排序方式： 共有4条查询结果，搜索用时 78 毫秒
1
1.
针对风云三号C星微波湿温探测仪(FY-3C/MWHTS)的陆地晴空观测资料,建立了一维变分反演系统,对大气的温湿廓线进行反演。为了更好地描述温湿廓线的相关性,同时减小温度和湿度在反演过程中相互之间的误差传递,提出了使用背景协方差矩阵的联合矩阵和单独矩阵进行组合反演的方法。对于MWHTS模拟亮温和观测亮温之间的偏差,使用逐扫描点的统计回归方法进行校正。选择中国部分陆地区域的晴空观测亮温进行温湿廓线的反演,并利用欧洲中期天气预报中心(ECMWF)再分析数据、美国国家环境预报中心(NCEP)分析数据以及无线电探空观测(RAOB)数据对反演结果进行验证,温湿廓线的反演结果与ECMWF再分析数据验证的最大均方根误差分别是2.59 K和11.87%,与NCEP分析数据验证的最大均方根误差分别是1.88 K和21.50%,与RAOB数据验证的最大均方根误差分别是3.43 K和25.48%,验证结果表明了反演结果的可靠性。另外与国外同类载荷AMSU观测亮温的物理方法和统计方法反演精度进行了对比,结果表明:MWHTS具有较强的湿度廓线以及高空温度廓线的探测能力,且针对MWHTS的观测亮温建立的一维变分反演系统具有较高的反演精度。与NCEP 6小时预报廓线的验证结果表明:反演的湿度廓线可以提高预报廓线的精度。 相似文献
2.
2010年11月5日发射的风云三号B星 (FY-3B) 是我国第2代极轨气象卫星的第2颗星。其上装载的微波湿度计 (MWHS) 在183 GHz水汽吸收线设计了3个大气探测通道,在大气窗区150 GHz设置了双极化通道。该文主要对FY-3B微波湿度计系统进行介绍,分析其在轨5年的性能,对仪器在轨关键性能参数进行了长时间序列分析,结果表明:仪器各通道灵敏度均优于0.4 K,其中通道1,2,4,5的灵敏度优于0.3 K,定标精度稳定在0.3~0.55 K,未出现恶化现象, 同类型在轨载荷星下点处匹配数据交叉比对,相关系数优于96%。分析表明,该仪器在轨性能和数据质量均优于FY-3A微波湿度计。同时,利用微波湿度计实测数据,着重分析2015年6—7月若干台风的生成、演化、增强和消亡的整个过程,并对台风区域强降雨监测进行分析。 相似文献
3.
FY-3A星MWHS反演中纬度和热带大气水汽 总被引：2，自引：0，他引：2
风云三号A星(FY-3A)搭载的微波湿度(MWHS)计采用双边带接收机体制,选择主要受水汽影响的(183.31±1) GHz,(183.31±3) GHz,(183.31±7) GHz和窗区150 GHz作为通道频率。本文首先分析了观测亮温值与利用辐射传输方程仿真的亮温值之间的关系,二者相比具有较好的一致性。其次利用神经网络方法反演大气相对湿度,并与线性回归方法进行对比,本文选用的区域内,神经网络方法优于线性回归法。最后,利用本文创建的神经网络模型与正在业务使用的AMSU-B反演模型进行反演均方差和稳定度对比,结果表明,本文创建的神经网络模型在所选区域,大气相对湿度反演精度与AMSU-B神经网络模型相当(反演均方差为15%-25%);水汽密度反演均方差除地面未知因素影响外,与探空观测相比,整体均方差小于1 g/m3;不论在中纬度地区还是热带地区,都能较好地反演大气湿度的垂直分布廓线。同时,本文初次尝试在神经网络反演湿度廓线中引入墨西哥帽小波函数,结果表明,运用墨西哥帽小波函数在保证反演性能的同时,能有效减小迭代时间,避免陷入局部迭代。 相似文献
4.
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
1