一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法及系统与流程

1.本发明涉及一种再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线 反演方法，属于气象观测技术领域。


背景技术：

2.城市化过程改变了陆面与大气之间的热量交换，引发区域气象要素的变化，容易引发雷 暴、冰雹、极端暴雨等自然灾害。大气温湿廓线描述大气热力状态与湿度变化，对连续变化 的大气温湿廓线进行准确的探测有助于这些气象灾害的监测与预报。
3.目前，探空气球是获得大气温湿廓线最为准确且有效的手段，但是探空的探测频率为一 天2次，时间分辨率较低，无法捕捉快速变化的大气现象，同时探空站较为稀疏，探测成本 也较大。卫星遥感监测可以实现大范围区域高时间频次的大气监测，但是由于其自上而下的 观测方式，对大气边界层的探测常常存在限制，大气温湿廓线反演精度不高。地基微波辐射 计的观测频次为1-2分钟，其向上的观测方式不易受地表的影响，微波波段能穿透云雨，因 此地基微波辐射计能实现大气边界层高时间分辨率，高精度的探测，在气象上有很大的应用 前景。
4.era5数据是ecmwf对全球气候的第五代大气再分析数据集。再分析将模型数据与来 自世界各地的观测数据结合起来，形成一个全球完整的、一致的数据集。
5.地基微波辐射计接收不同波段大气向下的辐射，并通过算法将辐射信息转换成所需的大 气温湿廓线信息。算法转换的过程即为反演的过程。目前，主要的反演算法包括统计回归算 法，一维变分算法以及神经网络算法。其中，统计回归算法通过建立地基微波辐射计不同通 道接收亮温与大气温湿廓线之间的线性模型或简单的非线性模型，实现大气温湿廓线的反演 但是这种建立的模型局限性较大，一般只适用于某种特定的情况。一维变分算法将模式背景 场与仪器观测进行融合，通过求解模式与观测加权代价函数的最小值，得到大气温湿廓线状 态的最优解，此最优解即为反演得到的大气温湿廓线。此方法具有较强的物理意义，但反演 所需的物理模型较为复杂，且反演时间较长，不利于实时大气温湿廓线的反演。神经网络算 法利用大量由输入与输出组成的训练样本，设置多个神经元，通过不断的训练，得到输入与 神经元，神经元与输出之间的权重和偏置，建立大气温湿廓线的反演模型。大气温湿与大气 辐射之间具有非常复杂的非线性关系，而神经网络方法对于描述赋值非线性关系具有强大的 优势，因此在业务运行时，地基微波辐射计常常采用神经网络算法反演大气温湿廓线。对于 有探空站点的地基微波辐射计，以探空资料为建模样本，利用前向辐射传输模式对微波辐射 计的观测亮温进行模拟，将模拟亮温与大气温湿廓线组成训练样本，对反演模型进行训练， 得到大气温湿廓线反演模型；对于没有探空资料的探空站点，常常使用临近探空站点的探空 资料及其模拟亮温，建立反演模型。
6.针对无探空站点与其同址的地基微波辐射计，目前的做法采用临近探空资料作为训练样 本进行大气温湿廓线反演建模。但是，由于临近探空站点与地基微波辐射计存在一
定距离， 其气象特征存在局地差异，此方法建立的反演模型在微波辐射计站点处往往不具有代表性， 导致反演的大气温湿廓线存在偏差。


技术实现要素：

7.本发明的目的在于克服现有技术中的不足，提供一种再分析资料代替探空资料建立无探 空站点地基微波辐射计大气温湿廓线反演方法，以解决无探空站点地基微波辐射计反演精度 不高的问题。
8.为达到上述目的，本发明是采用下述技术方案实现的：
9.第一方面，本发明提供了一种再分析资料代替探空资料建立无探空站点地基微波辐射计 大气温湿廓线反演方法，包括以下步骤：
10.获取地基微波辐射计的观测亮温；
11.对地基微波辐射计的观测亮温进行质控与偏差订正，得到质控与偏差订正后的观测亮温；
12.将所述质控与偏差订正后的观测亮温输入反演模型中，反演获得大气温湿廓线；
13.所述反演模型基于神经网络算法建立，通过再分析资料和前向辐射传输模式monortm 进行构建，输入为地基微波辐射计的观测亮温，输出为大气温湿廓线。
14.进一步的，所述反演模型的构建方法包括以下步骤：
15.获取再分析资料era5数据并对再分析资料era5数据进行质控；
16.将质控后的era5数据输入至大气辐射传输模型monortm中，得到与微波辐射计探 测波段对应的模拟亮温；
17.对era5数据和模拟亮温进行质控，将模拟亮温与era5数据资料中的大气温湿廓线组 成样本对，形成大气温湿廓线-模拟亮温训练样本集与测试样本集；
18.以大气温湿廓线-模拟亮温训练样本集与测试样本集中的构建的样本对分别作为输入与 输出，基于神经网络算法，以大气温湿廓线的均方根误差为代价函数建立反演模型，得到构 建好的反演模型。
19.进一步的，对era5数据和模拟亮温进行质控，将模拟亮温与era5数据资料中的大气 温湿廓线组成样本对，形成大气温湿廓线-模拟亮温训练样本集的方法包括：
20.对era5数据进行预处理，提取水汽积分总量与液态水积分总量值；
21.若晴天条件下水汽样本的积分总量大于x1，则将样本进行删除；
22.若液态水积分总量大于x2，则将样本删除；
