留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

风云四号A星红外高光谱大气垂直探测仪观测资料质量评估

王雨润 官莉

王雨润, 官莉. 风云四号A星红外高光谱大气垂直探测仪观测资料质量评估[J]. 红外与激光工程, 2022, 51(9): 20210838. doi: 10.3788/IRLA20210838
引用本文: 王雨润, 官莉. 风云四号A星红外高光谱大气垂直探测仪观测资料质量评估[J]. 红外与激光工程, 2022, 51(9): 20210838. doi: 10.3788/IRLA20210838
Wang Yurun, Guan Li. Quality assessment of FY-4 A’s geostationary interferometric infrared sounder observations data[J]. Infrared and Laser Engineering, 2022, 51(9): 20210838. doi: 10.3788/IRLA20210838
Citation: Wang Yurun, Guan Li. Quality assessment of FY-4 A’s geostationary interferometric infrared sounder observations data[J]. Infrared and Laser Engineering, 2022, 51(9): 20210838. doi: 10.3788/IRLA20210838

风云四号A星红外高光谱大气垂直探测仪观测资料质量评估

doi: 10.3788/IRLA20210838
基金项目: 国家自然科学基金面上项目(41975028)
详细信息
    作者简介:

    王雨润,女,硕士生,主要研究方向为卫星遥感资料的研究与应用

    官莉,女,教授,博士,主要研究方向为大气遥感与大气探测

  • 中图分类号: P414

Quality assessment of FY-4 A’s geostationary interferometric infrared sounder observations data

Funds: National Natural Science Foundation of China (41975028)
  • 摘要: 评估星载红外高光谱仪器观测资料的质量可以推进其在数值天气预报中的应用。使用2020 年 7 月 FY-4A 红外高光谱干涉式大气垂直探测仪 (Geostationary Interferometric Infrared Sounder, GIIRS)观测数据,分析GIIRS所有通道观测噪声随视场和纬度的变化、偏差 (观测亮温与辐射传输模式模拟亮温的差) 随时间、视场、纬度和天顶角的分布来评估 GIIRS 观测资料质量。研究结果表明:波段727.5~733.8 cm−1、1107.5~1130 cm−1和1650~1776.9 cm−1的观测噪声超出仪器灵敏度设计指标,且这些通道的偏差和偏差标准差明显大于其他通道;除了长波观测噪声大的通道外,其余通道噪声等效温差NEdT在32×4阵列上均呈“中间小,两边大”的特征,且NEdT的分布不随纬度带和FOR阵列而改变,在进行GIIRS资料同化或变分反演时,其观测误差只用考虑不同通道在32×4阵列内的NEdT分布;由于数值预报模式的地表温度在白天时值偏低,使得模拟辐射量偏低,造成偏差绝对值减小,使偏差有明显的日变化;中波通道偏差特征基本不随32×4面阵的列而改变,主要与阵列中的行有关,在中波通道进行偏差订正时可以针对32×4面阵中行开展,基本不需要纬度带和卫星天顶角的订正。
  • 图  1  (a) GIIRS区域观测覆盖范围(引自国家卫星气象中心http://img.nsmc.org.cn);(b) GIIRS矩形探元32×4排布方式

    Figure  1.  (a) The coverage of GIIRS regional observation (Quote from National Satellite Meteorological Center http://img.nsmc.org.cn); (b) GIIRS rectangular detection units is arranged in 32×4 array

    图  2  不同时段平均的GIIRS 128个探元NEdT的谱分布。(a) 2019年6月1日~8月12日;(b) 2019年8月13日~11月6日;(c) 2019年11月7日~2020年2月29日(红线为在背景温度300 K下的灵敏度指标)

    Figure  2.  The spectral distribution of the average NEdT of 128 detection units in different time periods. (a) June 1 to August 12, 2019; (b) August 13 to November 6, 2019; (c) November 7, 2019 to February 29, 2020 (The red line is the sensitivity index at the background temperature of 300 K)

    图  3  2020年7月平均的(a)~(f) 716.3 cm−1、731.3 cm−1、900 cm−1、1908.1 cm−1、1725 cm−1、1952.5 cm−1 的NEdT随32×4面阵分布;(g)~(l)对应通道NEdT随32个探元行的变化

    Figure  3.  (a)-(f) The average NEdT variation of 716.3 cm−1, 731.3 cm−1, 900 cm−1, 1908.1 cm−1, 1725 cm−1 and 1952.5 cm−1 with 32×4 array in July 2020; (g)-(l) The average NEdT variation of corresponding channels with the rows of 32×4 array in July 2020

    4  2020年7月平均的(a)~(f) 716.3 cm−1、731.3 cm−1、900 cm−1、1908.1 cm−1、1725 cm−1、1952.5 cm−1 NEdT的空间分布。右侧是对应通道的NEdT随纬度的分布

    4.  (a)-(f) The average NEdT variation of 716.3 cm−1, 731.3 cm−1, 900 cm−1, 1908.1 cm−1, 1725 cm−1 and 1952.5 cm−1 with space in July 2020. On the right side is the average NEdT variation of the corresponding channel with latitude in July 2020

    图  5  2020年7月GIIRS晴空点统计的偏差(浅蓝线)、偏差标准差(紫线)、NEdT(深蓝线)的谱分布(深绿色的误差条表示NEdT的标准差)

