卫星高光谱红外资料可提供高空间分辨率和高精度的温湿度垂直信息, 是对探空资料在时间和空间范围上的重要补充, 其直接或间接同化应用有助于改进数值天气预报水平.根据全球多个数值天气预报中心的报告, 就单个仪器对模式贡献率而言, 高光谱红外探测仪对同化预报效果影响最大^[1].然而, 在有云和降水的条件下, 反演精度会受到很大影响.因此, 为更好地利用卫星数据, 精度验证尤为重要.大气探空实测数据(RAOB)是评价反演算法精确性的重要依据之一.

目前, 在轨工作的高光谱红外探测仪有AIRS(Atmospheric Infrared Sounder)、IASI(Infrared Atmospheric Sounding Interferometer)、CrIS(Cross-track Infrared Sounder)以及我国刚发射的FY-4A, 后者首次实现在静止卫星上搭载干涉式大气垂直探测仪(GIIRS)^[2]. AIRS气候尺度的空间分布是IASI的两倍, 拥有光栅光谱仪^[3], AIRS于2002年5月在NASA的Aqua卫星上装载发射. Aqua卫星从705 km高度与太阳同步轨道运行, 每天约在1:30和13:30(北京时间, 下同)过境中国, 与加密大气探空实测数据匹配良好, AIRS结合微波探测器(Advanced Microwave Sounding Unit)和湿度探测器(Humidity Sounder for Brazil)运行. AIRS共有2 378个光谱通道, 星下点分辨率13.5 km, 可以提供高垂直分辨率和高精度的大气温湿度三维结构.

根据Nalli等^[4]研究, 气溶胶含量可能会引起扰动, 影响红外光谱辐射, 对AIRS反演产生不利的影响.前人也对AIRS反演的温湿度廓线的精度进行过很多验证. Divakarla等^[5]发现, AIRS反演的温度和水汽廓线与探空观测值相关性很好. Tobin等^[6]使用从能量大气辐射观测部门(ARM)提供的最佳预测值后发现, 晴空条件下, AIRS反演的温度和水汽廓线在热带海洋上均表现出很好的精确度.高文华等^[7]把AIRS反演的温湿度廓线产品与国家气象中心数值预报产品T213进行比较, 发现温度差异一般在2 K以内, 湿度差异一般在25%以内, 并将订正后的温湿度产品放入中尺度模式中, 改进了模式初始场.朱文刚等^[8]将观测资料分别用晴空视场检测方案和晴空通道检测方案进行云检测, 增加了资料的使用度.

但是, 之前关于AIRS温湿度廓线的验证大多数在全球范围或均一下垫面的海洋上空, 很少选取下垫面复杂的局地区间.华东地区云量高, 气溶胶含量高, 为了弄清廓线产品在不同区域的精度与全球的差异, 分析复杂的下垫面是否会对AIRS反演产生影响, 研究AIRS的温湿度廓线在华东区的精度很有必要.目前对于有云区域, 利用云去除技术得到等效晴空辐射, 实现了大量有云覆盖区域资料的反演应用.因此, 研究华东地区AIRS温湿度廓线的精度, 有利于进一步研究有云情况下同化AIRS廓线资料对分析场和预报场的影响.

本文采用下午14时的加密探空实测数据, 与AIRS过境时间更接近, 可以更准确地验证AIRS在华东区的精度.研究选取华东地区的17个探空站点, 首先进行了下午14时加密探空资料和高光谱红外资料AIRS的一致性匹配, 然后以华东地区单天为例, 进行不同站点的温湿度廓线比较; 接着将AIRS反演的三个月的大气温湿度廓线的数据与探空数据进行对比, 通过散点图和每个层次之间的Bias和RMSE来验证AIRS产品(V6.0)的整体精度; 最后, 根据不同云覆盖信息对温湿度廓线的偏差进行比较, 以分析不同云量对温湿度廓线反演精度的影响.

研究选取华东地区为目标区域, 该区域人口经济密度高, 空气污染严重, 台风、暴雨等自然灾害影响突出.如图 1所示, 研究区覆盖范围位于23$^\circ$N－37$^\circ$N, 115$^\circ$E－122$^\circ$E, 共涵盖上海、江苏、浙江、山东、福建、安徽、江西的17个探空站点.相比于卫星观测的反演计算, 探空资料为直接观测, 结果可靠, 精度较高, 可直接用于卫星大气廓线产品精度检验和质量控制过程.