23.将所有再分析资料样本进行亮温模拟，得到模拟亮温；
24.若模拟亮温出现大于x3的情况，也将样本进行删除，得到最终质控后的再分析资料大气 温湿廓线样本，形成大气温湿廓线-模拟亮温训练样本集；
25.其中，x1,x2,x3为质控阈值，其选择根据微波辐射计所在地点的气象条件而定。
26.进一步的，对所述再分析资料era5数据进行预处理的方法包括：
27.(1)气压-高度转化
28.在微波辐射计的二级产品中，输出的温湿廓线以高度划分层结，而在再分析资料中，廓 线资料以气压层划分层结，因此在反演之前需要对气压层进行压高转换。转换方法可根据压 高公式：
[0029][0030]
(2)液态水含量计算
[0031]
在利用辐射传输模式进行正向模拟亮温时，在有云情况下还需输入液态水含量信息，当 相对湿度《85％时，则认为无云，液态水浓度为0g/m3；当相对湿度》95％时，液态水浓度取 0.5g/m3；当相对湿度在85％～95％时，假设液态水浓度与相对湿度满足线性关系。
[0032]
(3)廓线插值
[0033]
在建模过程中，输出的温湿廓线为93层，因此需要将再分析资料与探空资料的廓线层根 据高度进行插值，使输出的气压层保持一致。
[0034]
进一步的，所述反演模型基于bp神经网络算法建立，包括输入层、隐含层和输出层的三 层网络，神经网络模型的输出可以描述为：
[0035]
o＝f2(yv+b2)
[0036]
y＝f1(xw+b1)
[0037]
其中，o表示网络的输出；x为输入层到隐含层的输入，同时也是隐含层的输入；v为 隐含层到输出层的连接权系数矩阵，初始时刻为一组随机数；w为输入层到隐含层的连接权 系数矩阵，初始时刻为一组随机数；b1、b2分别为隐藏层和输出层单元偏置值矩阵；f为神 经元的非线性作用函数，可依每层设定。多层网络的bp算法的性能指数为均方误差，即mse， 每输入一个样本，便将网络输出与目标输出相比较，算法将调整网络参数使均方误差最小化：
[0038]
mse＝e[e2]＝e[(t-o)2]
[0039]
式中t是期望输出，o是实际输出，e是绝对误差。
[0040]
进一步的，所述反演模型的参数设置如下：
[0041]
(1)输入层设置：地基微波辐射计接收的各个波段的观测亮温以及近地面温湿压数据。
[0042]
(2)输出层设置：输出层为93个高度层的温度和相对湿度廓线。
[0043]
(3)隐含节点数设置：隐节点的大致取值范围由以下几个公式估计：
[0044][0045]
h＝log
2 n
[0046][0047]
其中，h为隐含层结点数，m为输入层结点数，n为输出层结点数，其中h为隐节点数， n为输入节点数，m为输出节点数，a为1-10之间的常数。
[0048]
(4)传递函数设置：在反演网络中，输入层与隐含层以及隐含层与输出层之间均选择双 曲正切s型传递函数tansig；
[0049]
(5)训练算法设置：网络的训练算法选择自适应动量梯度下降法traingdx。
[0050]
进一步的，对地基微波辐射计的观测亮温进行质控的方法包括：
[0051]
1)晴雨筛选：通过历史天气资料和微波辐射计上自带的晴雨标识将雨天样本剔除，保留 云天和晴空样本。
[0052]
2)极值检查：将亮温阈值设置为350k，任何一个通道有超过此阈值的予以剔除。
[0053]
3)时间一致性检查：针对地基微波辐射计各通道数据，将每个样本及其前后10个
时刻 的样本的亮温值分别拟合一条直线，将各个样本数据与直线上对应数据求得均方根误差ε，将 任一通道存在观测值与拟合直线上对应值的差大于3ε的样本予以剔除。
[0054]
4)辐射传输模式检查：将微波辐射计观测亮温与辐射传输模式的模拟值比较，求出各个 通道的均方根误差ε，如果有超过3ε的样本则予以剔除。
[0055]
进一步的，对地基微波辐射计的观测亮温进行偏差订正的方法包括：
[0056]
微波辐射计观测亮温与模拟亮温匹配：
[0057]
对再分析资料模拟亮温，取和微波辐射计站点经纬度最接近的格点模拟亮温与观测亮温 进行匹配。对与微波辐射计空间匹配后的再分析资料模拟亮温，取00utc，12utc前后十分 钟观测亮温平均，作为对应时刻再分析资料模拟亮温的匹配观测亮温，形成模拟亮温观测亮 温样本对。
[0058]
辐射传输模式检查：
[0059]
统计各个通道模拟亮温与观测亮温的误差平均偏差与误差标准差。若某样本观测亮温与 模拟亮温的误差减去误差平均偏差的值在3倍误差标准差以内，说明观测亮温合理，将该样 本保留。否则，该样本不参与统计。
[0060]
不同天气样本分类：
[0061]
晴天判断标准为：探空资料500m以上相对湿度《85％，且微波辐射计云底温度≤探空资 料10km处的温度。云天判断标准为：上述条件剩下的即为云雨天。其中，若0-500m中相对 湿度相对湿度》85％，认为是雨天。其余为云天无雨。统计不同天气样本分类下观测亮温与模 拟亮温样本对平均偏差与均方根误差，对微波辐射计的观测性能进行分析。
[0062]
分别对晴云天样本以模拟亮温为真值，以观测亮温为自变量，统计晴云天各个通道的观 测亮温线性订正公式，对观测亮温进行订正。
[0063]
第二方面，本发明提供一种再分析资料代替探空资料建立无探空站点地基微波辐射计大 气温湿廓线反演系统，包括：
