劉娟娟 徐蘭 成巍 王斌 鞏欣亞 鄧中仁 李亞云 狄迪

1 中國科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點實驗室, 北京 100029

2 中國科學(xué)院大學(xué), 北京100049

3 北京應(yīng)用氣象研究所, 北京100029

4 國家衛(wèi)星氣象中心, 北京 100081

5 南京信息工程大學(xué)大氣物理學(xué)院, 南京 210044

6 南京信息工程大學(xué)氣象災(zāi)害教育部重點實驗室/氣候與環(huán)境變化國際合作聯(lián)合實驗室, 南京 210044

7 許健民氣象衛(wèi)星創(chuàng)新中心, 北京 100081

1 引言

衛(wèi)星資料占據(jù)地球氣象信息觀測的主體，被廣泛應(yīng)用于世界各國的數(shù)值天氣預(yù)報（Numerical Weather Prediction，簡 稱NWP）業(yè) 務(wù) 和 研 究 中（鄭祚芳等, 2001; Liu and Barker, 2006; 董佩明等,2008）。而在各類星載觀測儀器中，紅外探測儀對預(yù)報的貢獻(xiàn)較大（ECMWF, 2020），世界氣象組織在2025 年全球觀測系統(tǒng)愿景中也指出，未來全球觀測系統(tǒng)應(yīng)至少有6 顆地球靜止衛(wèi)星及3 顆極軌衛(wèi)星，且都配備先進(jìn)的高光譜紅外探測儀（ECMWF,2014）。

高光譜紅外測深儀具有上千個通道，光譜分辨率高，可以精確地測量大氣溫度和濕度的垂直結(jié)構(gòu)信息?，F(xiàn)有的高光譜紅外大氣垂直探測儀包括：美國EOS-AQUA 搭載的大氣紅外探測儀（AIRS），有2378 個紅外探測通道，光譜范圍為650～2760 cm?1；歐洲METOP-A/B/C 搭載的紅外大氣探測干涉儀（IASI）, 有8461 個 紅 外 探 測 通 道, 光 譜 范 圍 為645～2760 cm?1；美國Suomi-NPP 搭載的跨軌紅外測深儀（CrIS），有1305 個通道，光譜范圍為650～1095 cm?1、 1210～1750 cm?1、 2155～2550 cm?1（McNally et al., 2006; Collard, 2007; Goldberg et al.,2013; Gong et al., 2018, 2019），我國目前有兩臺在軌星載紅外高光譜探測儀，分別為搭載于風(fēng)云三號D 星（FY-3D）的紅外高光譜大氣垂直探測儀（HIRAS），包含2275 個通道；以及風(fēng)云四號A星（FY-4A）搭載的干涉式大氣垂直探測儀（GIIRS），攜帶1650 個通道，光譜探測范圍為700～1130 cm?1、1650～2250 cm?1（Yang et al.,2017; 陸風(fēng)等, 2017; 狄迪, 2019; Fan et al., 2019; Yin et al., 2020）。除了GIIRS 外，其余探測儀器均搭載于極地軌道衛(wèi)星上，已經(jīng)被各大業(yè)務(wù)中心廣泛用于全球和區(qū)域數(shù)值預(yù)報模型中，并且大大改進(jìn)了中長期和短期數(shù)值天氣預(yù)報（Le Marshall et al., 2006;Schmit et al., 2009; Smith et al., 2009; 董 超 華 等,2013; Li et al., 2016; Menzel et al., 2018）。另外一些研究也發(fā)現(xiàn)，在對流尺度的區(qū)域模式中同化水汽吸收波段的輻射值，能夠調(diào)整模式水汽的水平和垂直分布（特別是在邊界層），從而對強(qiáng)風(fēng)暴（深層對流、龍卷風(fēng)）預(yù)報產(chǎn)生積極作用（Szyndel et al.,2005; Cintineo et al., 2016; Honda et al., 2018; Jones et al., 2018; Wang et al., 2018; Shen et al., 2021）。GIIRS 因為搭載在靜止軌道衛(wèi)星上，能提供時間連續(xù)的高光譜分辨率的大氣探測信息，在高影響天氣的監(jiān)測、預(yù)警和預(yù)報方面有廣闊的應(yīng)用前景。

變分同化要求觀測誤差和背景誤差都遵循無偏的高斯分布。對于目前主流的直接衛(wèi)星資料同化，需要利用輻射傳輸模式將預(yù)報模式背景場轉(zhuǎn)換為衛(wèi)星輻射率，但是由于輻射傳輸模式的不確定性、衛(wèi)星觀測存在誤差、插值誤差以及時間及地形的影響等，會導(dǎo)致模擬的數(shù)據(jù)和觀測的數(shù)據(jù)存在偏差，從而影響到數(shù)值預(yù)報的準(zhǔn)確性，因此如何減小這些偏差是同化衛(wèi)星資料時首先要解決的問題（Dee,2005; 薛紀(jì)善, 2009）。為了更好地開展偏差訂正工作，對于各類傳感器的偏差特征也已經(jīng)進(jìn)行了針對性的研究。結(jié)果表明，搭載于極軌衛(wèi)星和對地靜止衛(wèi)星上的傳感器資料的輻射偏差特征存在較大差異，而高光譜分辨率和低光譜分辨率的紅外大氣垂直探測儀的輻射偏差特征往往也不同（Eyre, 1992;Harris and Kelly, 2001; McNally et al., 2006; Collard and McNally, 2009; Li et al., 2019）。

