引言

2002年5月4日, 地球观测系统(EOS)第二颗卫星Aqua成功发射, 原名EOS-PM 1(下午星)。其上携带的高光谱大气红外探测器AIRS(Atmospheric InfraRed Sounder), 按美国国家航空宇航局(NASA)设计要求, 采用红外光栅分光技术, 高光谱分辨率υ/Δυ≈1200每天全球覆盖两次, 可以连续观测地球大气及变化, 光谱覆盖3.7~15.4 μm(650~2700 cm^-1)波长范围内共2378个通道的辐射亮温资料。AIRS扫描宽度约1650 km, 星下点分辨率约为13 km, 垂直分辨率为1 km, 能提供从地面到40 km高度的大气信息, 辐射精度优于0.2 K, 具有高测量精度和高光谱分辨率的特性, 第一次在卫星上实现了真正意义上的对大气和海洋环境的高光谱分辨率大气红外探测, 被用来探测精细的大气温度、湿度廓线及臭氧总含量等(陈靖等, 2011; 官莉, 2007)。

当前, 我国数值预报中心已经把AIRS用于资料同化, 提高了数值预报的效果(张华等, 2002; 朱国富等, 2008)。李娟等(2008)进行了直接同化ATOVS卫星辐射率资料在暴雨预报中的应用研究。但是, 红外遥感资料不能穿透云, 而只能测量云顶, 得不到云底以下的信息。云对红外辐射率的影响巨大, 例如, 在中对流层长波波段(15 μm)的大气温度探测通道, 云对大气温度廓线的影响可能会达到十几K, 导致了红外资料的云污染, 使红外辐射率资料很难被使用。因此, 要想实现高光谱大气红外探测器AIRS辐射率的同化应用, 云检测是关键一步。

关于云检测方法, 国内外的专家学者做了许多卓有成效的工作。Menzel等(1983)通过CO₂切片法计算云顶气压和有效发射率来计算云导风; Smith等(1990)通过CO₂切片法计算云顶气压和有效发射率对ATOVS的大气红外探测器进行云检测; Goldberg等(2002; 2003)利用AIRS通道和相应微波通道的经验组合, 提出了适用于AIRS的NESDIS-Goldberg云检测方案, 分别对陆地和海洋表面的视场进行云检测; McNally等(2003)根据通道对云的敏感性不同, 提出了一种寻找完全不受云影响的晴空通道检测方案。在国内, 官莉(2007)运用与AIRS空间匹配的MODIS的L2级产品云掩膜来确定受到云污染的视场; 王华荣等(2010)基于FY-2C红外资料进行夜间云检测的方法研究; 陈靖等(2011)在NESDIS-Goldberg云检测方案基础之上, 提出了适合GRAPES-3DVar的云检测方案, 分别对海洋表面(4个检验)和陆地表面(3个检验)的视场进行云检测; 但该方案只能提取完全晴空的视场资料, 把有云的视场资料全部剔除。目前大部分数值预报业务模式只处理晴空大气卫星资料(Andersson et al, 1994), 但是对于高光谱大气红外探测来说, 全球只有少于10%的AIRS视场是没有云污染的, 造成大量的资料被丢弃。并且, 研究表明在NWP中那些引起预报误差增长的区域经常是有云的, 在有云的敏感区域, 应当仅剔除受云污染的资料尽可能地谨慎保留不受云污染的信息。因此, 在各个视场检测出这些资料可以增加资料的使用度和避免潜在的有用信息的丢弃, 尤其是高光谱探测器丢弃的有用信息更多。

GRAPES-3DVar(全球\区域同化预报系统)对有云视场辐射率资料的同化应用还没有开展。本研究借鉴McNally和Watts云检测方案, 结合GRAPES-3DVar系统和AIRS仪器特征, 对AIRS各个视场通道进行云检测, 剔除受到云污染通道, 从而为有云资料在数值天气预报资料同化系统中的应用奠定基础。该方案不但可以检测出晴空视场资料, 同时也可以检测出有云视场当中不受云影响的晴空通道资料, 然后把晴空通道的辐射率资料进行同化, 增加供使用的高光谱卫星观测资料数量, 改善预报模式初值, 提高数值预报的效果。

