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技术方案

本发明专利技术提供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，反演算法包括反演模型建立及实际反演两部分。具体的技术路线如图1所示，灰色框内表示大气温湿廓线反演模型的建立过程，首先对再分析资料ERA5进行质控，以解决ERA5资料代表性的问题。其次将质控后的ERA5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，将模拟亮温与ERA5资料中的大气温湿廓线组成样本对，基于神经网络算法建立反演模型。黄色的部分为地基微波辐射计在业务运行中的实际反演部分，对地基微波辐射计的观测亮温进行质控与偏差订正，将质控与偏差订正后的观测亮温输入至建立好的反演模型中，即可得到大气各层的大气温湿。到大气各层的大气温湿。到大气各层的大气温湿。

【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，一维变分算法以及神经网络算法。其中，统计回归算法通过建立地基微波辐射计不同通 道接收亮温与大气温湿廓线之间的线性模型或简单的非线性模型，实现大气温湿廓线的反演 但是这种建立的模型局限性较大，一般只适用于某种特定的情况。一维变分算法将模式背景 场与仪器观测进行融合，通过求解模式与观测加权代价函数的最小值，得到大气温湿廓线状 态的最优解，此最优解即为反演得到的大气温湿廓线。此方法具有较强的物理意义，但反演 所需的物理模型较为复杂，且反演时间较长，不利于实时大气温湿廓线的反演。神经网络算 法利用大量由输入与输出组成的训练样本，设置多个神经元，通过不断的训练，得到输入与 神经元，神经元与输出之间的权重和偏置，建立大气温湿廓线的反演模型。大气温湿与大气 辐射之间具有非常复杂的非线性关系，而神经网络方法对于描述赋值非线性关系具有强大的 优势，因此在业务运行时，地基微波辐射计常常采用神经网络算法反演大气温湿廓线。对于 有探空站点的地基微波辐射计，以探空资料为建模样本，利用前向辐射传输模式对微波辐射 计的观测亮温进行模拟，将模拟亮温与大气温湿廓线组成训练样本，对反演模型进行训练， 得到大气温湿廓线反演模型；对于没有探空资料的探空站点，常常使用临近探空站点的探空 资料及其模拟亮温，建立反演模型。
[0006]针对无探空站点与其同址的地基微波辐射计，目前的做法采用临近探空资料作为训练样 本进行大气温湿廓线反演建模。但是，由于临近探空站点与地基微波辐射计存在一
定距离， 其气象特征存在局地差异，此方法建立的反演模型在微波辐射计站点处往往不具有代表性， 导致反演的大气温湿廓线存在偏差。

技术实现思路

[0007]本专利技术的目的在于克服现有技术中的不足，提供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，以解决无探空站点地基微波辐射计反演精度 不高的问题。
[0008]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0009]第一方面，本专利技术提供了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，包括以下步骤：
[0010]获取地基微波辐射计的观测亮温；
[0011]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；
[0012]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；
[0013]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，输入为地基微波辐射计的观测亮温，输出为大气温湿廓线。
[0014]进一步的，所述反演模型的构建方法包括以下步骤：
[0015]获取再分析资料ERA5数据并对再分析资料ERA5数据进行质控；
[0016]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；
[0017]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；
[0018]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。
[0019]进一步的，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：
[0020]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；
[0021]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；
[0022]若液态水积分总量大于x2，则将样本删除；
[0023]将所有再分析资料样本进行亮温模拟，得到模拟亮温；
[0024]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；
[0025]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。
[0026]进一步的，对所述再分析资料ERA5数据进行预处理的方法包括：
[0027](1)气压
‑
高度转化
[0028]在微波辐射计的二级产品中，输出的温湿廓线以高度划分层结，而在再分析资料中，廓 线资料以气压层划分层结，因此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：
[0029][0030](2)液态水含量计算
[0031]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，假设液态水浓度与相对湿度满足线性关系。
[0032](3)廓线插值
[0033]在建模过程中，输出的温湿廓线为93层，因此需要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。
[0034]进一步的，所述反演模型基于BP神经网络算法建立，包括输入层、隐含本文档来自技高网...

【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：