论文部分内容阅读
具有高光谱分辨率特点的星载红外高光谱探测仪能精准地探测大气廓线信息,为改进资料同化分析场做出了巨大的贡献。然而在同化红外高光谱数据的过程中,仍然存在红外遥感资料受云水影响、高噪声波段观测无法同化等难题。在云检测方面,针对传统晴空通道云检测技术依赖背景场的问题,本研究实现了“基于成像仪辅助的晴空通道云检测算法”。此外,结合机器学习领域的Logistic Regression方法,提出了“基于Logistic Regression的IASI云检测算法”。随后将Logistic Regression的云检测方法和传统的晴空通道云检测算法结合,提出了“基于Logistic Regression的晴空通道云检测算法”。将这两种改进后的晴空通道云检测方法接入到WRFDA同化系统中,并针对台风“海马”进行了同化和预报实验。实验结果表明:“基于成像仪辅助的晴空通道云检测算法”和“基于Logistic Regression的晴空通道云检测算法”,比传统的晴空通道云检测方法能引入更多的观测数据,从而有效地改善了分析场和预报效果。在高噪声波段观测通道的降噪方面,本文使用PCA压缩和重构方法,实现了全波段PC系数和分波段PC系数的统计。随后利用得到的PC系数对存在噪声的红外高光谱数据进行降噪,实验结果表明:(1)全波段和分波段的PC系数都对IASI辐射亮温数据有明显降噪效果。(2)在红外长波和中波波段,分波段PC系数降噪效果更好,在短波波段全波段PC系数降噪效果更好。此外,紧紧围绕PCA方法“压缩”和“降噪”两大本质特点,本研究还把降噪后的重构辐射亮温接入WRFDA同化系统中进行同化实验。实验结果表明:(1)仅使用了2M大小的主分量重构出的数据,就能与使用249M原始数据达到相类似的同化和预报效果。(2)由于PCA方法出色的降噪效果,成功将5个高噪声通道的数据引入到WRFDA中,改进了同化分析场。总之,本文以红外高光谱IASI探测资料作为研究对象,重点研究的云检测问题和数据压缩降噪问题,对提高红外高光谱资料同化效果和改善数值预报效果起到了一定效果,为下一步研究我国自主研发的风云系列卫星上搭载的红外高光谱资料提供了宝贵的经验。