    Figure  5.  Bias (light blue line), the deviation standard of bias (purple line) and NEdT (dark blue line) of GIIRS clear point in July 2020 (dark green error bar represents the standard deviation of NEdT)

    图  6  2020年7月(a) 716.3 cm−1、(b) 900 cm−1、(c) 1908.1 cm−1、(d) 1952.5 cm−1的偏差、偏差标准差、NEdT的逐日变化

    Figure  6.  The diurnal variation of bias, the deviation standard of bias and NEdT of (a) 716.3 cm−1, (b) 900 cm−1 , (c) 1908.1 cm−1, (d) 1952.5 cm−1 in July 2020

    7  2020年7月平均的(a)~(d) 716.3 cm−1、900 cm−1、1908.1 cm−1、1952.5 cm−1的偏差随32×4面阵的分布、(e)~(h)对应通道的偏差随每一列32个探元的变化

    7.  (a)-(d) The bias variation of 716.3 cm−1, 900 cm−1, 1908.1 cm−1 and 1952.5 cm−1 with 32×4 array in July 2020; (e)-(h) The bias variation of corresponding channels with the rows of 32×4 array in July 2020

    8  2020年7月平均的中国区域(a) 716.3 cm−1、(b) 900 cm−1、(c) 1908.1 cm−1、(d)1952.5 cm−1偏差的空间分布(右侧为相应通道偏差随纬度的变化)

    8.  The bias variation of (a) 716.3 cm−1, (b) 900 cm−1, (c) 1908.1 cm−1 and (d) 1952.5 cm−1 with space in July 2020. On the right side is the bias variation of the corresponding channel with latitude in July 2020

    图  9  2020年7月716.3 cm−1(红线)、900 cm−1(绿线)、1908.1 cm−1(蓝线)和1952.5 cm−1(黑线)的偏差与卫星天顶角的关系(图中柱状图为每2°天顶角范围内的数目)

    Figure  9.  The relationship between bias of 716.3 cm−1 (red line), 900 cm−1 (green line), 1908.1 cm−1 (blue line) and 1952.5 cm−1 (black line) and satellite zenith angle in July 2020 (the histogram in the figure is the number within every 2° zenith angle)

    表  1  FY-4 A GIIRS主要技术指标

    Table  1.   FY-4 A GIIRS main technical indicators

    FY-4 A GIIRSLongwave bandMidwave band
    Wavenumber/cm−1700-11301650-2250
    Channel number689961
    Spectral resolution/cm−10.6250.625
    Spatial resolution/km1616
    Sensitivity/mW·m−2·sr·cm−10.5-1.10.1-0.14
    Radiometric calibration accuracy/K1.51.5
    Spectral calibration accuracy/ppm1010
    下载: 导出CSV

