，计算中心频率漂移和实际测量的非理想通道谱响应函数所对应的实际亮温，比较理想亮温和实际亮温的差值得到观测误差，基于仪器误差和观测误差构建仪器观测误差协方差矩阵；
所述雅可比矩阵计算模块用于基于大气辐射传输计算温度雅可比矩阵和湿度雅可比矩阵；
所述后验误差处理模块用于基于温度雅可比矩阵、仪器观测误差协方差矩阵和温度廓线的先验误差协方差矩阵构建温度廓线后验误差协方差矩阵；
基于湿度雅可比矩阵、仪器观测误差协方差矩阵和湿度廓线的先验误差协方差矩阵构建湿度廓线后验误差协方差矩阵；
所述温湿度反演精度评估模块用于比较温度廓线和湿度廓线的后验误差与先验误差协方差矩阵，获得高光谱微波反演温湿度廓线的精度。
CN202211286477.1A 2022-10-20 2022-10-20 一种星载微波高光谱温湿度廓线反演精度评估方法及*** Pending CN115561836A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211286477.1A CN115561836A (zh) 2022-10-20 2022-10-20 一种星载微波高光谱温湿度廓线反演精度评估方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211286477.1A CN115561836A (zh) 2022-10-20 2022-10-20 一种星载微波高光谱温湿度廓线反演精度评估方法及***

Publications (1)

Publication Number Publication Date
CN115561836A true CN115561836A (zh) 2023-01-03

Family

ID=84747307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211286477.1A Pending CN115561836A (zh) 2022-10-20 2022-10-20 一种星载微波高光谱温湿度廓线反演精度评估方法及***

Country Status (1)

Country Link
CN (1) CN115561836A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116187025A (zh) * 2023-01-09 2023-05-30 中国科学院合肥物质科学研究院 基于地基红外遥感的晴空大气温湿度廓线快速反演方法
CN116610904A (zh) * 2023-07-18 2023-08-18 山东省科学院海洋仪器仪表研究所 一种温度廓线仪探测通道选择方法及温度廓线反演方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116187025A (zh) * 2023-01-09 2023-05-30 中国科学院合肥物质科学研究院 基于地基红外遥感的晴空大气温湿度廓线快速反演方法
CN116187025B (zh) * 2023-01-09 2023-09-15 中国科学院合肥物质科学研究院 基于地基红外遥感的晴空大气温湿度廓线快速反演方法
CN116610904A (zh) * 2023-07-18 2023-08-18 山东省科学院海洋仪器仪表研究所 一种温度廓线仪探测通道选择方法及温度廓线反演方法

Similar Documents

Publication Publication Date Title
CN112213727B (zh) 一种基于主被动微波联合探测的星载雷达的降水订正方法
CN108875254B (zh) 一种大气温湿廓线的一维变分反演方法
CN115561836A (zh) 一种星载微波高光谱温湿度廓线反演精度评估方法及***
CN110174359B (zh) 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法
CN108426856B (zh) 评估激光雷达卫星测量大气co2浓度性能的综合分析***
CN109709558B (zh) 一种星载微波遥感陆地上空pwv的物理反演方法
CN109063083B (zh) 一种多源气象信息数据同化方法
CN113552080B (zh) 一种超光谱遥感地表大气相对湿度的实时反演算法
Feng et al. Do CMIP5 models show El Niño diversity?
CN116297068B (zh) 基于地表反射率优化的气溶胶光学厚度反演方法及***
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
CN113408111B (zh) 大气可降水量反演方法及***、电子设备和存储介质
CN108319772A (zh) 一种波浪长期数据的再分析方法
Marseille et al. Toward scatterometer winds assimilation in the mesoscale HARMONIE model
Karbou et al. Global 4DVAR assimilation and forecast experiments using AMSU observations over land. Part II: Impacts of assimilating surface-sensitive channels on the African monsoon during AMMA
Pereira et al. Solar irradiance modelling using an offline coupling procedure for the Weather Research and Forecasting (WRF) model
Nandakumar et al. Validation of wind measurements from a 53 MHz ST Radar Pilot Array located at University of Calcutta with collocated radiosonde launches
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
Legrand et al. Diagnosing non-Gaussianity of forecast and analysis errors in a convective-scale model
Cimini et al. A data assimilation experiment of temperature and humidity profiles from an international network of ground-based microwave radiometers
Ronzio et al. A survey on different radiative and cloud schemes for the solar radiation modeling
CN114486820A (zh) 一种机载微波辐射计云中过冷水的反演方法
Zhu et al. A method for retrieving thermodynamic atmospheric profiles using microwave radiometers of meteorological observation networks
Fujita et al. Effects of flow dependency introduced by background error in frequent and dense assimilation of radial winds using observation error correlated in time and space
Chiu et al. Surface rain rates from tropical rainfall measuring mission satellite algorithms

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