[发明专利]一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法

权利要求书

1.一种利用A-Train系列卫星数据反演云相态和云参量的新方法，其主要内容包括云数据的确定、单个传感器反演云相态方法的选取、数据匹配、云类型识别、仿真模型、协同算法的构建即过冷水云的识别等。其特征是根据三个传感器对云的探测信号不同，即激光雷达的后向散射系数、微波雷达的后向散射系数和近红外波段的观测辐射值对不同成份的粒子的云的信号敏感性不一样，构建一个新算法，利用各自传感器的方针模拟值和传感器探测的真实值拟合到最佳状态时，此时云粒子大小、云的类型、云光学厚度和云的冰水含量的值就是真实的云参量值。

2.根据权利要求1所述的云数据的确定，其特征是基于MODIS、CloudSat和CALIPSO的数据，分别利用各自传感器的云检测的方法，然后再应用各自检测出的云的综合结果为联合识别的云结果，即用CloudSat和CALIPSO各自识别的云标识叠加的结果做为协同反演时的云数据。

3.根据权利要求1所述的单个传感器反演云相态方法的选取，其特征是基于云检测数据源，分别利用各自传感器识别云相态的方法，进行云相态识别；并把各自识别的结果进行协同处理的结果作为云相态的结果和云参量反演的数据源。

4.根据权利要求1所述的过冷水云的识别，其特征是过冷水云同具有相同冰水含量的冰云相比，具有较小的粒子尺度，在协同反演中，可以利用激光雷达与粒子直径的2次方成正比和微波雷达的回波强度对与粒子直径的6次方成正比的特性(即对粒子大小有不同敏感特性)的关系来识别过冷水云。

5.根据权利要求1所述的协同算法的构建，其特征是从数学和物理的角度比较详细地构建了协同算法，在a_v，S和N₀^*参量和云相态假设的基础导出了云参量(云粒子有效半径，冰水含量、云的光学厚度等)的反演方法，最后给出这些参量的误差估算公式。