CN104636608A - 一种modis卫星数据的直接同化方法 - Google Patents

Abstract

本发明提供一种MODIS卫星数据的直接同化方法，所述方法包括，对MODIS卫星数据预处理；检测MODIS卫星数据；确定同化卫星数据集；优化辐射传输模式；同化MODIS卫星数据。增强了辐射传输模式对地表辐射过程的模拟，提高了数值模式对边界层内大气运动模拟的准确度，进而提高了用于风电功率预测的数值天气预报数据的精度。

Description

一种MODIS卫星数据的直接同化方法

技术领域

本发明涉及一种同化方法，具体涉及一种MODIS卫星数据的直接同化方法。

背景技术

从太空对地球及其大气层进行气象观测的人造地球卫星，称为气象卫星。按其运行轨道的不同可划分为太阳同步(极轨)卫星和地球同步(静止)卫星。气象卫星上搭载各种气象遥感仪器，接收和测量地球及其大气层的可见光、红外和微波辐射，并将其转换成电信号传送给地面站。地面站将卫星传来的电信号复原，绘制成各种云层、地表和海面图片，再经过进一步的处理和计算，得到各种气象资料。气象卫星具有观测范围广、观测次数多、观测时效快、观测质最高、不受自然条件和地域条件限制等特点，已广泛应用于日常气象业务、环境监测、防灾减灾、大气科学、海洋学和水文学的研究。

数值天气预报NWP(Numerical Weather Prediction)水平取决于数值预报模式本身和模式初始场质量。目前，数值预报模式无论是其结构设计还是物理过程方案均已趋近完善，越来越精细的数值预报模式可以相当精确地描写和模拟出实际天气过程的发展演变。因此，如何充分、有效地利用各种常规、非常规观测资料来形成较为准确的模式初值场，已成为数值预报领域的研究热点和重点，这一过程称为资料同化。资料同化具有两层基本含义：一是合理利用各种不同精度的非常规资料(卫星、雷达资料)，把它们与常规观测资料融合为有机的整体，为数值预报提供更好的初始场；二是综合利用不同时次的观测资料，将这些资料中所包含的时间演变信息转化为要素场的空间分布状况。

单时次的、常规的观测资料不能有效地给所有用于描述大气状态的模式变量提供参数，希望通过多时次的观测资料来弥补空间观测资料的不足，用非常规资料来弥补常规观测资料的不足。而且越来越多的非常规观测资料(如飞机、气象卫星、雷达等不同类型的定时、非定时探测)的收集应用，对提高数值天气预报起着至关重要的作用。为了充分利用这些气象资料，变分同化方法得以兴起，并逐渐成为资料同化的主流。因此，如何更高效的利用先进的卫星观测数据，来改善数值天气预报的精度，进而提高诸如新能源发电功率预测等应用的精度，具有十分重要的研究和应用意义。

由于卫星传感器的观测值是辐射率，与模式变量间存在着复杂的非线性关系，因此需要使用观测算子即快速辐射传输模式从背景场中计算出估计值，结合3D-Var同化技术实现卫星资料的直接同化。首先将卫星探测的辐射率资料直接引入变分同化系统，通过积分快速辐射传输模式模拟卫星探测在大气层顶的向上辐射率，经变分系统中定义目标函数表征该模拟值与相应卫星观测辐射率之间的差，将探测信息转换为大气状态变量，再利用极小化算法迭代计算出最接近实际大气状态大气温度、湿度等变量，改善模式的初始场，提高数值天气预报精度。

数值天气预报精度的提高对新能源发电功率预测、输电线路雷电、风偏等灾害的防治具有重要意义。以风电为例，其与常规电源不同，风电场的输出功率具有波动性、随机性和间歇性的特点。因此，对风电输出功率进行预测，把风电纳入电网的实时调度运行是保证电网稳定经济运行的重要措施之一。

风电功率预测以数值天气预报数据作为重要输入，其精度主要取决于数值天气预报数据的准确度。然而，目前用于风电功率预测的数值天气预报数据，通常是通过中尺度数值天气预报模式的动力降尺度得到的，极少数同化了有限的常规气象观测资料，虽然在一定程度上可以满足风电功率预测的要求。但考虑到我国主要风电开发区与常规气象站分布区域的差异，亟需发展卫星观测数据同化，卫星观测数据具有资料一致、覆盖面积广、时空分辨率高等特点，是解决实际观测资料不足导致风电功率预测预报效果不理想的有效手段。

