多源卫星数据协同反演云参量的模型研究

Cloud parameters measured with high accuracy is one of the most important factors of accurate numerical value of weather forecast. The primary method of obtaining cloud parameters is cloud parameter retrieval based on satellite data. However, the accuracy of this retrieval is limited. The Project plans to implement Cloudsat, Calipso and Modis which are in the series of A-Train satellite to access multiple data sources of both vertical distribution of complex cloud and double stereoscopic observation of the horizontal plane. Synergy retrieval model can be built with covariance minimum principle of simulation value and practical measurement values with the application of forward multiple scattering simulation model theory by using the penetrating power and sensitivity of microwave for cloud cluster, water clouds and macro particle, sensitivity of laser for ice clouds and small particles of cloud cluster and sensitivity of infrared spectrum for the general radiation detection of underlying surface of cloud top on different surface. The Project makes an immediate contribution to increase the cloud parameters retrieval precision. The result of research has not only provided technical support and scientific basis for the operation of the next generation of satellite cloud parameters in our country, but also for the aspect of accurate retrieval of cloud parameters and numerical value of weather forecast. Furthermore, it can supply technological reference in respect of the prevention of meteorological disasters in our country.

云参量的精确获取是准确数值化天气预报的重要因素，基于卫星数据反演云参量是获取云参数的最主要手段之一，但目前这种反演精度有限。针对目前基于单一传感器数据反演云参量精度不够，以及反演云参量模型对复杂云团无效的问题，本研究拟应用A-Train系列卫星中的Cloudsat、Calipso和Modis对复杂云团进行垂直分布和水平分布双重"立体"观测获取的多源数据，利用微波对云团具有穿透性、对水云和大粒子敏感；激光对云团中冰云和小粒子敏感；以及红外光谱对不同地表下垫面上云顶总体辐射探测敏感的特性，依据前向多次散射仿真模型理论值和实际测量值协方差最小原理构建协同反演模型，为提高云识别精度和降低云参量不确定度作出贡献。本研究成果不仅可为将来建立以云宏观和微物理特性观测为核心，包括辐射、气溶胶及常规气象参数在内的综合空基观测系统奠定基础，还可为改进对于数值预报极为重要的云和辐射参数化方案提供观测的科学依据。

云和气溶胶辐射效应及对气候变化的影响已成为近年来的一个研究热点。对云——气溶胶——辐射——气候相互作用的研究，对于了解气候系统变化规律、提高气候预测水平具有重要的意义。基于卫星数据反演云参量是获取云参数的最主要手段之一，但目前这种反演精度有限。针对目前基于单一传感器数据反演云参量精度不够，以及反演云参量模型对复杂云团无效的问题，本项目利用A-Train卫星系列中的MODIS、CloudSat和Calipso三传感器对复杂云团进行垂直分布和水平分布双重"立体"观测获取的多源数据，利用微波对云团具有穿透性、对水云和大粒子敏感；激光对云团中冰云和小粒子敏感；以及红外光谱对不同地表下垫面上云顶总体辐射探测敏感的特性，依据前向多次散射仿真模型理论值和实际测量值协方差最小原理构建协同反演模型。该协同反演模型先在提高云相态的识别精度的基础上，再考虑云的多次散射模型情况下，联合应用红外辐射，微波和激光数据来反演云参量。首先从理论上对现有的三种传感器MODIS、CloudSat和Calipso各自识别云相态的方法进行研究，给出单独识别云相态的缺陷，分析这三个传感器单独识别云相态存在缺陷时的条件和原因；其次针对各自对云相态识别的优劣性，研究提出基于三传感器测量数据的协同新算法来判识云相态和反演云参量；最后应用地基太阳辐射计、微波雷达和激光雷达测量的数据反演的云参量结果来验证该协同算法。此外本项目还利用A-Train卫星联合数据所能获得的信息，提取气溶胶信息获得了良好的效果，为高分辨率卫星气溶胶高精度遥感，及在空气质量遥感监测等方面的应用开辟了新的思路。本研究成果不仅可为将来建立以云宏观和微物理特性观测为核心，包括辐射、气溶胶及常规气象参数在内的综合空基观测系统奠定基础，还可为改进对于数值预报极为重要的云和辐射参数化方案提供观测的科学依据。