共查询到18条相似文献，搜索用时 234 毫秒
1.
利用2018年7月至2019年7月上海宝山站地基微波辐射计亮温数据和探空资料,评估微波辐射计的探测质量,并讨论定标、天线罩性能等对探测质量的影响。结果表明:晴空条件下,微波辐射计实测亮温与模拟亮温一致性高,所有通道相关系数均超过0.96,均方根误差为0.15~2.68 K,其中氧气通道的探测准确性高于水汽通道。各通道偏差主要包括随机偏差、系统性偏差和季节性偏差三类,液氮定标能明显减少大部分水汽通道的系统性偏差,但对氧气通道的影响相对较小。更换新型材质天线罩有助于明显降低降水天气各通道的亮温偏差,明显缩短受降水影响后的亮温恢复时长,效果维持4个月左右。 相似文献
2.
利用探空数据和毫米波云雷达数据,对在大气探测试验基地同址观测的国内外3种型号地基微波辐射计进行1年（2016年10月—2017年9月）的比对分析,重点分析不同型号地基微波辐射计在晴空和云天下温、湿观测性能特征。结果表明:3种型号地基微波辐射计温度与探空相关系数均超过0.98,达到0.01显著性水平;晴空条件下,德国及国产地基微波辐射计温度平均误差均在±1℃以内（前者为负偏差,后者为正偏差）,误差较小,美国地基微波辐射计系统偏差约为-1.8℃;3种型号地基微波辐射计均方根误差随高度递增,整体均方根误差以德国地基微波辐射计2.2℃为最小,美国地基微波辐射计3.8℃为最大;在有云条件下,3种型号地基微波辐射计平均误差分布较晴空条件下无明显变化,均方根误差较晴空条件有约增加0.5℃。3种型号地基微波辐射计均呈晴空相对湿度误差小于云天误差,低空误差小于中高空误差的特点;晴空条件下,美国与国产地基微波辐射计相对湿度均方根误差分别为15%和18%左右,小于德国地基微波辐射计;云天条件下3种型号微波辐射计均方根误差均较大（26%左右）。 相似文献
3.
提供高时间分辨率大气温度湿度廓线的地基微波辐射计近年来广泛使用,多通道观测亮温的数据质量是大气廓线产品合理性的基本保障。一般定期液氮绝对定标可以更好维护亮温数据质量,但实际操作颇为不易。辐射传输模式作为一种辅助工具,可以检验和认识地基微波辐射计观测亮温的数据质量。本文针对三个辐射传输模式:MonoRTM、ARTS和MWRT,结合北京探空观测资料、北京观象台和河北香河站同类型的德国RPG地基微波辐射计观测资料,分析比较了三个模式的模拟与观测亮温差异,评估不同辐射传输模式对地基微波辐射计观测的模拟能力。地基微波辐射计14个通道观测亮温与模式模拟的差异统计比较发现:三个模式的模拟结果与地基微波辐射计大部分通道的观测亮温都很接近,与观测结果具有很好一致性（如相关系数高达0.99）,而对温度通道ch8（51.26 GHz）和ch9（52.28 GHz）,三个模式模拟与观测相关系数明显较低（<0.80）,并且存在显著的绝对偏差（4～5 K）,表明模式在这两个通道的模拟能力有待提高。三个模式中,MonoRTM模式在温度通道ch8、ch9和ch10（53.86 GHz）存在明显的系统性偏差,尤其是ch8高达5 K;ARTS模式对水汽通道ch1（22.24 GHz）的模拟能力相对较弱;MWRT模拟与观测亮温在多个通道上相对更为接近和稳定,尤其系统性偏差最小。此外,探空廓线与地基观测站的空间位置不一致,对地基微波辐射计水汽通道的模拟结果影响较为显著,而对水汽不敏感的温度通道影响甚微。两地观测亮温与模式模拟的比对,初步表明北京观象台地基微波辐射水汽通道的观测质量有待改进。 相似文献
4.
