基于探空和SSMI/S資料的AMSR-2海上大氣可降水產(chǎn)品檢驗(yàn)與評(píng)估

尹延通, 劉高飛, 關(guān)吉平,, 陳曉穎

(1. 解放軍理工大學(xué) 氣象海洋學(xué)院, 江蘇 南京 211101; 2. 解放軍理工大學(xué) 電磁環(huán)境效應(yīng)與電光工程國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室, 江蘇 南京 210007)

基于探空和SSMI/S資料的AMSR-2海上大氣可降水產(chǎn)品檢驗(yàn)與評(píng)估

尹延通1, 劉高飛1, 關(guān)吉平1,2, 陳曉穎1

(1. 解放軍理工大學(xué) 氣象海洋學(xué)院, 江蘇 南京 211101; 2. 解放軍理工大學(xué) 電磁環(huán)境效應(yīng)與電光工程國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室, 江蘇 南京 210007)

利用海島探空資料和SSMI/S(special sensor microwave imager/sounder)–F16海上大氣可降水量產(chǎn)

品對(duì)AMER-2 (advanced microwave scanning radiometer-2) 2012年7月—2016年6月的海洋上空大氣可降水量產(chǎn)品進(jìn)行比對(duì)檢驗(yàn)。結(jié)果表明: AMSR-2反演的海上大氣可降水量與利用海島探空資料計(jì)算所得值比對(duì)的一致性較好, 兩者之間平均偏差為0.35 mm; 2012—2016年AMSR-2與SSMI/S-F16可降水月平均值的分布情況在熱帶輻合帶、南太平洋輻合帶和南大西洋輻合帶可觀測(cè)到相似的結(jié)構(gòu)和特征, 兩者平均偏差為–0.04 mm, 標(biāo)準(zhǔn)偏差為1.21 mm。檢驗(yàn)的結(jié)果證明了AMSR-2反演的大氣可降水產(chǎn)品精度滿足產(chǎn)品設(shè)計(jì)指標(biāo), 而誤差分析的相應(yīng)結(jié)論對(duì)于未來優(yōu)化水汽反演算法具有重要意義。

海上大氣可降水量; AMSR-2(advanced microwave scanning radiometer-2); 探空資料; SSMI/S (special sensor microwave imager/sounder)

水汽是全球水文循環(huán)中的重要因素[1], 水汽的輸送與降水密切相關(guān)[2], 水汽同時(shí)也是大氣中重要的溫室氣體[3], 水汽的精確測(cè)量對(duì)于天氣預(yù)報(bào)、氣候研究等具有重要意義[4]。測(cè)量大氣中水汽含量的設(shè)備可以分為地基遙感類、星載遙感類以及原地測(cè)量類[5],國(guó)際GPS服務(wù)機(jī)構(gòu)(Formally International GPS Service, IGS)、全球綜合探空檔案(integrated global radiosonde archive, IGRA)以及包括SSMI/S (special sensor microwave imager/sounder)等在內(nèi)的各類衛(wèi)星產(chǎn)品均提供全球范圍內(nèi)的水汽資料。在海洋上空, 星載微波輻射計(jì)測(cè)量水汽已經(jīng)超過25年[6], 目前可用以水汽測(cè)量的星載輻射計(jì)有DMSP-SSMIS系列, Coriolis上搭載的WindSat、Aqua上搭載的AMSR-E以及GCOM-W1衛(wèi)星上搭載的AMSR-2(advanced microwave scanning radiometer-2)等。

相比于其他觀測(cè)手段, 海洋遙感具有觀測(cè)周期短、時(shí)間頻率高、覆蓋范圍廣的優(yōu)勢(shì), 能夠很好地適應(yīng)海洋觀測(cè)的要求[7-8], 是現(xiàn)代海洋大范圍同步觀測(cè)、環(huán)境特征分析和資源評(píng)估的主要技術(shù)手段[9-10],而遙感產(chǎn)品的真實(shí)性檢驗(yàn)是遙感資料應(yīng)用的基礎(chǔ)和保證[11], 因此遙感數(shù)據(jù)的準(zhǔn)確性問題也受到越來越多的關(guān)注。Bock等[12]基于地基GPS數(shù)據(jù)對(duì)SSMI-F13在非洲區(qū)域的可降水量產(chǎn)品進(jìn)行比對(duì), 得出兩者平均偏差為2.4～0.7 mm, 標(biāo)準(zhǔn)偏差為3.1～1.2 mm; Chrysoulakis等[13]基于探空資料對(duì)AVHRR(advanced very high resolution radiometer )在希臘地區(qū)的可降水產(chǎn)品進(jìn)行比對(duì), 得出均方根誤差為4.6 mm; Lindstrot等[14]基于太陽光度計(jì)(global AERONET sun photometer measurements)數(shù)據(jù)、全球GUAN探空數(shù)據(jù)、地基微波輻射計(jì)和德國(guó)地基GPS數(shù)據(jù)對(duì)MERIS 可降水?dāng)?shù)據(jù)精度進(jìn)行評(píng)估, 得出平均偏差為1 mm, 標(biāo)準(zhǔn)偏差為1.3～3.7 mm; Lindstrot等[15]基于ARM Nauru地基微波輻射計(jì)對(duì)SSMI-F13和SSMI-F14在全球范圍內(nèi)的可降水量產(chǎn)品進(jìn)行檢驗(yàn), 得出平均偏差為–0.48 mm, 標(biāo)準(zhǔn)偏差為1.8 mm; Mears等[6]利用地基GPS數(shù)據(jù)對(duì)多個(gè)星載微波輻射計(jì)(SSMI/S、AMSR-E和WindSat)的可降水量產(chǎn)品進(jìn)行檢驗(yàn), 得出了多個(gè)微波輻射計(jì)反演水汽產(chǎn)品的誤差指標(biāo)。

