摘要 以METOP-A、Suomi-NPP歷史資料作為參照，系統(tǒng)分析比較了2008—2020年4顆風云三號衛(wèi)星的微波溫度計（Microwave Temperature Sounder，MWTS）再定標歷史資料質量。結果表明，4顆衛(wèi)星的MWTS探測性能穩(wěn)步上升，再定標數(shù)據(jù)集有效消除了遙感儀器在軌期間數(shù)據(jù)異常跳變、壽命期內遙感儀器輻射響應衰變、不同衛(wèi)星間的輻射定標差異等因素影響，大幅提升了MWTS歷史數(shù)據(jù)集的準確性和均勻性，使得再定標后的對流層和平流層通道數(shù)據(jù)與國外同類型儀器數(shù)據(jù)偏差在±0.1 K范圍內。本文還重點分析比較了對流層中高層和平流層低層兩個探測通道，結果表明FY-3D MWTS再定標數(shù)據(jù)和美國NOAA衛(wèi)星應用研究中心STAR長序列數(shù)據(jù)集針對中高層大氣的表現(xiàn)類似，平均亮溫在時間變化和空間分布具有相似的特征，月均全球高空亮溫年變化趨勢差異最大為0.002 4。因此，2020年之后的FY-3D再定標數(shù)據(jù)，可以接續(xù)STAR長序列數(shù)據(jù)集，用于中高層大氣的溫度變化檢測與分析。

關鍵詞風云衛(wèi)星;微波溫度計;長序列歷史資料;再定標;數(shù)據(jù)質量評估

高空大氣（對流層中層至平流層下層，850～90 hPa）作為全球氣候系統(tǒng)的重要組成部分，雖然相較近地面區(qū)域氣溫受人類活動影響較小，但是對大氣溫度廓線的垂直結構的研究仍然十分重要，這對于后續(xù)監(jiān)測氣候變化以及判斷發(fā)生機制具有很大意義。另外，氣候系統(tǒng)內部的復雜聯(lián)系也已經(jīng)使研究的目光不只局限于近地面區(qū)域，高空大氣溫度變化的研究已經(jīng)成為氣候變化研究的焦點之一（郭艷君，2008;周順武等，2019;Santer et al.，2022;施春華等，2022）。

探測全球溫度變化的手段有很多，包括但不局限于地面氣象站、探空氣球（陳哲，2010）、航天飛機等等，其中高空大氣的溫度趨勢變化的統(tǒng)計和研究一直是氣候研究需要重點攻克的難題之一（吳國華等，2021），隨著人類科技水平的提升，大氣探測的手段與方式更加多樣，自從TIROS-1（1960）的成功發(fā)射，標志著大氣探測進入了衛(wèi)星時代，自此之后不斷有氣象衛(wèi)星發(fā)射升空為氣象學家提供了大量的氣象資料。隨著美國TIROS-N（1978）上的第一臺微波探測裝置（Microwave Sounding Unit，MSU）到NOAA-19以及后續(xù)衛(wèi)星上的改進型微波探測裝置（Advanced Microwave Sounding Units，AMSU）成功升空至今，NOAA已經(jīng)積累了超過四十年的高空大氣溫度資料;相應的，中國的FY-3號系列氣象衛(wèi)星上的微波溫度計（Microwave Temperature Sounder，MWTS）自2008年發(fā)射升空至今也已經(jīng)積累了十余年的探空資料，其中既包括在FY-3A和FY-3B上的4通道微波溫度計（MWTS-Ⅰ），也包括FY-3C和FY-3D上的13通道MWTS-Ⅱ。作為當下氣候研究的重點和難點的問題之一，國外有很多團隊在高空大氣溫度變化趨勢這一方向上進行深入研究（Anthes，2011;Po-Chedley，2012;Po-Chedley et al.，2015），所采用的裝置為MSU／AMSU，目前采用MWTS裝置數(shù)據(jù)構建長序列數(shù)據(jù)集的研究較少。

高空大氣的溫度在氣候尺度上的變化為0.6 ℃／（100 a），如此微弱的變率要求衛(wèi)星微波遙感長序列資料必須要解決資料的穩(wěn)定性與精度問題，剔除一些影響較大的非氣候因素，才能夠用于高空大氣溫度長期變化趨勢的研究（鄒曉蕾和劉輝，2020）。所以使用衛(wèi)星資料進行氣候分析之前需要在原始數(shù)據(jù)中盡可能去除掉諸如儀器定標誤差、不同儀器之間的誤差、觀測時間不同導致的系統(tǒng)性偏差、衛(wèi)星軌道漂移導致的誤差等（廖蜜等，2011）。