1 AIRS卫星资料

AIRS红外探测器光谱覆盖范围3.7~15.4 μm(600~2700 cm^-1), 光谱分辨率短波3.74~4.61 μm为2 cm^-1; 中波6.20~8.22 μm为1 cm^-1; 长波8.80~15.4 μm为0.5 cm^-1, 共有2378个红外通道。目前, GRAPES-3DVar模式进行数值预报使用的通道为323个, 因此, 本文的晴空通道检测方案同样使用这323个通道, 分为5个光谱带, 图 1为AIRS5个光谱吸收带的分布, 其中长波CO₂吸收带占141个, 臭氧吸收带占36个, 水汽吸收带占57个, 4.3 μm CO₂吸收带占25个, 4.2 μm CO₂吸收带占64个。

每天AIRS由240个景构成对全球的观测, 每6 min的观测资料构成一个景, 每个景由135条扫描线组成, 每条扫描线有90个观测视场, 每个视场包含2378个光谱取样, 约有120个景是白天观测的, 而另外120个景是晚上观测的。本文的目的就是利用云检测方案, 提取每个视场的晴空通道资料; 本研究所用资料为AIRS的一级产品L1B数据, 包括辐射率、地理经度、纬度、地表水平高度、太阳天顶角、方位角、卫星天顶角、方位角及陆地(海面)标记等(NASAl, 2002), 均来自NASA Goddard Space Flight Center Distribution Active Center (NASA/GSFC DAAC)。

2 GRAPES-3DVar同化方法

变分同化方法的基本思想是将资料同化归结为一个表征分析场与观测场、分析场与背景场偏差的二次泛函极小值问题。该泛函(目标函数)一般定义为:

$\begin{array}{l} J\left( x \right) = \frac{1}{2}{(x - {x_b})^{\rm{T}}}{\mathit{\boldsymbol{B}}^{ - 1}}(x - {x_b}) + \\ \quad \quad \quad \frac{1}{2}{[\mathit{\boldsymbol{H}}\left( x \right) - {y_0}]^{\rm{T}}}{\mathit{\boldsymbol{R}}^{ - 1}}[\mathit{\boldsymbol{H}}\left( x \right) - {y_0}] \end{array}$

(1)

其中, x是控制变量, 上标T和-1分别代表矩阵的转置和逆, 下标b表示背景场; y₀是观测量, 这里是卫星辐射率; B是背景误差协方差矩阵; R=O+F, 分别是观测误差和观测算子(正演模式)代表性误差协方差矩阵; H为观测算子, 这里为辐射传输模式RTTOV7。传统上假定观测误差无偏并满足正态分布(陶士伟等, 2008)。

由于资料同化的大气观测的资料并不是完美的, 它们包含几种误差, 包括仪器和人为误差, 也可能包含“观测算子的正演误差"。仪器和观测算子的正演误差是随机的, 随机误差一般假设为正态分布。对于高光谱红外卫星资料而言, 云对AIRS辐射率有巨大的影响, 这种影响可能会导致观测误差不满足正态分布, 产生错误的信息。因此, 本文云检测方案核心思想就是剔除受云污染的资料, 尽可能保留有云区探测资料。

3 晴空通道检测方案

卫星测量到的某通道的大气辐射是整层大气在该通道的辐射总量。每层大气对辐射总量的贡献不同, 不同波长贡献最大的大气层也不同。哪个高度的大气层对辐射贡献最大可由权重函数决定, 权重函数最大的高度就是对总辐射贡献最大的大气层高度(邹晓蕾, 2009)。图 2a为晴空视场的权重函数, 所有的通道为晴空通道。图 2b为有云视场的权重函数, 当视场在某一高度有云时, 有些通道的权重函数的最大值在云的上面, 辐射率探测受云的影响较小, 称为晴空通道。由于红外不能穿透云, 此时, 有些通道就探测不到权重函数最大值所在的那一层, 称为有云通道, 显然, 高、中、低云的不同影响了晴空通道的数目, 视场当中的云越高晴空通道越少。通过计算通道的高度和云高, 通道高度大于云高的通道就是要提取的晴空通道。

本文的云检测思想, 采用McNally和Watts云检测方案, 根据通道对云的敏感性将模拟晴空亮温(用6 h的预报结果作为背景场)减去观测亮温的偏差进行排序, 采用移动平均滤波滤除仪器噪声, 对于几种情形(晴空、低冷云、高冷云、高暖云及低暖云)的偏差, 逐步寻找完全不受云污染的晴空通道。

