面向同化应用的红外高光谱探测资料局地综合通道选择方案及在FY-3D/HIRAS中的初步应用

樊浩 ，王伟，王金成 ，韩威

(1. 成都信息工程大学大气科学学院，四川 成都 610225； 2. 中国气象局地球系统数值预报中心，北京 100081；3. 上海市生态气象和卫星遥感中心，上海 200030；4. 中国气象科学研究院/灾害天气国家重点实验室，北京 100081)

1 引 言

高精度的数值天气预报需要大量的观测资料。理想的观测资料需要能够为数值预报系统提供时空分布均匀、足够数量和精度的资料，而气象卫星探测资料具有信息量大、覆盖面广、时空分辨率高等优点，尤其在常规观测难以观测到的地区(如海洋、沙漠)，卫星资料显得尤为重要。卫星红外高光谱仪器具有光谱分辨率高的特点，能够获取大量的大气热动力参数[1-2]，是数值天气预报的重要数据来源。

近年来，随着气象卫星研发和应用技术的不断提高，拥有高时空分辨率和高光谱分辨率的红外高光谱仪器得到了广泛发展和应用。目前广泛应用的红外高光谱仪器包括搭载在MetOp-B/C/D卫星上的IASI(Infrared Atmospheric Sounding Interferometer)；搭载在Soumi-NPP 卫星和JPSS-1卫星上的CrIS(Cross-track Infrared Sounder)；搭载在EOS-2(Aqua)卫星上的AIRS；搭载在FY-3D 卫星上的HIRAS(High-spectral Infrared Atmospheric Sounder)；搭 载 在 FY- 4A 卫 星 上 的GIIRS(Geostationary Interferometric Infrared Sounder)等。大量研究表明，这些资料在数值天气预报和气候研究中发挥了极为重要的作用[3-9]。

数值天气预报中同化红外高光谱仪器资料的关键技术在于通道选择、质量控制及偏差订正。近年来，众多学者对这些关键技术进行研究，设计和改良了许多方法[10-16]，为红外高光谱仪器资料在数值天气预报中的同化提供了宝贵经验。在这些关键技术中，红外高光谱仪器资料的通道选择是一个极为重要的内容。红外高光谱仪器资料的通道数量巨大，存在大量冗余的通道信息；仪器资料的光谱分辨率高，不同通道的观测误差之间存在明显的相关性，目前变分同化系统中没有考虑观测误差的相关性；并且高光谱仪器资料的垂直分辨率远高于模式的垂直分辨率，与模式不匹配，会引入模式无法分辨的高频信息[17-18]。因此，在同化红外高光谱仪器资料之前，必须进行通道选择，剔除冗余的通道，以有限的通道获取尽可能多的观测信息。为了更有效地同化红外高光谱仪器资料以改善模式的初始场，前人提出了很多通道选择的方案，如早期Li 等[17]提出了一种基于辐射传输模式的逐步回归的算法用于对AIRS 的通道选择；Rabier 等[19]研究了基于雅可比矩阵和迭代方法的熵减法作为IASI 的通道选择方案；Collard[18]在熵减法的基础上提出了依据通道信息内容分析以及设立相关限制条件进行通道选择的方案；Ventress等[20]在熵减法的基础上进行改进可更好模拟和量化光谱相关误差；Noh等[21]提出了基于一维变分分析和定义评分指数作为通道选择标准的通道选择方案等；王根等[22]利用了信号自由度(Degrees of Freedom for Signal，DFS)的通道选择方案的思想对同化分析场进行影响诊断；尹若莹等[23]通过结合通道权重函数峰值法和信息熵分步迭代法对GIIRS 红外长波资料进行通道选择改进了单一通道选择方法的不足。

