[发明专利]一种提高一维变分算法反演大气温湿廓线精度的方法

说明书

一种提高一维变分算法反演大气温湿廓线精度的方法，选择较长时间跨度的大气数据，建立包含大量数据的全球代表性数据，并根据地表差异对全球代表性数据进行海陆分类，进而考虑到不同纬度带大气特征的差异，对全球代表性数据按照纬度带进一步分类，针对不同的纬度带产生不同的背景协方差矩阵。一维变分算法根据输入的观测亮温的海陆分类和地理位置，调用相应的背景协方差矩阵进行反演计算。可使一维变分算法在反演大气参数时具有更高的反演精度，且操作简单易行。

技术领域

本发明涉及微波遥感技术领域，具体说的是一种提高一维变分算法反演大气温湿廓线精度的方法。

背景技术

微波辐射计通过对地-气系统的微波辐射的探测可获得观测亮温，利用反演算法可从观测亮温中提取大气温度、大气湿度以及降水等大气参数信息。一维变分算法作为被广泛应用的反演算法，其本质是把大气参数的初始值输入到微波辐射传输模型计算模拟亮温，通过迭代过程不断调整初始值，使调整初始值产生的模拟亮温尽可能接近微波辐射计的观测亮温，迭代结束后的调整初始值作为大气参数的反演值，进而获取大气参数信息。目前一维变分算法已被很多业务化反演系统作为了核心算法，如韩国业务化运行的反演软件包AAPP，美国国家海洋和大气局(NOAA)的业务化反演系统MIRS以及欧洲中期天气预报中心(ECMWF)开发的反演系统1D-Var等。一维变分算法是从物理角度对微波在大气中辐射传输过程的直接求逆，改进影响该算法反演精度的参数生成方法，对一维变分算法反演更高精度的大气参数具有重要意义。

一维变分算法作为典型的物理反演算法，影响其反演精度的参数包括：初始值、背景值、背景协方差矩阵、辐射传输模型的计算精度、微波辐射计观测亮温的精度等。在影响一维变分算法反演精度的众多参数中，背景协方差矩阵是对大气实际状态的直接体现，可将一维变分算法迭代过程中产生的调整初始值限制在真实的大气状态之内。因此，在使用大气数据计算产生背景协方差矩阵时，大气数据的选择必须综合考虑与大气状态相关的时间、地点、地表差异、季节变化、各纬度带的气候差异等因素，使选择出来的大气数据更能代表真实的大气状态。目前，针对背景协方差矩阵的生成，多是采用较长时间跨度的大气数据，数据量较大，因此受限于计算能力的限制，通常会选择晴空数据进行计算，而晴空数据不足以描述真实的大气状态。另外，使用较小数据量的全球代表性数据集计算背景协方差矩阵也是常用方法，但是该方法使用的小数据量的大气数据不足以描述复杂的大气状态，同时忽略了不同纬度带大气特征的差异。因此，现有的传统的生成背景协方差矩阵的方法，在一定程度上限制了一维变分算法反演大气参数精度的提高。

发明内容

为解决上述技术问题，本发明提供一种提高一维变分算法反演大气温湿廓线精度的方法，具有更高的反演精度，且操作简单易行。

为实现上述技术目的，所采用的技术方案是：一种提高一维变分算法反演大气温湿廓线精度的方法，包括以下步骤：

步骤一：基于包括温度廓线T、湿度廓线H、云水廓线CLW、云水总含量TCW的气候学数据集，建立包含n_t组大气数据的大气数据集；

步骤二：统计大气数据集中云水总含量TCW的分布特征，基于云水总含量TCW的分布特征建立精简大气数据集L^′；

步骤三：对精简大气数据集进行海陆分类，形成海洋大气数据集OCEAN和陆地大气数据集LAND，建立纬度带BAND_j，按照纬度带对海洋大气数据集OCEAN和陆地大气数据集LAND进行再分类，分别建立相应的海洋纬度带大气数据集OCEAN_j和陆地纬度带大气数据集LAND_j；

步骤四：分别使用海洋纬度带大气数据集OCEAN_j和陆地纬度带大气数据集LAND_j中的温度廓线和湿度廓线，计算产生相对应的背景协方差矩阵，一维变分算法根据输入观测亮温的海陆分类和地理位置，调用相应的背景协方差矩阵进行温度廓线和湿度廓线的反演计算。

本发明所述步骤一具体包括：