地球科学进展, 2019, 34(11): 1120-1130 DOI: 10.11867/j.issn.1001-8166.2019.11.1120

综述与评述

全天候卫星微波观测资料变分同化研究进展

窦芳丽,1,2,3, 陆其峰,3, 郭杨3

1. 中国气象科学研究院,北京 100081

2. 中国科学院大学,北京 100049

3. 国家卫星气象中心 中国气象局中国遥感卫星辐射测量和定标重点开放实验室,北京 100081

Overview of Researches on All-Sky Satellite Microwave Data Variational Assimilation

Dou Fangli,1,2,3, Lu Qifeng,3, Guo Yang3

1. Chinese Academy of Meteorological Sciences, Beijing 100081, China

2. University of Chinese Academy of Sciences, Beijing 100049, China

3. Key Laboratory of Radiometric Calibration and Validation for Environment Satellites, National Satellite Meteorological Center, Beijing 100081, China

通讯作者: 陆其峰(1975-),男,江苏淮安人,研究员,主要从事气象卫星资料同化和卫星仪器仿真研究. E-mail:luqf@cma.gov.cn

收稿日期: 2019-07-01   修回日期: 2019-10-15   网络出版日期: 2019-12-30

基金资助: 国家自然科学基金项目“全天候同化中高频微波散射辐射传输模式的改进研究”.  41905034

Corresponding authors: Lu Qifeng (1975-), male, Huaian City, Jiangsu Province, Professor. Research areas include satellite data assimilation and simulation. E-mail:luqf@cma.gov.cn

Received: 2019-07-01   Revised: 2019-10-15   Online: 2019-12-30

作者简介 About authors

窦芳丽(1986-),女,山东滨州人,助理研究员,主要从事微波定量遥感、卫星资料同化的理论和应用研究.E-mail:doufl@cma.gov.cn

DouFangli(1986-),female,BinzhouCity,ShandongProvince,Assistantprofessor.Researchareasincludemicrowaveremotesensing,dataassimilation.E-mail:doufl@cma.gov.cn

摘要

云和降水区微波观测包含大量与天气系统,特别是台风、暴雨等灾害性天气系统发生发展密切相关的大气信息,因此微波资料的全天候同化应用成为当前数值预报领域的热点研究问题。过去20年间,全球几大数值预报中心逐步开展了全天候同化技术的研究和业务应用,证实了全天候卫星微波观测资料能够改进模式中的质量、风场、湿度以及云和降水场的初始信息,从而改进数值预报模式的预报效果。通过梳理和评述全天候卫星微波观测资料同化方法,分析其中的关键技术问题和目前存在的困难和挑战,为未来在我国数值天气预报领域开展全天候同化研究提供依据。随着我国新一代数值天气预报模式的发展应用,加强我国全天候资料同化技术的研究将会在业务中发挥更大的科学效益和应用效益。

关键词: 全天候 ; 云和降水 ; 微波观测 ; 资料同化 ; 一维变分

Abstract

As the important components of the earth’s atmospheric system, cloud and precipitation strongly affect the global hydrology and energy cycles through the interaction of solar and infrared radiation with cloud droplets and the release of latent heat in precipitation development. The microwave observations in cloudy and rainy conditions have a large amount of information closely related to the development of weather systems, especially the severe weather systems like typhoon and rainstorm. Nevertheless, satellite microwave observations are usually only assimilated in clear-sky above the ocean and their cloud and precipitation content is discarded. Over the past two decades, several Numerical Weather Prediction (NWP) centers have gradually developed the “all-sky” approach to make use of the cloud- and precipitation-affected microwave radiances. It’s been proved that the all-sky assimilation can be used to improve the first guessed mass, wind, humidity, cloud and precipitation through the tracer effect. For providing an investigated reference for the future research of all-weather assimilation in domestic numerical weather forecast, this paper reviewed the all-sky assimilation methods using microwave observation data, analyzed the advantages and disadvantages of each method, and discussed the key technical problems and the existing difficulties and challenges in this field. With the development and application of the new generation of NWP model in China, advancing the domestic research of all-weather data assimilation technology will bring more scientific and practical benefits in the future.

Keywords: All-sky ; Cloud and precipitation ; Microwave ; Data assimilation ; 1 DVar.

PDF (842KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

窦芳丽, 陆其峰, 郭杨. 全天候卫星微波观测资料变分同化研究进展. 地球科学进展[J], 2019, 34(11): 1120-1130 DOI:10.11867/j.issn.1001-8166.2019.11.1120

Dou Fangli, Lu Qifeng, Guo Yang. Overview of Researches on All-Sky Satellite Microwave Data Variational Assimilation. Advances in Earth Science[J], 2019, 34(11): 1120-1130 DOI:10.11867/j.issn.1001-8166.2019.11.1120

1 引 言

云和降水作为地球大气系统的重要组成部分,通过辐射效应和降水的潜热释放作用参与全球水文和能量循环,影响气候变化和天气系统的发展演变[1]。因此,数值天气预报(Numerical Weather Prediction,NWP)系统对云和降水的准确预报无论对常规天气还是对极端天气条件下的预报预警都至关重要。在过去40年间,数值天气预报模式得益于地球物理科学研究、超算设备、卫星和其他观测手段的发展,对温度和风场的预报已达到相当精度,但对云和降水的预报仍是一个极具挑战性的难题[2]

准确的数值天气预报过程是一个初/边值问题,需要大气初始场尽可能接近真实状况,由此出现了利用观测和短期预报来估计大气初始场的数据同化技术[3],目前数据同化已成为业务NWP普遍采用的技术手段。相对于常规观测和雷达资料,卫星资料因其高时空分辨率和全球覆盖能力,已成为数据同化所用观测资料的主体,同时极大地提高了数值预报准确率[4],其中星载微波观测资料是NWP业务中心最重要的同化观测资料之一,微波成像仪和探测仪资料在同化系统中发挥了关键作用[5]。过去数值预报中卫星资料的质量控制非常严格,只同化晴空资料,75%的卫星资料由于受到云和降水、陆地、海冰的影响通过质控方案被剔除[4]。但是,由于微波辐射对云和降水具有一定的穿透能力,云和降水区的微波观测往往包含有大量与天气系统,特别是台风、暴雨等灾害性天气系统发生发展密切相关的大气信息,因此这部分资料的同化应用成为卫星资料同化领域的一个热门研究问题。目前,以欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecast,ECMWF)为例,微波温度计、红外探测仪、微波散射计等卫星观测资料仍维持晴空资料同化,微波成像仪和微波湿度计的云雨区观测资料已进入同化系统并发挥了巨大作用[6]

