基于跨平台红外高光谱观测的对流层三维风场测量
杨天杭1,2,3, 顾明剑1,2,*, 胡秀清4, 吴春强4, 漆成莉4, 邵春沅1,2
1.中国科学院红外探测与成像技术重点实验室, 上海 200083
2.中国科学院上海技术物理研究所, 上海 200083
3.中国科学院大学, 北京 100049
4.国家卫星气象中心中国遥感卫星辐射测量和定标重点开放实验室, 北京 100081
*通讯作者 e-mail: gumingj@sina.com

作者简介: 杨天杭, 1992年生, 中国科学院上海技术物理研究所博士研究生 e-mail: 549611758@qq.com

摘要

精确的风场数据对提高数值天气预报准确性具有重要意义, 对流层风是改进天气预报的要素之一。 虽然利用气象卫星成像仪对连续云图追踪特征目标进行导风是一种有效的风场观测方法, 且在区域和全球尺度上改善了数值天气预报, 但仍存在风场高度分配模糊问题而产生误差。 星基红外高光谱探测仪具备大气温湿度廓线垂直探测能力, 通过分析各个垂直分层内的大气参数运动得到三维风场, 能够提升风场垂直高度的准确性, 改进风场高度分配模糊问题。 提出了利用跨平台极轨气象卫星FY-3D星红外高光谱大气探测仪HIRAS和NOAA-20星跨轨红外探测仪CrIS交叉观测对流层三维风场的创新方法, 根据两仪器近重叠轨道星下点交叉观测辐射数据匹配水汽通道图像, 通过稠密光流法分析目标运动变化并计算风场, 对风矢量进行质量控制后同ERA-Interim再分析资料作定量化比较, 分析风速均值绝对偏差、 均方根误差和风向均值绝对偏差。 分别对2019年2月20日UTC世界时00:00, 06:00, 12:00的HIRAS和CrIS交叉数据计算200, 300, 400, 600, 650和1 000 hPa六组垂直高度风场, 结果表明, 风速范围的变化趋势与再分析资料表现一致, 风速范围随高度降低而减小, 高层对20 m·s-1以上风速更敏感, 地表附近测得风速集中在10 m·s-1以内。 风速均值绝对偏差多数小于3 m·s-1, 最大不超过4 m·s-1, 风速均方根误差多数小于3.5 m·s-1, 最大不超过4.5 m·s-1, 风向均值绝对偏差多数小于30°, 最大不超过40°。 风场误差主要来自仪器自身设计参数不同引入辐射数据的观测偏差, 以及因数据空间分辨率不同导致在图像重投影处理过程中引入的定位偏差。

关键词: 红外高光谱大气探测仪; 对流层三维风场; 水汽通道
中图分类号:P412.292 文献标志码:A
Tropospheric 3D Winds Measurement Based on Cross-Platform Infrared Hyperspectral Observation
YANG Tian-hang1,2,3, GU Ming-jian1,2,*, HU Xiu-qing4, WU Chun-qiang4, QI Cheng-li4, SHAO Chun-yuan1,2
1. Key Laboratory of Infrared System Detection and Imaging Technology, Chinese Academy of Sciences, Shanghai 200083, China
2. Shanghai Institute of Technical Physics, Chinese Academy of Sciences, Shanghai 200083, China
3. University of Chinese Academy of Sciences, Beijing 100049, China
4. Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites, National Satellite Meteorological Center, Beijing 100081, China
*Corresponding author
Abstract