这些研究为卫星高光谱仪器资料的通道选择提供了许多参考，然而这些方案最终都仅选取了一组通道进行同化。不同区域背景误差、地形高度、大气温湿度垂直分布特征以及模式垂直分层等均有很大差异，因而对模式大气敏感的通道也不尽相同。全球同化相同的通道集，在青藏高原等大地形和复杂下垫面区域同化的通道信息就会十分有限，限制了红外高光谱资料的信息利用率，影响了青藏高原等常规观测稀少地区的资料分析效果。为了最大限度提取红外高光谱探测资料观测信息，减少模式在青藏高原等常规观测稀少地区的初始场的误差，不同区域需要选取不同通道进行同化，为此，本文设计了一套面向同化应用的局地综合的通道选择方案。

本文基于信号自由度的通道选择方法建立了面向同化应用的红外高光谱探测资料局地综合通道选择方案，将该方案应用于FY-3D/HIRAS(Highspectral Infrared Atmospheric Sounder)资料分别在海洋与高原区域进行通道选择，并利用一维变分同化分析不同通道集在不同区域的同化效果。

2 面向同化的局地综合通道选择方案

2.1 信号自由度的通道选择方法

文中采用的通道选择方法为信号自由度的通道选择方法，该方法本质是利用信息熵[24]的思想，通过计算信号自由度(DFS)找出对信息熵影响最大的通道，选择该通道并迭代选出后续通道[15]。定义分析误差协方差为：

式中，n为迭代步数，An为迭代选择第n个通道后对应的分析误差协方差矩阵，当n = 1 时，A0= B，这里B 表示背景误差协方差矩阵，hi为第i 个通道的标准化观测误差后的雅克比矩阵。每次迭代计算全部通道的Ai，利用DFS用来判断信息熵的变化：

式中，An由式(1)求得，B 为背景误差协方差矩阵，I是对应的单位矩阵，Tr 表示矩阵的迹。求出所有通道的DFS，选择DFS 最大的通道，并利用该通道的分析误差协方差矩阵An计算剩余通道的分析误差协方差矩阵An+1，每次迭代选出一条通道，当选择出的通道数满足给定的数量要求或者信息熵的变化不再明显时，结束迭代，所有被选择出的通道存入通道选择集。

该方法中用来判断信息熵变化的指标不唯一，也有学者利用熵减(Entropy reduction，ER)进行判断，熵减的定义为：

研究表明[14]，利用ER 和DFS 作为衡量指标进行通道选择，所选择出的通道基本一致。

2.2 雅克比矩阵对通道选择的影响

在式(1)中，涉及仪器通道的雅克比矩阵，本文采用RTTOV 快速辐射传输模式进行红外高光谱大气探测仪HIRAS 的亮温模拟计算，在辐射传输模式中，定义雅克比矩阵为：

hi表示第i个通道的雅克比矩阵，在卫星红外高光谱仪器同化中，yi表示仪器通道的亮温，i为仪器的通道号，xm表示控制变量(温度、湿度等)，m表示控制变量所对应的高度层。

雅克比矩阵可表示卫星不同通道观测或模拟亮温在不同高度对不同大气参数变化的敏感性，如当x为温度变量时，对温度求导得到的温度雅克比矩阵可表示卫星不同通道在不同高度对温度变化的敏感性，当x为湿度变量时，对湿度求导得到的湿度雅克比矩阵可表示卫星不同通道在不同高度对水汽变化的敏感性。不同区域大气温湿度廓线垂直分布特征以及模式垂直分层均有很大差异，因此在不同区域求得的雅克比矩阵不相同，进而利用信号自由度的通道选择方法获得的通道也不相同。

2.3 权重函数对通道选择的影响

在对卫星高光谱资料进行通道选择时，经常要考虑到卫星通道的权重函数(Weighting function)，定义权重函数为：

式中，τ(v，θ，P)为对应波数为v的通道透过率，θ表示卫星观测的天顶角，P表示气压。权重函数可表示大气不同高度对不同通道的辐射贡献率，对于单个通道而言，权重函数的峰值所在高度代表了大气对该通道的辐射贡献最大层或最主要贡献层，在应用中，往往将该峰值所在高度视为通道高度(本文定义通道权重函数峰值所在高度为通道高度)。理想的权重函数是单峰值的，当权重函数出现多峰值时通道高度不唯一，难以分辨该通道探测的是哪一层的信息，所以通道选择中会优先剔除权重函数呈现多峰值的通道。同时，为了能够利用红外高光谱仪器资料得到高垂直分辨率的资料，在通道选择时，应使所选择通道集的通道高度能够覆盖尽量多的高度层。

