CN115525854B - 一种静止气象卫星的水汽总量与分层水汽产品的生产方法 - Google Patents
一种静止气象卫星的水汽总量与分层水汽产品的生产方法 Download PDFInfo
- Publication number
- CN115525854B CN115525854B CN202211063114.1A CN202211063114A CN115525854B CN 115525854 B CN115525854 B CN 115525854B CN 202211063114 A CN202211063114 A CN 202211063114A CN 115525854 B CN115525854 B CN 115525854B
- Authority
- CN
- China
- Prior art keywords
- water vapor
- data
- satellite
- temperature
- profile
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种静止气象卫星的水汽总量与分层水汽产品的生产方法,该生产方法包括:(1)变量、常量的定义及初始化,读取成像仪数据和辅助数据;(2)逐像元循环,逐大气层循环;(3)判断地表观测的大气温度和压强是否有效,并将大气温度和湿度廓线数据采样到新的大气层下,并且寻找地表气压层;(4)物理反演大气温度和湿度廓线;(5)根据湿度廓线计算分层水汽含量和大气层总水汽含量;(6)输出分层水汽含量和大气层总水汽含量结果。本发明可高频次的获取高空间分辨率的大面积覆盖的晴空区水汽总量以及低层、中层和高层的水汽量。其可以为天气预报、灾害天气预测、水循环、地气系统能量循环、气候变化研究等领域提供高频次、高精度的输入。
Description
技术领域
本发明涉及卫星遥感定量产品处理与生产技术领域,特别涉及一种静止气象卫星的水汽总量与分层水汽产品的生产方法。
背景技术
大气中水汽的存在使得地球有别于太阳系其他星球,适宜于生物生存。水汽在大气物理和大气化学过程中都有重要的影响,还是地球大气中的一个重要温室气体。大气水汽在地气系统的能量和水分循环中扮演着重要角色。大气中水汽场的分布及其变化与各种天气系统的更替变化息息相关,因此,准确探测大气中水汽的分布非常必要。了解其空间分布对研究全球、区域和局地的水循环、能量收支以及气候变化都有很重要的意义。此外,大气水汽总量还是天气和气候模式的重要输入参数,可通过模式同化提高降雨区域精度、台风路径和强度预测。同时,在卫星遥感地表参数反演中,大气订正是关键环节,而水汽是主要影响因子,因此水汽产品对地表参数的准确反演有极其重要的作用。
从技术手段上来分类,大气水汽的探测方法可以分为无线电探空、地基遥感、卫星遥感等。无线电探空探测法一般只在每日UTC 0h与12h进行两次探测,探空站点的分布较为稀疏并且在海洋上几乎无覆盖,受时间和空间分辨率较低的影响,探空观测难以反映水汽的多变性。地基遥感探测法主要包括地基GPS、地基微波辐射计与地基太阳辐射计探测等,同样存在观测站分布稀疏以及海上几乎无覆盖等缺点,水汽探测覆盖范围较小,空间分辨率低。地基微波辐射计可提供高时间分辨率的水汽,但由于价格昂贵,使用数量少,导致其空间分辨率很低,而且易受浓云的影响,使得恶劣天气发生时观测精度较低。星载微波辐射计受地表温度影响较大,更适合于洋面而非陆面。GPS具有成本低、精度高、时间分辨率高、稳定性好和全天候等优点,已成为监测大气水汽的有力工具,并应用到天气和气候变化系统研究中。但其主要依靠地面GPS接收机,该方法只能进行点观测,空间覆盖度和分辨率比较低,且数量有限。在应用上,基于点观测的地基法反演水汽产品无法准确客观的反映水汽在水平尺度上的梯度变化,而这些变化在云、降雨以及辐射平衡的研究中起着非常关键的作用。卫星遥感把传统的“点”测量方法获取有限代表性的信息扩展为更加符合客观世界的“面”信息(区域信息),从而可以实现高效快捷的获取大气水汽时空分布信息。目前,基于各种传感器遥感数据的水汽反演方法有很多种。根据所利用遥感数据波段的不同,可以分为热红外、可见光-近红外和微波遥感水汽反演3种。从卫星运行轨道上来说又包括极轨卫星和静止卫星,相较于极轨卫星,静止卫星的水汽获取频次可以达到分钟级。相较而言,利用卫星遥感观测数据能够以较低的成本和较高的时空分辨率在大尺度空间范围内反演出大气水汽。本发明提出基于静止气象卫星水汽总量与分成水汽产品生产方法,在卫星遥感反演水汽的主要手段中,基于静止气象卫星观测数据的大气水汽反演具有高时间频次的明显优势,可以反映出水汽的时空连续变化信息。
发明内容