发明内容

为了克服现有技术的不足，本发明提供了一种MODIS卫星数据的直接同化方法，针对风电功率预测业务需求，重点考虑中尺度数值预报模式大气边界层近地面层的大气变化过程，优化快速辐射传输模式以更准确的描述地表状态，基于3D-Var技术采用直接同化方式同化卫星观测资料，有效提高数值天气预报数据精度，进而提升风电功率预测的准确度。

本发明的目的是采用下述技术方案实现的：

一种MODIS卫星数据的直接同化方法，所述方法包括：

对MODIS卫星数据预处理；

检测MODIS卫星数据；

确定同化卫星数据集；

优化辐射传输模式；

同化MODIS卫星数据。

优选的，所述对MODIS卫星数据预处理包括：

通过网络下载或卫星接收站接收MODIS数据，生成1B级产品HDF文件；

对MODIS卫星数据进行定位；

对所述HDF文件进行解码。

优选的，所述检测MODIS卫星数据包括：

比较MODIS卫星数据与地面气象观测要素，获得MODIS卫星数据与地面气象观测要素的相关性系数R及观测偏差Bias，以所述相关性系数R及观测偏差Bias为指标评估卫星观测质量；当R＞0.6且Bias＜30％时满足要求；其中，所述地面气象观测要素包括：地表总辐射数据和直接辐射数据；

评估卫星过境的时效性及观测频率是否满足系统要求；包括：当MODIS卫星数据在过境后半小时之内返回系统且卫星系统观测频率达到小时级时，满足要求。

评估卫星观测的延续性，当卫星观测持续2年以上则满足要求。

优选的，所述确定同化卫星数据集包括；

根据大气辐射理论、云物理过程理论以及大气气溶胶的物理光学特性，分析风场、云量、长短波辐射，获取与MODIS卫星数据相关的风电功率预测的气象要素，构成同化卫星数据集；其中，所述气象要素包括：近地层及海面风场、云量和气温。

优选的，所述优化辐射传输模式包括：

辐射传输模式采用模式变量，根据辐射传输理论获取卫星辐射率；

针对风电功率预测，在辐射传输模式列表中添加描述地表状态的气象要素：

对MODIS卫星中的数据辐射率进行粗检验和降水检验，以控制MODIS卫星数据的质量；

所述粗检验包括，剔除亮温值超出给定极值50-350K的点；丢弃预计和实际观测的亮温值偏差的绝对值超出20K的数据，丢弃混合地表处的观测数据，丢弃天顶角大于65.0的点，丢弃地表气压小于850hPa的观测。

所述降水检验包括，模拟卫星数据时，选用晴空模式即云量为0；当云的液态水的路径大于0.2mm时则丢弃。

优选的，所述同化MODIS卫星数据包括下述步骤：

根据背景场的模拟亮温，订正MODIS卫星数据的偏差；其中，所述偏差包括气团偏差和扫描偏差；

转换MODIS卫星数据同化格式，并选择同化数据通道；

读入背景场、背景场协方差矩阵及观测数据；

根据所述辐射传输模式，获取模拟的卫星辐射率；

利用3D-Var极小化代价函数生成分析结果。

进一步地，所述转换MODIS卫星数据同化格式包括：设置编写接口，将HDF文件转换为BUFR格式的二进制编码；

所述选择同化数据通道包括：当数据通道标记为-1时表示该通道“未被同化”，标记为1则表示该通道中的数据“被同化”。

进一步地，从中尺度数值预报模式预报场，读入背景场、背景场协方差矩阵和转换为BUFR格式的MODIS卫星数据。

进一步地，所述获取模拟的卫星辐射率包括，通过格点插值和物理变量的转换，将数值模式背景场中的风场、气温、气压、相对湿度气象要素转换为卫星观测的辐射率数据，进而预测观测增益。

进一步地，所述利用3D-Var极小化代价函数生成分析结果包括，采用3D-Var技术，结合观测场、观测误差、背景场和背景场协方差矩阵，通过下降迭代算法获取一个分析变量，使得该分析变量、背景场和观测场距离的代价函数达到最小值。

与最接近的现有技术比，本发明的优异效果为：

将MODIS卫星数据作为有效提高数值预报精度的重要数据，建立了从MODIS数据预处理、评估，到同化数据集确定、辐射传输模式优化的MODIS卫星数据直接同化流程。并且针对风电功率预测的应用，在辐射传输模式的输入列表中增加了描述地表状态的气象要素，增强了辐射传输模式对地表辐射过程的模拟，提高了数值模式对边界层内大气运动模拟的准确度，进而提高了用于风电功率预测的数值天气预报数据的精度。