基于一维变分算法的地基微波辐射计遥感大气温湿廓线研究 总被引：3，自引：1，他引：2
为研究地基微波辐射计遥感温、湿度廓线的一维变分算法的反演能力,用北京地区2010—2011年00和12时(世界时)的多通道地基微波辐射计亮温资料进行试验。首先,利用同时次的地面观测资料、红外亮温(由地基微波辐射计自带红外传感器测得)及探空观测数据,给出提取无云样本的方案,得到432个无云样本;再以辐射传输模式计算得到的模拟亮温为参考,对无云条件下的观测亮温进行质量控制;然后利用探空数据进行模拟试验,结果发现,一维变分算法对3 km以下的温度廓线有较大调整。使反演结果更加接近探空,而对湿度廓线在0—10 km都有不同程度的优化;最后利用一维变分算法对地基微波辐射计观测亮温进行大气温湿廓线反演,将结果与探空对比可以看出,温度廓线的均方根误差小于2.9 K,绝对湿度的均方根误差小于0.47 g/m~3;进一步与地基微波辐射计自带神经网络的反演结果比较表明,一维变分的反演结果更接近实际大气。 相似文献
5.
基于西安泾河国家气象站2021年微波辐射计、西安理工大学研制的大气温湿度廓线激光雷达等设备观测数据反演计算0～10 km 以下的温湿度，通过与探空资料的对比分别评估了微波辐射计和激光雷达的探测性能。结果表明，二者反演的温度均与探空数据具有较好的一致性，激光雷达反演的温度和探空温度的相关系数为0997，均方根误差在15～25 K之间，微波辐射计反演的温度和探空温度的相关系数为0973，均方根误差在15～50 K之间；在反演相对湿度方面激光雷达优于微波辐射计，激光雷达反演的相对湿度和探空相对湿度的相关系数为0964，均方根误差在5%～15%之间，微波辐射计反演的相对湿度和探空相对湿度的相关系数为0632，均方根误差在20%左右。 相似文献
6.
将乌鲁木齐探空站400Mhz电子探空数据与MP-3000A型地基微波辐射计探测数据进行比较,主要分析了距地高度在0—10000m的58个高度层的温度、相对湿度误差情况,分析了误差产生的原因,简单介绍了地基微波辐射计物理量垂直廓线图的实际应用情况,认为MP-3000A型地基微波辐射计提供的物理量垂直廓线图在监测和分析天气系统方面有一定的优势;地基微波辐射计的探测准确性远低于传统气球探空,准确性不高是目前的主要问题;地基微波辐射计还需要在实践中不断改进和完善;气象技术人员还需要不断积累地基微波辐射计的应用经验和技巧;地基微波辐射计在气象领域的前景较好。 相似文献
7.
将乌鲁木齐探空站400 MHz电子探空数据与MP-3000A型地基微波辐射计探测数据进行比较,主要分析了距地高度在0～10000 m的58个高度层的温度、相对湿度误差情况,分析了误差产生的因为,简单介绍了地基微波辐射计物理量垂直廓线图的实际应用情况.认为MP-3000A型地基微波辐射计提供的物理量垂直廓线图在监测和分析天气系统方面有一定的优势;地基微波辐射计的探测准确性远低于传统气球探空,准确性不高是目前的主要问题;地基微波辐射计还需要在实践中不断改进和完善;气象技术人员还需要不断积累地基微波辐射计的应用经验和技巧;地基微波辐射计在气象领域的前景较好. 相似文献
8.
星载降水雷达机载校飞试验：地基多通道微波辐射计估算雷达路径积分衰减 总被引：1，自引：1，他引：0
介绍了在雷达观测降水试验中如何配合利用地基微波辐射计估算雷达路径积分衰减(PIA)的一种方法.所用的GPS高空探空资料和地基多通道微波辐射计的观测资料,均为中国首次星载降水雷达机载校飞试验中获得的数据.由于常规探空资料中没有云水含量的直接信息,因此,通过绝热液态水含量分析方法,从GPS探空数据中计算得到这些云参数值.用MWMOD进行亮温模拟并计算液态水含量.在晴空条件下,用该模式模拟了地基多通道微波辐射计12个通道的下行辐射亮温.通过设置相对湿度阈值,利用MWMOD模式自带的绝热液态水含量分析方法,从探空廓线中分析出液态水廓线,进而模拟出有云情况下的下行辐射亮温.辐射传输模式的模拟亮温和地基多通道微波辐射计观测亮温的对比表明,进行云分析之后的模拟亮温值更接近于实测值.由此,利用由辐射传输模式和地基微波辐射计,从探空廓线中分析出液态水廓线,计算出有云情况下的大气整层透过率,进而得到路径积分衰减,为降水雷达衰减订正提供一种有效手段. 相似文献
9.
