四川省FY-4A卫星反演大气水汽总量评估分析

2022-09-05宋云帆闵文彬

高原山地气象研究 2022年3期

宋云帆 , 闵文彬 , 彭骏

（中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610072）

大气水汽作为大气的重要组成部分，随时间和空间变化明显，与降水关系十分密切，是预测天气和气候变化的一个非常重要的物理量[1−3]。大气水汽总量被定义为单位面积、垂直气柱、整层大气所含水蒸气完全凝结成水，收集在单位面积容器中的高度值，用于表征整层大气的水汽情况[4−5]。目前，获取大气水汽信息的主要方式为无线电探空[6]、地基遥感[7]和卫星遥感[8−12]，其中卫星遥感具有时空分辨率高、覆盖面广、快速高效等优势，具有较广的应用前景。国内外围绕卫星水汽反演方法和精度评价已开展了大量研究。Dalu[13]首先针对AVHRR数据提出了大气水汽分裂窗反演算法，建立了水汽和AVHRR分裂窗通道亮温插值的线性关系。Jedlovec[14]发展了方差比值法，即通过亮温空间方差的比值求取分裂窗两个波段的大气透过率比值。Kleespies等[15]提出分裂窗算法基于两个差分通道反演的大气水汽总量比单通道反演精度更高，且反演精度还受二氧化碳含量和传感器噪声的影响。Ottle等[16]对比了分裂窗方差和比值算法，结果表明受地表分辨率的影响陆地和海洋像元应使用不同的算法。He等[17]利用FY-3B光谱成像仪的三个水汽通道与GPS数据估算大气水汽总量建立回归模型，结果表明使用三通道建立加权平均模型反演水汽精度最高。王祥等[18]用双通道和三通道比值法反演MERSI的大气水汽总量，发现三通道比值法的反演误差小于双通道。王永前等[19]利用TRMM搭载VIRS传感器的两个红外分裂窗通道进行水汽反演，并指出正确的云雨识别是获得可靠水汽反演结果的前提。李光伟等[20]对比GPS探测与FY-2反演大气水汽总量，结果表明在低湿度条件下FY-2反演结果精度有待提高。现有研究结果一致表明卫星反演能够反映大气水汽分布的趋势，但反演结果的时空适用性因卫星探测器、反演方法和地区等不同存在一定差异，因此，有必要在使用卫星反演水汽产品之前对其进行评估分析。

新一代静止气象卫星风云四号A（FY-4A）卫星搭载先进的静止轨道辐射成像仪（AGRI）、干涉式大气垂直探测仪（GIIRS）、闪电仪成像仪（LMI）和空间环境监测探测仪（SEM）[21−22]，是世界上最先进的新一代静止气象卫星之一，自2016年12月成功发射以来为气象工作者提供了大量高质量的卫星气象数据。国家卫星中心于2019年01月开始稳定提供L2级定量大气水汽反演产品（LPW），相比风云二号卫星，FY-4A时空分辨率及在轨稳定性有了明显提高，为进一步开展高时空分辨率的大气水汽变化研究提供了可能。四川地处中国西南部，毗邻青藏高原，地势复杂，探空站点相对稀少，卫星大气水汽数据在四川区域的应用研究亟待发展。目前针对FY-4A大气水汽产品的评估研究较少，尤其在四川独特的地理条件和海拔高差较大的情况下，FY-4A水汽资料能否反映真实大气水汽状况还有待检验。针对这一问题，本文通过对比分析FY-4A卫星大气水汽总量反演值和探空观测资料计算值，评估该卫星产品在四川省的可靠性，为反演精度的提高提供科学依据，以促进FY-4A卫星水汽产品在四川地区的开发应用。

1 研究区概况及数据

1.1 研究区概况

四川省位于中国大陆西南腹地，地理位置介于97°31′～108°33′E、26°03′～34°19′N，处于中国大陆地势三大阶梯中的第一级青藏高原和第二级长江中下游平原的过渡带，西高东低的地形特点十分明显，东西长1075 km，南北宽921 km，总面积约48.5×104km2。四川省西部为高原和山地，海拔多在3000 m以上，以寒温带气候为主，年均温4～12℃，年降水量500～900 mm；东部为盆地和丘陵，海拔介于500～200 m，属亚热带季风气候，年均温16～18℃，年降水量1000～1300 mm。四川省气象灾害种类多，发生频率高且影响范围大，主要灾害类型为干旱、暴雨、洪涝和低温等。

