宋云帆 , 閔文彬 , 彭 駿

（中國氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災害四川省重點實驗室, 成都 610072）

大氣水汽作為大氣的重要組成部分，隨時間和空間變化明顯，與降水關(guān)系十分密切，是預測天氣和氣候變化的一個非常重要的物理量[1?3]。大氣水汽總量被定義為單位面積、垂直氣柱、整層大氣所含水蒸氣完全凝結(jié)成水，收集在單位面積容器中的高度值，用于表征整層大氣的水汽情況[4?5]。目前，獲取大氣水汽信息的主要方式為無線電探空[6]、地基遙感[7]和衛(wèi)星遙感[8?12]，其中衛(wèi)星遙感具有時空分辨率高、覆蓋面廣、快速高效等優(yōu)勢，具有較廣的應用前景。國內(nèi)外圍繞衛(wèi)星水汽反演方法和精度評價已開展了大量研究。Dalu[13]首先針對AVHRR數(shù)據(jù)提出了大氣水汽分裂窗反演算法，建立了水汽和AVHRR分裂窗通道亮溫插值的線性關(guān)系。Jedlovec[14]發(fā)展了方差比值法，即通過亮溫空間方差的比值求取分裂窗兩個波段的大氣透過率比值。Kleespies等[15]提出分裂窗算法基于兩個差分通道反演的大氣水汽總量比單通道反演精度更高，且反演精度還受二氧化碳含量和傳感器噪聲的影響。Ottle等[16]對比了分裂窗方差和比值算法，結(jié)果表明受地表分辨率的影響陸地和海洋像元應使用不同的算法。He等[17]利用FY-3B光譜成像儀的三個水汽通道與GPS數(shù)據(jù)估算大氣水汽總量建立回歸模型，結(jié)果表明使用三通道建立加權(quán)平均模型反演水汽精度最高。王祥等[18]用雙通道和三通道比值法反演MERSI的大氣水汽總量，發(fā)現(xiàn)三通道比值法的反演誤差小于雙通道。王永前等[19]利用TRMM搭載VIRS傳感器的兩個紅外分裂窗通道進行水汽反演，并指出正確的云雨識別是獲得可靠水汽反演結(jié)果的前提。李光偉等[20]對比GPS探測與FY-2反演大氣水汽總量，結(jié)果表明在低濕度條件下FY-2反演結(jié)果精度有待提高。現(xiàn)有研究結(jié)果一致表明衛(wèi)星反演能夠反映大氣水汽分布的趨勢，但反演結(jié)果的時空適用性因衛(wèi)星探測器、反演方法和地區(qū)等不同存在一定差異，因此，有必要在使用衛(wèi)星反演水汽產(chǎn)品之前對其進行評估分析。

新一代靜止氣象衛(wèi)星風云四號A（FY-4A）衛(wèi)星搭載先進的靜止軌道輻射成像儀（AGRI）、干涉式大氣垂直探測儀（GIIRS）、閃電儀成像儀（LMI）和空間環(huán)境監(jiān)測探測儀（SEM）[21?22]，是世界上最先進的新一代靜止氣象衛(wèi)星之一，自2016年12月成功發(fā)射以來為氣象工作者提供了大量高質(zhì)量的衛(wèi)星氣象數(shù)據(jù)。國家衛(wèi)星中心于2019年01月開始穩(wěn)定提供L2級定量大氣水汽反演產(chǎn)品（LPW），相比風云二號衛(wèi)星，F(xiàn)Y-4A時空分辨率及在軌穩(wěn)定性有了明顯提高，為進一步開展高時空分辨率的大氣水汽變化研究提供了可能。四川地處中國西南部，毗鄰青藏高原，地勢復雜，探空站點相對稀少，衛(wèi)星大氣水汽數(shù)據(jù)在四川區(qū)域的應用研究亟待發(fā)展。目前針對FY-4A大氣水汽產(chǎn)品的評估研究較少，尤其在四川獨特的地理條件和海拔高差較大的情況下，F(xiàn)Y-4A水汽資料能否反映真實大氣水汽狀況還有待檢驗。針對這一問題，本文通過對比分析FY-4A衛(wèi)星大氣水汽總量反演值和探空觀測資料計算值，評估該衛(wèi)星產(chǎn)品在四川省的可靠性，為反演精度的提高提供科學依據(jù)，以促進FY-4A衛(wèi)星水汽產(chǎn)品在四川地區(qū)的開發(fā)應用。

