en
×

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。
通讯作者:

邹晓蕾,E-mail:xzou1@umd.edu.

中文引用: 李琪,邹晓蕾,2020.基于IASI双二氧化碳通道的一种不同高度云检测算法[J].大气科学学报,43(5):856-866.

英文引用: Li Q,Zou X L,2020.A different layer cloud detection algorithm based on IASI double CO2 bands[J].Trans Atmos Sci,43(5):856-866.doi:10.13878/j.cnki.dqkxxb.20181012002.(in Chinese).

参考文献 1
Andersson E,Pailleux J,Thépaut J N,et al.,1994.Use of cloud-cleared radiances in three/four-dimensional variational data assimilation[J].Quart J Roy Meteor Soc,120(517):627-653.
参考文献 2
Aumann H H,Chahine M T,Gautier C,et al.,2003.AIRS/AMSU/HSB on the aqua mission:design,science objectives,data products,and processing systems[J].IEEE Trans Geosci Remote Sensing,41(2):253-264.
参考文献 3
Chahine M T,Pagano T S,Aumann H H,et al.,2006.The atmospheric infrared sounder(AIRS):improving weather forecasting and providing new insights into climate[J].Bull Ame Meteor Soc,87:911-926.
参考文献 4
Chen Y,Han Y,van Delst P,et al.,2013.Assessment of shortwave infrared sea surface reflection and nonlocal thermodynamic equilibrium effects in the community radiative transfer model using IASI data[J].J Atmos Ocean Technol,30(9):2152-2160.
参考文献 5
Collard A D,2007.Selection of IASI channels for use in numerical weather prediction[J].Quart J Roy Meteor Soc,133(629):1977-1991.
参考文献 6
Collard A D,McNally A P,2009.The assimilation of infrared atmospheric sounding interferometer radiances at ECMWF[J].Quart J Roy Meteor Soc,135(641):1044-1058.
参考文献 7
Han Y,Weng F Z,Liu Q H,et al.,2007.A fast radiative transfer model for SSMIS upper atmosphere sounding channels[J].J Geophys Res,112(D11):D11121.
参考文献 8
Han Y,Revercomb H,Cromp M,et al.,2013.Suomi NPP CrIS measurements,sensor data record algorithm,calibration and validation activities,and record data quality[J].J Geophys Res Atmos,118(22):12734-12748.
参考文献 9
李刚,吴兆军,张华,2016.偏差订正方法在IASI辐射率资料同化中的应用研究[J].大气科学学报,39(1):72-80.Li G,Wu Z J,Zhang H,2016.Bias correction of infrared atmospheric sounding interferometer radiances for data assimilation[J].Trans Atmos Sci,39(1):72-80.(in Chinese).
参考文献 10
Lin X,Zou X L,2017.Bias characterization of CrIS radiances at 399 selected channels with respect to NWP model simulations[J].Atmos Res,196:164-181.
参考文献 11
Lin X,Zou X L,Weng F Z,2017.Combining CrIS double CO2 bands for detecting clouds located in different layers of the atmosphere[J].J Geophys Res Atmos,122(3):1811-1827.
参考文献 12
刘健文,蔡则帅,闵锦忠,等,2015.ATMS 微波资料特征及其对台风路径预报的影响[J].大气科学学报,38(3):421-427.Liu J W,Cai Z S,Min J Z,et al.,2015.Characteristics of ATMS data and their impact on typhoon track forecast[J].Trans Atmos Sci,38(3):421-427.(in Chinese).
参考文献 13
Menzel W P,Schmit T J,Zhang P,et al.,2018.Satellite-based atmospheric infrared sounder development and applications[J].Bull Ame Meteor Soc,99(3):583-603.
参考文献 14
Noh Y C,Sohn B J,Kim Y,et al.,2017.A new infrared atmospheric sounding interferometer channel selection and assessment of its impact on Met Office NWP forecasts[J].Adv Atmos Sci,34(11):1265-1281.
参考文献 15
Xu D M,Liu Z Q,Huang X Y,et al.,2013.Impact of assimilating IASI radiance observations on forecasts of two tropical cyclones[J].Meteor Atmos Phys,122(1/2):1-18.
参考文献 16
杨春,闵锦忠,陈耀登,2015.WRF-EnSRF卫星资料同化模块的构建研究[J].大气科学学报,38(4):549-556.Yang C,Min J Z,Chen Y D,2015.Construction of WRF-EnSRF satellite data assimilation system[J].Trans Atmos Sci,38(4):549-556.(in Chinese).
参考文献 17
殷梦涛,邹晓蕾,2015.极轨气象卫星高光谱红外探测仪简介[J].气象科技进展,5(1):29-39.Yin M T,Zou X L,2015.An introduction to hyper-spectral infrared sounders onboard polar-orbiting meteorological satellites[J].Adv Meteor Sci Technol,5(1):29-39.(in Chinese).
参考文献 18
余意,张卫民,曹小群,等,2017.同化IASI资料对台风“红霞”和“莫兰蒂”预报的影响研究[J].热带气象学报,33(4):500-509.Yu Y,Zhang W M,Cao X Q,et al.,2017.Impact of data assimilation for the Iasi observations on the forecast of typhoon Hongxia and molandi[J].J Trop Meteor,33(4):500-509.(in Chinese).
参考文献 19
张建伟,王根,张华,等,2011.基于主成分累计影响系数法的高光谱大气红外探测器的通道选择试验[J].大气科学学报,34(1):36-42.Zhang J W,Wang G,Zhang H,et al.,2011.Experiment on hyper-spectral atmospheric infrared sounder channel selection based on the cumulative effect coefficient of principal component[J].Trans Atmos Sci,34(1):36-42.(in Chinese).
参考文献 20
张磊,董超华,张文建,等,2008.METOP星载干涉式超高光谱分辨率红外大气探测仪(IASI)及其产品[J].气象科技,36(5):639-642.Zhang L,Dong C H,Zhang W J,et al.,2008.METOP-on-board super-high spectrum resolution infrared atmospheric sounding interferometer(IASI)[J].Meteor Sci Technol,36(5):639-642.(in Chinese).
参考文献 21
张涛,姜立鹏,师春香,等,2019.AMSU-A 全空辐射率资料同化对台风“天鸽”的预报影响研究[J].大气科学学报,42(5):705-714.Zhang T,Jiang L P,Shi C X,et al.,2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO[J].Trans Atmos Sci,42(5):705-714.(in Chinese).
参考文献 22
张同,鲍艳松,陆其峰,2016.IASI卫星资料同化对江淮暴雨预报的试验研究[J].科学技术与工程,16(6):9-16,36.Zhang T,Bao Y S,Lu Q F,2016.The Iasi date assimilating experiments on the heavy rain over the Yangtze River basin[J].Sci Technol Eng,16(6):9-16,36.(in Chinese).
目录contents

