微波成像資料同化研究進展

周鑫+劉健文+黃江平

【摘 要】微波成像儀近年來發展迅速，應用廣泛，國外利用微波成像資料進行了大量同化試驗，對提高天氣預報技巧發揮了重要作用，但我國在微波成像資料同化方面起步較晚，發展水平不高，了解國外的研究現狀，學習其先進的技術和方法對我國的微波成像資料同化工作將有很好的借鑒和幫助作用。

【關鍵詞】微波成像；資料同化；進展

0 引言

微波成像資料的同化一直是數值模式發展過程中的熱點問題，國外利用微波成像資料進行同化最早采用的是先反演再分析的間接同化方法，但是間接同化由于包含了反演過程中各個環節的誤差，使得觀測誤差來源復雜化，并帶有系統性偏差，同化過程中產生背景與觀測誤差偏離正態分布較遠等問題，因此目前在微波成像資料同化中通常采用的是直接同化的方式，研究表明直接同化的同化效果產生了一定的正影響，使得數值預報準確率得到了一定程度的提升。目前，同化系統中主要應用的微波成像載荷有SSM/I，SSMIS和AMSR-E等。

1 國外研究進展

1.1 SSM/I

美國從1987年開始實施DMSP計劃后陸續發射了搭載SSM/I，SSM/T和SSM/T-2的衛星，提高了空間對地遙感探測的能力。全球資料同化系統（GDAS）和美國環境預報中心（NCEP）利用SSI三維同化分析系統對大部分的衛星數據進行了同化，其中就包括SSM/I。對于SSM/I資料的應用，一開始采用的是間接同化，Treadon[1]對SSMI反演的降水資料進行了間接同化，研究表明加入同化資料起到了一定的作用，但是當某些地區沒有降水的時候就沒有資料進入同化系統中，此外Treadon發現采用間接同化大氣可降水量（TCWV）會中斷哈德萊環流。鑒于間接同化有這樣的缺點，Okamoto通過實驗發現相比間接同化海表面風速和大氣可降水量，直接同化SSM/I輻射率資料效果更好，而且不會中斷哈德萊環流。Jean-Deancois[2]采用SSM/I及TMI降水率資料和歐洲四維同化系統進行了對比試驗，發現SSM/I和TMI對溫帶地區的降水預報都有很大的改進作用，但相比較而言SSM/I的同化效果整體好于TMI。Okamoto[3]使用NCEP的GSI同化系統對SSM/I的輻射率資料進行直接同化，并利用輻射傳輸模式剔除了受云雨條件影響的數據，質量控制方案為：（1）剔除亮溫小于70K或大于320K的數據；（2）剔除水平極化亮溫減去垂直極化亮溫大于2K的數據。云檢測方案為：（1）19GHz、22GHz、37GHz和89GHz各通道的云中液態水含量分別超過0.35kg/m2、0.27kg/m2、0.10kg/m2和0.024kg/m2時，剔除該數據；（2）觀測場與背景場之差如果大于對應通道的特定觀測誤差，予以剔除。表1列出了各通道的云中液態水含量臨界值和觀測誤差臨界值。同化結果表明，熱帶地區和北半球的降水量得到了一定增加，南半球中高緯地區的降水量有輕微減小。總體而言，SSM/I資料的加入提高了全球預報技術，尤其是測量熱帶地區200hPa的風矢量誤差，并且在臺風路徑模擬方面也減小了誤差（表1）。

1.2 SSMIS

目前，在DMSP計劃中，SSMIS取代了SSM/I，SSM/T和SSM/T-2，實現垂直探測和成像遙感的有機結合，SSMIS在SSMI通道頻率調整的基礎上增加了17個通道。Kazumori[4]等利用日本氣象廳全球數據同化系統，對SSMIS南半球500hPa高度數據進行低分辨率（TL319L60）同化試驗，發現預報時間為一天時，加入SSMIS數據效果全面好于不加入SSMIS，而預報時間為3、5、7天時，加入SSMIS資料的絕大部分效果都好于不加入，表明SSMIS資料能夠顯著地改善預報的準確性，下一步計劃采用日本業務系統進行高分辨率（TL959L60）同化試。Okamoto等研究發現經過偏差訂正后SSMIS數據質量和SSMI非常相似，他們采用了和SSMI相同的質量控制和云檢測方案，同化結果表明對分析850hPa溫度和大氣水汽總量有一定的積極作用。為了同化SSMIS資料，NOAA還發展了新的質量控制方法和云檢測方案：（1）觀測場與沒有經過偏差訂正的背景場的差值大于等于3.5K時，予以剔除；（2）第2通道（52.8GHz）與經過偏差訂正的背景場的差值大于1.5K時，剔除12—16通道（19V/H，22V，37V/H）數據；（3）云中液態水含量臨界值剔除方法，具體數值不同于SSM/I（見表2）。可以看出，新的質量控制方法在原有基礎上加入了對非成像通道數據的利用，更具準確性。NOAA的全球預報系統同化SSMIS資料后，對提高全球中期數值預報水平產生了較小的正效果。Bell[5]等基于MetOffice，ECMWF，NCEP和NRL四個業務數值預報中心對DMPS-F16的SSMIS成像資料進行同化，結果顯示在南半球產生了正影響，1—4天的海平面氣壓預報誤差減小了0.5%-2.5%（表2）。