1 研究區(qū)概況及數(shù)據(jù)

1.1 研究區(qū)概況

四川省位于中國大陸西南腹地，地理位置介于97°31′～108°33′E、26°03′～34°19′N，處于中國大陸地勢三大階梯中的第一級青藏高原和第二級長江中下游平原的過渡帶，西高東低的地形特點十分明顯，東西長1075 km，南北寬921 km，總面積約48.5×104km2。四川省西部為高原和山地，海拔多在3000 m以上，以寒溫帶氣候為主，年均溫4～12℃，年降水量500～900 mm；東部為盆地和丘陵，海拔介于500～200 m，屬亞熱帶季風氣候，年均溫16～18℃，年降水量1000～1300 mm。四川省氣象災害種類多，發(fā)生頻率高且影響范圍大，主要災害類型為干旱、暴雨、洪澇和低溫等。

1.2 研究數(shù)據(jù)

研究使用的FY-4A衛(wèi)星AGRI反演L2級大氣水汽總量及分層水汽含量（LPW）產(chǎn)品由國家衛(wèi)星氣象中心提供（http://satellite.nsmc.org.cn/），空間分辨率為4 km，時間分辨率可達15 min（整點時次觀測，每3 h整點前后15 min各觀測一次），選擇與探空氣球放飛時間最為接近的準同步FY-4A LPW資料。探空資料為2019～2020年中國氣象局成都高原氣象研究所西南渦加密觀測試驗（每年6月20日～7月31日）獲取的GPS探空資料和L波段秒級探空資料。探空站點分布及研究區(qū)高程分布如圖1所示。其中，金川、九龍、名山和劍閣站為GPS加密觀測，每天探空觀測時次為4次，分別為00、06、12和18時（UTM）；其余站點為L波段探空，觀測時次與GPS探空相同。

圖1 研究區(qū)域站點分布

1.3 數(shù)據(jù)預處理

探空氣球在水汽含量豐富的近地面水平飄移距離大致在5 km以下，而FY-4A LPW空間分辨率為4 km。因此，將探空站點對應位置周圍空間范圍5 km設為距離閾值。FY-4A氣象衛(wèi)星反演大氣水汽總量只在晴空條件下有效，為減少云的影響，故提取閾值內(nèi)距離探空站點位置最近的晴空像元點實現(xiàn)水平空間匹配。另外，F(xiàn)Y-4A反演大氣水汽的高度與探空觀測高度不同，在垂直高度上需將探空資料高度轉(zhuǎn)換至sigma層與FY-4A LPW實現(xiàn)垂直空間匹配。具體轉(zhuǎn)換公式如下：

2 評估方法

選取平均偏差（BIAS）、相對平均偏差（RSD）、均方根誤差（RMSE）和相關(guān)系數(shù)（R）共4個指標對本次研究進行精度評估，具體計算公式如下：

3 結(jié)果分析

利用2019和2020年西南渦加密觀測期內(nèi)所有探空資料，根據(jù)式（1）和（2）計算各探空站TPW，選出與FY-4A LPW時空相匹配的樣本。統(tǒng)計FY-4A LPW和探空TPW之間的誤差及相關(guān)系數(shù)，如表1所示。此外，為了考察FY-4A LPW的穩(wěn)定性，分別統(tǒng)計了不同時次FY-4A LPW和探空TPW的誤差及相關(guān)系數(shù)，如表2所示。

表1 FY-4A LPW與探空TPW對比

表2 分時次FY-4A LPW與探空TPW對比

3.1 誤差分析

將探空TPW作為“真值”分析FY-4A LPW的各項誤差。從表1中可知，除宜賓站平均偏差為正以外，其余站點平均偏差均為負值。四川區(qū)域內(nèi)11個站點中偏差最大為巴塘站，平均偏差為?1.34 cm，相對偏差為?48.52%；偏差最小為溫江站，平均偏差為?0.05 cm，相對偏差為?1.25%，均方根誤差在各個站點的分布與誤差分布較為一致，最大均方根誤差也出現(xiàn)在巴塘站（1.40），最小偏均方根誤差出現(xiàn)在溫江站（0.39）。高海拔的甘孜、金川、巴塘、九龍和西昌站點精度較差，相對誤差絕對值均超過20%，而低海拔的溫江、宜賓、劍閣和達川站點精度很高，相對誤差絕對值均在9%以下，最小達到了1.25%。但海拔高度超過3000 m的紅原站相對誤差僅為?3.93%，海拔高度較低的名山站相對誤差卻高達?20.83%。這一現(xiàn)象表明FY-4A LPW精度不僅與海拔高度相關(guān)，可能還受地表反射率、高程梯度及數(shù)據(jù)匹配等因素的影響。

