1 巢湖学院电子工程学院， 安徽 合肥238000
2 安徽省气象台，安徽 合肥230031
风场对于天气形势的演变和预报至关重要。基于风云四号A星干涉式大气垂直探测仪（GIIRS）中波通道资料和ERA5风场资料，采用LightGBM进行大气三维风场反演研究。首先，构建模型特征变量。GIIRS通道最优选择采用二步特征选择法：（1）建立GIIRS通道黑名单；（2）采用置换特征重要性（Permutation Feature Importance，PFI）方法选择特征变量，在形成通道最优子集的基础上，构建含有时空信息的特征变量。其次，构建基于LightGBM的三维风场反演方法。最后，基于台风“利奇马”期间的GIIRS加密资料开展了LightGBM超参数优化和相关反演试验。结果表明，相对于ERA5风场资料，测试集中风场U和V分量的均方根误差（Root Mean Square Error，RMSE）分别小于1 m/s和15 m/s。本文中的二步特征选择法能够实现GIIRS通道的动态最优选择。
大气风场反演 特征选择 台风“利奇马” FY-4A/GIIRS FY-4A/GIIRS atmospheric wind field retrieval feature selection LightGBM LightGBM Typhoon “Lekima”
1 安徽省气象台 大气科学与卫星遥感安徽省重点实验室，安徽 合肥230031
2 中亚大气科学研究中心，新疆 乌鲁木齐 830002
3 安徽省气象科学研究所，安徽 合肥230031
风云四号A星干涉式大气垂直探测仪（Geostationary Interferometric Infrared Sounder，GIIRS）中波通道的最优选择是有效变分同化此资料的关键技术之一，能减少冗余信息所引起的变分同化和反演的不适定性。将通用的熵减法（Entropy Reduction，ER）用于GIIRS通道优选。此外，由于红外探测器观测容易受云影响，在变分同化GIIRS亮温资料时，需要进行云检测以获得晴空视场点或云参数信息。采用最小剩余法对GIIRS资料开展了云检测研究。该方法不仅能判识视场点是否有云，而且还能得到视场点的有效云量和有效云顶气压信息。但检测精度受不同通道组合的影响，因此基于台风“利奇马（2019）”资料进一步探讨了该影响。
高光谱GIIRS 通道选择 云检测 熵减法 台风“利奇马” hyperspectral GIIRS channel selection cloud detection entropy reduction method typhoon “Lekima”
1 安徽省气象台 大气科学与卫星遥感安徽省重点实验室，安徽 合肥230031
2 中亚大气科学研究中心，新疆 乌鲁木齐830002
3 安徽省气候中心，安徽 合肥230031
变分同化风云四号干涉式大气垂直探测仪(Geostationary Interferometric Infrared Sounder，GIIRS)中波通道亮温偏差要求满足高斯分布，因此需进行GIIRS资料偏差订正。在Harris B A等人提出的“离线”法的基础上，发展了基于随机森林(Random Forest，RF)的GIIRS偏差订正方法。在具体执行过程中，基于风云四号多通道扫描成像辐射计(Advanced Geosynchronous Radiation Imager，AGRI)云产品对GIIRS资料进行了云检测。试验结果表明，经过偏差订正的GIIRS亮温偏差满足高斯分布的假定。与“离线”法相比，RF法的订正效果更好。
高光谱GIIRS 偏差订正 “离线”法 随机森林 云检测 hyperspectral GIIRS bias correction "off-line" method random forest cloud detection
1 中亚大气科学研究中心，新疆乌鲁木齐830002
2 安徽省气象台 , 强天气集合分析和预报重点实验室，安徽合肥230031
3 安徽省气象科学研究所 ,安徽省大气科学与卫星遥感重点实验室，安徽合肥230031
4 安徽省气象台, 强天气集合分析和预报重点实验室，安徽合肥230031
静止卫星的高时空分辨率对高影响灾害性天气的监测和预报有显著优势。开展了基于风云四号A星多通道扫描成像辐射计（Advanced Geosynchronous Radiation Imager，AGRI）红外光谱亮温的台风降水反演研究。探讨了正则化反问题方法中K-最邻近（K-Nearest Neighbor，KNN）不同距离度量对降水反演精度的影响。降水反演共分两步：一是降水视场点识别，主要基于训练字典样本，利用KNN识别待反演的亮温“降水”和“非降水”信号；二是降水视场点反演，即在判识视场点有降水的基础上采用正则化反问题方法进行红外亮温降水反演。KNN距离度量分别采用欧氏、标准化欧氏、马氏和布洛克距离。以台风“安比（2018）”为例，开展了降水反演试验。试验表明，反演结果与GPM的相似度较高，且不同距离度量在反演“极端降水”时各有优势。
台风“安比” 降水反演 距离度量 正则化反问题 FY-4A/AGRI FY-4A/AGRI typhoon Ampil precipitation retrieval distance measurement inverse problem of regularization
1 Anhui Meteorological Observatory, Key Lab. of Strong Weather Analysis and Forecast, Hefei 23003, China
2 Anhui Institute of Meteorological ,Anhui Key Lab. of Atmospheric Science and Satellite Remote Sensing, Hefei30031, China
3 Anhui Climate Center, Hefei 2001, China
在统计分析“降水”和“非降水”视场点的Himawari-8（H8）成像仪（Advanced Himawari Imager，AHI）红外不同光谱亮温梯度变化基础上，开展了H8/AHI资料反演降水初步应用研究。以安徽区域为例，当有降水发生时，AHI通道7至通道16亮温梯度均有变化。采用字典学习和正则化约束法开展降水反演，首先构建匹配的AHI光谱“亮温”和GPM“降水”字典，作为历史样本库；其次基于“字典”利用K-最近邻法进行待反演红外光谱亮温“降水”和“非降水”信号识别；最后在降水信号“子空间”基于正则项约束完成红外资料反演降水。初步试验结果表明基于Gamma概率分布贝叶斯模型平均反演的降水与GPM降水具有较好的结构相似性，误差较小，临界成功指数值较高。进一步将该方法推广应用到AHI光谱亮温反演台风“玛莉亚”降水，得到此方法能够反演出台风的螺旋云雨带。
降水信号 K-最近邻 贝叶斯模型平均 正则项约束 Himawari-8 (H8) /AHI Himawari-8（H8）/AHI precipitation signal K-nearest neighbor Bayesian model averaging regular term constraint
1 安徽省气象信息中心 强天气集合分析和预报重点实验室，安徽 合肥 230031
2 中国气象局沈阳大气环境研究所，辽宁 沈阳 110016
3 安徽省气象科学研究所，安徽 合肥 230031
4 中国科学技术大学 数学学院，安徽 合肥 230022
5 安徽建筑大学 环境与能源工程学院，安徽 合肥 230601
高光谱大气红外探测器(Atmospheric Infrared Sounder，AIRS)主要覆盖CO2和H2O吸收带光谱区.区别于CO2通道，H2O通道亮温偏差非高斯性较强.为了充分有效地利用AIRS通道光谱信息，本文采用两种新算法开展应用研究，一是基于变分同化后验估计－观测误差重估计重新估算光谱通道误差，以更好地“符合”光谱亮温对变分同化目标泛函的权值分配；二是将M—估计法(L2—估计、Huber—估计、Fair—估计和Cauchy—估计)权重函数耦合到经典变分同化目标泛函中，得到广义变分同化目标泛函，使其具有非高斯性，其核心是在每次极小化迭代过程中重新估计观测项对目标泛函贡献率.在新算法研究基础上开展高光谱AIRS模拟亮温试验，结果表明观测误差重估计和Huber—估计广义变分同化AIRS资料效果优于经典变分同化.并基于信号自由度(Degrees of freedom for signal，DFS)开展观测资料对分析场影响诊断，得到该两种方法在同化过程中能够提高H2O通道亮温使用的信息量.通过对文中算法(观测误差重估计和Huber—估计)得到的分析场与探空资料温度场对比分析，得到Huber－估计广义尺度设定为1.345 K时效果最好，整体误差最小，2.5K次之，且观测误差重估计也优于经典变分同化结果.200~750 hPa效果较为显著，基于Huber－估计广义同化在对流层顶表面和周围(80~200 hPa)温度反演小于2 K.研究结果可为我国风云四号A星和风云三号D星高光谱资料变分同化提供新的方法思路和技术支撑.
高光谱 非高斯 广义变分同化 观测误差重估计 信号自由度 hyper-spectral non-gaussian generalized variational assimilation observation error re-estimation degrees of freedom for signal 红外与毫米波学报
2019, 38(4): 04464
1 中国电力科学研究院新能源与储能运行控制国家重点实验室, 北京 100192
2 安徽省气象信息中心安徽省大气科学与卫星遥感重点实验室, 安徽合肥 230031
3 中国气象局沈阳大气环境研究所, 辽宁 沈阳 110016
结合经典变分同化和正则化约束两者的优点, 对多正则化参数约束变分同化方法进行了研究。与经典变分同化中背景和观测项对目标泛函等权重不同, 正则化约束对观测项权重进行调节, 并在正则化参数优化时基于Huber—估计法给定权重函数。高光谱大气红外探测器(Atmospheric Infrared Sounder, AIRS)水汽通道模拟亮温试验表明, 本文的变分法同化AIRS亮温资料比经典变分同化法的效果更好。基于信号自由度诊断了观测资料对分析场的影响, 结果表明本文的方法能够有效挖掘水汽通道的亮温信息。
变分同化 正则化约束 Huber—估计 信号自由度 variational assimilation AIRS AIRS regularization constraint Huber-estimator degree of freedom for signal
由于红外探测器的观测易受云的影响及快速辐射传输模式对云亮温的模拟不精确,在同化风云三号B星(Feng Yun-3B)红外分光计(Infrared Atmospheric Sounder, IRAS)的亮温资料时,首先需要进行云检测,以获得晴空视场点或晴空通道信息。基于最小剩余法(Minimum Residual Method, MRM)对IRAS资料进行了云检测研究,该方法不仅能判识视场点是否有云,还能得到视场点的云参数(有效云量)。同时,采用FY-2E卫星云图对云检测效果进行了验证。结果表明,将该方法用于IRAS资料云检测是可行的。
风云三号B星 红外分光计 云检测 最小剩余法 卫星云图 FY-3B satellite infrared atmospheric sounder cloud detection minimum residual method satellite cloud image
1 安徽省气象信息中心， 安徽 合肥 230031
2 南京信息工程大学数学与统计学院， 江苏 南京 210044
3 南京大学大气科学系， 江苏 南京 210093
4 国家卫星气象中心， 北京 100081
结合风云三号B星(FY-3B)载红外分光计(InfraRed Atmospheric Sounder, IRAS) 资料的通道特性，分析了云在不同波段的光谱特性。与通道亮温偏差 阈值法不同，利用通道多光谱信息以及基于平滑梯度和通道信噪比的方法对FY-3B/IRAS 资料进行云检测方法研究，更有效地识别出了有云视场点。对2013年1月9日00时至1月14日00时 共5天的IRAS资料数据进行了偏差订正，然后采用以上方 法进行了IRAS资料云检测。结果表明，经过云检测后的通道亮温偏差服从高斯分布，满足后 期变分同化IRAS通道亮温的要求。
风云三号B星 红外分光计 云检测 平滑梯度法 通道信噪比 infrared atmospheric sounder cloud detection smooth gradient method channel signal to noise ratio FY-3B
1 南京信息工程大学数学与统计学院， 江苏 南京 210044
2 国家卫星气象中心， 北京 100081
变分同化FY-3B红外分光计(InfraRed Atmospheric Sounder, IRAS)的通道亮温要求亮温观测模拟偏差满足高斯分布。由于卫星数据处理以及数值预报模式等包含的误差不服从高斯分布，因此需要对偏差进行订正。首先对IRAS资料进行云检测等初步质量控制；在统计了IRAS的20个通道亮温之后，发现扫描偏差具有星下点对称性；最后对扫描和气团偏差进行了订正。结果表明，订正后IRAS高层通道1、10以及近地面通道14的偏差绝对值有所增加，水汽通道13和地面通道20的偏差标准差有所增加，其它15个通道亮温观测模拟偏差均值从1.04 K减小到了-0.30 K，相应的标准差从2.28 K减小到了1.99 K。偏差概率分布更具高斯性。
红外分光计 高斯分布 偏差订正 云检测 infrared atmospheric sounder (IRAS) Gaussian distribution bias correction cloud detection
