共查询到18条相似文献，搜索用时 109 毫秒
1.
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
2.
为了研究ERA5再分析资料在微波辐射计数据反演中的应用效果,利用探空和ERA5作为训练样本分别训练得到两个神经网络,对微波辐射计观测数据进行反演。并以探空资料作为参考分别统计基于探空和ERA5再分析资料反演得到的数据的相关系数、绝对偏差和均方根误差,用于评估ERA5再分析资料在微波辐射计数据反演中的应用效果。结果表明：基于ERA5和探空反演的温度廓线与探空的相关系数分别为0.988、0.99,绝对偏差分别为2.402 ℃、2.607 ℃。反演水汽与探空的相关系数分别为0.975、0.979,绝对偏差分别为0.412 g/m3、0.369 g/m3。反演的相对湿度相关系数分别为0.663、0.696,绝对偏差分别为15.587%、13.976%。反演的积分水汽总量相关系数分别为0.959、0.968,绝对偏差分别为0.258 cm、0.227 cm。从结果来看,基于ERA5资料反演的温度、水汽资料与利用探空反演的结果相差较小,温度廓线反演效果优于相对湿度廓线。 相似文献
3.
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
4.
大气温湿度廓线是大气重要参数,在数值天气预报及天气预警中具有重要的应用价值。为获得高精度的大气温度与水汽混合比廓线数据,研究了基于Metop-A/IASI红外高光谱资料的大气温度与水汽混合比廓线变分反演方法。利用IASI高光谱传感器温度和水汽探测通道资料,结合CRTM模式和WRF模式预报技术,使用一维变分方法,研究了卫星资料质量控制、背景误差协方差本地化、观测误差协方差计算等方法,构建了大气温度及水汽混合比廓线变分反演系统,并在北京、青岛、沈阳3个地区开展了反演试验。以探空为标准的反演结果对比显示,使用WRF模式预报值作为背景场,温度的平均误差绝对值小于0.6 K,均方根误差为0.89 K;水汽混合比的平均误差绝对值小于0.021 g/kg,均方根误差为0.02 g/kg。试验结果表明:基于一维变分方法,可以利用Metop-A/IASI红外高光谱资料进行大气温度与水汽混合比廓线高精度探测。 相似文献
5.
利用兰州大学半干旱气候与环境观测站(SACOL站)2009—2010年的地基微波辐射计亮温资料和榆中站探空资料,建立了应用于地基微波辐射计温度、相对湿度和水汽密度反演的径向基神经网络,并将反演结果与地基微波辐射计自带反演产品进行了对比,探究了径向基神经网络在地基微波辐射计气象要素反演算法本地化的应用效果。结果表明:径向基神经网络反演的温度、相对湿度和水汽密度的均方根误差最大值分别为2.72 K、22.32%和0.73 g·m^-3,在所有高度层上径向基神经网络的反演结果均优于微波辐射计,反演产品对2—10 km、1—7 km、0—3 km的大气温度、相对湿度和水汽密度廓线的反演均有明显改善,径向基神经网络能够应用于地基微波辐射计气象要素的反演算法的本地化。 相似文献
6.
地基GPS不同水汽反演方法的误差分析 总被引：1，自引：0，他引：1
利用湖北宜昌2007年观测的GPS对流层天顶延迟数据,对采用不同水汽反演方法计算的对流层可降水量PW的正确度和精密度进行对比分析。结果显示：不同天顶干延迟计算模型对GPSPW的精密度影响不大,但对其正确度有明显的影响,与探空PW相比,Hopfield模型计算的GPs册的平均偏差最小,Saastamoinen模型的平均偏差次之,而Black模型的平均偏差最大;大气加权平均温度对GPS PW的正确度有重要影响,对其进行本地化订正可以明显减小GPS PW与探空尸形的偏差,但对GPSPW的精密度影响不大;GPS PW与探空PW的相关性受大气水汽含量的影响,当大气水汽含量较低（PW≤65mm）时,两者的相关系数可达0．92,两者的平均偏差为3．8mm,偏差的均方差为6．4mm,而当大气水汽含量较大时,GPS PW与探空PW的偏差会增大,两者的相关系数会变小,这可能与GPS水汽反演方法有关;GPS PW比探空PW偏小,这可能是由两种探测方法的不同所造成的系统偏差。 相似文献
7.