    表  2  用于晴空条件ARMS辐射传输模拟的输入参数

    Table  2.   Input variables and parameters for clear-sky simulations with ARMS

    VariablesUnitData sources
    Atmospheric parametersTemperature/KECMWF reanalysis data: ERA5 (137 level, 0.25° ×0.25°)
    Water vapor/g·kg
    Ozone/g·kg
    Level pressure/hPa
    Surface parametersType of surfaceFY-4 A GIIRS Level2 data
    10 m wind speed/m·sECMWF reanalysis data: ERA5 surface data (0.25° ×0.25°)
    Surface temperature/K
    Geometric parametersSensor zenith angle/°FY-4 A GIIRS Level1 data
    Sensor azimuth angle/°
    Satellite zenith angle/°
    Satellite azimuth angle/°
    下载: 导出CSV
  • [1] Dee D P. Bias and data assimilation [J]. Quarterly Journal of the Royal Meteorological Society, 2005, 131(613): 3323-3343. doi:  10.1256/qj.05.137
    [2] Saunders R W, Blackmore T A, Candy B, et al. Monitoring satellite radiance biases using NWP models [J]. IEEE Trans Geosci Remote Sensing, 2013, 51(3): 1124-1138. doi:  10.1109/TGRS.2012.2229283
    [3] Collard A D, McNally A P. The assimilation of infrared atmospheric sounding interferometer radiances at ECMWF [J]. Quarterly Journal of the Royal Meteorological Society, 2009, 135(641): 1044-1058. doi:  10.1002/qj.410
    [4] Smith A, Atkinson N, Bell W, et al. An initial assessment of observations from the Suomi-NPP satellite: data from the Cross-track Infrared Sounder (CrIS) [J]. Atmospheric Science Letters, 2015, 16(3): 260-266. doi:  10.1002/asl2.551
    [5] Li X, Zou X L. Bias characterization of CrIS radiances at 399 selected channels with respect to NWP model simulations [J]. Atmospheric Research, 2017, 196: 164-181. doi:  10.1016/j.atmosres.2017.06.007
    [6] Yang J, Zhang Z Q, Wei C Y, et al. Introducing the new generation of Chinese geostationary weather satellites, Fengyun-4 [J]. Bulletin of the American Meteorological Society, 2017, 98(8): 1637-1658. doi:  10.1175/BAMS-D-16-0065.1
    [7] Feng X, Li L B, Cheng B Y, et al. Post-launch calibration and validation of the Geostationary Interferometric Infrared Sounder (GIIRS) on FY-4 A [J]. Journal of Infrared and Millimeter Waves, 2019, 38(5): 648-654. (in Chinese)
    [8] Yin R Y, Han W, Gao Z Q, et al. The evaluation of FY-4 A’s geostationary interferometric infrared sounder (GIIRS) long-wave temperature sounding channels using the GRAPES global 4 D-Var [J]. Quarterly Journal of the Royal Meteorological Society, 2020, 146: 1-18. doi:  10.1002/qj.3652
    [9] Han Y, Revercomb H, Cromp M, et al. Suomi NPP CrIS measurements, sensor data record algorithm, calibration and validation activities, and record data quality [J]. Journal of Geophysical research:Atmospheres, 2013, 118(22): 12734-12748. doi:  10.1002/2013JD020344
    [10] Kan W L, Dong P M, Zhang Z Q, et al. Development and application of ARMS fast transmittance model for GIIRS data [J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 2020, 251: 107025. doi:  10.1016/j.jqsrt.2020.107025
    [11] Ren H. Assimilation of FY4 A/GIIRS infrared water vapor channels radiances and its application in regional Numerical Weather Prediction[D]. Nanjing: Nanjing University of Information Science and Technology, 2019. (in Chinese)
    [12] Geng X W, Min J Z, Yang C, et al. Analysis of FY-4 A AGRI radiance data bias characteristics and a correction experiment [J]. Chinese Journal of Atmospheric Sciences, 2020, 44(4): 679-694. (in Chinese)
    [13] Zhuge X, Zou X, Weng F, et al. Dependence of simulation biases at AHI surface-sensitive channels on land surface emissivity over China [J]. Journal of Atmospheric and Oceanic Technology, 2018, 35: 1283-1297. doi:  10.1175/JTECH-D-17-0152.1
    [14] Wang A, Barlage M, Zeng X, et al. Comparison of land skin temperature from a land model, remote sensing, and in situ measurement [J]. Journal of Geophysical Research: Atmospheres, 2014, 119: 3093-3106. doi:  10.1002/2013JD021026
  • [1] 王元祖, 孙东松, 韩於利, 郑俊, 赵一鸣.  大气模式对气溶胶光学参量反演及分类的影响研究 . 红外与激光工程, 2023, 52(1): 20220262-1-20220262-13. doi: 10.3788/IRLA20220262
    [2] 赵洪楠, 江文松, 杨力, 罗哉, 李泓洋.  线激光传感器的边缘偏差修正方法 . 红外与激光工程, 2022, 51(4): 20210317-1-20210317-7. doi: 10.3788/IRLA20210317
    [3] 黄思佳, 袁银麟, 翟文超, 郑小兵, 雷正刚, 林宇.  噪声等效光谱辐亮度定标系统的性能测评 . 红外与激光工程, 2022, 51(12): 20220509-1-20220509-10. doi: 10.3788/IRLA20220509
    [4] 杜华冰, 孙奥, 尚万里, 侯立飞, 车兴森, 杨轶濛, 杨国洪.  整形脉冲信号处理方法及低温辐射流偏差 . 红外与激光工程, 2020, 49(11): 20200181-1-20200181-8. doi: 10.3788/IRLA20200181
    [5] 张承钰, 袁利, 王立, 武延鹏, 王苗苗.  图像探测器像素位置偏差标定方法设计 . 红外与激光工程, 2020, 49(S1): 20200135-20200135. doi: 10.3788/IRLA20200135
    [6] 崔程光, 范龙飞, 张梦雨, 李云飞, 李永强, 王静怡.  傅里叶解析下的大气探测仪归一化穆勒元素 . 红外与激光工程, 2019, 48(6): 620001-0620001(6). doi: 10.3788/IRLA201948.0620001
    [7] 褚培松, 陈洪雷, 李辉, 丁瑞军.  干涉式大气垂直探测仪读出电路研究 . 红外与激光工程, 2019, 48(7): 704006-0704006(7). doi: 10.3788/IRLA201948.0704006
    [8] 李帅, 徐抒岩, 刘栋斌, 张航.  高信噪比云与气溶胶探测仪成像系统设计 . 红外与激光工程, 2018, 47(11): 1111006-1111006(8). doi: 10.3788/IRLA201847.1111006
    [9] 柏刚, 沈辉, 杨依枫, 赵翔, 张璟璞, 何兵, 周军.  光谱合成激光阵列指向偏差的光束特性分析 . 红外与激光工程, 2018, 47(1): 103010-0103010(6). doi: 10.3788/IRLA201847.0103010
    [10] 龙亮, 张丽莎, 吴立民.  甚高灵敏度长波红外相机测试技术 . 红外与激光工程, 2018, 47(5): 504001-0504001(6). doi: 10.3788/IRLA201847.0504001
    [11] 邓华荣, 吴志波, 李朴, 汤凯, 张海峰.  偏振调能技术对SLR数据偏差的改善研究 . 红外与激光工程, 2017, 46(9): 917005-0917005(4). doi: 10.3788/IRLA201746.0917005
    [12] 高太长, 李书磊, 刘磊, 黄威.  THz波大气探测仪器发展现状研究 . 红外与激光工程, 2016, 45(4): 425002-0425002(12). doi: 10.3788/IRLA201645.0425002
    [13] 曹阳, 李保权, 李海涛, 桑鹏.  像素位置偏差对质心定位精度的影响 . 红外与激光工程, 2016, 45(12): 1217007-1217007(6). doi: 10.3788/IRLA201645.1217007
    [14] 邵士勇, 梅海平, 黄印博, 饶瑞中.  大气气溶胶等效吸收的研究 . 红外与激光工程, 2014, 43(4): 1057-1061.
    [15] 高明辉, 郑玉权, 郭万存.  高光谱与高分辨率CO2探测仪安装座结构设计 . 红外与激光工程, 2014, 43(12): 3973-3976.
    [16] 曹佃生.  紫外-近红外高光谱探测仪扫描镜拓扑优化设计 . 红外与激光工程, 2014, 43(11): 3813-3819.
    [17] 马晶, 王健, 谭立英, 于思源, 姜义君.  超声吸收引起的声光偏转器指向偏差研究 . 红外与激光工程, 2013, 42(3): 805-809.
    [18] 付安邦, 张怀东, 张新宇, 桑红石, 季安, 谢长生.  中红外波段可调谐液晶法布里珀罗高光谱成像探测仪 . 红外与激光工程, 2013, 42(7): 1853-1857.
    [19] 陈卫宁, 杨洪涛, 范哲源, 曹剑中, 刘广森, 张建, 武登山, 张志.  应用于校正扩展视场偏差的红外成像测量方法 . 红外与激光工程, 2013, 42(3): 584-589.
    [20] 赵大鹏, 时家明, 汪家春, 王启超, 王伟.  偏振热成像系统的作用距离分析 . 红外与激光工程, 2013, 42(5): 1146-1152.
  • 加载中
图(12) / 表(2)
计量
  • 文章访问数:  281
  • HTML全文浏览量:  112
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-11-10
  • 修回日期:  2022-01-13
  • 刊出日期:  2022-09-28