1 數(shù)據(jù)及方法

1.1 AMSR-2數(shù)據(jù)

AMSR-2于2012年5月搭載在GCOM-W1衛(wèi)星上發(fā)射升空。AMSR-2為雙極化被動(dòng)微波輻射計(jì), 采用圓錐掃描的工作方式, 共有6.93、7.3、10.65、18.7、23.8、36.0、89.0 GHz 7個(gè)工作頻率[16-17], RSS網(wǎng)站采用基于輻射傳輸模型(RTM)的線性回歸算法, 利用18.7、23.8和36.5 GHz水平和垂直極化通道的亮溫信息對(duì)AMSR-2水汽產(chǎn)品進(jìn)行反演[18], 本文使用該網(wǎng)站公布的第七版數(shù)據(jù), 其空間分辨率為0.25°×0.25°。

1.2 探空資料

本文所使用的探空資料來自美國(guó)懷俄明州大學(xué)網(wǎng)站(http: //weather.uwyo.edu/upperair/sounding.html),該網(wǎng)站同時(shí)公布了利用探空資料計(jì)算的可降水值。經(jīng)檢驗(yàn), 該網(wǎng)站發(fā)布的大氣可降水值與利用該網(wǎng)站發(fā)布的探空資料垂直積分所得結(jié)果一致, 本文直接使用該網(wǎng)站公布的大氣可降水量進(jìn)行對(duì)比檢驗(yàn)。所選探空站點(diǎn)空間分布如圖1所示, 表1詳細(xì)給出了各站點(diǎn)的名稱、地理位置及探空設(shè)備等信息, 其中探空設(shè)備型號(hào)信息來自NASS網(wǎng)站(http: //www.ncdc.noaa. gov/data-access/weather-balloon/integrated-global-radi osonde-archive)。

圖1 本文所選探空站點(diǎn)的位置Fig. 1 The position of selected radiosonde stations

表1 本文所選的探空站點(diǎn)Tab. 1 List of radiosonde stations chosen in this study

1.3 SSMI/S-F16數(shù)據(jù)

SSMI/S-F16于2003年10月搭載在美國(guó)國(guó)防氣象衛(wèi)星(DMSP)上發(fā)射升空, 在軌運(yùn)行狀況良好, 本文使用的F16水汽產(chǎn)品與AMSR-2水汽產(chǎn)品同為RSS網(wǎng)站公布的第七版數(shù)據(jù), 其空間分辨率為0.25°×0.25°, 該產(chǎn)品反演算法的物理基礎(chǔ)為海氣耦合模型, Wentz[19]基于大量的浮標(biāo)和探空數(shù)據(jù)對(duì)該模型進(jìn)行了檢驗(yàn)與校正, 而多位學(xué)者也對(duì)基于該模型反演的SSMI/S-F16水汽產(chǎn)品進(jìn)行了檢驗(yàn)與評(píng)估: Sun等[20]對(duì)DMSP-F16 SSMI/S 2005年12月—2006年2月各項(xiàng)反演產(chǎn)品的精度進(jìn)行了全面評(píng)估, 其中可降水產(chǎn)品平均偏差為–0.75 mm, 標(biāo)準(zhǔn)偏差為0.62 mm; Mears等[6]利用地基GPS信號(hào)延遲計(jì)算所得可降水?dāng)?shù)據(jù)對(duì)一系列星載微波輻射計(jì)反演可降水產(chǎn)品進(jìn)行了比對(duì), 得出F16 2004—2009年可降水產(chǎn)品平均偏差為0.54 mm, 標(biāo)準(zhǔn)偏差為1.91 mm, 并指出該產(chǎn)品在檢驗(yàn)期間內(nèi)精度未發(fā)生明顯變化。鑒于探空站點(diǎn)空間分布的局限性, 本文選取RSS公布的SSMI/S-F16 2012年7月—2016年6月的月平均數(shù)據(jù)對(duì)驗(yàn)證數(shù)據(jù)進(jìn)行補(bǔ)充, 以完成AMSR-2可降水產(chǎn)品在全球范圍內(nèi)的精度評(píng)估。