Precise wind field data is essential for improving the accuracy of the numerical weather forecast, and tropospheric winds are not satisfied with the requirements as one of the key measurement objectives for improving weather forecasts. Although meteorological satellite-based imager derived winds by tracking the motion of characteristic targets in continuous cloud field images is an effective observation method that has improved numerical weather prediction forecasts on both regional and global scales, an error still exists in the ambiguity of the vector height assignment. Satellite-based infrared hyperspectral sounder has the capability of atmospheric vertical detection of temperature and humidity profiles, which can provide more accurate vector height assignment of wind field by analyzing atmospheric motion vectors among multiple vertical layers, improving the ambiguity of the vector height assignment. We proposed a method of tropospheric 3D winds measurement on cross-platform polar meteorological satellite-based infrared hyperspectral sounders of FY-3D/HIRAS and NOAA-20/CrIS, collocated vapor channel images through nadir overpass observations of both instruments, derived wind field by calculating the motion of dense optical flow field, combined ERA-Interim reanalysis data to verify the mean absolute deviation(MAE) and root mean square error(RMSE) of wind speed and the MAE of wind direction after quality control. The vertical wind fields of 200, 300, 400, 600, 650 and 1 000 hPa are calculated through observations of HIRAS and CrIS at 00:00, 06:00 and 12:00 UTC on February 20, 2019, the results show that, the trend of the variation of wind speed range is consistent with ERA-Interim reanalysis data, the wind speed range decreases as the height decreases, the upper layers are more sensitive to wind speeds above 20 m·s-1, while wind speeds measured near the surface are concentrated within 10 m·s-1. The MAE of wind speed is mostly less than 3 m·s-1 while the maximum value is less than 4 m·s-1, the RMSE of wind speed is mostly less than 3.5 m·s-1 while the maximum value is less than 4.5 m·s-1, the MAE of wind direction is mostly less than 30° while the maximum value is less than 40°. The wind field error mainly comes from the observation deviation of radiation data due to different instrument parameters, along with the positioning deviation of data image re-projection due to different spatial resolution.

Keyword: HIRAS; Tropospheric 3D winds; Vapor channels
引言

三维风场资料对提高天气预报精度有重要影响, 当前气象卫星导风的主流方法是通过星载成像仪追踪连续时间序列图像中大气矢量特征运动得到的, 并且必须为该特征矢量指定高度。 虽然该方法能够有效推导风场, 且一定程度上改善了数值天气预报[1], 但存在两方面限制因素而产生风速误差, 分别是风场高度分配和风场覆盖范围, 如MODIS/AVHRR/VIIRS的风场产品的纬度要求为大于70° , 高度限制在三层; GOES为± 60° 纬度范围的风场产品, 通过追踪云层或高层单层水汽提取风场, 风速均方根误差为5~6 m· s-1。 风场高度分配错误将不能满足数值预报模式要求, 造成资料同化困难[2]

星载红外高光谱仪具备垂直探测大气参数能力, 利用指定高度的观测辐射数据追踪大气运动矢量(如水汽)反演风场, 能够减小高度分配误差。 文献[3]中使用静止轨道傅里叶变换光谱成像仪GIFTS高光谱模拟数据开发了可分辨高度的晴空风场反演算法, 追踪目标为高度确定的水汽场图像序列。 文献[4]中提出了基于小型化、 高分辨率、 宽视场的中波红外温湿度探测仪MISTiCTM组成测风星座方案, 为重点解决风场高度误差, 同时兼顾仪器设计成本。

风云三号D星(FY-3D)红外高光谱大气探测仪HIRAS(Hyperspectral Infrared Atmospheric Sounder)是我国极轨气象卫星第一个红外高光谱探测仪器[5], 具有2 275个光谱通道, 光谱分辨率为0.625 cm-1。 美国极轨气象卫星NOAA-20(National Oceanic and Atmospheric Administration-20)跨轨红外探测仪CrIS(Cross-track Infrared Sounder)具有2 211个光谱通道[6], 光谱分辨率0.625 cm-1。 两仪器光谱规格(包括光谱范围和光谱分辨率)仅在长波高频不同[7], HIRAS为1 135 cm-1, CrIS为1 095 cm-1。 HIRAS具备高光谱分辨率、 大量光谱通道、 高精度光谱定标和辐射定标等仪器性质, 预期将提高大气垂直探测和数值天气预报的准确性和精度[8]。 文献[9]利用CrIS极地观测资料进行过风场反演实验, 证明了红外高光谱数据测风的可行性, 但单一极轨星载探测仪测量风场仍存在区域限制。

本文基于FY-3D/HIRAS和NOAA-20/CrIS红外高光谱交叉观测数据, 提出一种短期晴空大气对流层三维风场测量的创新方法, 并进行定量化比对验证。

1 实验部分

红外高光谱大气探测仪HIRAS是一台分步扫描式傅里叶变换光谱仪[10], 对地扫描共观测29个驻留视场(FOR), 每个FOR包括2× 2排列的探元阵列, 即像素视场(FOVs), 星下点地面瞬时视场大小约为16km[11]