过去20年间,星载微波观测资料的云雨区同化进展显著,全天候(All-sky)同化,即云雨区资料和晴空资料同时进入同化系统,得到了各国NWP中心的普遍重视。目前部分微波成像仪和微波探测仪资料已经实现了业务的全天候同化应用[6],并被证实能够改进数值模式中的质量、风场、湿度以及云和降水的初始场和预报精度,例如,在ECMWF全球模式中,微波成像仪全天候亮温同化改进了对流层温度、湿度和风的分析场,尤其是对热带区域影响显著,并且改进了北半球第3天~第6天的对流层风场和位势高度预报场以及南半球的位势高度场[7];美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)的网格统计插值(Gridpoint Statistical Interpolation,GSI)同化系统试用了微波温度计资料的全天候同化,发现减少了北美大陆西海岸区域的相对湿度,从而改善了晴空同化系统中该区域一直存在的层云高估问题,同时显著改善了热带和南半球850 hPa的平均相对湿度和温度分析场以及南半球24小时温度预报结果[8];利用中尺度天气研究和预报模式(Weather Research and Forecasting Model,WRF)及其同化系统的台风同化预报试验表明,微波全天候同化能够获得更好的台风中心海平面气压、暖核结构、云和降水分布的分析场,并且在72小时内对台风的路径和海平面气压预报均有改进[9]。全天候同化的快速发展得益于数值模式湿物理参数化方案和辐射传输模式的发展,这两项同时也是制约全天候同化进一步发展的瓶颈问题[10]。模式湿物理参数化方案的非线性特征导致参数化对输入参数扰动的响应具有强烈的大气状态依赖性,在强烈的非线性作用下,变分同化往往产生错误的分析增量,进而影响模式预报的平衡和稳定性。由于模式对云和降水代表能力较弱,同时快速辐射传输模式中没有详尽考虑云雨粒子散射效应,云雨区卫星辐射亮温模拟和实际观测还有相当偏差,加上观测与模拟的云区位置不匹配,导致出现非高斯分布的初猜偏差,观测误差和背景误差的这种非高斯性进一步加剧了增量法变分数据同化中存在的问题。因此,分析模式中云和降水预报、辐射传输模式、观测和背景误差的不确定性并做针对性的改进,是改进全天候同化的关键问题和需要继续研究的方向。

为了改善数值模式中云和降水预报的不确定性,在天气预报业务中更科学地掌握云和降水的发展演变过程,需要发展全天候同化研究和业务。本文通过评述国内外研究进展,介绍全天候卫星微波观测资料同化方法和起到的效用,分析其中的关键技术问题和目前存在的困难和挑战,并对全球NWP中心的全天候卫星微波资料同化业务系统进行了梳理,旨在为未来在我国数值天气预报领域进一步开展全天候同化研究、实现全天候同化业务提供依据。

2 全天候卫星微波观测资料同化方法

2.1 两步间接同化方法

在直接同化卫星观测的辐射量之前,先同化反演的大气参数产品是卫星资料同化的早期方法[11,12],类似的,云雨区微波资料同化方法的早期思路也是同化微波辐射计反演的云雨参数和大气廓线参数信息。最初在NWP中同化卫星反演的降雨率是通过“物理初始化”方法,借助模式动力框架,使模式输出结果松弛逼近到降雨观测资料[13,14],研究显示初始化方案有助于改进湿度分析和减小模式的启转问题。同化卫星反演的降雨率经过试验研究[15~17],在NCEP的三维变分同化系统和日本气象厅(Japan Meteorological Agency,JMA)的区域模式预报和四维变分同化系统中实现了业务运行[18,19]。一维加四维变分(one-dimensional plus four-dimensional variations, 1D+4DVar)两步法最初由Gérard等[20]在ECMWF系统中变分同化SSMI(Special Sensor Microwave Imager)晴空亮温时提出,即先使用1DVar反演水汽总量(Total Column Water Vapor,TCWV),再同化进4DVar系统,这个方法随后被应用于变分同化SSMI和TMI(TRMM Microwave Imager)在有云和降水存在条件下反演的TCWV[21,22]。自2005年6月起,ECMWF正式实现了SSMI受降雨影响的19和22 GHz亮温反演产品的两步法业务同化[23,24]。两步法中参与同化的云雨及大气参数一般是洋面降雨率、有云无降水条件下的大气水汽总量等,也有研究同时将水汽总量同化到晴空区域,降雨率同化到降雨区域[25,26]

在两步法中[27],首先通过1DVar方法同化卫星观测亮温或降雨率产品,相对于同化降雨率,同化亮温由于观测—背景偏差更符合高斯分布成为主要发展的技术。调整控制变量如温度廓线、绝对湿度廓线(或湿度的对数)和海面风速,通过最小化代价函数Jx寻找最优化的大气状态,代价函数表征如下:

Jx=12x-xbTB-1x-xb  +12[Hx-yO]TR-1Hx-yO

式中:x是控制变量向量,xb是背景场(短期预报场),yO是观测向量,B是背景误差协方差矩阵;R是观测误差协方差矩阵,是仪器误差和观测算子误差的总和。H为观测算子,同化亮温时观测算子包含两部分:第一部分是湿物理方案,根据控制变量(大气温湿度和海面风速)计算云水凝物(云水、冰水、雨、雪)廓线,第二部分是辐射传输模式,从湿物理方案输出的大气和云参数进一步计算得到背景亮温,同化降雨率时则没有辐射传输部分。最小化一般利用拟牛顿法,通过调整控制变量寻找使代价函数最小的湿度廓线,经垂直积分获得水汽总量,最后同化到4DVar变分系统中,4DVar的代价函数与公式(1)一致,但控制变量和误差矩阵更为复杂,观测算子中包含模式动力过程,观测和背景误差矩阵需要重新建模。整个1D+4DVar两步法和4DVar直接同化的算法流程如图1所示。

图 1

图 1   1D+4DVar”两步同化(实线)和直接4DVar全天候同化(虚线)方法流程图

Fig.1   Flowchart describing the “1D+4DVar”(solid lines) and the direct 4DVar(dotted lines) methods for the all-sky assimilation