利用青藏高原地区COSMIC掩星资料反演的大气湿廓线Wet Prf数据和8个站点的探空数据,分析了COSMIC反演大气廓线和可降水量与探空观测的偏差,并考查了偏差随高度的变化特征。结果显示:(1)COSMIC反演的温度、压强和水汽压廓线与探空观测具有很好的正相关;与探空观测相比,COSMIC的温度、压强和水汽压的偏差为-0.2℃、1.7 h Pa和0 h Pa,均方差为1.8℃、1.6 h Pa和0.4 h Pa;COSMIC反演大气廓线与探空观测的偏差基本上在大气低层较大,然后随高度增加而减小。(2)COSMIC反演的可降水量与探空观测正相关较好;COSMIC反演的可降水量低于探空观测,两者的偏差为-5.0 mm,均方差为5.7 mm;两者的负偏差在大气低层最明显。(3)探空观测在近地层的不稳定性和COSMIC反演方法中背景模式在青藏高原地区描述大气状态的能力有限,是造成COSMIC反演大气廓线和探空观测的偏差在近地层较大的主要原因;COSMIC观测的折射率偏小导致其反演的可降水量偏低。 相似文献
8.
RPG-HATPRO-G3地基微波辐射计采用“多通道并行测量技术”,性能稳定,反演精度高。应用该微波辐射计和常规L波段探空数据,比较了微波辐射计反演数据与探空测值的差异。结果表明：温度、水汽密度与常规探空资料比较有很好的线性相关性,对仪器维护后可以提高数据质量;相对湿度数据离散度较高。比较无降水时不同高度下微波辐射计反演数据的精度,温度在1 000 m以下低层平均误差和均方根误差较小;水汽密度的平均误差和均方根误差均为近地面较大,随高度而减小;相对湿度的平均误差和均方根误差都明显较大,温度和水汽密度的准确性高于相对湿度。降水时不同高度的温度、水汽密度和相对湿度的平均误差和均方根误差变化趋势均与无降水时相似,但是误差值明显偏大;降水时反演温度在2 000 m以下误差较小,水汽密度在3 000 m以下反演值较探空测值大,相对湿度在降水时的误差较大。 相似文献
9.
选取大气可降水量的地基GPS水汽遥感法,探空反演法以及经验公式计算法,以贵州西部的威宁作为研究个例,对比分析3种方法在乌蒙山区对大气可降水量反演的异同。以探空反演结果作为基准值,得出地基GPS遥感水汽值和经验公式计算值较基准值偏大,3个方法的反演值之间具有很好的相关性,地基GPS遥感水汽值与探空反演值之间的相关性最好,平均绝对误差值最小,为3.5 mm,均方根误差为4.14 mm。在乌蒙山区,对流层加权平均温度(Tm)的本地经验公式与探空计算值之间的平均误差为1.1 K,本地Tm公式对大气可降水量反演的结果影响较小。有降水事件发生及昆明准静止锋常驻的11月至次年4月,GPS水汽反演精度较高,平均绝对误差仅为1 mm。5—10月,经验计算方法的计算精度较高,平均绝对误差为0.74 mm。 相似文献
10.
11.
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
12.
基于观测约束的地基犌犘犁三维水汽层析技术研究 总被引：1，自引：0，他引：1
全球定位系统(GPS)卫星信号穿过大气层时发生的偏折和延迟,可以用来反演信号传播路径上的大气水汽总量。为获取区域高精度的大气水汽三维分布,借助分布密集的地基GPS观测网及其斜路径水汽观测,建立新的观测约束层析模型,提出以高斯函数为水平约束,区域逐月多年探空观测为垂直约束,即以平均量为先验值,以标准偏差为权重矩阵的新方法;并在层析算法中引入地面观测,以提高整体尤其是低层反演精度。三维水汽层析网格模型基于长江中游鄂东区域的22站地基GPS加密网搭建,实时解算系统可逐时输出三维水汽产品。三维湿折射度和水汽密度可以分别由斜路径的湿延迟总量和水汽总量观测反演获得。以2010年开展的汛期联合加密探空观测为参照,对三维层析的总体反演精度、低层反演精度、层析区域中心与边缘反演精度进行了对比和分析。结果显示:整体样本检验三维水汽密度平均偏差为-0.63 g/m~3,标准偏差为1.22 g/m~3,与探空相关系数为0.98;水汽密度与探空资料的相关比湿折射度与探空资料的相关好;对于不同层析区域,中心区域观测元数量较为丰富,使得位于中心的层析精度好于整体和边缘;加入低层观测的层析结果与探空的相关比未加低层观测时的好,低层观测的加入提高了层析与探空的相关,减小了低层层析标准差、区域中心和2 km以上层析的均差,有效提高了反演精度;低层观测的加入对整体标准差的影响,可能与加剧观测方程中长度矩阵元素间的量级差异有关。 相似文献
13.
采用2013年中国科学院大气物理研究所香河大气综合观测试验站的地基微波辐射计和激光雷达观测数据,以激光雷达探测的大气边界层高度为参考,分别利用非线性神经网络和多元线性回归方法建立微波亮温直接反演大气边界层高度的算法,并对比两种方法的反演能力, 同时分析非线性神经网络算法在不同时段及不同天气状况下反演结果的差异。结果表明:非线性神经网络算法的反演能力优于多元线性回归算法,其反演结果与激光雷达探测的大气边界层高度有较好一致性,冬、春季的相关系数达到0.83,反演精度比线性回归算法约高26%;对于不同时段和不同天气条件,春季的反演结果最好,晴空的反演结果好于云天; 四季和不同天气状况的划分也有利于提高反演精度。 相似文献
14.
