论文部分内容阅读
大气参数的遥感在天气预报、气象学、天文学、通信、空间观测修正以及大气研究等领域具有重要意义,而地基微波辐射计是一种被动遥感大气的有效手段,因此本论文深入开展了大气微波辐射特性、微波辐射计定标及微波辐射计大气遥感等方面的研究。内容包括:将液水吸收与频率的近似关系中的常数项改进为与云温相关的变量,建立了液水吸收与云温相关的准确模型,进而推导出存在液水情形下改进的Tipping-Curve(倾斜曲线)定标流程,将标准Tipping定标由晴天发展为全天候的定标方法。研究了统计回归和神经网络两种广泛使用的反演方法,在标准算法之上做了一定的改进,并进一步重点研究了阴天情形之下微波辐射计大气遥感的问题,提出双频及多频消除液水辐射的反演方法。最后研究了微波辐射计联合其他探测设备的大气遥感方法。论文的主要工作如下:1、研究了普遍适用于任何地基微波辐射计的标准Tipping定标流程,并提出一种适用于阴天的改进Tipping定标方法,即利用不同频率云液水吸收系数之间的关系,建立双频衰减组合的形式,消除了液水的水平不均匀性给标准Tipping定标带来的误差,使适用于晴天的标准Tipping定标发展为全天候的定标方法。2、分析讨论了微波辐射计反演大气参数的统计回归方法,对反演水汽密度、温度、相对湿度和折射率等作了仿真计算和实测数据验证,并在原始的线性回归方法基础上,提出了反演大气折射率的改进线性回归算法,即运用折射率的定义式,将折射率关于干项和湿项的函数表达式作为地面气象参数的输入形式,更好的反映了折射率廓线与地面大气参数间的关系,物理概念清晰。反演精度普遍在5km以下有一定的提高,尤其在近地面改善明显。3、分析讨论了微波辐射计反演大气廓线的标准神经网络方法,即将大气分为若干个层结,令大气所有层结作为输出量,进行神经网络的训练。此模型建立在不同层结大气之间的相互作用之上。而实际上不同层结大气之间的相互作用是不尽相同的,而且高度相差越大,相关性越小,从而导致标准神经网络算法有一定误差。基于标准的后向人工神经网络算法,提出分段建模输出大气廓线的方法,有效的利用了大气不同层结之间的相关性。对大气温度廓线的反演结果表明,分段神经网络模型提高了反演精度。4、对云液水的各种建模方法进行了比较,并分析了液水辐射对微波辐射计反演大气参数的影响。在传统的对液水建模的反演算法基础上,提出一种不基于液水建模的阴天大气廓线反演方法,即把所有的历史数据(包括阴天的)均看作晴天数据,只考虑氧气和水汽的吸收系数,不考虑液水的吸收系数,计算多个频率下的大气衰减,然后利用消除液水影响的双频或多频衰减组合形式进行统计回归或者神经网络训练,最后应用于阴天大气参数的反演。由于消除了液水辐射的影响,可以减小由于阴天建模误差带来的反演误差。5、研究了微波辐射计联合云高仪、红外温度计等设备遥感阴天大气的信息融合方法。标准的正交神经网络方法利用一组自然正交函数将阴天大气剖面展开,并采用神经网络的方法估计其正交函数的系数,能够很好的融合云高仪的信息,反演阴天大气。在标准的正交神经网络基础上,提出分段正交神经网络方法,即把阴天大气剖面分为若干段,不同段计算出不同的正交系数,构成一个正交系数矩阵,再利用神经网络分别估计不同段的正交系数,使反演精度较标准算法更高。然后介绍了微波辐射计联合红外设备探测大气的迭代方法,根据云底高度对训练数据集进行分类,可以有效的利用云底高度和云底水汽密度信息,提高反演精度。最后介绍了微波辐射计联合GNSS(Global Navigation Satellite Systems)对大气进行反演的相关向量机和神经网络方法,结果表明联合反演精度整体上高于单独使用其中一种设备。