风云四号A星红外高光谱大气垂直探测仪观测资料质量评估

doi: 10.3788/IRLA20210838
    作者简介:

    王雨润,女,硕士生,主要研究方向为卫星遥感资料的研究与应用

    官莉,女,教授,博士,主要研究方向为大气遥感与大气探测

基金项目:  国家自然科学基金面上项目(41975028)
  • 中图分类号: P414

摘要: 评估星载红外高光谱仪器观测资料的质量可以推进其在数值天气预报中的应用。使用2020 年 7 月 FY-4A 红外高光谱干涉式大气垂直探测仪 (Geostationary Interferometric Infrared Sounder, GIIRS)观测数据,分析GIIRS所有通道观测噪声随视场和纬度的变化、偏差 (观测亮温与辐射传输模式模拟亮温的差) 随时间、视场、纬度和天顶角的分布来评估 GIIRS 观测资料质量。研究结果表明:波段727.5~733.8 cm−1、1107.5~1130 cm−1和1650~1776.9 cm−1的观测噪声超出仪器灵敏度设计指标,且这些通道的偏差和偏差标准差明显大于其他通道;除了长波观测噪声大的通道外,其余通道噪声等效温差NEdT在32×4阵列上均呈“中间小,两边大”的特征,且NEdT的分布不随纬度带和FOR阵列而改变,在进行GIIRS资料同化或变分反演时,其观测误差只用考虑不同通道在32×4阵列内的NEdT分布;由于数值预报模式的地表温度在白天时值偏低,使得模拟辐射量偏低,造成偏差绝对值减小,使偏差有明显的日变化;中波通道偏差特征基本不随32×4面阵的列而改变,主要与阵列中的行有关,在中波通道进行偏差订正时可以针对32×4面阵中行开展,基本不需要纬度带和卫星天顶角的订正。

English Abstract

    • 星载红外高光谱大气探测仪具有高光谱分辨率、精确的光谱定标、高空间分辨率等优点,能够提供精确的垂直方向大气温度和湿度信息,被广泛应用于数值天气预报、气候变化研究等方面。

      随着探测技术的发展,越来越多的红外高光谱大气探测仪被搭载在极轨气象卫星平台上,如EOS-Aqua搭载的AIRS (Atmospheric InfraRed Sounder)、MetOp-A搭载的IASI (Infrared Atmospheric Sounding Interferometer)、Suomi NPP搭载的CrIS (Cross-track Infrared Sounder) 以及FY-3 D搭载的HIRAS (High-spectral InfraRed Atmospheric Sounder)。分析星载红外高光谱仪器的观测噪声和偏差(即观测亮温与辐射传输模式模拟亮温的差)随时间、地理位置、卫星天顶角和场景亮温的变化可以提高观测资料的质量,推进星载红外高光谱观测资料在数值天气预报中的应用[1-2]。Collard和McNally[3]发现IASI在15 μm CO2探测波段的观测资料比AIRS质量更好。Smith等[4]对CrIS观测资料进行了质量评估,发现在一些关键的温度探测通道上CrIS的偏差标准差低至0.15 K,仅为IASI的一半、AIRS的三分之一。Li和Zou[5]分析了CrIS的长波、中波、短波通道偏差对纬度和扫描角的依赖性,发现CrIS所有通道偏差随扫描角变化的程度均小于±0.4 K,中波通道偏差在中高纬度地区比赤道大,可能是因为水汽的纬度差异。