[0064]
信息获取模块：用于获取地基微波辐射计的观测亮温及近地面温湿压信息；
[0065]
质控模块：用于对地基微波辐射计的观测亮温进行质控与偏差订正，得到质控与偏差订 正后的观测亮温；
[0066]
反演模块：用于将所述质控与偏差订正后的观测亮温输入反演模型中，反演获得大气温 湿廓线；
[0067]
模块：用于所述反演模型基于神经网络算法建立，通过再分析资料和前向辐射传输模式 monortm进行构建，输入为地基微波辐射计的观测亮温，输出为大气温湿廓线。
[0068]
第三方面，本技术提供一种再分析资料代替探空资料建立无探空站点地基微波辐射计大 气温湿廓线反演系统，包括处理器及存储介质；
[0069]
所述存储介质用于存储指令；
[0070]
所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。
[0071]
与现有技术相比，本发明所达到的有益效果：
[0072]
1、本发明提出再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线反 演模型，以解决无探空站点地基微波辐射计反演精度不高的问题。
[0073]
2、本发明就如何解决再分析资料与探空资料代表性的问题，如何挑选合适的再分析资料 建立具有该站点气象特征代表性的大气温湿廓线模型提出了具体方法，通过再分
析资料与观 测亮温一致性分析，提出再分析资料质控方案，解决再分析资料与探空资料代表性问题，有 效提高了反演精度。
[0074]
3、地基微波辐射计作为地基遥感观测重要手段，能实现大气边界层温湿廓线的高时间频 率探测。目前，主流的业务算法采用神经网络算法进行大气温湿廓线的反演，在建立温湿廓 线反演模型时，常采用准确度较高的探空资料作为训练样本。当微波辐射计与探空资料同址 时，建立的大气温湿廓线反演模型具有较好的精度，但是当微波辐射计附近无探空资料与其 同址时，用临近探空站点的资料作为训练样本，建立的反演模型往往不具有代表性，为解决 此问题，本发明提出利用空间一致性较好的era5再分析资料代替探空资料作为建模样本， 建立大气温湿廓线反演模型，获得更高精度的大气温湿廓线，以提高地基微波辐射计对边界 层大气的实时监测，同时改善数值预报的初始场，提高数值预报的准确性。
附图说明
[0075]
图1为无探空站点地基微波辐射计反演大气温湿廓线技术路线图；
[0076]
图2为地基微波辐射计内部结构图；
[0077]
图3为22.24ghz、31.4ghz、58ghz通道探空资料、再分析资料模拟亮温与微波辐射 计观测亮温一致性分析；
[0078]
图4为bp人工神经网络训练原理；
[0079]
图5为bp人工神经网络结构；
[0080]
图6为微波辐射计一级亮温质控流程图；
[0081]
图7为微波辐射计一级数据准确性分析技术路线图；
[0082]
图8为南郊站点再分析资料建模反演、探空资料建模反演与微波辐射计二级产品误差对 比(真值为探空资料)，(a)(b)为温度偏差以及均方根误差，(c)(d)为相对湿度的偏 差与均方根误差；
[0083]
图9为探空资料建模反演、再分析资料建模反演、微波辐射计二级产品不同高度层误均 方根误差对比(真值为探空资料)，(a)为温度，(b)为相对湿度；
[0084]
图10为南郊站点利用临近探空站点建模反演与利用再分析资料建模反演误差对比，(a) 为温度，(b)为相对湿度。
具体实施方式
[0085]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术 方案，而不能以此来限制本发明的保护范围。
[0086][0087]
实施例一：
[0088]
本实施例提出一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法， 通过再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓线反演模型，以解 决无探空站点地基微波辐射计反演精度不高的问题。
[0089]
其中，技术关键点及创新性体现在：如何解决再分析资料与探空资料代表性的问题，如 何挑选合适的再分析资料建立具有该站点气象特征代表性的大气温湿廓线模型。通
过再分析 资料与观测亮温一致性分析，提出再分析资料质控方案，解决再分析资料与探空资料代表性 问题。
[0090]
无探空站点地基微波辐射计反演算法包括两部分，第一部分反演模型建立过程，基于再 分析资料和前向辐射传输模式monortm进行构建，第二部分为反演过程，利用建立好的 算法模型，基于地基微波辐射计的观测亮温及近地面温湿压信息，对大气温湿廓线进行反演。
[0091]
具体的技术路线如图1所示，灰色框内表示大气温湿廓线反演模型的建立过程，首先对 再分析资料era5数据进行质控，其次将质控后的era5数据输入至大气辐射传输模型 monortm中，得到与微波辐射计探测波段对应的模拟亮温，将模拟亮温与era5数据资料 中的大气温湿廓线组成样本对，基于神经网络算法建立反演模型。框外的部分为地基微波辐 射计在业务运行中的实际反演部分，对地基微波辐射计的观测亮温进行质控与偏差订正，将 质控与偏差订正后的观测亮温输入至建立好的反演模型中，即可得到大气各层的大气温湿。
