《1 前言》

1 前言

风云三号A星（FY-3A）是我国第一颗新一代极轨气象卫星的首发星，于2008年5月27日在中国太原卫星发射中心发射升空，截至 2011 年 5 月，已成功运行三周年。微波湿度计（MWHS）[1] 是风云三号 A/B星的主载荷之一，是搭载于极轨气象卫星的微波辐射计，目的是探测大气湿度廓线的垂直分布以及液态水含量等参数。其包括150 GHz和183 GHz 两个探测频率以及5个探测通道，主要功能是探测全球大气湿度廓线及强降雨；按照卫星总体要求，工作寿命设计为3年，2年在轨运行考核。在轨运行中，MWHS工作正常，积累了大量全球大气水汽及强降雨等气象资料，图像层次分明，信息量丰富。目前风云三号A/B星MWHS以上午星和下午星形式交叉运行，提供了大量的湿度信息，与星载温度计联合使用，可获得全球大气的三维温湿度信息，有利于气象资料同化和融合。

本文主要介绍MWHS运行状态以及数据接收和数据处理的具体形式。分析2008年8月22日11时 “鹦鹉”台风到来时不同通道的亮温显示结果，以及 2008年9月13日“森拉克”热带气旋到来时不同通道的亮温值。利用神经网络算法建立反演模型，并与国外已经业务运行的先进微波探测单元（AMSU-B）进行比较。反演北京地区 2008 年 7—12 月水汽密度，分析反演均方差。

《2 设备结构及运行状态》

2 设备结构及运行状态

FY-3A 卫星轨道高度为 836 km，轨道倾角为 98.753° ，自北向南运行，绕地球一圈大约需 101.603 min，每天转动14.172 8圈。降交点的地方时为10：05～10：20，交点地方时漂移为15 min/a，回归周期约为6 d，设计寿命为3年。其上搭载的由中国科学院空间科学与应用研究中心自主研制的 MWHS作为11个有效载荷之一，由5个探测通道组成，用于探测大气湿度廓线和降水强度等（见图1）。中心频率分别为 150 GHz、（183.31 ± 1）GHz、（183.31±3）GHz和（183.31±7）GHz，其中150 GHz通道包含水平和极化两种方式，5个通道均采用双边带方式，带宽分别为1 000 MHz、1 000 MHz、500 MHz、 1 000 MHz和2 000 MHz。扫描宽度为±53.35°，幅宽约为2 700 km，星下点分辨率为15 km，亮温动态范围为3～340 K，探测灵敏度为1.1～1.2 K，定标精度为1.5 K[2] 。图2为MWHS扫描几何。

《图1》

图1 风云三号MWHS

Fig.1 MWHS onboard FY-3 satellite

《图2》

图2 MWHS扫描几何

Fig.2 Scanning geometry of MWHS

《3 接收数据的基本信息》

3 接收数据的基本信息

风云三号MWHS L1级数据是经数据预处理生成的包含定标定位及预处理辅助信息的数据产品，可直接应用于数值天气预报模式以及大气湿度垂直探测和图像分析。数据区域类型为全局探测，星下点分辨率为15 km，更新频率为14圈/d，数据量为 24×60×60（/ 8/3）×2 048×5.0/d≈3.32×108 /d，数据分块的方式按扫描路径的弧度进行划分。 图 3 为 MWHS 2008年9月1日00：56时刻开始扫描的L1级天底观测亮温数据，共2 283条扫描线，每条扫描线 98个像元，天底点为第49个或第50个，本文对二者取平均作为天底点亮温值。图4和图5为与图3对应时刻的各通道亮温与实际扫描经纬度的匹配图。

《图3》

图3 MWHS某扫描线5通道亮温图

Fig.3 Brightness temperature values of 5 scanning lines from MWHS

《图4》

图4 MWHS 150 GHz水平和垂直极化通道的扫描亮温值

Fig.4 Brightness temperature values of window frequency at 150 GHz horizontal and vertical polarization from MWHS

