【技术实现步骤摘要】
一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法及系统
[0001]本专利技术涉及一种再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线 反演方法,属于气象观测
技术介绍
[0002]城市化过程改变了陆面与大气之间的热量交换,引发区域气象要素的变化,容易引发雷 暴、冰雹、极端暴雨等自然灾害。大气温湿廓线描述大气热力状态与湿度变化,对连续变化 的大气温湿廓线进行准确的探测有助于这些气象灾害的监测与预报。
[0003]目前,探空气球是获得大气温湿廓线最为准确且有效的手段,但是探空的探测频率为一 天2次,时间分辨率较低,无法捕捉快速变化的大气现象,同时探空站较为稀疏,探测成本 也较大。卫星遥感监测可以实现大范围区域高时间频次的大气监测,但是由于其自上而下的 观测方式,对大气边界层的探测常常存在限制,大气温湿廓线反演精度不高。地基微波辐射 计的观测频次为1
‑
2分钟,其向上的观测方式不易受地表的影响,微波波段能穿透云雨,因 此地基微波辐射计能实现大气边界层高时间分辨率,高精度的探测,在气象上有很大的应用 前景。
[0004]ERA5数据是ECMWF对全球气候的第五代大气再分析数据集。再分析将模型数据与来 自世界各地的观测数据结合起来,形成一个全球完整的、一致的数据集。
[0005]地基微波辐射计接收不同波段大气向下的辐射,并通过算法将辐射信息转换成所需的大 气温湿廓线信息。算法转换的过程即为反演的过程。目前,主要的反演算法包括统计回归算 法,一维 ...
【技术保护点】
【技术特征摘要】
1.一种再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线反演方法,其特征在于,包括以下步骤:获取地基微波辐射计的观测亮温;对地基微波辐射计的观测亮温进行质控与偏差订正,得到质控与偏差订正后的观测亮温;将所述质控与偏差订正后的观测亮温输入反演模型中,反演获得大气温湿廓线;所述反演模型基于神经网络算法建立,通过再分析资料和前向辐射传输模式MONORTM进行构建训练集,输入为地基微波辐射计的观测亮温,输出为大气温湿廓线。2.根据权利要求1所述的再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线反演方法,其特征在于,所述反演模型的构建方法包括以下步骤:获取再分析资料ERA5数据并对再分析资料ERA5数据进行质控;将质控后的ERA5数据输入至大气辐射传输模型MONORTM中,得到与微波辐射计探测波段对应的模拟亮温;对ERA5数据和模拟亮温进行质控,将模拟亮温与ERA5数据资料中的大气温湿廓线组成样本对,形成大气温湿廓线
‑
模拟亮温训练样本集与测试样本集;以大气温湿廓线
‑
模拟亮温训练样本集与测试样本集中的构建的样本对分别作为输入与输出,基于神经网络算法,以大气温湿廓线的均方根误差为代价函数建立反演模型,得到构建好的反演模型。3.根据权利要求2所述的再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线反演方法,其特征在于,对ERA5数据和模拟亮温进行质控,将模拟亮温与ERA5数据资料中的大气温湿廓线组成样本对,形成大气温湿廓线
‑
模拟亮温训练样本集的方法包括:对ERA5数据进行预处理,提取水汽积分总量与液态水积分总量值;若晴天条件下水汽样本的积分总量大于x1,则将样本进行删除;若液态水积分总量大于x2,则将样本删除;将所有再分析资料样本进行亮温模拟,得到模拟亮温;若模拟亮温出现大于x3的情况,也将样本进行删除,得到最终质控后的再分析资料大气温湿廓线样本,形成大气温湿廓线
‑
模拟亮温训练样本集;其中,x1,x2,x3为质控阈值,其选择根据微波辐射计所在地点的气象条件而定。4.根据权利要求2所述的再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线反演方法,其特征在于,对所述再分析资料ERA5数据进行预处理的方法包括:在反演之前需要对气压层进行压高转换,转换方法可根据压高公式:式中,H为气压P处通过压高公式转换得到的高度,H0为海拔高度,P0为地面气压,e为大气水汽压,R
d
为常数287.05J*kg
‑1*K
‑1,g为重力加速度,取值为9.8015m/s2。在利用辐射传输模式进行正向模拟亮温时,在有云情况下还需输入液态水含量信息,当相对湿度<85%时,则认为无云,液态水浓度为0g/m3;当相对湿度>95%时,液态水浓度取0.5g/m3;当相对湿度在85%~95%时,液态水浓度与相对湿度满足线性关系;
在建模过程中,将再分析资料与探空资料的廓线层根据高度进行插值,使输出的气压层保持一致。5.根据权利要求1所述的再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线反演方法,其特征在于,所述反演模型基于BP神经网络算法建立,包括输入层、隐含层和输出层的三层网络,神经网络模型的输出可以描述为:O=f2(Yv+b2)Y=f1(Xw+b1)其中,O表示网络的输出;x为输入层到隐含层的输入,同时也是隐含层的输入;v为隐含层到输出层的连接权系数矩阵,初始时刻为一组随机数;w为输入层到隐含层的连接权系数矩阵,初始时刻为一组随机数;b1、b2分别为隐藏层和输出层单元偏置值矩阵;f为神经元的非线性作用函数,可依每层设定。多层网络的BP算法的性能指数为均方误差,即MSE,每输入一个样本,便将网络输出与目标输出相比较,算法将调整网络参数使均方误差最小化:MSE=E[e2]=E...
【专利技术属性】
技术研发人员:朱柳桦,鲍艳松,
申请(专利权)人:南京星图空间信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。