分析表2可知，06時和12時平均偏差相當，18時和00時相當，06時和12時精度略優(yōu)于18時和00時；均方根誤差與偏差表現(xiàn)一致。

圖2直觀地展示出FY-4A LPW與探空TPW之間的誤差頻率呈正態(tài)分布，中位數(shù)為?0.57 cm，均值為?0.69 cm，誤差區(qū)間為?2.04～0.94 cm，約有52.5%的樣本偏差介于?1～0 cm。

圖2 誤差頻率分布

平均偏差和頻率直方圖均可反映出FY-4A LPW整體比探空計算TPW偏低，表明FY-4A LPW在整體空間分布上對研究區(qū)內(nèi)大氣水汽總量存在一定程度的低估。

3.2 相關(guān)性分析

由表1可見，除巴塘站相關(guān)系數(shù)最小為0.31外，其余10個站點的相關(guān)系數(shù)都達到了0.7以上，相關(guān)系數(shù)最大的宜賓站達到了0.95，表明在四川區(qū)域空間分布上FY-4A LPW與探空TPW存在穩(wěn)定的線性正相關(guān)，F(xiàn)Y-4A LPW具有可靠性。川西高原海拔較高的甘孜、金川、紅原、巴塘、九龍和西昌，F(xiàn)Y-4A LPW與探空TPW的相關(guān)系數(shù)相對較低，海拔較低的溫江、宜賓、名山、劍閣和達川相關(guān)系數(shù)則相對較高。為進一步分析海拔高度對其相關(guān)性的影響，圖3給出了各臺站海拔高度與其相關(guān)系數(shù)的關(guān)系。如圖所示，除巴塘站外，其余11個站點的相關(guān)系數(shù)大小與站點海拔高度呈現(xiàn)明顯的負相關(guān)，即隨著海拔高度的上升，相關(guān)系數(shù)明顯變小。

圖3 FY-4A LPW與探空TPW相關(guān)系數(shù)隨海拔高度的變化

值得一提的是，巴塘站與其余站點的相關(guān)系數(shù)和海拔高度趨勢明顯不符，巴塘站的平均偏差、相對平均偏差和均方根誤差為11個站點中最大，相關(guān)系數(shù)明顯小于其余站點。巴塘站位于峽谷之中，周圍高山海拔梯度較大，探空探測的是該點的水汽，F(xiàn)Y-4A則觀測周圍4 km內(nèi)的面水汽數(shù)據(jù)，點與面的空間代表性不匹配導致了上述現(xiàn)象的發(fā)生。

從表2中分析FY-4A LPW相關(guān)系數(shù)不同時次的變化，00時相關(guān)系數(shù)最低為0.85，其余3個時次相關(guān)系數(shù)均達到了0.9以上，表明FY-4A LPW在不同時次的穩(wěn)定性很好，一天中不同時次均能很好地反映四川地區(qū)大氣水汽含量，對于研究大氣水汽含量在短時間內(nèi)的變化有重要意義。另外，為了更直觀地分析FY-4A LPW與探空TPW在日變化上的相關(guān)性，分別統(tǒng)計了兩種數(shù)據(jù)在四川地區(qū)11個站點的平均日變化（圖4）。如圖所示，6月20日～7月4日大氣水汽總量平均日變化較平穩(wěn)；7月4～31日，曲線起伏較大，大氣水汽總量變化相對劇烈。FY-4A LPW與探空TPW隨時間的演變規(guī)律基本一致，表明FY-4A LPW的穩(wěn)定性很好，能夠很好地反映大氣水汽總量的日變化規(guī)律。同時，從圖中可以看出探空TPW曲線整體位于FY-4A LPW曲線之上，表明FY-4A LPW在平均日變化上對研究區(qū)內(nèi)大氣水汽總量存在低估。

圖4 FY-4A LPW和探空TPW平均日變化

3.3 線性回歸

從圖5中可以看出：FY-4A LPW水汽數(shù)值大多介于0～4 cm，在0～2 cm尤為密集；在水汽低值(<4.5 cm)部分，F(xiàn)Y-4A LPW大多明顯低于探空TPW，而在高值(≥4.5 cm)部分二者大小分布相當，表明FY-4A LPW在0～4.5 cm水汽低值部分存在嚴重低估。以探空計算的大氣可降水量為真值，對應同時期FY-4A LPW數(shù)據(jù)進行一元線性回歸處理，給出線性訂正模型如下：

