王 超，杜明斌，謝鑫新，李向芹，李貝貝

(1. 上海市氣象科學(xué)研究所，上海 200030; 2. 中國氣象局上海臺風(fēng)研究所，上海 200030;3. 上海航天電子技術(shù)研究所，上海 201100)

0 引言

臺風(fēng)是我國沿海及部分內(nèi)陸地區(qū)面臨的主要災(zāi)害性天氣之一，臺風(fēng)及其伴隨的狂風(fēng)、暴雨和風(fēng)暴潮往往會造成人員及財產(chǎn)的大量損失[1]，對此類災(zāi)害性天氣的高時效、高精度監(jiān)測對提高天氣預(yù)報準(zhǔn)確率有重要意義。由于紅外遙感僅對晴空大氣有效，而微波對云雨大氣具備一定的穿透能力，因此，微波遙感是監(jiān)測此類災(zāi)害性天氣的重要手段之一。

目前星載微波傳感器主要搭載于極軌衛(wèi)星上，雖然極軌衛(wèi)星具有通道信息豐富、分辨率高的特點，但仍無法完全滿足對中小尺度暴雨和強對流等災(zāi)害性天氣多變濕度場和熱力場的觀測要求[2]。極軌衛(wèi)星的重訪周期通常為12 h，即使采用雙星探測方案，重訪時間間隔也僅達(dá)6 h，此時間分辨率無法滿足對災(zāi)害性天氣的監(jiān)測要求。故基于靜止軌道的星載微波探測技術(shù)將是解決此類需求的可靠技術(shù)手段。文獻[3]中提出在靜止軌道上運行微波傳感器GEM(Geostationary Microwave Observatory)的設(shè)想，該設(shè)計傳感器采用2～3 m天線，利用高頻通道減小了天線尺寸[4]；歐洲的GOMAS(Geostationary Observatory for Microwave Atmospheric Sounding)計劃采用類似設(shè)計理念[5-6]。2006年在美國國家航空和宇航局(NASA)的支持下，文獻[7-8]中設(shè)計了合成孔徑微波輻射計GeoSTAR (Geostationary Synthetic Thinned Aperture Radiometer)，該設(shè)計使用干涉式綜合孔徑體制，歐洲的GAS (Geostationary Atmospheric Sounder)計劃采用類似設(shè)計方案[9-10]，通過采用更先進的稀疏天線陣列旋轉(zhuǎn)分時采樣方案，降低了傳感器的復(fù)雜性、技術(shù)風(fēng)險及成本。目前，我國也開展了靜止軌道微波星的設(shè)計研制工作，已報道的有GIMS (Geostationary Interferometric Microwave Sounder )[11-12]，該設(shè)計方案采用的是干涉式綜合孔徑成像方案。

常用的溫度探測微波通道為50～60 GHz處的O2吸收通道，常用的濕度探測通道為183 GHz的水汽吸收通道，美國極軌氣象衛(wèi)星上的傳感器AMSU/MHS(Advanced Microwave Sounding Unit/Microwave Humidity Sounder)和ATMS(Advanced Technology Microwave Sounder)[13]則使用以上2個吸收位置。除以上2個吸收通道之外，在118 GHz和425 GHz兩處的O2吸收通道同樣具備一定的溫度探測能力，其中我國風(fēng)云三號C星微波星首次在極軌氣象衛(wèi)星上裝載了118 GHz接收機，提升了對對流層上部溫度廓線的探測能力；在325 GHz處的H2O吸收通道也可用于探測大氣濕度。相比高頻通道，低頻通道對大氣具有更好的穿透能力，但需對其配備尺寸較大的天線，將其設(shè)置在靜止軌道載荷上，對儀器制造和星載平臺穩(wěn)定性均有較高要求。隨著儀器制造水平的提高，將低頻溫濕度探測通道設(shè)置于靜止軌道已逐漸變?yōu)榭赡堋?/p>