两步法同化的相关研究表明,同化星载微波载荷反演的降雨率或者云雨区水汽总量能够生成更真实的大气湿度初始场,改进降水预报,并改进模式的启转问题[28],例如同化卫星反演地面降雨率产品的物理初始化方法利用地面降雨量调整云和降水区的绝热加热率,再通过大尺度凝结和湿对流调整方案实现相对湿度和风场散度的初始化,从而生成和维持中尺度环流凝结降水,实现对模式降水环流启转问题的改进[29]。在ECMWF进行的两步法业务化试验结果表明,在热带700 hPa高度附近有相对湿度的正评分,对热带气旋的位置预报和气旋附近的温湿度分布预报有改进,对1DVar反演的水汽总量增量的分析表明,改进最大的区域与水汽总量增量最大的区域相对应[24]。在稳定业务化后,ECMWF基于10周的观测系统实验(Observation System Experiments,OSE)量化了SSMI受降雨影响的观测的同化效果,进一步证明了能够改进模式湿度场和垂直风场,在热带地区的改进更明显[30]。国内也已开展了两步法同化的工作,刘永亮[31]针对1DVar反演部分开展了研究,改善了反演过程中的非线性问题,改进湿度的反演精度;张思勃[32]将1DVar方法反演AMSR-E(Aqua Advanced Microwave Scanning Radiometer for EOS)的大气温度、湿度和云参数作为观测同化到GSI同化系统中,通过台风个例试验表明能够影响台风的暖核结构,改进台风路径预报。

2.2 直接同化卫星观测辐射量

从两步间接同化到实现微波辐射计云雨区亮温的直接同化是一个重要的转变阶段。ECMWF是最早开始也是目前应用最好的几个直接同化云和降水影响的辐射量的业务中心之一,自2008年起开始发展该技术,ECMWF的Geer等[7]基于6个月的常规全球同化预报,重新评估了SSMI在ECMWF的1D+4DVar同化的总体情况,认为其最大的问题是只有湿度信息进入了同化系统,而亮温中包含更多信息,应该进行直接的全天候亮温同化。Bauer等[4]进一步讨论了直接同化中的难点,比如观测模拟误差定义、观测资料质量控制、偏差校正和空间代表性误差等问题,2009年3月起,ECMWF开始业务同化微波辐射计的辐射量,替代了之前的两步法方案,经评估直接同化辐射量对模式动力场有物理上更平衡的调整[7],改进了湿度、气压和风场分析。英国气象局的业务系统中同化了微波和红外辐射量,美国NCEP也进行了微波观测的全天候同化研究[8],美国国家大气研究中心(National Center for Atmospheric Research,NCAR)的Yang等[9]利用区域模式进行了针对飓风的微波成像仪AMSR-2(Aqua Advanced Microwave Scanning Radiometer 2)辐射量同化实验,将总水量替代湿度控制变量,并利用湿物理方案将总水增量分割成水汽、云水和雨增量,认为能够改善热带气旋中心海平面气压、暖核结构和云分布的分析,目前该技术已经集成在WRF数据同化系统(WRF Data Assimilation System,WRFDA)中供研究人员使用。

相较于微波探测仪通道,微波成像仪频点较低,受云和降水的影响较小,观测算子的辐射传输计算精度较高,因此无论先反演水汽,或是直接同化亮温都比微波探测仪具有更小的观测误差,从这个角度更适合进行全天候同化,也更容易实现,微波探测仪的全天候同化更具挑战性。 微波探测仪的频点设置在近氧气和水汽吸收线上,探测通道亮温与大气温度和湿度廓线高度相关,因此探测仪全天候同化的目标应当是在陆面和海面产出更真实的温湿度廓线分析场,而不是直接去影响模式的湿物理过程[25]。微波高频在云雨区的辐射传输是制约其发展的主要因素,ECMWF的Geer等[33]通过改进观测算子对雪粒子的模拟,对SSMIS(Special Sensor Microwave Imager/Sounder)183 GHz亮温在深对流区域的直接同化进行了实验,结果表明对中纬度风和位势高度、对流层湿度具有正作用,因此Geer建议学界展开对微波湿度计通道和红外水汽通道的同化研究。在英国气象局,热带区域以外的AMSU-A(Advanced Microwave Sounding Unit A)资料在4DVar系统中得以同化,采用的方法是在4DVar中调整总湿度(水汽加云)使模拟与观测更接近,从而增加温度通道的使用[25]。Zhang等[34]在区域混合变分集合数据同化系统中同化了受云影响的AMSU-A辐射量,同化改进了飓风的强度和降水预报,原因可能来自于同化飓风内核区的资料能够使模式初始场中包含具有更真实不对称性结构的初始涡旋。我国风云三号C星(FY-3C)微波湿度计MWHS-2(Microwave Humidity Sounder-2)资料于2016年进入ECMWF的全天候同化业务,对短期预报的全球湿度和2~4天预报风场有弱的正影响[35]。苏捷等[36]在WRF-3DVar系统中将WRF输出的水凝物和计算的云量作为控制变量,对直接同化风云三号A星(FY-3A)微波湿度计亮温进行了研究。

2.3 两种同化方法的优势和不足

两步法间接同化的优势在于能够更好地控制变分同化系统对大气状态变化的非线性响应,在最终进入变分同化之前能够得到更好的质量控制,同时能够协助定义同化中的背景和观测误差[12]。然而,同化反演产品也存在一些问题,间接同化依赖反演算法的精度,不同的卫星和机构反演算法不同,对间接同化的效果影响较大。1D+4DVar方法需要一个来自气候分析、模式输出等的先验信息,1DVar已经利用了初猜场作为背景信息,在4DVar同化中再使用初猜场就存在信息重复利用的问题[10]

Moreau首次提出,直接同化亮温的原因在于亮温包含有除了雨强以外更多的大气和陆表信息[23]。Moreau等[37]建议,对于全球模型,最好是同化微波辐射而不是反演的降雨率产品。原因包括:亮温包含降水、水汽、云水、温度和海表风速等更全面的信息;包含湿物理和辐射传输的观测算子比湿物理观测算子具有更好的连续性;初猜偏差统计特性更加符合高斯分布,利于偏差校正;观测算子误差更容易建模。Bauer等[4]认为直接同化亮温对模式动力场存在物理上更连续的调整,同时避免了反演产品的误差以及初猜场信息重复利用的问题。直接同化辐射量存在的一些问题,比如需要对观测误差和背景误差进行准确的评估,需要线性假设的物理过程、观测算子和相应的切线性以及伴随模式等,目前都没有被完全解决。

也有研究表明两种方法具有相似的同化效果,Chen等[38]将SSMI资料应用于台风同化试验中,研究发现不管是同化SSMI反演产品还是亮温都有助于增加大气湿度含量,增强低层台风环流强度,减小模式启转时间,并显著地改进了对台风强度的模拟效果。