1.4 比對(duì)數(shù)據(jù)海拔訂正及樣本匹配方法

統(tǒng)一戰(zhàn)線促進(jìn)社會(huì)全面發(fā)展的價(jià)值體現(xiàn)在統(tǒng)一戰(zhàn)線既助力共同體經(jīng)濟(jì)基礎(chǔ)的發(fā)展，也助力共同體上層建筑的完善。統(tǒng)一戰(zhàn)線是為經(jīng)濟(jì)基礎(chǔ)服務(wù)重要手段和社會(huì)政治發(fā)展重要目標(biāo)的統(tǒng)一，是調(diào)處關(guān)系手段與實(shí)現(xiàn)和諧目標(biāo)的統(tǒng)一，是發(fā)揚(yáng)人民民主手段與實(shí)行人民民主專政目標(biāo)的統(tǒng)一［13］。新時(shí)代，統(tǒng)一戰(zhàn)線在國(guó)家治理中促進(jìn)中國(guó)特色社會(huì)主義民主發(fā)展、制度定型和關(guān)系整合，體現(xiàn)出自身促進(jìn)社會(huì)全面發(fā)展的戰(zhàn)略功能。其中，很重要的內(nèi)容就是促進(jìn)民主政治發(fā)展。由于政治的核心內(nèi)容是權(quán)力配置，統(tǒng)一戰(zhàn)線作為政治聯(lián)盟，其核心功能是協(xié)調(diào)權(quán)力配置關(guān)系，即擴(kuò)大公民有序政治參與、滿足民主需求、實(shí)現(xiàn)政治發(fā)展。其核心機(jī)制是依托社會(huì)主義協(xié)商民主制度來實(shí)現(xiàn)民主功能。

海拔高度的差異會(huì)在兩種水汽測(cè)量設(shè)備的比對(duì)中引入誤差, 因此需要在比對(duì)之前對(duì)水汽測(cè)量數(shù)據(jù)進(jìn)行海拔訂正[21], 本文采用Buehler等[22]提出的經(jīng)驗(yàn)訂正模型對(duì)衛(wèi)星產(chǎn)品進(jìn)行了海拔訂正。

SSMI/S-F16與AMSR-2可降水產(chǎn)品的月平均產(chǎn)品同為1 440×720的格點(diǎn)數(shù)據(jù), 兩者對(duì)應(yīng)格點(diǎn)分別代表同一區(qū)域某個(gè)月水汽測(cè)量的平均值, 因此無需對(duì)數(shù)據(jù)進(jìn)行時(shí)間窗口的選取, 可直接將兩者對(duì)應(yīng)格點(diǎn)數(shù)據(jù)進(jìn)行比對(duì)。

這里重點(diǎn)對(duì)AMSR-2水汽產(chǎn)品與探空資料的比對(duì)方法進(jìn)行說明: 參照J(rèn)ohn等[23]、Jackson等[24]對(duì)于時(shí)間窗口的的選取, 以2 h 為時(shí)間窗口, 對(duì)衛(wèi)星數(shù)據(jù)和探空數(shù)據(jù)進(jìn)行時(shí)間匹配; 由于陸面污染的影響,需對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行預(yù)處理以便完成與探空資料的空間匹配, 多為學(xué)者選取距離探空站點(diǎn)最近的網(wǎng)格數(shù)據(jù)作為該站點(diǎn)的水汽測(cè)量值[11-12](簡(jiǎn)稱最近原則), Mears等[6]提出使用二維線性擬合的方法對(duì)衛(wèi)星數(shù)據(jù)在海島探空處的缺測(cè)值進(jìn)行補(bǔ)充(下文稱線性擬合方法), 為對(duì)兩種預(yù)處理方法進(jìn)行比較, 本文分別采用兩種方法對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行處理, 并對(duì)相應(yīng)結(jié)果進(jìn)行說明。

2 比對(duì)結(jié)果

2.1 與探空數(shù)據(jù)比對(duì)總體情況

采用不同預(yù)處理方法所得誤差的統(tǒng)計(jì)結(jié)果如表2所示。從表2可見, 采用不同預(yù)處理方法對(duì)平均偏差及線性相關(guān)系數(shù)影響不大, 但就均方根誤差及標(biāo)準(zhǔn)偏差而言, 采用最近原則所得結(jié)果明顯大于線性擬合方法, 且兩者差值可達(dá)10%, 這可能是由于采用距離最近原則匹配的衛(wèi)星反演值距離探空站點(diǎn)較遠(yuǎn), 不能較好地代表探空站點(diǎn)處的水汽值, 而采用線性擬合方法減弱了個(gè)別反演值對(duì)于整體比對(duì)結(jié)果的影響, 這在一定程度上減小了時(shí)空不匹配造成的隨機(jī)誤差。鑒于此, 本文將統(tǒng)一采用線性擬合方法對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行預(yù)處理, 并對(duì)所得數(shù)據(jù)進(jìn)行分析。

表2 誤差統(tǒng)計(jì)結(jié)果Tab. 2 Summary of differences

在對(duì)誤差樣本進(jìn)行統(tǒng)計(jì)時(shí), 發(fā)現(xiàn)個(gè)別誤差超過±20 mm甚至達(dá)到±40 mm, 雖然個(gè)數(shù)較少, 但對(duì)AMSR-2反演精度評(píng)估的總體結(jié)果影響較大, 這里根據(jù)3σ原則[25], 將距離偏差平均值正負(fù)3倍標(biāo)準(zhǔn)偏差以外的351個(gè)樣本作為粗大誤差數(shù)據(jù)進(jìn)行了剔除,剔除后標(biāo)準(zhǔn)偏差減小了0.5 mm。誤差剔除前后AMSR-2可降水產(chǎn)品反演值與19個(gè)海島探空資料計(jì)算值的比對(duì)結(jié)果如圖2所示, 從圖2可見, 散點(diǎn)大多沿y=x(紅色虛線)對(duì)稱分布, 顯示AMSR-2反演值與探空計(jì)算值比對(duì)一致性較好。