跨轨红外探测仪CrIS是一台步进扫描式傅里叶变换光谱仪[12], 对地扫描共观测30个FOR, 每个FOR包括3× 3排列的探元阵列, 星下点地面瞬时视场大小约为14 km。 由于CrIS高精度的辐射和光谱定标, 被全球空间交叉定标系统GSICS(Global Space-based Inter-Calibration Sytem)推荐为红外通道交叉定标的基准仪器之一。

FY-3D/HIRAS和NOAA-20/CrIS的仪器参数特征如表1所示。 包括轨道高度、 赤交点地方时、 空间分辨率、 光谱分辨率、 通道数、 光谱范围。

表1 HIRAS和CrIS的仪器参数特征 Table 1 Instrument characteristics of HIRAS and CrIS

HIRAS与MetOp/IASI(Infrared Atmospheric Sounding Interferometer)辐射定标性能交叉对比评估表明长波和中波偏差约为0.5 K, 短波偏差约为1.5 K[13]; 与CrIS在长波和中波的偏差分别约为0.3和0.7 K, 短波CO吸收带和窗区偏差约为0.5 K[8]。 辐射定标一致性良好。

本文采用FY-3D/HIRAS和NOAA-20/CrIS L1级数据用于测量对流层三维风场。

1.1 方法

利用FY-3D/HIRAS和NOAA-20/CrIS交叉匹配数据, 通过分析水汽图像光流运动特征提取风场, 算法流程如图1所示, 主要包括数据预处理、 目标追踪、 分析验证。

图1 FY-3D/HIRAS和NOAA-20/CrIS跨平台测风方法流程Fig.1 Winds measurements process of FY-3D/HIRAS and NOAA-20/CrIS on cross-platform

1.2 数据预处理

根据中国气象局(CMA)国家卫星气象中心(NSMC)提供的FY-3D和NOAA-20两颗卫星近重叠轨道预报的轨道交点位置和时间, 在赤道附近的连续轨道上能够匹配到很多瞬时交叉星下点, 由于FY-3D/HIRAS和NOAA-20/CrIS两台仪器参数设计不同, 需对观测辐射数据进行预处理, 包括数据通道选择, 亮温图像重投影, 重访区域匹配。

1.2.1 数据通道选择

选择水汽作为示踪物相对于红外窗区大气运动矢量具有更好的空间分布[14], 且受云的影响较小, 光谱权重函数是透过率随垂直高度的变化率曲线, 利用RTTOV(Radiative Transfer for TOVS)可以计算晴空中的快速辐射透过率[15], 图2为HIRAS中波红外水汽通道(1 210~1 750 cm-1)权重函数曲线。

图2 HIRAS中波红外水汽通道(1 210~1 750 cm-1) 权重函数曲线Fig.2 HIRAS weight function of vapor channels in MWIR (1 210~1 750 cm-1)

通道选择原则为: 对流层中层以上, 在具有相同峰值层的通道中选择权重函数峰值最高的通道; 对流层低层, 选择曲线陡峭和峰值较大的通道[16]

1.2.2 图像重投影及重访区域匹配

HIRAS空间分辨率为16 km, CrIS空间分辨率为14km, 为保证连续观测的图像尺度一致, 即空间分辨率和重访区域相同, 需对星下点交叉辐射数据的亮温图像进行重投影和地理位置匹配。 图3为匹配后的HIRAS和CrIS波数为1 460.625 cm-1的水汽亮温图像, 经纬度分辨率为0.125° , 地理范围为纬度11.0— 31.25N, 经度161.75— 151.25W。

图3 匹配后的HIRAS和CrIS水汽通道1 460.625 cm-1亮温图像Fig.3 BT images at 1 460.625 cm-1 of vapor channel of HIRAS and CrIS after matching

1.3 目标追踪

使用稠密光流算法(即计算图像所有像素点的光流)求解运动风矢量[17], 光流基本假设包括: 目标的像素亮度不变、 光流变化几乎光滑、 同一子图像中相邻像素之间具有相似的运动。 通过引入图像金字塔方法解决区域与全局上的视觉差异, 从不同尺度对图像进行观察, 由高到低逐层利用上一层已求得的信息来计算下一层信息, 最终得到光流场。

