面向同化應用的紅外高光譜探測資料局地綜合通道選擇方案及在FY-3D/HIRAS中的初步應用

樊浩 ，王偉，王金成 ，韓威

(1. 成都信息工程大學大氣科學學院，四川 成都 610225； 2. 中國氣象局地球系統數值預報中心，北京 100081；3. 上海市生態氣象和衛星遙感中心，上海 200030；4. 中國氣象科學研究院/災害天氣國家重點實驗室，北京 100081)

1 引 言

高精度的數值天氣預報需要大量的觀測資料。理想的觀測資料需要能夠為數值預報系統提供時空分布均勻、足夠數量和精度的資料，而氣象衛星探測資料具有信息量大、覆蓋面廣、時空分辨率高等優點，尤其在常規觀測難以觀測到的地區(如海洋、沙漠)，衛星資料顯得尤為重要。衛星紅外高光譜儀器具有光譜分辨率高的特點，能夠獲取大量的大氣熱動力參數[1-2]，是數值天氣預報的重要數據來源。

近年來，隨著氣象衛星研發和應用技術的不斷提高，擁有高時空分辨率和高光譜分辨率的紅外高光譜儀器得到了廣泛發展和應用。目前廣泛應用的紅外高光譜儀器包括搭載在MetOp-B/C/D衛星上的IASI(Infrared Atmospheric Sounding Interferometer)；搭載在Soumi-NPP 衛星和JPSS-1衛星上的CrIS(Cross-track Infrared Sounder)；搭載在EOS-2(Aqua)衛星上的AIRS；搭載在FY-3D 衛星上的HIRAS(High-spectral Infrared Atmospheric Sounder)；搭 載 在 FY- 4A 衛 星 上 的GIIRS(Geostationary Interferometric Infrared Sounder)等。大量研究表明，這些資料在數值天氣預報和氣候研究中發揮了極為重要的作用[3-9]。

數值天氣預報中同化紅外高光譜儀器資料的關鍵技術在于通道選擇、質量控制及偏差訂正。近年來，眾多學者對這些關鍵技術進行研究，設計和改良了許多方法[10-16]，為紅外高光譜儀器資料在數值天氣預報中的同化提供了寶貴經驗。在這些關鍵技術中，紅外高光譜儀器資料的通道選擇是一個極為重要的內容。紅外高光譜儀器資料的通道數量巨大，存在大量冗余的通道信息；儀器資料的光譜分辨率高，不同通道的觀測誤差之間存在明顯的相關性，目前變分同化系統中沒有考慮觀測誤差的相關性；并且高光譜儀器資料的垂直分辨率遠高于模式的垂直分辨率，與模式不匹配，會引入模式無法分辨的高頻信息[17-18]。因此，在同化紅外高光譜儀器資料之前，必須進行通道選擇，剔除冗余的通道，以有限的通道獲取盡可能多的觀測信息。為了更有效地同化紅外高光譜儀器資料以改善模式的初始場，前人提出了很多通道選擇的方案，如早期Li 等[17]提出了一種基于輻射傳輸模式的逐步回歸的算法用于對AIRS 的通道選擇；Rabier 等[19]研究了基于雅可比矩陣和迭代方法的熵減法作為IASI 的通道選擇方案；Collard[18]在熵減法的基礎上提出了依據通道信息內容分析以及設立相關限制條件進行通道選擇的方案；Ventress等[20]在熵減法的基礎上進行改進可更好模擬和量化光譜相關誤差；Noh等[21]提出了基于一維變分分析和定義評分指數作為通道選擇標準的通道選擇方案等；王根等[22]利用了信號自由度(Degrees of Freedom for Signal，DFS)的通道選擇方案的思想對同化分析場進行影響診斷；尹若瑩等[23]通過結合通道權重函數峰值法和信息熵分步迭代法對GIIRS 紅外長波資料進行通道選擇改進了單一通道選擇方法的不足。