2.2 誤差月際變化和逐月演變情況

由于同一季節(jié)南北半球水汽分布變化規(guī)律不同,這里分別以誤差在南北半球的變化情況為研究對(duì)象,對(duì)AMSR-2水汽產(chǎn)品反演精度隨時(shí)間的變化情況展開分析。

圖2 AMSR-2反演值與探空計(jì)算值比對(duì)結(jié)果Fig. 2 The comparison between AMSR-2 and radiosonding measurements

為分析南北半球誤差季節(jié)性變化規(guī)律, 這里給出了AMSR-2與探空之間誤差的月際變化情況(圖3)。從圖3可見, 北半球各月平均偏差在[0, 0.5] mm, 標(biāo)準(zhǔn)偏差在[2.5, 3.5] mm, 誤差季節(jié)性變化較為明顯,平均偏差和標(biāo)準(zhǔn)偏差最大值均出現(xiàn)在7月和8月; 對(duì)于南半球而言, 平均偏差幾乎全年位于0.5 mm以上,顯示AMSR-2反演值在南半球全年均大于探空計(jì)算值, 而標(biāo)準(zhǔn)偏差全年均大于3.5 mm, 且季節(jié)性變化不明顯。這可能是由于南北半球探空站點(diǎn)的緯度分布情況不同造成的, 北半球站點(diǎn)緯度分布較為分散,且多數(shù)站點(diǎn)處在中高緯度地區(qū), 水汽季節(jié)性變化較為明顯且量值較小; 南半球站點(diǎn)緯度分布相對(duì)集中,多數(shù)位于熱帶地區(qū)(0°～23.5°S), 因此全年水汽充沛, 可降水量值較大且季節(jié)性變化不明顯; 經(jīng)統(tǒng)計(jì), 南北半球所選站點(diǎn)可降水測(cè)量均值分別為40 mm和25 mm,而Mears等[6]指出衛(wèi)星水汽產(chǎn)品的精度會(huì)隨著測(cè)量值的增大而有所下降, 這可能是導(dǎo)致南北半球誤差在全年分布差異較大的主要原因。

圖3 AMSR -2反演值與探空計(jì)算值之間誤差的月際變化Fig. 3 Inter-monthly variation of the comparison results between AMSR-2 and radiosonding

AMSR-2反演值與探空計(jì)算值之間誤差的逐月演變曲線如圖4所示。從圖4可見, 南半球平均偏差變化幅度較大, 這可能是水汽反演精度隨測(cè)量值增大有所下降引起, 而北半球平均偏差在2014年上半年發(fā)生明顯的躍動(dòng), 在對(duì)各站點(diǎn)誤差進(jìn)行統(tǒng)計(jì)分析時(shí), 發(fā)現(xiàn)91165號(hào)探空站可能由于更換了探空設(shè)備或數(shù)據(jù)處理方法導(dǎo)致平均偏差在2014年從–3 mm變化至+1 mm, 這有可能是引起總體偏差發(fā)生變化的主要原因; 南北半球標(biāo)準(zhǔn)偏差逐月變化曲線以3.5 mm水平線為對(duì)稱軸基本呈對(duì)稱分布, 而南北半球水汽測(cè)量平均值的逐月變化曲線也呈現(xiàn)相似的特征(圖5), 這表明標(biāo)準(zhǔn)偏差和水汽的測(cè)量值之間存在較為密切的相關(guān)性。

圖4 AMSR -2反演值與探空計(jì)算值之間誤差逐月演變Fig. 4 Monthly variation of the comparison between AMSR-2 and radiosonding

圖5 AMSR -2可降水測(cè)量月平均值逐月演變Fig. 5 Monthly variation of AMSR-2 TPW

2.3 誤差空間分布

AMSR-2水汽產(chǎn)品與探空比對(duì)誤差的空間分布情況見圖6, 表3詳細(xì)給出了各個(gè)站點(diǎn)的經(jīng)緯度、誤差統(tǒng)計(jì)結(jié)果以及樣本數(shù)。從平均偏差的分布情況(圖6)可見, AMSR-2在大部分海域略大于探空計(jì)算值,且平均偏差在1 mm左右, 這與Mears等[6]基于地基GPS數(shù)據(jù)對(duì)多顆衛(wèi)星可降水?dāng)?shù)據(jù)進(jìn)行比對(duì)得到的結(jié)果相似。

