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。