我國未來風(fēng)云四號靜止氣象衛(wèi)星將考慮搭載微波溫濕度探測器，以期提高我國對災(zāi)害性天氣的監(jiān)測和預(yù)報能力，而大氣溫濕度反演將是風(fēng)云四號微波探測器數(shù)據(jù)應(yīng)用的重要環(huán)節(jié)。據(jù)此，本文給出了一種基于一維變分的星載傳感器的大氣溫濕度反演算法?？紤]到未來靜止軌道微波探測器可能采用50～60 GHz溫度探測通道和183 GHz濕度探測通道，該探測通道與美國Suomi NPP (National Polar-orbiting Partnership)上搭載的 ATMS相似，且將溫濕探測通道集成于單一傳感器是未來主流方案，故以ATMS資料為試驗對象開展研究。此外，為了解ATMS通道對云雨大氣的探測性能，在反演之前，利用快速輻射傳輸模式模擬了不同云雨大氣時ATMS各通道的探測敏感高度。

1 數(shù)據(jù)和方法

1.1 ATMS數(shù)據(jù)

美國新一代氣象衛(wèi)星Suomi NPP于2011年10月28日發(fā)射升空，其上搭載的ATMS具有22個探測通道，其中第1和第2通道用于提供溫濕度廓線反演所需的水汽和下墊面發(fā)射率信息，第3～15通道用于大氣溫度探測，第16～22通道用于大氣濕度探測，與前代AMSU/MHS相比，ATMS新增了51.76 GHz溫度探測通道，(183.31±4.5) GHz和(183.31±1.8) GHz濕度探測通道，并將89.0 GHz窗區(qū)通道調(diào)整至88.2 GHz頻率。相比AMSU/MHS，ATMS具有更寬的刈幅，為2 500 km，比AMSU擴大了近400 km，同時ATMS每條掃描線有96個掃描點，而AMSU-A僅有30個掃描點，MHS僅有90個掃描點，故ATMS擁有更高的空間分辨率和覆蓋率。

1.2 輻射傳輸模式

本文采用RTTOV(Radiative Transfer for TOVS)為大氣前向模擬算子，RTTOV為20世紀(jì)90年代ECMWF開發(fā)用于模擬TOVS觀測資料的輻射傳輸模式，經(jīng)過多次改進[14-15]，已具備紅外和微波通道的輻射模擬能力，同時其云散射模塊(RTTOV_SCATT)可更好地模擬有云條件下的大氣輻射狀況，RTTOV目前已更新至12.1版本，被廣泛應(yīng)用于衛(wèi)星產(chǎn)品反演和數(shù)據(jù)同化研究中。

2 一維變分反演算法

一維變分的本質(zhì)是最優(yōu)估計，其在地基微波輻射計[16-18]、紅外[19-20]、微波[21-25]探測數(shù)據(jù)反演中均有廣泛應(yīng)用。在反演最優(yōu)求解過程中，一維變分算法將所求大氣參數(shù)作為一個整體進行迭代求解，同時算法充分利用先驗信息，降低反演的不確定性。假設(shè)儀器觀測誤差和背景場誤差不相關(guān)，反演代價函數(shù)形式為

式中：x為當(dāng)前迭代過程大氣狀態(tài)向量；x0為背景場；B為背景誤差協(xié)方差，B矩陣采用NMC方法[26]從模式不同時間段相同時刻預(yù)報場估算得到；y為觀測向量；y(x)為輻射傳輸過程模擬(由大氣狀態(tài)場到觀測場的映射過程)；R為觀測誤差協(xié)方差。式(1)的第1項代表背景場誤差，第2項代表觀測場誤差。代價函數(shù)最小化可由牛頓迭代法得到

式中：Hn=xy(xn)，n為迭代次數(shù)。在迭代過程中xJ變化小于一定程度時，即達(dá)到反演求解目標(biāo)，此時的x即為觀測向量對應(yīng)的大氣狀態(tài)。反演具體流程如圖1所示，圖中NWP為數(shù)值天氣預(yù)報。