這些研究為衛星高光譜儀器資料的通道選擇提供了許多參考，然而這些方案最終都僅選取了一組通道進行同化。不同區域背景誤差、地形高度、大氣溫濕度垂直分布特征以及模式垂直分層等均有很大差異，因而對模式大氣敏感的通道也不盡相同。全球同化相同的通道集，在青藏高原等大地形和復雜下墊面區域同化的通道信息就會十分有限，限制了紅外高光譜資料的信息利用率，影響了青藏高原等常規觀測稀少地區的資料分析效果。為了最大限度提取紅外高光譜探測資料觀測信息，減少模式在青藏高原等常規觀測稀少地區的初始場的誤差，不同區域需要選取不同通道進行同化，為此，本文設計了一套面向同化應用的局地綜合的通道選擇方案。

本文基于信號自由度的通道選擇方法建立了面向同化應用的紅外高光譜探測資料局地綜合通道選擇方案，將該方案應用于FY-3D/HIRAS(Highspectral Infrared Atmospheric Sounder)資料分別在海洋與高原區域進行通道選擇，并利用一維變分同化分析不同通道集在不同區域的同化效果。

2 面向同化的局地綜合通道選擇方案

2.1 信號自由度的通道選擇方法

文中采用的通道選擇方法為信號自由度的通道選擇方法，該方法本質是利用信息熵[24]的思想，通過計算信號自由度(DFS)找出對信息熵影響最大的通道，選擇該通道并迭代選出后續通道[15]。定義分析誤差協方差為：

式中，n為迭代步數，An為迭代選擇第n個通道后對應的分析誤差協方差矩陣，當n = 1 時，A0= B，這里B 表示背景誤差協方差矩陣，hi為第i 個通道的標準化觀測誤差后的雅克比矩陣。每次迭代計算全部通道的Ai，利用DFS用來判斷信息熵的變化：

式中，An由式(1)求得，B 為背景誤差協方差矩陣，I是對應的單位矩陣，Tr 表示矩陣的跡。求出所有通道的DFS，選擇DFS 最大的通道，并利用該通道的分析誤差協方差矩陣An計算剩余通道的分析誤差協方差矩陣An+1，每次迭代選出一條通道，當選擇出的通道數滿足給定的數量要求或者信息熵的變化不再明顯時，結束迭代，所有被選擇出的通道存入通道選擇集。

該方法中用來判斷信息熵變化的指標不唯一，也有學者利用熵減(Entropy reduction，ER)進行判斷，熵減的定義為：

研究表明[14]，利用ER 和DFS 作為衡量指標進行通道選擇，所選擇出的通道基本一致。

2.2 雅克比矩陣對通道選擇的影響

在式(1)中，涉及儀器通道的雅克比矩陣，本文采用RTTOV 快速輻射傳輸模式進行紅外高光譜大氣探測儀HIRAS 的亮溫模擬計算，在輻射傳輸模式中，定義雅克比矩陣為：

hi表示第i個通道的雅克比矩陣，在衛星紅外高光譜儀器同化中，yi表示儀器通道的亮溫，i為儀器的通道號，xm表示控制變量(溫度、濕度等)，m表示控制變量所對應的高度層。

雅克比矩陣可表示衛星不同通道觀測或模擬亮溫在不同高度對不同大氣參數變化的敏感性，如當x為溫度變量時，對溫度求導得到的溫度雅克比矩陣可表示衛星不同通道在不同高度對溫度變化的敏感性，當x為濕度變量時，對濕度求導得到的濕度雅克比矩陣可表示衛星不同通道在不同高度對水汽變化的敏感性。不同區域大氣溫濕度廓線垂直分布特征以及模式垂直分層均有很大差異，因此在不同區域求得的雅克比矩陣不相同，進而利用信號自由度的通道選擇方法獲得的通道也不相同。

2.3 權重函數對通道選擇的影響

在對衛星高光譜資料進行通道選擇時，經常要考慮到衛星通道的權重函數(Weighting function)，定義權重函數為：

式中，τ(v，θ，P)為對應波數為v的通道透過率，θ表示衛星觀測的天頂角，P表示氣壓。權重函數可表示大氣不同高度對不同通道的輻射貢獻率，對于單個通道而言，權重函數的峰值所在高度代表了大氣對該通道的輻射貢獻最大層或最主要貢獻層，在應用中，往往將該峰值所在高度視為通道高度(本文定義通道權重函數峰值所在高度為通道高度)。理想的權重函數是單峰值的，當權重函數出現多峰值時通道高度不唯一，難以分辨該通道探測的是哪一層的信息，所以通道選擇中會優先剔除權重函數呈現多峰值的通道。同時，為了能夠利用紅外高光譜儀器資料得到高垂直分辨率的資料，在通道選擇時，應使所選擇通道集的通道高度能夠覆蓋盡量多的高度層。