本文重點研究的探測儀是目前國際上首臺搭載于靜止軌道的紅外高光譜探測儀GIIRS，其有特殊觀測特性、優(yōu)勢及偏差特征，為保障對該類觀測資料的有效利用，有必要對其進(jìn)行詳盡的偏差特征分析。Yin et al.（2020）利用GRAPES（全球/區(qū)域同化和預(yù)報系統(tǒng)）全球4DVar 對GIIRS 偏差進(jìn)行統(tǒng)計評估，發(fā)現(xiàn)長波溫度通道的偏差取決于視場（Field of View，簡稱FOV）和緯度分布，對流層上方通道偏差的日變化明顯，對流層高層通道的偏差小于對流層低通道的偏差，并采用離線偏差訂正（offline）的方法對其進(jìn)行了偏差訂正。然而，該研究主要分析了對二氧化碳敏感的前120 條溫度探測通道，尚未考慮對水汽敏感的中波紅外通道（1650～2250 cm?1）。衛(wèi)星的水汽通道觀測往往可以很好得彌補(bǔ)常規(guī)觀測資料對濕度的觀測能力不足的空缺，是提高濕度場模擬效果的有利條件，例如TIROS-N Operational Vertical Sounder（TOVS）的水汽通道、Advanced Microwave Sounding Unit-B（AMSU-B）探測器和Microwave Humidity Sounder（MHS）探測器資料的使用改善了NWP 中濕度分析場和預(yù)報場的模擬效果（Eyre et al., 1993; Karbou et al., 2005; Liu et al., 2012; Newman et al., 2015）。Xu et al.（2016）采用3DVar 方法同化FY-3B 的微波濕度計（MWHS）資料，對高于850 hPa 的比濕預(yù)報具有明顯的正效果，并且能夠較好得調(diào)整臺風(fēng)的初始位置和動力結(jié)構(gòu)，產(chǎn)生更好的軌跡、強(qiáng)度和降水預(yù)報結(jié)果。新的高光譜紅外探測儀在水汽區(qū)域擁有更好的光譜分辨率，更有利于改善對水汽的分析。Jung et al.（2009）認(rèn)為高光譜紅外探測儀（例如AIRS 和IASI）水汽通道同化的難點在于水汽通道亮溫和Jacobian 矩陣的非線性，變分同化迭代過程中水汽通道亮溫偏差存在周期性波動，導(dǎo)致極小化迭代難以收斂或迭代失?。ńp龍和王根,2017）。因此，為充分利用GIIRS 探測資料改善模式水汽預(yù)報，針對GIIRS 水汽通道的偏差分析、偏差訂正以及新的水汽通道亮溫同化算法的構(gòu)建工作仍有待開展研究。本文將基于區(qū)域天氣預(yù)報模式WRF 及其同化系統(tǒng)WRFDA 對GIIRS 通道特征進(jìn)行全景分析，為WRFDA 同化GIIRS 提供通道選擇和偏差訂正的思路。

本文的章節(jié)安排如下：第二部分簡單介紹模式信息和觀測數(shù)據(jù)；第三部分描述了GIIRS 偏差特征，包括日變化、隨掃描陣列的空間分布特征以及偏差與觀測亮溫大小和衛(wèi)星天頂角的關(guān)系；第四部分介紹了偏差訂正試驗，并分析了偏差訂正的效果；最后在第五部分中進(jìn)行了總結(jié)與討論。

2 模式與觀測數(shù)據(jù)

2.1 數(shù)值模式及同化系統(tǒng)

本文研究采用美國國家環(huán)境預(yù)報中心（NCEP）、美國國家大氣研究中心（NCAR）以及多個科研和業(yè)務(wù)部門共同開發(fā)的中尺度天氣預(yù)報模式WRF（Weather Research and Forecasting Model）及其資料同化系統(tǒng)WRFDA，該同化系統(tǒng)包含了3DVar、4DVar、ETKF 以及Hybrid-3DVar 等多種同化方法，能夠同化多源觀測資料。輻射傳輸模式采用歐洲中期天氣預(yù)報中心（ECMWF）開發(fā)的快速輻射傳輸模式（RTTOV），RTTOV v7 以后的版本能夠模擬紅外高光譜衛(wèi)星探測資料，實現(xiàn)高光譜的直接同化。本文所有試驗基于WRFDA v3.9.1 和RTTOV v11.3 完成，試驗使用的地表發(fā)射率計算方案為RTTOV 模式自帶的地表發(fā)射率計算模塊（Sherlock,1999; Borbas et al., 2010; 劉樂和李耀東, 2016）。使用NCEP 全球預(yù)報系統(tǒng)（GFS）00:00（協(xié)調(diào)世界時，下同）、06:00、12:00 和18:00 時次的分析數(shù)據(jù)（水平分辨率為0.5°×0.5°）作為模式背景場輸入（ftp://ftp.ncep.noaa.gov/pub/data/nccf/com/gfs/prod[2021-02-20]），對GIIRS 觀測進(jìn)行偏差分析。

2.2 GIIRS 觀測數(shù)據(jù)及質(zhì)量控制

GIIRS 干涉式大氣紅外高光譜探測儀包含689個LWIR 通道（700～1130 cm?1），961 個MWIR 通道（1650～2250 cm?1），最高光譜分辨率為0.625 cm?1，星下點分辨率為16 km。自2019 年4 月調(diào)整觀測模式至今，GIIRS 主要觀測范圍為中國區(qū)及其周邊區(qū)域（3°～55°N，66°～144°E），觀測模式為從北向南包含7 條掃描線，每15 分鐘完成一條掃描線探測，每15 分鐘的10～15 分鐘為觀測定位定標(biāo)時間，每2 個小時完成一次整個區(qū)域的掃描，且每天16:00～19:00 不安排觀測任務(wù)。