從標(biāo)準(zhǔn)偏差的分布情況(圖6)可見, 標(biāo)準(zhǔn)偏差具有明顯的緯向分布特征, 高緯度地區(qū)標(biāo)準(zhǔn)偏差不超過2 mm, 而在低緯度地區(qū)(除61901號(hào)探空站)標(biāo)準(zhǔn)偏差均達(dá)到了3 mm, 這與Mears等[6]基于地基GPS數(shù)據(jù)對(duì)其他衛(wèi)星(如AMSR-E和WindSat等)水汽產(chǎn)品進(jìn)行檢驗(yàn)的結(jié)果相同, 即衛(wèi)星反演水汽值在與低緯度地區(qū)的地基GPS測(cè)站(如DGAR測(cè)站、KWJ1測(cè)站、SANO測(cè)站和SEY1測(cè)站等)進(jìn)行比對(duì)時(shí), 標(biāo)準(zhǔn)偏差明顯高于地處中高緯度地區(qū)的測(cè)站。

2.4 誤差與地球物理參數(shù)之間的相關(guān)性

為進(jìn)一步評(píng)估AMSR-2水汽反演精度, 這里對(duì)AMSR-2反演值與探空計(jì)算值之間誤差與可降水量、風(fēng)速、海表面溫度、云中液態(tài)水以及雨強(qiáng)之間的相關(guān)關(guān)系進(jìn)行了計(jì)算。與Mears等[6]得出的結(jié)論相同,誤差與海表面溫度、云中液態(tài)水和雨強(qiáng)之間無明顯相關(guān)關(guān)系, 基于此, 本節(jié)主要對(duì)誤差與可降水量和風(fēng)速的相關(guān)關(guān)系展開分析, 圖7給出了平均偏差、標(biāo)準(zhǔn)偏差隨可降水量、風(fēng)速的變化情況, 其中小棒代表標(biāo)準(zhǔn)偏差, 長(zhǎng)度代表標(biāo)準(zhǔn)偏差的大小, 帶方框的曲線代表平均偏差。

從圖7可見, 平均偏差在[0, 40] mm測(cè)量區(qū)間內(nèi)均靠近零軸, 表明AMSR-2在40 mm以下測(cè)量區(qū)間內(nèi)反演效果較好; 平均偏差在[40, 60] mm測(cè)量區(qū)間內(nèi)均分布在零軸以上, 表明AMSR-2在該區(qū)間內(nèi)反演值高于探空計(jì)算值; 而當(dāng)測(cè)量值大于60 mm時(shí),平均偏差急劇下降, 顯示AMSR-2反演值在高值區(qū)間明顯小于探空計(jì)算值; 標(biāo)準(zhǔn)偏差在[0, 30] mm測(cè)量區(qū)間內(nèi)隨可降水量值增大而增大, 而在30 mm以上區(qū)間變化不明顯, 表明測(cè)量值在低值區(qū)間內(nèi)對(duì)標(biāo)準(zhǔn)偏差影響較為明顯。

圖6 AMSR-2與探空數(shù)據(jù)之間平均偏差和標(biāo)準(zhǔn)偏差的分布情況Fig. 6 Distribution of mean bias and standard deviations between AMSR-2 and radiosonding

表3 各探空站點(diǎn)誤差統(tǒng)計(jì)結(jié)果Tab. 3 Difference statistics of each station

圖7 AMSR-2與探空之間平均偏差和標(biāo)準(zhǔn)偏差隨可降水測(cè)量值及風(fēng)速變化情況Fig.7 Mean and standard deviation of AMSR-2-RS TPW differences as a function of mean TPW and wind speed

從圖7可見, 風(fēng)速處于[5, 10] m/s時(shí), 平均偏差隨風(fēng)速明顯下降。Mears等[6]將SSMI、SSMI/S和AMSR-E水汽產(chǎn)品與地基GPS進(jìn)行比對(duì)時(shí)發(fā)現(xiàn), 當(dāng)風(fēng)速處于[4, 11] m/s時(shí), 衛(wèi)星反演水汽產(chǎn)品的平均偏差與風(fēng)速存在相同的相關(guān)關(guān)系。多位學(xué)者對(duì)造成這一現(xiàn)象的原因進(jìn)行了探究: Sohn和Smith[26]指出統(tǒng)一化的海洋微波反演算法(UMORA)在對(duì)水汽進(jìn)行反演時(shí), 過高估計(jì)了風(fēng)速的影響, 導(dǎo)致反演的水汽值隨風(fēng)速增加而減小; Wang等[27]指出這是由于高頻率通道(例如22 GHz 和37 GHz)對(duì)于低風(fēng)速不敏感, 在統(tǒng)一化的海洋微波反演算法(UMORA)引入較大的不確定性引起的; Meissner和Wentz[28]指出這是由于在利用微波亮溫反演水汽時(shí), 海面對(duì)于微波的反射和散射作用, 在反演中引入了一個(gè)與風(fēng)速相關(guān)的誤差導(dǎo)致的。

2.5 與SSMI/S-F16比對(duì)結(jié)果

這里對(duì)2012年6月—2016年6月的AMSR-2與SSMI/S-F16的月平均可降水產(chǎn)品進(jìn)行了比對(duì), 結(jié)果表明AMSR-2可降水?dāng)?shù)據(jù)與SSMI/S-F16可降水?dāng)?shù)據(jù)比對(duì)的一致性較好, 兩者48個(gè)月平均值之間平均偏差為–0.04 mm, 標(biāo)準(zhǔn)偏差為1.21 mm(偏差為AMSR-2反演值減去F16反演值, 文中下同), 通過分析兩者可降水月平均值在2012—2016年期間的分布情況, 可發(fā)現(xiàn)兩者在熱帶輻合帶(ITCZ)、南太平洋輻合帶(SPCZ)和南大西洋輻合帶(SACZ)具有相似的結(jié)構(gòu)和特征, 限于篇幅不再進(jìn)行詳細(xì)說明, 這里重點(diǎn)對(duì)兩者之間平均偏差的分布情況進(jìn)行分析。

