排序方式： 共有4条查询结果，搜索用时 656 毫秒
1
1.
风云三号C星(FY-3C)已经于2013年9月23日发射升空,其上装载的微波湿温探测仪(MWHTS)已于9月30日开机正常工作.MWHTS具有对大气温度和湿度垂直分布进行同步探测的能力.MWHTS为跨轨扫描式微波辐射计,在89~191GHz毫米波段内设置了十五个探测通道,其中包括118.75GHz氧气吸收线附近的8个大气温度探测通道,183.31GHz水汽吸收线附近的5个大气湿度探测通道,以及89GHz和150GHz两个窗区通道.设置在118.75GHz的一组毫米波探测通道是国际上业务卫星首次使用的大气探测通道,这组通道和183.31GHz通道对大气进行联合探测,将获得更加精细的大气温湿度垂直分布数据,为数值预报和气候研究提供丰富信息.为保证MWHTS观测资料的定量应用,对仪器性能和定标精度进行了在轨测试.利用MWHTS在轨正常工作后的三个月数据,对仪器在轨定标的基础数据:冷空和黑体计数值,黑体和仪器温度进行监测分析和质量检验,经过质量检验的在轨定标基础数据,结合发射前真空试验得到的非线性订正项在轨定标生成MWHTS观测亮温数据.评估MWHTS在轨辐射定标结果的精度和偏差特性使用了三种方法:1通过场地定标试验获取大气温湿廓线和地面温度等大气参数信息,结合微波逐线正演辐射传输模式MonoRTM(Monochromatic Radiative Transfer Model)模拟MWHTS的上行微波辐射亮温,与MWHTS实际观测结果进行对比分析;2两个通道特性一致的同类星载被动微波载荷同时观测同一目标,观测亮温的差异主要取决于两个载荷的定标系统偏差.选取美国SNPP上搭载的微波探测仪器ATMS作为MWHTS的参考载荷,基于SNO(simultaneous nadir overpass)技术,对两个仪器的观测亮温进行交叉比对,观测亮温时空匹配及均匀性检验的条件为:观测时间差异小于20min,观测像元中心距离小于3km,观测角度在星下点附近差异小于5°,观测像元周围3×3像元内的亮温标准差小于1K;3基于美国国家环境预测中心的全球数据同化系统GDAS(Global Data Assimilation System)数据,利用快速辐射传输模式CRTM(Community Radiative Transfer Model)对MWHTS各通道亮温进行正演模拟,模拟结果(O)和仪器实际观测的亮温(B)之间的差异记为"O-B",对偏差值"O-B"进行统计特征分析.仪器中心频率的变化、正演模式模拟精度和模式输入廓线自身的误差都会对"O-B"产生影响.但是对于首次使用的探测频点而言(如118.75GHz通道),由于国际上没有同类载荷可以进行交叉比对,借助于正演辐射传输模式计算得到"O-B"偏差的分析结果可以在一定程度上反映仪器整体定标情况.外场地定标试验结果显示除通道14外,其他14个通道的亮温差都在1.3K以内;与同类载荷ATMS的在轨观测进行直接交叉比对表明通道14与ATMS的亮温偏差最大,但中心频点一致的5个水汽探测通道的标准差都小于1K;将MWHTS观测结果和正演辐射传输模式模拟结果即"O-B"进行偏差分析显示,靠近118.75GHz吸收线中心的通道2—6"O-B"标准差小于0.5K,其他通道"O-B"标准差和ATMS相应通道的结果相当;MWHTS观测和模拟偏差随角度变化的研究表明通道1,7~13和15观测结果对角度有一定依赖性. 相似文献
2.
FY-3C/MWHTS资料反演陆地晴空大气温湿廓线 总被引：2，自引：0，他引：2
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
3.
As a typical physical retrieval algorithm for retrieving atmospheric parameters, one-dimensional variational(1 DVAR) algorithm is widely used in various climate and meteorological communities and enjoys an important position in the field of microwave remote sensing. Among algorithm parameters affecting the performance of the 1 DVAR algorithm, the accuracy of the microwave radiative transfer model for calculating the simulated brightness temperature is the fundamental constraint on the retrieval ... 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