美國大氣海洋局（NOAA）國家環(huán)境衛(wèi)星數(shù)據(jù)和信息中心（NESDIS）衛(wèi)星應用和研究實驗室（STAR）的科學家使用同步星下點交叉定標SNO（Simultaneous Nadir Overpass）方法與大氣輻射傳輸模型模擬計算相結合（Zou et al.，2006）構建了1978—2020年MSU／AMSU的長序列氣候集，后續(xù)簡稱該數(shù)據(jù)集為STAR。有關日變化的訂正采用CCM3氣候模式輸出的小時場數(shù)據(jù)，結合輻射傳輸模式和地表發(fā)射率模式，模擬出一天不同時刻的輻射亮溫，與觀測數(shù)據(jù)建立關系。該方法的使用增強了MSU／AMSU序列中關于對流層大氣的增溫趨勢，雖然部分專家認為氣候模式輸出的小時場數(shù)據(jù)有極大概率的偏差，可能會造成過度訂正，引起虛假的增溫效應（Dai et al.，2004），但是STAR數(shù)據(jù)與氣候變化模式的預期結果相似度較高，所以本文選取該組數(shù)據(jù)進行研究。

構建長序列數(shù)據(jù)集進行氣候分析對于數(shù)據(jù)質量有較高要求，在進行各星數(shù)據(jù)融合前針對各儀器數(shù)據(jù)質量評估十分必要。國家衛(wèi)星氣象中心對風云三號系列衛(wèi)星MWTS業(yè)務數(shù)據(jù)，開展了歷史再定標處理，業(yè)務數(shù)據(jù)后續(xù)簡稱為MWTS-L1-V1，再處理數(shù)據(jù)后續(xù)簡稱為MWTS-L1-V2。中國科學院大氣物理研究所的研究人員針對微波輻射成像儀（Microwave Radiation Imager，MWRI）再定標數(shù)據(jù)集進行了全面質量評估，該研究使用AMSR2作為參考，對MWRI的長期性能進行了研究，結果表明再定標后的MWRI的觀測亮溫得到了明顯的改善（He et al.，2023;Xia et al.，2023）。MWTS目前還沒有開展此類工作，但是國產(chǎn)衛(wèi)星數(shù)據(jù)針對高空大氣溫度廓線的長時間變化研究急需盡快開展，因此本文將使用METOP-A、Suomi-NPP的AMSU歷史資料作為參考針對MWTS再定標數(shù)據(jù)在長時間的高空大氣溫度廓線探測性能進行評估，并且鑒于接下來的研究將圍繞利用已有的1978—2020年STAR長序列數(shù)據(jù)集和2020年后的FY-3D再定標數(shù)據(jù)的融合工作展開，所以也會進行以上兩組數(shù)據(jù)的全方位對比。

此次研究只涉及各衛(wèi)星針對對流層中高層通道（53.596 GHz）和平流層下層通道（57.290 GHz），即風云三號A／B星的2、4通道和與之相對應的風云三號C／D星的4、8通道。同時也采用了AMSU儀器的5、9通道（郭楊等，2010）。

本文的研究內容包括：分析判斷風云三號系列衛(wèi)星微波溫度計再定標前后的數(shù)據(jù)質量優(yōu)化情況;對比分析FY-3D和STAR長序列數(shù)據(jù)集在對流層中高層通道（53.596 GHz）和平流層下層通道（57.290 GHz）的全球月均亮度溫度長期變化趨勢以及全球平均亮溫空間分布情況，在此基礎上探討FY-3D再定標數(shù)據(jù)和STAR數(shù)據(jù)融合的可行性。

1 MWTS被動微波探測大氣溫度原理

國內的MWTS（通道信息如表1所示）和國際上的MSU／AMSU（通道信息如表2所示）均為被動式微波傳感器，通過接收各個對應波段微波輻射能量（基本能夠做到全天空觀測，少數(shù)時刻會受到強降雨或云體液態(tài)水含量過高的影響）來反演物質在該波段的亮溫（安大偉等，2016）。所選取的觀測物質為氧氣，該氣體在大氣中含量穩(wěn)定且均勻，是較為理想的觀測對象，針對氧氣在不同的大氣高度上溫度不同，其輻射亮溫發(fā)射的峰值頻率也不相同，所以被動式微波傳感器采用一組頻率不同的通道反演不同高度大氣層的溫度，得到大氣溫度廓線（谷松巖等，2010，2016;游然等，2013）。

權重函數(shù)定義為大氣透過率對高度的一階導數(shù)，表征衛(wèi)星觀測信號的主要能量來源，用于分析不同頻率對應的大氣反演敏感高度，公式為：

其中：w是權重函數(shù);j是氣壓高度層;i是通道;t是透過率;p是氣壓。圖1a、b分別代表了美國標準大氣廓線條件下模擬計算的MWTS-Ⅰ 4個通道、MWTS-Ⅱ 13個通道的權重函數(shù)分布和對應的探測敏感層高度，由圖1可得，通道越多可反演的大氣廓線層數(shù)越多。此外，合理選擇吸收譜線位置，使得探測通道的敏感高度均勻分布，可以提高廓線反演的垂直特征代表性。

2 數(shù)據(jù)介紹與處理

采用4組數(shù)據(jù)：FY-3A／B／C／D 4顆星的微波溫度計（MWTS）實時業(yè)務L1級數(shù)據(jù)（MWTS-L1-V1）、相同儀器的歷史資料再定標L1級基礎氣候數(shù)據(jù)（MWTS-L1-V2）、與風三MWTS對應時間的AMSU L1級（METOP-A／Suomi-NPP）數(shù)據(jù)、STAR生成的MSU／AMSU基礎氣候數(shù)據(jù)集（STAR），相關信息如表3所示。