图 1(Fig. 1)

图 1 华东地区探空站点分布图 Fig.1 Distribution of radiosonde stations in East China

由于仅在夏季汛期有加密探空数据, 故本研究选取2015年夏季(6－8月)每日14时的探空观测数据, 该数据与Aqua卫星本地过境时间几乎匹配.如图 2所示, 只有阜阳、福州、射阳、宝山、衢州这5个站点有数据的天数在80 d以上.由于厦门、徐州、赣县、章丘、荣成、青岛这6个站点无探空加密数据, 所以文章在评估温湿度反演廓线精度时, 并未考虑这些站点资料.

图 2(Fig. 2)

图 2 华东地区17个探空站点2015年6－8月期间14时观测样本数分布 Fig.2 The distribution of the number of observed samples at 14 o'clock in the period from June to August 2015 at 17 Radiosonde observing stations in East China

目前, AIRS反演的温湿度廓线产品种类较多, 但业务应用主要以AIRS和AMSU融合反演产品为主, 即本研究使用的AIRX2RET产品(下文简称为AIRS产品), 分辨率为50 km, 融合AMSU资料后增加了大量有云覆盖区域资料的反演. Aqua卫星每天过境两次, 考虑到加密探空观测资料的时间为下午14:00, 研究选取白天过境资料.研究选取最新的V6版本产品, 根据数据使用说明^[9], 在对V6产品做质量控制时, 使用0表示PBest数据, 意为该层的廓线到大气层顶数据质量最好; 用1表示PGood数据, 意为廓线在PBest层数之下有较好的质量; 不能使用的数据用2表示.本文选用质量标志为PBest和PGood的数据.

为有效检验AIRS温湿度廓线产品精度, 需将加密探空资料的时间、空间位置、垂直层和湿度单位与AIRS进行匹配一致性处理.

AIRS过境华东地区时间一般是从12:35至15:35, 与探空资料14:00观测数据最大时间差为$\pm $1.5 h.该比较在时间匹配上优于Divakarla等^[5]开展的AIRS温湿度廓线全球精度检验$\pm $3h时间窗口.

探空观测的温湿度廓线资料一般为常规观测气压层(标准层), 从地面到100 hPa, 而AIRS产品温度廓线为28层, 从0.1 hPa－1 100 hPa, 湿度廓线为14层.为确保两者在垂直层进行准确比较, 温度选取共有的1 000 hPa、925 hPa、850 hPa、700 hPa、600 hPa、500 hPa、400 hPa、300 hPa、250 hPa、200 hPa、150 hPa和100 hPa共12层, 湿度选取1 000 hPa、925 hPa、850 hPa、700 hPa、600 hPa、500 hPa、400 hPa、300 hPa、250 hPa和200 hPa共10层作比较分析.同时, 在空间位置上, 根据探空站点经纬度, 对AIRS资料采用最邻近点匹配方法, 研究中没有考虑探空气球在高空的位置漂移影响.

本文首先以2015年7月28日为示例, 详细分析比较了AIRS反演的温湿度廓线与探空资料的差异.当日共有5个站有探空数据, 分别为阜阳、衢州、射阳、宝山和福州站.如图 3所示, 将探空站点位置与MODIS(其与AIRS共同搭载于Aqua卫星)真彩色图像进行叠加显示, 云图分布清晰可辨, 每个站点云覆盖信息有所不同, 可客观判断天气条件对AIRS温湿度廓线反演精度的影响.

图 3(Fig. 3)

图 3 2015年7月28日探空站点与MODIS真彩色图像叠加显示图 Fig.3 Radiosonde stations and MODIS true color image superposition on 28 July 2015

如图 4所示, (a)、(b)、(c)、(d)、(e)分别表示阜阳、衢州、射阳、宝山、福州站点, 其中, 蓝色线是AIRS温度廓线数据, 红色线是探空观测.从图中可以看出, 在对流程中高层位置AIRS温度廓线与探空数据差异很小, 基本一致; 而在对流层中层以下存在2 ℃以内的误差, AIRS温度廓线表现为偏冷; 总体来说, AIRS温度反演产品具有较高精度, 该结论与Wu^[10]研究结果一致.图 5为两者湿度廓线图, 与探空数据相比, 平均而言, AIRS湿度廓线在对流层中低层偏干, 而在中高层AIRS表现偏湿, 可能是探空数据在对流层中高层存在相对湿度观测偏干的现象^[11]; AIRS湿度廓线在垂直变化上比探空资料更趋平稳, 转折性信息体现不足; 同时发现, 探空资料在925 hPa相对湿度达到80%时, 两者存在约20%的偏差, AIRS反演湿度明显偏干.与Wu^[10]得出的结论一致, AIRS反演的相对湿度在700 hPa和900 hPa之间表现为偏干层, 除了阜阳站点以外, 其余四个站点的逆温层并未反演出.再结合图 3的天气形势分析, 发现衢州和福州站点的温度、湿度在近地层数据缺失, 可能是由于大量云团覆盖导致近地层反演精度没有达到质量控制要求; 相比于其他站点, 阜阳和射阳站在400 hPa高度上相对湿度有明显增加, 对照云图分析可能受高空卷云影响, AIRS能较好地反演其增湿特征.