雅克比矩阵和权重函数都是反映红外高光谱仪器通道性质的重要依据，在信号自由度的通道选择方法中会依据雅克比矩阵进行选择，权重函数也往往被用来表征通道主要反演的高度层，但是这两项数据的计算都依赖于模式设定的背景大气廓线，在不同的大气廓线下，雅可比矩阵和权重函数也会得到不一样的结果。大气是一个复杂的系统，不同空间区域的大气温湿度垂直分布特征也有明显的差异，通过模式结果在不同区域获得对应的大气廓线从而计算得到的雅克比矩阵和权重函数也有较大的差异，这也是建立局地通道选择方案的依据之一。

2.4 背景误差协方差矩阵对通道选择的影响

背景误差协方差矩阵的本质是预报误差的概率密度分布函数[25]，在变分同化中扮演着至关重要的角色，背景误差协方差的精度是影响分析场准确率的重要因素。在信号自由度的通道选择方法中，DFS 的计算取决于分析误差协方差矩阵和背景误差协方差矩阵的逆矩阵，在第一次迭代中，分析误差协方差矩阵的计算也依赖于给定的背景误差协方差矩阵。因此，利用信号自由度的通道选择方法所得到通道很大程度上取决于给定的背景误差协方差矩阵。由于不同区域的模式背景误差存在明显的差异，针对不同区域所得到的敏感性通道理应也有区别，因此，在建立局地通道选择方案的过程中，也应利用背景误差协方差矩阵的差异。

2.5 观测误差和偏差对通道选择的影响

卫星红外高光谱资料不可避免存在观测误差，误差较大的观测资料往往会对同化结果造成较差的影响，在进行同化时，应规避误差较大的观测资料。影响观测误差的原因有很多，而有些是由于仪器通道的特性决定的。首先，由于仪器本身和定标过程存在误差，不同通道的观测误差具有较大差异，有些通道本身观测误差较大；其次，由于观测资料受到如云等特殊物理因素的影响导致的观测误差，虽然可通过云检测剔除大部分受到云影响的资料，但是仍存在难以被检测到的低云等，而通道高度在近地面的通道，极易受到低云和地表反射率的影响而产生较大的观测误差。因此，在进行通道选择时，虽然有些通道很敏感，但要综合考虑其他影响同化的因素，剔除容易产生较大误差的、难以订正误差的通道。

2.6 面向同化的局地综合通道选择方案

如上所述，利用信号自由度的通道选择方法，基于不同区域雅克比函数、权重函数和背景误差协方差矩阵的差异，本文设计了一套局地综合的通道选择方案，方案流程如下。

(1) 估计仪器的观测亮温和模式模拟亮温之差(O-B)和等效噪声温差(NEDT)：利用模式背景场的模拟亮温和观测资料得到仪器的O-B均值和标准差用以近似地描述仪器的观测误差，而NEDT 是描述卫星探测仪器观测精度的一项参数，可作为观测误差的参考值。

(2) 挑选所选区域的典型大气廓线：通过统计较长时间模式积分得到局地综合通道选择方案中所选择区域的典型大气廓线。

(3) 计算所选区域的雅克比矩阵、权重函数：基于所选区域的典型大气廓线，利用RTTOV 得到对应区域的雅克比矩阵和权重函数。

(4) 估计所选区域的背景误差协方差矩阵：基于模式背景误差协方差获取所选区域的背景误差协方差矩阵。

(5) 建立通道选择黑名单：考虑仪器的O-B、等效噪声温差、权重函数和光谱吸收带等因素，剔除O-B 和等效噪声温差偏差值较大的通道，剔除权重函数呈现多峰值的通道，文中仅针对温度通道进行选择，故剔除对水汽等其他变量较敏感的通道。

