射傳輸模式被認為是聯系衛星觀測與大氣、陸面和海洋環境變量的紐帶👩🏽‍⚖️，是支撐數值天氣預報和遙感應用不可或缺的觀測算子。因此，高精度高效率的正演輻射傳輸模型是雲遙感反演的核心🏤🧑🏻‍⚕️，同時對衛星傳感器定標，資料同化以及模式評估都具有十分重要的意義。

我系張峰教授團隊建立了紅外快速輻射傳輸模式（ERTM），用於模擬Himawari-8衛星上搭載的成像儀（AHI）觀測的亮溫，該研究於2020年發表在《Optics Express》期刊上🧜🏻‍♀️。張峰教授為通訊作者，博士生李雯雯為第一作者🧔🏿‍♀️，合作者包括中國氣科院科學研究院石怡寧博士、日本東北大學Hironobu Iwabuchi教授💧、加拿大氣候分析中心李江南研究員👷‍♂️、中國氣象局數值預報中心韓威研究員、中國科學院遙感與數字地球研究所胡斯勒圖研究員等人。ERTM包含了分段排序相關K分布氣體吸收方案（AMCKD）、雲的光學性質參數化和四流累加輻射傳輸算法🐮。ERTM模式中冰雲光學性質參數化基於Voronoi冰晶模型，而水雲參數化則基於Lorenz-Mie理論🧑🏻‍🏭。該研究以由64流的離散縱標輻射傳輸算法（DISORT）耦合逐線積分輻射傳輸方案（LBLRTM）組成的輻射模式為真值系統評估了ERTM的計算效率和精度🉐。在標準廓線下🏝，任何雲狀態假設和天頂角下，亮溫差（ERTM模擬的亮溫與精確模式結果的偏差）的絕對值均小於0.3K（圖1）。而且🤚🙋🏽，亮溫差對天頂角的依賴性更大，而對雲的有效半徑或雲頂氣壓的依賴性較小。對於AHI所有熱紅外通道，ERTM模擬亮溫的均方根誤差（RMSE）在AHI的B16（13.28μm）通道達到最大值，為0.21 K🙇🏻‍♂️，在B13通道達到最小值，僅為0.04 K🧢。而ERTM的計算效率比精確模式高了約五個數量級💘。

此外🆘，以日本東北大學ICAS雲遙感系統反演的雲微物理特性作為輸入⌚️，將ERTM應用於2015年10月3日6:00 UTC的臺風“彩虹”案例中👠，並從模擬區域中隨機選取1000個有雲點🙎🏽‍♀️，將ERTM模擬亮溫與精確模式的結果進行比較♗。結果如圖2所示，ERTM的模擬結果與精確模式的結果高度一致，每個通道下，幾乎所有的像素點都落在1:1線上，而且模擬亮溫的最大均方根誤差出現在B10通道，僅為0.3665。為了進一步評估ERTM的性能🤧🕵🏼，將其模擬的亮溫與AHI觀測結果進行比較♘。如圖3所示，觀測亮溫與模擬亮溫分布高度相似。最後，我們對研究區域內的觀測亮溫與模擬亮溫進行了定量比較。圖4展示了各通道下冰雲和水雲的AHI觀測亮溫與ERTM模擬亮溫之間絕對偏差的小提琴圖→。對於所有的熱紅外通道，平均絕對偏差都小於2👋🏿，並且90%的像素點的絕對偏差都小於3。這證明了ERTM在有雲大氣下都具有較好的亮溫模擬能力。

Li Wenwen, Feng Zhang*, Yi-Ning Shi, Hironobu Iwabuchi, Mingwei Zhu, Jiangnan Li, Wei Han, Husi Letu, and Hiroshi Ishimoto, 2020: Efficient radiative transfer model for thermal infrared brightness temperature simulation in cloudy atmospheres, Opt. Express, 28, 25730-25749. https://doi.org/10.1364/OE.400130

圖1. 在熱紅外通道 B10（7.35μm）🗳、B12（9.63μm）和B14（11.24μm）下，在兩個天頂角下（20°和50°），冰雲亮溫差隨冰水含量（IWP）的變化（左列）以及水雲亮溫差隨液態水含量（LWP）的變化。

圖2. 臺風“彩虹”（2015年10月3日📁，06UTC）案例中🌐，ERTM對研究區域內隨機選取的1000個點各通道的模擬亮溫和標準模式（LBLRTM+ DISORT）結果的對比👨🏼‍🎨。

圖3. AHI觀測亮溫（a-c）與ERTM模擬亮溫（d-f）在B10 (7.35 μm), B12 (9.63 μm), B14 (11.24 μm) 通道的對比💇🏻，（g-i）為兩者之差。

圖4. 每個通道下，ERTM模擬亮溫與AHI觀測亮溫的定量小提琴偏差圖🤵‍♀️，左圖為冰雲🦸🏻🤷‍♀️，右圖為水雲。