本发明要解决的技术问题是针对上述不足,提供一种静止气象卫星的水汽总量与分层水汽产品的生产方法。其可广泛应用于利用地球静止轨道的对地观测卫星观测数据获取高时间频次的大气分层水汽量信息,服务与气象预测预报、防灾减灾、生态环境监测保护等多领域。
本发明是通过以下技术方案实现的:
一种静止气象卫星的水汽总量与分层水汽产品的生产方法,该生产方法包括:
(1)变量、常量的定义及初始化,读取成像仪数据和辅助数据;
(2)逐像元循环,选择晴空像元,判断所述晴空像元的亮温值是否在有效值范围内,如果是,进行下一步,如果否,继续循环;
逐大气层循环,获取每层的大气温度和湿度廓线,判断预报数据值是否在有效值范围内;
(3)判断地表观测的大气温度和压强是否有效,并将大气温度和湿度廓线数据采样到新的大气层下,并且寻找地表气压层;
(4)物理反演大气温度和湿度廓线;
(5)根据湿度廓线计算分层水汽含量和大气层总水汽含量;
(6)输出分层水汽含量和大气层总水汽含量结果。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述成像仪数据包括静止卫星定标定位后的红外通道亮温数据、每个像元上的卫星观测天顶角、每个像元的中心经纬度、静止卫星通道使用索引、探测器噪声等效温差矩阵和静止卫星云检测产品。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述辅助数据包括非静止卫星的动态数据和非静止卫星的静态数据;所述非静止卫星的动态数据包括预报场的地表气压和气压分层索引数据、预报场近地表风速矢量数据、预报场表皮温度数据、预报场温度廓线数据、预报场湿度廓线数据和预报场误差的协方差矩阵;所述非静止卫星的静态数据包括海陆边界数据、地表高程数据、温度廓线的特征向量、湿度廓线的特征向量和红外通道对应的地表发射率数据。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述步骤 (2)还包括:
获取水汽调节数据,读取通道亮温数据,寻找最底层气压层,物理反演大气温度、湿度、臭氧廓线。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述步骤 (3)还包括:
逐层循环,并且寻找底层气压所在的层数。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述步骤 (4)还包括:
获取预报场、观测场的协方差值;
将预报场数据作为第一次反演数据,反演大气温度、湿度、臭氧廓线数据;
逐卫星观测通道循环,计算每个通道的权重函数,并将权重函数在特征向量中展开,计算亮温与观测亮温的偏差;
判断偏差,若偏差小于最小阈值,则结果最优,结束迭代,输出温度和湿度廓线数据作为迭代结果;若偏差大于最大阈值,则不能反演,结束迭代;若迭代次数已经为最大值,则结束迭代;
当迭代次数小于迭代最大值且还没结束时,计算前后两次误差向量的差值,当差值小于阈值时,结束迭代;选择最好的迭代结果作为输出结果,输出反演偏差信息。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述获取预报值、观测值的协方差值包括如下步骤:
基于大气温度廓线、湿度廓线、臭氧廓线的统计反演数据的协方差矩阵,将地表气温的协方差系数设为0.33;
循环协方差矩阵,调整协方差对角线上的水汽系数;
基于光谱数据及特征向量,检查特征向量是否归一化,将协方差矩阵在特征向量中展开。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述步骤 (5)还包括:
根据气压层数,寻找最底层气压层,累加求和每层水汽含量,得到大气层水汽总含量。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,该生产方法还包括:在发生卫星数据获取异常、物理反演异常或水汽含量反演异常时,进行容错进程。
进一步的,所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,所述步骤 (4)中,所述物理反演是通过不断调整初始廓线来使卫星观测亮温与模拟计算的红外通道亮温差最小的迭代过程;初始值用来初始化计算过程,静止卫星红外通道观测数据用来进行反演。
本发明的优点与效果是:
本发明提供的静止气象卫星的水汽总量与分层水汽产品的生产方法,可以高频次的获取高空间分辨率的大面积覆盖的晴空区水汽总量,以及低层、中层和高层的水汽量。本发明可以为天气预报、灾害天气预测、水循环、地气系统能量循环、气候变化研究等领域提供高频次、高精度的输入。
附图说明
图1示出本发明提供的水汽总量与分层水汽产品处理进程的输入输出数据接口表;