MWTS-L1-V1來自國家衛(wèi)星氣象中心（National Satellite Meteorological Centre，NSMC）風云衛(wèi)星遙感數(shù)據(jù)服務網(wǎng)（http：／／satellite.nsmc.org.cn／PortalSite／Default.aspx）。MWTS-L1-V2同樣來自NSMC，是MWTS歷史資料再定標基礎氣候數(shù)據(jù)集，名稱為：“氣象衛(wèi)星微波儀器基礎氣候產(chǎn)品數(shù)據(jù)集-微波溫度計（MWTS）（2008—2020年）”，是基于FY-3A／B／C／D四顆星的微波溫度計0級數(shù)據(jù)，通過再定標處理得到的全球范圍2008—2020年大氣溫度的氣候數(shù)據(jù)（doi：10.12185／NSMC.RCHCEOS.FCDR.MWTSRecalOrb.FY3.MWTS.L1.GBAL.ORBIT.NUL.33KM.HDF.2021.4.V2），再定標處理既包括了單顆衛(wèi)星的定標技術改進，如非線性建模、噪聲特性優(yōu)化、靜態(tài)參數(shù)修正等，也包括了多顆衛(wèi)星間的系統(tǒng)誤差修正。

METOP-A、Suomi-NPP的AMSU L1級數(shù)據(jù)來自美國大氣海洋局（NOAA）官網(wǎng)（https：／／www.ncei.noaa.gov）。MSU／AMSU基礎氣候數(shù)據(jù)集（STAR）是NOAA國家環(huán)境衛(wèi)星數(shù)據(jù)和信息中心（NESDIS）衛(wèi)星應用和研究實驗室（STAR）的歷史資料再定標數(shù)據(jù)（https：／／www.nesdis.noaa.gov／current-satellite-missions／history-of-noaa-satellites）。該數(shù)據(jù)涉及資料來自Tiros-N，NOAA 6-12，14-19以及METOP-A，AQUA等衛(wèi)星，Zou and Wang（2009）使用SNO（Simultaneous Nadir Overpass）交叉定標方法，利用兩顆衛(wèi)星在兩極區(qū)域的同步同觀測視場匹配數(shù)據(jù)來歸一化星-星之間的系統(tǒng)誤差。在此基礎上，針對衛(wèi)星過境時間（Local Equator Crossing Time，LECT）變化，采用了數(shù)值模式結果進行日變化影響訂正，并修正了軌道高度衰減、熱黑體溫度變化等因素導致的定標誤差，最后得到全球對流層大氣溫度年變化趨勢為（0.18±0.05） ℃／（10 a）（1979—2006），平流層溫度變化趨勢為（-0.39±0.36） ℃／（10 a）（Zou and Gao，2007;Zou and Wang，2009;Zou et al.，2023）。

除去缺測數(shù)據(jù)外，將MWTS-L1-V1、MWTS-L1-V2以及國外單星數(shù)據(jù)的對流層中高層通道（53.596 GHz）、平流層下層通道（57.290 GHz）的全球格點數(shù)據(jù)進行篩選，選取同一觀測地點且前后過境時間在15 min以內的國內外數(shù)據(jù)，符合上述要求格點普遍分布在兩極地區(qū)，其中FY-3A／B和METOP-A匹配，F(xiàn)Y-3C／D和Suomi-NPP匹配。另外，STAR提供的為2.5°×2.5°全球月均格點數(shù)據(jù)，但是MWTS_L1數(shù)據(jù)是軌道原始數(shù)據(jù)，為了便于后續(xù)比較，需要對MWTS_L1軌道數(shù)據(jù)投影并格點化，然后分別將MWTS-L1-V1、MWTS-L1-V2、國外單星數(shù)據(jù)統(tǒng)一進行升降軌數(shù)據(jù)融合、去除數(shù)據(jù)異常值、月平均、降分辨率處理等，以此和STAR數(shù)據(jù)時空匹配，具體的數(shù)據(jù)處理流程如圖2所示。

3 風云三號衛(wèi)星微波溫度計數(shù)據(jù)再定標前后對比分析

將篩選過后的極地格網(wǎng)數(shù)據(jù)每2 d一個周期，求取平均值后FY-3A／B和METOP-A，F(xiàn)Y-3C／D和Suomi-NPP分別求亮溫差可得圖3，其中紅線代表MWTS-L1-V1數(shù)據(jù)和國外單星數(shù)據(jù)差值，綠線代表MWTS-L1-V2數(shù)據(jù)和國外單星數(shù)據(jù)差值。