如果观测亮温和晴空模拟亮温不受各种误差的影响, 晴空亮温和观测亮温的偏差主要来自云的影响, 图 3a为世界时2009年7月2日00时(-3 h~3h), RTTOV模拟的一个视场点的晴空亮温(空心圆)和观测亮温(实心圆)。那么晴空亮温减去观测亮温的偏差中非零的通道为有云通道, 偏差为零的通道为晴空通道, 图 3b为晴空亮温减去观测亮温的偏差。实际上, 偏差的引起还受仪器噪声、模式误差和大气状态的影响, 这些噪声混淆了云的信息。

因此, 为了检测偏差中的晴空通道, 在每个视场点根据通道高度对偏差进行排序, 图 3c为根据通道高度排序后的偏差。由于这个排序没有考虑5个光谱带本身的特点和红外光谱的特性, 所以应该把光谱分成5个光谱带再分别排序, 图 3d为分成5个光谱带再排序的偏差。在每个光谱带, 云信息的敏感性是单调增加的, 从中找出第一个不受云影响的晴空通道, 那么对云具有更高敏感性的通道为有云通道, 反之为晴空通道。

3.1 晴空通道检测方案步骤

(1) 根据通道对云的敏感性计算通道高度。

(2) 将模拟的晴空亮温减去观测亮温的偏差分成5个光谱带, 然后根据通道高度对每个光谱带的偏差进行排序。

(3) 采用移动平均滤波减少各种噪声在云信号中的幅度, 使得偏差中只包含云的信息。

(4) 在每个带从云敏感性最强的那个通道开始检测, 当某个通道亮温偏差值和变分同化目标函数的梯度值同时满足:

$\left\{ \begin{array}{l} grad(d_{{L_p}}^i) ＜ gra{d_{{\rm{max}}}}\\ d_{{L_p}}^i ＜ {d_{{\rm{max}}}} \end{array} \right.$

(2)

那么, 此时这个通道的高度就是云顶高度, 高于云顶高度的那些通道是晴空通道, 低于云顶高度的那些通道是有云通道。图 4为晴空通道检测方案流程。i_low是排序后对云最敏感的那个通道。窗区通道梯度阈值为0.4 K, 其他通道梯度阈值为0.02 K。偏差向量阈值为1.0 K。

3.2 关键参数的确定 3.2.1 通道高度

为了强调通道对云的敏感性, 定义通道高度为

$\left| {\frac{{{R_{{\rm{clear}}}} - {R_{{\rm{cloudy}}}}}}{{{R_{{\rm{clear}}}}}}} \right| ＞ 0.01$

(3)

其中, R_clear参数指晴空的辐射率, R_cloudy参数指黑体云向上发射的辐射率。这种定义通道高度的方法直观地反映了云的响应。

受温度和水汽等影响, 通道高度在不同的视场点是变化的。图 5为世界时2009年7月2日00时(-3 h~3 h), 通道145、通道226和通道787在不同视场点的通道高度。

3.2.2 阈值确定

本文借鉴欧洲中心的经验并结合GRAPES-3DVar模式本身的特性和误差来确定式(2) 中最优的偏差阈值d_max和梯度阈值grad_max。根据统计经验梯度阈值对云的敏感性影响很小, 因此梯度阈值仍然和欧洲中心保持一致, 窗区通道grad_max为0.4 K, 非窗区通道grad_max为0.02 K, 窗区通道的grad_max明显大于非窗区通道, 这是因为窗区通道的通道高度位于地面, 由于地面的复杂程度, 偏差的变化比较大。

对于偏差阈值的确定, 根据GRAPES-3DVar模式本身的特性和误差, 以世界时2009年7月2日00时(-3 h~3 h)的观测资料为例, 分析(40°N~50°S、100°~180°W)低、中和高3个通道在不同偏差阈值下的云检测结果。对于地面通道787, 比较图 6b~6d椭圆标注的区域发现, 当偏差阈值为0.5 K时(图 6c)把一些晴空通道资料给剔除了, 剔除的资料过多。比较图 6b、6d和6e矩形标注的区域发现, 当偏差阈值为2 K时(图 6e)一些有云资料没有检测出来。当偏差阈值为1 K时(图 6d), 即有效地剔除受云污染的资料, 又保留了晴空视场。