1.2 研究数据

研究使用的FY-4A卫星AGRI反演L2级大气水汽总量及分层水汽含量（LPW）产品由国家卫星气象中心提供（http://satellite.nsmc.org.cn/），空间分辨率为4 km，时间分辨率可达15 min（整点时次观测，每3 h整点前后15 min各观测一次），选择与探空气球放飞时间最为接近的准同步FY-4A LPW资料。探空资料为2019～2020年中国气象局成都高原气象研究所西南涡加密观测试验（每年6月20日～7月31日）获取的GPS探空资料和L波段秒级探空资料。探空站点分布及研究区高程分布如图1所示。其中，金川、九龙、名山和剑阁站为GPS加密观测，每天探空观测时次为4次，分别为00、06、12和18时（UTM）；其余站点为L波段探空，观测时次与GPS探空相同。

图1 研究区域站点分布

1.3 数据预处理

探空气球在水汽含量丰富的近地面水平飘移距离大致在5 km以下，而FY-4A LPW空间分辨率为4 km。因此，将探空站点对应位置周围空间范围5 km设为距离阈值。FY-4A气象卫星反演大气水汽总量只在晴空条件下有效，为减少云的影响，故提取阈值内距离探空站点位置最近的晴空像元点实现水平空间匹配。另外，FY-4A反演大气水汽的高度与探空观测高度不同，在垂直高度上需将探空资料高度转换至sigma层与FY-4A LPW实现垂直空间匹配。具体转换公式如下：

2 评估方法

选取平均偏差（BIAS）、相对平均偏差（RSD）、均方根误差（RMSE）和相关系数（R）共4个指标对本次研究进行精度评估，具体计算公式如下：

3 结果分析

利用2019和2020年西南涡加密观测期内所有探空资料，根据式（1）和（2）计算各探空站TPW，选出与FY-4A LPW时空相匹配的样本。统计FY-4A LPW和探空TPW之间的误差及相关系数，如表1所示。此外，为了考察FY-4A LPW的稳定性，分别统计了不同时次FY-4A LPW和探空TPW的误差及相关系数，如表2所示。

表1 FY-4A LPW与探空TPW对比

表2 分时次FY-4A LPW与探空TPW对比

3.1 误差分析

将探空TPW作为“真值”分析FY-4A LPW的各项误差。从表1中可知，除宜宾站平均偏差为正以外，其余站点平均偏差均为负值。四川区域内11个站点中偏差最大为巴塘站，平均偏差为−1.34 cm，相对偏差为−48.52%；偏差最小为温江站，平均偏差为−0.05 cm，相对偏差为−1.25%，均方根误差在各个站点的分布与误差分布较为一致，最大均方根误差也出现在巴塘站（1.40），最小偏均方根误差出现在温江站（0.39）。高海拔的甘孜、金川、巴塘、九龙和西昌站点精度较差，相对误差绝对值均超过20%，而低海拔的温江、宜宾、剑阁和达川站点精度很高，相对误差绝对值均在9%以下，最小达到了1.25%。但海拔高度超过3000 m的红原站相对误差仅为−3.93%，海拔高度较低的名山站相对误差却高达−20.83%。这一现象表明FY-4A LPW精度不仅与海拔高度相关，可能还受地表反射率、高程梯度及数据匹配等因素的影响。

分析表2可知，06时和12时平均偏差相当，18时和00时相当，06时和12时精度略优于18时和00时；均方根误差与偏差表现一致。

图2直观地展示出FY-4A LPW与探空TPW之间的误差频率呈正态分布，中位数为−0.57 cm，均值为−0.69 cm，误差区间为−2.04～0.94 cm，约有52.5%的样本偏差介于−1～0 cm。

图2 误差频率分布

平均偏差和频率直方图均可反映出FY-4A LPW整体比探空计算TPW偏低，表明FY-4A LPW在整体空间分布上对研究区内大气水汽总量存在一定程度的低估。

3.2 相关性分析

由表1可见，除巴塘站相关系数最小为0.31外，其余10个站点的相关系数都达到了0.7以上，相关系数最大的宜宾站达到了0.95，表明在四川区域空间分布上FY-4A LPW与探空TPW存在稳定的线性正相关，FY-4A LPW具有可靠性。川西高原海拔较高的甘孜、金川、红原、巴塘、九龙和西昌，FY-4A LPW与探空TPW的相关系数相对较低，海拔较低的温江、宜宾、名山、剑阁和达川相关系数则相对较高。为进一步分析海拔高度对其相关性的影响，图3给出了各台站海拔高度与其相关系数的关系。如图所示，除巴塘站外，其余11个站点的相关系数大小与站点海拔高度呈现明显的负相关，即随着海拔高度的上升，相关系数明显变小。