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
15.
For Microwave Humidity and Temperature sounder (MWHTS)
measurements over the ocean, a cloud filtering method is
presented to filter out cloud- and precipitation-affected
observations by analyzing the sensitivity of the simulated
brightness temperatures of MWHTS to cloud liquid water, and
using the root mean square error (RMSE) between observation and
simulation in clear sky as a reference standard. The atmospheric
temperature and humidity profiles are retrieved using MWHTS
measurements with and without filtering by multiple linear
regression (MLR), artificial neural networks (ANN) and one-
dimensional variational (1DVAR) retrieval methods, respectively,
and the effects of the filtering method on the retrieval
accuracies are analyzed. The numerical results show that the
filtering method can improve the retrieval accuracies of the MLR
and the 1DVAR retrieval methods, but have little influence on
that of the ANN. In addition, the dependencies of the retrieval
methods upon the testing samples of brightness temperature are
studied, and the results show that the 1DVAR retrieval method
has great stability due to that the testing samples have great
impact on the retrieval accuracies of the MLR and the ANN, but
have little impact on that of the 1DVAR. 相似文献
16.
在地基高光谱遥感中,特征向量法获取的温湿廓线以初值的方式对物理反演进行约束,其反演精度对物理反演结果有着重要的影响。利用AERI的观测辐射资料和同站点的探空数据,基于特征向量法分析了温度廓线与湿度廓线反演的异同点;研究了主成分个数的选择问题,综合考虑反演精度和特征向量中包含的信息将反演温度廓线和湿度廓线的最优主成分个数定为7。为提高反演精度,引入地面温度、湿度、气压作为影响因子,试验结果表明,考虑反演精度和稳定性,地面气压的引入相比于其他2种单一气象要素以及3种气象要素组成的因子集表现更好,尤其是对边界层中下部的温湿廓线有着明显的提升,并随着高度的降低提升作用更明显,温度廓线RMSE降低最高达到1.5K,湿度廓线RMSE降低最高达到0.42g/kg。同时,分析了对数反演形式对湿度廓线的影响,结果表明,以水汽混合比的形式反演时取自然对数对反演精度的影响较小;将反演得到的水汽混合比转化为相对湿度后,取自然对数对反演精度有12%以上的提升。 相似文献
17.
Back propagation neural networks are used to retrieve atmospheric temperature profiles from NOAA-16 Advanced Microwave Sounding Unit-A (AMSU-A) measurements over East Asia. The collocated radiosonde observation and AMSU-A data over land in 2002-2003 are used to train the network, and the data over land in 2004 are used to test the network. A comparison with the multi-linear regression method shows that the neural network retrieval method can significantly improve the results in all weather conditions. When an offset of 0.5 K or a noise level of ±0.2 K is added to all channels simultaneously, the increase in the overall root mean square (RMS) error is less than 0.1 K. Furthermore, an experiment is conducted to investigate the effects of the window channels on the retrieval. The results indicate that the brightness temperatures of window channels can provide significantly useful information on the temperature retrieval near the surface. Additionally, the RMS errors of the profiles retrieved with the trained neural network are compared with the errors from the International Advanced TOVS (ATOVS) Processing Package (IAPP). It is shown that the network-based algorithm can provide much better results in the experiment region and comparable results in other regions. It is also noted that the network can yield remarkably better results than IAPP at the low levels and at about the 250-hPa level in summer skies over ocean. Finally, the network-based retrieval algorithm developed herein is applied in retrieving the temperature anomalies of Typhoon Rananim from AMSU-A data. 相似文献
18.
Retrieval of water vapor profiles with radio occultation measurements using an artificial neural network 总被引：3，自引：1，他引：2
A new method applying an artificial neural network （ANN） to retrieve water vapor profiles in the troposphere is presented. In this paper, a fully-connected, three-layer network based on the backpropagation algorithm is constructed. Month, latitude, altitude and bending angle are chosen as the input vectors and water vapor pressure as the output vector. There are 130 groups of occultation measurements from June to November 2002 in the dataset. Seventy pairs of bending angles and water vapor pressure profiles are used to train the ANN, and the sixty remaining pairs of profiles are applied to the validation of the retrieval. By comparing the retrieved profiles with the corresponding ones from the Information System and Data Center of the Challenging Mini-Satellite Payload for Geoscientific Research and Application （CHAMP-ISDC）, it can be concluded that the ANN is relatively convenient and accurate. Its results can be provided as the first guess for the iterative methods or the non-linear optimal estimation inverse method. 相似文献