2.1 數(shù)據(jù)預(yù)處理

本研究反演采用WRF v3.9數(shù)值模式預(yù)報場為反演的背景場，由于數(shù)值模式通常為規(guī)則的經(jīng)緯度格網(wǎng)，而衛(wèi)星觀測數(shù)據(jù)的格網(wǎng)依賴于傳感器成像時的幾何、光學(xué)條件和儀器探測空間分辨率。在反演之前，需對二者進行格網(wǎng)匹配。本研究擬采用空間雙線性插值方法，對背景場進行插值，以匹配衛(wèi)星觀測數(shù)據(jù)。值得注意的是，未來靜止軌道微波探測由于觀測時間間隔短，在反演時需以較高的模式預(yù)報數(shù)據(jù)作為背景場，本文算法在未來應(yīng)用時，將考慮使用高時空分辨率的華東地區(qū)業(yè)務(wù)預(yù)報模式預(yù)報產(chǎn)品作為背景場，故滿足反演對背景場的需求。

極軌衛(wèi)星微波傳感器各通道波束寬度不同，導(dǎo)致觀測位置、空間覆蓋范圍和分辨率不同。如ATMS的第1、2通道波束寬度為5.2°，第3～16通道為2.2°，第17～22通道為1.1°。故在進行反演前需對ATMS進行軌道分辨率匹配。本文使用NWPSAF中心開發(fā)的ATOVS and AVHRR Pre-processing Package (AAPP)包對ATMS進行通道分辨率匹配，該軟件包采用Backus-Gilbert(BG)算法。

偏差去除主要用于去除輻射傳輸模式模擬和真實觀測值之間的系統(tǒng)誤差，本研究擬采用的方法為：從模式預(yù)報場提取9月11日至14日ATMS成像時大氣狀態(tài)數(shù)據(jù)，在模式模擬和ATMS觀測空間匹配區(qū)域，每日取空間不相鄰廓線250條，利用RTTOV模擬得到模擬亮溫值，對比該亮溫值與ATMS觀測亮溫，以直方圖匹配算法去除ATMS數(shù)據(jù)的偏差，使模擬和觀測的整體偏差為0。

2.2 反演過程

合理的第一猜值可使反演迭代過程更快地達(dá)到收斂，在目前主要的ATMS微波大氣溫濕度物理反演業(yè)務(wù)算法中，如NOAA的MiRS和NUCAPS反演系統(tǒng)，均采用經(jīng)驗擬合的方法為反演過程提供第一猜值[23,27]。神經(jīng)網(wǎng)絡(luò)算法在AIRS大氣廓線官方反演算法中，取代了擬合方法，為反演提供第一猜值，結(jié)果發(fā)現(xiàn)反演精度有明顯提升[28]，但該方法尚未在ATMS反演中得到應(yīng)用。

本文提出利用神經(jīng)網(wǎng)絡(luò)算法為反演提供第一猜值。具體方法為：針對反演區(qū)域，利用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)對前一天的ATMS觀測亮溫和官方反演產(chǎn)品進行網(wǎng)絡(luò)訓(xùn)練，保存網(wǎng)絡(luò)，將待反演ATMS觀測亮溫輸入至神經(jīng)網(wǎng)絡(luò)進行前向運算，得到大氣溫濕度第一猜值。研究分析了反演第一猜值的精度，以2016年9月13日ATMS觀測數(shù)據(jù)為樣本，提取61 244條亮溫和大氣廓線進行訓(xùn)練，隨后利用訓(xùn)練的網(wǎng)絡(luò)對2 000條亮溫進行測試反演，對比反演結(jié)果與官方產(chǎn)品，反演溫度差異在0.6 K以內(nèi)，水汽差異在10% 以內(nèi)，如圖2所示。

獲取第一猜值后，利用RTTOV模擬，得到對應(yīng)的輻射亮溫，將其與觀測值對比進行收斂測試，測試通過則反演成功，若失敗則更新大氣狀態(tài)再次迭代，若迭代達(dá)到一定次數(shù)仍不滿足收斂測試，則判定反演失敗。完成反演后，輸出反演結(jié)果，目前主要反演產(chǎn)品有大氣溫度和濕度廓線。