图 4(Fig. 4)

图 4 2015年7月28日探空站点和AIRS数据温度廓线比较图 Fig.4 Comparison of temperature profiles between radiosonde stations (red) and AIRS retrievals (blue) on 28 July 2015

图 5(Fig. 5)

图 5 2015年7月28日探空站点和AIRS数据湿度廓线比较图 Fig.5 Comparison of relative humidity profiles between radiosonde stations (red) and AIRS retrievals (blue) on 28 July 2015

基于2015年6－8月AIRS各个层次的温度廓线与探空观测的统计分析发现(见图 6), 两者温度廓线比较一致, 相关系数超过0.99, RMSE约为1.4 ℃, 这个结果与Pu等^[12]的研究结果一致.而观察图 7可以发现, AIRS反演的大气湿度廓线与探空观测差异较大, 离散度也很大, RMSE达到了15.44%, AIRS反演的大气湿度廓线偏湿.这与Pu等^[12]相比有些不同, 可能是因为Pu等^[12]的研究以海面的热带气旋为依据, 研究区域在海上, 而本文基于华东地区, 复杂的下垫面潜在增加了偏差. Chahine等^[13]在比较了AIRS全球降水水汽廓线和探空数据后, 也得到了经过云处理后洋面上数据的RMSE大约比陆地云处理后的数据小10%左右的结论.

图 6(Fig. 6)

图 6 AIRS大气温度廓线和与之匹配的探空观测散点图 Fig.6 Temperature scatterplot of AIRS retrievals and radiosonde stations

图 7(Fig. 7)

图 7 AIRS大气湿度廓线和与之匹配的探空观测散点图 Fig.7 Relative humidity scatterplot of AIRS retrievals and radiosonde stations

为了更详细地比较AIRS与探空实测的差异, 表 1列出了两者在每一层数据的样本数, 以及Bias和RMSE.根据表 1可以发现, AIRS温度廓线的匹配性较好.所有层次的Bias范围在[-0.88 ℃, 0.51 ℃]之间, 无明显变化规律, 数据离散度很小, 并且温度廓线的RMSE均维持在[1.02 ℃, 2.49 ℃]之间. RMSE最大值2.49 ℃出现在1 000 hPa, 主要可能由于近地面层温度变化剧烈, 地表参数也不确定所致^[14].除1 000 hPa外, 其余11个层次的RMSE平均值为1.33 ℃.在700 hPa处, 温度廓线的卫星反演值与探空值相比, RMSE大于600 hPa和850 hPa上下两个特性层, 这与Divakarla等^[5]发现的现象一致.和温度廓线相比, AIRS与探空数据的相对湿度廓线在所有层中均存在很大差异.其中, 除了200 hPa和925 hPa以及1 000 hPa的RMSE在20%以内, 其余层次的RMSE都分布在20%以上.相对湿度的Bias在600 hPa及以上均表现为正值, 600 hPa以下表现为负值, 说明AIRS的相对湿度在对流层中高层偏大, 在对流层中低层偏小.这里要注意的是, 1 000 hPa高度层RMSE最小, 这也与Divakarla等^[5]比较AIRS和探空数据得到的结论匹配.相对湿度的RMSE范围在[12.91%, 23.43%]之间, 维持在25%以内.

