地基多通道微波輻射計在大氣遙感中的應用

雷連發 馬若飛 朱 磊 程桂玉 陳 瑞 秦 江

(1.西安電子工程研究所 西安 710100；2.北方天穹信息技術(西安)有限公司 西安 710100)

0 引言

地基多通道微波輻射計采用全被動接收方式工作，無需對外發射電磁信號即能實時獲得高時空分辨率的大氣溫濕廓線，積分水汽和液態水等參數，在氣象探測、數值天氣預報、人工影響天氣、通訊和軍事等領域有著重要的作用[1-2]。傳統大氣探測是通過探空氣球、火箭和航天飛機等設備攜帶傳感器直接探測，這些手段不僅昂貴而且很難獲取實時連續的觀測數據，不利于大氣參數的實時監測和分析。微波輻射計作為一種新型的被動遙感設備在大氣探測領域得到了越來越多的應用。微波輻射計不僅能夠彌補傳統常規大氣探測資料的不足，而且還能夠克服傳統探測方法的諸多局限性，具有獨立工作的能力，可穿透云霧全天時全天候的工作，是大氣探測的重要手段之一。

地基多通道微波輻射計是用于對流層大氣狀態參數實時遙感探測的新型精密儀器，系統以完全被動的探測方式獲取大氣輻射亮溫，最后通過人工神經網絡算法反演得到連續實時的對流層大氣溫度、水汽、液態水廓線以及積分水汽和積分液態水等大氣狀態參數。儀器同時還配備了紅外觀測儀，用來探測云底溫度，這對監測天氣狀態和提高水汽反演精度等有著重要作用。

1 大氣溫濕廓線參數反演

地基微波輻射計數據反演主要是利用觀測的大氣輻射亮溫來反演大氣溫度、水汽、相對濕度和云液態水等大氣參數。反演方法有正向模型反演法，數據統計法(經驗法)和人工神經網絡法等。深入分析表明人工神經網絡方法更勝一籌，它具有很多傳統算法不具有的特點[3-4]。首先，神經網絡算法不必要分析復雜的物理模型[3][5]，可直接利用歷史數據對網絡進行訓練。其次，該方法具有較好的自學習能力及處理非線性問題的能力，在大氣科學研究等領域中越來越受到重視。

本文采用3 層(單隱層)誤差反向傳播BP神經網絡模型算法，該算法使用廣泛且較為成熟。在BP神經網絡訓練過程中將地面觀測的氣象參數(包括地面溫度、氣壓、相對濕度) 以及輻射計觀測的各頻點亮溫作為輸入, 對應于溫度、濕度、云液態水廓線分別作為網絡輸出。網絡參數訓練選用觀測地探空氣象站10年的歷史探空資料作為訓練樣本進行網絡訓練，最終得到一組最佳的網絡參數用于數據反演[6]。探空資料中并沒有直接測量液態水和大氣輻射亮溫數據，為此需要通過大氣輻射傳輸模型進行亮溫模擬計算，本文選用MonoRTM大氣輻射模型進行亮溫的模擬計算，液態水廓線需要通過經驗模型結合濕度廓線得到[3][7]。選用大量歷史探空數據作為訓練樣本有利于為神經網絡算法提供盡可能多的先驗信息。

利用訓練好的神經網絡對我們自主研制的MWP967KV型地基多通道微波輻射計在秦嶺大氣科學試驗基地觀測的亮溫數據進行了大氣溫度和水汽廓線的反演并和探空結果作對比，計算了溫度廓線和水汽廓線的絕對平均偏差(BIAS)和均方差(RMS)，BIAS和RMS的定義如下，

(1)

(2)

式中，n表示觀測樣本數，Ti,meas和Ti,true分別表示輻射計反演的溫濕度廓線和真值(利用探空資料得到)。計算結果如圖1和圖2所示。

圖1 溫濕廓線的絕對平均偏差

圖2 溫濕廓線的均方差

由反演結果可以看出溫度廓線反演平均偏差在9km以下在1℃以內，均方差小于2℃，高空誤差略大，這同時也說明輻射計在低空具有較好的觀測能力，對高空觀測能力相對較弱。水汽廓線反演平均偏差和均方差均小于1.0g/m3，且可以看出水汽主要集中在6km以下。近地面偏差略大的原因分析主要是因為觀測地點與探空站不在同一位置，由兩地下墊面不同引起的差異，水汽誤差分布變化大也說明了大氣中水汽垂直分布的復雜性。

神經網絡反演算法的誤差來源主要有利用MonoRTM大氣輻射模型計算亮溫與實際亮溫的偏差，同時由于探空數據中沒有液態水數據，液態水是通過經驗模型獲取，因此會帶來一定的誤差。其次，探空氣球在上升過程中會隨風飄動，幾乎不能保證探測的是天頂方向的大氣數據，這就為模擬計算帶來了很大不確定性。最后探空數據每天只有早晚共兩次，即使使用10年的探空資料也很難使得樣本完全包含所有大氣現象，這就使得輻射計處理極端天氣的能力有所不足。

圖3顯示了神經網絡算法反演廓線與探空個例對比結果，反演的溫濕廓線非常接近實際的探空數據，不僅很好的描繪了大氣溫濕度隨高度的變化趨勢，而且細致的反映了大氣溫濕參數的細節變化，與探空氣球觀測結果較為一致。這不僅說明了微波輻射計的可靠性較好，同時也反映出了神經網絡算法具有很好的反演精度，很適合微波輻射計數據反演。