3 全天候资料同化中的关键问题

数值模式中的云主要由微物理方案产生[39,40],湿物理参数化方案对云雨结构和位置预报还有较大不确定性,同时具有强非线性特征,这意味着将云参数作为变量可能会违反变分同化方法的线性化原则。由于背景场中对云的代表性较弱,加之散射辐射传输计算的精度有限,辐射传输模式存在较大不确定性[4]。湿物理方案非线性问题、辐射传输、偏差订正和观测背景误差分配等同化前卫星资料处理技术是全天候同化面临的重要挑战[40]

3.1 湿物理参数化方案

数值预报模式中的湿物理参数化方案主要是云微物理参数化方案[41,42]、大尺度和对流参数化方案[43],决定了云和降水的诊断和预报。当控制变量不包含云变量时,无论是1DVar还是4DVar的最小化都需要线性的湿物理参数化方案作为观测算子的一部分,湿物理过程用于将模式控制变量(温度、湿度、风和气压)转换成云水成物(云水、云冰、雪和雨等)廓线,以及网格尺度的云量等,提供给辐射传输模式计算全天候观测亮温;当控制变量中包含云变量时,模式背景场中需要通过湿物理参数化方案提供云廓线,因此,湿物理参数化方案对云水成物的数值预报精度以及它的线性化是影响全天候同化效果的一个关键因素。由于湿物理过程本身具有强非线性,方案中含有较多的阈值函数,而同化唯一解的产生对模式的线性程度具有强烈的依赖性[44],因此需要一些特殊的处理简化来避免其不连续性[45,46],否则极易导致变分最小化的失败,开发线性算子必须找到在真实、线性和计算效率之间的权衡[47]。一些研究讨论了湿物理方案的线性化版本在最小化中的表现,证明目前的线性简化版本改进了模式的切线性假设,因此改进了4DVar的分析场和随后的预报[19,48],指出积云对流参数化是最主要的非线性和不连续性的来源。

另外,目前模式中云和降水的量级和位置目前仍存在比较大的偏差,例如ECMWF模式对层积云区域云中液态水存在明显低估[26],ECMWF和NCEP模式中的对流参数化方案均不能很好地代表对流降水的分布[6]。数值模式中观测算子与模式的不确定性共同造成了初猜偏差,进而导致观测误差的非高斯性问题。目前国外正在开展完全预报的对流参数化方案以及更好的微物理参数方案研究,预期能够改进全天候同化的精度。

总之,目前数值预报模式的湿物理参数化方案中对云和降水的预报仍存在比较大的偏差,完全预报的对流参数化方案的发展以及未来进一步提高微物理参数方案的精度是改进全天候同化精度的重要发展方向,全天候同化领域研究人员应关注其发展动态,并评估新方案对同化的影响。为了实现直接同化辐射量,业务4DVar同化系统中需要增加线性湿物理方案或包含有云水凝物的湿控制变量,并考虑线性化、精度和计算效率的平衡。

3.2 云雨大气辐射传输模式

全天候同化需要包含有云和降水粒子散射的快速辐射传输模式作为观测算子的一部分,用于计算全天候微波辐射量。目前全天候同化中最常用的辐射传输模式是欧洲气象卫星组织的RTTOV(Radiative Transfer for TIROS Operational Vertical Sounder)[49]和美国卫星资料同化联合中心的CRTM(Community Radiative Transfer Model)[50],这两个模式均是为卫星观测的同化对快速辐射传输模拟的需求而开发,提供同化需要的正向、切线性和伴随模式。最初快速辐射传输模式只限于非散射、无云的红外和微波辐射传输,随着同化向全天候转变,也逐渐扩展到散射求解方案,CRTM的散射求解是一个结合了矩阵算子方法的混合方案[51],RTTOV使用了爱丁顿近似。Bennartz等[52]评估了同化中RTTOV和CRTM的计算效率和精度等,提出在同化中快速辐射传输计算要考虑到计算速度和精度的权衡,同时未来需要改进多层云结构和模式对云的代表性误差带来的辐射传输偏差。我国学者在云雨大气的辐射传输领域也有诸多成果,董佩明等[53,54]利用快速辐射传输模式对影响微波的水成物辐射效应进行了分析,为云雨区同化提供了基础条件;刘硕松等[55]对比了两种快速辐射传输模式RTTOV和CRTM对台风“罗莎”区卫星微波观测的模拟效果,发现两种模式计算得到的水成物响应函数和水成物辐射效应对模拟亮温影响特征基本一致,但量级上存在差异。

由于背景云微物理和散射计算存在的问题,云雨区卫星辐射亮温模拟和实际观测还有相当偏差,尤其是受冰相粒子散射影响较重的高频微波偏差更大,冰相水凝物的形状、尺寸和分布各异,与形成时的温度和湿度有关,为微波辐射传输模拟带来极大的不确定性。在这方面的改进,早期的研究是通过修改云粒子尺度分布和球体密度来改进米散射的模拟质量[56,57],Surussavadee等[58]根据频率选择不同的粒径和密度,Geer等[33]利用离散偶极子近似方法代替米散射方法改进了RTTOV快速辐射传输模式的散射光学特性库,重新计算了雪散射的光学特性,使得183 GHz通道资料能够在云和降水区得到有效同化。

总之,目前的微波辐射传输模式在晴空天气下模拟精度较高,在云雨天气下,由于辐射传输模式中对云的参数化、多层云结构以及云的像元内不均匀充塞效应等的不完全表达,以及散射辐射传输求解方案的不确定性,其模拟精度受到影响,尤其是高频微波受对流系统中固态水凝物粒子的影响较大,而固态水凝物的形状、取向等较大的不确定性导致高频微波辐射传输存在非常大的误差,未来基于非球形散射和云微物理参数方案,针对不同云类型对高频微波辐射传输进行改进是全天候同化观测算子的重要发展方向。

3.3 全天候同化前卫星资料处理技术

偏差订正、云检测、质量控制和观测误差及背景误差协方差分配是全天候同化前卫星资料预处理的关键步骤[59,60]。偏差订正方面,相较于只包含系统偏差、气团订正、表面发射率和入射角、方位角等偏差订正项的晴空偏差订正方案,全天候同化增加了与平均云水柱含量、平均散射指数等云相关的偏差订正项,Zhu等[8]创建了一个新的偏差订正策略,使用在初猜和观测中同时存在或不存在云的样本来训练偏差订正系数,目的是在去除偏差的同时保留云信号,最终得到无偏的O-B偏差分布。