图2示出本发明提供的水汽总量与分层水汽产品的生产方法流程图;
图3示出本发明提供的物理反演准备模块的执行流程图;
图4示出本发明提供的物理反演核心模块的执行流程图;
图5示出本发明提供的获取预报值与观测值的协方差值部分的流程图;
图6示出本发明提供的地表气压层获取模块的执行流程图;
图7示出本发明提供的水汽总量计算模块的执行流程图;
图8示出本发明提供的Sigma坐标系水汽总量与分层水汽量计算模块的执行流程图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。所描述的实施例是本发明的一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明:
水汽总量与分层水汽产品是基于单像元或M*M区域晴空区,采用牛顿非线性迭代法进行物理反演。根据分层定义分别计算出水汽总量(TPW)和分层水汽量(LPWs),分别对应边界层(BL,PW_low):[表面-900百帕],中间层(ML,PW_mid):[900百帕-700百帕]和高层(HLPW_high):[700百帕-300百帕],按既定格式输出产品。
水汽总量与分层水汽产品处理进程的输入输出数据接口表如图1所示。
水汽总量与分层水汽产品算法中所使用的主要传感器数据包括静止卫星定标定位后的红外通道亮温数据、每个象元上的卫星观测天顶角、每个象元的中心经纬度、静止卫星通道使用索引、探测器噪声等效温差矩阵和静止卫星云检测产品。该主要传感器数据为预处理后的静止卫星观测数据。
水汽总量与分层水汽算法所需的辅助数据包括非静止卫星的动态数据和非静止卫星的静态数据。非静止卫星的动态数据包括预报场的地表气压和气压分层索引数据、预报场近地表风速矢量数据(纬向和经向)、预报场表皮温度数据、预报场温度廓线数据、预报场湿度廓线数据和预报场误差的协方差矩阵。非静止卫星的静态数据包括海陆边界数据、地表高程数据、温度廓线的特征向量、湿度廓线的特征向量和红外通道对应地表的发射率数据。该辅助数据是指不包括在静止卫星观测数据中的信息。
水汽总量与分层水汽产品处理进程是一个临时进程,由调度管理配置项解析出调度参数后进行调用。产品成功生成后进程自动退出。
对于选定区域,程序初始化包括获取红外通道的亮度温度(亮温)、云检测、卫星观测天顶角和辅助数据(包括地形数据、海陆边界、经纬度等)。只有当选定区域或像元被标示为晴空,并且卫星观测天顶角小于最大天顶角阈值,物理反演模块才会被启动,TPW和LPWs才会被计算出来。
图2示出水汽总量与分层水汽产品的生产方法流程图。该生产方法包括如下步骤:
(1)变量、常量的定义及初始化,读取成像仪数据(传感器数据)和辅助数据。
具体的是,采用数据初始化模块执行以下内容:
①变量、常量的定义和初始化。
②打开HDF5文件,获取HDF5文件第8,9,10,11,12,13,14通道的亮温数据、经度、纬度、传感器天顶角等信息。
③打开辅助数据,获取云类型产品、地表温度、地表气压、预报数据的T639的大气温度廓线、大气湿度廓线和大气臭氧廓线产品。
(2)逐像元循环,选择晴空像元,判断晴空像元的亮温值是否在有效值范围内,如果是,进行下一步,如果否,继续循环。
逐大气层循环,获取每层的大气温度和湿度廓线,判断预报数据值是否在有效值范围内。
具体的是,如图3所示,采用物理反演准备模块执行以下内容:
①变量、常量的定义和初始化。
②打开大气水汽调节文件,对预报大气水汽廓线进行调整。
③寻找最底层大气压强层数,物理反演大气温度、湿度、臭氧廓线。
(3)判断地表观测的大气温度和压强是否有效,并将大气温度和湿度廓线数据采样到新的大气层下,并且寻找地表气压层。
具体的是,如图6所示,采用地表气压层获取模块执行以下内容:
①变量、常量的定义和初始化。
②逐层循环,并且寻找底层气压所在的层数。
(4)物理反演大气温度和湿度廓线。
具体的是,如图4所示,采用物理反演核心模块执行以下内容:
①变量、常量的定义和初始化。
②获取预报场、观测场的协方差值。
③将预报场数据作为第一次反演数据,反演大气温度、湿度、臭氧廓线数据。
④逐卫星观测通道循环,计算每个通道的权重函数,并将权重函数在特征向量中展开,计算亮温与观测亮温的偏差;
权重函数是物理反演中对卫星每个观测赋予的一个权重值,跟该通道的光谱位置有关。亮温是将预报场作为输入通过辐射传输模拟得到的大气层顶亮温,观测亮温是卫星观测的,直接从卫星数据中读取。
⑤判断偏差,若偏差小于最小阈值,则结果最优,结束迭代,输出温度和湿度廓线数据作为迭代结果。若偏差大于最大阈值,则不能反演,结束迭代。若迭代次数已经为最大值,则结束迭代。