雅克比矩陣和權重函數都是反映紅外高光譜儀器通道性質的重要依據，在信號自由度的通道選擇方法中會依據雅克比矩陣進行選擇，權重函數也往往被用來表征通道主要反演的高度層，但是這兩項數據的計算都依賴于模式設定的背景大氣廓線，在不同的大氣廓線下，雅可比矩陣和權重函數也會得到不一樣的結果。大氣是一個復雜的系統，不同空間區域的大氣溫濕度垂直分布特征也有明顯的差異，通過模式結果在不同區域獲得對應的大氣廓線從而計算得到的雅克比矩陣和權重函數也有較大的差異，這也是建立局地通道選擇方案的依據之一。

2.4 背景誤差協方差矩陣對通道選擇的影響

背景誤差協方差矩陣的本質是預報誤差的概率密度分布函數[25]，在變分同化中扮演著至關重要的角色，背景誤差協方差的精度是影響分析場準確率的重要因素。在信號自由度的通道選擇方法中，DFS 的計算取決于分析誤差協方差矩陣和背景誤差協方差矩陣的逆矩陣，在第一次迭代中，分析誤差協方差矩陣的計算也依賴于給定的背景誤差協方差矩陣。因此，利用信號自由度的通道選擇方法所得到通道很大程度上取決于給定的背景誤差協方差矩陣。由于不同區域的模式背景誤差存在明顯的差異，針對不同區域所得到的敏感性通道理應也有區別，因此，在建立局地通道選擇方案的過程中，也應利用背景誤差協方差矩陣的差異。

2.5 觀測誤差和偏差對通道選擇的影響

衛星紅外高光譜資料不可避免存在觀測誤差，誤差較大的觀測資料往往會對同化結果造成較差的影響，在進行同化時，應規避誤差較大的觀測資料。影響觀測誤差的原因有很多，而有些是由于儀器通道的特性決定的。首先，由于儀器本身和定標過程存在誤差，不同通道的觀測誤差具有較大差異，有些通道本身觀測誤差較大；其次，由于觀測資料受到如云等特殊物理因素的影響導致的觀測誤差，雖然可通過云檢測剔除大部分受到云影響的資料，但是仍存在難以被檢測到的低云等，而通道高度在近地面的通道，極易受到低云和地表反射率的影響而產生較大的觀測誤差。因此，在進行通道選擇時，雖然有些通道很敏感，但要綜合考慮其他影響同化的因素，剔除容易產生較大誤差的、難以訂正誤差的通道。

2.6 面向同化的局地綜合通道選擇方案

如上所述，利用信號自由度的通道選擇方法，基于不同區域雅克比函數、權重函數和背景誤差協方差矩陣的差異，本文設計了一套局地綜合的通道選擇方案，方案流程如下。

(1) 估計儀器的觀測亮溫和模式模擬亮溫之差(O-B)和等效噪聲溫差(NEDT)：利用模式背景場的模擬亮溫和觀測資料得到儀器的O-B均值和標準差用以近似地描述儀器的觀測誤差，而NEDT 是描述衛星探測儀器觀測精度的一項參數，可作為觀測誤差的參考值。

(2) 挑選所選區域的典型大氣廓線：通過統計較長時間模式積分得到局地綜合通道選擇方案中所選擇區域的典型大氣廓線。

(3) 計算所選區域的雅克比矩陣、權重函數：基于所選區域的典型大氣廓線，利用RTTOV 得到對應區域的雅克比矩陣和權重函數。

(4) 估計所選區域的背景誤差協方差矩陣：基于模式背景誤差協方差獲取所選區域的背景誤差協方差矩陣。

(5) 建立通道選擇黑名單：考慮儀器的O-B、等效噪聲溫差、權重函數和光譜吸收帶等因素，剔除O-B 和等效噪聲溫差偏差值較大的通道，剔除權重函數呈現多峰值的通道，文中僅針對溫度通道進行選擇，故剔除對水汽等其他變量較敏感的通道。