    摘要

    利用红外高光谱探测仪(Infrared Atmospheric Sounding Interferometer,IASI)在二氧化碳吸收带的长短波红外通道对云反应程度的不同来探测云。依据不同通道的权重函数峰值高度和云不敏感层高度将IASI长短波红外通道进行配对,成功配对的长短波红外通道晴空亮温之间建立线性回归模型,即通过长波红外通道亮温可以线性回归得到配对的短波通道亮温,将短波通道的晴空回归亮温和观测亮温之差定义为云指数。权重函数峰值高度位于383 hPa的云指数空间分布和云成分为冰的空间分布较为一致,尤其在赤道和低纬度地区。权重函数峰值高度位于790 hPa的云指数空间分布和低云云顶气压也有较好的一致性。

    Abstract

    The Infrared Atmospheric Sounding Interferometer(IASI) is applied to perform cloud detection,by using the different responses to clouds between longwave and shortwave channels at CO2 bands.First,IASI longwave channels are paired with shortwave channels based on weighing function altitudes and sensitivity to clouds.A linear relationship of the brightness temperatures between each pair of channels is then established to predict the shortwave channel from the longwave channel under clear sky conditions.Finally,a cloud emission and scattering index(CESI) can be defined as the difference in the paired shortwave channel between the regression model predicted and the observed brightness temperatures.The spatial distribution of the CESIs with weighting functions peaking at around 383 hPa is consistent with that of the cloud phase of ice,especially at the equator and low latitudes.The spatial distribution of CESIs with weighting functions peaking at around 790 hPa agrees well with the distribution of the low cloud top pressure.

  • 利用卫星红外探测仪来探测大气不同垂直层内的云具有一定难度,尤其对于和背景场差别较小的光学厚度比较薄的云而言。2002年5月4日美国国家航空航天局(National Aeronautics and Space Administration,NASA)成功发射Aqua卫星,其上搭载了全新第一代光栅式红外高光谱探测仪AIRS(Atmospheric Infrared Sounder),共有2378个通道(Aumann et al.,2003;Chahine et al.,2006)。第二代干涉式红外高光谱探测仪IASI搭载于欧洲上午星MetOp A/B,分别于2006年10月19日和2012年12月17日发射,共有8461个通道(Chen et al.,2013)。2011年10月28日,美国下午星Suomi-NPP卫星成功发射,搭载了第三代红外高光谱大气探测仪CrIS(Cross-track Infrared Sounder),共有1305个通道(Han et al.,2013)。2017年11月15日,我国FY-3D星发射成功,搭载了我国新一代红外高光谱探测仪HIRAS(High spectral Infrared Atmospheric Sounder),其性能和CrIS相当,光谱覆盖范围为3.92~15 μm,共1343个探测通道(Menzel et al.,2018)。

  • 随着卫星探测技术的快速发展和数据处理能力的不断提高,国内外相继开展了大量的卫星资料的同化试验研究。Collard and McNally(2009)研究表明在同化系统中额外加入IASI辐射资料,对预报质量的提高有显著的积极影响。Xu et al.,(2013) 表明同化IASI资料对太平洋和大西洋上的两个台风个例的路径、强度预报有持续的正效应。张同等(2016)研究表明IASI资料同化对温度、湿度等气象要素的调整更明显。余意等(2017)以三维变分同化系统(Weather Research Forecast-Data Assimilation,WRF-DA)为基础构建IASI同化试验平台,试验结果表明有效的云检测过程能提高IASI资料同化分析场的准确性,同化IASI资料有利于改善台风预报技巧。李刚等(2016)建立了适用于业务的IASI资料偏差订正方案。杨春等(2015)构建了WRF-EnSRF卫星资料同化系统并开展同化试验。刘健文等(2015)、张涛等(2019)研究均表明同化卫星资料能有效改善台风路径和强度预报偏差。