3 結(jié)果與分析

3.1 ATMS通道探測敏感高度分析

當(dāng)大氣中水呈液態(tài)時，水滴粒徑大，大氣散射增強，故傳感器在短波部分可接收到來自底層大氣的信息減少，甚至可能為零。需進一步分析不同云雨條件時微波通道探測敏感高度。從WRF數(shù)值模式預(yù)報場選取2016年超強臺風(fēng)莫蘭蒂發(fā)生某一時刻(UTC時間2016年9月12日22:00)臺風(fēng)外圍至中心位置15個位置的大氣狀態(tài)廓線，圖3為臺風(fēng)在該時刻大氣2 m溫度場和所選廓線位置。

圖4為圖2中15個位置的大氣溫度、水汽和云液水含量垂直分布，其中廓線14在約530 hPa處云液水含量最高，混合比超過1.2 g·kg-1，廓線9在約800 hPa處云液水含量較高，其云液水含量達(dá)到約0.9 g·kg-1，廓線3，12和13在近900 hPa的位置也有較高含量的云液水，其中12和13位于臺風(fēng)區(qū)域。液態(tài)水含量高可導(dǎo)致大氣散射加強，對微波波段探測產(chǎn)生一定影響。由于空間跨度大，從臺風(fēng)外圍至中心位置，水汽含量變化較為顯著,見圖4(b)。

ATMS第1～4和16通道為窗區(qū)通道，其中通道1頻率最低，為23.8 GHz，第16通道為89.5 GHz。圖5為在圖3中15個位置時，ATMS通道1和16的權(quán)重響應(yīng)函數(shù)，由圖5可知，在云液水含量較高的3，9，12，13位置，通道響應(yīng)最大的高度基本對應(yīng)于云液水含量最高時的高度，故云液水含量較高時，ATMS探測響應(yīng)高度所受影響較為明顯，其原因是大氣散射能力的增強影響了ATMS對地面輻射的接收。

圖6為通道6[頻率為(53.596±0.115) GHz]和通道20[頻率為(183.31±3.0) GHz]在不同位置的權(quán)重響應(yīng)函數(shù)。對于通道6，在云液水含量較低時，大氣探測高度約為700 hPa，但在位置12和13廓線上，云液水含量最高位置氣壓高于700 hPa，權(quán)重函數(shù)最大值出現(xiàn)位置位于云液水含量最高時的高度，在廓線9的位置，探測敏感高度略大于700 hPa。對于通道20，除廓線1以外，探測敏感高度氣壓均高于500 hPa，權(quán)重函數(shù)受云液水含量影響不顯著。

3.2 溫濕度廓線反演試驗

為評估本文反演算法的可行性，并探討算法中對反演結(jié)果有明顯影響的過程，根據(jù)前述反演算法，開展了單點反演試驗。圖7為單點試驗中ATMS 22個探測通道觀測亮溫、背景場模擬亮溫和反演成功時所得亮溫值，由圖7可知，亮溫差異主要出現(xiàn)在第1，16，17和22通道，分別為10.5，8.6，7.2，5.9 K，而其他波段誤差均在3 K以下。其中通道1和16為窗區(qū)通道，衛(wèi)星接收輻射受下墊面影響較大。此外，相比較通道1和16，窗區(qū)通道2和3雖

然亮溫差異比通道1和16小，但相對于通道4～11，誤差也較明顯。由此可知，通道1和16的模擬亮溫差異主要受下墊面的影響。通道17主要用于探測近地面大氣水汽狀況，其誤差也可能來源于下墊面。同時，從圖7可看出，反演亮溫與背景場模擬亮溫較接近，觀測和模擬亮溫差也可能來源于背景場，如通道22。

圖8為反演和背景場溫度和水汽廓線，以及二者的差異。其中二者溫度差異較小，反演溫度和背景場相差0.5 K以內(nèi)；水汽含量反演和背景場差異較明顯，如圖8所示，在近800 hPa處，最大可達(dá)13%。總體來講，反演所得大氣狀態(tài)和背景場提供的大氣狀態(tài)較接近，其原因可能是來源于數(shù)值模擬預(yù)報場的背景場較準(zhǔn)確，與大氣真實狀態(tài)較接近，使反演的迭代更新過程快速達(dá)到收斂狀態(tài)。故后續(xù)研究需關(guān)注背景場對一維變分反演的影響，包括背景場的選取及背景誤差協(xié)方差(即公式1中的B)的估計等。