[0092]
各个部分的具体内容如下所述：
[0093]
地基微波辐射计
[0094]
大气中各种成分对微波的吸收强弱并不相同，微波辐射计利用此原理，通过接受不同波 段大气的辐射信息，将辐射信息依据辐射传输原理转换成大气温湿廓线，实现对0-10km大气 监测。地基微波辐射计包括两个吸收波段，分别为k波段与v波段。k波段在22ghz附近， 对水汽吸收较为敏感，可用于探测大气中的水汽；v波段在60ghz附近，对大气中的氧气吸 收较为敏感，且由于大气中的氧气密度较为恒定，氧气吸收变化仅与大气的温度有关，因此 可实现大气温度探测。在k波段与v波段附近设置多个频点，每个频点对应的探测大气高度 不同，可实现不同高度处大气温湿廓线的监测。地基微波辐射计硬件部分主要由红外温度探 测器、方位角定位仪、雨水传感器、仰角镜鼓风机箱、光学天线、黑体、处理器、保护罩、 供电器、频率整合器、温度廓线微波接收机、水汽廓线微波接收机等组成，结构如图2所示。 其中，天顶角方向上的红外温度计(波段为9，6-11.5微米)用于测量云底温度，在云饱和状 态下，可以求出云底水汽密度，从而可以提高水汽和云液水密度廓线的精度。在观测时，天 线罩上如果堆积液体会造成较大的观测误差。所以，微波辐射器的天线罩采用防水材料制成 以减小误差，同时还加入了超级鼓风机系统，用来吹干天线罩上的液态水或者冰晶。该型号 微波辐射计在鼓风系统的进气道中集成了地表温度和相对湿度传感器，以确保传感器始终处 在稳定流动的空气中。鼓风机的顶端集成了降水感应器以自动识别是否有雨。气压传感器设 在箱内以获得地面气压。在实际应用中，微波辐射计获得的数据可分为3类，一是电压值； 二是由观测得到的多个通道亮温，地面温度、湿度以及气压等参数；三是由神经网络算法得 到的大气温度廓线、相对湿度廓线、液态水含量廓线，这些廓线在垂直探测方向上可分为不 同层，分层依据为地面密集，高层稀疏。
[0095]
图2为地基微波辐射计内部结构图。图中：superblower housing:鼓风机、radome:防雨 罩、black body:黑体、temperature profiling microwave receiver:温度扫描微波接收器、watervapor profiling microwave receiver:湿度扫描微波接收器、irt module:红外扫描模块、rainsenor panel:降雨传感器。
[0096]
era5数据再分析资料及其预处理：
[0097]
era5数据资料为模式资料，由地面常规资料以及卫星资料同化而来，可由ecmwf官 网进行下载。数据包括两部分，一部分为气压层数据，整个大气层分为37层，包括大气温度、 湿度、液态水含量等变量，另一部分数据为地面数据，包括地面2m温度，露点温度、水汽、 气压等变量，对数据的预处理包括以下几个部分：
[0098]
(1)气压-高度转化
[0099]
在微波辐射计的二级产品中，输出的温湿廓线以高度划分层结，而在再分析资料中，廓 线资料以气压层划分层结，因此在反演之前需要对气压层进行压高转换。转换方法可根据压 高公式：
[0100][0101]
(2)液态水含量计算
[0102]
在利用辐射传输模式进行正向模拟亮温时，在有云情况下还需输入液态水含量信息，对 液态水含量进行计算，当相对湿度《85％时，则认为无云，液态水浓度为0g/m3；当相对湿 度》95％时，液态水浓度取0.5g/m3；当相对湿度在85％～95％时，假设液态水浓度与相对湿 度满足线性关系。
[0103]
(3)廓线插值
[0104]
在建模过程中，输出的温湿廓线为93层，因此需要将再分析资料与探空资料的廓线层根 据高度进行插值，使输出的气压层保持一致。
[0105]
monortm辐射传输模式
[0106]
大气微波辐射传输模式简称mpm，本发明中采用了monortm模式,此模式由美国大气环 环境研究室(aer-atmospheric and environment research)提供，可免费下载。此模式在国外 应用的较早，在国内黄兴友、鲍艳松等学者已证实该模式模拟在晴天和云天模拟的准确性。 monortm所使用的相关参数源于hitran数据库(如水汽的压力加宽系数、温度加宽系数等)。 水汽吸收谱采用mt_ckd模型，该模型考虑了氧气、二氧化碳、臭氧和氮的压力加宽和自加 宽效应。monortm中还使用了中心频率在22.2ghz和183.3ghz的水汽吸收线情况，也处理 了氧气吸收线在微波频段中的重叠情况。另外，该模式采用采用liebe吸收模型，考虑了云液 态水的影响，计算云中含有液态水的情况下的亮温。monortm类似于“黑箱”，用户可以根据 自身需要，选择与实际情况最符合的辐射传输方案。此辐射传输模式给用户提供了7种不同的 辐射传输方案，如表1所示。本发明中输入模式的大气状况由用户提供，因此选择case3，同 时模拟了云天条件下的微波辐射计亮温，所以也选择case5进行模拟。在case3中，需要按照模 式给定的输入格式给出大气压强、温度、相对湿度、通道数、模拟高度层等参数，case5中， 需要添加各个高度层的液态水含量，单位为1000g/m2。