附图说明

图1为本发明提供的总方法流程图；

图2为本发明提供的MODIS卫星数据的直接同化流程图。

具体实施方式

下面结合附图对本发明做进一步说明。

如图1所示，一种MODIS卫星数据的直接同化方法，其中，MODIS卫星数据为：中分辨率成像光谱仪MODIS(Moderate-resolution Imaging SpectroRadiometer)是搭载在地球观测卫星EOS(Earth Observing Satellites)TERRA和AQUA上的当前新一代“图谱合一”的光学遥感仪器。EOS计划是由美国国家航空航天局NASA(National Aeronautics and SpaceAdministration)倡导的全球变化研究计划，是一个以太阳同步轨道为平台的长期观测体系，观测能力将持续30年，并逐步得到发展和加强。

MODIS由横向扫描镜、收集器件、一组线性探测器阵列和位于四个焦平面上的光谱干涉滤色镜组成。MODIS的设计满足研究地球系统动力学过程而持续提供长期观测的要求，与其它卫星传感器相比，MODIS集多个特点于一体：(1)光谱范围宽，共有36个通道；(2)在3种空间分辨率上进行观测(250m、500m和1km)；(3)每天24小时连续观测，观测范围广、视角宽。MODIS扫描宽度为2330km，沿轨道方向有10个瞬时视场，在每个瞬时视场，1km分辨率有1个采样，500m分辨率有4个采样，250m分辨率有16个采样。MODIS仪器中有16个常用的气象信息观测通道，这些通道分别对大气温度、湿度、卷云水汽含量、云顶高度、臭氧等进行观测。

直接同化为：卫星遥感探测能够提供广阔地域上有关大气、海洋、地表和云况等的大量信息，目前由极轨和静止卫星组成的卫星探测网已覆盖全球，卫星遥测资料是常规探测的有益补充。但和常规观测不同，卫星探测量一般为辐射率，它不是数值模式的变量，与温度、湿度等模式变量之间的关系是非线性的，无法被模式直接使用。这就涉及到卫星资料的同化方式，包括间接同化和直接同化。卫星资料的间接同化先由卫星探测资料反演出大气温度和湿度等大气参数的垂直廓线，然后考虑反演资料的精度，视反演出的温、湿资料为与常规温、湿探测有不同观测误差，同为模式变量的另一类资料，引入资料分析中同化入数值模式。而直接同化则相当于将原始形式或近原始形式的卫星资料直接应用到数值模式中。

卫星资料的间接同化由于实现简单，研究工作开展得较早。其主要缺点在于反演后再分析时误差特征难于确定，并且背景信息被使用了两次。直接同化从理论上讲，反演与分析同时完成，背景信息只使用一次，不再割裂反演与同化的联系，有其优越性，只是其由于需要涉及到大气辐射传输模式，在实现上不如间接同化对同化系统要求的简单。但是，随着对卫星资料同化研究和应用工作的深入开展，卫星资料的直接同化已成为同化方式的主流。

所述方法包括：

对MODIS卫星数据预处理；所述对MODIS卫星数据预处理包括：

通过网络下载或卫星接收站接收MODIS数据，生成1B级产品HDF文件；

对MODIS卫星数据进行定位；

对所述HDF文件进行解码。

检测MODIS卫星数据；所述检测MODIS卫星数据包括：

比较MODIS卫星数据与地面气象观测要素，获得MODIS卫星数据与地面气象观测要素的相关性系数R及观测偏差Bias，以所述相关性系数R及观测偏差Bias为指标评估卫星观测质量；当R＞0.6且Bias＜30％时满足要求；其中，所述地面气象观测要素包括：地表总辐射数据和直接辐射数据；

评估卫星过境的时效性及观测频率是否满足系统要求；包括：当MODIS卫星数据在过境后半小时之内返回系统且卫星系统观测频率达到小时级时，满足要求。

评估卫星观测的延续性，当卫星观测持续2年以上则满足要求。

确定同化卫星数据集；所述确定同化卫星数据集包括；根据大气辐射理论、云物理过程理论以及大气气溶胶的物理光学特性，分析风场、云量、长短波辐射，获取与MODIS与卫星数据相关的风电功率预测的气象要素，构成同化卫星数据集；其中，所述气象要素包括：近地层及海面风场、云量和气温。

优化辐射传输模式；所述辐射传输模式包括：辐射传输模式把背景场空间插值到观测扫描点的空间，还需要进行变量之间的转换。给定大气温度、湿度廓线以及表面状态等模式初始变量，快速辐射传输模式沿着卫星扫描仪的观测方向(扫描角)，根据仪器探测通道的平均光谱响应函数，以较高精度计算卫星探测仪所接收到的每一个通道的辐射强度，它可以表示为：