(6) 利用信號自由度的通道選擇方法進行通道選擇：在剔除黑名單中通道后，利用第3 步得到的雅可比矩陣和第4步得到的背景誤差協方差，應用信號自由度的通道選擇方法在所選擇區域迭代進行選擇，保留DFS變化不再明顯的通道。

(7) 綜合考慮對同化影響因素進一步篩選通道：在第6 步的通道選擇結果中，綜合考慮通道高度和通道的光譜性質等對同化影響因素，根據迭代的先后順序進一步對通道進行篩選，剔除不符合要求的通道，保留與模式垂直層數相近的通道數作為最終選擇結果。

3 局地綜合通道選擇方案在FY-3D/HIRAS資料中的應用

為了驗證局地綜合通道選擇方案的合理性和有效性及后續對資料同化的影響，面向CMA_GFS（原GRAPES_GFS）模式全球同化，在高原和海洋兩個典型區域，應用該方案對FY-3D/HIRAS 資料進行了通道選擇試驗。

3.1 資料介紹

3.1.1 HIRAS觀測資料介紹

FY-3D 紅外高光譜大氣探測儀(HIRAS)是搭載在FY-3極軌氣象衛星系列上的首個高光譜紅外探測儀器。觀測方式為對全球范圍進行循環探測，儀器每次掃描30條掃描線，每條掃描線共掃描29 個FOR(Field of Residence)，每個FOR 包含4 個FOV(Field of Views)，每個FOV 對地張角為1.1 °，對應星下點地面瞬時視場大小約為16 km，不同FOV之間的地面間距約為26.17 km。HIRAS使用長波分色片和中波分色片分離長波通道(8.80~15.38 μm)、中波1 通道(5.71~8.26 μm)和中波2 通道(3.92~4.64 μm)，光譜分辨率定標為0.625 cm-1，共生成2 287 個通道的數據，在使用前需對這2 287 個通道的觀測數據進行切趾，最終獲得2 275 個通道的觀測數據以供使用[26]。同時，HIRAS 的四個FOV 之間也存在差異，對此也可進行一系列的研究，本文主要研究溫度通道的選擇，參考文獻[27-28]研究結果，長波波段FOV1 光譜偏差的標準差相對小于FOV4，而Wu 等[29]研究指出FOV2 和FOV3 存在當前無法訂正的偏差，故本文選取FOV1資料進行研究。

3.1.2 HIRAS各通道O-B統計特征和等效噪聲溫差

O-B 中O 表示儀器的觀測亮溫，B 表示模式背景場的模擬亮溫(本文采用RTTOV 快速輻射傳輸模式進行模式背景場的亮溫模擬)。通常模式背景場B 的統計特性相對比較穩定，并且具有較高的精度，采用O-B 統計特征來分析觀測誤差的統計特性。O-B 均方根很大代表觀測誤差也很大，O-B 平均值很大代表觀測偏差也很大，這些通道不適合用來同化，這些通道在通道選擇中需要被優先剔除，本文利用CMA_GFS 全球模式生成的背景場和HIRAS的FOV1觀測資料統計2019年12 月10 日03 時—15 日03 時HIRAS 全 部2 275 個通道的亮溫O-B 均值和標準差如圖1 所示，所用觀測資料預先利用McNally 等[11]的云檢測方案進行過云檢測，剔除了受云影響的資料樣本。

由圖1a 可看出，O-B 在波數750 cm-1之前和1 000~1 100 cm-1之間的通道出現較大值，參考后文通道高度可知，750 cm-1之前通道高度較高，可能是由于背景場在高層的誤差較大導致的，而1 000~1 100 cm-1之間的通道易受到臭氧的影響，同時權重函數呈現多峰值，導致O-B較大，結果與Qi等[28]和Wu等[29]研究結果基本一致。

圖1 2019年12月10—15日HIRAS觀測值與背景場RTTOV模擬值差異(O-B)的平均值(a)及標準差(b)

