2. 华东师范大学 地理科学学院, 上海 200241;
3. 威斯康星大学麦迪逊分校 空间科学与工程中心, 威斯康星 麦迪逊 53706, 美国
2. School of Geographic Sciences, East China Normal University, Shanghai 200241, China;
3. Space Science and Engineering Center, University of Wisconsin-Madison, Madison WI 53706, USA
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.
1 资料和方法 1.1 加密探空资料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
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.
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.
1.3 资料处理与对比方法为有效检验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
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.
2 精度检验和分析本文首先以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.
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.
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.
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.
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
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
[1] | 漆成莉, 顾明剑, 胡秀清, 等. 风云三号卫星红外高光谱探测技术及潜在应用[J]. 气象科技进展, 2016, 6(1): 88-93. |
[2] | 刘延安. 高光谱红外辐射资料在区域模式中的直接同化及应用研究[D]. 上海: 华东师范大学, 2015. |
[3] | SMITH N, SMITH W L, WEISZ E, et al. AIRS, IASI, and CrIS retrieval records at climate scales:An investigation into the propagation of systematic uncertainty[J]. International Journal of Mathematical Education in Science & Technology, 2015, 39(1): 23-33. |
[4] | NALLI N R, STOWE L L. Aerosol correction for remotely sensed sea surface temperature from the National Oceanic and Atmospheric Administration advanced very high resolution radiometer[J]. Journal of Geophysical Research Oceans, 2002, 107(C10): 1-18. |
[5] | DIVAKARLA M G, BARNET C D, GOLDBERG M D. Validation of Atmospheric Infrared Sounder temperature and water vapor retrievals with matched radiosonde measurements and forecasts[J]. Journal of Geophysical Research, 2006, 111(D9): 9-15. |
[6] | TOBIN D C, REVERCOMB H E, KNUTESON R O. Atmospheric Radiation Measurements site atmospheric state best estimates from Atmospheric Infrared Sounder temperature and water vapor retrieval validation[J]. Journal of Geophysical Research-Atmospheres, 2006, 111(D9): 831-846. |
[7] | 高文华, 赵凤生, 盖长松. 大气红外探测器(AIRS)温、湿度反演产品的有效性检验及在数值模式中的应用研究[J]. 气象学报, 2006, 64(3): 271-280. DOI:10.11676/qxxb2006.026 |
[8] | 朱文刚, 李刚, 张华, 等. 高光谱大气红外探测器AIRS资料云检测及晴空通道应用技术初步研究[J]. 气象, 2013, 39(5): 633-644. |
[9] | KAHN B H, IRION F W, DANG V T, et al. The atmospheric infrared sounder version 6 cloud products[J]. Atmospheric Chemistry & Physics, 2013, 13(6): 14477-14543. |
[10] | WU L. Comparison of atmospheric infrared sounder temperature and relative humidity profiles with NASA African Monsoon Multidisciplinary Analyses (NAMMA) dropsonde observations[J]. Journal of Geophysical Research, 2009, 114(D19): 5577-5594. |
[11] | SUN B, REALE A, SEIDEL D J, et al. Comparing radiosonde and COSMIC atmospheric profile data to 5quantify differences among radiosonde types and the effects of imperfect collocation on comparison statistics[J]. Journal of Geophysical Research Atmospheres, 2010, 115(D23): 6696-6705. |
[12] | PU Z, ZHANG L. Validation of Atmospheric Infrared Sounder temperature and moisture profiles over tropical oceans and their impact on numerical simulations of tropical cyclones[J]. Journal of Geophysical Research, 2010, 115(D24): 9-12. |
[13] | CHAHINE M T, PAGANO T S, AUMANN H H, et al. AIRS: Improving weather forecasting and providing new data on greenhouse gases[J]. Bulletin American Meteorological Society, 2006, 87(7): 911-926. DOI:10.1175/BAMS-87-7-911 |
[14] | 刘辉, 董超华, 张文建, 等. AIRS晴空大气温度廓线反演试验[J]. 气象学报, 2008, 66(4): 513-519. DOI:10.11676/qxxb2008.048 |
[15] | SUSSKIND J, BARNET C D, BLAISDELL J M. Accuracy of geophysical parameters derived from Atmospheric Infrared Sounder/Advanced Microwave Sounding Unit as a function of fractional cloud cover[J]. Journal of Geophysical Research Atmospheres, 2006, 111(D9): 9-17. |