图 7b MODIS可见光云图中亮白的云代表中高云, 而灰暗的云为低云, 中层通道226不受低云的影响, 图 7b椭圆标注的灰暗区域对于通道226来说为晴空通道, 当偏差阈值为0.5 K时(图 7c)把这些晴空通道资料给剔除了。图 7b矩形标注的亮白区域云高高于通道226的通道高度, 当偏差阈值为2 K时(图 7e)这些有云资料没有检测出来。经验知道高云一般在赤道附近, 中高纬度的云一般为中低云, 因此, 中层通道226比低层通道787明显增加了中高纬度资料。对于高层通道145(波数691.391 cm^-1, 权重函数的峰值在100 hPa)来说, 有云区域一般集中在赤道附近(图略), 通过以上分析选择最优的偏差阈值d_max为1.0 K。

4 云检测结果

以世界时2009年7月2日00时(-3 h~3 h)AIRS的观测为例, 图 8a为60个景在窗区通道787的亮温扫描图图 8b为对应的MODIS全球可见光云图。对比图 8a和8b, 能够发现图 8a中暖色调(高的亮温)对应着地表晴空或中低云; 冷色调(冷的亮温)对应着高云。图 8c为图 8a经过GRAPES-3DVar质量控制(观测资料的稀疏化处理、极值检验及偏差订正等)后的亮温。

图 9a为图 8c经过GRAPES-3DVar晴空通道检测后晴空通道的亮温。对比图 9a和9b发现该云检测可以很好地检测出底层海洋上面的晴空通道, 大部分视场受云的影响而被剔除。很明显在陆地上该云检测效果不理想, 这是因为窗区通道787权重函数的峰值在地面, 它得到的是地面的晴空信息, 由于地表发射率先验知识(如地表温度误差和地表发射率误差比较大)的匮乏, 所以在陆地上该云检测方案对近地面通道的检测不理想。图 9b为通道226云检测后的晴空通道的亮温, 图 9c为通道145云检测后晴空通道的亮温, 高层通道不受低云的影响, 通道随高度增加云量减少晴空通道逐渐增多。高层通道145受到云污染的区域主要集中在热带地区, 因为这些地区经常存在高的对流云系统, 另外在较高纬度地带会有一些卷云的出现。

随机选取3个有云(高云、中云及低云)视场和一个完全晴空视场, 图 10为长波CO₂吸收带根据通道高度排序后的偏差, 图 10a为有高云的视场, 图 10b为有中云的视场, 图 10c为有低云的视场, 图 10d为完全晴空视场。从图中看出视场中随着云的高度降低晴空通道越来越多, 这和图 9云检测结果一致, 直观地反映了高、中及低云对晴空通道的影响。

图 9和图 10只给出了部分通道云检测的结果, 整体来看, 图 11为长波CO₂吸收带晴空通道的百分比。图中11.0、13.5和14.5 μm 3个通道分别对应图 9a、9b和9c 3张图, 和图 9云检测的结果一致。晴空通道百分比从右往左基本上是上升趋势, 验证了通道随高度增加云量减少晴空通道逐渐增多。

和传统的GRAPES-3DVar晴空视场检测方案相比, GRAPES-3DVar晴空通道检测方案大大增加了中高层资料的使用率, 以世界时2009年7月2日00时(-3 h~3 h)的AIRS观测资料为例, 从表 1看出在相同资料的情况下, GRAPES-3DVar晴空视场检测使用了16630个晴空通道, 晴空通道比例占9.14%, 而GRAPES-3DVar晴空通道检测使用了63577个晴空通道, 晴空通道比例占34.86%, 是传统云检测方案的3.8倍。

5 小结和将来的工作

从上面的结果分析可以看出, GRAPES-3DVar晴空通道检测方案可以求出云顶高度, 判断高、中、低云; 不但可以检测出晴空视场资料, 同时也可以检测出有云视场当中不受云影响的晴空通道资料, 增加了对流层中上层和平流层下层的资料。该云检测方案明显优于传统的晴空视场的云检测方案, 大大增加了的资料的利用率, 为有云资料的使用打下基础。

由于地表发射率先验知识(如地表温度误差和地表发射率误差比较大)的匮乏, 该云检测方案对近地面层的检测效果不理想, 对海洋上的云检测有比较理想的效果。

在接下来的工作中, 将进行同化影响试验来进一步检验云检测的效果, 并且把该方案应用到GRAPES-3DVar模式中, 以期提高数值预报的质量。总之, 该研究为AIRS有云资料在GRAPES三维变分同化系统中的应用奠定了基础。