等效噪聲溫差(Noise Equivalent Delta Temperature, NEDT)是描述衛星探測儀器觀測精度的一項參數，可作為觀測誤差的參考值，NEDT值越接近于0代表觀測精度越高，理論上NEDT會隨著觀測的波長變化而變化也會隨著觀測場景的溫度變化而變化[29]。HIRAS 資料的NEDR 數據由儀器ICT(Internal Calibration Target)視場掃描獲得。利用2019年12月10日03時—15日03時的HIRAS的ICT視場NEDR數據，取亮溫為300 K，得到對應的NEDT 如圖2 所示，短波波段NEDT 明顯大于長波和中波波段，而長波波段700 cm-1之前的通道NEDT 值明顯過大，FOV4 尤為明顯，而長波波段1 000 cm-1之后的通道NEDT 存在波動，Qi 等[27]研究結果指出，儀器運行時內部產生的污染氣體會對該波段內部校準視場觀測結果產生較大影響，文中結果與Qi等[28]和Wu等[29]研究結果基本一致。

圖2 2019年12月10—15日HIRAS不同通道對應NEDT(取亮溫為300 K)其中FOV代表HIRAS的四個探元，dir=0(a)和dir=1(b)分別表示儀器的掃描方向為正和負。

3.1.3 海洋區域與高原區域的雅克比矩陣和權重函數

為了探究不同區域通道選擇的差異，選取兩個具有典型特征的區域如圖3：青藏高原區域(藍)，本次試驗取85~95 °E，28~ 33 °N，矩形范圍內數據為高原個例；海洋地區(紅)，本次試驗取135 °E~135 °W，0 °~30 °N，矩形范圍內數據為海洋個例。

圖3 試驗選取區域 青藏高原區域(85~95 °E，28~33 °N，藍框)，海洋地區(135 °E~135 °W，0 °~30 °N，紅框)。

圖4 海洋/高原區域通道選擇參數對比 a. 溫度廓線；b. 溫度背景誤差；c. 部分通道在高原廓線（實線）和海洋廓線（虛線）下的溫度雅克比矩陣。

通過CMA_GFS 模式輸出結果統計2019 年12 月10 日03 時—12 月15 日03 時的數據，得到以上兩區域的大氣溫度廓線如圖4a 所示，模式輸出兩區域溫度垂直分布具有明顯的差異，高原地區由于地形因素最低層氣壓高于海洋區域，并且相較于海洋區域，高原地區溫度隨氣壓變化幅度較小。

基于大氣兩區域溫度廓線利用RTTOV 模擬得到HIRAS 全部通道在兩區域的溫度雅克比矩陣，取其中部分通道展示如圖4c 所示。同一通道在不同區域相同高度對同一變量敏感性強弱不同，相較而言，高原地區通道的溫度敏感性普遍較海洋區域偏弱，且部分通道雅克比矩陣大值高度不同，在低層通道中尤其明顯。

利用RTTOV 模擬得到兩區域大氣廓線下HIRAS 的權重函數，將兩區域全部通道峰值高度展示如圖5所示，可看出非常明顯的區別在于兩區域由于地形高度不同，大氣背景廓線特征不同，權重函數峰值高度在底層時有明顯區別，而在1 000~1 100 cm-1附近的臭氧吸收通道，呈現出較明顯的高空與地面多峰值，在進行通道選擇時，需要剔除這類多峰值的通道。

圖5 海洋/高原區域不同波數通道的權重函數峰值高度分布 藍/綠圓點分別表示局地綜合通道選擇方案在高原/海洋區域選擇出的通道，×號表示被信號自由度的通道選擇方法選出但被綜合方案篩選剔除的通道。

3.1.4 海洋區域與高原區域的背景誤差協方差

信號自由度的通道選擇方法除了需要對應通道的雅克比矩陣，也依賴于試驗所設定的背景誤差協方差。方案所使用的背景誤差協方差矩陣是王金成等[30]基于CMA_GFS 業務預報系統利用NMC(National Meteorological Center)方法統計得到的CMA_GFS 模式全球三維背景誤差協方差。NMC 方法的核心是利用同一時刻具有不同預報時效的兩個預報場作差獲得近似的預報誤差。統計所選區域的背景誤差協方差矩陣如圖6所示，可看出兩區域的背景誤差協方差矩陣有明顯的差異，為了更直觀地展示兩區域背景誤差的不同，取背景誤差協方差矩陣對角線的平方根作為背景誤差展示(圖4b)，在100 hPa 以下時，海洋地區的背景誤差要明顯小于高原地區，尤其在近地面層，高原區域背景誤差達到一個較大值。