由于各年AMSR-2水汽產(chǎn)品的測(cè)量值及偏差情況基本類似, 這里選取AMSR-2與F16水汽產(chǎn)品在2014年的比對(duì)結(jié)果進(jìn)行分析。圖8為2014年AMSR-2可降水測(cè)量平均值與平均偏差在2014年1月、7月及全年的分布情況, 從圖8可見, AMSR-2 與F16可降水?dāng)?shù)據(jù)之間誤差分布在±1 mm以內(nèi), 大部分區(qū)域誤差在±0.5 mm以內(nèi); 在低緯度地區(qū)AMSR-2 測(cè)量值略低于F16測(cè)量值, 在中緯度地區(qū)AMSR-2 測(cè)量值略高于F16測(cè)量值。對(duì)比分析測(cè)量平均值和平均偏差在1月份分布情況可見, 測(cè)量平均值大于60 mm的海域(例如北印度洋和西太平洋海域)對(duì)應(yīng)的平均偏差為負(fù)值且絕對(duì)值大于0.8 mm, 測(cè)量值在[30, 50] mm的海域(例如南印度洋、北太平洋和南太平洋海域)平均偏差多為正值且大于0.8 mm。

對(duì)比分析AMSR-2可降水產(chǎn)品測(cè)量值及誤差在7月份和全年的分布情況, 可以得出與1月份相同的結(jié)論。這進(jìn)一步印證了AMSR-2反演精度隨測(cè)量值發(fā)生變化(圖7)的結(jié)論, 即AMSR-2在[0, 40] mm測(cè)量區(qū)間內(nèi)反演精度較好, 在[40, 60] mm測(cè)量區(qū)間內(nèi)反演值偏大, 60 mm以上測(cè)量區(qū)間內(nèi)反演值偏小。

3 結(jié)論

本文以海島探空資料和SSMI/S-F16可降水月平均資料為驗(yàn)證數(shù)據(jù), 對(duì)AMSR-2反演的海洋上空大氣可降水量的產(chǎn)品精度進(jìn)行了全面評(píng)估, 分析了AMSR-2反演值與探空計(jì)算值之間誤差總體情況、平均偏差和標(biāo)準(zhǔn)偏差逐月演變曲線、各站點(diǎn)誤差空間分布、誤差與地球物理參數(shù)的相關(guān)性以及與SSMI/SF16月平均數(shù)據(jù)比對(duì)誤差空間分布情況。

圖8 2014年1月份、7月份及全年AMSR-2可降水測(cè)量平均值與平均偏差分布情況Fig. 8 Distribution of mean value and bias of AMSR-2 TPW in January, July, and the entire year

結(jié)果表明, AMSR-2反演海面可降水量與海島探空資料比對(duì)的一致性較好, 兩者之間平均偏差為0.35 mm, 標(biāo)準(zhǔn)偏差為3.36 mm, 均方根誤差為3.38 mm;從誤差逐月變化曲線可見, 北半球平均偏差和標(biāo)準(zhǔn)偏差季節(jié)性變化較為明顯, 且均在7月份和8月份達(dá)到最大, 南半球平均偏差和標(biāo)準(zhǔn)偏差在全年均大于北半球, 季節(jié)性變化不明顯; 從誤差的空間分布情況可以看出, AMSR-2在大部分海域略大于探空計(jì)算值, 標(biāo)準(zhǔn)偏差隨緯度變小而增大; 從誤差與測(cè)量值的相關(guān)關(guān)系分析可以看出, AMSR-2在可降水低值區(qū)間反演精度較好, [40, 60] mm區(qū)間反演值偏大, 60 mm以上區(qū)間反演值偏小; 與SSMI/S-F16可降水月平均值比對(duì)的偏差分布顯示, AMSR-2反演值在低緯度地區(qū)略低于SSMI/S-F16, 在中緯度地區(qū)略高于SSMI/ S-F16, 進(jìn)一步說明了AMSR-2在不同測(cè)量區(qū)間反演精度的變化情況。

隨著技術(shù)的進(jìn)步, 衛(wèi)星遙感數(shù)據(jù)在大氣科學(xué)研究中, 特別是洋面區(qū)域, 將發(fā)揮越來越重要的作用。本論文基于探空數(shù)據(jù)和SSMI/S-F16水汽產(chǎn)品對(duì)AMSR-2水汽反演精度進(jìn)行了檢驗(yàn), 以期對(duì)全球洋面水汽的分布特點(diǎn)具有更加全面的認(rèn)識(shí), 相應(yīng)結(jié)果對(duì)于更好地使用該水汽反演產(chǎn)品, 避免可能出現(xiàn)的誤差具有一定的指導(dǎo)意義和應(yīng)用價(jià)值。

[1] Olivier B, Pascal W, Wang J, et al. A high-quality, homogenized, global, long-term (1993–2008) DORIS precipitable water data set for climate monitoring and model verification[J]. Journal of Geophysical Research Atmospheres, 2014, 119(12): 7209-7230.