(6) 利用信号自由度的通道选择方法进行通道选择：在剔除黑名单中通道后，利用第3 步得到的雅可比矩阵和第4步得到的背景误差协方差，应用信号自由度的通道选择方法在所选择区域迭代进行选择，保留DFS变化不再明显的通道。

(7) 综合考虑对同化影响因素进一步筛选通道：在第6 步的通道选择结果中，综合考虑通道高度和通道的光谱性质等对同化影响因素，根据迭代的先后顺序进一步对通道进行筛选，剔除不符合要求的通道，保留与模式垂直层数相近的通道数作为最终选择结果。

3 局地综合通道选择方案在FY-3D/HIRAS资料中的应用

为了验证局地综合通道选择方案的合理性和有效性及后续对资料同化的影响，面向CMA_GFS（原GRAPES_GFS）模式全球同化，在高原和海洋两个典型区域，应用该方案对FY-3D/HIRAS 资料进行了通道选择试验。

3.1 资料介绍

3.1.1 HIRAS观测资料介绍

FY-3D 红外高光谱大气探测仪(HIRAS)是搭载在FY-3极轨气象卫星系列上的首个高光谱红外探测仪器。观测方式为对全球范围进行循环探测，仪器每次扫描30条扫描线，每条扫描线共扫描29 个FOR(Field of Residence)，每个FOR 包含4 个FOV(Field of Views)，每个FOV 对地张角为1.1 °，对应星下点地面瞬时视场大小约为16 km，不同FOV之间的地面间距约为26.17 km。HIRAS使用长波分色片和中波分色片分离长波通道(8.80~15.38 μm)、中波1 通道(5.71~8.26 μm)和中波2 通道(3.92~4.64 μm)，光谱分辨率定标为0.625 cm-1，共生成2 287 个通道的数据，在使用前需对这2 287 个通道的观测数据进行切趾，最终获得2 275 个通道的观测数据以供使用[26]。同时，HIRAS 的四个FOV 之间也存在差异，对此也可进行一系列的研究，本文主要研究温度通道的选择，参考文献[27-28]研究结果，长波波段FOV1 光谱偏差的标准差相对小于FOV4，而Wu 等[29]研究指出FOV2 和FOV3 存在当前无法订正的偏差，故本文选取FOV1资料进行研究。

3.1.2 HIRAS各通道O-B统计特征和等效噪声温差

O-B 中O 表示仪器的观测亮温，B 表示模式背景场的模拟亮温(本文采用RTTOV 快速辐射传输模式进行模式背景场的亮温模拟)。通常模式背景场B 的统计特性相对比较稳定，并且具有较高的精度，采用O-B 统计特征来分析观测误差的统计特性。O-B 均方根很大代表观测误差也很大，O-B 平均值很大代表观测偏差也很大，这些通道不适合用来同化，这些通道在通道选择中需要被优先剔除，本文利用CMA_GFS 全球模式生成的背景场和HIRAS的FOV1观测资料统计2019年12 月10 日03 时—15 日03 时HIRAS 全 部2 275 个通道的亮温O-B 均值和标准差如图1 所示，所用观测资料预先利用McNally 等[11]的云检测方案进行过云检测，剔除了受云影响的资料样本。

由图1a 可看出，O-B 在波数750 cm-1之前和1 000~1 100 cm-1之间的通道出现较大值，参考后文通道高度可知，750 cm-1之前通道高度较高，可能是由于背景场在高层的误差较大导致的，而1 000~1 100 cm-1之间的通道易受到臭氧的影响，同时权重函数呈现多峰值，导致O-B较大，结果与Qi等[28]和Wu等[29]研究结果基本一致。

图1 2019年12月10—15日HIRAS观测值与背景场RTTOV模拟值差异(O-B)的平均值(a)及标准差(b)