4 結(jié)束語

以ATMS波段為例，模擬了微波50～60 GHz和183 GHz溫濕度探測頻段在臺風(fēng)發(fā)生時不同云雨條件下各波段探測敏感高度。模擬結(jié)果發(fā)現(xiàn)：液態(tài)水含量對微波波段探測影響較大，其原因主要是大氣散射能力隨著空氣水分子含量的變化而變化。提出基于一維變分的大氣溫濕度反演算法，利用BP神經(jīng)網(wǎng)絡(luò)為反演提供第一猜值，隨后開展了單點反演試驗。試驗發(fā)現(xiàn)：下墊面參數(shù)對微波亮溫模擬影響較大；同時，一維變分背景場對反演結(jié)果影響明顯，尤其是大氣溫度，反演結(jié)果和背景場較接近,故在今后開展反演時需對該問題加以關(guān)注。但由于本文僅進行了單點試驗，在其他條件下該結(jié)論是否依然適用仍有待觀察。此外，由于本文使用的是極軌衛(wèi)星上ATMS獲取的資料，未詳細(xì)研究未來靜止軌道微波探測數(shù)據(jù)誤差校正、質(zhì)量控制。對算法反演精度的評估需要依賴大量反演試驗結(jié)果，該項工作將是后續(xù)研究的重要主題。

[1] 雷小途, 陳佩燕, 楊玉華, 等. 中國臺風(fēng)災(zāi)情特征及其災(zāi)害客觀評估方法[J]. 氣象學(xué)報, 2009, 67(5): 875-883.

[2] 盧乃錳, 谷松巖. 靜止軌道微波大氣探測的技術(shù)現(xiàn)狀與發(fā)展展望[J]. 氣象科技進展, 2016, 6(1): 120-123.

[3] STAELIN D H, KEREKES J P, SOLMAN F J. Final report of the geosynchronous microwave sounder working group[R]. Prepared for NOAA/NESDIS GOES Program Office by MIT Lincoln Laboratory, Lexington M A, 1997.

[4] SOLMAN F J, STAELIN D H, KEREKES J P, et al. A microwave instrument for temperature and humidity sounding from geosynchronous orbit[J]. IEEE International Geoscience Remote Sensing Symposium, 1998, 3: 1704-1707.

[5] BIZZARRI B, GASIEWSKI A J, STAELIN D H. MW/sub-mm sounding from geostationary orbit[J]. Report to EUMETSAT Science WG, 2000: 11.

[6] BIZZARRI B, GASIEWSKI A J, STAELIN D H. Observing rain by millimetre-submillimetre wave sounding from geostationary orbit[M]. Dordrecht: Springer, 2007: 675-692.

[7] LANBRIGTSEN B, WILSON W, TANNER A, et al. GeoSTAR-a microwave sounder for geostationary satellites[C]∥2004 IEEE International Geoscience and Remote Sensing Symposium, Anchorage, AK, USA, 2004, 2: 777-780.

[8] LANBRIGTSEN B H. GEO/SAMS-The geostationary synthetic aperture microwave sounder[C]∥2000 IEEE International Geoscience and Remote Sensing Symposium, Honolulu, HI, USA, 2000, 7: 2984-2987.

[9] CHRISTEBSEN J, CARLSTROM A, EKSTROM H, et al. GAS: the geostationary atmospheric sounder[C]∥2007 IEEE International Geoscience and Remote Sensing Symposium, Barcelona, Spain, 2007: 223-226.

[10] CARLSTROM A, CHRISTEBSEN J, EMBRETSE N J, et al. A geostationary atmospheric sounder for now-casting and short-range weather forecasting[C]∥2009 IEEE International Antennas and Propagation Society International Symposium, Charleston, SC, USA, 2009: 1-4.

[11] 張成. 干涉式成像微波輻射計遙感圖像的模擬與成像分析[D]. 北京: 中國科學(xué)院空間科學(xué)與應(yīng)用研究中心, 2007.