      上述这些搭载在极轨卫星上的红外高光谱探测仪已经被广泛应用于全球和区域数值天气预报当中, 2016年12月11日新一代中国静止气象卫星风云四号上搭载的红外高光谱干涉式大气垂直探测仪(Geostationary Interferometric Infrared Sounder, GIIRS) 首次在静止平台上实现红外高光谱观测,在长波波段700~1130 cm−1、中波波段1650~2250 cm−1范围内探测大气红外辐射,光谱分辨率为0.625 cm−1[6]。冯绚等[7]对GIIRS单个时次噪声的谱分布进行了评价,表明除部分通道受到有机物挥发的影响,85%的通道噪声优于设计指标,还通过观测光谱与模拟光谱的均方根误差确定激光有效采样频率,实现GIIRS在轨光谱定标。Yin等[8]对GIIRS长波CO2温度探测通道进行偏差特征分析,结果表明除了受污染的通道,其他大部分通道在质量控制后偏差在±2 K之内,还发现长波温度通道的偏差对视场面阵排布有依赖,对流层上层通道偏差有日变化。

      由于GIIRS扫描工作模式与极轨平台常用的跨轨迹横向扫描模式不同,首次在国际上使用32×4矩形观测探元面阵,因此,文中主要通过分析2020年7月整月GIIRS所有通道仪器噪声随时间、视场面阵排布和纬度变化,以及观测亮温与辐射传输模式模拟亮温的差(即偏差)的特征来评估其观测资料的质量,继而推进GIIRS观测资料在数值天气预报中的应用。

    • 表1给出了FY-4 A GIIRS仪器的主要技术指标。GIIRS的工作模式与其它搭载在极轨平台上的红外高光谱探测仪的跨轨迹横扫方式不同,约2 h完成一次区域观测,覆盖范围为3~55°N,60~137°E(见图1 (a)),包含7条纬度扫描带,每15 min完成一条纬度带的观测,每条纬度带上有59个FOR (Field Of Regard),每个FOR对应一个32×4的探测器阵列(见图1 (b))。

      表 1  FY-4 A GIIRS主要技术指标

      Table 1.  FY-4 A GIIRS main technical indicators

      FY-4 A GIIRSLongwave bandMidwave band
      Wavenumber/cm−1700-11301650-2250
      Channel number689961
      Spectral resolution/cm−10.6250.625
      Spatial resolution/km1616
      Sensitivity/mW·m−2·sr·cm−10.5-1.10.1-0.14
      Radiometric calibration accuracy/K1.51.5
      Spectral calibration accuracy/ppm1010

      图  1  (a) GIIRS区域观测覆盖范围(引自国家卫星气象中心http://img.nsmc.org.cn);(b) GIIRS矩形探元32×4排布方式

      Figure 1.  (a) The coverage of GIIRS regional observation (Quote from National Satellite Meteorological Center http://img.nsmc.org.cn); (b) GIIRS rectangular detection units is arranged in 32×4 array

      文中使用2020年7月整月FY-4 A GIIRS Level1级辐射率观测资料,下载网址是:http://satellite.nsmc.org.cn。在Level1级资料中需要读取的资料包括长波辐射率、中波辐射率、探元经纬度、太阳天顶角、太阳方位角、卫星天顶角及卫星方位角。长波辐射率以689×128阵列排布,中波辐射率以961×128阵列排布,其中689和961代表长波689个通道和中波961个通道,128列代表128个探测点。各个通道观测的辐射率经过如下切趾处理,切趾后第n个通道的辐射率Rn为:

      $$ {R}_{n}=0.23\times {R}_{n-1}+0.54\times {R}_{n}+0.23\times {R}_{n+1} $$ (1)

      式中:Rn−1为第n−1个通道的辐射率;Rn+1为第n+1个通道的辐射率;其中,第一个通道和最后一个通道的辐射率不切趾[9]

    • 文中用ARMS快速辐射传输模式 (Advanced Radiative Transfer Modeling System) 模拟GIIRS亮温。ARMS由中国气象局开发[10],输入参数包括大气垂直廓线数据(包括温度、水汽、臭氧)、每层的大气压强、地表温度、地表类型、10 m风速以及仪器的天顶角和方位角、太阳的天顶角和方位角。

      针对GIIRS的辐射传输模拟,具体的输入参数及数据来源如表2所示。文中采用2020年7月ECWMF的ERA5再分析场的137层大气垂直廓线数据(包括温度、水汽、臭氧),该数据水平分辨率为0.25°×0.25°,时间分辨率为1 h,顶层气压为0.01 hPa左右。地表温度和10 m风速由ERA5数据中0.25°×0.25°空间分辨率及1 h间隔的地面数据提供。仪器的天顶角和方位角、太阳的天顶角和方位角从FY-4 A GIIRS Level1级数据中获取,地表类型从FY-4 A GIIRS Level2级数据中获取。

