基于微波輻射計(jì)的空中水汽含量反演方法研究.pdf

1、大氣科學(xué)是探索發(fā)生在地球大氣層內(nèi)的各種物理現(xiàn)象、物理與化學(xué)狀態(tài)、大氣運(yùn)動(dòng)過(guò)程和其規(guī)律的學(xué)科。隨著氣象設(shè)備現(xiàn)代，大氣探測(cè)領(lǐng)域中蓬勃興起了大氣遙感，作為探測(cè)大氣的一種新興技術(shù)，在探測(cè)原理與技術(shù)，觀測(cè)方法與分析方法等方面不僅與常規(guī)大氣探測(cè)有著本質(zhì)的區(qū)別，而且具有獨(dú)特的效能。地基微波輻射計(jì)是應(yīng)用遙感技術(shù)的現(xiàn)代化氣象觀測(cè)設(shè)備，被動(dòng)接收外界的電磁波、消耗能量少、靈敏度好、機(jī)動(dòng)性好并且探測(cè)精度高，而且選用不同頻率組合，可以連續(xù)獲得觀測(cè)資料。很好地補(bǔ)充

2、了常規(guī)氣象探空觀測(cè)站點(diǎn)之間距離遠(yuǎn)，日間測(cè)量時(shí)間跨度較大，每次探測(cè)大氣花費(fèi)人力大，獲得大氣參數(shù)不直接等缺點(diǎn)。在指導(dǎo)人工降雨，短時(shí)間中小尺度天氣數(shù)值預(yù)報(bào)方面，測(cè)量云中液態(tài)水(Liquid Water Path，LWP)和大氣中水汽含量(Integrated Water Vapor, IWV)變化情況準(zhǔn)確快速，提高天氣預(yù)報(bào)的準(zhǔn)確度，其應(yīng)用前景廣闊。地基微波輻射計(jì)觀測(cè)資料的準(zhǔn)確度，不僅與儀器本身硬件和定標(biāo)有關(guān)，在很大程度上也依賴反演算法。

3、>　　本文主要利用選取鄭州市2009年～2014年五年七月份每天北京時(shí)間早晨8:00時(shí)和晚間20:00時(shí)各一次的8000m以下探空資料。對(duì)每一份探空資料進(jìn)行估計(jì)來(lái)確定當(dāng)時(shí)是否有云，如果有云存在接著估計(jì)云的厚度，根據(jù)相對(duì)濕度閾值法，相對(duì)濕度≥85％有云存在的。相對(duì)濕度＜85％時(shí)，表示無(wú)云。相對(duì)濕度＞95％時(shí)，云液態(tài)水密度為0.5g/m3。對(duì)于探空數(shù)據(jù)中相對(duì)濕度在百分之八十五與百分之九五之間的，它們的云中液態(tài)水密度在零到零點(diǎn)五之間有很好線性

4、關(guān)系?？梢越柚€性關(guān)系求得。經(jīng)過(guò)對(duì)五年七月份的探空資料進(jìn)行詳細(xì)分析得到符合要求84組樣本，然后利用地基微波遙感方程進(jìn)行模擬計(jì)算出兩個(gè)通道的亮溫。LWP和IWV是描述天氣和氣候的重要物理量，但是地基微波輻射計(jì)頻段上接收的輻射亮溫與LWP和IWV并非是完全線性關(guān)系，而人工神經(jīng)網(wǎng)絡(luò)(ArtificalNeural Network，ANN)算法解決非線性問(wèn)題具有獨(dú)特性能。模擬計(jì)算得到兩個(gè)通道的亮溫、并與同一時(shí)間地面的溫濕壓構(gòu)成輸入樣本向量，同一

5、歷史探空數(shù)據(jù)計(jì)算出來(lái)的IWV和LWP作為輸出向量訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network，BPNN)把驗(yàn)證樣本輸入到訓(xùn)練好的網(wǎng)絡(luò)中進(jìn)行仿真結(jié)果顯示與探空計(jì)算作為真值的的大氣中水汽總量和云中液態(tài)水總量進(jìn)行對(duì)比檢測(cè)發(fā)現(xiàn)兩者有很好的相關(guān)性。
　　另外本文進(jìn)行了地基雙通道微波輻射計(jì)對(duì)IWV和LWP的聯(lián)合測(cè)量實(shí)驗(yàn)，同時(shí)也對(duì)降雨區(qū)的降水強(qiáng)度進(jìn)行了遙感計(jì)算。實(shí)驗(yàn)證明，利用地基雙通道微波輻射計(jì)進(jìn)行連續(xù)實(shí)時(shí)測(cè)