由于有云像元O-B较大,质量控制的粗监测方法需要被放宽,ECMWF的做法是排除O-B大于观测误差2.5倍的观测值[7],也有研究人员使用3倍于观测误差的阈值[8],从而去除了降水云,保留了厚云像元。直接亮温的全天候同化不再需要云检测,两步法中的云检测方案目前主要依赖于观测亮温阈值法,对于微波成像仪,一般使用依赖于仪器通道特性的云水多元线性回归反演公式,基于23和37 GHz通道亮温线性组合来识别观测中是否有云,微波探测仪一般使用散射指数方法,即基于89和150 GHz窗区亮温识别云中固态水凝物[7,8]

背景误差和观测误差协方差决定了背景初猜场信息与观测信息的相对权重以及在空间和变量间的扩展程度,在数据同化系统中起关键作用。由于全天候同化中的背景和观测误差依赖于大气状态,且不能使用高斯统计特征来表征,难以定量化,因此Errico等[10]指出制约全天候同化的一个重要问题是缺乏对背景和观测误差的较好描述。

背景误差与选取的控制变量有关,早期直接同化降雨率或1D+4DVar的研究中,控制变量中包含水凝物,水凝物的背景误差具有强非高斯性,一种解决方案是可以使用总水量代替水凝物变量,背景误差更接近高斯分布,另一种是从流依赖的温度和湿度背景误差和湿物理算子来计算[37],也可以从不同参数化方案的统计偏差中去计算[61]。在ECMWF的1D+4DVar业务中,1DVar控制变量不包含水凝物,可以认为是具有高斯分布的流依赖背景误差,因此采用了Hollingsworth方法从初猜偏差中分离观测和背景误差协方差[4],在4DVar中一般采用美国国家气象中心(National Meteorological Center,NMC)方法[62],也就是假设不同预报时效之间的均方根误差代表模式误差统计特征的方法。

在晴空同化中,观测误差一般根据仪器通道特性设为定值,但在有云区域,虽然仪器特性相同,但观测误差主要来源于代表性误差以及辐射传输误差[61],依赖于云量,因此需要对观测误差进行更合理的分配。基于“对称误差模型”和流依赖的观测误差设置是目前全天候同化的最新技术和常用方法,“对称误差模型”由Geer等[63]建立,即使用背景和观测的平均云量作为“对称性的”预报因子来进行偏差订正,建立了新的偏差订正和经验膨胀的观测误差模型,目的是根据初猜场偏离观测的大小,增加观测误差作为云量的函数,且避免了单独使用背景场或观测云量导致的采样不均的问题。 Minamide等[64]在集合卡尔曼滤波全天候同化中,提出了一种自适应的观测误差膨胀法,在初猜偏差大的情况下使观测误差膨胀,有效减少了错误分析增量的出现。Zhu等[8]在GSI的全天候同化中也采用了类似的流依赖观测误差膨胀方法,基于散射指数作为观测误差中云量的估计因子。

4 业务全天候同化模式系统现状

蓬勃发展的全天候同化新技术在全球各数值预报业务中心中已开展了逐步和部分的应用,如美国国家环境预测中心、欧洲中期天气预报中心、日本气象厅、加拿大环境署,以及英国、德国、法国等国的气象局在全球模式变分同化受云和降水影响的微波辐射方面取得了进展[4,10,25],在过去的20年中,云雨区微波辐射计和探测仪的资料同化效果已经得到了证实。

表1列出了全球NWP中心的全天候同化业务状态,包括已业务同化和研发中的微波辐射计资料、使用的全天候同化方案以及使用的湿控制变量。全天候同化业务于2009年在ECMWF开始发展,由于切线性和伴随湿物理参数化方案的使用,其4DVar系统中不需要云和降水的控制变量,目前已经实现了SSMIS 19-90GHz通道、AMSR-2、GMI[Global Precipitation Measurement (GPM) Microwave Imager]海洋上的资料,以及微波探测仪AMSU-A/B(Advanced Microwave Sounding Unit A/B)、MHS(Microwave Humidity Sounder)、MWHS-2(Micro Wave Humidity Sounder 2)在陆地、海洋和海冰上资料的业务同化,全天候资料对如今短期预报的影响达到18%,未来将继续加强陆面上以及温度探测通道的同化技术[6]。日本气象厅的区域模式中同化了GMI等微波载荷反演的降雨率,也正在进行探测仪亮温的同化研究。美国国家环境预报中心于2016年开始业务同化AMSU-A在云区的观测资料,同化改进了850 hPa高度上的温度和湿度,由于在AMSU-A上取得了较好的进展,全天候同化也被美国全球模式和服务中心(Global Modeling and Assimilation Office,GMAO)扩展到ATMS和GMI等其他载荷[65]。英国、法国和德国等国的气象局也在业务模式中积极开展微波观测亮温和微波反演的水汽总量的全天候同化研究,法国气象局由于其区域模式不包含线性湿物理方案和云水凝物湿控制变量,提出了一种贝叶斯反演+4DVar同化的方法,这种反演方法被证实对湿度预报具有有效的改进作用[66,67]

表1   全球数值天气预报中心的全天候同化业务状态

Table 1  The status of all-sky assimilation operation in global NWP centers

机构业务同化的微波资料预备同化的微波资料同化方案湿控制变量
ECMWFSSMIS,GMI,AMSR-2,MHS,MWHS-2和SAPHIRATMS,AMSU-A和ATMS混合四维变分相对湿度
JMAGMI,AMSR-2和SSMISMWRI,MHS,ATMS,MWHS-2,SAPHIR和AMSU-A混合四维变分对数绝对湿度
NCEPAMSU-AGMI,AMSR-2,MHS和ATMS混合四维变分相对湿度、总水混合比
Met OfficeMHS,ATMS,SSMIS,MWHS-2,SAPHIR,GMI,AMSU-A和ATMS混合四维变分水汽、云冰、云水混合比
Météo-FranceMHS,ATMS,SSMIS,MWHS-2,SAPHIR和GMI混合四维变分绝对湿度
DWDMHS,ATMS,SSMIS,MWHS-2,SAPHIR和GMI混合三维变分水汽、云冰、云水混合比

注:ECMWF为European Centre for Medium-Range Weather Forecast(欧洲中期天气预报中心);JMA为Japan Meteorological Agency (日本气象厅);NCEP为NOAA National Centers for Environmental Prediction(美国国家环境预报中心);Met Office为英国气象局; Météo-France为法国气象局;DWD为German Weather Service(德国气象局)