FY-3A／B和METOP-A的53.596 GHz通道格點數(shù)據(jù)平均偏差由再定標前-1.667 9／-1.215 6 K降到再定標后-0.009 7／0.007 7 K，標準偏差也由再定標前0.474 2／0.470 4 K降為再定標后0.164 6／0.208 0 K;FY-3C／D和Suomi-NPP的53.596 GHz通道格點數(shù)據(jù)平均偏差由再定標前-2.266 4／-0.019 4 K降到再定標后0.008 6／0.055 4 K，標準偏差也由再定標前0.373 6／0.442 0 K降為再定標后0.287 5／0.241 6 K。業(yè)務數(shù)據(jù)中FY-3D表現(xiàn)最好，再定標過程雖然并沒有縮小FY-3D和Suomi-NPP的平均偏差，但是顯著縮小了兩者的標準偏差。上述數(shù)據(jù)的統(tǒng)計直方圖如圖4所示。

MWTS-L1-V2和METOP-A／Suomi-NPP數(shù)據(jù)差值就53.596 GHz通道符合高斯分布。后續(xù)進行57.290 GHz通道的分析，首先繪制再定標前后和METOP-A／Suomi-NPP差值時間序列如圖5所示。

FY-3A／B和METOP-A的57.290 GHz通道格點數(shù)據(jù)平均偏差由再定標前0.236 4／0.567 5 K降到再定標后-0.101 3／-0.222 0 K，標準偏差也由再定標前0.875 0／1.344 0 K降為再定標后0.690 6／0.783 4 K;FY-3C／D和Suomi-NPP的57.290 GHz通道格點數(shù)據(jù)平均偏差由再定標前-3.933 3／0.218 8 K降到再定標后0.053 3／-0.033 2 K，標準偏差也由再定標前0.230 8／1.074 2 K降為再定標后0.277 4／0.178 1 K。上述數(shù)據(jù)統(tǒng)計直方圖如圖6所示。

MWTS-L1-V2中FY-3C／D和Suomi-NPP數(shù)據(jù)差值在57.290 GHz通道符合高斯分布。圖3—6表明53.596 GHz和57.290 GHz兩個通道，MWTS-L1-V2數(shù)據(jù)質量均能夠達到國際先進水平。

搭載MWTS-Ⅰ儀器的FY-3A至FY-3B以及搭載MWTS-Ⅱ儀器的FY-3C至FY-3D，數(shù)據(jù)質量均能夠體現(xiàn)穩(wěn)步上升，其中FY-3D在偏差和標準差上的表現(xiàn)最為優(yōu)異，這能夠為后續(xù)利用FY-3D再定標數(shù)據(jù)進行氣候分析提供了理論依據(jù)。

接下來的研究將圍繞FY-3D再定標數(shù)據(jù)和對應時間的STAR長序列數(shù)據(jù)集的對比中展開。由于STAR數(shù)據(jù)集中對各通道的數(shù)據(jù)進行了融合處理，探測頻率和MWTS數(shù)據(jù)存在輕微不同，且FY-3D再定標數(shù)據(jù)和STAR過境時間亦不相同，所以兩組數(shù)據(jù)直接對比有極大概率會出現(xiàn)系統(tǒng)性偏差，但是可以重點對比兩者的亮溫變化趨勢差異情況。

4 FY-3D再定標數(shù)據(jù)與STAR長序列數(shù)據(jù)集針對對流層中高層通道（53.596 GHz）亮溫對比分析

4.1 對流層中高層通道（53.596 GHz）亮度溫度時間序列對比分析

將FY-3D再定標數(shù)據(jù)和對應時間的STAR長序列數(shù)據(jù)集對流層中高層通道（53.596 GHz）全球月均數(shù)據(jù)繪制折線圖（圖7），紅色代表FY-3D，藍色代表STAR，亮溫變化趨勢用一次函數(shù)直線表示。由圖7可知除去各月份皆有的1.7 K系統(tǒng)性偏差以外，月平均亮溫變化模態(tài)整體非常相似，溫度變化的波峰和波谷吻合情況很好。除此之外兩組數(shù)據(jù)的亮溫變化趨勢亦十分相似，擬合函數(shù)年變化趨勢僅有0.002 4的差異。

4.2 對流層中高層通道（53.596 GHz）亮度溫度空間分布特征對比

除去全球整體的亮溫變化時間序列外，亮溫空間分布情況對儀器的探測性能提出了更高的要求（李梁等，2022），遂為了對以上數(shù)據(jù)進行更詳細的對比以及氣候性分析，繪制2018年1月的FY-3D再定標數(shù)據(jù)和STAR長序列數(shù)據(jù)集對流層中高層通道（53.596 GHz）全球亮溫空間分布如圖8。兩組數(shù)據(jù)各星就對流層中高層通道（53.596 GHz）全球格點亮度溫度表現(xiàn)高度相似，亮度溫度由赤道向兩極逐漸減小，高海拔地區(qū)如青藏高原、格陵蘭島、南極大陸等亮溫表現(xiàn)較低，高海拔地區(qū)亮溫表現(xiàn)較低原因在于53.596 GHz探測通道遠翼能夠接收到地面信號（王博等，2022）即存在溫度廓線拖尾，與圖1結果吻合。