等效噪声温差(Noise Equivalent Delta Temperature, NEDT)是描述卫星探测仪器观测精度的一项参数，可作为观测误差的参考值，NEDT值越接近于0代表观测精度越高，理论上NEDT会随着观测的波长变化而变化也会随着观测场景的温度变化而变化[29]。HIRAS 资料的NEDR 数据由仪器ICT(Internal Calibration Target)视场扫描获得。利用2019年12月10日03时—15日03时的HIRAS的ICT视场NEDR数据，取亮温为300 K，得到对应的NEDT 如图2 所示，短波波段NEDT 明显大于长波和中波波段，而长波波段700 cm-1之前的通道NEDT 值明显过大，FOV4 尤为明显，而长波波段1 000 cm-1之后的通道NEDT 存在波动，Qi 等[27]研究结果指出，仪器运行时内部产生的污染气体会对该波段内部校准视场观测结果产生较大影响，文中结果与Qi等[28]和Wu等[29]研究结果基本一致。

图2 2019年12月10—15日HIRAS不同通道对应NEDT(取亮温为300 K)其中FOV代表HIRAS的四个探元，dir=0(a)和dir=1(b)分别表示仪器的扫描方向为正和负。

3.1.3 海洋区域与高原区域的雅克比矩阵和权重函数

为了探究不同区域通道选择的差异，选取两个具有典型特征的区域如图3：青藏高原区域(蓝)，本次试验取85~95 °E，28~ 33 °N，矩形范围内数据为高原个例；海洋地区(红)，本次试验取135 °E~135 °W，0 °~30 °N，矩形范围内数据为海洋个例。

图3 试验选取区域 青藏高原区域(85~95 °E，28~33 °N，蓝框)，海洋地区(135 °E~135 °W，0 °~30 °N，红框)。

图4 海洋/高原区域通道选择参数对比 a. 温度廓线；b. 温度背景误差；c. 部分通道在高原廓线（实线）和海洋廓线（虚线）下的温度雅克比矩阵。

通过CMA_GFS 模式输出结果统计2019 年12 月10 日03 时—12 月15 日03 时的数据，得到以上两区域的大气温度廓线如图4a 所示，模式输出两区域温度垂直分布具有明显的差异，高原地区由于地形因素最低层气压高于海洋区域，并且相较于海洋区域，高原地区温度随气压变化幅度较小。

基于大气两区域温度廓线利用RTTOV 模拟得到HIRAS 全部通道在两区域的温度雅克比矩阵，取其中部分通道展示如图4c 所示。同一通道在不同区域相同高度对同一变量敏感性强弱不同，相较而言，高原地区通道的温度敏感性普遍较海洋区域偏弱，且部分通道雅克比矩阵大值高度不同，在低层通道中尤其明显。

利用RTTOV 模拟得到两区域大气廓线下HIRAS 的权重函数，将两区域全部通道峰值高度展示如图5所示，可看出非常明显的区别在于两区域由于地形高度不同，大气背景廓线特征不同，权重函数峰值高度在底层时有明显区别，而在1 000~1 100 cm-1附近的臭氧吸收通道，呈现出较明显的高空与地面多峰值，在进行通道选择时，需要剔除这类多峰值的通道。

图5 海洋/高原区域不同波数通道的权重函数峰值高度分布 蓝/绿圆点分别表示局地综合通道选择方案在高原/海洋区域选择出的通道，×号表示被信号自由度的通道选择方法选出但被综合方案筛选剔除的通道。

3.1.4 海洋区域与高原区域的背景误差协方差

信号自由度的通道选择方法除了需要对应通道的雅克比矩阵，也依赖于试验所设定的背景误差协方差。方案所使用的背景误差协方差矩阵是王金成等[30]基于CMA_GFS 业务预报系统利用NMC(National Meteorological Center)方法统计得到的CMA_GFS 模式全球三维背景误差协方差。NMC 方法的核心是利用同一时刻具有不同预报时效的两个预报场作差获得近似的预报误差。统计所选区域的背景误差协方差矩阵如图6所示，可看出两区域的背景误差协方差矩阵有明显的差异，为了更直观地展示两区域背景误差的不同，取背景误差协方差矩阵对角线的平方根作为背景误差展示(图4b)，在100 hPa 以下时，海洋地区的背景误差要明显小于高原地区，尤其在近地面层，高原区域背景误差达到一个较大值。