  • 在数值天气预报中,卫星红外高光谱资料同化的一个重要前期步骤就是云检测(Andersson et al.,1994)。Lin and Zou(2017)首次提出利用CrIS的长波红外通道和短波红外通道来探测云。其原理是基于长短波红外通道对于云的发射散射强度的敏感度不同,将长短波通道进行匹配和结合计算出一系列云指数ICES(Cloud Emission and Scattering Index,CESI),从而捕捉大气不同垂直层内的云特征。但是该算法只是一个初步的尝试,仅使用了欧洲中心(European Centre for Medium-Range Weather Forecasts,ECMWF)83条能代表大气平均变化状态的廓线进行回归和计算。相比CrIS而言,IASI的光谱覆盖范围更广,垂直方向分辨率更高。因此,本文针对IASI仪器,廓线选择上考虑季节变化,使用春夏秋冬各一周晴空廓线进行回归和计算,且将匹配高度由原算法的150 hPa提高到50 hPa,得到更多的配对通道。

  • 1 仪器参数和模式介绍

  • 1.1 IASI仪器特征

  • 搭载在MetOp A/B星上的IASI是一种基于迈克尔逊干涉仪且带有成像系统的傅里叶变换光谱仪,有极高的光谱分辨率。共有8461个探测通道,光谱范围为645~2760 cm-1(3.62~15.5 μm),光谱分辨率为0.25 cm-1。其中长波红外探测通道(Longwave infrared,LWIR)光谱范围为8.26~15.5 μm,中波红外探测通道(Midwave infrared,MWIR)光谱范围为5.0~8.26 μm,短波红外通道(Shortwave infrared,SWIR)光谱范围为3.62~5.0 μm(张磊等,2008)。IASI光谱范围涵盖CO2,CH4,SO2,N2O以及H2O等多种常见和微量气体,对大气温湿廓线和气体探测能力强。

  • 图1展示了利用美国标准大气廓线和快速辐射传输模式(Community Radiative Transfer Model,CRTM)计算得到的8461个通道的模拟亮温,其中红色点表示ECMWF通常用于数值预报的616个通道(Collard,2007;张建伟等,2011;Noh et al.,2017;),可以看到位于CO2吸收带的短波红外通道几乎没有被选择,出于配对目的额外增加57个短波红外通道(波长位于2242.75~2382.75 cm-1,间隔0.5 cm-1)用于后续长短波通道配对,这些通道用蓝色点标出。因此,本文用到的通道共有673个。

  • 作为跨轨扫描仪器,IASI扫描方式为分步扫描,扫描频率为8 s,对地扫描张角为±48.3°。图2

  • 图.1 利用美国标准大气廓线和CRTM模式得到的IASI所有通道模拟亮温(长波、中波和短波红外通道分别用灰色、黄色和青色阴影表示;数值预报模式选择的616个通道用红色点标出,额外增加的57个权重函数峰值高度位于400 hPa以上的CO2短波红外通道用蓝色点标出)

  • Fig.1 CRTM-simulated brightness temperature for IASI LWIR(gray shaded spectral region),MWIR(yellow shaded spectral region),and SWIR(cyan shaded spectral region) with US standard profile.The 616 channels selected by NWP are indicated by red dots,and the additional 57 SWIR selected channels,of which the peak WFs are located above 400 hPa,are indicated by blue dots

  • 展示了10°N附近三条IASI扫描线上驻留视场(Field of Regard,FOR)和瞬时视场(Field of View,FOV)的大小分布。可以看到每条扫描线上有30个FOR,每个FOR由2×2个FOV组成。当卫星MetOp A/B自北向南沿轨运行时,IASI自东向西扫过30个FOR。IASI的波束宽度约为1°,星下点瞬时视场分辨率约为12 km(殷梦涛和邹晓蕾,2015)。

  • 1.2 模式模拟

  • 云检测算法涉及模式晴空亮温模拟。本文用到的辐射传输模式是美国卫星资料同化联合中心(Joint Center for Satellite Data Assimilation,JCSDA)开发的CRTM(Han et al.,2007)。最初的CRTM版本v1于2004年发布,随后不断改进和扩展。本文用的是v2.2.3版本。

  • 本文使用的背景场廓线是ECMWF 2016年1月1—7日,4月1—7日,7月1—7日,10月1—7日00,06,12,18时次(世界时,下同)的再分析资料,水平分辨率为0.25°×0.25°,垂直方向上共91层,层顶气压为0.1 hPa。60°S与60°N之间每隔15°划分一个纬度带,每个纬度带每个时次随机选择50根晴空廓线,最终共选择了44800根廓线作为CRTM的

  • 图.2 2017年10月1日IASI通道1三条连续降轨扫描线观测视场空间分布(波束宽度为1°;三条扫描线上每个FOR第一个FOV分别用橘色、青色和灰色阴影表示)

  • Fig.2 Three continuous scanlines of IASI channel 1 with an IASI beam width of 1° from the descending nodes on October 1,2017(the first FOV in each FOR are filled with orange,cyan and light gray to represent the different scanlines)

  • 输入。使用ECMWF的云液态水含量值作为判断是否晴空的依据,小于0.01 kg·m-2视为晴空。输入的廓线变量主要有大气温度和相对湿度,此外还需要输入仪器参数如卫星扫描角和天顶角。

  • 图3展示了所选的不同季节各纬度带平均温度和湿度廓线,从图中可以看出纬度带差异和季节性差异明显。图3i展示了2016年1月1日4个时次所选晴空廓线的空间分布。由于地表发射率具有不确定性,相比陆地而言,目前模式在洋面情况下的模拟更为准确,因此所选廓线主要分布在洋面。从图中可以看到廓线在各个纬度带分布较为均匀,充足且具有代表性的廓线资料量可以确保后期指数计算的可靠性。