FY-3D再定標數(shù)據(jù)和STAR長序列數(shù)據(jù)集在對流層中高層通道（53.596 GHz）最高亮溫均出現(xiàn)于赤道，20°E附近，分別為263.898 K和261.694 K，最低亮溫均出現(xiàn)于格陵蘭島，分別為221.137 K和221.310 K，對流層中高層兩極冰雪覆蓋地區(qū)亮溫表現(xiàn)受探測頻率以及過境時間影響明顯，F(xiàn)Y-3D再定標數(shù)據(jù)暫未針對STAR長序列數(shù)據(jù)集進行匹配，這是造成在此類地區(qū)亮溫稍低的原因，也是進行數(shù)據(jù)融合前需要進行的工作。

4.3 對流層中高層通道（53.596 GHz）亮溫變化趨勢特征對比

大氣溫度變化趨勢是氣候系統(tǒng)外部強迫變化的關鍵標志，也是對數(shù)據(jù)變化較為敏感的指標，為了進一步探索FY-3D再定標數(shù)據(jù)在氣候分析方面的潛力，將FY-3D再定標數(shù)據(jù)全壽命2.5°×2.5°全球格點數(shù)據(jù)與對應時間的STAR長序列數(shù)據(jù)集求取亮溫年變化趨勢并求亮溫差（圖9）：

由圖9可知：FY-3D再定標數(shù)據(jù)和STAR長序列數(shù)據(jù)集差異很小，最大差異在±0.5 K／a之內。針對兩組數(shù)據(jù)格點溫度分布情況以及溫度變化趨勢可以得出結論：FY-3D再定標數(shù)據(jù)和STAR長序列數(shù)據(jù)集在對流層中高層通道（53.596 GHz）整體表現(xiàn)相似，尤其在針對全球亮溫變化趨勢的分析中可以發(fā)現(xiàn)FY-3D再定標數(shù)據(jù)和STAR團隊差距很小，后續(xù)工作進行以上兩組數(shù)據(jù)融合存在可能性。

5 FY-3D再定標數(shù)據(jù)與STAR長序列數(shù)據(jù)集針對平流層下層通道（57.290 GHz）亮溫對比分析

5.1 平流層下層通道（57.290 GHz）亮度溫度時間序列對比分析

本小節(jié)將使用4.1的研究方法，對比FY-3D再定標數(shù)據(jù)和STAR長序列數(shù)據(jù)集的平流層下層通道（57.290 GHz）的異同點，首先進行兩組數(shù)據(jù)的月均亮溫時間變化序列對比（圖10）：兩組數(shù)據(jù)就平流層下層通道（57.290 GHz）月均亮度溫度波峰波谷表現(xiàn)非常相似，各月份均存在0.4 K左右的系統(tǒng)性偏差，亮溫的整體變化趨勢以及月份特征表現(xiàn)相同，年變化趨勢擬合函數(shù)存在0.014 4 K/a的差異。

5.2 平流層下層通道（57.290 GHz）亮度溫度空間分布特征對比

和針對對流層中高層通道（53.596 GHz）數(shù)據(jù)的處理類似，亦將2018年1月FY-3D再定標數(shù)據(jù)和STAR長序列數(shù)據(jù)集繪制全球格點亮度溫度（圖11）：平流層下層通道（57.290 GHz）亮度溫度由赤道向兩極逐漸增高，北半球整體亮溫相較南半球更低。

和對流層中高層通道（53.596 GHz）的表現(xiàn)類似，在平流層下層通道（57.290 GHz）兩組數(shù)據(jù)亮溫分布一致，均在赤道地區(qū)本初子午線附近存在亮溫最低值，分別為199.439和199.446 K;亦均在南極地區(qū)160°E區(qū)域出現(xiàn)亮溫最高值，分別為229.730和229.489 K。兩者差異很小，符合時間序列中表現(xiàn)的各月份均存在0.4 K左右的系統(tǒng)性偏差，此偏差會在后續(xù)的衛(wèi)星過境時間糾正以及通道融合處理中被進一步減小。

5.3 平流層下層通道（57.290 GHz）亮度溫度變化趨勢特征對比

為了對比分析FY-3D再定標數(shù)據(jù)在平流層下層通道（57.290 GHz）上進行氣候性分析工作的潛力，對衛(wèi)星全壽命以及STAR長序列數(shù)據(jù)集相同時間2.5°×2.5°亮溫變化進行趨勢差異分析（圖12），和對流層中高層通道（53.596 GHz）表現(xiàn)類似，F(xiàn)Y-3D再定標數(shù)據(jù)和STAR長序列數(shù)據(jù)集在平流層下層微波探測通道（57.290 GHz）差異很小，最大差異在±0.5 K／a以內，這也說明后續(xù)兩組數(shù)據(jù)在該通道進行融合從而對于高空氣候變化分析具有可行性。

6 總結與討論

衛(wèi)星探測高空大氣溫度廓線資料具有記錄時間長、垂直分辨率高、觀測范圍廣等巨大優(yōu)勢，但是國產(chǎn)衛(wèi)星由于起步較晚，少有基于國產(chǎn)衛(wèi)星MWTS長序列資料進行高空氣候變化的研究。此次為MWTS業(yè)務數(shù)據(jù)經(jīng)歷國家衛(wèi)星氣象中心再定標處理過后得出的長時間氣候數(shù)據(jù)集首次和STAR團隊長序列數(shù)據(jù)針對對流層中高層通道（53.596 GHz）以及平流層下層通道（57.290 GHz）進行深入對比，得出如下結論：