圖3 微波輻射計觀測反演廓線與探空對比

為了進一步驗證輻射計觀測數據的性能，我們與德國進口設備RPG輻射計觀測結果也進行了對比分析，如圖4。從結果看，與RPG輻射計的觀測結果較為一致，兩者都很好的反應了大氣溫濕度參數的垂直分布，溫度廓線很好的表現了近地面大氣的逆溫現象。水汽密度廓線和相對濕度廓線兩者都很好地反應了大氣中水汽垂直分布。

對兩類設備觀測結果進行統計相關性分析，如圖5所示。從散點圖看，兩者反演的溫濕度廓線相關性較高，兩者溫度廓線與探空數據相關性分別是0.99284和0.99535，水汽密度相關性分別是0.95738和0.94283。而兩個輻射計之間反演的溫度和水汽密度廓線相關性分別是0.99744和0.97591。相關性較高說明兩者數據反演結果較為一致。

從散點圖上可以看出溫度數據點分布集中，而水汽密度數據點分布相對離散，這主要是由于水汽垂直分布的復雜性引起的，同時由于探空氣球上升過程中隨風飄動以及探空站與試驗地點之間的距離等因素共同帶來的一些不確定性因素都會對反演結果造成一些影響。

圖4 MWP967KV與RPG微波輻射計觀測結果對比

圖5 溫度和水汽廓線相關性分析

2 液態水的反演

利用神經網絡算法反演液態水廓線，首先要對訓練樣本進行合理正確的處理。由于探空設備中沒有直接探測到液態水，因此就需要根據經驗模型添加液態水，進而訓練神經網絡參數用以反演大氣液態水的時空分布變化。通過對探空時段陰天輻射計數據反演的液態水廓線與根據經驗模型生成的液態水廓線作對比。我們可以從圖6對比結果看出，神經網絡算法反演結果與探空廓線較為接近，盡管在液態水含量上有所差異，但是很好地反應了云液水的位置，厚度以及液態水的分布。

根據液態水對比結果還能看出神經網絡算法反演的液態水廓線對于厚云反演效果較好而且精度高，對于薄云和液態水含量低的云反演能力較差。輻射計對于雙層云的反演也有很好的表現，廓線很好地描述了雙層云的峰值所在位置以及液態水含量的分布變化。這將對于我們研究多層云的分布、云水含量以及云的輻射特性有著重要作用。

圖6 液態水廓線與探空對比

3 逆溫的探測

通常大氣溫度隨高度增加而減小，但是在某些天氣條件下，地面上空的大氣結構會出現氣溫隨高度增加而升高，這種現象被稱為逆溫。利用常規探測方法很難實現對逆溫的高時間分辨率探測，難以獲取逆溫隨時間發展的變化過程。微波輻射計探測溫度廓線具有較高的時空分辨率和觀測精度，能夠顯示逆溫的發展變化過程，是探測逆溫的理想儀器。這對研究大氣邊界層的溫度變化有重要作用。

如圖7所示，在這次強逆溫過程中微波輻射計很好的探測到了地表的輻射逆溫和逆溫層厚度，從結果可以看出這次逆溫較強，厚度達到了1km左右且與探空數據結果非常一致。逆溫對于分析大氣條件有著重要作用，逆溫越強會使大氣狀態越穩定，難以形成對流天氣，在這種大氣條件下極易造成污染物的累積且不易擴散。

圖7 微波輻射計觀測的逆溫與探空對比

4 結束語

MWP967KV型地基多通道微波輻射計是我國自主研制的新型微波輻射計，打破了國外對這項技術的壟斷，積累了相關技術經驗。經過對微波輻射計觀測數據的對比分析，我們可以看出，微波輻射計觀測反演數據可靠，與國外同類設備性能一致。神經網絡算法非常適合應用于微波輻射計觀測反演大氣狀態參數，對溫濕廓線的反演具有很高的精度，避免了求解復雜的大氣微波輻射物理模型，同時微波輻射計對于逆溫和云液態水的含量、分布以及雙層云等反演也有很好的效果。這將對數值天氣預報、人工影響天氣、防災減災等領域具有很高的應用價值。

參考文獻:

[1] 朱磊,盧建平,雷連發.新型多通道微波輻射計及大氣觀測分析[J].火控雷達技術，2014，43(1):84-88.

[2] 盧建平,黃建平,郭學良,于子平,雷連發,張北斗.探測大氣溫濕廓線的35通道微波輻射計設計原理與特點[J].氣象科技，2014,42(2):193-197.

[3] 劉亞亞,毛節泰,劉均,李峰.地基微波輻射計遙感大氣廓線的BP神經網絡反演方法研究[J].高原氣象,2010,29(6):1514-1523.

[4] 雷連發,盧建平,朱磊，吳皓.多通道地基微波輻射計大氣遙感[J].遙感學報，2014，18(1)，180-191.

[5] 施彥,韓力群,廉小親.神經網絡設計方法與實例分析[M].北京，北京郵電大學出版社，2009.

[6] F.DelFrate, G.Schiavon. A neural network approach for the retrieval of profiles of liquid water from radiometric data[J]. IEEE, 2000(7):2803-2805.

[7] Maria P. Cadeddu, David D. Turner, and James C. Liljegren.A neural network for real-time retrievals of PWV and LWP from arctic millimeter-wave ground-based observations[J]. IEEE transactions on geoscience and remote sension, 2009,47(7):1887-1900.