[0107]
表2monortm7种亮温模拟计算情况
[0108][0109]
再分析资料质控
[0110]
在利用再分析资料进行建模之前，需要对再分析资料的质量进行评估。再分析资料是模 式资料，与真实的大气状况之间会存在误差；探空资料在近地层的探测较为准确，但到了高 层以后会出现漂移，因此无法确定哪种资料可以真实地描述大气状况。微波辐射计的观测亮 温虽然存在噪声等误差，但其接收的信息来源于真实大气，可以反应大气的真实状态。本发 明中首先采用再分析资料模拟亮温、探空资料模拟亮温、微波辐射计观测亮温一致性分析的 方法，对再分析资料质量进行评估。利用2017.4-2018.5背景南郊站点的探空资料、再分析资 料进行亮温模拟，并与微波辐射计观测资料在删除雨天的情况下进行对比，其结果如图3所 示，再分析资料在某些样本处会存在大值，而在这些样本处，探空资料模拟亮温与微波辐射 计观测亮温较为一致，说明在这些样本处，再分析资料廓线不能准确的描述大气状态，使得 模拟亮温出现了较大偏差。
[0111]
图3为22.24ghz、31.4ghz、58ghz通道探空资料、再分析资料模拟亮温与微波辐射 计观测亮温一致性分析。图3中，微波辐射计观测亮温、探空资料模拟亮温、era5资料模 拟亮温一致性分析。其中，mr-observation为微波辐射计观测亮温，ec-simulation为era5 资料模拟亮温，sd-simulation为探空资料模拟亮温。
[0112]
在模拟亮温的过程中，需要输入气压、高度、温度、相对湿度、液态水含量等廓线信息。 为进一步分析再分析资料产生
‘
大值’的原因，将全样本按照历史天气分为晴天、多云以及阴 天样本，发现在多云以及阴天条件下，再分析资料模拟亮温有较多的
‘
大值’产生，这种模拟 亮温的偏差可能与云信息添加的不确定有关。因此在建模之前，需要对再分析资料廓线进行 质控。质控的具体流程如下：首先对era5数据数据进行预处理，提取水汽积分总量与液态 水积分总量值。若晴天条件下水汽样本的积分总量大于x1，则将样本进行删除；若液态水积 分总量大于x2，则将样本删除。最后，将所有再分析资料样本进行亮温模拟，若31ghz模 拟亮温出现大于x3的情况，也将样本进行删除，得到最终质控后的再分析资料大气温湿廓线 样本，形成大气温湿廓线-模拟亮温训练样本集。其中，x1,x2,x3为质控阈值，其选择根据微 波辐射计所在地点的气象条件而定。
[0113]
神经网络建立反演模型
[0114]
基于bp神经网络算法，以及由再分析资料建立的训练样本库，建立大气温湿廓线反演模 型。bp人工神经网络算法流程如图4所示。神经网络把一系列输入，经过连接权重加权输送 给隐含层，隐含层各神经元汇总所有输入后，通过一种转移函数产生某种响应输出，并通过 下一层连接权重输出给输出层。输出层各种神经元汇总所有输入后又产生一种
响应输出。然 后再将其输出与期望输出进行比较。若二者趋于一致或相差甚小，可认为这个网络基本学会 了这一问题。若相差比较大或者不够满意，便将网络输出与期望输出二者间误差送回，通过 调整各连接权重进行重复训练学习，如此循环直到它能产生逼近真实答案的输出结果为止。 相对传统的数理统计方法而言，bp人工神经网络可以求解非线性问题，同样对样本大小的要 求也可以相对少得多(如果样本能够代表该问题的各种类型特征)，并不要求样本独立或者 遵从正态分布，还具有较强的容错能力，即网络系统的判别精度一般不受样本中噪声的影响。
[0115]
本发明采用的是包括输入层、隐含层和输出层的三层网络，bp人工神经网络可有效地用 于复杂的非线性函数的逼近，一个3层的前馈网络能够实现任意精度的连续函数映射，bp人 工神经网络模型见图5所示：
[0116]
神经网络模型的输出可以描述为：
[0117]
o＝f2(yv+b2)
[0118]
y＝f1(xw+b1)
[0119]
其中，o表示网络的输出；x为输入层到隐含层的输入，同时也是隐含层的输入；v为 隐含层到输出层的连接权系数矩阵，初始时刻为一组随机数；w为输入层到隐含层的连接权 系数矩阵，初始时刻为一组随机数；b1、b2分别为隐藏层和输出层单元偏置值矩阵；f为神 经元的非线性作用函数，可依每层设定。多层网络的bp算法的性能指数为均方误差，即mse， 每输入一个样本，便将网络输出与目标输出相比较，算法将调整网络参数使均方误差最小化：
[0120]
mse＝e[e2]＝e[(t-o)2]
[0121]
式中t是期望输出，o是实际输出，e是绝对误差。
[0122]
本发明中网络的参数设置如下：
[0123]
(1)输入层设置：地基微波辐射计接收的各个波段的观测亮温以及近地面温湿压数据。
[0124]
(2)输出层设置：输出层为93个高度层的温度和相对湿度廓线。
[0125]
(3)隐含节点数设置：神经网络性能的好坏容易受其隐层结点数的设置影响，如果隐含 结点数太少，会导致信息不足，从而影响整个网络的反演精度，而隐含节点数太多则会导致 训练时间过长，影响工作效率，怎样确定隐含层中适宜的神经元个数使模型的泛化能力最大， 至今没有很好的结论。目前隐节点的大致取值范围可由以下几个公式估计：