本試驗中，GIIRS 觀測數(shù)據(jù)時間范圍是2019年6 月1～30 日與2020 年8 月1～31 日，每日選取4 個時次（00:00、06:00、12:00 和18:00）的觀測數(shù)據(jù)進(jìn)行分析。其中，00:00 的觀測數(shù)據(jù)實際上包括00:00～01:45 之間的觀測，06:00 和12:00 類似，18:00 實際僅包含19:00～19:45 之間3 條掃描線的觀測數(shù)據(jù)。GIIRS 儀器于2019 年底改進(jìn)了定標(biāo)算法，本文分別選取2019 年與2020 年各一個月的數(shù)據(jù)進(jìn)行分析，有利于比較定標(biāo)前后的數(shù)據(jù)差異，對數(shù)據(jù)的正確應(yīng)用具有很重要的意義。另外，因為本研究中使用的GIIRS 儀器系數(shù)采用了Hamming切趾處理（狄迪, 2019），進(jìn) 入WRFDA 同化的GIIRS 資料也相應(yīng)作了切趾處理。Hamming 切趾處理即利用Hamming 函數(shù)來消除Sinc 型函數(shù)模型模擬干涉儀通道光譜響應(yīng)函數(shù)帶來的旁瓣干擾。

紅外遙感不能穿透云層，只能探測到云頂?shù)男畔?，且輻射傳輸模式對云區(qū)紅外探測器通道亮溫模擬精度不高，因此本文對GIIRS 視場做了云檢測，剔除受云影響的視場。本文利用同一衛(wèi)星平臺上的多通道掃描成像輻射計（Advanced Geosynchronous Radiation Imager，簡稱AGRI）云掩膜產(chǎn)品（Cloud Mask，簡稱CLM； Min et al., 2017）嚴(yán)格匹配到GIIRS 的視場，從而獲得GIIRS 視場云覆蓋情況。GIIRS 和AGRI 的空間視場匹配方法如下：由于AGRI 的星下空間分辨率是4 km，在均一視場條件下，根據(jù)經(jīng)緯度信息對每個GIIRS 的視場匹配了最鄰近的5×5 個AGRI 像元云掩膜產(chǎn)品，由此得到匹配后的GIIRS 視場的云檢測結(jié)果（Gong et al.,2018, 2019）。同時考慮到云移動發(fā)展變化快，時間匹配上要求兩臺儀器觀測時間差在15 分鐘間隔以內(nèi)。圖1 給出GIIRS 匹配后的晴空視場以及AGRI 云產(chǎn)品的晴空視場分布，可以看出在共同的掃描范圍內(nèi)，兩者的晴空區(qū)域匹配較好。因此基于AGRI 的云檢測結(jié)果可以有效地提取GIIRS 的晴空視場。

圖1 2019 年6 月1 日00:00（協(xié)調(diào)世界時，下同）（a）多通道掃描成像輻射計（AGRI）云掩膜產(chǎn)品（CLM） 和（b）干涉式大氣紅外高光譜探測儀（GIIRS）云檢測的晴空視場分布。圖紅色和藍(lán)色的圓點（即CLM=100% clear）代表該視場（Fields of View，簡稱FOV）云檢測結(jié)果為完全晴空Fig.1 Clear sky spatial distribution of (a) AGRI (Advanced Geosynchronous Radiation Imager) cloud mask products and (b) cloud detection results of the GIIRS (Geostationary Interferometric Infrared Sounder) at 0000 UTC on 1 June 2019. Red and blue dots in (a) and (b) represent the fields of view (FOV) with cloud mask products of 100% clear

另外，分析發(fā)現(xiàn)2019 年6 月的觀測亮溫在個別時次存在異常觀測條帶噪聲的現(xiàn)象，數(shù)據(jù)發(fā)布時給出的異常數(shù)據(jù)標(biāo)示碼（pclk）可以對這個問題進(jìn)行部分剔除（圖2a）。在2019 年底，國家衛(wèi)星氣象中心調(diào)整了GIIRS 定標(biāo)算法，極大地改進(jìn)了GIIRS觀測數(shù)據(jù)質(zhì)量，GIIRS 觀測異常條帶現(xiàn)象明顯減少，pclk 標(biāo)識對異常值也有較好的指示，但是仍存在少量異常情況（圖2b）。為了不影響同化精度和效果，需通過質(zhì)量控制（本文通過pclk 標(biāo)識與三倍標(biāo)準(zhǔn)差方法相結(jié)合進(jìn)行質(zhì)量控制）對異常觀測數(shù)據(jù)進(jìn)行剔除。

3 GIIRS 偏差特征

3.1 偏差的整體特征

本文分別對2019 年6 月1～30 日及調(diào)整定標(biāo)算法后2020 年8 月1～31 日的偏差進(jìn)行統(tǒng)計，圖3分別展示了兩個時間段的GIIRS 1650 個通道的總體偏差特征。從圖3a 中可以看出，2019 年6 月長波紅外通道的偏差和標(biāo)準(zhǔn)差普遍小于中波紅外通道，長波紅外通道偏差在6 K 內(nèi)震蕩，多集中在?4～0 K之間，大多數(shù)通道的標(biāo)準(zhǔn)差在3 K 左右；中波紅外通道偏差多集中在?4～10 K 之間，標(biāo)準(zhǔn)差在4～6 K左右。另外，在GIIRS 的1650 條通道中還存在一定的受污染的通道，其中通道29～70、通道500～600、通道690～900 的偏差和標(biāo)準(zhǔn)差都大于其它的通道，在通道選擇時受污染的通道均不考慮。