图6 高原地区(a)、海洋地区(b)的CMA_GFS模式背景误差协方差矩阵

3.2 建立通道选择黑名单

在进行通道选择之前，首先应建立通道选择黑名单，剔除噪声较大的通道和RTTOV 模拟效果较差的通道。参考前人经验和HIRAS的质量评估结果，为了剔除误差较大通道的同时保留尽量多的通道进入通道选择以证明不同区域通道选择的差异性，本文剔除了NEDT 大于0.3 的通道和O-B大于2 K 的通道；剔除权重函数多峰值的通道；由于本文仅针对温度通道进行选择，所以剔除波数为1 400~1 600 cm-1的水汽敏感通道。最终剩余706个通道进行通道选择试验。

图7 在海洋/高原区域利用信号自由度的通道选择方法进行通道选择时DFS随已选择的通道数的变化(a)，选择每个通道时DFS的变化量(b)

3.3 海洋区域与高原区域的通道选择结果

利用NEDT 对雅克比矩阵进行标准化处理后，利用信号自由度的通道选择方法在剩余通道中对海洋和高原两典型区域迭代进行通道选择。图7 为两区域每次迭代选取通道的DFS 和DFS 变化量，两区域在迭代150 步后，DFS 变化幅度非常小，每次选择通道，DFS 的变化量不超过当前DFS值的0.5%，后续选择的通道对信息熵变化影响十分微弱，故本文保留前150 步迭代结果，并进一步进行筛选。

如表1 所示，两区域进行通道选择时，每次迭代所选取通道差异较大，证明通道选择在不同区域具有明显差异。统计两区域迭代150 步所选取的通道结果可发现，海洋地区所选出的短波通道数量明显低于高原地区，且海洋地区更多选择到了长波波段的地面通道，而在迭代150步时高原地区所选出的长波通道中没有出现长波波段的地面通道。

虽然两区域每次迭代选取通道差异较大，但是也存在一定的统一性，分别统计两区域迭代选取的150个通道进行比较可发现，两区域所选择通道中有大量的重合通道，且这些通道主要集中在长波波段波数687~750 cm-1之间，两区域的通道选择结果都基本覆盖了该范围内全部通道，仅个别通道存在差异。这些重合通道也证明了信号自由度的通道选择方法具备一定的物理意义，能够选择出对分析场影响较大的通道。

在预留的150 个通道中进一步进行筛选。由于地面通道易受地表发射率和低云的影响，故剔除权重函数峰值在地面附近的通道；本次通道选择试验仅考虑温度信息，故剔除短波波段易受水汽影响的通道。考虑到选取与当前CMA_GFS 模式垂直层数相近的通道数，按照迭代顺序，两区域各保留前80个满足条件的通道作为最终选取通道标注在表1。两区域最终选取的80 个通道也标注在图5 中，通道的权重峰值基本能够覆盖地面到100 hPa 附近各高度层，能够提供这些高度层的大气信息，满足通道选择对垂直分辨率的要求。

表1 局地综合通道选择方案在海洋区域与高原区域对FY-3D/HIRAS进行通道选择的结果 保留前150个通道。

?

?

注：筛选结果无标注表示该通道被选取，▲表示剔除原因为短波波段通道，◎表示剔除原因为地面通道。

4 局地综合通道选择方案对分析结果的影响

为了比较局地通道选择方案对分析结果的影响，利用欧洲气象卫星应用组织开发的一维变分线性误差分析方法(1DVar)[31]同化反演结果进行比较(1DVar 观测算子采用RTTOV 快速辐射传输模式)。分别对高原和海洋区域利用高原区域通道选择结果和海洋通道选择结果进行一维变分同化，将得到的分析误差作为衡量通道选择效果的标准(分析误差取分析误差协方差矩阵对角线的平方根)。

图8a 为海洋背景下，高原通道集和海洋通道集的分析误差对比结果。本次试验以O-B的标准差作为观测误差，将海洋区域的大气温度廓线(图4a 红色线)作为背景场，将海洋区域的模式背景误差协方差作为一维变分试验中的背景误差协方差(图6b)，分别以表1 中高原和海洋最终选择的80个通道作为通道选择集进行一维变分同化反演。由于两区域所选通道集中重合通道较多，在图8a中能够看到的差别不明显，故将海洋通道集反演得到分析误差与高原通道集反演得到的分析误差相减，得到试验结果如图8b所示。