[0126][0127]
h＝log
2 n
[0128][0129]
其中，h为隐含层结点数，m为输入层结点数，n为输出层结点数，其中h为隐节点数， n为输入节点数，m为输出节点数，a为1-10之间的常数。
[0130]
(4)传递函数设置：在反演网络中，输入层与隐含层以及隐含层与输出层之间均选择双 曲正切s型传递函数tansig，该函数能够较好地表达节点间的非线性关系，且不受输入值大 小的影响，其输出值被界定在-1和1之间。
[0131]
(5)训练算法设置：考虑到网络的训练样本比较大，且网络参数设置比较多，以及
存储 大的因素，网络的训练算法选择自适应动量梯度下降法traingdx，该算法适用于函数拟合以及 模式分类等问题，收敛较快，性能稳定，尤其适用于网络规模较大的情况。
[0132]
地基微波辐射计质控
[0133]
微波辐射计的一级观测数据受环境、标定等因素影响，可能会存在偏差或者明显有误差 的数据，若使用这些亮温数据进行反演，会降低反演结果的准确性。因此在使用一级亮温数 据之前，需进行一级亮温质控。本发明结合地基微波辐射计的观测方式与特点，参考以往学 者研究建立一套1级数据质量控制方案，该方案的具体过程如图6所示：
[0134]
具体的步骤如下所述：
[0135]
1)晴雨筛选：雨天条件下地基微波辐射计难以进行有效探测，并且雨天的亮温难以正确 模拟，所以有降水发生时的亮温数据需要剔除。通过历史天气资料和微波辐射计上自带的晴 雨标识将雨天样本剔除，保留云天和晴空样本。
[0136]
2)极值检查：实际使用过程中,发现有个别亮温数据的值异常大,有的甚至超过500k。 此类数据无论是进入气象业务系统中还是用于建立模型，都将带来极大误差。本研究中将亮 温阈值设置为350k，任何一个通道有超过此阈值的予以剔除。
[0137]
3)时间一致性检查：地基微波辐射计观测是连续的，而且时间分辨率极高，在如此短的 时间范围内气象要素是连续且变化不大，因此，微波辐射计接收到的亮温变化幅度也不是很 大。针对地基微波辐射计各通道数据，将每个样本及其前后10个时刻的样本的亮温值分别拟 合一条直线。如果数据比较连续，观测值与该直线应该比较贴合。具体做法是将各个样本数 据与直线上对应数据求得均方根误差ε，将任一通道存在观测值与拟合直线上对应值的差大于 3ε的样本予以剔除。
[0138]
4)辐射传输模式检查：将微波辐射计观测亮温与辐射传输模式的模拟值比较，求出各个 通道的均方根误差ε，如果有超过3ε的样本则予以剔除。
[0139]
为检验此质控方案的效果，使用北京南郊观测站微波辐射计2017年整年的00utc和 12utc数据，去掉缺测值共计724个样本。对全样本进行上述步骤的质量控制，各个质量控 制方案都有一定的效果，数据可用率为76％。表2给出各个通道的质量控制前后(不含雨天 和极异常值)的实测亮温与模拟亮温的相关系数r2，可以看到质量控制后各个通道的实测亮 温与模拟亮温相关性整体上都优于质量控制前，尤其第4-7通道最为明显。可以看到，该质 量控制方案对30ghz与51ghz附近通道实测数据与模拟数据的相关性提升较大。可能的原因 是第4-7通道接收亮温受液态水影响较大，而本研究正演模拟过程中输入的液态水含量时是 根据经验公式添加，所以会带来一定的误差。
[0140]
表2质控前后各通道模拟亮温与观测亮温相关系数
[0141][0142]
地基微波辐射计偏差订正
[0143]
微波辐射计观测亮温存在系统偏差，在用微波辐射计亮温进行反演之前需要对微波辐射 计观测亮温进行偏差订正，以消除观测亮温的系统偏差，使其与模拟亮温更接近。为直接考 察微波辐射计的直接观测性能，首先需要联合再分析资料对一级亮温数据进行
比对分析，主 要包括：1)将探空输入辐射传输模型monortm进行正演模拟亮温的计算，形成模拟亮温数 据集；2)微波辐射计和再分析资料的时空匹配，按照邻域、时间窗的概念，构造辐射计—再 分析资料正演亮温资料对；3)针对不同天气情景，包含云天、晴空、雨天，计算微波辐射计 亮温的观测误差，初步了解仪器在不同情境下的探测能力。基于再分析资料温湿廓线，利用 monortm辐射传输模式，进行微波辐射计亮温正演，将正演亮温与微波辐射计观测亮温进 行辐射传输模式检查，剔除误差较大的样本，最后划分不同天气样本下的模拟亮温与观测亮 温样本对，统计两者之间的观测偏差与均方根误差，评估微波辐射计的观测性能。具体的技 术路线如图7所示：
[0144]
1)微波辐射计观测亮温与模拟亮温匹配
[0145]
对再分析资料模拟亮温，取和微波辐射计站点经纬度最接近的格点模拟亮温与观测亮温 进行匹配。对与微波辐射计空间匹配后的再分析资料模拟亮温，取00utc，12utc前后十分 钟观测亮温平均，作为对应时刻再分析资料模拟亮温的匹配观测亮温，形成模拟亮温观测亮 温样本对。
[0146]
2)辐射传输模式检查
[0147]