[12] LIU H, WU J, ZHANG S W, et al. Conceptual design and breadboarding activities of geostationary interferometric microwave sounder (GIMS)[C]∥2009 IEEE International Geoscience and Remote Sensing Symposium, Cape Town, South Africa, 2009, 3: 1039-1042.

[13] WENG F, ZOU X, WANG X, et al. Introduction to Suomi national polar-orbiting partnership advanced technology microwave sounder for numerical weather prediction and tropical cyclone applications[J]. Journal of Geophysical Research, 2012, 117: D19112.

[14] SAUNDERS R, MSTRICARDI M, BRUNEL P. An improved fast radiative transfer model for assimilation of satellite radiance observations[J]. Quarterly Journal of the Royal Meteorological Society, 1999, 125(556): 1407-1425.

[15] MATRICARDI M, CHEVALLIER F, KELLY G, et al. An improved general fast radiative transfer model for the assimilation of radiance observations[J]. Quarterly Journal of the Royal Meteorological Society, 2004, 130(596): 153-173.

[16] CIMINI D, WESTWATER E R, GASIEWSKI A J, et al. Temperature and humidity profiling in the Arctic using millimeter-wave radiometry[C]∥2008 IEEE International Microwave Radiometry and Remote Sensing of the Environment, Firenze, Italy, 2008: 1-4.

[17] HEWISON T J. 1D-VAR retrieval of temperature and humidity profiles from a ground-based microwave radiometer[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(7): 2163-2168.

[18] 王云, 王振會, 李青, 等. 基于一維變分算法的地基微波輻射計遙感大氣溫濕廓線研究[J]. 氣象學(xué)報, 2014, 72(3): 570-582.

[19] ISHIMOTO H, OKAMOTO K, OKAMOTO H, et al. One-dimensional variational (1D-Var) retrieval of middle to upper tropospheric humidity using AIRS radiance data[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(12): 7633-7654.

[20] LERNER J A, WEISZ E, KIRCHENGAST G. Temperature and humidity retrieval from simulated Infrared Atmospheric Sounding Interferometer (IASI) measurements[J]. Journal of Geophysical Research: Atmospheres, 2002, 107(D14): 4-11.

[21] RIDLEY J. Retrieval of atmospheric parameters from SSM/I using a variational method[C]∥Proceedings of IEEE International Geoscience and Remote Sensing Symposium, Seattle, WA, USA, 1998, 2: 725-727.

[22] LIU Q H, WENG F Z. One-dimensional variational retrieval algorithm of temperature, water vapor, and cloud water profiles from advanced microwave sounding unit (AMSU)[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(5): 1087-1095.

[23] BOUKABARA S A, GARRETT K, GRASSOTTI C, et al. A physical approach for a simultaneous retrieval of sounding, surface, hydrometeor, and cryospheric parameters from SNPP/ATMS[J]. Journal of Geophysical Research Atmospheres, 2013, 118(22): 12600-12619.

[24] 賀秋瑞, 王振占, 何杰穎. FY-3C/MWHTS資料反演陸地晴空大氣溫濕廓線[J]. 遙感學(xué)報, 2017, 21(1): 27-39.

[25] MENG H, DONG J, FERRARO R, et al. A 1DVAR-based snowfall rate retrieval algorithm for passive microwave radiometers[J]. Journal of Geophysical Research Atmospheres, 2017, 122(12): 6520-6540.

[26] HE J Y, ZHANG S W, ZHANG Y. Retrieval and analysis of integrated precipitable water vapor in typhoon area from MWHTS onboard FY-3C satellite[C]∥IEEE Geoscience and Remote Sensing Symposium, Beijing, China, 2016: 384-387.

[27] PARRISH D F, DERBER J C. The national meteorological center′s statistical spectral interpolation analysis system[J]. Monthly Weather Review, 1992, 120(8): 1747-1763.

[28] NALLI N R, GAMBACORTA A, LIU Q H, et al. Validation of atmospheric profile retrievals from the SNPP NOAA-unique combined atmospheric processing system. part 1: temperature and moisture[J]. IEEE Transactions on Geoscience & Remote Sensing, 2018, 56(1): 180-190.