利用地基微波辐射计资料反演0-10km大气温湿廓线试验研究 总被引：3，自引：0，他引：3
实测与模拟的微波辐射计亮温存在偏差,导致基于BP神经网络模型的大气温湿廓线反演精度的降低。研究了一种基于资料订正后的BP神经网络反演大气温湿廓线的方法。首先,基于2014年6月南京江宁探空资料,利用MonoRTM模式,模拟中心频率在22.2GHz~58.8GHz范围内22通道亮温;对比模拟和实测南京站微波辐射计资料,建立实测微波辐射计资料订正模型。然后,以南京地区2011-2013年探空资料为输入,模拟22通道亮温数据,并基于模拟的22通道亮温数据和当地探空资料,利用BP神经网络算法,建立大气温度、水汽密度、相对湿度廓线反演模型。最后,利用构建的订正模型,对2014年7月试验获取的微波辐射计资料进行订正,并将订正后的微波辐射计资料输入BP神经网络反演模型,反演0-10km高度58层的大气温度、水汽密度和相对湿度,对比实际探空资料以及微波辐射计二级产品,评估分析反演效果。实验结果表明：所建的反演模型提高了大气温湿廓线反演精度,大气温度、水汽密度和相对湿度均方根误差范围分别为1.0~2.0K、0.20 ~1.93g/m3和2.5%~18.6%。 相似文献
10.
利用西安泾河站MWP967KV型地基微波辐射2019年6月—2021年5月温度数据,与同期探空观测数据进行对比,检验地基微波辐射计反演温度的准确性;将两种观测方式所探测的逆温参量进行对比,从而分析地基微波辐射计逆温探测能力。结果表明：MWP967KV型地基微波辐射计反演温度廓线在2 km以下精度较高。地基微波辐射计观测逆温出现频率与探空观测类似,并能很好地探测低层200 m以下的逆温,对于高空500 m以上的逆温无法监测到。地基微波辐射计观测的逆温强度、逆温厚度均小于探空观测。地基微波辐射计对逆温日变化有较好的监测能力,填补了常规探空观测的空白。 相似文献
11.
为提升地基微波辐射计在不同天气条件下, 特别是云天条件下温湿廓线的反演精度, 利用2011年1月—2016年12月中国气象局北京国家综合气象观测试验基地探空数据, 在微波辐射计反演温湿度廓线的过程中通过区分晴天和云天条件并引入全固态Ka波段测云仪云高及云厚信息, 对反演输入亮温进行质量控制和偏差订正, 建立BP神经网络模型, 采用2017年1月—2018年3月微波辐射计探测数据评估检验, 结果表明:在亮温订正前提下, 晴天温度模型、云天温度模型、晴天相对湿度模型和云天相对湿度模型反演结果与探空的相关系数分别为0.99, 0.99, 0.80和0.78, 均方根误差为2.3℃, 2.3℃, 9%和16%, 较微波辐射计自带产品（LV2产品）减小约0.4℃, 0.3℃, 11%和9%, 准确性提升约30%, 28%, 64%和45%;温度模型偏差在±2℃以内、湿度模型偏差在±20%以内的占比分别为68%, 70%和95%, 78%, 较LV2产品分别提高了7%, 5%和27%, 23%, 其中相对湿度改善明显。可见亮温订正、区分天气类型训练反演模型有利于改善地基微波辐射温湿廓线反演精度。 相似文献
12.