图8 在海洋区域分别同化高原通道集和海洋通道集所得到的分析误差(a)及两通道及分析误差的差值(b)a中黑线表示给定的背景场误差协方差。

从图8b 可看出，海洋背景下，在300～1 000 hPa之间，利用海洋通道集得到的分析误差比利用高原通道集得到的分析误差小，在大气活动较频繁的300～1 000 hPa 高度内，海洋通道集相比之高原通道集能够更准确反演该区域的大气变量。

在海洋区域，海洋通道集的分析误差小于高原通道集的分析误差，能够证明在海洋背景下由信号自由度的通道选择方案得到的通道选择结果比在高原背景下得到的通道选择结果更适用于海洋区域的同化。而海洋区域大气结构较单一，在大气结构更复杂的陆地区域，尤其是高原区域，不同通道集对对应区域的同化反演结果更能说明局地综合通道选择方案的有效性。

图9 为高原背景下，高原通道集和海洋通道集的分析误差对比结果。本次试验将高原区域的大气温度廓线作为背景场，高原区域背景误差协方差作为背景误差协方差，分别利用高原通道集和海洋通道集进行一维变分同化试验。如图9a所示，能够看出在多个高度层高原通道集的分析误差小于海洋通道集的分析误差。在图9b 中更明显，高原通道集在高原背景下得到的分析误差小于海洋通道集，在近地面差值处差值最大，在高原区域，高原通道集能够更好反演近地面的大气变量。对比图8b 可发现，相较于海洋背景，高原背景下不同通道集得到分析误差的差值量级要大得多。在本实验中，在大气结构较复杂的高原地区进行局地综合通道选择的效果要优于海洋地区。

图9 在高原区域分别同化高原通道集和海洋通道集所得到的分析误差(a)及两通道及分析误差的差值(b)a中黑线表示给定的背景场误差协方差。

总而言之，通过对比一维变分同化反演得到的分析误差可得出，针对高原地区所选择的通道集在高原地区同化效果优于针对海洋地区所选择的通道集，针对海洋地区所选择的通道集在海洋地区同化效果优于针对高原地区所选择的通道集，局地综合通道选择方案能够有效减少分析场的误差。

5 总 结

本文面向资料同化应用信息最大化，提出了一种局地综合的通道选择方案：通过局地的大气廓线、雅可比矩阵和背景误差协方差，综合考虑仪器观测误差、权重函数和光谱吸收带建立通道选择黑名单，利用信号自由度的通道选择方法进行选择的方案。将该方案应用于FY-3D/HIRAS资料在海洋与高原两个典型区域进行通道选择，基于CMA_GFS 得到相关区域的背景大气廓线和背景误差协方差，利用RTTOV 模拟得到对应区域的雅克比矩阵和权重函数，考虑O-B、NEDT 和权重函数建立通道黑名单，应用信号自由度的通道选择方法对HIRAS 仪器进行选择，综合考虑通道高度和通道的光谱性质等对同化影响因素，按照迭代先后顺序进一步筛选保留与模式垂直层数相近的80个通道，最终，分别在海洋与高原两个区域选择出80个通道作为通道选择结果。为了探究局地综合通道选择方案对分析结果的影响，利用1DVar在高原和海洋背景下分别反演同化两个通道集进行对比，结果表明，局地综合通道选择方案对特定区域选取的通道集在该区域的同化效果优于在其他区域选取的通道集，证明了局地综合通道选择方案能够有效减少模式初始场的误差。然而，本研究仅利用1DVAR 对该方案同化的影响进行了初步评估，后续将利用CMA_GFS全球4DVar批量同化试验，分析和评估该方案选择的HIRAS 通道集相对单一通道集同化对CMA_GFS 全球模式分析和预报的影响，进一步验证该方案对提高全球数值天气预报技巧的作用。