L(v，θ)＝(1-N)L^clr(v，θ)+NL^cld(v，θ)

式中，L^clr(v，θ)和L^cld(v，θ)分别为晴空和满云条件下大气顶的向上辐射率，v表示卫星观测通道的频率，θ为观测角度，N为云覆盖量，取0-1之间的数。当云量为0时，采用晴空大气的辐射传输方程计算L^clr(v，θ)，当云量不为0时，计算云顶到大气层顶向上的辐射L^cld(v，θ)以及晴空大气层顶向上辐射L^clr(v，θ)，并根据云量的比例进行累加。

本专利的通过所述优化辐射传输模式，以实现云雨及晴空条件下卫星数据检验和质量控制。所述步骤包括：

所述通过预测风电功率优化快速辐射传输模式包括：

辐射传输模式采用模式变量(如气压，温、湿廓线)，根据辐射传输理论获取卫星辐射率：

针对风电功率预测，在辐射传输模式列表中添加描述地表状态的气象要素；

对MODIS卫星数据中的辐射率进行粗检验和降水检验，以控制MODIS卫星数据的质量；

所述粗检验包括，剔除亮温值超出给定极值50-350K的点；丢弃预计和实际观测的亮温值偏差的绝对值超出20K的数据，丢弃混合地表处的观测数据，丢弃天顶角大于65.0的点，丢弃地表气压小于850hPa的观测。

所述降水检验包括，模拟卫星数据时，选用晴空模式即云量为0；当云的液态水的路径大于0.2mm时则丢弃。

同化MODIS卫星数据。

所述同化MODIS卫星数据包括下述步骤：

根据背景场的模拟亮温，订正MODIS卫星数据的偏差；其中，所述偏差包括气团偏差和扫描偏差；

转换MODIS卫星数据同化格式，并选择同化数据通道；

读入背景场、背景场协方差矩阵及观测数据；

根据所述辐射传输模式，获取模拟的卫星辐射率；

利用3D-Var极小化代价函数生成分析结果。

所述转换MODIS卫星数据同化格式包括：设置编写接口，将HDF文件转换为BUFR格式的二进制编码；

所述选择同化数据通道包括：当数据通道标记为-1时表示该通道“未被同化”，标记为1则表示该通道中的数据“被同化”。

从中尺度数值预报模式预报场，读入背景场、背景场协方差矩阵和转换为BUFR格式的MODIS卫星数据。

所述获取模拟的卫星辐射率包括，通过格点插值和物理变量的转换，将数值模式背景场中的风场、气温、气压、相对湿度气象要素转换为卫星观测的辐射率数据，进而预测观测增益。

所述利用3D-Var极小化代价函数生成分析结果包括，采用3D-Var技术，结合观测场、观测误差、背景场和背景场协方差矩阵，通过下降迭代算法获取一个分析变量，使得该分析变量、背景场和观测场距离的代价函数达到最小值。

其中，3D-Var技术为：

数值预报的资料同化技术较多，有基于经验的逐步订正法、牛顿张弛逼近法等，最优插值法，变分法(有三维变分和四维变分之分)，卡尔曼滤波法(分为线性卡尔曼滤波、扩展卡尔曼滤波、集合卡尔曼滤波)以及混合同化方法等。

三维变分(3D-Var)同化技术通过求解一个分析变量，使得一个测量分析变量与背景场和观测场距离的代价函数达到最小值。可以由下式表示：

$J\left(x\right)=\frac{1}{2}{(x-x_b)}^T{B}^{-1}(x-x_b)+\frac{1}{2}{(y-y_0)}^T{(E+F)}^{-1}(y-y_0)$

其中，x是模式状态变量构成的分析变量，x_b是背景场向量，y₀是观测值，y是由分析变量导出的观测值，B是背景误差协方差，E，F分别是观测误差(仪器误差)和代表性误差协方差，代表性误差是一个观测算子在从模式空间向观测空间转换时产生的不精确性的一种估计，将观测算子近似为线性算子就可产生这种误差。x和x_b是N维模式空间的N维向量，y₀和y是M维观测空间的M维向量，B为N×N阶矩阵，(E+F)为M×M阶矩阵。y^-H(x)，H称为观测算子，它将模式格点上的分析变量通过空间插值和物理变换到观测空间与观测相当的量，方便与观测量比较。T表示矩阵的转置，-1表示矩阵的逆。3D-Var同化实质是目标函数的极小化问题，通过迭代下降进行求解，常用的有拟牛顿法和共轭梯度法两种极小化方法。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，而这些未脱离本发明精神和范围的任何修改或者等同替换，其均在申请待批的本发明的权利要求保护范围之内。