  • 2 云指数算法

  • 大气中CO2有两个吸收波段,一个在15 μm(667 cm-1)附近,对应IASI长波红外通道,另一个波段在4.3 μm(2349 cm-1)附近,对应短波红外通道。这两个波段的长短波红外通道对大气特定压力条件下的温度敏感,可以用来探测大气温度的垂直分布。在有云的区域,长波和短波红外通道对云的反应存在一定差异,由于冰粒子强的散射作用造成的对短波通道观测亮温的衰减要远远大于长波红外通道。因此,利用在垂直方向上分辨率较高的长短波红外高光谱探测资料可以有效地对大气不同垂直层内的云进行探测。

  • 具体而言,依据权重函数峰值高度和云不敏感层高度这两个参数对长短波红外通道进行初步筛选,确保配对的长短波通道有相近的探测高度。再利用长短波通道模拟亮温的标准差为每一个长波通道选定与之配对的短波通道,这样配对的长短波通道亮温在晴空条件下具有强的相关性。利用线性回归将这种关系定量化,基于这种定量化关系,当大气中存在云时,假定长波红外通道观测受云影响较小,通过线性回归可以得到“晴空”条件下的对应短波通道的回归亮温,再利用短波通道回归亮温和观测亮温之差即可用来探测该通道权重函数峰值高度附近的云。

  • 2.1 长短波红外通道配对

  • 在长短波红外通道的配对过程中,仅考虑权重函数峰值高度位于50 hPa以下的通道。对于每一个长波红外通道,找到满足以下三个条件的短波红外通道就认为配对成功。

  • 1)候选的短波红外通道的权重函数峰值高度和长波红外通道的权重函数峰值高度相差小于50 hPa。

  • 2)云不敏感层高度由下式算出:

  • Rclar LWIR -Rcloudy LWIR Rclear LWIR PCS LWIR 0.01,Rclear SWIR -Rcloudy SWIR Rclear SWIR pCS LWIR 0.1
    (1)
  • 其中, Rcloudy LWIR (Rcloudy SWIR )表示利用CRTM模拟的有云条件下的长短波通道辐射值,不透明云分别添加至气压层Lp,Lp依次从50 hPa增加到下一模式层高度,其他参数和晴空模拟时相同。云不敏感层高度表示该通道在这个高度以下的权重占比非常小,以至于该高度以下的大气辐射可以忽略不计。第二个条件即候选的短波通道在满足第一个条件情况下,云不敏感层高度和长波通道相差也要小于50 hPa。这个条件即保证了配对的长短波通道的权重函数在垂直方向上有相似的分布。

  • 3)将所选的ECMWF廓线作为CRTM的输入,得到IASI长短波红外通道模拟亮温。计算长波通道亮温和满足前两个条件的候选短波通道亮温标准差,选择亮温标准差最小的通道作为最终的配对通道。

  • 前两个条件中的权重函数峰值高度和云不敏感高度均由美国标准大气廓线输入CRTM计算得到。图4展示了673个通道中285个长波通道和208个短波通道的权重函数峰值高度和云不敏感层高度。权重函数峰值高度表示该通道探测到的大气辐射主要来自该高度大气层。从图中可以看到从对流层到平流层的各个高度都分布有大量通道,这一点也保

  • 图.3 2016年1月1—7日,4月1—7日,7月1—7日,10月1—7日每15°纬度带内平均湿度廓线(a、b、c、d)和平均湿度廓线(e、f、g、h),2016年1月1日选出的ECMWF晴空廓线所在位置(i,四个时次分别用黑色、蓝色、红色和绿色表示)

  • Fig.3 Vertical profiles of(a,b,c,d)mean temperature and(e,f,g,h)mean specific humidity averaged in 15° latitudes during the periods of January 1—7,April 1—7,July 1—7 and October 1—7,2016.(i)Locations of the selected ECMWF profiles under clear sky conditions at 0000 UTC(black),0600 UTC(blue),1200 UTC(red),and 1800 UTC(green) on January 1,2016

  • 证了条件一和条件二的筛选顺利完成。前两个步骤完成之后,存在一个长波通道对应多个短波通道的情况。第三个条件可以最终确定成功配对的通道。将所选的ECMWF晴空廓线(图3)输入CRTM,得到IASI长短波通道的晴空模拟亮温。图5展示了通过前两个条件筛选后的128个长波红外通道和对应候选短波通道之间星下点晴空模拟亮温的标准差。标准差最小的作为最终的配对通道。通过三个条件的筛选,最终成功配对30对。

  • 图6展示了成功配对的长短波通道权重函数峰值高度分布。可以看到配对的通道在平流层和对流层均有分布,主要集中在300 hPa以下,随高度分布较为均匀。这也为探测大气垂直层内不同高度云奠定基础。图7为配对成功的长短波通道的标准化权重函数分布。从图中可以看到配对的长短波通道权重函数在垂直方向的分布以及峰值高度都较为一致,这也和前两个筛选条件相一致。表1列出了每一对配对通道的通道号、波长、权重函数峰值高度以

  • 图.4 利用美国标准大气廓线和CRTM模式计算得到的285个长波红外通道(a)和208个短波红外通道(b)的权重函数峰值高度(黑色)以及云不敏感层高度(绿色)

  • Fig.4 Peak WF altitudes(black) and cloud-insensitive levels(green) of(a)285 LWIR channels and(b)208 SWIR channels calculated by using the U.S.standard atmospheric profiles as input to CRTM

