[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

说明书

技术领域

本发明专利涉及云相态和云参量的反演方法研究，尤其涉及联合利用多传感器协同方法对云相态和云参量的反演。 

背景技术

在全球气候变化和天气预报过程中，云是一个重要的参量。由于云所涉及的时间和空间尺度的变化范围很大，且不同相态之间的转换机制非常复杂，所以云是所有气象要素中最难以描述的变量。在未来的云和辐射的参数化方案中，引入细致的微物理过程是一个重要的发展方向，故研究云的参量有着非常重要的意义。而目前现有的基于卫星数据识别云相态的方法基本都是利用单一传感器数据反演的方法，这些方法对简单云团的识别结果是比较精确的，但对复杂云团的识别结果相对都比较差，而天空的云团基本都是复杂云系，所以有必要发展识别云相态和反演云参量新的方法。 

发明内容

为得到精确的云相态和云参量的反演算法，本专利利用可见光和近红外波段对云团整体的观测效果和激光雷达、微波雷达可以探测到云团内部的垂直结构的特性，提出了一个反演云相态和结合云相态反演云参量的新方法——协同算法。 

本发明专利的技术方案是：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，包括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。 

本发明专利的有益效果是：本算法联合MODIS、CALIPSO、CloudSat卫星数据反演云相态和冰云参量，具有较高的精度。开发协同反演算法有利于我们正确的认识云相态和云的其他光学和物理参量；而且目前国际上发射的A-Train系列卫星提供了从可见、红外、 微波和偏振等多波段、多方式的探测信号，为协同反演提供了数据源的保证；另外国内将要发射的FY-4卫星上计划搭载的多传感器，也能为协同反演提供数据源；反过来说，协同算法的建立也可以为FY-4数据源的应用提供科学技术参考和科学技术基础。其建立的算法具有重要的现实意义和应用价值。 

附图说明

下面结合附图和具体实施方式对本发明专利作进一步阐述；

图1为协同算法的技术路线图；基于A-Train数据的协同反演云相态和云参量流程 

具体实施方式

根据目前单个传感器反演云相态的特点，可以看出三传感器对云的探测信号具有互补性，如：(1)对于微波雷达，其探测信号与粒子大小的6次方成正比(Z∝D⁶)，而对于激光雷达，其探测信号与粒子大小的2次方成正比(b∝D²)，故如果基于激光和微波雷达协同反演将会有利于不同尺度的粒子都能起到贡献；(2)辐射亮度的协同应用能确保反演的粒子形状正确；(3)不同的传感器对不同相态粒子的敏感性不一样，可以相互弥补；(4)单一传感器的信号有时候有误差或没有获得，而用多传感器协同可处理信号偶尔丢失和有问题的情况；(5)还可处理云的内部多层结构和不同下垫面发射率以及云顶部问题。 

根据单个传感器的特点，该算法首先基于经验统计数据假设所需反演对象的物理参量，如协同算法反演云参量时，需先假设云粒子参量的a_v，N₀，S值，在该假设参量的前提下利用MODIS仿真模型、CALIPSO激光雷达仿真模型和CloudSat的仿真模型计算各自通道辐射值和雷达各自高度的后向反射值，然后用各传感器的实际测量值与模拟值进行χ²的拟合(当然这种多数据组的拟合，需要建立协方差矩阵)，如果不能得到最佳值，就用估计的误差从新计算并修正最先的云参量a_v，N₀，S值，再用新的参量和仿真模型再次计算模拟值，用新的模拟值和实际测量数据再次进行χ²的拟合，如此循环迭代，直到最后的拟合误差达到允许的值后，输出此时代入理论模型计算时的输入的云参量假设值就是反演的云参量值。