1）隨著設備的迭代進步以及數(shù)據(jù)處理方式的不斷優(yōu)化，F(xiàn)Y-3A／B／C／D四顆衛(wèi)星的MWTS探測性能穩(wěn)步上升，具體體現(xiàn)在探測通道由少變多、和國外探測數(shù)據(jù)亮溫偏差不斷縮小且偏差值符合高斯分布。

2） 再定標過程通過溫度補償訂正等數(shù)學方法有效消除了對流層中高層通道（53.596 GHz）以及平流層下層通道（57.290 GHz）由于溫度控制器無法保證儀器溫度恒定、開機數(shù)據(jù)波動、高斯震蕩以及通道串擾等造成的數(shù)據(jù)誤差，為后續(xù)相關設備的研究開發(fā)提出新的要求以及數(shù)據(jù)處理積累了寶貴經(jīng)驗。

3）FY-3D再定標MWTS數(shù)據(jù)質量優(yōu)異，和STAR長序列數(shù)據(jù)集在對流層中高層通道（53.596 GHz）以及平流層下層通道（57.290 GHz）對比除穩(wěn)定的系統(tǒng)性偏差外均無明顯差異，月均全球亮溫擬合函數(shù)差異最大僅有0.014 4 K/a。兩組數(shù)據(jù)在全球亮溫分布以及全球各地區(qū)高空大氣亮溫變化趨勢都具有較高的一致性，數(shù)據(jù)質量能夠達到世界先進水平。

綜上可得，將2020年后的FY-3D的MWTS再定標數(shù)據(jù)和STAR數(shù)據(jù)進行融合從而分析高空大氣溫度變化具有可行性（Zou and Wang，2011;Spencer et al.，2017），但是在實施之前需要對于該數(shù)據(jù)進行衛(wèi)星過境時間訂正以及通道融合處理使其和STAR數(shù)據(jù)保持一致。

參考文獻（References）

安大偉，谷松巖，楊忠東，等，2016.FY-3C微波溫度計在軌輻射非線性定標新方法［J］.紅外與毫米波學報，35（3）：317-321. An D W，Gu S Y，Yang Z D，et al.，2016.On-orbit radiometric calibration for nonlinear of FY-3C MWTS［J］.J Infrared Millim Waves，35（3）：317-321.doi：10.11972／j.issn.1001-9014.2016.03.011.（in Chinese）.

Anthes R A，2011.Exploring Earth’s atmosphere with radio occultation：contributions to weather，climate and space weather［J］.Atmos Meas Tech，4（6）：1077-1103.doi：10.5194／amt-4-1077-2011.

陳哲，2010.中國探空氣球水平漂移總體特征分析［J］.氣象，36（2）：22-27. Chen Z，2010.Characteristics of the overall sounding data drift in China［J］.Meteor Mon，36（2）：22-27.（in Chinese）.

Dai A G，Trenberth K E，Qian T T，2004.A global dataset of palmer drought severity index for 1870-2002：relationship with soil moisture and effects of surface warming［J］.J Hydrometeorol，5（6）：1117-1130.doi：10.1175／JHM-386.1.

谷松巖，王振占，李靖，等，2010.風云三號A星微波濕度計主探測通道輻射特性［J］.應用氣象學報，21（3）：335-342. Gu S Y，Wang Z Z，Li J，et al.，2010.The radiometric characteristics of sounding channels for FY-3A／MWHS［J］.J Appl Meteorol Sci，21（3）：335-342. doi：10.3969／j.issn.1001-7313.2010.03.009.（in Chinese）.

谷松巖，郭楊，游然，等，2016.風云三號C星微波大氣探測載荷性能分析［J］.氣象科技進展，6（1）：76-82. Gu S Y，Guo Y，You R，et al.，2016.The performance of microwave sounders board on FY-3C satellite［J］.Adv Meteorol Sci Technol，6（1）：76-82. doi：10.3969／j.issn.2095-1973.2016.01.011.（in Chinese）.

郭艷君，2008.高空大氣溫度變化趨勢不確定性的研究進展［J］.地球科學進展，23（1）：24-30. Guo Y J，2008.Advances in uncertainties in upper air temperature trends［J］.Adv Earth Sci，23（1）：24-30.doi：10.3321／j.issn：1001-8166.2008.01.004.（in Chinese）.

郭楊，盧乃錳，谷松巖，2010.毫米／亞毫米波探測大氣溫度和濕度的通道選擇［J］.應用氣象學報，21（6）：716-723. Guo Y，Lu N M，Gu S Y，2010.Channel selection of millimeter／submillimeter wave for temperature and humidity sounding［J］.J Appl Meteorol Sci，21（6）：716-723.doi：10.11898／1001-7313.20100608.（in Chinese）.

He W Y，Chen H B，Xia X A，et al.，2023.Evaluation of the long-term performance of microwave radiation imager onboard Chinese Fengyun satellites［J］.Adv Atmos Sci，40（7）：1257-1268.doi：10.1007／s00376-023-2199-2.