[2] 齊慶華. 西北太平洋水汽輸送異常及其與中國(guó)夏季降水的耦合模態(tài)[J]. 海洋科學(xué), 2009, 33(9): 35-41. Qi Qinghua. The spatio-temporal characters of the northwest Pacific water vapor flux and its coupled modes with the summer rainfall in China[J]. Marine Sciences, 2009, 33(9): 35-41.

[3] Mengistu T G, Blumenstock T, Hase F. Observations of precipitable water vapour over complex topography of Ethiopia from ground-based GPS, FTIR, radiosonde and ERA-Interim reanalysis[J]. Atmospheric Measurement Techniques, 2015, 8(8): 3277-3295.

[4] Ohtani R, Naito I. Comparisons of GPS-derived pre-cipitable water vapors with radiosonde observations in Japan[J]. Journal of Geophysical Research Atmospheres, 2000, 105(D22): 26917-26930.

[5] Wang Junhong, Zhang Liangying. Systematic errors in global radiosonde precipitable water data from comparisons with ground-based GPS measurements[J]. Journal of Climate, 2008, 21(10): 2218-2238.

[6] Mears C A, Wang J, Deborah S, et al. Intercomparison of total precipitable water measurements made by satellite-borne microwave radiometers and ground-based GPS instruments[J]. Journal of Geophysical Research Atmospheres, 2015, 120(6): 2492-2504.

[7] 韓震, 陳西慶, 惲才興. 海洋高光譜遙感研究進(jìn)展[J].海洋科學(xué), 2003, 27(1): 22-25. Han Zhen, Chen Xiqing, Yun Caixing. Research progress of marine hyperspectral remote sensing[J]. Marine Sciences, 2003, 27(1): 22-25.

[8] 何娜, 張祖強(qiáng), 肖賢俊, 等. 海洋環(huán)流模式中衛(wèi)星遙感資料同化的應(yīng)用進(jìn)展[J]. 海洋科學(xué), 2008, 2(12): 92-96. He Na, Zhang Zuqiang, Xiao Xianjun, et al. Advancement in application to satellite data assimilation in the ocean circulation model[J]. Marine Sciences, 2008, 32(12): 92-96.

[9] 應(yīng)晨璐, 董慶, 薛存金, 等. 大區(qū)域海洋遙感數(shù)據(jù)處理方法研究[J]. 海洋科學(xué), 2014, 38(8): 116-125. Ying Chenlu, Dong Qing, Xue Cunjin, et al. Researches of processing methods on large-scale marine remote sensing data[J]. Marine Sciences, 2014, 38(8): 116-125.

[10] 鄭崇偉, 李崇銀, 楊艷, 等. 巴基斯坦瓜達(dá)爾港的風(fēng)能資源評(píng)估[J]. 廈門大學(xué)學(xué)報(bào): 自然科學(xué)版, 2016, 55(2): 210-215. Zheng Chongwei, Li Chongying, Yang Yan, et al. Analysis of wind energy resource in the Pakistan's Gwadar Port[J]. Journal of Xiamen University (Natural Science), 2016, 55(2): 210-215.

[11] 劉瑞霞, 師春香, 劉杰. 直方變差圖理論在衛(wèi)星產(chǎn)品質(zhì)量檢驗(yàn)空間配準(zhǔn)中的應(yīng)用[J]. 遙感學(xué)報(bào), 2009, 13(2): 307-312. Liu Ruixia, Shi Chunxiang, Liu Jie.The application of Histo-variogram method in spatial matching of satellite data validation[J]. Journal of Remote Sensing, 2009, 13(2): 307-312.

[12] Bock O, Bouin M, Walpersdorf A, et al. Comparison of ground-based GPS precipitable water vapour to independent observations and NWP model reanalyses over Africa[J]. Quarterly Journal of the Royal Meteorological Society, 2007, 133(629): 2011-2027.

[13] Chrysoulakis N, Kamarianakis Y, Xu L, et al. Combined use of MODIS, AVHRR and radiosonde data for the estimation of spatiotemporal distribution of precipitable water[J]. Journal of Geophysical Research Atmospheres, 2008, 113(D5): 79-88.

[14] Lindstrot R, Preusker R, Diedrich H, et al. 1-D-Var retrieval of daytime total columnar water vapour from MERIS measurements[J]. Atmospheric Measurement Techniques, 2012, 5(3): 631-646.

[15] Lindstrot R, Stengel M, Schr?der M, et al. A global climatology of total columnar water vapour from SSM/I and MERIS[J]. Earth System Science Data, 2014, 6(1): 221-233.

[16] 奚萌, 宋清濤, 林明森, 等. 西北太平洋多源微波輻射計(jì)海表溫度數(shù)據(jù)交叉比對(duì)分析[J]. 海洋學(xué)報(bào), 2016, 38(7): 32-47. Xi Meng, Song Qingtao, Lin Mingsen, et al. Intercomparison analysis of muti-microwave radiometer sea surface temperature data for the Nrothwest Pacific[J]. Haiyang Xuebao, 2016, 38(7): 32-47.