辐射传输模式的模拟亮温基于辐射传输理论进行计算，但由于输入模式的廓线探测精度 问题，会使模拟亮温出现误差，同时微波辐射计的观测亮温可能存在系统误差，因此在精度 验证之前需要对模拟亮温与观测亮温进行3倍误差标准差剔除。统计各个通道模拟亮温与观 测亮温的误差平均偏差与误差标准差。若某样本观测亮温与模拟亮温的误差减去误差平均偏 差的值在3倍误差标准差以内，说明观测亮温合理，将该样本保留。否则，该样本不参与统 计。
[0148]
3)不同天气样本分类
[0149]
晴天判断标准为：探空资料500m以上相对湿度《85％，且微波辐射计云底温度≤探空资 料10km处的温度。云天判断标准为：上述条件剩下的即为云雨天。其中，若0-500m中相对 湿度相对湿度》85％，认为是雨天。其余为云天无雨。统计不同天气样本分类下观测亮温与模 拟亮温样本对平均偏差与均方根误差，对微波辐射计的观测性能进行分析。
[0150]
最后，分别对晴云天样本以模拟亮温为真值，以观测亮温为自变量，统计晴云天各个通 道的观测亮温线性订正公式，对观测亮温进行订正。
[0151]
地基微波辐射计作为地基遥感观测重要手段，能实现大气边界层温湿廓线的高时间频率 探测。目前，主流的业务算法采用神经网络算法进行大气温湿廓线的反演，在建立温湿廓线 反演模型时，常采用准确度较高的探空资料作为训练样本。当微波辐射计与探空资料同址时， 建立的大气温湿廓线反演模型具有较好的精度，但是当微波辐射计附近无探空资料与其同址 时，用临近探空站点的资料作为训练样本，建立的反演模型往往不具有代表性，为解决此问 题，本发明提出利用空间一致性较好的era5数据再分析资料代替探空资料作为建模样本， 建立大气温湿廓线反演模型，获得更高精度的大气温湿廓线，以提高地基微波辐射计对边界 层大气的实时监测，同时改善数值预报的初始场，提高数值预报的准确性。
[0152]
为验证再分析资料作为建模资料是否具有可行性，在南郊站点(有探空资料站点)，分 别利用探空资料与再分析资料建立反演模型，再将反演结果与探空资料进行对比。本研究中， 选用2013-2016年的数据建模，2017.4-2019.5的样本进行检验。检验样本共有
399个。检验 结果如图8所示，红色线为微波辐射计二级产品与探空资料的误差，黑色线为探空资料建模 与探空资料的误差，蓝色线为再分析资料建模与探空资料的误差，紫色线为ec资料与探空 资料的廓线误差。
[0153]
从温度来看，微波辐射计二级产品的温度偏差在2km-9km处均在1k以外，偏差较大， 最大甚至可能达到2k。再分析资料反演温度与探空资料反演廓线温度偏差基本都在0.5k以 内，但再分析资料反演结果基本呈现正偏差，而探空资料反演结果呈现负偏差。探空资料反 演温度与再分析资料反演温度在各个高度层上都类似，但是在0-3km处再分析资料反演精度 与探空资料差异较大，这可能是由于再分析资料与探空资料本身的差异造成的。再分析资料 为模式产品，并没有过多地考虑地形等因素的影响，导致再分析资料在近地面处误差较大。 除此以外，再分析资料提供的廓线从1000hpa-1hpa,在地面处分辨率较低，对插值产生影响， 使得近地面处廓线精度较低。lv2产品在3-8km均方根误差与其他两种反演廓线相比较大， 但是在2km以下，探空资料反演与再分析资料反演结果相对于lv2产品改进不大。探空资 料反演的整层均方根误差为1.9k，优于再分析资料反演的整层均方根误差，微波辐射计的二 级产品由于未进行亮温订正，整层均方根误差最大。从相对湿度来看，lv2产品的相对湿度 偏差很大，且均为正偏差，整个高度层在6％-21％之间；再分析资料相对湿度廓线在5km以 上与探空资料有非常大的正偏差；而再分析资料与探空资料反演的偏差基本都在-5％-5％之间。 再分析资料反演相对湿度与再分析资料反演相对湿度在7km以下各个高度层上都类似，在最 底层再分析资料精度与探空资料差异较大，可能是由于底层相对湿度由外插得到以及再分析 资料与探空资料本身差异导致。lv2产品整层相对湿度均方根误差都很差，探空资料反演结 果与再分析资料反演结果相对于lv2产品有很好的改善。探空资料与再分析资料整层均方根 误差均在18％以内，达到业务要求，而微波辐射计二级产品整层均方根误差大于20％。
[0154]
图9为探空资料建模反演、再分析资料建模反演、微波辐射计二级产品在不同高度上的 误差统计，在各个高度层，相对湿度探空资料建模反演结果、再分析资料反演结果均优于微 波辐射计二级产品；温度探空资料建模反演相对于二级产品有较大提升，特别是在对流层中 层与对流层上层，再分析资料建模反演结果在边界层以下由于资料本身的问题改进不大，但 在对流层中上层有较大的改善。从对比结果可以看出，再分析资料作为训练样本建模具有可 行性。
[0155]
北京地区共架设了7台地基微波辐射计，除南郊站点外，其它站点均无探空资料，在利 用再分析资料建模反演后无法找到合适的
‘
真值’检验反演结果的精度。因此，考虑南郊站点 有探空资料可以作为真值对比，利用南郊微波辐射计站点附近的张家口探空站点资料建立一 套反演模型进行反演，与南郊微波辐射计站点利用再分析资料建模反演的结果进行精度对比 试验。南郊站点与张家口探空站点相距110km，且海拔高度存在700m差异，可用于模拟北 京其余几台微波辐射计的反演情况。图10为两套反演模型的误差对比，由于两个站点在海拔 高度上存在差异，在统计结果时，只统计700m-10km的反演结果。可以看到，无论是相对 湿度还是温度，再分析资料建模反演的结果均优于利用临近探空站点建模反演结果。其中， 温度的整层均方根误差再分析资料反演1.83k，张家口探空资料建模反演4.31k，相对湿度的 整层均方根误差再分析资料反演13.5％，张家口探空资料建模反演16.9％。在边界层和对流 层中上层，温度再分析资料建模反演的精度有较大提升；在边界