新窗口打开| 下载CSV


5 讨论与结论

大气中与云和降水相关的湿过程具有释放大量潜热的能力,对于台风、暴雨等灾害性天气系统的生成和发展非常关键,由于微波辐射对云雨的穿透能力,卫星云和降水区微波观测往往包含灾害性天气系统的重要信息,对这部分资料的同化应用因而成为卫星资料同化领域的一个热点研究问题。全球各NWP中心开展了全天候微波资料同化在业务模式中的研究和业务应用,证实其能够利用预报模式中所有的动力和湿物理过程,起到更多的追随效应,最终改进了模式中的质量、风场、湿度以及云和降水场的初始信息,能够有效减少只使用晴空资料同化时云未被全部判识时导致的偏差,从而改进数值预报模式的预报效果。

云和降水区资料同化的困难在于模式湿物理过程、观测算子以及观测和背景误差协方差的不确定性,如何处理云和降水区的观测资料仍是数据同化领域重要而具有挑战性的一项待解决的任务。目前全天候同化技术中还存在一些待解决的问题:

(1)湿物理参数化方案对云水成物的数值预报精度是影响全天候同化效果的一个关键因素,模式中云和降水的量级和位置目前仍存在比较大的偏差,全诊断的对流参数化方案以及更好的微物理参数方案的发展预期能够改进全天候同化的精度。为了直接同化辐射量,业务4DVar同化系统中需要增加线性湿物理方案或包含有云水凝物的湿控制变量。

(2)高频微波受对流系统中固态水凝物粒子的影响较大,而目前的辐射传输模式对云冰、雪等的散射计算具有较大的不确定性,尤其是较大云粒子的形状、取向等无法确定,高频微波散射辐射传输的精度需要进一步提高。

(3)在“对称误差模型”基础上建立的经验膨胀观测误差模型和自适应的观测误差膨胀法有效减少了错误分析增量的出现。由于观测误差膨胀方法是影响全天候同化的重要因素,新的观测误差模型,尤其是考虑到通道间相关的模型需要得到进一步开发。

(4)更具有挑战性的领域包括对微波低频通道的全天候同化,低频通道对地表发射率和暴雨敏感,由于地表发射率模型的不确定性,以及次网格降雨的不均匀填充效应,低频通道亮温在全天候同化中的价值需要进一步挖掘。

我国数值预报模式同化领域在全天候微波资料同化方面已有了一些研究,大多集中在辐射传输改进、1DVar反演和初步同化亮温阶段,间接和直接同化受云雨影响的关键技术需要进一步提高,数值模式本身对全天候微波资料的容受性也需要同步发展。随着我国新一代数值天气预报模式的发展应用,加强全天候资料同化技术的研究将会在业务中发挥更大的科学效益和应用效益。

参考文献

Yang JunChen BaojunYin Yanet al.

Physics of Clouds and Precipitation

[M]. BeijingChina Meteorological Press2011

[本文引用: 1]

杨军陈宝君银燕.

云降水物理学

[M].北京气象出版社2011

[本文引用: 1]

Lopez P.

Cloud and precipitation parameterizations in modeling and variational data assimilation:A review

[J]. Journal of the Atmospheric Sciences,200764(11):3 766-3 784

[本文引用: 1]

Kalnay E.

Atmospheric Modeling,Data Assimilation and Predictability

[M]. UKCambridge University Press2003

[本文引用: 1]

Bauer PGeer A JLopez Pet al.

Direct 4D-Var assimilation of all-sky radiances. Part I: Implementation

[J].Quarterly Journal of the Royal Meteorological Society2010136(652):1 868-1 885

[本文引用: 7]

Kelly GThepaut J N.

Evaluation of the impact of the space component of the global observation system through observing system experiments

[EB/OL].

[本文引用: 1]

Newsletter ECMWFNo.113ECMWFReadingUK200716-28.[2019-08-07]..

[本文引用: 1]

Geer A JLonitz KWeston Pet al.

All-sky satellite data assimilation at operational weather forecasting centres

[J].Quarterly Journal of the Royal Meteorological Society20181441 191-1 217

[本文引用: 4]

Geer A JBauer PLopez Pet al.

Direct 4D-Var assimilation of all-sky radiances. Part II:Assessment

[J]. Quarterly Journal of the Royal Meteorological Society2010136(652):1 886-1 905

[本文引用: 5]

Zhu Y QLiu EMahajan Ret al.

All-sky microwave radiance assimilation in NCEP’s GSI analysis system

[J]. Monthly Weather Review,2016136(7):4 709-4 733

[本文引用: 6]

Yang CLiu ZBresch Jet al.

AMSR2 all-sky radiance assimilation and its impact on the analysis and forecast of Hurricane Sandy with a limited-area data assimilation system

[J]. Tellus A,201668(1). DOI:10.3402/tellusa.v68.30917.

[本文引用: 2]

Errico R MBauer PMahfouf Jet al.

Issues regarding the assimilation of cloud and precipitation data

[J]. Journal of the Atmospheric Sciences,200764(11):3 785-3 798

[本文引用: 4]

Eyre J RKelly G AMcnally A Pet al.

Assimilation of TOVS radiance information through one-dimensional variational analysis

[J]. Quarterly Journal of the Royal Meteorological Society1993119(514):1 427-1 463

[本文引用: 1]

Phalippou L.

Variational retrieval of humidity profile,wind speed and cloud liquid-water path with the SSM/I:Potential for numerical weather prediction

[J]. Quarterly Journal of the Royal Meteorological Society1996122(530):327-355

[本文引用: 2]

Puri KMiller M J.

The use of satellite data in the specification of convective heating for diabatic initialization and moisture adjustment in numerical weather prediction models

[J]. Monthly Weather Review,1990118(1):67-93

[本文引用: 1]

Heckley W AKelly GTiedtke Met al.

On the use of satellite-derived heating rates for data assimilation within the tropics

[J].Monthly Weather Review,1990118(9):1 743-1 757

[本文引用: 1]

Hou A YZhang S QSilva A Det al.

Improving global analysis and short-range forecast using rainfall and moisture observations derived from TRMM and SSM/I passive microwave sensors

[J]. Bulletin of the American Meteorological Society200182(4):659-679

Hou A YZhang S QReale Oet al.

Variational continuous assimilation of TMI and SSM/I rain rates:Impact on GEOS-3 Hurricane analyses and forecasts

[J]. Monthly Weather Review,2004132(8):2 094-2 109

Peng SZou X.