  • 图.5 通过条件1和条件2筛选后的128个长波红外通道和对应候选短波通道之间模拟亮温的标准差(灰色空心圈)(x轴表示前两个条件筛选后的128个长波通道,按照波长从低到高依次排列;最小标准差用彩色圈标出;最终配对成功的通道用彩色实心以及粗的空心圈表示;最后有30对配对成功)

  • Fig.5 Root-mean-square deviation(RMSD) of brightness temperatures between the paired LWIR and SWIR channels which passed steps 1 and 2(grey circles).The x axis represents 128 LWIR channels left after steps 1 and 2,ordered from lower to higher wave number.The minimum RMSD is indicated by the colored symbols,with the final selected pairs being represented by solid colored symbols.There are 30 pairs identified

  • 及云不敏感层高度。探测高度位于平流层以及对流层上层的有8对,位于对流层中层的有8对,位于对流层低层的有7对,其余位于地面或者近地层。

  • 2.2 CESI指数计算

  • 配对完成后,针对每一对长短波通道晴空模拟亮温建立线性回归模型:

  • Tb,i, regression SWIR=αiTb,i,CRTMclearLWIR+βi
    (2)
  • 其中 αiβi由下式获得:

  • minJαiβi=j=144800Tb,i, regression SWIR(j)-Tb,i, CRTMelear SWIR(j)2
    (3)
  • 其中,j表示所选的ECMWF 44800根晴空廓线。回归时仅使用每个FOR中的第一个FOV进行回归计算。

  • 图8展示了第1,6,10,15,16,19,21,23对长短波红外配对通道的晴空模拟亮温散点,通道的探测高度涵盖整个对流层甚至到平流层高度。IASI长短波通道晴空模拟亮温由所选的ECMWF廓线输

  • 图.6 利用美国标准大气廓线和CRTM模式计算得到的最终配对成功的30对长短波红外通道的权重函数峰值高度分布(a、b)

  • Fig.6(a,b)Peak WF altitude(colored circles) of 30 paired LWIR and SWIR channels calculated by using the U.S.standard atmospheric profiles as input to CRTM

  • 图.7 配对成功的30对长波红外通道(a)和短波红外通道(b)的标准化权重函数

  • Fig.7 Normalized WFs of(a)30 paired LWIR and(b)30 SWIR channels

  • 入CRTM模式中模拟得到。从图中可以看到整体回归效果较好,无明显纬度带和季节差异。图9a、b分别展示了30对配对通道在各个FOR上的回归系数α和β。可以看到前5对,也就是权重函数峰值高度位于200 hPa以上的配对通道,回归斜率都小于1,即长波红外通道的亮温要高于短波红外通道。而权重函数峰值高度位于200 hPa以下的配对通道,回归斜率均大于1,即长波红外通道的观测亮温要低于短波红外通道。从图中还可以看到回归系数不仅有强的通道依赖性,也有弱的扫描角依赖性。图中黑色叉号表示回归系数在所有FOR上的平均。这也表明对于跨轨扫描仪器而言,按不同FOR来分别得到回归系数是有必要的。图9c为与图9a、b对应的回归误差标准差,几乎所有配对通道回归标准差都小于5 K。第17,18对(探测高度分别为607 hPa和672 hPa)回归误差较大,可能与通道本身辐射特性有关,其原因还有待更进一步研究。

  • 得到回归系数后,CESI指数由下式计算得出:

  • ICES=Tb,i, regress ion SWIRTb,i,obsLWIR,αi,βi-Tb,i,obsLWIR
    (4)
  • 其中

  • Tb,i, regression SWIR=αiTb,i,obsLWIR+βi
    (5)
  • 图10展示了2016年2月1日第10对长短波通道观测亮温的全球分布(升轨)。由于云下的红外辐射无法穿透云到达卫星传感器,云区视场的辐射观测亮温要远远低于晴空条件下的亮温,尤其在含冰粒子较多的云层。从图中还可以看到观测亮温

  • 表.1 配对的30对长短波红外通道的通道号、波长、权重函数峰值高度和云不敏感层高度

  • Table.1 Channel number,wave number,peak WF pressure,and cloud-insensitive level pressure for 30 paired LWIR and SWIR channels

  • 具有明显的临边效应,即大的扫描张角位置和星下点位置之间稳定存在的亮温差异。这是由于IASI作为跨轨扫描仪器,大扫描张角下大气辐射经历的光学路径要比星下点长,权重函数高度比星下点高,导致临边效应(Lin et al.,2017)。

  • 图11a展示了第10对CESI指数(383 hPa)的空间分布,图11b为IASI二级云产品,其中黑色和白色点分别表示有云冰和没有云冰。通常而言冰云都位于该探测高度以上,可以看到CESI指数大值区和产品中冰云的空间分布较为一致,尤其在赤道和中低纬度地区,指数较为准确的探测到了云冰的位置。

  • 图12为第21对CESI指数(790 hPa)和IASI二级产品中云顶气压的空间分布。这一对长短波红外通道探测高度位于对流层低层,从图中可以看到CESI指数和产品中云顶气压在738 hPa以下点的空间分布基本吻合,表明该对CESI指数基本捕捉到了所在探测高度云的空间分布。即云检测算法中

  • 图.8 第1(a)、6(b)、10(c)、15(d)、16(e)、19(f)、21(g)、23(h)对长短波红外通道在FOR15下的CRTM晴空模拟亮温散点(线性回归模型用黑色实线表示,纬度带用色标标明)

  • Fig.8 Scatterplots of CRTM simulated brightness temperatures at FOR 15 under clear sky conditions of pair(a)1,(b)6,(c)10,(d)15,(e)16,(f)19,(g)21 and(h)23.The linear regression model is indicated by the straight black line.The latitudinal bands are indicated by color bars