圖5 FY-4A LPW與探空TPW散點分布

該訂正模型擬合度R2為0.8503，估計標準誤差為0.64 cm，通過了0.01水平的顯著性檢驗，說明FY-4A LPW與探空TPW相關(guān)性較為顯著，在四川地區(qū)有很好的適用性。

4 個例應用分析

本節(jié)選取2019年7月26日四川地區(qū)一次大氣水汽變化個例進行分析，進一步評估FY-4A LPW在區(qū)域空間分布及變化中的實際應用價值。根據(jù)式（7）對原始FY-4A LPW進行修訂，計算出區(qū)域大氣水汽總量分布，修訂結(jié)果為FY-4A LPW′，基于2019年7月26日12時探空TPW分別統(tǒng)計了修訂前后FY-4A LPW偏差值。如表3所示，修訂前FY-4A LPW在達川站偏差最大，與探空TPW相比偏差值為?0.57 cm，相對偏差達?8.74%；修訂后FY-4A LPW′偏差值減小到?0.51 cm，相對偏差減小到?7.82%；修訂后四個站點的相對偏差均控制在8%以內(nèi)，表明FY-4A LPW′具有較高精度。

表3 FY-4A LPW、LPW′與探空TPW對比

圖6給出了2019年7月26日四川地區(qū)不同時次大氣水汽空間分布。如圖所示，11:45成都、眉山與資陽交界處出現(xiàn)了一個水汽高值中心，中心值達6.4 cm左右；隨后12:00高值中心明顯擴大且增強到6.6 cm，向東北延伸至德陽和綿陽；12:15高值中心繼續(xù)增強為6.8 cm，范圍延伸至遂寧和南充，高值范圍外水汽分布及數(shù)值始終變化不大?？梢姡褂肍Y-4A LPW可以直觀地獲取高時空分辨率的水汽信息，更為全面地了解四川省內(nèi)水汽空間分布及時間變化特征。從圖6中可以看出，探空站點均分布在水汽高值周圍，高值中心缺乏探空站點分布，若僅使用現(xiàn)有的劍閣、溫江、宜賓和達川站進行插值，無法獲取真實準確的區(qū)域水汽空間分布，而且一天僅4個時次的探空也無法監(jiān)測30 min內(nèi)的水汽變化。

圖6 2019年7月26日四川地區(qū)不同時次大氣水汽空間分布（a. 11:45，b. 12:00，c. 12:15）

5 結(jié)論與討論

本文利用2019年和2020年6月20日～7月31日四川省11個探空站點觀測數(shù)據(jù)，對FY-4A反演大氣水汽總量（LPW）產(chǎn)品進行評估分析，得出以下主要結(jié)論：

（1） FY-4A LPW與探空TPW偏差絕大部分為負值，最小偏差僅為?0.05 cm，最大為?1.34 cm，相對偏差最小為?1.25%，最大為?48.52%，表明FY?4A LPW對四川區(qū)域內(nèi)大氣水汽總量存在低估。

（2） FY-4A LPW與探空TPW相關(guān)性較好，除巴塘站外其余站點相關(guān)系數(shù)均在0.7以上，相關(guān)系數(shù)最高達到0.95，表明FY-4A LPW在四川區(qū)域內(nèi)具有可靠性。

（3） 海拔高度對FY-4A LPW可靠性有直接影響，F(xiàn)Y-4A LPW和探空TPW之間的相關(guān)系數(shù)與海拔高度呈負相關(guān)，即海拔高度越高，相關(guān)系數(shù)越小。

（4） FY-4A LPW的訂正模型估計標準誤差為0.64 cm，通過了0.01水平的置信度檢驗，實際應用中能夠在一定程度上提高FY-4A LPW的精度。

總之，F(xiàn)Y-4A LPW對四川省大氣水汽總量存在低估但相關(guān)性較好，訂正后的FY-4A LPW’在四川地區(qū)有較好的適用性，能夠很好地反映區(qū)域內(nèi)大氣水汽時空變化。但本文僅考慮了整層大氣水汽的情況，后續(xù)工作將對垂直層次上的水汽含量及其變化情況進行深入研究。