变分同化方法反演海气耦合模型参数的研究

采用变分资料同化技术,结合最优控制思想,对一个海气耦合模型的模式参数和强迫项进行了反演,结果表明,采用该方法对模式进行优化,既可以补偿模式参数不准确性给预报带来的误差,又可以对模式参数本身进行修正和估计,为将来在实际应用中改善更复杂的预报模式、提高预报准确率提供了一个可借鉴的思路。     

Retrieval of atmospheric and oceanic parameters and the relevant numerical calculation

It is well known that retrieval of parameters is usually ill-posed and highly nonlinear, so parameter retrieval problems are very difficult. There are still many important theoretical issues under research, although great success has been achieved in data assimilation in meteorology and oceanography. This paper reviews the recent research on parameter retrieval, especially that of the authors. First, some concepts and issues of parameter retrieval are introduced and the state-of-the-art parameter retrieval technology in meteorology and oceanography is reviewed briefly, and then atmospheric and oceanic parameters are retrieved using the variational data assimilation method combined with the regularization techniques in four examples： retrieval of the vertical eddy diffusion coefficient; of the turbulivity of the atmospheric boundary layer; of wind from Doppler radar data, and of the physical process parameters. Model parameter retrieval with global and local observations is also introduced.     

使用MODIS数据对云顶高的反演研究

在地球大气能量收支平衡过程中,云具有特别显著的调节作用,是影响气候变化的一个非常重要因子,云的辐射特性和它的高度影响到辐射的收支可以导致地球的变暖或变冷。云顶气压是一个非常重要的云参数。目前有很多方法被用来估计云参数,而CO2薄片算法则是使用被动遥感资料反演云顶性质的重要方法之一。这项技术应用于HIRS资料上已经有20年的历史,而EOS系列地球环境卫星的升空,使EOS上搭载的MODIS探测器成为第一个拥有CO2薄片波段的高空间分辨率探测器。本文描述CO2薄片算法的理论模型和应用中的问题,结合实例进行分析,并讨论误差,以及对未来的展望。     

基于降雨率的GMF+RAIN模型构建及在台风风场反演中的应用

首先选取2006年QuikSCAT散射计扫描的3次台风个例("珊珊"、"摩羯"及"象神"),分析其获取的台风区域雷达后向散射截面值(σ^o)在降雨影响下的分布特征.然后依据大气辐射传输理论,考虑降雨对雷达后向散射截面值的影响,引进两个不同形式的降雨辐射传输模型(简称为SY和AMSR模型),并将这两个降雨辐射传输模型分别与NSCAT2模型函数相结合,构建了适合降雨情况的地球物理模型函数(简称为GMF+RAIN).最后,在GMF+RAIN模型的基础上,采用二维变分结合多解方案     

星载合成孔径雷达图像反演海面风场方法综述

合成孔径雷达作为微波雷达,具有全天候、全天时、高分辨率对海面成像的能力,能实现多波段、多极化、多视角的观测海面,可以提供大范围、高精度的实时动态海面信息,对其进行深入研究有着重要的意义。基于合成孔径雷达图像,分别以风向和风速反演为主线,对国内外海面风场反演的工作进行了详细的总结。     

利用改进的GoogLeNet深度学习模型识别COSMIC-2掩星信号中的反射信号

GPS(Global Positioning System)掩星探测技术作为一种先进的大气探测手段,已广泛用于数值天气预报、气候和空间天气研究。掩星探测存在的问题之一是容易受到地球表面反射信号的干扰,识别和分离掩星探测信号中的反射信号有助于将掩星数据同化到数值天气预报系统中去,具有重要意义。本文提出一种基于改进的GoogLeNet深度学习模型（Im-GNet）,并应用于COSMIC-2掩星探测数据来识别反射信号。本文选择了2020年1月1～9日的COSMIC-2掩星数据（conPhs文件）,进行质量控制后,利用无线电全息方法得到掩星信号的无线电全息功率谱密度图像,然后训练得到Im-GNet深度学习模型,Im-GNet模型测试的准确率达到了96.4%,显著高于支持向量机（SVM）方法的结果。本文还分析了反射信号对掩星数据的影响,掩星事件的地理分布以及掩星反演数据（atmPrf文件）与NCEP再分析资料的12 h预报值（avnPrf文件）的折射率比较表明：有反射信号的掩星事件数据质量更好,所包含的大气信息更丰富。