利用2017年2月-2018年10月地基微波辐射计和无线电探空仪、闪电和雷达数据, 首先评估了微波辐射计温度和绝对湿度在不同高度的探测性能, 微波辐射计和无线电探空仪不同高度的温度的相关系数为0.800~0.985, 绝对湿度的相关系数为0.600~0.916;微波辐射计温度的标准差为3.9~6.1℃, 绝对湿度的标准差为0~4 g/m3, 无线电探空仪温度的标准差为4.2~6.1℃, 绝对湿度的标准差为0.1~4.2 g/m3; 微波辐射计和无线电探空仪温度绝对误差的标准差为1.06~2.90℃, 绝对湿度绝对误差的标准差为0.08~2.02 g/m3。二者K指数相关系数为0.945。其次利用K指数上升和下降到35℃的时次和不同距离闪电开始和结束时次做相关性分析, 结果表明在30 km处具有最大的相关系数(0.864), 这可能就是微波辐射计温度和湿度在复杂山地下雷暴天气中能够代表的大气层结的有效距离。最后统计分析了微波辐射计K指数上升达35℃时, 90%上游移向微波辐射计的雷暴回波(30 dBZ雷达回波超过-15℃高度层)距离微波辐射计平均距离为35.3 km, 移到微波辐射计附近平均需要92.8分钟, 局地雷暴(40 km以内)生成需要138.2分钟。 相似文献
13.
利用中国气象局上海台风研究所台风试验获取的4个典型台风个例数据,对地基微波辐射计反演的温度、水汽密度廓线与同址GPS探空资料得到的廓线进行对比分析,发现二者的温度、水汽密度相关系数分别为0.988、0.928。微波辐射计的探测精度在不同高度上有很大差异,整体来说,在高层温度探测精度较优于低层,而在低层水汽密度探测精度较优于高层。进一步研究表明,探测水汽密度精度与降水强度存在显著的正相关,而与风速及相对台风位置没有明显的关系。经计算,21组水汽密度廓线均方根误差与对应时段降雨强度的相关系数为0.912。本研究定量化地展示了微波辐射计在台风天气条件下对温度的探测精度相对比较高,且对水汽密度的观测质量有一定的可靠性和可用性,这一研究为今后将微波辐射计用于观测台风、锋面等强对流天气系统的大气温度湿度结构提供可靠性依据。 相似文献
14.
为提高地基微波辐射计大气探测精度,融合BP神经网络与遗传算法,研究0~10 km大气温湿度廓线。首先,结合数据特征,基于数值模拟技术,建立一套TP/WVP-3000型号地基微波辐射计的一级数据质量控制和订正模型。然后,为减小训练样本代表性误差对模型反演精度的影响,利用遗传算法优化训练样本数据,建立一套精度更高的神经网络大气温湿度反演模型。最后,利用构建的反演模型,开展大气温湿度反演试验,结合探空资料和微波辐射计二级产品,评价反演模型精度。研究结果表明:(1)经过质量控制后的实测数据与模拟数据之间的相关性有显著提升;(2)经过质量控制与订正后建立的神经网络模型对比原微波辐射计二级产品的反演精度有一定提升,温度提升6.77%,湿度提升20.11%;(3)经过遗传算法优化后的训练样本所建立的神经网络反演模型对比原微波辐射计二级产品反演精度有进一步的提升,温度提升10.21%,湿度提升23.75%,反演结果与该地区同类型研究结果相比有着较大提升。 相似文献
15.
为了深入研究雷电产生的微波热辐射特征,从2016年初夏开始利用地基微波辐射计在中国气象局雷电野外科学实验基地开展了连续4年的观测实验,根据雷电热效应的特征,制定了观测方案,并为地基微波辐射计设置了“引雷观测模式”。结果表明,地基微波辐射计具有对雷电热效应产生响应的能力。2017—2019年,辐射计一共成功捕获了30次人工触发闪电,观测效率逐年增长,平均为71.4 %;微波亮温脉冲幅度的最大值约125 K。结合其中28次触发事件的雷电流数据,分析了亮温脉冲幅度和雷电流积分量之间的相关性,并发现了最大亮温脉冲幅度与总电流作用积分之间可能存在指数关系。根据亮温观测数据估算了雷电热效应的持续时间,平均约0.5 s,其中25次触发事件的雷电流热效应持续时间与雷电流持续时间变化较为一致,相关系数约0.73。 相似文献
16.