层，相对湿度再分析资料建 模反演的精度有很大提升。对流层中上层，微波辐射计对温度的探测能力较弱，温度反演精 度取决于张家口探空资料与南郊站点探空资料差异，由于两个站点有一定距离，大气状态存 在差别，导致临近探空站点反演精度较差。地基微波辐射计的通道权重函数基本都集中在地 面，因此在边界层处，反演精度不仅取决于张家口探空资料与南郊探空资料的差异，也取决 于模拟亮温与观测亮温差异。由于地形、海拔高度等因素的影响，临近探空站点建立的模型 代表性不够，反演精度低于再分析资料建模反演精度。
[0156]
本专利的目标在于：提出再分析资料代替探空资料建立无探空站点地基微波辐射计大气 温湿廓线反演模型，以解决无探空站点地基微波辐射计反演精度不高的问题。
[0157]
其中，技术关键点及创新性体现在：如何解决再分析资料与探空资料代表性的问题，如 何挑选合适的再分析资料建立具有该站点气象特征代表性的大气温湿廓线模型。通过再分析 资料与观测亮温一致性分析，提出再分析资料质控方案，解决再分析资料与探空资料代表性 问题
[0158]
实施例二：
[0159]
本实施例提供一种再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓 线反演系统，包括：
[0160]
信息获取模块：用于获取地基微波辐射计的观测亮温；
[0161]
质控模块：用于对地基微波辐射计的观测亮温进行质控与偏差订正，得到质控与偏差订 正后的观测亮温；
[0162]
反演模块：用于将所述质控与偏差订正后的观测亮温输入反演模型中，反演获得大气温 湿廓线；
[0163]
模型建立模块：用于基于神经网络算法建立反演模型，通过再分析资料和前向辐射传输 模式monortm进行构建训练集，反演模型输入为地基微波辐射计的观测亮温，输出为大 气温湿廓线。
[0164]
本实施例的装置可用于实现实施例一所述的方法。
[0165]
实施例三：
[0166]
本实施例提供一种再分析资料代替探空资料建立无探空站点地基微波辐射计大气温湿廓 线反演系统，包括处理器及存储介质；
[0167]
所述存储介质用于存储指令；
[0168]
所述处理器用于根据所述指令进行操作以执行实施例一所述方法的步骤。
[0169]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。 因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的 形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储 介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0170]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和 /或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和 /或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指 令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器
以产生一 个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流 程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0171]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工 作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制 造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指 定的功能。
[0172]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或 其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编 程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多 个方框中指定的功能的步骤。
[0173]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说， 在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为 本发明的保护范围。