圖6 高原地區(a)、海洋地區(b)的CMA_GFS模式背景誤差協方差矩陣

3.2 建立通道選擇黑名單

在進行通道選擇之前，首先應建立通道選擇黑名單，剔除噪聲較大的通道和RTTOV 模擬效果較差的通道。參考前人經驗和HIRAS的質量評估結果，為了剔除誤差較大通道的同時保留盡量多的通道進入通道選擇以證明不同區域通道選擇的差異性，本文剔除了NEDT 大于0.3 的通道和O-B大于2 K 的通道；剔除權重函數多峰值的通道；由于本文僅針對溫度通道進行選擇，所以剔除波數為1 400~1 600 cm-1的水汽敏感通道。最終剩余706個通道進行通道選擇試驗。

圖7 在海洋/高原區域利用信號自由度的通道選擇方法進行通道選擇時DFS隨已選擇的通道數的變化(a)，選擇每個通道時DFS的變化量(b)

3.3 海洋區域與高原區域的通道選擇結果

利用NEDT 對雅克比矩陣進行標準化處理后，利用信號自由度的通道選擇方法在剩余通道中對海洋和高原兩典型區域迭代進行通道選擇。圖7 為兩區域每次迭代選取通道的DFS 和DFS 變化量，兩區域在迭代150 步后，DFS 變化幅度非常小，每次選擇通道，DFS 的變化量不超過當前DFS值的0.5%，后續選擇的通道對信息熵變化影響十分微弱，故本文保留前150 步迭代結果，并進一步進行篩選。

如表1 所示，兩區域進行通道選擇時，每次迭代所選取通道差異較大，證明通道選擇在不同區域具有明顯差異。統計兩區域迭代150 步所選取的通道結果可發現，海洋地區所選出的短波通道數量明顯低于高原地區，且海洋地區更多選擇到了長波波段的地面通道，而在迭代150步時高原地區所選出的長波通道中沒有出現長波波段的地面通道。

雖然兩區域每次迭代選取通道差異較大，但是也存在一定的統一性，分別統計兩區域迭代選取的150個通道進行比較可發現，兩區域所選擇通道中有大量的重合通道，且這些通道主要集中在長波波段波數687~750 cm-1之間，兩區域的通道選擇結果都基本覆蓋了該范圍內全部通道，僅個別通道存在差異。這些重合通道也證明了信號自由度的通道選擇方法具備一定的物理意義，能夠選擇出對分析場影響較大的通道。

在預留的150 個通道中進一步進行篩選。由于地面通道易受地表發射率和低云的影響，故剔除權重函數峰值在地面附近的通道；本次通道選擇試驗僅考慮溫度信息，故剔除短波波段易受水汽影響的通道。考慮到選取與當前CMA_GFS 模式垂直層數相近的通道數，按照迭代順序，兩區域各保留前80個滿足條件的通道作為最終選取通道標注在表1。兩區域最終選取的80 個通道也標注在圖5 中，通道的權重峰值基本能夠覆蓋地面到100 hPa 附近各高度層，能夠提供這些高度層的大氣信息，滿足通道選擇對垂直分辨率的要求。

表1 局地綜合通道選擇方案在海洋區域與高原區域對FY-3D/HIRAS進行通道選擇的結果 保留前150個通道。

?

?

注：篩選結果無標注表示該通道被選取，▲表示剔除原因為短波波段通道，◎表示剔除原因為地面通道。

4 局地綜合通道選擇方案對分析結果的影響

為了比較局地通道選擇方案對分析結果的影響，利用歐洲氣象衛星應用組織開發的一維變分線性誤差分析方法(1DVar)[31]同化反演結果進行比較(1DVar 觀測算子采用RTTOV 快速輻射傳輸模式)。分別對高原和海洋區域利用高原區域通道選擇結果和海洋通道選擇結果進行一維變分同化，將得到的分析誤差作為衡量通道選擇效果的標準(分析誤差取分析誤差協方差矩陣對角線的平方根)。

圖8a 為海洋背景下，高原通道集和海洋通道集的分析誤差對比結果。本次試驗以O-B的標準差作為觀測誤差，將海洋區域的大氣溫度廓線(圖4a 紅色線)作為背景場，將海洋區域的模式背景誤差協方差作為一維變分試驗中的背景誤差協方差(圖6b)，分別以表1 中高原和海洋最終選擇的80個通道作為通道選擇集進行一維變分同化反演。由于兩區域所選通道集中重合通道較多，在圖8a中能夠看到的差別不明顯，故將海洋通道集反演得到分析誤差與高原通道集反演得到的分析誤差相減，得到試驗結果如圖8b所示。