同化大量观测资料可以有效地改进模式预报结果,但不同观测对预报的影响有着显著差异,合理评估观测对预报的贡献是数值模式中最具挑战性的诊断之一。本文采用基于伴随的预报对观测的敏感性（Forecast Sensitivity to Observation,简称FSO）方法,构建WRFDA（Weather Research and Forecasting model’s Data Assimilation）框架下的WRFDA-FSO系统。基于2019年9月超大城市项目在北京地区获取的风廓线雷达（Wind Profile Radar,简称WPR）和地基微波辐射计（Microwave Radiometer,简称MWR）观测数据,利用WRFDA-FSO系统,开展观测对WRF模式12 h预报的影响试验,并分析风温湿观测对预报的贡献。结果表明:（1）同化的观测资料（MWR、WPR、Sound、Synop和Geoamv）均减小了WRF模式12 h预报误差,对预报为正贡献,其中MWR观测对预报的影响最大,WPR风场观测对预报的改进效果优于Sound的风场观测。（2）WPR的U、V观测和MWR的T、Q观测中,V观测和T观测对预报的正贡献值更高,对预报的改进效果更优。（3）WPR和MWR多数高度层的观测均减小了预报误差,对预报为正贡献,其中MWR的T观测对预报的正贡献主要位于近地面800 hPa以下。 相似文献
17.
以2007~2018年西宁二十里铺气象站探空资料为模拟样本,利用MonoRTM模式模拟中心频率21.985~58.759GHz的35通道亮温,应用BP神经网络对模拟数据进行反复训练,构建最优反演模型,并以2019年探空资料为测试样本,对比分析了不同季节和不同天气条件下BP神经网络与微波辐射计的反演效果。结果表明:晴空条件下,BP神经网络与微波辐射计在温度反演上效果最佳,水汽密度次之,相对湿度最差,其中冬春季BP神经网络反演效果优于微波辐射计,夏秋季反之;有云条件下,BP神经网络温度反演效果在冬、春和夏季均优于微波辐射计,其水汽密度反演效果在四季均较微波辐射计有明显提升,其相对湿度反演效果在冬、春和夏季均较微波辐射计更佳。晴空和有云条件下,BP神经网络在不同季节反演温度、水汽密度和相对湿度的平均绝对误差和标准偏差均小于微波辐射计,尤其是相对湿度的反演精度提升最为明显。晴空条件下,BP神经网络反演温度廓线在春、夏和秋季效果最佳,反演水汽密度廓线在中低层精度较高,反演相对湿度廓线的精度较差,但基本和探空资料趋势一致;有云条件下,BP神经网络反演温度廓线与晴空时基本一致,较微波辐射计精度更高,反演水汽密度和相对湿度廓线在8km以上效果较好。 相似文献
18.
Deviation exists between measured and simulated microwave radiometer sounding data. The bias results in low-accuracy atmospheric temperature and humidity profiles simulated by Back Propagation artificial neural network models. This paper evaluated a retrieving atmospheric temperature and humidity profiles method by adopting an input data adjustment-based Back Propagation artificial neural networks model. First, the sounding data acquired at a Nanjing meteorological site in June 2014 are inputted into the MonoRTM Radiative transfer model to simulate atmospheric downwelling radiance at the 22 spectral channels from 22.234GHz to 58.8GHz, and we performed a comparison and analysis of the real observed data; an adjustment model for the measured microwave radiometer sounding data was built. Second, we simulated the sounding data of the 22 channels using the sounding data acquired at the site from 2011 to 2013. Based on the simulated rightness temperature data and the sounding data, BP neural network-based models were trained for the retrieval of atmospheric temperature, water vapor density and relative humidity profiles. Finally, we applied the adjustment model to the microwave radiometer sounding data collected in July 2014, generating the corrected data. After that, we inputted the corrected data into the BP neural network regression model to predict the atmospheric temperature, vapor density and relative humidity profile at 58 high levels from 0 to 10 km. We evaluated our model’s effect by comparing its output with the real measured data and the microwave radiometer’s own second-level product. The experiments showed that the inversion model improves atmospheric temperature and humidity profile retrieval accuracy; the atmospheric temperature RMS error is between 1K and 2.0K; the water vapor density’s RMS error is between 0.2 g/m3 and 1.93g/m3; and the relative humidity’s RMS error is between 2.5% and 18.6%. 相似文献