Assimilation of NCEP multi-sensor hourly rainfall data using 4D-Var approach:A case study of the squall line on April 5,1999

[J]. Meteorology and Atmospheric Physics,200281(3/4):237-255

Treadon R E.

Assimilation of Satellite Derived Precipitation Estimates with the NCEP GDAS

[D]. TallahasseeThe Florida State University1997

[本文引用: 1]

Tsuyuki T.

Variational data assimilation in the tropics using precipitation data. Part III:Assimilation of SSM/I precipitation rates

[J]. Monthly Weather Review,1997125(7):1 447-1 464

[本文引用: 2]

Gérard ESaunders R W.

Four-dimensional variational assimilation of special sensor microwave/imager total column water vapour in the ECMWF model

[J]. The Quarterly Journal of the Royal Meteorological Society1999125(560):3 077-3 101

[本文引用: 1]

Marecal VMahfouf J.

Four-Dimensional variational assimilation of total column water vapor in rainy areas

[J]. Monthly Weather Review,2002130(1):43-58

[本文引用: 1]

Marecal VMahfouf J.

Experiments on 4D-Var assimilation of rainfall data using an incremental formulation

[J]. Quarterly Journal of the Royal Meteorological Society2003129(594):3 137-3 160

[本文引用: 1]

Bauer PLopez PBenedetti Aet al.

Implementation of 1D+4D-Var assimilation of precipitation-affected microwave radiances at ECMWF. Part I:1D-Var

[J]. Quarterly Journal of the Royal Meteorological Society2006132(620):2 277-2 306

[本文引用: 2]

Bauer PLopez PSalmond Det al.

Implementation of 1D-4DVAR assimilation of precipitation-affected microwave radiances at ECMWF. Part II:4DVAR

[J]. Quarterly Journal of the Royal Meteorological Society2006132(620):2 307-2 332

[本文引用: 2]

Bauer PAuligne TBell Wet al.

Satellite cloud and precipitation assimilation at operational NWP centres

[J]. Quarterly Journal of the Royal Meteorological Society2011137(661):1 934-1 951

[本文引用: 4]

Kazumori MGeer A JEnglish S J.

Effects of all-sky assimilation of GCOM-W/AMSR2 radiances in the ECMWF numerical weather prediction system

[J]. Quarterly Journal of the Royal Meteorological Society2016142(695):721-737

[本文引用: 2]

Deblonde GMahfouf J FBilodeau Bet al.

One-dimensional variational data assimilation of SSM/I observations in rainy atmospheres at MSC

[J]. Monthly Weather Review,2007135(1):152-172

[本文引用: 1]

Koizumi KIshikawa YTsuyuki T.

Assimilation of precipitation data to the JMA mesoscale model with a 4Dvar and its impact on precipitation forecasts

[J]. Scientific Online Letters on the Atmosphere,2005145-48

[本文引用: 1]

Takayuki TIsao TKazumasa Aet al.

Improvement of spin-up of precipitation calculation with use of observed rainfall in the initialization scheme

[J]. Atmosphere,199735353-368

[本文引用: 1]

Kelly G ABauer PGeer A Jet al.

Impact of SSM/I observations related to moisture,clouds,and precipitation on global NWP forecast skill

[J]. Monthly Weather Review,2010136(7):2 713-2 726

[本文引用: 1]

Liu Yongliang.

Application Research of 1D-Var Retrieval Technology in Cloud-and Precipitation-effected Satellite Microwave Observation Data Assimilation

[D]. ChangshaNational University of Defense Technology2013

[本文引用: 1]

刘永亮.

一维变分反演技术在云水污染卫星微波观测资料同化中的应用研究

[D]. 长沙国防科学技术大学2013

[本文引用: 1]

Zhang Sibo.

Research on the Direct Variational Assimilation of Cloudy Satellite Microwave Radiances

[D].NanjingNanjing University of Information Science & Technology2015

[本文引用: 1]

张思勃.

云区卫星微波资料直接变分同化研究

[D]. 南京南京信息工程大学2015

[本文引用: 1]

Geer A JBaordo F.

Improved scattering radiative transfer for frozen hydrometeors at microwave frequencies

[J]. Atmospheric Measurement Techniques,20147(6):1 839-1 860

[本文引用: 2]

Zhang MZupanski MKim Met al.

Assimilating AMSU-A radiances in the TC core area with NOAA operational HWRF (2011) and a hybrid data assimilation system:Danielle (2010)

[J]. Monthly Weather Review,2013141(11):3 889-3 907

[本文引用: 1]

Lawrence HBormann NGeer A Jet al.

Evaluation and assimilation of the microwave sounder MWHS-2 onboard FY-3C in the ECMWF numerical weather prediction system

[J]. IEEE Transactions on Geoscience & Remote Sensing,201856(6):3 333-3 349

[本文引用: 1]

Su JieZhu KeyunZhang Jie.

Application of RTTOV scattering module to FY-3 MWHS data assimilation

[J]. Meteorology201339(11):1 461-1 472

[本文引用: 1]

苏捷朱克云张杰.

RTTOV散射模块在FY-3MWHS资料同化中的应用

[J]. 气象,201339(11):1 461-1 472

[本文引用: 1]

Moreau ELopez PBauer Pet al.

Variational retrieval of temperature and humidity profiles using rain rates versus microwave brightness temperatures

[J]. Quarterly Journal of the Royal Meteorological Society2004130(598):827-852

[本文引用: 2]

Chen SVandenberghe FPetty G Wet al.

Application of SSM/I satellite data to a hurricane simulation

[J]. Quarterly Journal of the Royal Meteorological Society2004130(598):801-825

[本文引用: 1]

Tiedtke M.

Representation of clouds in large-scale models

[J]. Monthly Weather Review,1993121(11):3 040-3 061.

[本文引用: 1]

Okamoto K.

Assimilation of overcast cloudy infrared radiances of the geostationary MTSAT-1R imager

[J]. Quarterly Journal of the Royal Meteorological Society2013139(672):715-730

[本文引用: 2]

Sundqvist H.

A parameterization scheme for non-convective condensation including prediction of cloud water content

[J].Quarterly Journal of the Royal Meteorological Society1978104(441):677-690

[本文引用: 1]

Ma LeimingBao Xuwei.

Research progress on physical parameterization schemes in numerical weather prediction models

[J].Advances in Earth Science201732(7):679-687

[本文引用: 1]

马雷鸣鲍旭炜.