圖8 在海洋區域分別同化高原通道集和海洋通道集所得到的分析誤差(a)及兩通道及分析誤差的差值(b)a中黑線表示給定的背景場誤差協方差。

從圖8b 可看出，海洋背景下，在300～1 000 hPa之間，利用海洋通道集得到的分析誤差比利用高原通道集得到的分析誤差小，在大氣活動較頻繁的300～1 000 hPa 高度內，海洋通道集相比之高原通道集能夠更準確反演該區域的大氣變量。

在海洋區域，海洋通道集的分析誤差小于高原通道集的分析誤差，能夠證明在海洋背景下由信號自由度的通道選擇方案得到的通道選擇結果比在高原背景下得到的通道選擇結果更適用于海洋區域的同化。而海洋區域大氣結構較單一，在大氣結構更復雜的陸地區域，尤其是高原區域，不同通道集對對應區域的同化反演結果更能說明局地綜合通道選擇方案的有效性。

圖9 為高原背景下，高原通道集和海洋通道集的分析誤差對比結果。本次試驗將高原區域的大氣溫度廓線作為背景場，高原區域背景誤差協方差作為背景誤差協方差，分別利用高原通道集和海洋通道集進行一維變分同化試驗。如圖9a所示，能夠看出在多個高度層高原通道集的分析誤差小于海洋通道集的分析誤差。在圖9b 中更明顯，高原通道集在高原背景下得到的分析誤差小于海洋通道集，在近地面差值處差值最大，在高原區域，高原通道集能夠更好反演近地面的大氣變量。對比圖8b 可發現，相較于海洋背景，高原背景下不同通道集得到分析誤差的差值量級要大得多。在本實驗中，在大氣結構較復雜的高原地區進行局地綜合通道選擇的效果要優于海洋地區。

圖9 在高原區域分別同化高原通道集和海洋通道集所得到的分析誤差(a)及兩通道及分析誤差的差值(b)a中黑線表示給定的背景場誤差協方差。

總而言之，通過對比一維變分同化反演得到的分析誤差可得出，針對高原地區所選擇的通道集在高原地區同化效果優于針對海洋地區所選擇的通道集，針對海洋地區所選擇的通道集在海洋地區同化效果優于針對高原地區所選擇的通道集，局地綜合通道選擇方案能夠有效減少分析場的誤差。

5 總 結

本文面向資料同化應用信息最大化，提出了一種局地綜合的通道選擇方案：通過局地的大氣廓線、雅可比矩陣和背景誤差協方差，綜合考慮儀器觀測誤差、權重函數和光譜吸收帶建立通道選擇黑名單，利用信號自由度的通道選擇方法進行選擇的方案。將該方案應用于FY-3D/HIRAS資料在海洋與高原兩個典型區域進行通道選擇，基于CMA_GFS 得到相關區域的背景大氣廓線和背景誤差協方差，利用RTTOV 模擬得到對應區域的雅克比矩陣和權重函數，考慮O-B、NEDT 和權重函數建立通道黑名單，應用信號自由度的通道選擇方法對HIRAS 儀器進行選擇，綜合考慮通道高度和通道的光譜性質等對同化影響因素，按照迭代先后順序進一步篩選保留與模式垂直層數相近的80個通道，最終，分別在海洋與高原兩個區域選擇出80個通道作為通道選擇結果。為了探究局地綜合通道選擇方案對分析結果的影響，利用1DVar在高原和海洋背景下分別反演同化兩個通道集進行對比，結果表明，局地綜合通道選擇方案對特定區域選取的通道集在該區域的同化效果優于在其他區域選取的通道集，證明了局地綜合通道選擇方案能夠有效減少模式初始場的誤差。然而，本研究僅利用1DVAR 對該方案同化的影響進行了初步評估，后續將利用CMA_GFS全球4DVar批量同化試驗，分析和評估該方案選擇的HIRAS 通道集相對單一通道集同化對CMA_GFS 全球模式分析和預報的影響，進一步驗證該方案對提高全球數值天氣預報技巧的作用。