1.4 分析验证

由于存在水汽观测误差或目标追踪误差, 导致风矢结果产生错误, 需要通过客观事实和主观判断等方法进行风场质量控制, 最后用再分析风场资料定量化验证。 采用ERA-Interim再分析资料验证风场精度, 图4为2019年2月20日UTC世界时12:00的ERA-Interim多层风场资料, 经纬度分辨率同样为0.125° 。

图4 2019年2月20日UTC12:00 ERA-Interim再分析风场资料Fig.4 Wind field of ERA-Interim re-analysis data at 12:00 UTC, Feb. 20, 2019

2 结果与讨论

基于上述利用跨平台红外高光谱数据测量对流层三维风场算法, 以HIRAS和CrIS在2019年2月20日UTC世界时00:00, 06:00和12:00近重叠轨道交叉数据作为输入计算垂直风场, 并与ERA-Interim再分析资料风场数据进行比对验证, 通过风速均值绝对偏差、 均方根误差以及风向均值绝对偏差定量化分析风场测量结果。

分别选择200, 300, 400, 600, 650和1 000 hPa六组垂直高度水汽通道数据, 匹配后的经纬度分辨率为0.125° 。 图5为三个时次在300 hPa的风矢量对比结果, 不同颜色表示风速大小, 背景灰度图像为HIRAS水汽亮温。

图5 300 hPa风矢量结果对比
(a): 00:00测量风场; (b): 00:00再分析风场; (c): 06:00测量风场; (d): 06:00再分析风场; (e): 12:00测量风场; (f): 12:00再分析风场
Fig.5 Wind field comparison on 300 hPa
(a): 00:00 measurement; (b): 00:00 re-analysis; (c): 06:00 measurement; (d): 06:00 re-analysis; (e): 12:00 measurement; (f): 12:00 re-analysis

风场测量结果表明, 风矢大小和方向在不同垂直高度存在变化, 虽然使用光流法对图像上所有像素点进行目标追踪, 但不同高度下经质量控制后得到的有效风矢数量并不相同, 00:00, 06:00和12:00时次各层图像追踪目标像素点均分别为999, 1 584和861个, 质量控制后的有效风矢数量占比约为32%~82%。 风速范围的变化趋势与再分析资料表现规律一致, 随高度降低而减小, 图6是以10 m· s-1风速范围为间隔的有效风矢数量统计直方图。

图6 不同风速范围内的有效风矢数量Fig.6 Valid wind vectors counts in different wind speed ranges

高层有效风矢对20 m· s-1以上的高速风更敏感, 地表附近风速多集中在10 m· s-1以内。 三个时次各层有效风矢与再分析资料比较的风速均值绝对偏差和风速均方根误差结果如图7所示, 红色折线为00:00时次, 蓝色折线为06:00时次, 绿色折线为12:00时次。

图7 各时次和高度比较的风速均值绝对偏差和风速均方根误差
(a): MAE; (b): RMSE
Fig.7 The MAE and RMSE of wind speed at different pressure levels
(a): MAE; (b): RMSE

经质量控制后的风速结果与再分析资料比较的各时次风速MAE均小于4 m· s-1, RMSE均小于4.5 m· s-1, 为验证风向一致性, 图8对三个时次各层以10 m· s-1为风速范围间隔比较风向均值绝对偏差, 其中红色代表00:00时次, 蓝色代表06:00时次, 绿色代表12:00时次。

图8 各层(hPa)风向MAE
(a): 200 hPa; (b): 300 hPa; (c): 400 hPa; (d): 600 hPa; (e): 650 hPa; (f): 1 000 hPa
Fig.8 The direction MAE
(a): 200 hPa; (b): 300 hPa; (c): 400 hPa; (d): 600 hPa; (e): 650 hPa; (f): 1 000 hPa

风向比较结果表明, 200, 300和400 hPa风向MAE最大不超过40° , 多数风速区间低于30° , 较大偏差出现在高风速区间; 600, 650和1 000 hPa风向MAE低于30° 。

3 结论

红外高光谱资料遥感大气温湿度廓线信息, 可应用于测量对流层三维风场。 通过跨平台红外高光谱观测的方法, 采用我国FY-3D/HIRAS和国际精度较高NOAA-20/CrIS近重叠轨道交叉数据, 测量200, 300, 400, 600, 650和1 000 hPa六个高度垂直风场, 并与ERA-Interim再分析资料风场数据定量化比较结果, 得到以下结论:

(1)垂直风场的风速风向在不同高度下存在变化, 六个高度下测得的风速范围随高度降低而减小, 与ERA-Interim再分析资料风速变化趋势一致。

(2)质量控制后的风矢量约占追踪目标总数的32%~82%, 高层对20 m· s-1以上风速更敏感, 地表附近风速集中在10 m· s-1以内。 与再分析资料比较的风速MAE均小于4 m· s-1, 多数小于3.5 m· s-1, 风速RMSE均小于4.5 m· s-1, 多数小于3.5 m· s-1

(3)不同风速范围内的各层风向均值绝对偏差多数小于30° , 高层风向偏差不超过40° , 且风向较大偏差出现在高风速区间。

(4)分析产生风场误差的主要来源有: 因跨平台仪器参数设计不同造成的观测误差, 以及图像重投影过程中引入的定位误差。

本研究提出的测风方法表明HIRAS红外高光谱数据的风场探测应用价值。 为更深入的课题研究和算法改进树立了方向, 同时对设计同平台测风仪器提供了论证基础。

参考文献
[1] Baker W E, Atlas R, Cardinali C, et al. Bulletin of the American Meteorological Society, 2014, 95(4): 543. [本文引用:1]
[2] Pagano T S, Abesamis C, Andrade A, et al. Proc. SPIE, 2018, 10769: 1076906. [本文引用:1]
[3] Velden C, Dengel G, Dengel R, et al. Determination of Wind Vectors by Tracking Features on Sequential Moisture Analyses Derived From Hyperspectral IR Satellite Soundings. 13th AMS Conf. on Satellite Meteror. and Ocean. , Amer. Meteor. Soc. , 2004. [本文引用:1]
[4] Maschhoff K R, Polizotti J J, Aumann H H, et al. Mistic Winds: A Microsatellite Constellation Approach to High-Resolution Observations of the Atmosphere Using Infrared Sounding and 3D Winds Measurements. Proc. SPIE, 2016, 9978: 997804. [本文引用:1]
[5] QI Cheng-li, GU Ming-jian, HU Xiu-qing, et al(漆成莉, 顾明剑, 胡秀清, ). Advances in Meteorological Science and Technology(气象科技进展), 2016, 6(1): 88. [本文引用:1]
[6] Wang L, Chen Y. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(7): 2024. [本文引用:1]
[7] Chen Y, Han Y, Weng F. IEEE Transactions on Geoscience and Remote Sensing, 2016, 55(2): 1147. [本文引用:1]
[8] Wu C Q, Qi C L, Hu X Q, et al. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(6): 3965. [本文引用:2]
[9] Glumb R, Lapsley M, Luce S, et al. HyperCube: a Hyperspectral CubeSat Constellation for Measurements of 3D Winds. Proc. SPIE, 2016, 9978: 997805. [本文引用:1]
[10] Yang J, Zhang P, Lu N, et al. International Journal of Digital Earth, 2012, 5(3): 251. [本文引用:1]
[11] QI Cheng-li, ZHOU Fang, WU Chun-qiang, et al(漆成莉, 周方, 吴春强, ). Optics and Precision Engineering(光学精密工程), 2019, 27(4): 747. [本文引用:1]
[12] Han Y, Revercomb H, Cromp M, et al. Journal of Geophysical Research: Atmospheres, 2013, 118(22): 12734. [本文引用:1]
[13] YANG Tian-hang, HU Xiu-qing, XU Han-lie, et al(杨天杭, 胡秀清, 徐寒列, ). Acta Optica Sinica(光学学报), 2019, 39(11): 377. [本文引用:1]
[14] Santek D, Nebuda S, Stettner D. Remote Sensing, 2019, 11(22): 2597. [本文引用:1]
[15] Saunders R, Hocking J, Turner E, et al. Geoscientific Model Development, 2018, 11(7): 2717. [本文引用:1]
[16] Zhu L, Bao Y, Petropoulos G P, et al. Remote Sensing, 2020, 12(3): 435. [本文引用:1]
[17] Farnebäck G. Two-Frame Motion Estimation Based on Polynomial Expansion. Scand inavian Conference on Image Analysis. Springer, Berlin, Heidelberg, 2003. 363. [本文引用:1]