论文部分内容阅读
本文首先使用云雨检测将“凡亚比”、“巨爵”等台风个例的AMSU资料区分为晴空、云和降水三种类型,再采用一维变分方法结合考虑散射效应的观测算子CRTM对AMSU资料进行物理反演,获得了晴空、云和降水天气下的温度、湿度、水物质反演结果,并对AMSU资料的观测误差进行了重估计。对于反演结果,使用FNL资料、云卫星CloudSat资料和“追风计划”的下投式探空仪资料为验证数据进行了检验。试验结果表明：1、将AMSU-B ch2通道的初始观测增量和降水概率组合为云雨检测方案,能够合理地将AMSU资料区分为晴空、云和降水三种类型。该云雨检测方案可以作为不同天气下的AMSU资料反演及同化的质量控制标准。2、观测误差重估计可以得到更客观的观测误差,改进温度、湿度反演效果。3、对于温度变量,在晴空条件下变分方法能在大气各层上产生精度高于先验信息的反演结果；在云区和雨区中,变分方法能在大气的低层和高层得到比先验信息精确度更高的反演结果,而在大气的中层(500hPa左右),变分方法反演结果的精度因云和降水的出现而低于先验信息,出现这种情况的原因是观测算子CRTM对云和降水粒子微波散射效应的模拟还不够精确。此外,在所有天气条件下,反演温度与DOTSTAR下投式探空仪资料的偏差在3k以内：在水平方向上反演温度也与FNL资料相接近。4、对于湿度变量,变分方法能够在大气高层(约400hPa以上)产生比先验信息更精确的反演结果；但是在大气的中层和低层(400hPa以下),变分方法反演结果的精确度却低于先验信息。5、对于固态水路径IWP、液态水路径LWP、降水率RR等水物质变量,变分方法能够产生与CloudSat卫星资料相接近的反演结果。6、反演试验的先验信息是AMSU资料经统计回归方法反演得到的,所以本试验可以比较变分方法与统计回归方法反演效果的差异：对于温度变量,晴空条件下变分方法的反演效果优于统计回归方法,而在云区和雨区中,变分方法只有在大气的低层和高层才优于统计回归方法；对于湿度变量,只有在大气高层(约400hPa以上),变分方法的反演效果才优于统计回归方法。