CN116243406A - 一种卫星红外辐射率资料的全空同化方法 - Google Patents
一种卫星红外辐射率资料的全空同化方法 Download PDFInfo
- Publication number
- CN116243406A CN116243406A CN202310291988.0A CN202310291988A CN116243406A CN 116243406 A CN116243406 A CN 116243406A CN 202310291988 A CN202310291988 A CN 202310291988A CN 116243406 A CN116243406 A CN 116243406A
- Authority
- CN
- China
- Prior art keywords
- assimilation
- information
- satellite
- infrared
- observation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000005855 radiation Effects 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 239000002245 particle Substances 0.000 claims abstract description 8
- 230000005283 ground state Effects 0.000 claims abstract description 7
- 239000000017 hydrogel Substances 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 15
- 230000001419 dependent effect Effects 0.000 claims description 6
- IAPHXJRHXBQDQJ-ODLOZXJASA-N jacobine Natural products O=C1[C@@]2([C@H](C)O2)C[C@H](C)[C@](O)(C)C(=O)OCC=2[C@H]3N(CC=2)CC[C@H]3O1 IAPHXJRHXBQDQJ-ODLOZXJASA-N 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
-
- 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)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种卫星红外辐射率资料的全空同化方法,包括:根据三维变分同化方法构建目标函数;将红外卫星辐射率资料和大气基态信息输入到快速辐射传输模式中,得到大气湿度、温度、各类水凝物粒子浓度廓线的分析增量和模式模拟亮温;在WRFDA资料同化***中调用RTTOV模式计算出的模拟信息;通过最小化代价函数,并基于同化后改善的初始场,使用WRF数值预报模式对中小尺度天气***进行预报以及检验。本发明有效同化了全空条件下的静止卫星红外辐射率资料,以获得除大气温度、湿度等以外的云雨区信息的分析变量,基于同化之后改善的环境初始场,在数值预报模式中积分并改善中小尺度灾害性天气***的预报水平。
Description
技术领域
本发明涉及地球科学中卫星气象资料应用技术领域,尤其涉及一种基于快速辐射传输模式和WRFDA相耦合的卫星红外辐射率资料的全空同化方法。
背景技术
红外卫星辐射率受云的影响大,其无法穿过云雨区辐射到地表,因此通过快速辐射传输模式直接同化这部分云雨区下的资料可能产生会较大误差。考虑到目前对云相关的一些复杂过程了解甚少,当前国际上针对静止卫星红外辐射率资料的同化技术大多只在晴空条件或无云条件下实施,即通过一系列的云检测质控方案,在同化之前就把受云影响的红外辐射率资料剔除掉。例如,现有技术中采用一种似然概率论法来估测无云条件下的观测资料占比概率,也有采用一种基于通道依赖性的云检测算法,通过对红外通道的排序来识别无云影响的通道,对于多层云的识别,Auligné, T. 提出了多元最小残差的方法,以最小化每个观测视场的代价函数,从而避免了剔除整个受云污染通道内的所有资料,Xu etal. 提出了一种基于贝叶斯理论的粒子滤波云检测算法,从而获得云影响的资料信息。然而这部分云区下的红外辐射率资料可以提供一些重要的云、雨、温度、湿度等大气观测信息,从而有利于中小尺度灾害性天气***的监测和预报,如果直接同化全空下的红外辐射率资料,可以避免一些耗时且不确定性较大的云检测步骤,增大卫星观测的覆盖范围,有利于提供一个更具有代表性的观测样本,此外红外卫星辐射率资料相比于其他类型的观测资料,可以提供更多的关于高层卷云的探测信息。
发明内容
发明目的:本发明的目的是提供一种基于快速辐射传输模式和WRFDA相耦合的卫星红外辐射率资料的全空同化方法。
技术方案:本发明所述方法包括如下步骤:
(1)根据三维变分同化方法构建目标函数;
