FY-4A/GIIRS反演夏冬季有云时大气温湿度廓线的精度评估

摘要：

光谱探测,可以连续获得高垂直分辨率的大气温度和湿度廓线信息.当GIIRS视场内有云存在时,目前Level 2业务大气温湿度垂直廓线产品只提供观测视场内云顶以上高度的温度廓线,且不反演整个视场的湿度廓线.基于GIIRS辐射观测值用U-Net卷积神经网络算法实现了全天空大气温湿度廓线反演,包括晴空和全云覆盖视场,同时利用常规无线电探空观测资料对反演精度进行了检验.结果表明:U-Net算法有云视场的温湿度廓线反演能力与晴空相当,且夏季温度反演精度优于冬季,有利于灾害性天气多发季节的监测.在云系较活跃的夏季,随着视场内云量的增加温度廓线反演精度逐渐变高,表明该算法适用于有云时大气温度廓线反演,而湿度随着云量的增加反演均方根误差 RMSE增大.视场内不同云光学厚度时温度反演误差相差不大,RMSE均在2.5 K左右,平均偏差ME在1K以内,对流层高层薄云时反演误差相对而言较小.湿度反演随着云光学厚度的增大反演误差也增大,说明对于一定程度的薄云,GIIRS能够获得不错的反演精度.虽然U-Net算法物理意义不明确,但是能够快速实现全天空大气温湿度廓线反演,尤其在有云时能够获得更高的反演精度.

关键词：FY-4A/GIIRS、U-Net卷积神经网络、大气温湿度廓线、反演算法评估

所属期刊栏目：53

分类号：P407.6(一般理论与方法)

在线出版日期：2024-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：130-142