《图5》

图5 MWHS 183.31 GHz的扫描亮温值

Fig.5 Brightness temperature values of 183.31 GHz from MWHS

《4 大气探测原理》

4 大气探测原理

星载MWHS以与天底角夹角成 θ 的方向观测到的地球表面的亮度温度表示为[3]

式（1）中，,为大气的透过率。右边第二项为地球表面的辐射被所经过的路径衰减后的结果。第三项为表面散射贡献，表示表面反射（散射）的下行辐射而到达辐射计天线的部分。大气上行辐射是星载大气遥感的关键项，可以表示为

大气地表辐射亮温为

大气地表反射亮温为

大气下行辐射亮温为

式（2）～（5）中，ε （v，θ）为表面的发射率，对于非天底观测，Q ≠0°，ε （v，θ）实际上是与极化相关的，同时是表面粗糙度和介电特性的函数； Ts 为物理温度；Tc 为宇宙背景辐射亮温，近似为2.75 K； α (v ,z ) 是在频率为v，高度为z处的大气吸收系数；T（z）是不同高度处的大气温度。从大气遥感的角度，所需要的信息包含在式（1）第一项，其可以认为是“信号”项。式（1）第二项与表面相关的通常认为是“噪声”项。

《5 大气水汽反演理论》

5 大气水汽反演理论

利用大气辐射传输方程仿真亮温数据和神经网络算法可以获得更接近真实值的大气温湿度廓线[4，5] 。本文实验中的神经网络如图6所示，共3层，输入层的神经元数为 8，即 3 个水汽通道、2 个窗区通道以及地表的温度、湿度和压强，隐层神经元数通过经验公式以及反复验证确定为10，输出层神经元数为116，即分别对应于0～10 km的58个离散值的大气温度廓线和大气湿度廓线，0～0.5 km每50 m 一层，0.5～2 km 每 100 m 一层，2～10 km 每 250 m 一层，每层大气参数取该层平均值。随机选取90 % 的探测数据作为训练数据，剩余10 %用于神经网络的测试和验证。

《图6》

图6 神经网络原理示意图

Fig.6 The diagram of artificial neural network

对于隐层的第j 个节点，可以表示为

式（6）中， 是连接第i 个输入神经元和第j 个隐层神经元的权重； bj 是计算值和测量之间的偏差；S 是Sigmoid函数，表述如下

输出层可以表示为

式（8）中， 是连接第j 个隐层神经元和第k 个输出神经元的权重值； bk 是测量值和输出值之间的偏差。它适用于非线性模型，在反复训练过程中，加权函数得以确定，从而减小实际训练的输出向量与测量的输出向量的偏差。相邻层间神经元完全连接，输入元素到输入层，经过隐层，传输到输出层，前者采用Sigmoid函数，后者采用Purelin函数。

运用 MPM93 大气吸收模型[6] 和大气辐射传输理论模型，计算出与无线电探空资料（RAOB）时间和空间对应的亮温值或利用经纬度为±1°、时间误差为 3 h 的匹配窗，匹配到与之经纬度和时间相对应的FY-3A MWHS亮温数据。此处，探空数据取用北京地区2008年7—12月，晴天，经度116.28°，纬度39.93°。图7～图10为利用人工神经网络（ANN）算法反演出北京地区 2008 年 7—12 月的大气相对湿度廓线以及均方差对比与分析。图 11～图 14 为 2008年7—12月北京地区冬季水汽密度廓线以及均方差对比与分析。

《图7》

图7 ANN方法反演的相对湿度廓线与探空数据仿真的相对湿度廓线的相关性示意图

Fig.7 Correlation of relative humidity profile between retrievals from ANN and simulation from radiosonde

《图8》

图8 ANN方法反演的某一样本相对湿度廓线与探空数据的对比示意图

Fig.8 Comparison of a certain relative humidity profile between retrieval from ANN and simulation from radiosonde

《图9》

图9 ANN方法反演的相对湿度廓线均方差（RMS）

Fig.9 RMS distribution of relative humidity profile from ANN

《图10》

图10 独立测试样本的相对湿度反演均方差

Fig.10 RMS distribution of relative humidity for independent testing datasets

《图11》

图11 ANN方法反演的水汽密度廓线与探空数据仿真值的相关性示意图

Fig.11 Correlation of water vapor density profile between retrievals from ANN and simulation from radiosonde