(2)将红外卫星辐射率资料和大气基态信息输入到快速辐射传输模式中,得到大气湿度、温度、各类水凝物粒子浓度廓线的分析增量和模式模拟亮温;
(3)在WRFDA_direct直接同化模块中调用RTTOV模式计算出的模拟信息,然后在WRFDA直接同化模块进行资料预处理步骤,剔除部分观测和模拟间偏差较大的信息;
(4)在WRFDA同化***中自主搭建云雨区资料同化所需的切线性模块WRFDA_TL和伴随模块WRFDA_AD,获得含有大气温度、湿度以及云雨信息的分析变量结果,通过最小化代价函数,并基于同化后改善的初始场,使用WRF数值预报模式对中小尺度天气***进行预报以及检验。
进一步地,所述步骤(1)构建的目标函数为:
其中,是分析变量,/>是背景场信息,/>是红外卫星辐射率观测向量,/>和/>分别是观测误差协方差矩阵和背景误差协方差矩阵,/>是基于RTTOV快速辐射传输模式的观测算子,/>表示背景相关的代价函数项,/>表示观测相关的代价函数项。
进一步地,所述步骤(3)包括如下步骤:
(32)在WRFDA***中,调用RTTOV模式计算得到的 ,并将各类模式空间向量插值到观测空间上,从而计算观测空间上的观测亮温与模式模拟的亮温之差,其中/>是红外卫星辐射率观测向量,/>是模拟亮温;
进一步地,所述步骤(4)包括如下步骤:
(41)在WRFDA同化***中,自主搭建红外卫星辐射率观测资料全空同化的伴随算子和切线性算子,以求解目标函数;并与RTTOV_K模块相耦合,以调用RTTOV_K模式中计算并存储的各类Jacobin变量信息;
(42)通过最小化代价函数,使分析场达到统计意义上的最优,以获得一个改善的初始分析场,用于后期在WRF数值预报模式中积分并预报。
进一步地,所述步骤(41)中的Jacobin变量信息为辐射率相比于状态空间向量的梯度。
有益效果:本发明与现有技术相比,具有如下显著优点:本发明基于RTTOV快速辐射传输模式和WRFDA资料同化***相耦合的框架下,经过一系列的质量控制、偏差订正等资料预处理步骤,自主构建了风云系列静止卫星红外辐射率资料在全空条件下的云雨区同化模块;有效同化了全空条件下的静止卫星红外辐射率资料,以获得除大气温度、湿度等以外的云雨区信息的分析变量,基于同化之后改善的环境初始场,在数值预报模式中积分并改善中小尺度灾害性天气***的预报水平。
附图说明
图1为本发明的流程图。
实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,本发明所述方法包括如下步骤:
(1)根据三维变分同化方法构建目标函数;
(2)将红外卫星辐射率资料和大气基态信息输入到快速辐射传输模式中,得到大气湿度、温度、各类水凝物粒子浓度廓线的分析增量和模式模拟亮温;
(3)在WRFDA资料同化***中调用RTTOV模式计算出的模拟信息,然后在WRFDA直接同化模块进行资料预处理步骤,剔除部分观测和模拟间偏差较大的信息;
(4)在WRFDA同化***中自主搭建云雨区资料同化所需的切线性模块WRFDA_TL和伴随模块WRFDA_AD,获得含有大气温度、湿度以及云雨信息的分析变量结果,通过最小化代价函数,并基于同化后改善的初始场,使用WRF数值预报模式对中小尺度天气***进行预报以及检验,基于WRFDA_K模块可以调用RTTOV_K模式中计算并存储的各类大气变量的Jacobin信息(辐射率相比于状态空间向量的梯度)。
大气状态是非线性的,对初值极其敏感,即使数值模式是完美的且收敛于真实状态,初始状态的微小改变,积分后误差也会变得很大。因此,初始场的准确度直接关系到数值模式的预报效果,为得到良好的数值预报结果,发展了一种能够提高和改善初始场的技术,即资料同化技术,本发明基于的三维变分同化方法是根据变分原理,构造如下公式的目标函数:
其中,是分析变量,/>是背景场信息,/>是红外卫星辐射率观测向量,/>和/>分别是观测误差协方差矩阵和背景误差协方差矩阵,/>是基于RTTOV快速辐射传输模式的观测算子,/>表示背景相关的代价函数项,/>表示观测相关的代价函数项。
利用所有的观测值对模型预报值(模拟结果)进行全局调整(前后向积分),通过最小化代价函数,使分析场达到统计意义上的最优的一种方法,具体计算步骤如下:
S5:在WRFDA同化***中,自主搭建红外卫星辐射率观测资料全空同化的伴随算子和切线性算子,以求解目标函数;并与RTTOV_K模块相耦合,以调用RTTOV_K模式中计算并存储的各类Jacobin变量信息(辐射率相比于状态空间向量的梯度);
S6:最后在WRFDA同化***中,通过最小化代价函数,使分析场达到统计意义上的最优,以获得一个改善的初始分析场,用于后期在WRF数值预报模式中积分并预报。
Claims (6)
1.一种卫星红外辐射率资料的全空同化方法,其特征在于,所述方法包括如下步骤:
(1)根据三维变分同化方法构建目标函数;
(2)将红外卫星辐射率资料和大气基态信息输入到快速辐射传输模式中,得到大气湿度、温度、各类水凝物粒子浓度廓线的分析增量和模式模拟亮温;
(3)在WRFDA_direct直接同化模块中调用RTTOV模式计算出的模拟信息,然后在WRFDA直接同化模块进行资料预处理步骤,剔除部分观测和模拟间偏差较大的信息;
5.权利要求1所述的卫星红外辐射率资料的全空同化方法,其特征在于,所述步骤(4)包括如下步骤:
(41)在WRFDA同化***中,自主搭建红外卫星辐射率观测资料全空同化的伴随算子和切线性算子,以求解目标函数;并与RTTOV_K模块相耦合,以调用RTTOV_K模式中计算并存储的各类Jacobin变量信息;
(42)通过最小化代价函数,使分析场达到统计意义上的最优,以获得一个改善的初始分析场,用于后期在WRF数值预报模式中积分并预报。
6.根据权利要求5所述的卫星红外辐射率资料的全空同化方法,其特征在于,所述步骤(41)中的Jacobin变量信息为辐射率相比于状态空间向量的梯度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310291988.0A CN116243406A (zh) | 2023-03-23 | 2023-03-23 | 一种卫星红外辐射率资料的全空同化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310291988.0A CN116243406A (zh) | 2023-03-23 | 2023-03-23 | 一种卫星红外辐射率资料的全空同化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116243406A true CN116243406A (zh) | 2023-06-09 |
Family
ID=86633243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310291988.0A Pending CN116243406A (zh) | 2023-03-23 | 2023-03-23 | 一种卫星红外辐射率资料的全空同化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116243406A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 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 |
CN117743723A (zh) * | 2023-11-22 | 2024-03-22 | 中国气象局成都高原气象研究所 | 面向星地微波资料联合直接同化方法、装置和设备 |
CN117933095A (zh) * | 2024-03-20 | 2024-04-26 | 南京信息工程大学 | 一种基于机器学习的地表发射率实时反演及同化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047563A (zh) * | 2021-10-18 | 2022-02-15 | 中国人民解放军国防科技大学 | 一种红外高光谱的全天候同化方法 |
CN115481771A (zh) * | 2021-05-31 | 2022-12-16 | 江苏金风软件技术有限公司 | 天气预报方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-23 CN CN202310291988.0A patent/CN116243406A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115481771A (zh) * | 2021-05-31 | 2022-12-16 | 江苏金风软件技术有限公司 | 天气预报方法、装置、电子设备及存储介质 |
CN114047563A (zh) * | 2021-10-18 | 2022-02-15 | 中国人民解放军国防科技大学 | 一种红外高光谱的全天候同化方法 |
Non-Patent Citations (3)
Title |
---|
丁伟钰;万齐林;张诚忠;黄燕燕;陈子通;: "有云条件下HIRS/3资料的同化及其对"珍珠"台风的影响", 气象学报, no. 01 * |
丁伟钰;万齐林;黄燕燕;陈子通;张诚忠;: "有云环境下MODIS亮温资料的变分同化Ⅱ――对暴雨预报的影响", 热带气象学报, no. 01 * |
刘乐;李耀东;: "RTTOV快速辐射传输模式应用研究进展", 安徽农业科学, no. 03, pages 71 - 77 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 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 |
CN116449331B (zh) * | 2023-06-20 | 2023-08-15 | 成都远望科技有限责任公司 | 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 |
CN117743723A (zh) * | 2023-11-22 | 2024-03-22 | 中国气象局成都高原气象研究所 | 面向星地微波资料联合直接同化方法、装置和设备 |