李梁，張佳華，孫中太，等，2022.基于FY-3號氣象衛(wèi)星的中國典型積雪覆蓋區(qū)的時空動態(tài)研究［J］.大氣科學學報，45（6）：879-889. Li L，Zhang J H，Sun Z T，et al.，2022.Spatiotemporal dynamics of snow cover in typical regions of China based on FY-3 meteorological satellite［J］.Trans Atmos Sci，45（6）：879-889.doi：10.13878／j.cnki.dqkxxb.20211228001.（in Chinese）.

廖蜜，2011.利用MSU/AMSU資料分析中國高空大氣溫度變化趨勢［D］.北京：中國氣象科學研究院. Liao M，2011.Analysis of upper-air temperature trend of China using MSU/AMSU［D］.Beijing：Chinese Academy of Meteorological Sciences.（in Chinese）.

廖蜜，張鵬，吳雪寶，等，2011.利用MSU序列研究高空大氣溫度變化的進展［J］.氣象，37（9）：1151-1157. Liao M，Zhang P，Wu X B，et al.，2011.Research advances of the temperature changes in the upper air using MSU time series［J］.Meteor Mon，37（9）：1151-1157.（in Chinese）.

Po-Chedley S，2012.Reconciling tropospheric temperature trends from the microwave sounding unit［OL］.［2023-11-15］.https：／／www.star.nesdis.noaa.gov／star／documents／seminardocs／2012／Po-Chedley20120613.pdf.

Po-Chedley S，Thorsen T J，F(xiàn)u Q，2015.Removing diurnal cycle contamination in satellite-derived tropospheric temperatures：understanding tropical tropospheric trend discrepancies［J］.J Climate，28（6）：2274-2290.doi：10.1175／JCLI-D-13-00767.1.

Santer B D，Po-Chedley S，F(xiàn)eldl N，et al.，2022.Robust anthropogenic signal identified in the seasonal cycle of tropospheric temperature［J］.J Climate，35（18）：6075-6100.doi：10.1175／jcli-d-21-0766.1.

施春華，朱錦堯，蔡雯昳，2022.西南地區(qū)一次對流復合體調控下的對流層向平流層輸送的特征及機制［J］.大氣科學學報，45（2）：302-311. Shi C H，Zhu J Y，Cai W Y，2022.Characteristics and mechanism of troposphere-to-stratosphere transport dominated by a mesoscale convective complex in Southwest China［J］.Trans Atmos Sci，45（2）：302-311.doi：10.13878／j.cnki.dqkxxb.20200402001.（in Chinese）.

Spencer R W，Christy J R，Braswell W D，2017.UAH Version 6 global satellite temperature products：methodology and results［J］.Asia Pac J Atmos Sci，53（1）：121-130.doi：10.1007／s13143-017-0010-y.

王博，郭鵬，孟春紅，等，2022.基于FY-3D微波成像儀的中國陸地區(qū)域地表溫度反演及驗證［J］.大氣科學學報，45（1）：112-123. Wang B，Guo P，Meng C H，et al.，2022.Retrieval and verification of land surface temperature in China based on an FY-3D microwave radiation imager［J］.Trans Atmos Sci，45（1）：112-123.doi：10.13878／j.cnki.dqkxxb.20210506003.（in Chinese）.

吳國華，劉仁強，黎穎，2021.1980—2000年北極平流層冬季十年際變化形勢的逐月演變［J］.大氣科學學報，44（4）：585-591. Wu G H，Liu R Q，Li Y，2021.Winter month-to-month evolution of decadal changes in the Arctic stratosphere during 1980—2000［J］.Trans Atmos Sci，44（4）：585-591.doi：10.13878／j.cnki.dqkxxb.20191114001.（in Chinese）.

Xia X R，He W Y，Wu S L，et al.，2023.A thorough evaluation of the passive microwave radiometer measurements onboard three Fengyun-3 satellites［J］.J Meteor Res，37（4）：573-588.doi：10.1007／s13351-023-2198-3.

游然，谷松巖，郭陽，等，2013.風云三號衛(wèi)星微波溫度計的在軌性能長期穩(wěn)定性分析.氣象科技進展（04），15-19. You R，Gu S Y，Guo Y，et al.，2012.Long-term calibration and accuracy assessment of the FY-3 microwave temperature sounder radiance measurements.IEEE Transactions on Geoscience ＆ Remote Sensing，50（12），4854-4859.（in Chinese）.

周順武，鄭丹，秦亞蘭，等，2019.青藏高原與同緯度其他地區(qū)熱帶對流層頂氣壓變化特征的比較［J］.大氣科學學報，42（5）：660-671. Zhou S W，Zheng D，Qin Y L，et al.，2019.Comparison on variation features of the tropical tropopause pressure over the Tibetan Plateau and the other regions in the same latitudes［J］.Trans Atmos Sci，42（5）：660-671.doi：10.13878／j.cnki.dqkxxb.20170112001.（in Chinese）.