  • 不同探测高度的CESI指数反映了大气垂直层内不同高度云的分布。从图中也可以看到部分地区,尤其高纬度地区,CESI指数和云产品有一定差异,这是由于相比赤道和低纬度地区,高纬度云系较为复杂,针对不同云系的探测还有待更进一步的研究。CESI指数只能反映所在探测高度的云系,而云产品是针对整层大气而言,因此指数和云产品也会存在一定差异。

  • 3 小结与讨论

  • 本文在前人发展的针对CrIS的云检测算法基础上,在廓线选择和匹配高度等方面做了一定的调整,发展了一种利用IASI在CO2吸收波段的长短波红外通道辐射观测来探测大气中不同高度云的云检测算法。文中详细介绍了长短波红外通道的配对,模拟亮温回归以及CESI指数的计算过程。将IASI二级产品云顶气压以及云成分和计算得到的不同高度CESI指数做对比,发现CESI指数基本能较为准确地反映该探测高度云的分布特征。

  • IASI二级云产品只可以用来判断该点有没有云,或者固定某几层模式层高度云的空间分布。而本算法充分利用了IASI长短波红外探测通道在大气垂直方向上的高分辨率辐射观测,进而得到整个对流层甚至平流层各个高度云的空间分布情况。本

  • 图.9 配对的30对长短波红外通道在30个FOR上的线性回归系数α(a),线性回归系数β(b; Tb, regression SWIRTb, CR TMelear LWIR+β)以及回归误差标准差(c; Tb, regression SWIR-Tb, CR TMelear LWIR)(回归系数在所有FOR上的平均值用黑色叉号标出(顶部x轴),每个FOR中第一个FOV用于线性回归)

  • Fig.9(a)Regression coefficients α,(b) coefficients β(Tb, regression SWIRTb, CR TMelear LWIR+β) and(c) standard deviation of the regression model error(Tb, regression SWIR-Tb, CR TMelear LWIR) for 30 FORs of the 30 pairs(the mean values averaged over all FORs are indicated by black crosses(top x axis);the first FOV in each FOR is used for regression)

  • 图.10 2016年2月1日Metop B星IASI长波红外通道249(a)(707 cm-1)和短波红外通道6422(b)(2 250.25 cm-1) 的升轨亮温空间分布

  • Fig.10 Spatial distributions of brightness temperatures of(a)LWIR channel 249(707 cm-1) and(b)SWIR channel 6422(2 250.25 cm-1) for IASI ascending nodes of Metop B on February 1,2016

  • 文的CESI指数算法可以拓展到整个IASI光谱,进而得到更为详尽的云的垂直结构信息。

  • 云检测只是卫星红外高光谱资料同化前期的一个重要步骤,最终目的还是要服务于同化,得到更好的同化效果。目前我国已成功自主研发了新一代红外高光谱探测仪HIRAS,本研究方法对HIRAS探测资料有广阔的应用前景。有关该算法在数值预报以及卫星资料同化中的应用还有待更进一步的研究。

  • 致谢

  • 图.11 2016年2月1日IASI第10对CESI指数(a)(383 hPa)和云成分为冰(b,黑色点)的空间分布(升轨)

  • Fig.11 Spatial distributions of(a)CESI of pair 10(383 hPa) and(b)IASI cloud phase of ice(black dots) from ascending nodes on February 1,2016

  • 图.12 2016年2月1日IASI第21对CESI指数(a)(790 hPa)和云顶气压(b)的空间分布(升轨)

  • Fig.12 Spatial distributions of(a)CESI of pair 21(790 hPa) and(b)IASI cloud top pressure from ascending nodes on February 1,2016

  • 参考文献

    • [1] Andersson E,Pailleux J,Thépaut J N,et al.,1994.Use of cloud-cleared radiances in three/four-dimensional variational data assimilation[J].Quart J Roy Meteor Soc,120(517):627-653.

    • [2] Aumann H H,Chahine M T,Gautier C,et al.,2003.AIRS/AMSU/HSB on the aqua mission:design,science objectives,data products,and processing systems[J].IEEE Trans Geosci Remote Sensing,41(2):253-264.

    • [3] Chahine M T,Pagano T S,Aumann H H,et al.,2006.The atmospheric infrared sounder(AIRS):improving weather forecasting and providing new insights into climate[J].Bull Ame Meteor Soc,87:911-926.

    • [4] Chen Y,Han Y,van Delst P,et al.,2013.Assessment of shortwave infrared sea surface reflection and nonlocal thermodynamic equilibrium effects in the community radiative transfer model using IASI data[J].J Atmos Ocean Technol,30(9):2152-2160.

    • [5] Collard A D,2007.Selection of IASI channels for use in numerical weather prediction[J].Quart J Roy Meteor Soc,133(629):1977-1991.

    • [6] Collard A D,McNally A P,2009.The assimilation of infrared atmospheric sounding interferometer radiances at ECMWF[J].Quart J Roy Meteor Soc,135(641):1044-1058.

    • [7] Han Y,Weng F Z,Liu Q H,et al.,2007.A fast radiative transfer model for SSMIS upper atmosphere sounding channels[J].J Geophys Res,112(D11):D11121.

    • [8] Han Y,Revercomb H,Cromp M,et al.,2013.Suomi NPP CrIS measurements,sensor data record algorithm,calibration and validation activities,and record data quality[J].J Geophys Res Atmos,118(22):12734-12748.

