基于风云四号高光谱红外模拟资料反演大气温湿廓线试验研究

摘要

大气温湿是气象预报和气候预测研究及业务的主要参数，红外高光谱遥感能提供区域和全球高精度大气温湿资料。风云四号(FY-4)是国内第一个装载高光谱红外垂直探测仪的静止卫星，国际上无相关高轨同类载荷的相关研究和反演经验，且随着风云四号高光谱红外大气垂直探测仪的处理流程、产品质量等指标的不断完善，在温湿廓线反演研究中使用这些资料的需求越来越迫切。
　　为推动我国FY-4高光谱红外垂直探测仪(GIIRS)资料温湿廓线反演研究，本文基于FY-4GIIRS辐射正演模拟理论，利用神经网络构建了四套反演体系:全球以及中国区域的温度和湿度反演算法模型，对反演效果进行评价，同时建立了Metop-A高光谱红外垂直探测仪(IASI)反演温湿廓线的模型，并对比分析两种模拟资料反演大气温湿廓线的能力。
　　本文的主要研究成果及结论:
　　(1)完成了GIIRS和IASI的正演模拟计算过程。将全球晴空训练样本CIMSS数据作为辐射传输模式的输入，通过一系列的理论计算，得到模拟的GIIRS和IASI亮温值，并作对比分析发现，虽然GIIRS模拟亮温值在总体上低于IASI，但是两者在所有通道的模拟亮温值走势一致，这也验证了GIIRS正演模拟的准确性。
　　(2)实现了GIIRS模拟资料的大气温度廓线反演试验，建立了全球和中国区域两种大气温度反演模型。通过对该反演模型精度的分析，发现中国区域反演大气温度的精度（RMSE=1.922K）高于全球（RMSE=2.630K）。对比分析用5类CIMSS数据反演大气温度的效果，发现用NOAA88的CIMSS数据进行大气温度反演的精度最高（RMSE=1.853K），平均误差达到了0.070K，具有高度相关性(R=0.998)。且对流层大气温度反演精度(RMSE=0.846K)明显高于平流层(RMSE=2.020K)，平均误差分别为-0.003K和0.024K。
　　(3)实现了GIIRS模拟资料的大气湿度廓线反演试验，建立了全球和中国区域的两种大气湿度反演模型。对于全球区域下的反演模型，水汽混合比RMSE为0.440g/kg，且用NOAA88的CIMSS数据进行大气水汽混合比的反演精度(RMSE=0.315g/kg)最高。对于中国区域下的反演模型，反演大气水汽混合比、相对湿度和水汽密度的RMSE分别为0.362g/kg、9.079％和0.450g/m3，且中国区域反演大气湿度的模型精度优于全球。
　　(4)实现了IASI模拟资料的大气温湿廓线反演试验，建立了全球和中国区域的四种反演大气温湿廓线的模型。对于全球反演模型，反演大气温度和湿度的RMSE分别为1.054K和0.524g/kg，且用NOAA88的CIMSS数据进行反演大气水汽混合比的精度最高（RMSE=0.439g/kg）。对于中国区域的反演模型，反演大气温度和湿度的RMSE分别为0.989K和0.487g/kg（水汽混合比）、5.307％（相对湿度）、0.364g/m3（水汽密度）。且在中国区域建立反演温湿廓线的模型精度要优于全球。
　　(5)对比分析了GIIRS与IASI两种模拟资料反演大气温湿廓线的精度。对于反演温度能力的检验，发现FY-4GIIRS大气温度反演精度在低层优于IASI，在高层误差大于IASI;而对于反演湿度能力的检验，发现GIIRS大气湿度的反演精度明显优于IASI。总之我国FY-4GIIRS资料在温湿廓线反演方面具有重要研究前景。

目录

声明

摘要

第一章 绪论

1．1 研究目的及意义

1．2 国内外研究进展

1．2．1 国内外高光谱红外垂直探测仪发展史

1．2．2 大气温湿廓线反演研究进展

1．2．3 人工神经网络研究进展

1．3 本文主要研究工作

1．3．1 本文研究内容及论文组织

1．3．2 本文的技术路线图

1．4 本章小结

第二章 卫星遥感大气辐射理论基础

2．1 气象卫星的分类及其遥感探测特点

2．1．1 气象卫星分类

2．1．2 卫星遥感探测的特点

2．2 气象卫星接收的辐射

2．3 大气的辐射传输

2．3．1 晴空大气条件下的红外辐射遥感

2．3．2 透过率的计算过程

2．3．3 普朗克辐射亮度与亮温之间的转化

2．4 本章小结

第三章 高光谱红外垂直探测仪与辐射传输模式

3．1 高光谱红外垂直探测仪

3．1．2 Metop-A高光谱红外垂直探测仪——IASI

3．2 辐射传输模式的正演模拟

3．2．1 CIMSS全球晴空训练廓线样本数据

3．2．2 GIIRS辐射传输模式——FY-4 RTM

3．2．3 IASI辐射传输模式——CRTM

3．5 本章小结

第四章 BP神经网络反演大气温湿廓线方法实现

4．1 BP神经网络原理

4．2 构建BP神经网络

4．3 针对GIIRS资料的BP神经网络

4．3．1 输入层和输出层设置

4．3．2 隐含层设置

4．3．3 传递函数和训练算法的选取

4．4 针对IASI资料的BP神经网络

4．5 本章小结

第五章 GIIRS大气温湿廓线反演模拟试验

5．1 大气温度反演结果

5．1．1 全球区域的大气温度反演结果

5．1．2 中国区域的大气温度反演结果

5．2 大气湿度反演结果

5．2．1 全球区域大气湿度反演结果

5．2．2 中国区域大气湿度反演结果

5．3 本章小结

第六章 IASI大气温湿廓线反演模拟试验

6．1 全球区域的大气温湿廓线模拟反演结果

6．1．1 大气温度廓线反演结果

6．1．2 大气湿度廓线反溟结果

6．2 中国区域的大气温湿廓线模拟反演结果

6．2．1 大气温度廓线反演结果

6．2．2 大气湿度廓线反演结果

6．3 本章小结

第七章 GIIRS与IASI反演效果对比

7．1 两种模拟资料反演大气温度能力的检验

7．2 两种模拟资料反演大气湿度能力的检验

7．3 本章小结

第八章 结论与展望

8．1 本文结论

8．2 本文的主要创新点

8．3 存在的问题

8．4 下一步工作计划

参考文献

致谢

作者简介