Zou C Z，Goldberg M D，Cheng Z H，et al.，2006.Recalibration of microwave sounding unit for climate studies using simultaneous nadir overpasses［J］.J Geophys Res：Atmos，111（19）.doi：10.1029／2005JD006798.

Zou C Z，Gao M，2007.A 20-year MSU dataset for atmospheric temperature change studies［C］／／SPIE Proceedings"，"Atmospheric and Environmental Remote Sensing Data Processing and Utilization Ⅲ：readiness for GEOSS.San Diego，CA.SPIE.doi：10.1117／12.734113.

Zou C Z，Wang W H，2009.Diurnal drift correction in the NESDIS／STAR MSU／AMSU atmospheric temperature climate data record［C］／／SPIE Proceedings"，"Atmospheric and Environmental Remote Sensing Data Processing and Utilization V：readiness for GEOSS III.San Diego，CA.SPIE.doi：10.1117／12.824459.

Zou C Z，Wang W H，2011.Intersatellite calibration of AMSU-a observations for weather and climate applications［J］.J Geophys Res：Atmos，116（D23）：D23113.doi：10.1029／2011JD016205.

Zou C Z，Xu H，Hao X J，et al.，2023.Mid-tropospheric layer temperature record derived from satellite microwave sounder observations with backward merging approach［J］.J Geophys Res：Atmos，128（6）：e2022JD037472.doi：10.1029／2022JD037472.

鄒曉蕾，劉輝，2020.通過影響高度多路徑質量控制改進熱帶對流層低層GPS掩星資料同化效果［J］.大氣科學學報，43（1）：116-127. Zou X L，Liu H，2020.Impact multipath quality control improving GPS RO data assimilation in the tropical lower troposphere［J］.Trans Atmos Sci，43（1）：116-127.doi：10.13878／j.cnki.dqkxxb.20191019002.（in Chinese）.

Quality assessment of the long-termrecalibration history dataset of the FY-3 microwave temperature sounder

Abstract The Microwave Temperature Sounder （MWTS），an essential sensor onboard China’s second-generation polar-orbiting meteorological satellites （FY-3），measures the vertical structure of atmospheric temperature profilesusing oxygen absorption in the 50-60 GHz frequency range.Since 2008，MWTS and its improved instruments have been deployed on FY-3A satellite （2008），F(xiàn)Y-3B satellite （2010），F(xiàn)Y-3C satellite （2013），and FY-3D satellite （2017），accumulating over a decade of observational data.While many researchers have utilized historical data from MSU and AMSU to study upper atmospheric trends，long-term datasets of high-altitude brightness temperatures incorporating data from domestic satellites remain scarce.The reliability of these domestic satellite datasets is crucial for constructingsuch long-term records.Therefore，this study assesses the quality of the FY-3 MWTS data by comparing them with synchronous observations from other instruments，such as METOP-A and Suomi-NPP.Our analysis shows that the average biases in the middle and upper tropospheric channels （53.596 GHz） between FY-3A／B／C／D and other instruments have been significantly reduced post-calibration，from -1.667 9／-1.215 6／-2.266 4／-0.019 4 K to -0.009 7／0.007 7／0.008 6／0.055 4 K，respectively.The standard deviations have also improved，reducing from 0.474 2／0.470 4／0.373 6／0.442 0 to 0.164 6／0.208 0／0.287 5／0.241 6，respectively.For the lower stratospheric channels （57.290 GHz），the average biases were reduced from 0.236 4／0.567 5／-3.933 3／0.218 8 K to -0.101 3／-0.222 0／0.053 3／-0.033 2 K，respectively，and the standard deviations from 0.875 0，1.344 0，0.230 8，1.074 2 to 0.690 6，0.783 4，0.277 4，0.178 1，respectively.These results indicate a steady improvement in the detection performance of MWTS onboard FY-3A／B／C／D satellites.The recalibrated datasets effectively address issues such as abnormal data jumps during satellite orbits，radiation response decay in remote sensing instruments，and calibration differences between various satellites.The deviations between recalibrated data and references are within ±0.1 K in both tropospheric and stratospheric channels.

Furthermore，we conducted a differential analysis between the recalibrated FY-3D MWTS data and the long-term dataset from the NOAA Satellite Applications and Research Center （STAR）.The monthly mean brightness temperature time series in the middle and upper tropospheresshows a minimal difference of 0.002 4 K／a in the trend of brightness temperature change.The brightness temperature distributions of both datasets are similar，decreasing gradually from the equator to the poles，influenced by underlying surface types.The maximum difference in brightness temperature change trends is within ±0.5 K／a.

In the lower troposphere，the monthly mean brightness temperature time series shows a 0.0144 K／a difference in the trend.The brightness temperature distributions of both datasets are similar，increasing gradually from the equator to the poles，and are almost unaffected by underlying surface types.The maximum difference in brightness temperature change trends is within ±0.5 K／a.

Therefore，the recalibrated FY-3D data post-2020 can be combined with the STAR dataset for analyzing temperature changes in the middle and upper atmosphere.This study supports climate change research based on long-term historical data from domestic satellites.

Keywords Feng Yun satellite;microwave thermometer;long-series historical data;recalibration;data quality assessment