基于FY-3C/MWHTS資料的海洋晴空大氣溫濕廓線反演方法研究

賀秋瑞 王振占 何杰穎

(1.中國科學院國家空間科學中心微波遙感重點實驗室,北京 100190;2.中國科學院大學,北京 100049)

?

基于FY-3C/MWHTS資料的海洋晴空大氣溫濕廓線反演方法研究

賀秋瑞1,2王振占1何杰穎1

(1.中國科學院國家空間科學中心微波遙感重點實驗室,北京 100190;2.中國科學院大學,北京 100049)

針對搭載于風云三號C星(FY-3C)上的微波濕溫探測儀(Microwave Humidity and Temperature Sounder,MWHTS),建立了海洋晴空大氣條件下溫濕廓線同時反演的一維變分反演系統. 通過對影響反演精度的各個因素進行分析,確立了該系統的輸入參數. 對于FY-3C/MWHTS觀測亮溫與快速輻射傳輸(Radiative Transfer Model for TOVS,RTTOV)模型的模擬亮溫之間的偏差和角度依賴性,采用逐像元統計回歸校正方法進行校正. 選擇西北太平洋海域晴空條件下的校正亮溫數據進行溫濕廓線的反演,并利用歐洲中期天氣預報中心再分析數據集對反演結果進行驗證,結果表明:反演的溫度廓線和相對濕度廓線的最大平均偏差分別為1.09 K和5.4%,最大均方根誤差分別為1.48 K和22.69%,與未校正亮溫的反演結果相比,溫度廓線的均方根誤差最大可減小1.56 K,濕度廓線的均方根誤差最大可減小14.71%. 反演溫濕廓線與背景廓線的精度對比表明:反演的溫度廓線在10～70 hPa、300～350 hPa和700～850 hPa內的精度高于背景廓線的精度,而反演濕度廓線的精度除了825～875 hPa,其他范圍均高于背景廓線的精度,因此FY-3C/MWHTS觀測亮溫的反演結果可進一步提高預報廓線精度.

FY-3C/MWHTS;RTTOV;溫濕廓線;一維變分反演

DOI 10.13443/j.cjors.2015102101

引 言

大氣的溫度和濕度垂直廓線是氣候監測、當前天氣分析以及天氣預報的重要參數[1-2]. 在探測大氣溫濕廓線的各種手段中,星載遙感觀測具有覆蓋廣、連續觀測、可全球監測等優點,是大氣參數信息獲取的重要手段[3]. 其中微波可以穿透云、霾和沙塵等,因此微波遙感在星載大氣遙感中又具有獨特的優勢. 由中國科學院國家空間科學中心負責研制的微波濕溫探測儀(Microwave Humidity and Temperature Sounder,MWHTS)搭載于新一代極軌氣象衛星FY-3C于2013年發射升空,其通道的設置具有對大氣溫濕廓線同時反演的能力,關于該傳感器的系統參數設置詳見文獻[4].

從20世紀60年代,國內外學者已開始了大氣參數反演的研究,歷經幾十年的發展,現在常用的溫濕廓線反演方法主要分為三類:統計方法,物理方法以及物理統計方法[5-9]. 其中物理方法是通過對輻射傳輸方程的直接求解來獲取大氣參數,物理意義清晰,反演精度較高. 目前,一維變分算法作為物理方法的典型代表得到了廣泛的應用,其中,Li等人以此方法為基礎發展的先進垂直探測器數據處理軟件包(International ATOVS Processing Package, IAPP)對先進微波探測裝置(Advance Microwave Sounding Unit,AMSU)觀測資料進行反演,但在亮溫偏差校正時并未考慮觀測角度對亮溫偏差帶來的影響[5]. Boukabara等人同樣以該算法為基礎發展了微波整體反演系統(Microwave Integrated Retrieval System,MIRS),該系統雖然同時應用了AMSU、微波濕度傳感器(Microwave Humidity Sensor,MHS)和特種微波成像儀(Special Sensor Microwave/Imager,SSM/I)的觀測資料,但是在進行系統參數的選擇時需兼顧這三個傳感器的儀器性能及數據特點,如像元的匹配及選擇、觀測誤差協方差矩陣的生成等,這在一定程度上限制了溫濕參數的反演精度[6].