[17] 葉勤玉, 柴琳娜, 蔣玲梅, 等. 利用AMSR2和MODIS數(shù)據(jù)的土壤凍融相變水量降尺度方法[J]. 遙感學(xué)報(bào), 2014, 18(6): 1147-1157. Ye Qinyu, Chai Linna, Jiang linmei, et al.A disaggregation approach for soil phase transition water content using AMSR2 and MODIS product[J]. Journal of Remote sensing, 2014, 18(6): 1147-1157.

[18] Wentz F J, Meissner T. Supplement 1 Algorithm Theoretical Basis Document for AMSR-E Ocean Algorithms, RSS Tech. Rep[R]. Santa Rosa, California: Remote Sensing System, 2007.

[19] Wentz F J. A well-calibrated ocean algorithm for special sensor microwave/imager[J]. Journal of Geophysical Research, 1997, 102(C4): 8703-8718.

[20] Sun N, Weng F. Evaluation of special sensor microwave imager/sounder (SSMIS) Environmental Data Records[J]. IEEE Transactions on Geoscience & Remote Sensing, 2008, 46(4): 1006-1016.

[21] Van Malderen R, Brenot H, Pottiaux E, et al. A multi-site intercomparison of integrated water vapour observations for climate change analysis[J]. Atmospheric Measurement Techniques, 2014, 7(2): 1075-1151. [22] Buehler S A, Stman S, Melsheimer C, et al. A multi-instrument comparison of integrated water vapour measurements at a high latitude site[J]. Atmospheric Chemistry & Physics, 2012, 12(8): 10925-10943.

[23] Alishouse J C, Snyder S A, Vongsathorn J, et al. Determination of oceanic total precipitable water from the SSM/I[J]. IEEE Transactions on Geoscience & Remote Sensing, 1990, 28(5): 811-816.

[24] Jackson D L, Stephens G L. A study of SSM/I-derived columnar qater vapor over the global oceans[J]. Journal of Climate, 1995, 8(8): 2025-2038.

[25] Pukelsheim F. The Three Sigma Rule[J]. The AmericanStatistician, 1994, 48(2): 88-91.

[26] Sohn B J, Smith E A. Explaining Sources of Discrepancy in SSM/I Water Vapor Algorithms.[J]. Journal of Climate, 2003, 16(20): 3229-3255.

[27] Wang Yu, Fu Yunfei, Liu Guosheng, et al. A new water vapor algorithm for TRMM Microwave Imager (TMI) measurements based on a log linear relationship[J]. Journal of Geophysical Research Atmospheres, 2009, 114(D21): 6149-6150.

[28] Meissner T, Wentz F J. The emissivity of the ocean surface between 6 and 90 GHz over a large range of wind speeds and earth incidence angles[J]. IEEE Transactions on Geoscience & Remote Sensing, 2012, 50(50): 3004-3026.

Validation and evaluation of AMSR-2-derived total precipitable water over sea surface using radiosonde and SSMI/S data

YIN Yan-tong1, LIU Gao-fei1, GUAN Ji-ping1,2, CHEN Xiao-ying1
(1. Institute of Meteorology and Oceanography, PLA University of Science and Technology, Nanjing 211101, China; 2. National Key Laboratory on Electromagnetic Environmental Effects and Electro-optical Engineering, PLA University of Science and Technology, Nanjing 210007, China)

Oct.21, 2016

total precipitable water over sea surface; advanced microwave scanning radiometer-2; radiosonde data; special sensor microwave imager/sounder

A validation of the total precipitable water (TPW) over sea surface derived from advanced microwave scanning radiometer-2 (AMSR-2) from July 2012 to June 2016 is conducted by comparing the special sensor microwave imager/sounder (SSMI/S-F16) and island radiosonde data. It is shown that the amount of TPW derived from AMSR-2 is consistent with that of the island radiosonde data with a mean difference of 0.35 mm. The structures and the characteristics of monthly mean TPW derived from AMSR-2 are quite similar to those of SSMI/S-F16 in the Inter-tropical Convergence Zone, South Pacific Convergence Zone, and South Atlantic Convergence Zone from 2012 to 2016. The mean difference between AMSR-2 and SSMI/S-F16 is –0.04 mm, while the standard deviation is 1.21 mm.

P426

A

1000-3096(2017)04-0065-10

10.11759/hykx20161021002

(本文編輯: 劉珊珊)

2016-10-21;

2016-11-21

國(guó)家自然科學(xué)基金(41076012, 41276019, 41475021); 國(guó)家自然科學(xué)青年基金 (41305137)

[Foundation: National Natural Science Foundation of China, No. 41076012, 41276019, 41475021; Young Scientists Fund of the National Natural Science Foundation of China, No.41305137]

尹延通(1991-), 男, 河南南陽人, 碩士研究生, 主要從事衛(wèi)星遙感產(chǎn)品評(píng)估及應(yīng)用方面研究, 電話: 15195850144, E-mail: 1044147875@qq.com; 關(guān)吉平, 通信作者, 副教授, 碩士生導(dǎo)師, 電話: 025-80830625, E-mail: 191686624@qq.com