2020 年8 月GIIRS 總體偏差特征如圖3b，改進(jìn)定標(biāo)算法后GIIRS 的數(shù)據(jù)質(zhì)量明顯提高，2020年8 月中波和長波通道的偏差和標(biāo)準(zhǔn)差相對于2019 年6 月均有明顯的改善。長波紅外通道偏差主要為?2 K 以內(nèi)的負(fù)偏差，大多數(shù)通道的標(biāo)準(zhǔn)差在2～4 K 之間；中波紅外通道偏差多集中在?4～5 K之間，標(biāo)準(zhǔn)差在2～5 K 之間。另外，2020 年8 月，GIIRS 的1650 條通道中也存在一定的受污染的通道，受污染的波段范圍與2019 年6 月結(jié)果類似，但是受污染通道的偏差和標(biāo)準(zhǔn)差也明顯減?。ㄓ绕鋵νǖ?00～800 的水汽通道而言，改進(jìn)十分明顯）。

圖4 進(jìn)一步給出了2020 年8 月長波紅外通道1～120 的偏差和標(biāo)準(zhǔn)差分布特征（2019 年6 月結(jié)果類似），圖4a 為剔除異常的衛(wèi)星數(shù)據(jù)后通道1～120 的偏差和標(biāo)準(zhǔn)差統(tǒng)計結(jié)果，從圖4a 可以看出前120 條通道中未受污染的通道偏差均值在?2～0 K 之間震蕩。受污染的通道主要有通道35～60，這些通道的偏差和標(biāo)準(zhǔn)差明顯大于其他通道，偏差和標(biāo)準(zhǔn)差的最大值分別能夠達(dá)到?10 K 和7 K。該結(jié)果與Yin et al.（2020）采用GRAPES 全球4DVar 進(jìn)行評估的結(jié)果整體基本一致。圖4b 為剔除異常的衛(wèi)星數(shù)據(jù)后通道1186～1305 的偏差和標(biāo)準(zhǔn)差統(tǒng)計結(jié)果，偏差在?4～4 K 之間，標(biāo)準(zhǔn)差在3 K 左右。水汽通道的偏差整體比溫度通道（剔除受污染通道后）偏大，水汽通道的偏差特征存在通道差異，但是標(biāo)準(zhǔn)差通道間差異小，這種特征增加了水汽通道偏差訂正和同化的難度，但利用此特征一定程度上有利于水汽通道的篩選。

圖2（a）2019 年6 月3 日00:00 與（b）2020 年8 月3 日00:00 使用異常數(shù)據(jù)標(biāo)示碼（pclk）標(biāo)識剔除異常值后通道6 的觀測亮溫分布（單位：K）。缺少的FOV 代表pclk 標(biāo)識剔除的異常FOVFig.2 Spatial distribution of the observed brightness temperature (units: K) of channel 6 after excluding the outliers using pclk marking at (a) 0000 UTC on 3 June 2019 and (b) 0000 UTC on 3 August 2020. The missing FOV represents the excluded outliers by pclk

圖4 2020 年8 月剔除觀測異常后部分（a）長波通道及（b）中波通道O?B 的偏差（紅色）和標(biāo)準(zhǔn)差（藍(lán)色）的一個月統(tǒng)計結(jié)果，單位: K。紅色輔助線代表偏差為0 KFig.4 Statistical results of the bias (units: K, red lines) and standard deviation (STD, units: K, blue lines) between the observed and simulated brightness temperature (O?B) in August 2020 (a) in part of LWIR (long-wave infrared) channels with the elimination of the anomaly observation, (b)in part of MWIR (middle-wave infrared) channels with the elimination of the anomaly observation, units: K. The red auxiliary line denotes the O?B bias at 0 K

圖3（a）2019 年6 月和（b）2020 年8 月GIIRS 通道O?B（觀測亮溫減去模擬亮溫）的偏差（紅色）和標(biāo)準(zhǔn)差（藍(lán)色）的一個月統(tǒng)計結(jié)果，單位：K。粉色陰影為CO2 吸收波段；灰色陰影為窗區(qū)和O3 吸收波段；綠色陰影為H2O 吸收波段；黃色陰影為CO2 和N2O 吸收波段，紅色輔助線代表偏差為0 KFig.3 Statistical results of the bias (units: K, red lines) and standard deviation (STD, units: K, blue lines) between the observed and simulated brightness temperature (O?B) in all channels in (a) June 2019 and (b) August 2020. The pink shade denotes the CO2 band; the gray shade denotes the window and the O3 band; the green shade denotes the H2O band; the yellow shade denotes the CO2 and N2O bands; the red auxiliary line denotes the O?B bias at 0 K

GIIRS 儀器光譜分辨率高，共有1650 個通道同時觀測大氣，如使用所有通道進(jìn)行同化，一方面會增加計算成本，另一方面因臨近的通道之間存在相關(guān)性，會增大觀測誤差矩陣的不確定性，再加上實際探測通道中包含許多受污染的通道（即偏差很大的通道），所以實際同化應(yīng)用中需要對GIIRS儀器進(jìn)行通道選擇。本文綜合采用閾值法與改進(jìn)的信息熵迭代法（狄迪, 2019; Di et al., 2021）進(jìn)行GIIRS 同化通道的篩選，且由于本研究使用的GIIRS 輻射傳輸模式系數(shù)采用了Hamming 切趾處理（Di et al., 2018），Hamming 切趾處理增大了臨近通道的相關(guān)性，因此本研究進(jìn)行通道選擇時僅保留相鄰兩個通道中偏差較小的通道。按照這些規(guī)則，2019 年6 月篩選出偏差絕對值小于2 K，標(biāo)準(zhǔn)差小于4 K 的通道，共計268 個通道。另外，2020 年8 月的數(shù)據(jù)由于偏差和標(biāo)準(zhǔn)差均有提升，因此篩選偏差絕對值小于1 K，標(biāo)準(zhǔn)差小于3 K 的通道，篩選出292 條通道如表1 所示。2019 年6 月（2020年8 月）篩選出的268（292）條通道中，長波通道偏差標(biāo)準(zhǔn)差均值為2.99 K（2.41 K），中波通道偏差標(biāo)準(zhǔn)差均值為3.80 K（2.63 K），這也證明了長波通道的標(biāo)準(zhǔn)差小于中波通道。

表1 選定的292 條GIIRS 通道Table1 292 selected GIIRS channels

利用標(biāo)準(zhǔn)廓線計算GIIRS 所有通道的亮溫及Jacobian 分布情況，圖5 展示了所選通道的模擬亮溫分布及Jacobian 分布情況。Jacobian 矩陣表征的是，在不同垂直高度層的大氣參數(shù)或云參數(shù)或地表參數(shù)的單位擾動導(dǎo)致的每個通道輻射率/亮溫的變化。對于某個指定的通道，Jacobian 矩陣能夠清楚地顯示出該通道對哪一高度層的溫度/水汽的變化最敏感。從圖5b 可以看出，挑選出的長波通道基本能夠覆蓋各個探測高度。從圖5c 可以看出本文所選水汽通道主要可用于探測400～1000 hPa 高度層的大氣水汽，但所選通道基本不具備對200～400 hPa 水汽的探測能力。這主要是由于GIIRS 儀器的690～900 通道（探測高度為200～400 hPa）受污染比較嚴(yán)重（圖3）。

圖5（a）GIIRS 通道的模擬亮溫分布（單位：K）及挑選出的（b）長波通道的Jacobian（dTb dT?1, 單位：K K?1）和（c）中波通道的Jacobian（dTb dlnq?1, 單位：K [ln(g kg?1)] ?1）的垂直分布。（a）中黑色實線代表所有通道的模擬亮溫分布，藍(lán)色圓點代表挑選出的通道的模擬亮溫分布，陰影部分含義與圖3 一致；（b）中加粗了通道6 和121 的Jacobian 分布；（c）中加粗了通道942 和1286 的Jacobian 分布Fig.5 (a) Simulated bright temperature distribution of the GIIRS, units: K, and the vertical distribution of the Jacobian in selected (b) LWIR (dTb dT?1, units: K K?1) and (c) MWIR (dTb dlnq?1, units: K [ln(g kg?1)] ?1 channels. The black lines represent the simulated brightness temperature in all channels, blue dots represent the simulated brightness temperature in selected channels, the colorful shade in Fig 5a have the same meaning as in Fig.3;the Jacobian of channels 6 and 121 is bold in Fig 5b; the Jacobian of channels 942 and 1286 is bold in Fig 5c

本文將從偏差的日變化，偏差與掃描位置、觀測亮溫大小、衛(wèi)星天頂角的關(guān)系這四個方面來分析GIIRS 的偏差分布特征。由于2020 年重新定標(biāo)后GIIRS 觀測數(shù)據(jù)質(zhì)量更高且更能夠代表數(shù)據(jù)目前的實際情況，因此后文以2020 年8 月的結(jié)果為代表進(jìn)行分析。

3.2 偏差的日變化特征

本文選取兩個長波通道6 和121，兩個中波通道942 和1286 進(jìn)行詳細(xì)的偏差分析。探測高度（表現(xiàn)為通道對某一高度層大氣變化更為敏感）相似的通道有類似的偏差特征，因此本文僅選取4 條探測高度不同的溫度和水汽敏感通道進(jìn)行具體分析。其中通道6 和通道121 是長波溫度通道，權(quán)重函數(shù)峰值分別在對流層高層（300 hPa 左右）和對流層低層（低于900 hPa）；通道942 和通道1286 是中波水汽通道，權(quán)重函數(shù)峰值在對流層中低層（分別在400～500 hPa 及700～850 hPa 之間）。圖6、圖7為剔除2.2 節(jié)中提到的觀測異常點后，偏差和標(biāo)準(zhǔn)差隨時間變化情況及每個通道4 個時次（00:00、06:00、12:00 和18:00）的偏差和標(biāo)準(zhǔn)差的統(tǒng)計結(jié)果。從圖6 和圖7 中可以看到四個通道都存在弱的日變化，長波通道6 與121 相對明顯一些。從00:00～12:00，4 個通道的偏差似乎存在“增暖”現(xiàn)象，從12:00～18:00，4 個通道的偏差存在“變冷”現(xiàn)象。具體而言，對于通道6、942、1286，原本00:00 呈現(xiàn)的冷偏差到12:00 已發(fā)展為暖偏差，到18:00 又變?yōu)槔淦?；對于通?21，原本00:00 的冷偏差到12:00 也明顯減弱，到18:00 冷偏差又增強(qiáng)。

圖6 2020 年8 月各通道O?B 偏差（單位：K，紅色）及標(biāo)準(zhǔn)差（單位：K，藍(lán)色）的一個月時間序列：（a）通道6；（b）通道121；（c）通道942；（d）通道1286Fig.6 Time series of the bias (units: K, red lines) and standard deviation (STD, units: K, blue lines) between the observed and simulated brightness temperature (O?B) in August 2020 in channels (a) 6, (b) 121, (c) 942, and (d) 1286