根據FY-3C/MWHTS具有獨立探測大氣溫濕參數的能力,本文針對其觀測亮溫數據,建立了一維變分反演系統,對西北太平洋海域晴空條件下的大氣溫度和濕度廓線進行反演研究. 分析了影響一維變分反演系統反演精度的因素,選擇適于MWHTS的反演系統參數,利用2015年2月份的亮溫數據反演得到大氣的溫度和濕度廓線,并分別利用ECMWF再分析數據集和無線電探空觀測(Radiosonde observation, RAOB)數據對反演結果進行了驗證分析.

1 資料、模式及算法介紹

1.1 資料與模式

本文使用的數據有MWHTS亮溫數據、ECMWF ERA Interim再分析數據、美國環境預報中心(National Centers for Environmental Prediction, NCEP) 6小時預報數據和RAOB數據,地理范圍均為(30°N～15°N, 125°E～165°E)．其中,MWHTS亮溫數據由中國氣象局網站提供,時間范圍為2013年10月-2015年2月;ECMWF ERA Interim再分析數據由ECMWF網站提供,時間范圍為2005年1月-2015年2月,其溫度、濕度以及云量廓線從地面1 000 hPa到高空1 hPa分為37層,分辨率是0.125°×0.125°;NCEP 6 h預報數據由NCEP網站提供,時間為2015年2月,分辨率為0.25°×0.25°,其溫濕廓線從地面1 000 hPa到高空1 hPa共26層,為了與歐洲中期天氣預報中心(European Centre for Medium Range Weather Forecasts,ECMWF)再分析數據的分層相一致,對其進行內插處理;RAOB數據由RAOB網站提供,時間為2015年2月,同樣內插為37層. 本文選擇ECMWF發展的快速輻射傳輸模型(Radiative Transfer Model for TOVS,RTTOV) v11輻射傳輸模型對MWHTS進行模擬亮溫計算.

1.2 一維變分反演算法

一維變分反演算法主要由兩部分組成:第一部分是正演輻射傳輸模型;第二部分是最小化代價函數模型.如果觀測誤差和先驗信息誤差不相關,且服從高斯分布,那么反演廓線的最優估計就可以通過最小化代價函數[7]

(1)

來實現. 式中: x為所要反演的廓線; xb為背景廓線; B為背景協方差矩陣; R為測量誤差協方差矩陣,包括觀測誤差協方差E和正演誤差協方差F; H(x)表示狀態變量x所產生的模擬亮溫; I0表示觀測亮溫. 對該代價函數求導可得

(2)

R]-1[I0-H(xn)-H(xn)(xb-xn)].

(3)

式中: n表示迭代次數; xn+1表示式(2)的最優估計值,即反演廓線.

由式(1)可知,直接影響反演精度的因素有背景協方差矩陣B,背景廓線xb,測量誤差協方差矩陣R以及亮溫偏差H(x)-I0.

2 影響反演精度因素討論

2.1 先驗信息

對于背景協方差矩陣而言,本文使用2005-2014年間10年的ECMWF再分析數據集中海洋上空的溫濕廓線來產生,公式為[6]

(4)

2.2 正演模型和通道偏差校正

通道中的亮溫偏差對反演精度有直接影響. 本文利用統計回歸方法進行偏差校正. 使用2013年10月-2014年12月晴空條件下的MWHTS亮溫數據與ECMWF再分析數據進行匹配,其中根據云量廓線為0進行晴空數據的判斷,匹配規則是經緯度差分別小于0.05°,時間差小于0.5 h,得到了超過4萬個匹配對. 通過對匹配的模擬亮溫和觀測亮溫進行相關性分析發現大部分通道具有線性統計關系,即觀測亮溫具有系統偏差[9]. 分別計算MWHTS在98個像元處每個通道的模擬亮溫和觀測亮溫的相關系數,其中，每個像元對應一個掃描角度，如圖1所示.