⑥当迭代次数小于迭代最大值且还没结束时,计算前后两次误差向量的差值,当小于阈值时结束迭代。选择最好的迭代结果作为输出结果,输出反演偏差信息。最好的迭代结果是指前后两次迭代的亮温与观测亮温差小的那个为最好的迭代结果。
进一步的,如图5所示,获取预报场、观测场的协方差值包括以下操作:
①打开大气温度廓线、湿度廓线、臭氧廓线的统计反演数据的协方差矩阵文件,打开T639 的大气温度廓线、湿度廓线、臭氧廓线协方差矩阵文件。将地表气温的协方差系数设为0.33。
②循环协方差矩阵,调整协方差对角线上的水汽系数。
③打开MODIS的光谱数据及特征向量,检查特征向量是否归一化,将协方差矩阵在特征向量(E)中展开(ET*CV*E)。
(5)根据湿度廓线计算分层水汽含量和大气层总水汽含量。
具体的是,如图7所示,采用水汽总量计算模块执行以下内容:
①变量、常量的定义和初始化;
②根据气压层数,寻找最底层气压层,累加求和每层水汽含量,求出总水汽含量。
具体的是,如图8所示,采用Sigma坐标系水汽总量与分层水汽量计算模块处理进程的 IPWWvsig执行以下内容:
①变量、常量的定义和初始化;
②求出Sigma坐标系下的水汽总量和分层水汽量。
(6)输出分层水汽含量和大气层总水汽含量结果。
具体的是,采用标准格式产品输出模块执行以下内容:
①将分层水汽含量和大气总水汽含量数据逐像元读取,生产标准格式产品,输出分层水汽含量和大气总水汽含量出标称产品;
②获取相应的格式配置和数据信息,生成对应的数据格式,输出其他格式产品;
③上报产品质量信息,把质量无效或较差的信息上报,并将上报信息写入数据库;
④上报日志与异常信息,把分层水汽含量和大气总水汽含量产品生成进程中的输入、输出、运行情况,异常等情况写入日志。
该生产方法还包括:在发生卫星数据获取异常、物理反演异常或水汽含量反演异常时,进行容错进程。
具体的是,本发明中的物理反演算法:
水汽总量与分层水汽产品的物理反演算法是通过不断调整初始廓线来使卫星观测亮温与模拟计算的红外通道亮温差最小的一个迭代过程。初始值用来初始化计算过程,静止卫星红外通道观测数据用来进行反演。
一个具有二氧化碳吸收的红外波段包含温度廓线信息(假设非等温大气),同时其他覆盖不同气体吸收(例如水汽)的红外波段包含了温度和气体浓度信息。以静止气象卫星风云四号搭载的先进光谱成像仪(FY4-AGRI)为例进行说明。FY4-AGRI具有7个红外波段,其中三个波段具有强烈的水汽吸收,一个波段具有很强的臭氧吸收和一个二氧化碳的吸收波段。其他的红外波段处于大气的“窗口”波段,包含了表皮温度、发射率和低层水汽信息。
FY4-AGRI水汽总量与分层水汽产品反演算法推导出在给定光谱波段卫星观测的温度和湿度廓线。这是一种利用最优估计的反演技术。因此,该方法试图找到一组大气廓线可以最佳的再现卫星观测。在一般情况下,这是一个多解问题,因此,一组“背景廓线”在这里作为约束条件。这组背景廓线往往来自于短期预报模型,作为迭代的初始值。原始的背景初值会在可控的方式下慢慢调整,直到其辐射特性适合卫星观测。该初始值除作为背景场之外,还被用作迭代的初始值。这个初值非常重要,例如,初始值包含与实际大气相似的结构,则最终将获得一个良好的反演结果。一种典型的初始背景场是一个短期的预报场。
该算法中用到预报场数据作为背景场廓线。因此,要在算法中处理各种不同的预报场模型所产生的廓线数据,就需要对背景场廓线进行空间、时间和垂直分层的差值处理,以获取与卫星观测匹配的温湿压廓线信息。
FY4-AGRI水汽总量与分层水汽反演算法,采用一种优化的算法将卫星观测与短期预报场背景结合在一起,并考虑了两者的误差特性。如果忽略大气散射,则晴空条件下FY4-AGRI 给定的红外通道观测的辐射可以用下式表述:
其中,R(ν)是中心波数ν的FY4-AGRI红外通道观测到的晴空分谱辐亮度,B是普朗克函数计算的辐亮度,它是在气压(P)层的温度的函数,τ是大气透过率,下标s表示地表,和εs是地表发射率。因此,亮温Tb(ν)也可以从辐亮度R(ν)计算得到。对于一个给定的FY4-AGRI红外通道k所测量的亮温BT可以表述为:
其中,ek是测量误差与其他误差,如定标误差和辐射传输计算误差之和。
一维变分反演是通过从背景场Xb来调整的大气状态廓线X,从而使代价函数J(X)最小的过程。为了使反演结果收敛和解的稳定性,引入了正则化参数(也称为平滑因子)。代价函数可以定义为:
J(X)=[Ym-F(X)]TE-1[Ym-F(X)]+[X-Xb]TγB-1[X-Xb]
其中,γ为正则化参数,B和E分别为背景场Xb和观测向量Ym(卫星通道观测的辐亮度)的误差协方差矩阵,F(X)为正向辐射传输模式,上标T和-1分别表示矩阵的转置和逆。 Y是FY4-AGRI红外通道的观测亮温,X为状态向量,包含了在L个垂直气压层上的温度廓线T(P)和湿度廓线Q(P),加上地表的表皮温度。