图3 FY-4A LPW与探空TPW相关系数随海拔高度的变化

值得一提的是，巴塘站与其余站点的相关系数和海拔高度趋势明显不符，巴塘站的平均偏差、相对平均偏差和均方根误差为11个站点中最大，相关系数明显小于其余站点。巴塘站位于峡谷之中，周围高山海拔梯度较大，探空探测的是该点的水汽，FY-4A则观测周围4 km内的面水汽数据，点与面的空间代表性不匹配导致了上述现象的发生。

从表2中分析FY-4A LPW相关系数不同时次的变化，00时相关系数最低为0.85，其余3个时次相关系数均达到了0.9以上，表明FY-4A LPW在不同时次的稳定性很好，一天中不同时次均能很好地反映四川地区大气水汽含量，对于研究大气水汽含量在短时间内的变化有重要意义。另外，为了更直观地分析FY-4A LPW与探空TPW在日变化上的相关性，分别统计了两种数据在四川地区11个站点的平均日变化（图4）。如图所示，6月20日～7月4日大气水汽总量平均日变化较平稳；7月4～31日，曲线起伏较大，大气水汽总量变化相对剧烈。FY-4A LPW与探空TPW随时间的演变规律基本一致，表明FY-4A LPW的稳定性很好，能够很好地反映大气水汽总量的日变化规律。同时，从图中可以看出探空TPW曲线整体位于FY-4A LPW曲线之上，表明FY-4A LPW在平均日变化上对研究区内大气水汽总量存在低估。

图4 FY-4A LPW和探空TPW平均日变化

3.3 线性回归

从图5中可以看出：FY-4A LPW水汽数值大多介于0～4 cm，在0～2 cm尤为密集；在水汽低值(<4.5 cm)部分，FY-4A LPW大多明显低于探空TPW，而在高值(≥4.5 cm)部分二者大小分布相当，表明FY-4A LPW在0～4.5 cm水汽低值部分存在严重低估。以探空计算的大气可降水量为真值，对应同时期FY-4A LPW数据进行一元线性回归处理，给出线性订正模型如下：

图5 FY-4A LPW与探空TPW散点分布

该订正模型拟合度R2为0.8503，估计标准误差为0.64 cm，通过了0.01水平的显著性检验，说明FY-4A LPW与探空TPW相关性较为显著，在四川地区有很好的适用性。

4 个例应用分析

本节选取2019年7月26日四川地区一次大气水汽变化个例进行分析，进一步评估FY-4A LPW在区域空间分布及变化中的实际应用价值。根据式（7）对原始FY-4A LPW进行修订，计算出区域大气水汽总量分布，修订结果为FY-4A LPW′，基于2019年7月26日12时探空TPW分别统计了修订前后FY-4A LPW偏差值。如表3所示，修订前FY-4A LPW在达川站偏差最大，与探空TPW相比偏差值为−0.57 cm，相对偏差达−8.74%；修订后FY-4A LPW′偏差值减小到−0.51 cm，相对偏差减小到−7.82%；修订后四个站点的相对偏差均控制在8%以内，表明FY-4A LPW′具有较高精度。

表3 FY-4A LPW、LPW′与探空TPW对比

图6给出了2019年7月26日四川地区不同时次大气水汽空间分布。如图所示，11:45成都、眉山与资阳交界处出现了一个水汽高值中心，中心值达6.4 cm左右；随后12:00高值中心明显扩大且增强到6.6 cm，向东北延伸至德阳和绵阳；12:15高值中心继续增强为6.8 cm，范围延伸至遂宁和南充，高值范围外水汽分布及数值始终变化不大。可见，使用FY-4A LPW可以直观地获取高时空分辨率的水汽信息，更为全面地了解四川省内水汽空间分布及时间变化特征。从图6中可以看出，探空站点均分布在水汽高值周围，高值中心缺乏探空站点分布，若仅使用现有的剑阁、温江、宜宾和达川站进行插值，无法获取真实准确的区域水汽空间分布，而且一天仅4个时次的探空也无法监测30 min内的水汽变化。