      表 2  用于晴空条件ARMS辐射传输模拟的输入参数

      Table 2.  Input variables and parameters for clear-sky simulations with ARMS

      VariablesUnitData sources
      Atmospheric parametersTemperature/KECMWF reanalysis data: ERA5 (137 level, 0.25° ×0.25°)
      Water vapor/g·kg
      Ozone/g·kg
      Level pressure/hPa
      Surface parametersType of surfaceFY-4 A GIIRS Level2 data
      10 m wind speed/m·sECMWF reanalysis data: ERA5 surface data (0.25° ×0.25°)
      Surface temperature/K
      Geometric parametersSensor zenith angle/°FY-4 A GIIRS Level1 data
      Sensor azimuth angle/°
      Satellite zenith angle/°
      Satellite azimuth angle/°
    • 噪声等效温差NEdT (Noise Equivalent delta Temperature)可用来描述仪器测量精度,表现为仪器对辐射变化的分辨能力[11],可为大气参数变分反演以及资料同化提供观测误差的参考值。当某通道在相同背景温度下的NEdT值异常大时,认为该通道的“噪声”很大,不宜将该通道的探测结果纳入同化系统之中。文中使用的NEdT数据是由GIIRS Level1级数据中的噪声等效辐射值NEdR(Noise Equivalent delta Radiation)计算得到。GIIRS的NEdR数据是在轨测量得到的,GIIRS星上面源黑体温度通过控温保持在稳定的状态,NEdR通过观测星上面源黑体,根据黑体辐射测量值的标准偏差得到[7]。在背景亮温为 T 时的噪声等效温差为:

      $$ NEdT=\dfrac{NEdR}{\dfrac{\mathrm{d}N}{\mathrm{d}T}} $$ (2)

      式中:dN/dT 是背景亮温为T时的普朗克辐射亮度的微分。

      由于ARMS对有云条件下的辐射模拟精度不高,所以文中用GIIRS Level2级CLM (CLoud Mask) 产品剔除有云的视场点,以下所有统计都只针对晴空视场进行。

      国家气象卫星中心在2019年8月13日和2019年11月7日对GIIRS一级数据定标处理相关算法做了改进。图2(a)~(c)分别为定标改进前后统计的平均的GIIRS 128个探元NEdT的谱分布,时段依次为2019年6月1日~8月12日、2019年8月13日~11月6日和2019年11月7日~2020年2月29日,红线为在背景温度300 K下的灵敏度指标。图中可以看出长波波段727.5~733.8 cm−1、长波波段1107.5~1130 cm−1和中波波段1650~1776.9 cm−1 NEdT超出灵敏度指标,观测噪声较大,可能原因是微量的有机物挥发导致系统受到污染[7],其余通道均达到灵敏度设计指标;8月13日定标算法改进后(见图(b))长波波段两端噪声有一定的改善,但11月7日重新定标后(见图(c))反而波段1 107.5~1 130 cm−1和1 650~1 776.9 cm−1的观测噪声增加。图中NEdT数值大于仪器设计指标(红线)的通道观测噪声较大,用户在使用这些通道时要谨慎。

      图  2  不同时段平均的GIIRS 128个探元NEdT的谱分布。(a) 2019年6月1日~8月12日;(b) 2019年8月13日~11月6日;(c) 2019年11月7日~2020年2月29日(红线为在背景温度300 K下的灵敏度指标)

      Figure 2.  The spectral distribution of the average NEdT of 128 detection units in different time periods. (a) June 1 to August 12, 2019; (b) August 13 to November 6, 2019; (c) November 7, 2019 to February 29, 2020 (The red line is the sensitivity index at the background temperature of 300 K)

    • 由于GIIRS通道较多,为展示NEdT随32×4面阵的分布特征,特地选出6个典型通道:长波716.3 cm−1(权重函数峰值高度在550 hPa附近)且观测噪声小、长波731.3 cm−1(550 hPa)且噪声大、长波900 cm−1(窗区地表通道)且噪声小、中波1908.1 cm−1(500 hPa)且噪声小、中波1725 cm−1(500 hPa)且噪声大、中波1952.5 cm−1(地表)且观测噪声小。

      图3(a)~(f)分别为2020年7月平均的 6个通道NEdT随32×4面阵的分布;图(g)~(l)为这6个通道NEdT在不同列时随32个探元行的变化,不同颜色的线条代表4个不同列。图(a)、(c)所示为在长波噪声低的716.3 cm−1、900 cm−1通道NEdT在32×4阵列上呈“中间小,两边大”的特征,而中波通道图(d)~(f)不论观测噪声大小、通道权重函数高低均呈现出阵列中间视场NEdT较小,向四周逐渐增大的趋势。从图(g)~(l)可以看出,6个通道的NEdT在32×4阵列上随列的变化不大,但随行1~32分布有变化,尤其中波通道图(j)~(l)随行呈对称分布,在中间第16行视场观测噪声最小,而前几行和最后几行观测噪声最大。NEdT在阵列内“中间小、两边大”的分布特征初步估计为阵列内不同视场离卫星仪器的距离不同造成的,中间视场到仪器通过的大气路径比较短,而四周的视场则通过的大气路径相对较长。

      图  3  2020年7月平均的(a)~(f) 716.3 cm−1、731.3 cm−1、900 cm−1、1908.1 cm−1、1725 cm−1、1952.5 cm−1 的NEdT随32×4面阵分布;(g)~(l)对应通道NEdT随32个探元行的变化

      Figure 3.  (a)-(f) The average NEdT variation of 716.3 cm−1, 731.3 cm−1, 900 cm−1, 1908.1 cm−1, 1725 cm−1 and 1952.5 cm−1 with 32×4 array in July 2020; (g)-(l) The average NEdT variation of corresponding channels with the rows of 32×4 array in July 2020

    • GIIRS完成一次区域观测需要扫描7条纬度带,每条纬度带都由59个32×4的矩形面阵组成。图4显示了7月平均的6个通道NEdT的空间分布,右侧图是对应通道的NEdT随纬度的变化,不同颜色表示不同的扫描纬度带。从图中可以看出这6个通道在每条纬度带上都有中间噪声小,两边纬度噪声大的特征;而且从右图可分析出在不同纬度带上NEdT数值大小和分布特征类似,说明NEdT的分布特征不随纬度带而改变。而且在每一条纬度带上NEdT的分布在59个FOR中也类似。