通过使用牛顿迭代
Xn+1=Xn+J”(Xn)-1·J'(Xn),
得到以下的准非线性迭代形式
δXn+1=(F'n T·E-1·F'n+γB-1)-1·F'n T·E-1·(δYn+F'n·δXn)
其中,X是要求解大气状态向量,n是迭代次数,n=0表示初始猜值,δXn=Xn–Xb,δYn=Ym–F(Xn)。
在每次迭代中对正则化参数的调整是根据差异化原则进行的。引入正则化参数的原因是为了平衡解中来自背景和卫星观测的贡献。当背景场误差是非高斯分布时正则化参数就非常重要,独立的结构函数可从一组全球大气廓线样本中获得。
在FY4-AGRI水汽总量与分层水汽产品反演过程中,水汽资料都是以混合比的对数形式表示的,这是因为对数变化与红外辐射具有更好的线性关系。
FY4-AGRI水汽总量与分层水汽产品反演算法在每个像素点上的输出包括产品、质量标志和诊断/中间的信息。
其中,产品:
①总水汽量(TPW)。
②分层水汽量(LPWs):PW_low,PW_mid,PW_high。
质量标志:
①综合质量的标志:包括每个像素点的综合信息,例如纬度范围、天顶角范围、缺失的数值预报数据、晴空像元数量等等。
②反演质量标志:不收敛迭代,大残差,缺失的辐亮度数据等。
③初始背景场的质量标志:11微米的卫星观测和用初始值驱动的辐射传输模式计算亮温之间的差异。这是至关重要的,因为表皮温度的不确定性是物理反演最大的误差源。
诊断/中间的信息:
①表皮温度(K)。
②晴空像素数。
③每次反演的迭代次数。
④观测亮温与反演亮温之间的平均残差值。
⑤陆地/海洋标识。
以上实施例仅用以说明本发明的技术方案,并非用来限定本发明的实施范围。但凡在本发明的保护范围内所做的等效变化及修饰,皆应认为落入了本发明的保护范围内。
Claims (8)
1.一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,该生产方法包括:
(1)变量、常量的定义及初始化,读取成像仪数据和辅助数据;
(2)逐像元循环,选择晴空像元,判断所述晴空像元的亮温值是否在有效值范围内,如果是,进行下一步,如果否,继续循环;
逐大气层循环,获取每层的大气温度和湿度廓线,判断预报数据值是否在有效值范围内;
(3)判断地表观测的大气温度和压强是否有效,并将大气温度和湿度廓线数据采样到新的大气层下,并且寻找地表气压层;
(4)物理反演大气温度和湿度廓线;
包括:
获取预报场、观测场的协方差值;
将预报场数据作为第一次反演数据,反演大气温度、湿度、臭氧廓线数据;
逐卫星观测通道循环,计算每个通道的权重函数,并将权重函数在特征向量中展开,计算亮温与观测亮温的偏差;
判断偏差,若偏差小于最小阈值,则结果最优,结束迭代,输出温度和湿度廓线数据作为迭代结果;若偏差大于最大阈值,则不能反演,结束迭代;若迭代次数已经为最大值,则结束迭代;
当迭代次数小于迭代最大值且还没结束时,计算前后两次误差向量的差值,当差值小于阈值时,结束迭代;选择最好的迭代结果作为输出结果,输出反演偏差信息;
(5)根据湿度廓线计算分层水汽含量和大气层总水汽含量;
包括:
根据气压层数,寻找最底层气压层,累加求和每层水汽含量,得到大气层水汽总含量;
(6)输出分层水汽含量和大气层总水汽含量结果。
2.根据权利要求1所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,所述成像仪数据包括静止卫星定标定位后的红外通道亮温数据、每个像元上的卫星观测天顶角、每个像元的中心经纬度、静止卫星通道使用索引、探测器噪声等效温差矩阵和静止卫星云检测产品。
3.根据权利要求1所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,所述辅助数据包括非静止卫星的动态数据和非静止卫星的静态数据;所述非静止卫星的动态数据包括预报场的地表气压和气压分层索引数据、预报场近地表风速矢量数据、预报场表皮温度数据、预报场温度廓线数据、预报场湿度廓线数据和预报场误差的协方差矩阵;所述非静止卫星的静态数据包括海陆边界数据、地表高程数据、温度廓线的特征向量、湿度廓线的特征向量和红外通道对应的地表发射率数据。
4.根据权利要求1所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,所述步骤(2)还包括:
获取水汽调节数据,读取通道亮温数据,寻找最底层气压层,物理反演大气温度、湿度、臭氧廓线。
5.根据权利要求1所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,所述步骤(3)还包括:
逐层循环,并且寻找底层气压所在的层数。
6.根据权利要求1所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,所述获取预报值、观测值的协方差值包括如下步骤:
基于大气温度廓线、湿度廓线、臭氧廓线的统计反演数据的协方差矩阵,将地表气温的协方差系数设为0.33;
循环协方差矩阵,调整协方差对角线上的水汽系数;
基于光谱数据及特征向量,检查特征向量是否归一化,将协方差矩阵在特征向量中展开。
7.根据权利要求1所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,该生产方法还包括:在发生卫星数据获取异常、物理反演异常或水汽含量反演异常时,进行容错进程。
8.根据权利要求1所述的一种静止气象卫星的水汽总量与分层水汽产品的生产方法,其特征在于,所述步骤(4)中,所述物理反演是通过不断调整初始廓线来使卫星观测亮温与模拟计算的红外通道亮温差最小的迭代过程;初始值用来初始化计算过程,静止卫星红外通道观测数据用来进行反演。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211063114.1A CN115525854B (zh) | 2022-09-01 | 2022-09-01 | 一种静止气象卫星的水汽总量与分层水汽产品的生产方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211063114.1A CN115525854B (zh) | 2022-09-01 | 2022-09-01 | 一种静止气象卫星的水汽总量与分层水汽产品的生产方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115525854A CN115525854A (zh) | 2022-12-27 |
CN115525854B true CN115525854B (zh) | 2023-05-12 |
Family
ID=84698630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211063114.1A Active CN115525854B (zh) | 2022-09-01 | 2022-09-01 | 一种静止气象卫星的水汽总量与分层水汽产品的生产方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115525854B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105784624A (zh) * | 2016-03-04 | 2016-07-20 | 环境保护部卫星环境应用中心 | 一种水汽廓线的反演方法以及装置 |
CN108875254A (zh) * | 2018-07-03 | 2018-11-23 | 南京信息工程大学 | 一种大气温湿廓线的一维变分反演方法 |
CN112327388A (zh) * | 2020-02-13 | 2021-02-05 | 中国农业科学院农业资源与农业区划研究所 | 一种基于全遥感数据的全天候相对湿度估算方法 |
-
2022
- 2022-09-01 CN CN202211063114.1A patent/CN115525854B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105784624A (zh) * | 2016-03-04 | 2016-07-20 | 环境保护部卫星环境应用中心 | 一种水汽廓线的反演方法以及装置 |
CN108875254A (zh) * | 2018-07-03 | 2018-11-23 | 南京信息工程大学 | 一种大气温湿廓线的一维变分反演方法 |
CN112327388A (zh) * | 2020-02-13 | 2021-02-05 | 中国农业科学院农业资源与农业区划研究所 | 一种基于全遥感数据的全天候相对湿度估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115525854A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109580003B (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
CN112213727B (zh) | 一种基于主被动微波联合探测的星载雷达的降水订正方法 | |