CN117933095A (zh) * | 2024-03-20 | 2024-04-26 | 南京信息工程大学 | 一种基于机器学习的地表发射率实时反演及同化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116243406A (zh) | 一种卫星红外辐射率资料的全空同化方法 | |
Yumimoto et al. | Adjoint inversion modeling of Asian dust emission using lidar observations | |
Shi et al. | Parameter estimation of a physically based land surface hydrologic model using the ensemble Kalman filter: A synthetic experiment | |
Ridler et al. | Assimilation of SMOS‐derived soil moisture in a fully integrated hydrological and soil‐vegetation‐atmosphere transfer model in W estern D enmark | |
US20070244645A1 (en) | Gas-condition predicting device and diffusion-condition predicting system | |
CN109784552B (zh) | 一种基于Re-ESF算法的空间变系数PM2.5浓度估算模型的构建方法 | |
CN111579504B (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
CN111060992B (zh) | 星载微波双氧探测通道等权重共轭的降水检测方法及*** | |
CN113108918B (zh) | 一种极轨气象卫星热红外遥感数据反演气温方法 | |
CN114881323A (zh) | 基于深度神经网络的基坑降水区地下水位预测与更新方法 | |
Lu et al. | Prediction of diffuse solar radiation by integrating radiative transfer model and machine-learning techniques | |
CN114004163A (zh) | 一种基于modis和长短时记忆网络模型的pm2.5反演方法 | |
CN114677579A (zh) | 一种基于卫星红外探测元参数的云顶高度实时计算方法 | |
CN117409334A (zh) | 一种基于静止卫星遥感数据的气溶胶类型识别方法 | |
Verma et al. | A machine learning approach and methodology for solar radiation assessment using multispectral satellite images | |
CN113111529B (zh) | 融合数值模式和卫星微波云反演数据的红外亮温模拟方法 | |
Issartel et al. | An inversion technique to retrieve the source of a tracer with an application to synthetic satellite measurements | |
CN114219345A (zh) | 一种基于数据挖掘的二次空气质量预报优化方法 | |
CN112285130A (zh) | 大气热力结构的反演方法、装置、设备以及存储介质 | |
Ezenne et al. | An overview of uncertainties in evapotranspiration estimation techniques | |
CN116699729A (zh) | 地基微波辐射计资料的直接同化方法及装置 | |
Schuch et al. | Estimation of urban air temperature from a rural station using remotely sensed thermal infrared data | |
CN114047563A (zh) | 一种红外高光谱的全天候同化方法 | |
Choudhury | Estimation of vapor pressure deficit over land surfaces from satellite observations | |
Shao et al. | A high-resolution soil moisture content analysis product in Jing-Jin-Ji using the successive correction method |
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 |