1.3 AMSR-E

AMSR-E微波成像儀與SSM/I最大的區別在于它有四個低頻通道，即6.9GHz和10.6GHz（雙極化），而低頻通道對地表和海表面的氣象要素非常敏感，因此研究人員針對這兩個低頻通道在同化系統的應用效果開展了許多工作。Kazumori[6]發現同化AMSR-E資料對海表面風速的研究具有積極作用，6.9GHz和10.6GHz垂直極化通道對海溫非常敏感，在高風速的條件下，6.9GHz和10.6GHz的水平通道敏感性迅速變大，同化AMSR-E資料對臺風和暴雨等天氣現象進行模擬，發現在所有天氣條件下AMSR-E的風速數據都使得分析場中的表面風速增加，并增加了臺風中心的強度和最大風速，提高了臺風的預報水平。此外，Kazumori還發現在同化系統中加入AMSR-E資料使得數值模式對于降水的模擬更接近實際觀測情況，采用的質量控制方案和云檢測方案和Okamoto對于SSMI的方案相似，具體數值見表3。

在微波成像資料的同化研究過程中，許多和同化相關的技術和方法也同步得到了快速發展。譬如，NCEP針對AMSR-E的低頻通道設計了一個新的微波海洋輻射模式，應用于CRTM快速輻射傳輸模式中，研究發現新的海洋輻射模式能夠更加有效地從AMSR-E輻射率資料中獲取海表面信息，對比試驗結果表明采用該海洋輻射模式對南半球的正影響更加顯著[6]。

2 我國研究進展

我國在微波成像資料同化方面起步較晚，對于微波成像儀，利用AMSR-E進行的研究較多，但對SSM/I和SSMIS等其他微波成像儀研究很少。例如鄭祚芳等[7]針對衛星觀測資料具有水平分辨率高，觀測面廣闊，測量誤差易于掌握等優點，分析和總結了目前衛星觀測資料在數值天氣預報模式中的應用情況，并對其未來發展做了一些有益的探討。付秀麗等通過研究發展一個數據分析方法，判斷AMSR-E亮溫同化系統土壤水分的預報誤差[8]。史小康等利用AMSR-E亮度溫度資料，估算了高原東北部的土壤濕度值；還利用耦合了Noah陸面模型的WRF中尺度模式WRF-Noah，結合牛頓松馳逼近同化法對AMSR-E估算的土壤濕度進行了同化試驗[9]。皇群博設計了一個一維+四維變分同化系統的流程，并將其應用于云水污染的SSM/I資料的同化，發現結果好于不加入受云水污染的SSM/I資料[10]。對于我國自主研發的MWRI微波成像儀，陸其峰利用歐洲中期天氣預報中心系統對FY-3A資料進行了同化研究，結果表明同化FY-3A數據對預報準確度有一定改進[11]。

3 總結

相比于國外的研究進展，我國在微波成像資料同化方面發展水平和國外還存在一定差距。DMSP-F16作為美國國防衛星，已搭載SSMIS成功運行多年，資料使用效果良好，在軍事氣象保障、天氣預報、強對流監測和洪澇災害監測、水文應用方面發揮了巨大作用。該系列衛星不僅已經更新多次，而且在美國未來的衛星計劃中，同時擁有微波成像和微波探測兩類通道的微波探測器將繼續發展，因為通道細化后能采集到更加豐富的微波遙感信息，帶來更加廣闊的應用前景。目前我國自主氣象衛星的發展正進入一個快速發展的時期，特別是即將發射的氣象衛星搭載的微波成像傳感器，與SSMIS成像通道頻率接近，針對微波成像資料在數值天氣預報中的應用研究迫在眉睫，因此借鑒國外先進的經驗和完善的技術對改進我國微波成像資料同化在數值模式中的應用將大有裨益。

【參考文獻】

[1]Treadon， R. E.， H.-L. Pan， W.-S. Wu， Y. Lin， W. Olson， and R. Kuligowski. Global and regional moisture analyses at NCEP. Proc[Z]. ECMWF/GEWEX Workshop on Humidity Analysis， Reading， United Kingdom， ECMWF，2002：33-47.

[2]Mahfouf J， Bauer P， Marécal V. The assimilation of SSM/I and TMI rainfall rates in the ECMWF 4D-Var system[J]. Quarterly Journal of the Royal Meteorological Society， 2005， 131（606）： 437-458.

[3]Okamoto K， Derber J C. Assimilation of SSM/I radiances in the NCEP global data assimilation system[Z]. Monthly weather review，2006，134（9）：2612-2631.

[4]Kazumori M. Assimilation Experiments on Pre-processed DMSP-F16 SSMIS Radiance Data in the JMA Global 4D-Var Data Assimilation System[Z]. CAS/JSC WGNE Res. Activ. Atmos. Oceanic Modell，2009，39：1.23-1.24.

[5]Bell W， Candy B， Atkinson N， et al. The assimilation of SSMIS radiances in numerical weather prediction models[J]. Geoscience and Remote Sensing， IEEE Transactions on， 2008， 46（4）： 884-900.

[6]Kazumori M， Liu Q， Treadon R， et al. Impact study of AMSR-E radiances in the NCEP global data assimilation system[J]. Monthly Weather Review， 2008， 136（2）： 541-559.

[7]鄭祚芳，沈桐立.氣象衛星探測資料在數值天氣預報中的應用[J].氣象，2001，27（9）：3-8.

[8]付秀麗，施建成.AMSR-E亮溫同化系統的數據分析方法研究[J].遙感技術與應用，2010，03：342-345.

[9]史小康，文軍，王磊，等.545 AMSR-E 衛星亮度溫度數據在高原東北部土壤濕度觀測和模擬中的應用[J].2010.

[10]皇群博.云水污染的衛星微波資料變分同化技術[D].國防科學技術大學，2011.

[11]Lu Q F. Initial evaluation and assimilation of FY-3A atmospheric sounding data in the ECMWF System[Z]. Sci China Earth Sci， 2011， 54， doi：10.1007/s11430-011-4243-9.

[責任編輯：湯靜]