Nieman et al. | A comparison of several techniques to assign heights to cloud tracers | |
Borbas et al. | The RTTOV UWiremis IR land surface emissivity module | |
Kang et al. | Development of an observation processing package for data assimilation in KIAPS | |
CN114564767A (zh) | 一种基于太阳-云-卫星观测几何的云下地表温度估算方法 | |
CN116486931B (zh) | 耦合物理机制的全覆盖大气甲烷浓度数据生产方法及系统 | |
CN116519913B (zh) | 基于星载和地基平台融合的gnss-r数据土壤水分监测方法 | |
CN111178384A (zh) | 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 | |
Tan et al. | Evaluating precipitable water vapor products from Fengyun-4A meteorological satellite using radiosonde, GNSS, and ERA5 Data | |
Xue et al. | One-dimensional variational retrieval of temperature and humidity profiles from the FY4A GIIRS | |
CN113408111B (zh) | 大气可降水量反演方法及系统、电子设备和存储介质 | |
Semane et al. | Comparison of Desroziers and three-cornered hat methods for estimating COSMIC-2 bending angle uncertainties | |
Braun et al. | Water vapor tomography within the planetary boundary layer using GPS | |
CN115525854B (zh) | 一种静止气象卫星的水汽总量与分层水汽产品的生产方法 | |
CN115546658B (zh) | 一种数据集质量提升与改进cnn相结合的夜间云检测方法 | |
Uspensky et al. | Absolute calibration of the MTVZA-GY microwave radiometer atmospheric sounding channels | |
Tian et al. | Improving MODIS aerosol estimates over land with the surface BRDF reflectances using the 3-D discrete cosine transform and RossThick-LiSparse models | |
Loew et al. | Assimilation of an L-band microwave soil moisture proxy to compensate for uncertainties in precipitation data | |
CN115855272A (zh) | 一种生成近实时逐小时全天候地表温度的方法 | |
Li | Production of Regional 1 km× 1 km Water Vapor Fields through the Integration of GPS and MODIS Data | |
CN108594335A (zh) | 一种全球降水检测方法 | |
CN114838827A (zh) | 一种基于mersi-ⅱ遥感数据的地表温度反演通道选择方法 | |
CN116341352B (zh) | 地表温度观测信息约束的静止卫星陆上红外亮温模拟方法 | |
Ikuta et al. | Impact of assimilation of the tropical cyclone strong winds observed by synthetic aperture radar on analyses and forecasts |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |