本发明涉及微波遥感降水领域，具体而言，涉及一种全球陆地降水反演方法，此发明方法可用于风云三号03星新型微波湿度计(fy-3c/mwhs-ii)，适用于纬度在50°s-50°n范围内的全球陆地区域。
背景技术
降水是天气分析、天气预报以及气候变化研究等的重要参数。它在全球能量与水循环过程中发挥着重要作用，对气候变化研究具有特别重要的意义。但是降水的时间和空间变化很大，是最难测的气候因素之一。目前，测量陆地降水的手段主要有三种：地面雨量计测量，地基雷达遥感和卫星遥感。虽然地面雨量计测量是其他探测手段的基准，但是其时间和空间的分辨率远远不能满足大气科学研究的需求，而地基雷达遥感同样面临着空间分辨率的问题，同时雷达探测降水受地形遮挡，雷达射线抬升和z-r关系不确定性的影响，位置固定且造价很高等不利因素，在复杂区域很难实施。星载遥感由于具有空间覆盖广，时间和空间分辨率高等优势，发展迅速。与红外相比，微波可以穿透云雨等，因此星载微波遥感具有独特的优势。
我国第二代极轨气象卫星——“风云三号”气象卫星03星(fy-3c)于2013年9月23日发射成功。“风云三号”对地观测每天绕地球南北极飞行14圈，飞行一圈的时间为102分钟，卫星高度836km。其上的一个重要载荷新型微波湿度计(mwhs-ii)作为fy-3a和fy-3b气象卫星上的更新换代产品，保留了原来的大气水汽主探测频点183.31-ghz，该频点扩展为5个的探测通道对大气不同高度层水汽垂直特征有不同响应，位于水汽吸收带中心的通道能探测大气上层约300百帕的水汽分布信息，逐渐远离吸收线中心移向翼区的通道，穿透深度逐渐加强，可以探测大气中层400、500和700百帕，以及底层850百帕的水汽分布信息；同时窗区通道设置为89-ghz和150-ghz，用于探测地表微波辐射信息；国际上首次用于极轨气象卫星的118-ghz作为氧气吸收频点设置为8个通道，可用于垂直高度的大气温度探测，其后4个通道(即通道6-9)可以接收到对流层中下层的降水信息，与183.31-ghz的5个水汽探测通道相结合，实现了湿度和温度的同时探测。fy-3c/mwhs-ii的15个通道设置参数情况如表1。新型微波湿度计作为一种被动的微波遥感器，不仅能够穿透云层和雨区，并且能够穿透一定深度的地表或植被，用于全天时、全天候探测全球地表及不同高度层的湿度和温度、水汽含量、降水量等气象信息，具有探测降水的能力，为数值天气预报提供及时准确的大气湿度初始场信息，提升对台风暴雨等灾害性强对流天气的监测预警能力，在大气探测及陆地观测中具有重要作用。
表1fy-3c/mwhs-ii通道设置参数
从fy-3c/mwhs-ii硬件设计的角度来看，水平已达国际先进水平，但是从数据应用的角度来看，与国外同类载荷amsu、atms等相比，数据利用率较低，基于fy-3c/mwhs-ii的全球陆地降水反演研究具有重要意义。fy-3c/mwhs-ii的1级数据主要有海陆标识码、亮温、仪器观测天顶角、地理位置和时间等信息。fy-3c/mwhs-ii数据质量较高，已于2016年4月被欧洲ecmwf同化进入业务同化系统，对全球数值天气预报起到了正效应。
传统的陆地降水反演方法采用低频波段来探测地表信息，但是陆地的地表发射率较高，微波信号容易被淹没在强辐射背景中，使得降水反演算法建立的不够准确，导致反演精度较差。
fy-3c/mwhs-ii上设置的118-ghz和183-ghz频点用于大气探测的吸收通道，与窗区通道相比，吸收通道反演降水有两点优势，一个是吸收通道不像窗区通道那么透明，因此对下垫面相对不敏感，这为陆地区域的降水反演带来新的思路，而吸收通道的大气层析探测能力也为水凝物廓线探测带来希望；与窗区通道反演降水相比，用于大气探测的吸收通道反演降水的结果更稳定，精度更高，尤其在陆地区域，吸收通道对陆地弱降水和降雪有潜在的探测能力。将窗区通道与吸收通道联合，实现降水的综合反演，成为微波降水遥感的一个发展方向。trmm(tropicalrainfallmeasuringmission)多卫星降水数据tmpa(trmmprecipitationanalysis)在近10年经历了多次升级(v5-v7)，由于融合了多个卫星数据，且数据质量较高，已被成功运用在降水、水文、气候等研究领域。tmpa3b42(v7)数据由于其较高的精度，成为国际上广泛应用的一种重要的研究性降水产品。
技术实现要素：
本发明的目的在于克服目前陆地降水方法存在的上述缺陷，基于fy-3c/mwhs-ii的所有通道都分布在高频波段，云中固态水凝物以及大水滴对高频微波具有强烈的散射作用，利用这个原理可以较好地反演陆地降水。由此提供了一种fy-3c/mwhs-ii数据和tmpa3b42数据相结合反演全球陆地降水的方法，该降水反演方法适用于纬度在50°s-50°n范围内的全球陆地区域。
为了实现上述发明目的，本发明提供了一种全球陆地降水反演方法，所述方法包括：
步骤1)将陆地1级数据和tmpa3b42数据进行匹配，得到匹配数据集；计算三个亮温差，由此判定云系统的对流强度的类型，对不同的类型采用不同的降水反演模型，得到陆地降雨率；
步骤2)根据对流强度判定是否降水，结合步骤1)的降雨率得到最终的陆地降雨率。
作为上述方法的一种改进，所述步骤1)具体包括：
步骤1-1)根据海陆标识码选择并读取卫星载荷的陆地1级数据，提取其中的15个通道亮温、地理位置和时间信息；
步骤1-2)提取tmpa3b42数据中的降水量、地理位置和时间信息；
步骤1-3)将步骤1-1)的数据和步骤1-2)的数据根据陆地匹配规则进行数据的匹配并得到满足要求的匹配数据集；
步骤1-4)根据步骤1-3)得到的匹配数据集中的通道亮温计算三个亮温差：
δ1＝tb183±1-tb183±7(3)
δ2＝tb183±3-tb183±7(4)
δ3＝tb183±1-tb183±3(5)
其中，δ1为第一亮温差，δ2为第二亮温差，δ3为第三量温差，tb183±1、tb183±3和tb183±7分别为183±1-ghz、183±3-ghz和183±7-ghz三个通道的亮度温度；
步骤1-5)判定云系统的对流强度的类型：
ci＝1δ2>0,δ2>δ1,δ2>δ3(6)
ci＝2δ1>0,δ2>0,δ3>0,δ1>δ2,δ1>δ3,δ2>δ3(7)
ci＝3δ1>0,δ2>0,δ3>0,δ1>δ2,δ1>δ3,δ2＜δ3(8)
其中，ci＝1判定为弱对流，ci＝2判定为中型对流，ci＝3判定为强对流；
步骤1-6)把步骤1-5)中判定的ci＝1、ci＝2和ci＝3天气情况分别用bp神经网络模型1、bp神经网络模型2和线性回归模型3进行降水的反演；同时，把未分类的其他天气情况用bp神经网络模型4进行降水的反演；得到陆地降雨率。
作为上述方法的一种改进，所述步骤1-3)的陆地匹配规则如下：
(a)采用亮温极值法去掉不合理的数据，选取50k～400k之间的亮温；
(b)采用降水量极值法去掉不符合要求的数据，选取0mm/hr～100mm/hr之间的降水量；
(c)选择匹配数据前后时间差不超过30min的数据，即时间分辨率设置为30min；
(d)选择纬度在50°s～50°n范围内的数据；
(e)选择匹配数据前后经度和纬度差都不超过0.25°的数据。
作为上述方法的一种改进，所述bp神经网络模型1使用的是fy-3c/mwhs-ii的15个全通道亮温建立的ci＝1天气情况下的bp神经网络降水反演算法；所述bp神经网络模型2使用的是fy-3c/mwhs-ii的15个全通道亮温建立的ci＝2天气情况下的bp神经网络降水反演算法；所述bp神经网络模型4使用的是fy-3c/mwhs-ii的15个全通道亮温建立的全天候条件下的bp神经网络降水反演算法，所述线性回归模型3使用的是fy-3c/mwhs-ii的15个全通道亮温建立的ci＝3天气情况下的线性回归降水反演算法。
作为上述方法的一种改进，所述步骤2)具体包括：
步骤2-1)将ci＝2和ci＝3的天气情况判定为降水事件发生概率较大的情况，剩余情况判定为降水事件发生概率较小的情况；
步骤2-2)把步骤1-6)中反演得到的降水率根据步骤2-1)中判定降水事件发生概率较小情况中的小于0.25mm/hr的降水事件设置为0mm/hr；
步骤2-3)把步骤1-6)中反演得到的小于0mm/hr的降雨率设置为0mm/hr。
本发明的优点在于：
1、本发明的全球陆地降水反演方法能够有效判别降水事件的发生与否和反演降雨率，实现了全球陆地降水反演，有效提高了fy-3c/mwhs-ii数据利用率，此方法得到的陆地降水反演结果准确率较高，可以做为fy-3c/mwhs-ii的陆地降水反演业务算法的一种参考，从而为后续的数值天气预报、资料同化等研究奠定了基础；
2、本发明提供的一种全球陆地降水反演方法，提高了fy-3c/mwhs-ii数据的利用率，陆地降水反演结果相关性达到0.74，验证了本发明的方法具有较高的应用价值。
附图说明
图1是本发明的全球陆地降水反演方法整体流程示意图；
图2是本发明的全球陆地降水反演方法中，反演算法的流程示意图。
具体实施方式
下面结合附图和具体实施方案对本发明的一种全球陆地降水反演方法进行清楚、完整的描述，作进一步的详细说明。
图1是本发明的全球陆地降水反演方法整体流程示意图。如图1所示，该反演方法首先把从fy-3c/mwhs-ii和tmpa3b42(v7)数据中提取的陆地数据按照陆地的匹配规则进行时间和空间上的匹配；然后根据fy-3c/mwhs-ii水汽吸收通道183-ghz的探测特点，提出云系统的对流强度convectionintensity(ci)的计算方法，根据对流强度(ci)判断降水事件发生的可能，并根据对流强度(ci)的不同类型选用不同的反演模型算法进行降水反演；最后，结合降水事件发生的可能和选用不同的反演模型算法进行降水反演的结果再次完善降水反演结果，得到最终的全球陆地降雨率(mm/hr)，完成基于fy-3c/mwhs-ii的全球陆地降雨率反演。
图2是本发明的新型全球陆地降水反演方法中，反演算法的流程示意图。如图2所示，详细步骤如下：
步骤1)根据fy-3c/mwhs-ii数据中的海陆标识码选择并读取卫星载荷的陆地1级数据，提取其中的15个通道亮温、地理位置和时间等信息。
步骤2)提取tmpa3b42数据中的降水量、地理位置和时间等信息。
步骤3)按照fy-3c/mwhs-ii和tmpa3b42的陆地匹配规则进行数据的匹配并得到满足要求的匹配数据集，其具体匹配规则如下：
(a)采用亮温极值法去掉不合理的数据，选取50k～400k之间的亮温；
(b)采用降水量极值法去掉不符合要求的数据，选取0mm/hr～100mm/hr之间的降水量；
(c)选择匹配数据前后时间差不超过30min的数据，即时间分辨率设置为30min；
(d)选择纬度在50°s～50°n范围内的数据；
(e)选择匹配数据前后经度和纬度差都不超过0.25°的数据，即空间分辨率设置为0.25°。
步骤4)把步骤3)得到的匹配数据集中的通道亮温根据公式(3)-(5)计算三个亮温差如下：
δ1＝tb183±1-tb183±7(3)
δ2＝tb183±3-tb183±7(4)
δ3＝tb183±1-tb183±3(5)
其中，δ1为第一亮温差，δ2为第二亮温差，δ3为第三量温差，tb183±1、tb183±3和tb183±7分别为fy-3c/mwhs-ii183±1-ghz、183±3-ghz和183±7-ghz三个通道的亮度温度；
步骤5)根据公式(6)-(8)判定云系统的对流强度的类型，其中ci＝1判定为弱对流，ci＝2和ci＝3分别判定为中型对流和强对流。
ci＝1δ2>0,δ2>δ1,δ2>δ3(6)
ci＝2δ1>0,δ2>0,δ3>0,δ1>δ2,δ1>δ3,δ2>δ3(7)
ci＝3δ1>0,δ2>0,δ3>0,δ1>δ2,δ1>δ3,δ2＜δ3(8)
步骤6)把步骤5)中判定的ci＝2和ci＝3(中型对流和强对流)天气情况判定为降水事件发生概率较大的情况，剩余情况判定为降水事件发生概率较小的情况。
步骤7)把步骤5)中判定的ci＝1(弱对流)、ci＝2(中型对流)和ci＝3(强对流)天气情况分别用bp神经网络模型1、bp神经网络模型2和线性回归模型3进行降水的反演；同时，把未分类的其他天气情况用bp神经网络模型4进行降水的反演,得到降雨率。
其中，bp神经网络模型1和模型2分别使用的是fy-3c/mwhs-ii的15个全通道亮温建立的ci＝1(弱对流)和ci＝2(中型对流)天气情况下的bp神经网络降水反演算法，bp神经网络模型4使用的是fy-3c/mwhs-ii的15个全通道亮温建立的全天候条件下的bp神经网络降水反演算法，而线性回归模型3使用的是fy-3c/mwhs-ii的15个全通道亮温建立的ci＝3(强对流)天气情况下的线性回归降水反演算法。
步骤8)把步骤7)中反演的降雨率根据步骤6)中判定降水事件发生概率较小情况中的小于0.25mm/hr的降水事件设置为0mm/hr，完善降水反演结果。
步骤9)把上一步即步骤7)中得到的小于0mm/hr的降雨率设置为0mm/hr，再次完善降水反演结果，得到最终的全球陆地降雨率(mm/hr)。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。