圖7 2020 年8 月00:00、06:00、12:00 和18:00 各通道O?B 的偏差（單位：K，紅色）及標(biāo)準(zhǔn)差（單位：K，藍(lán)色）的一個月統(tǒng)計結(jié)果：（a）通道6；（b）通道121；（c）通道942；（d）通道1286Fig.7 Statistical results of the bias (units: K, red bars) and standard deviation (STD, units: K, blue bars) between the observed and simulated brightness temperature (O?B) of 0000 UTC, 0600 UTC, 1200 UTC, and 1800 UTC in August 2020 in channels (a) 6, (b) 121, (c) 942, and (d) 1286

3.3 偏差與掃描陣列的關(guān)系

GIIRS 在其觀測區(qū)域采用4×32 的大陣列/多探元進(jìn)行高頻次掃描觀測，每個探元都提供一組GIIRS 全波段的觀測結(jié)果（Yin et al., 2020）。如圖8 所示，GIIRS 共攜帶有4 列探元，每列從北到南有32 個探元，每個探元探測16 km×16 km 的范圍，且每列探元間相隔8 km。

圖8 GIIRS 觀測區(qū)域掃描陣列探元分布（框中數(shù)值代表探元編號）Fig.8 Positions and north–south pixel numbers of the GIIRS FOV in a single field-of-regard(the value in the boxes represents the number of detectors)

本文基于30 天的O?B 結(jié)果，針對每個通道進(jìn)一步細(xì)化,分析其掃描陣列偏差特征。圖9 分別給出了溫度通道6 和121，水汽通道942 和1286 的隨掃描陣列變化的偏差以及標(biāo)準(zhǔn)差分布。結(jié)果表明，溫度通道偏差的絕對值在中間陣列（每條掃描線中編號為15～17 的探元）較小，南北兩側(cè)（每條掃描線中編號為32 和1 前后的探元）的絕對值普遍較大（圖9a 和c）。這與衛(wèi)星陣列探測定標(biāo)精度一致，中間陣列往往比兩邊精度更高。但是，水汽通道942 中間陣列的偏差反而更大（圖9e），該通道中間陣列（15～17）偏差絕對值大于兩邊陣列（5～8 和25～28），但是通道942 的標(biāo)準(zhǔn)差在中間陣列最小，可以說明中間陣列的探測仍是穩(wěn)定可信的，之所以偏差大，可能是這個低層水汽通道存在一個系統(tǒng)性的冷偏差，這種冷偏差在水汽通道1286 中也存在，只是強(qiáng)度弱一些。

另外，溫度通道標(biāo)準(zhǔn)差比較平緩，但是個別通道在兩側(cè)陣列會存在一些標(biāo)準(zhǔn)差異常偏大的掃描位置（例如通道6 較為明顯）。相對而言，水汽通道的標(biāo)準(zhǔn)差普遍比溫度通道大，且中間掃描陣列與南北兩側(cè)掃描陣列的偏差差異更大，因此水汽資料的偏差訂正工作更難。

GIIRS 分7 個子區(qū)域進(jìn)行掃描，可以進(jìn)一步分析陣列偏差是否會隨緯度變化而變化。圖10 統(tǒng)計了一個月內(nèi)在0.5°×0.5°的網(wǎng)格內(nèi)的偏差及標(biāo)準(zhǔn)差的區(qū)域分布。從圖中可以看到，4 個通道的偏差呈現(xiàn)隨緯度的條帶狀分布，其中高層通道更為明顯，例如通道6 和942，條帶之間的邊界分別在8°N、10°N、13°N、18°N、22°N、30°N 和36°N，這和7 個子區(qū)域很好地對應(yīng)。低層探測通道的偏差空間上條帶分布規(guī)律相對不明顯，主要是因為較低層通道偏差有明顯的地形特征（如圖10c 和g），從圖10可以看到青藏高原的冷偏差明顯，高原東側(cè)暖偏差明顯，這些偏差甚至超過陣列兩端視場的探測偏差。中波通道標(biāo)準(zhǔn)差的條帶狀分布（圖10f 和h）相對于長波通道（圖10b 和d）更加明顯，這主要是因為中波通道中間陣列與南北兩側(cè)陣列的偏差標(biāo)準(zhǔn)差相差更大，這與圖9 結(jié)果一致。所以進(jìn)行GIIRS同化時必須重點對陣列偏差進(jìn)行訂正，而對于高原及復(fù)雜地形區(qū)，低層通道受地面影響更敏感，在這些地區(qū)用好衛(wèi)星資料還需開展更多研究工作。

圖9 2020 年8 月通道（a、b）6、（c、d）121、（e、f）942 和（g、h）1286 O?B 偏差（左列；單位：K）和標(biāo)準(zhǔn)差（右列；單位：K）與陣列的關(guān)系（Col 1～4 代表從西到東的4 列掃描陣列）Fig.9 Dependence of the bias (units: K; left column) and standard deviation (STD, units: K; right column) between the observed and simulated brightness temperature (O?B) in August 2020 in channels (a, b) 6, (c, d) 121, (e, f) 942, and (g, h) 1286. Cols 1–4 represent the 4 scanning positions from west to east

圖10 2020 年8 月通道（a、b）6、（c、d）121、（e、f）942 和（g、h）1286 O?B 偏差（左列，單位：K）和標(biāo)準(zhǔn)差（右列，單位：K）的空間分布Fig.10 Spatial distribution characteristics of the bias (left column; units: K) and standard deviation (right column; units: K) between the observed and simulated brightness temperature (O?B) in August 2020 in channels (a, b) 6, (c, d) 121, (e, f) 942, and (g, h) 1286