    • [9] 李刚,吴兆军,张华,2016.偏差订正方法在IASI辐射率资料同化中的应用研究[J].大气科学学报,39(1):72-80.Li G,Wu Z J,Zhang H,2016.Bias correction of infrared atmospheric sounding interferometer radiances for data assimilation[J].Trans Atmos Sci,39(1):72-80.(in Chinese).

    • [10] Lin X,Zou X L,2017.Bias characterization of CrIS radiances at 399 selected channels with respect to NWP model simulations[J].Atmos Res,196:164-181.

    • [11] Lin X,Zou X L,Weng F Z,2017.Combining CrIS double CO2 bands for detecting clouds located in different layers of the atmosphere[J].J Geophys Res Atmos,122(3):1811-1827.

    • [12] 刘健文,蔡则帅,闵锦忠,等,2015.ATMS 微波资料特征及其对台风路径预报的影响[J].大气科学学报,38(3):421-427.Liu J W,Cai Z S,Min J Z,et al.,2015.Characteristics of ATMS data and their impact on typhoon track forecast[J].Trans Atmos Sci,38(3):421-427.(in Chinese).

    • [13] Menzel W P,Schmit T J,Zhang P,et al.,2018.Satellite-based atmospheric infrared sounder development and applications[J].Bull Ame Meteor Soc,99(3):583-603.

    • [14] Noh Y C,Sohn B J,Kim Y,et al.,2017.A new infrared atmospheric sounding interferometer channel selection and assessment of its impact on Met Office NWP forecasts[J].Adv Atmos Sci,34(11):1265-1281.

    • [15] Xu D M,Liu Z Q,Huang X Y,et al.,2013.Impact of assimilating IASI radiance observations on forecasts of two tropical cyclones[J].Meteor Atmos Phys,122(1/2):1-18.

    • [16] 杨春,闵锦忠,陈耀登,2015.WRF-EnSRF卫星资料同化模块的构建研究[J].大气科学学报,38(4):549-556.Yang C,Min J Z,Chen Y D,2015.Construction of WRF-EnSRF satellite data assimilation system[J].Trans Atmos Sci,38(4):549-556.(in Chinese).

    • [17] 殷梦涛,邹晓蕾,2015.极轨气象卫星高光谱红外探测仪简介[J].气象科技进展,5(1):29-39.Yin M T,Zou X L,2015.An introduction to hyper-spectral infrared sounders onboard polar-orbiting meteorological satellites[J].Adv Meteor Sci Technol,5(1):29-39.(in Chinese).

    • [18] 余意,张卫民,曹小群,等,2017.同化IASI资料对台风“红霞”和“莫兰蒂”预报的影响研究[J].热带气象学报,33(4):500-509.Yu Y,Zhang W M,Cao X Q,et al.,2017.Impact of data assimilation for the Iasi observations on the forecast of typhoon Hongxia and molandi[J].J Trop Meteor,33(4):500-509.(in Chinese).

    • [19] 张建伟,王根,张华,等,2011.基于主成分累计影响系数法的高光谱大气红外探测器的通道选择试验[J].大气科学学报,34(1):36-42.Zhang J W,Wang G,Zhang H,et al.,2011.Experiment on hyper-spectral atmospheric infrared sounder channel selection based on the cumulative effect coefficient of principal component[J].Trans Atmos Sci,34(1):36-42.(in Chinese).

    • [20] 张磊,董超华,张文建,等,2008.METOP星载干涉式超高光谱分辨率红外大气探测仪(IASI)及其产品[J].气象科技,36(5):639-642.Zhang L,Dong C H,Zhang W J,et al.,2008.METOP-on-board super-high spectrum resolution infrared atmospheric sounding interferometer(IASI)[J].Meteor Sci Technol,36(5):639-642.(in Chinese).

    • [21] 张涛,姜立鹏,师春香,等,2019.AMSU-A 全空辐射率资料同化对台风“天鸽”的预报影响研究[J].大气科学学报,42(5):705-714.Zhang T,Jiang L P,Shi C X,et al.,2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO[J].Trans Atmos Sci,42(5):705-714.(in Chinese).

    • [22] 张同,鲍艳松,陆其峰,2016.IASI卫星资料同化对江淮暴雨预报的试验研究[J].科学技术与工程,16(6):9-16,36.Zhang T,Bao Y S,Lu Q F,2016.The Iasi date assimilating experiments on the heavy rain over the Yangtze River basin[J].Sci Technol Eng,16(6):9-16,36.(in Chinese).

  • 参考文献

    • [1] Andersson E,Pailleux J,Thépaut J N,et al.,1994.Use of cloud-cleared radiances in three/four-dimensional variational data assimilation[J].Quart J Roy Meteor Soc,120(517):627-653.

    • [2] Aumann H H,Chahine M T,Gautier C,et al.,2003.AIRS/AMSU/HSB on the aqua mission:design,science objectives,data products,and processing systems[J].IEEE Trans Geosci Remote Sensing,41(2):253-264.

    • [3] Chahine M T,Pagano T S,Aumann H H,et al.,2006.The atmospheric infrared sounder(AIRS):improving weather forecasting and providing new insights into climate[J].Bull Ame Meteor Soc,87:911-926.

    • [4] Chen Y,Han Y,van Delst P,et al.,2013.Assessment of shortwave infrared sea surface reflection and nonlocal thermodynamic equilibrium effects in the community radiative transfer model using IASI data[J].J Atmos Ocean Technol,30(9):2152-2160.

    • [5] Collard A D,2007.Selection of IASI channels for use in numerical weather prediction[J].Quart J Roy Meteor Soc,133(629):1977-1991.