      图  4  2020年7月平均的(a)~(f) 716.3 cm−1、731.3 cm−1、900 cm−1、1908.1 cm−1、1725 cm−1、1952.5 cm−1 NEdT的空间分布。右侧是对应通道的NEdT随纬度的分布

      Figure 4.  (a)-(f) The average NEdT variation of 716.3 cm−1, 731.3 cm−1, 900 cm−1, 1908.1 cm−1, 1725 cm−1 and 1952.5 cm−1 with space in July 2020. On the right side is the average NEdT variation of the corresponding channel with latitude in July 2020

      综上,利用GIIRS资料进行同化或变分反演时,其观测误差只用考虑不同通道在32×4阵列的NEdT分布(图3上列),而不用考虑32×4阵列随每个FOR和每个纬度带的区别。

    • 检验星载仪器观测资料质量的另一个方法是统计其信息向量,即偏差(O-B):观测和模拟辐射值的差。资料同化理论是基于偏差服从高斯分布的假设下,若偏差较小可在资料同化质量控制过程中进行偏差订正,若偏差过大,则该通道的观测场无意义,当通道新息向量的平均值以及标准差均比较小时观测资料的质量更好。

    • 图5为2020年7月 GIIRS所有晴空点统计的偏差谱分布,浅蓝色实线代表偏差,紫色实线代表偏差标准差,深蓝色实线为NEdT,深绿色的误差条代表每个通道NEdT的标准差;左侧纵坐标为偏差和偏差标准差(K)、右侧纵坐标为NEdT(K)。从图中可以看出,受污染通道(即NEdT值较大)的偏差和偏差标准差明显大于其他通道,最大偏差出现在水汽吸收带1650~1776.9 cm−1,可高达20 K,表明这些通道不适用于资料同化。选取上述6个通道中观测质量较好且偏差较小的4个通道进行进一步的分析,分别代表长波和中波、地表和对流层中层。

      图  5  2020年7月GIIRS晴空点统计的偏差(浅蓝线)、偏差标准差(紫线)、NEdT(深蓝线)的谱分布(深绿色的误差条表示NEdT的标准差)

      Figure 5.  Bias (light blue line), the deviation standard of bias (purple line) and NEdT (dark blue line) of GIIRS clear point in July 2020 (dark green error bar represents the standard deviation of NEdT)

    • 图6展示了2020年7月统计的(a) 716.3 cm−1、(b) 900 cm−1、(c) 1908.1 cm−1、(d) 1952.5 cm−1通道偏差(蓝线)和偏差标准差(紫线)的逐日变化,红色虚线为NEdT,对应右侧纵坐标。一般都是选取08时、14时、20时和02时(北京时,下同) 4个同化再分析场时刻来研究偏差特征,但由于GIIRS在02时不进行观测,故文中将02时换为04时,即用08、14、20、04时来分析偏差的日变化。因为国家气象卫星中心未提供2020年7月24日14时的GIIRS Level2级数据,所以在图6中该时次的偏差空缺。从图中可以看出,716.3 cm−1通道的偏差在−2~−0.15 K,偏差标准差约2 K;900 cm−1通道由于接近地表,偏差增大且日变化幅度增强,偏差标准差约4 K;1908.1 cm−1通道的偏差在−1.9~2.6 K,偏差标准差约3 K;1952.5 cm−1通道为负偏差,偏差日变化幅度增强。

      图  6  2020年7月(a) 716.3 cm−1、(b) 900 cm−1、(c) 1908.1 cm−1、(d) 1952.5 cm−1的偏差、偏差标准差、NEdT的逐日变化

      Figure 6.  The diurnal variation of bias, the deviation standard of bias and NEdT of (a) 716.3 cm−1, (b) 900 cm−1 , (c) 1908.1 cm−1, (d) 1952.5 cm−1 in July 2020

      NEdT是通过计算一定数目的扫描行内观测的标准偏差来统计获得的,标准偏差计算非常依赖平均值;静止卫星对地高时间频次观测,大气温度日变化明显,而红外通道观测对温度变化很敏感,造成仪器观测平均值的日变化,进而引起NEdT存在日变化(见图6 (a)~(d)),这与极轨卫星平台上NEdT随时间变化很小是不同的;在中波波段(见图6 (c)~(d))由于太阳辐射的干扰[12],使得日变化特征更明显,NEdT值也较大。

      O-B的偏差主要来源于仪器观测误差、快速辐射传输模式误差和数值预报模式误差等几个方面,是几种误差的共同结果,很难将其中某一种偏差剥离出来。其中观测误差NEdT在0.1 K量级(图6右坐标),辐射传输模式误差在0.1 K量级[10],而O-B偏差值在1 K量级,说明偏差中作为辐射传输模式输入的数值预报大气参数的误差占主导。图6大部分通道O-B都是负偏差,根据参考文献[13-14]数值预报模式的地表温度在白天时值偏低,使得模拟辐射量偏低,造成偏差绝对值减小,使偏差有日变化。