3.4 偏差與觀測亮溫值的關(guān)系

GIIRS 是紅外探測器，采用星上定標(biāo)的方式，熱源為儀器中的黑體，冷源為太空，而定標(biāo)的非線性問題會導(dǎo)致不同通道對目標(biāo)物探測輻射標(biāo)定存在偏差（Saunders et al., 2013; Zou et al., 2016; 耿曉雯等, 2020）。本文通過統(tǒng)計觀測亮溫值和O?B 偏差之間的相關(guān)性來判斷GIIRS 是否存在明顯的定標(biāo)問題。參考前人的研究方法，統(tǒng)計了觀測亮溫值間隔0.5 K 和偏差間隔0.5 K 范圍內(nèi)的觀測頻數(shù)和相關(guān)系數(shù)。

通道6、121、942、1286 的結(jié)果如圖11 所示，幾乎所有通道的偏差和觀測亮溫值之間存在正相關(guān)。無論溫度通道和水汽通道，或者高層或底層通道，兩者的相關(guān)性都十分高。溫度通道6 的觀測亮溫值多集中在225 K 左右，偏差和觀測亮溫值相關(guān)性達(dá)到了0.97，而通道121 的觀測亮溫值多集中在285 K左右，偏差和觀測亮溫值相關(guān)性達(dá)到了0.86。水汽通道942 的觀測亮溫值多集中在250～260 K 左右，偏差和觀測亮溫值相關(guān)性達(dá)到了0.90，而通道1286 的觀測亮溫值多集中在270～290 K 左右，偏差和觀測亮溫值相關(guān)性達(dá)到了0.92。但2019 年高、低層通道觀測模擬偏差與觀測亮溫值相關(guān)性存在一定差異，高層相關(guān)性高，低層相關(guān)性稍低。重新定標(biāo)后修正了一些數(shù)據(jù)問題，使得觀測亮溫值對偏差的影響更顯著。

圖11 2020 年8 月通道（a）6、（b）121、（c）942 和（d）1286 O?B 偏差（單位：K）和觀測亮溫值（單位：K）的關(guān)系（Cor 代表相關(guān)系數(shù)，陰影代表觀測數(shù)量）Fig.11 Dependence of the bias (units: K) between the observed and simulated brightness temperature (O?B) in August 2020 in channels (a) 6, (b)121, (c) 942, and (d) 1286 on the value of observed brightness temperature (OBS, units: K). Cor represents the correlation coefficient; observation counts are shaded

3.5 偏差與衛(wèi)星天頂角的關(guān)系

O?B 偏差與衛(wèi)星天頂角也存在一定相關(guān)性，本文通過統(tǒng)計O?B 偏差間隔0.5 K 和衛(wèi)星天頂角間隔1°范圍內(nèi)的觀測頻數(shù)來研究兩者的相關(guān)關(guān)系，并且計算了衛(wèi)星天頂角和O?B 偏差之間的相關(guān)系數(shù)。從圖12 可以看出, 無論溫度通道和水汽通道，或者高層或低層通道，偏差與衛(wèi)星天頂角不存在明顯線性相關(guān)。除了高層通道，其它通道天頂角在45 度以上時，偏差的離散度明顯增大，加大了偏差訂正的難度。

圖12 2020 年8 月通道（a）6、（b）121、（c）942 和（d）1286 O?B 偏差（單位：K）和衛(wèi)星天頂角的關(guān)系（Cor 代表相關(guān)系數(shù)，陰影代表觀測數(shù)量）Fig.12 Dependence of the bias (units: K) between the observed and simulated brightness temperature (O?B) in August 2020 in channels (a) 6,(b) 121, (c) 942, and (d) 1286 on the satellite zenith angle (units: °). Cor represents the correlation coefficient; observation counts are shaded

4 偏差訂正試驗及結(jié)果分析

4.1 試驗設(shè)置

從前文對GIIRS 的偏差特征分析可以看出，偏差的日變化和偏差與衛(wèi)星天頂角的關(guān)系相對較弱，而與衛(wèi)星的觀測亮溫值及衛(wèi)星的掃描陣列位置有關(guān)的偏差相關(guān)性較大。偏差與觀測亮溫值之間的關(guān)系為簡單的線性關(guān)系，可以通過離線偏差訂正對偏差與觀測亮溫值的關(guān)系進(jìn)行訂正。為了同化系統(tǒng)使用的普適性，本文采用在線偏差訂正（VarBC）的方法，用與掃描陣列相關(guān)的預(yù)報因子對所有篩選出的通道進(jìn)行偏差訂 正（Dee, 2004; Auligné et al., 2007）。VarBC 的偏差訂正系數(shù)迭代與變分同化的極小化迭代同時進(jìn)行，代價函數(shù)為

其中，x代表大氣狀態(tài)矢量， β代表在線偏差訂正系數(shù)，xb代 表背景場，y代 表觀測，Bx、Bβ、R分別代表x、 β、y的 誤差協(xié)方差矩陣。為偏差訂正后的觀測算子，即：

本文選取的在線訂正的因子為掃描陣列位置的一次方、二次方、三次方以及常數(shù)項。即p0為常數(shù)項1，p1為 掃描陣列位置的一次方，p2為掃描陣列位置的二次方，p3為 掃描陣列位置的三次方， βi會隨著同化迭代過程中自動更新。其中，常數(shù)項預(yù)報因子可以訂正O?B 偏差與觀測亮溫值之間的線性相關(guān)性。