《图12》

图12 ANN方法反演某一样本水汽密度廓线与探空数据的对比图

Fig.12 Comparison of a certain water vapor density profile between retrievals from ANN and simulation from radiosonde

《图13》

图13 ANN方法反演的水汽密度廓线均方差

Fig.13 RMS distribution of water vapor density profile from ANN

《图14》

图14 独立测试样本的水汽密度反演均方差

Fig.14 RMS of water vapor density for independent testing datasets

通过实验结果可得，利用神经网络反演模型反演的北京地区大气相对湿度和水汽密度廓线与探空测量具有很好的一致性。大气湿度廓线的反演均方差为 17.7 %，大气水汽密度的反演均方差为 1.25 g/m3 。与搭载于美国国家海洋和大气管理局（NOAA）系列之上的先进微波探测单元 B 型（AMSU-B）[7] 相比，搭载于FY-3A/B的MWHS与之性能相当，与地基微波大气湿度廓线仪相比，能够实时地在全球范围内反演出大气湿度的实时变化，能够提高数值天气预报的性能，更好地为人们服务。

《6 异常天气中的作用》

6 异常天气中的作用

2008年8月22日10：48时（北京时间），“鹦鹉” 台风来临时 150 GHz 通道亮温的显示结果如图 15 所示。2008 年 9 月 8 日，热带气旋“森拉克”（SINLAKE）于凌晨在菲律宾北部以东的西北太平洋洋面上生成，逐渐加强成为台风，于9月13日00：31时登陆台湾，150 GHz通道的亮温值如图16所示。

《图15》

图15 MWHS第一通道15 km投影分辨率微波亮温图

Fig.15 Brightness temperature values of channel 1 with resolution of 15 km from MWHS

《图16》

图16 MWHS第一通道15 km投影分辨率微波亮温图

Fig.16 Brightness temperature values of channel 1 with resolution of 15 km from MWHS

MWHS窗区通道图像显示，图形中心位置对流云区呈环状，对应亮温较低位置，其西部覆盖台湾岛，且略有减弱，东侧半环依然完整清晰。利用 MWHS对“森拉克”台风立体空间结构诊断，对台风的强度分布、发展趋势提供了有意义的参考信息，为业务人员判识台风未来发展提供了有利依据[8] 。

图17是利用训练好的神经网络模型反演2008 年7—12月的大气水汽密度随高度的变化情况，并对每月的大气水汽密度取平均值。图18是2008年 7—12月每周水汽密度的最大值。

《图17》

图17 2008年7—12月的大气水汽密度随高度的变化情况

Fig.17 Atmospheric water vapor density varies with height from July to December in 2008

《图18》

图18 2008年7—12月每周水汽密度的最大值柱状图

Fig.18 The maximum histogram of atmospheric water vapor density every week from July to December in 2008

注：横坐标表示时间序列，第一个样本对应时间为2008年7月 1 日，每个相邻数据样本间隔为7 d，共选取了26个样本。如横坐标为5的数据点即表示对应第5个样本

《7 结语》

7 结语

风云三号MWHS可探测全球大气水汽密度，反演范围为300～1 000 hPa，相当于大气高度0～10 km，空间分辨率为50 km，探测频率为每日两次。本文选取北京地区风云三号MWHS观测亮温，利用经纬度为1°、时间误差为3 h的探空数据进行匹配，建立满足均方差要求的神经网络反演模型，相对湿度反演均方差小于18 %，水汽密度均方差小于1.25 g/m3 。

MWHS在全球气候变化研究中具有重要作用，是气象和灾害监测的重要遥感手段之一；可以全天时、全天候进行大气湿度观测，测量大气湿度的垂直分布、水汽含量和降雨量，实现中、长期数值天气预报，提高天气预报的准确性。实践结果证明，FY-3A 微波湿度计在台风监测中发挥了重要作用，极大地提高了人身安全，减少财产损失。