    • 图7(a)~(d)是2020年7月统计的4个通道偏差随32×4面阵的分布,图7(e)~(h)则是相应通道偏差在不同列时随32个探元的变化。从图中可看出,长波时偏差在面阵内分布没有明显规律,而中波通道则明显在中心位置偏差最小,越往两边偏差越大。通过图(g)~(h)可看出,两个中波通道偏差基本不随32×4面阵的列而改变(图中不同颜色的线),主要与阵列中的行有关,且前5行偏差较大,然后随行数递减,在第16左右达到最小,然后再随行数增加而增大。

      图  7  2020年7月平均的(a)~(d) 716.3 cm−1、900 cm−1、1908.1 cm−1、1952.5 cm−1的偏差随32×4面阵的分布、(e)~(h)对应通道的偏差随每一列32个探元的变化

      Figure 7.  (a)-(d) The bias variation of 716.3 cm−1, 900 cm−1, 1908.1 cm−1 and 1952.5 cm−1 with 32×4 array in July 2020; (e)-(h) The bias variation of corresponding channels with the rows of 32×4 array in July 2020

    • GIIRS每覆盖中国区域一次有7条纬度扫描带,图8(a)~(d)分别给出了2020年7月平均的中国区域4个通道的偏差空间分布,右图为相应通道的偏差随纬度带的变化,图中不同颜色代表7个不同的扫描纬度带。波数为900 cm−1(见图(b))、1952.5 cm−1(见图(d))的窗区通道在青藏高原地区均出现比较大的偏差,这是因为快速辐射传输模式对高原地区模拟不准确;而在权重函数较高的716.3 cm−1和1908.1 cm−1通道则整体偏差较小。1908.1 cm−1通道偏差在每条纬度带上都呈现中间小,两边大的特征(与3.3节分析的面阵偏差分布特征一致),1952.5 cm−1该特征稍弱。从右侧图可以看出所有通道偏差分布与纬度带基本不相关,除716.3 cm−1通道偏差有轻微随纬度带的变化,纬度越低偏差越大。

      图  8  2020年7月平均的中国区域(a) 716.3 cm−1、(b) 900 cm−1、(c) 1908.1 cm−1、(d)1952.5 cm−1偏差的空间分布(右侧为相应通道偏差随纬度的变化)

      Figure 8.  The bias variation of (a) 716.3 cm−1, (b) 900 cm−1, (c) 1908.1 cm−1 and (d) 1952.5 cm−1 with space in July 2020. On the right side is the bias variation of the corresponding channel with latitude in July 2020

    • 卫星的观测数据会存在扫描角偏差,所以需要分析偏差与卫星天顶角的关系。这4个通道(由4条不同颜色的线代表)偏差随卫星天顶角的变化如图9所示,图中柱状为卫星天顶角每隔2°的观测数目(右纵坐标),可以看出卫星在天顶角50°~64°的观测频率最高,所有通道当天顶角>70°时偏差明显增加,在低于此天顶角时偏差几乎不随天顶角而变,而天顶角>70°的观测视场很少,因此在进行偏差订正时基本可以不考虑随天顶角的改变。

      图  9  2020年7月716.3 cm−1(红线)、900 cm−1(绿线)、1908.1 cm−1(蓝线)和1952.5 cm−1(黑线)的偏差与卫星天顶角的关系(图中柱状图为每2°天顶角范围内的数目)

      Figure 9.  The relationship between bias of 716.3 cm−1 (red line), 900 cm−1 (green line), 1908.1 cm−1 (blue line) and 1952.5 cm−1 (black line) and satellite zenith angle in July 2020 (the histogram in the figure is the number within every 2° zenith angle)

    • 文中通过分析2020年7月FY-4 A GIIRS所有通道的观测噪声和偏差统计特征来评估GIIRS观测资料质量,为资料同化和反演做准备。因GIIRS通道较多,故选出6个典型通道进行分析,分别代表长波和中波、噪声大和噪声小、窗区和权重函数峰值高度在对流层中层,结论如下:

      (1)波段727.5~733.8 cm−1、1107.5~1130 cm−1和1650~1776.9 cm−1的观测噪声超出仪器灵敏度设计指标,而且偏差和偏差标准差明显大于其他通道,最大偏差出现在水汽吸收带 1650~1776.9 cm−1,用户在使用这些通道时要谨慎。

      (2)长波噪声低的716.3 cm−1、900 cm−1通道NEdT在32×4阵列上呈“中间小,两边大”的特征。而中波通道不论观测噪声大小、通道权重函数高低均呈现出阵列中间视场NEdT较小,向四周增大的趋势。NEdT的分布特征不随扫描纬度带和每条扫描纬度带中的59个FOR而改变,所以进行GIIRS资料同化或变分反演时,其观测误差只考虑不同通道在32×4阵列的NEdT分布,不用考虑32×4阵列随每个FOR和每个纬度带的区别。

      (3) GIIRS O-B偏差中作为辐射传输模式输入的数值预报大气参数的误差占主导。所选通道大部分O-B都是负偏差,因为数值预报模式的地表温度在白天时值偏低,使得模拟辐射量偏低,造成偏差绝对值减小,使偏差有日变化。

      (4) GIIRS中波通道偏差主要与32×4面阵中的行有关,因此在中波通道进行偏差订正时可以针对32×4面阵中行开展,基本不需要纬度带和卫星天顶角的订正。

参考文献 (14)

目录

    /

    返回文章
    返回