本文分別設(shè)計了2019 年6 月1～7 日及2020年8 月1～7 日00:00、06:00、12:00 和18:00 四個時次的偏差訂正試驗。利用WRF 模式（包括WRFDA V3.9.1 及RTTOV V11.3），模式模擬的區(qū)域為（5°～35°N，90°～130°E），格距為9 km，選擇相應(yīng)時次0.5°×0.5° 分辨率的GFS 分析場作為背景場，采用3DVar 方法進(jìn)行同化。2019 年與2020 年分別設(shè)計了兩組試驗，第一組試驗不進(jìn)行偏差訂正，第二組進(jìn)行在線偏差訂正，并對兩組試驗進(jìn)行同化分析。

4.2 偏差訂正結(jié)果

圖13 分別給出了2019 年與2020 年兩組試驗的偏差，藍(lán)線和紅線分別代表未進(jìn)行偏訂正和訂正后的結(jié)果。2019 年6 月挑選出的268 條通道中，未進(jìn)行VarBC 偏差訂正的模擬偏差集中在±0.8 K范圍內(nèi)。因為同化只能修正隨機(jī)誤差，無法修正偏差信息，所以同化后268 條通道的觀測亮溫與未進(jìn)行VarBC 偏差訂正的分析亮溫（O?A）的偏差仍然存在。采用VarBC 偏差訂正后，所有通道的模擬偏差基本小于0.15 K，所有同化后分析偏差也得到明顯改進(jìn)。2020 年8 月挑選出的293 條通道中，未進(jìn)行VarBC 偏差訂正的模擬偏差集中在±0.3 K范圍內(nèi)；采用VarBC 偏差訂正后，所有通道的模擬偏差基本小于0.1 K，所有同化后分析偏差也得到明顯改進(jìn)。同時，對比圖12a 和b 可以看出，2020 年8 月未進(jìn)行偏差訂正的同化試驗O?B 與O?A 的偏差整體比2019 年6 月未進(jìn)行偏差訂正的同化試驗的結(jié)果小得多，進(jìn)一步證明了重新定標(biāo)后GIIRS 觀測數(shù)據(jù)質(zhì)量的提高。雖然偏差訂正中僅考慮了掃描陣列作為偏差訂正的預(yù)報因子，但是訂正效果比較好，對定標(biāo)算法調(diào)整前后的數(shù)據(jù)都適用，不但將O?B 的系統(tǒng)性誤差（偏差）很好地訂正，而且進(jìn)行偏差訂正后同化，O?A 的系統(tǒng)性誤差也能夠很好地訂正，說明掃描陣列是影響GIIRS 偏差分布的一個主要因素。

圖13 2019 年6 月（左列）和2020 年8 月（右列）挑選出的通道觀測分別與（a、b）背景場、（c、d）分析場的模擬偏差，單位：K。紅色和藍(lán)色分別代表進(jìn)行VarBC 偏差訂正和未進(jìn)行VarBC 偏差訂正的結(jié)果Fig.13 Bias in June 2019 (a) between the observed and simulated background brightness temperature (O?B, units: K) and (c) between the observed and analysis brightness temperature (O?A, units: K). Bias in August 2020 (b) between the observed and simulated background brightness temperature(O?B, units: K) and (d) between the observed and analysis brightness temperature (O?A, units: K) in all selected channels (Red lines represent the results with VarBC; blue lines represent the results without VarBC)

5 總結(jié)與討論

GIIRS 作為國際上第一臺搭載于靜止衛(wèi)星上的高光譜紅外探測儀，具有重要的科研價值和廣泛的應(yīng)用前景。本文利用WRFDA v3.9.1（包括RTTOV v11.3）和GFS 分析場數(shù)據(jù)研究了GIIRS 長波和中波通道的偏差分布特征，并進(jìn)行了偏差訂正試驗。

從偏差分布來看：（1）長波通道偏差和標(biāo)準(zhǔn)差略小于中波通道，中波通道中存在較多受污染的通道；（2）不同通道的日變化特征不同，位于對流層中高層的長波通道日變化較明顯，而中波通道偏差的離散度大，沒有明顯的日變化；（3）所有篩選通道的偏差都與衛(wèi)星的掃描陣列有關(guān)，尤其高層通道的偏差水平分布呈現(xiàn)明顯的條帶狀，然而隨著通道探測高度的下降，偏差水平分布的條帶狀規(guī)律越來越不明顯，主要是因為低層通道偏差有明顯的地形特征，這些偏差甚至超過陣列兩端視場的探測偏差；（4）幾乎所有通道的偏差和觀測亮溫值之間存正相關(guān)，且所有通道相關(guān)性都能達(dá)到0.9 左右，而長波和中波通道與衛(wèi)星天頂角基本不相關(guān)。總體而言，偏差與日變化和衛(wèi)星天頂角的關(guān)系不是很明顯，而所有通道的偏差都與觀測亮溫值及衛(wèi)星的掃描陣列有關(guān)，且陣列位置引起的偏差水平分布也很顯著。

因陣列偏差顯著，本文采用陣列位置作為預(yù)報因子對所有篩選出的通道進(jìn)行在線偏差訂正。結(jié)果表明訂正后所有通道O?B 和O?A 的系統(tǒng)性誤差（偏差）都變小，說明掃描位置是影響GIIRS 偏差分布的一個主要因素。

本文利用閾值法初步選取了超過兩百條通道，后續(xù)在此基礎(chǔ)上，可以通過各通道同化后分析誤差的減小情況、對預(yù)報效果的改進(jìn)情況進(jìn)行有針對性的通道挑選。由于在高原及復(fù)雜地形區(qū)，低層通道受地面影響更敏感，在這些地區(qū)用好GIIRS 資料，需要更多的工作，比如，針對青藏高原地區(qū)訓(xùn)練衛(wèi)星的透射率系數(shù)從而提高輻射傳輸模式在高原區(qū)域的模擬精度。