数值天气预报模式物理过程参数化方案的研究进展

[J].地球科学进展,201732(7):679-687

[本文引用: 1]

Gettelman AMorrison HGhan S Jet al.

A new two-moment bulk stratiform cloud microphysics scheme in the Community Atmosphere Model,version 3 (CAM3). Part II:Single-Column and Global Results

[J]. Journal of Climate,200821(15):3 660-3 679

[本文引用: 1]

Vukicevic TErrico R M.

Linearization and adjoint of parameterized moist diabatic processes

[J]. Tellus A,199345(5):493-510

[本文引用: 1]

Županski D.

The effects of discontinuities in the Betts-Miller cumulus convection scheme on four-dimensional variational data assimilation

[J]. Tellus A,199345(5):511-524

[本文引用: 1]

Zou X.

Tangent linear and adjoint of on-off processes and their feasibility for use in 4-dimensional variational data assimilation

[J]. Tellus A,199849(1):3-31

[本文引用: 1]

Mahfouf J.

Influence of physical processes on the tangent-linear approximation

[J]. Tellus A,199951(2):147-166

[本文引用: 1]

Mahfouf J FRabier J.

The ECMWF operational implementation of four dimensional variational assimilation. Part II:Experimental results with improved physics

[J]. Quarterly Journal of the Royal Meteorological Society19911261 171-1 190

[本文引用: 1]

Saunders RRayer PBrunel Pet al.

A comparison of radiative transfer models for simulating Atmospheric Infrared Sounder (AIRS) radiances

[J]. Journal of Geophysical Research Atmospheres,2007112(D1). DOI:10.1029/2006JD007088.

[本文引用: 1]

Weng F.

Advances in radiative transfer modeling in support of satellite data assimilation

[J]. Journal of the Atmospheric Sciences,200964(11):3 799

[本文引用: 1]

Liu QRuprecht E.

Radiative transfer model:Matrix operator method

[J]. Applied Optics,199635(21):4 229-4 237

[本文引用: 1]

Bennartz RGreenwald T.

Current problems in scattering radiative transfer modelling for data assimilation

[J]. Quarterly Journal of the Royal Meteorological Society2011, 137(661):1 952-1 962

[本文引用: 1]

Dong PeimingWang HaijunHan Weiet al.

The effect of water content on the simulation of satellite microwave observation in cloudy and rainy area

[J]. Journal of Applied Meteorological Science200920(6):682-691

[本文引用: 1]

董佩明王海军韩威.

水物质对云雨区卫星微波观测模拟影响

[J]. 应用气象学报,200920(6):682-691

[本文引用: 1]

Dong PeimingHuang JiangpingLiu Guiqinget al.

Assimilation of FY-3A microwave observations and simulation of brightness temperature under cloudy and rainy condition

[J]. Journal of Tropical Meteorology201430(2):302-310

[本文引用: 1]

董佩明黄江平刘桂青.

FY-3A微波探测资料的直接同化应用及云雨条件下的亮温模拟

[J]. 热带气象学报,201430(2):302-310

[本文引用: 1]

Liu ShuosongDong PeimingHan Weiet al.

Simulative study of satellite microwave observations for Typhoon Luosha using RTTOV and CRTM and the comparison

[J]. Acta Meteorologica Sinica201270(3):585-597

[本文引用: 1]

刘硕松董佩明韩威

RTTOV和CRTM对“罗莎”台风卫星微波观测的模拟研究与比较

[J]. 气象学报,201270(3):585-597

[本文引用: 1]

Wiedner M CPrigent CPardo J Ret al.

Modeling of passive microwave responses in convective situations using output from mesoscale models:Comparison with TRMM/TMI satellite observations

[J]. Journal of Geophysical Research,2004109(D6):D06214

[本文引用: 1]

Doherty A MSreerekha T RO"Keeffe U Met al.

Ice hydrometeor microphysical assumptions in radiative transfer models at AMSU-B frequencies

[J]. Quarterly Journal of the Royal Meteorological Society2007133(626):1 205-1 212

[本文引用: 1]

Surussavadee CStaelin D H.

Comparison of AMSU millimeter-wave satellite observations,MM5/TBSCAT predicted radiances,and electromagnetic models for hydrometeors

[J]. IEEE Transactions on Geoscience and Remote Sensing,200644(10):2 667-2 678

[本文引用: 1]

Wang GenZhang HuaYang Yin.

Research progress of quality control for AIRS data

[J]. Advances in Earth Science201732(2):139-150

[本文引用: 1]

王根张华杨寅.

高光谱大气红外探测器AIRS资料质量控制研究进展

[J]. 地球科学进展,201732(2):139-150

[本文引用: 1]

Amerault CZou X.

Preliminary steps in assimilating SSM/I brightness temperatures in a hurricane prediction scheme

[J].Journal of Atmospheric and Oceanic Technology,200320(8):1 154-1 169

[本文引用: 1]

Amerault CZou X.

Comparison of model-produced and observed microwave radiances and estimation of background error covariances for hydrometeor variables within hurricanes

[J]. Monthly Weather Review,2006134(3):745-758

[本文引用: 2]

Parrish D FDerber J C.

The national meteorological center’s spectral statistical-interpolation analysis system

[J]. Monthly Weather Review,1992120(8):1 747-1 763

[本文引用: 1]

Geer A JBauer P.

Observation errors in all-sky data assimilation

[J]. Quarterly Journal of the Royal Meteorological Society2011137(661):2 024-2 037

[本文引用: 1]

Minamide MZhang F.

Adaptive observation error inflation for assimilating all-sky satellite radiance

[J]. Monthly Weather Review,2017145(3):1 063-1 081

[本文引用: 1]

Kim M JJin JMcCarty Wet al

All-sky microwave radiance data assimilation in NASA GEOS-5 system:Developments,impacts,and future plans

[C]//20th Conference on Integrated Observing Assimilation Systems for the Atmosphere,Oceans,and Landsurface. New Orleans LA, 2016.

[本文引用: 1]

Guerbette JMahfouf J FPlu M.

Towards the assimilation of all-sky microwave radiances from the SAPHIR humidity sounder in a limited area NWP model over tropical regions

[J]. Tellus,201668. DOI:10.3402/tellusa.v68.28620.

[本文引用: 1]

Madhulatha AGeorge J PRajagopal E N.

All-sky radiance simulation of Megha-Tropiques SAPHIR microwave sensor using multiple scattering radiative transfer model for data assimilation applications

[J]. Journal of Earth System Science,2017126(2). DOI:10.1007/s12040-017-0805-3.

[本文引用: 1]

/