Claims (10)

1.一种MODIS卫星数据的直接同化方法，其特征在于，所述方法包括：

对MODIS卫星数据预处理；

检测MODIS卫星数据；

确定同化卫星数据集；

优化辐射传输模式；

同化MODIS卫星数据。

2.如权利要求1所述的MODIS卫星数据的直接同化方法，其特征在于，所述对MODIS卫星数据预处理包括：

通过网络下载或卫星接收站接收MODIS数据，生成1B级产品HDF文件；

对MODIS卫星数据进行定位；

对所述HDF文件进行解码。

3.如权利要求1所述的MODIS卫星数据的直接同化方法，其特征在于，所述检测MODIS卫星数据包括：

比较MODIS卫星数据与地面气象观测要素，获得MODIS卫星数据与地面气象观测要素的相关性系数R及观测偏差Bias，以所述相关性系数R及观测偏差Bias为指标评估卫星观测质量；当R＞0.6且Bias＜30％时满足要求；其中，所述地面气象观测要素包括：地表总辐射数据和直接辐射数据；

评估卫星过境的时效性及观测频率是否满足系统要求；包括：当MODIS卫星数据在过境后半小时之内返回系统且卫星系统观测频率达到小时级时，满足要求。

评估卫星观测的延续性，当卫星观测持续2年以上则满足要求。

4.如权利要求1所述的MODIS卫星数据的直接同化方法，其特征在于，所述确定同化卫星数据集包括：

根据大气辐射理论、云物理过程理论以及大气气溶胶的物理光学特性，分析风场、云量、长短波辐射，获取MODIS卫星数据相关的风电功率预测的气象要素，构成同化卫星数据集；其中，所述气象要素包括：近地层及海面风场、云量和气温。

5.如权利要求1所述的MODIS卫星数据的直接同化方法，其特征在于，所述优化辐射传输模式的步骤包括：

辐射传输模式采用模式变量，根据辐射传输理论获取卫星辐射率；

针对风电功率预测，在辐射传输模式列表中添加描述地表状态的气象要素；

对MODIS卫星数据中的辐射率进行粗检验和降水检验，以控制MODIS卫星数据的质量；

所述粗检验包括，剔除亮温值超出给定极值50-350K的点；丢弃预计和实际观测的亮温值偏差的绝对值超出20K的数据，丢弃混合地表处的观测数据，丢弃天顶角大于65.0的点，丢弃地表气压小于850hPa的观测。

所述降水检验包括，模拟卫星数据时，选用晴空模式即云量为0；当云的液态水的路径大于0.2mm时则丢弃。

6.如权利要求1所述的MODIS卫星数据的直接同化方法，其特征在于，所述同化MODIS卫星数据包括下述步骤：

根据背景场的模拟亮温，订正MODIS卫星数据的偏差；其中，所述偏差包括气团偏差和扫描偏差；

转换MODIS卫星数据同化格式，并选择同化数据通道；

读入背景场、背景场协方差矩阵及观测数据；

根据所述辐射传输模式，获取模拟的卫星辐射率；

利用3D-Var极小化代价函数生成分析结果。

7.如权利要求6所述的MODIS卫星数据的直接同化方法，其特征在于，所述转换MODIS卫星数据同化格式包括：设置编写接口，将HDF文件转换为BUFR格式的二进制编码；

所述选择同化数据通道包括：当数据通道标记为-1时表示该通道“未被同化”，标记为1则表示该通道中的数据“被同化”。

8.如权利要求6所述的MODIS卫星数据的直接同化方法，其特征在于，从中尺度数值预报模式预报场，读入背景场、背景场协方差矩阵和转换为BUFR格式的MODIS卫星数据。

9.如权利要求6所述的MODIS卫星数据的直接同化方法，其特征在于，所述获取模拟的卫星辐射率包括，通过格点插值和物理变量的转换，将数值模式背景场中的风场、气温、气压、相对湿度气象要素转换为卫星观测的辐射率数据，进而预测观测增益。

10.如权利要求6所述的MODIS卫星数据的直接同化方法，其特征在于，所述利用3D-Var极小化代价函数生成分析结果包括，采用3D-Var技术，结合观测场、观测误差、背景场和背景场协方差矩阵，通过下降迭代算法获取一个分析变量，使得该分析变量、背景场和观测场距离的代价函数达到最小值。