表 1(Tab. 1

表 1 2015年6--8月AIRS和探空数据的温湿度廓线精度比较 Tab.1 Temperature and relative humidity differences between AIRS retrievals and radiosonde observations from June to August 2015 层数 /(hPa) 温度 Bias/(℃) 温度 RMSE/(℃) 温度样本数 相对湿度 Bias/% 相对湿度 RMSE/% 相对湿度样本数 100 0.23 1.44 347 / / / 150 -0.88 1.42 348 / / / 200 -0.07 1.02 344 10.34 18.26 344 250 0.06 1.17 336 12.90 21.90 336 300 -0.20 1.05 334 14.05 23.22 334 400 -0.21 1.19 320 7.31 21.28 320 500 -0.06 1.24 309 3.79 22.52 309 600 0.17 1.25 298 1.44 22.77 298 700 0.51 1.50 289 -7.91 23.43 289 850 -0.26 1.39 265 -12.13 23.24 265 925 -0.57 1.93 265 -10.36 18.80 265 1 000 -0.77 2.49 129 -1.03 12.91 128

表 1 2015年6--8月AIRS和探空数据的温湿度廓线精度比较 Tab.1 Temperature and relative humidity differences between AIRS retrievals and radiosonde observations from June to August 2015

根据上文研究结果, 本文对AIRS温湿度廓线在晴空和不同云覆盖条件下开展具体的精度检验分析.首先, 将云覆盖情况分为四类.把晴空定义为云覆盖(total cloud fraction)小于10%, 因为在50 km$\times $50 km范围内保证绝对晴空, 几乎没有样本可以使用, 而且对于10%以内云覆盖对反演精度影响有限^[15].少云定义有效云覆盖为10%~40%, 中云定义为40%~70%, 多云定义为70%~95%(业务中对于云覆盖大于95%的情况均不反演).然后进行精度比较分析.对四种不同云覆盖分类的AIRS和探空匹配温度样本占比进行统计, 分别为7.5%, 22%, 29%和41.5%, 对应的相对湿度样本占比与温度数据基本一致.从图 8温湿度廓线Bias分布可以看出, 对于不同云覆盖类型下, 温度廓线偏差并没有规律性差异, 而湿度廓线在中低层明显存在较大的偏差, 即AIRS湿度反演偏干, 并且随着云覆盖比例的增加而偏差增大.从图 9的RMSE统计结果可以看出, 相比于其他高度, 近地层的温度RMSE较大, 而相对湿度较小.对于不同云覆盖情况下, 除了晴空廓线, 其他三种类型的温度和湿度RMSE基本是随着云覆盖范围的增加而增大.说明云覆盖范围在一定程度上会降低温湿度廓线的反演精度, 尤其是在多云情况下.从Bias和RMSE都可以看出, 对湿度廓线反演精度影响明显, 这可能是因为反演中缺乏对云形成凝结放热过程的准确描述.对于统计结果中, 晴空区反演精度表现较差可能原因为样本数有限, 为16个, 结果缺乏代表性和稳定性.而且1 000 hPa高度上有15个为PGood, 直接导致统计结果误差较大.

图 8(Fig. 8)

图 8 四种云覆盖分类情况下的温湿度Bias分布图 Fig.8 Distribution of bias of (a) temperature and (b) relative humidity profiles between radiosonde observations and AIRS retrievals under different total cloud fractions

图 9(Fig. 9)

图 9 四种不同云覆盖分类情况下的温湿度RMSE分布图 Fig.9 Distribution of RMSE of (a) temperature and (b) relative humidity profiles between radiosonde observations and AIRS retrievals under different total cloud fractions

本文通过选取2015年夏季华东地区与AIRS温湿度廓线资料相匹配的加密探空资料, 检验AIRS温湿度廓线产品整体精度和不同云覆盖情况下的反演精度差异, 得到了如下结论.

(1) AIRS温度廓线反演产品整体精度较高, 每个层次的RMSE均分布在[1.02 ℃, 2.49 ℃]之间; 而湿度廓线与探空观测存在较大差别, 整体上呈现低层偏干高层偏湿现象, RMSE分布区间为[12.91%, 23.43%].

(2) 基于AMSU可穿透云层的特性优势, AIRS与AMSU融合可实现更大云覆盖范围内的资料反演; 随着云覆盖范围增加, 温湿度廓线反演精度逐渐降低, 但整体上即使对于中多云情况下, 其依然保证了一定反演精度.

需要说明的是, 由于探空资料是基于点观测, 而AIRS反演产品是50 km$\times $50 km的面域代表, 两者之间直接比较, 可能会因代表性误差产生误差较大的个例, 将来还需结合更高分辨率的MODIS云产品进行深入细化比较分析.同时, 以后的研究中还应进一步分析不同月份反演精度差异, 定量描述反演精度时间变化特征.本文不仅为AIRS反演廓线资料同化应用奠定了质量控制基础, 同时为开展我国自主研发的高光谱红外探测仪资料应用研究提供科学参考.