    • [6] Collard A D,McNally A P,2009.The assimilation of infrared atmospheric sounding interferometer radiances at ECMWF[J].Quart J Roy Meteor Soc,135(641):1044-1058.

    • [7] Han Y,Weng F Z,Liu Q H,et al.,2007.A fast radiative transfer model for SSMIS upper atmosphere sounding channels[J].J Geophys Res,112(D11):D11121.

    • [8] Han Y,Revercomb H,Cromp M,et al.,2013.Suomi NPP CrIS measurements,sensor data record algorithm,calibration and validation activities,and record data quality[J].J Geophys Res Atmos,118(22):12734-12748.

    • [9] 李刚,吴兆军,张华,2016.偏差订正方法在IASI辐射率资料同化中的应用研究[J].大气科学学报,39(1):72-80.Li G,Wu Z J,Zhang H,2016.Bias correction of infrared atmospheric sounding interferometer radiances for data assimilation[J].Trans Atmos Sci,39(1):72-80.(in Chinese).

    • [10] Lin X,Zou X L,2017.Bias characterization of CrIS radiances at 399 selected channels with respect to NWP model simulations[J].Atmos Res,196:164-181.

    • [11] Lin X,Zou X L,Weng F Z,2017.Combining CrIS double CO2 bands for detecting clouds located in different layers of the atmosphere[J].J Geophys Res Atmos,122(3):1811-1827.

    • [12] 刘健文,蔡则帅,闵锦忠,等,2015.ATMS 微波资料特征及其对台风路径预报的影响[J].大气科学学报,38(3):421-427.Liu J W,Cai Z S,Min J Z,et al.,2015.Characteristics of ATMS data and their impact on typhoon track forecast[J].Trans Atmos Sci,38(3):421-427.(in Chinese).

    • [13] Menzel W P,Schmit T J,Zhang P,et al.,2018.Satellite-based atmospheric infrared sounder development and applications[J].Bull Ame Meteor Soc,99(3):583-603.

    • [14] Noh Y C,Sohn B J,Kim Y,et al.,2017.A new infrared atmospheric sounding interferometer channel selection and assessment of its impact on Met Office NWP forecasts[J].Adv Atmos Sci,34(11):1265-1281.

    • [15] Xu D M,Liu Z Q,Huang X Y,et al.,2013.Impact of assimilating IASI radiance observations on forecasts of two tropical cyclones[J].Meteor Atmos Phys,122(1/2):1-18.

    • [16] 杨春,闵锦忠,陈耀登,2015.WRF-EnSRF卫星资料同化模块的构建研究[J].大气科学学报,38(4):549-556.Yang C,Min J Z,Chen Y D,2015.Construction of WRF-EnSRF satellite data assimilation system[J].Trans Atmos Sci,38(4):549-556.(in Chinese).

    • [17] 殷梦涛,邹晓蕾,2015.极轨气象卫星高光谱红外探测仪简介[J].气象科技进展,5(1):29-39.Yin M T,Zou X L,2015.An introduction to hyper-spectral infrared sounders onboard polar-orbiting meteorological satellites[J].Adv Meteor Sci Technol,5(1):29-39.(in Chinese).

    • [18] 余意,张卫民,曹小群,等,2017.同化IASI资料对台风“红霞”和“莫兰蒂”预报的影响研究[J].热带气象学报,33(4):500-509.Yu Y,Zhang W M,Cao X Q,et al.,2017.Impact of data assimilation for the Iasi observations on the forecast of typhoon Hongxia and molandi[J].J Trop Meteor,33(4):500-509.(in Chinese).

    • [19] 张建伟,王根,张华,等,2011.基于主成分累计影响系数法的高光谱大气红外探测器的通道选择试验[J].大气科学学报,34(1):36-42.Zhang J W,Wang G,Zhang H,et al.,2011.Experiment on hyper-spectral atmospheric infrared sounder channel selection based on the cumulative effect coefficient of principal component[J].Trans Atmos Sci,34(1):36-42.(in Chinese).

    • [20] 张磊,董超华,张文建,等,2008.METOP星载干涉式超高光谱分辨率红外大气探测仪(IASI)及其产品[J].气象科技,36(5):639-642.Zhang L,Dong C H,Zhang W J,et al.,2008.METOP-on-board super-high spectrum resolution infrared atmospheric sounding interferometer(IASI)[J].Meteor Sci Technol,36(5):639-642.(in Chinese).

    • [21] 张涛,姜立鹏,师春香,等,2019.AMSU-A 全空辐射率资料同化对台风“天鸽”的预报影响研究[J].大气科学学报,42(5):705-714.Zhang T,Jiang L P,Shi C X,et al.,2019.The impact of AMSU-A all-sky data assimilation on the forecast of super typhoon HATO[J].Trans Atmos Sci,42(5):705-714.(in Chinese).

    • [22] 张同,鲍艳松,陆其峰,2016.IASI卫星资料同化对江淮暴雨预报的试验研究[J].科学技术与工程,16(6):9-16,36.Zhang T,Bao Y S,Lu Q F,2016.The Iasi date assimilating experiments on the heavy rain over the Yangtze River basin[J].Sci Technol Eng,16(6):9-16,36.(in Chinese).

  • 地址:江苏南京,宁六路219号,南京信息工程大学    邮编:210044

    联系电话:025-58731158    E-mail:xbbjb@nuist.edu.cn    QQ交流群号:344646895

    大气科学学报 ® 2021 版权所有  技术支持:北京勤云科技发展有限公司