圖1 MWHTS觀測亮溫和模擬亮溫相關系數分布

由圖1可知:從1～15像元,每個通道相關系數明顯較低,隨著掃描角度的變小而升高;從16～80像元,大部分通道的相關系數逐漸變大并達到最大值后趨于平穩;從80～98像元,通道2、3、5、7的相關系數變化呈下降趨勢,其中通道2的相關系數在各個掃描角度均較低. 總的來說,在20～70像元位置上,除了通道2、5、7的部分像元外,其余通道的相關系數保持在0.90以上.

MWHTS采用交軌掃描方式進行探測,獲得的亮溫數據往往具有角度依賴性[10]. 利用匹配對中的模擬亮溫和觀測亮溫的平均偏差對MWHTS亮溫數據的角度依賴性進行分析發現MWHTS的15個通道亮溫對角度依賴性明顯. 然而,一維變分算法要求亮溫數據必須滿足無偏高斯分布,因此濾除角度依賴性所產生的誤差至關重要.

根據MWHTS的15個通道的觀測亮溫和模擬亮溫之間的統計關系,本文提出逐像元統計回歸的方法對觀測亮溫進行偏差校正以及角度依賴性的移除. 首先由于通道2相關性小而不進行校正;其次,舍棄掃描角度大時相關系數低的數據,即選擇像元20～70的數據進行反演. 逐像元統計回歸校正方法的表達式為

(5)

式中: Tij*為MWHTS的校正亮溫; Tij為未校正亮溫; aij為斜率; bij為截距; i為MWHTS的通道數目,取值范圍為1～15; j為像元的數目,取值范圍是1～51. 那么根據該校正方法,每個通道的每個像元都會得到各自的校正系數a和b.

2.3 測量誤差協方差矩陣R

在假設MWHTS各個通道間的測量不存在相關性的情況下,本文使用矩陣R的對角元素,表示為[11]

r2=f2+e2.

(6)

式中: r為矩陣R對角元素的平方根; f為正演誤差協方差矩陣對角元素的平方根,根據2.2節中匹配的觀測亮溫和模擬亮溫進行求解; e為觀測誤差協方差矩陣對角元素的平方根,本文使用的是MWHTS系統設計中的通道噪聲,見文獻[4].

2.4 反演過程的質量控制

本文選擇的迭代收斂標準是當代價函數值的相對變化范圍在0.01內時迭代停止. 同時設置的最大迭代次數為10. 另外,利用背景廓線的模擬亮溫與觀測亮溫的差來對輸入的亮溫數據進行質量控制,當任一通道的亮溫差大于20 K,舍棄該組亮溫數據.

3 反演實驗及誤差討論

3.1 反演步驟

利用以上分析確定的系統參數以及收斂標準,本文針對MWHTS建立了一維變分反演系統,反演的基本步驟包括:

1) 對MWHTS亮溫數據進行偏差校正,并分別與ECMWF再分析數據和RAOB數據進行空間和時間上的匹配. 與ECMWF再分析數據匹配規則是經緯度差分別小于0.05°,時間差小于0.5 h. 與RAOB數據匹配規則是經緯度差分別小于1.5°,時間差小于0.5 h.

2) 根據ECMWF再分析數據的云量廓線為0對匹配到的亮溫進行晴空數據的選擇.

3) 針對步驟2)中產生的每一組晴空亮溫選擇時間和空間匹配的NCEP預報數據作為背景廓線. 匹配規則是經緯度差分別小于0.25°,時間差小于0.5 h.

4) 根據第2節建立的測量誤差協方差矩陣R和背景協方差矩陣B輸入到一維變分反演系統.

5) 把校正的晴空亮溫輸入到一維變分反演系統中進行反演計算,得到反演的溫濕廓線.

本文選擇2015年2月份MWHTS海洋晴空亮溫進行反演研究,其中選擇的海域為西北太平洋海域,地理范圍為(30°N～15°N,125°E～165°E).

3.2 反演結果的驗證及分析

經過亮溫數據和ECMWF再分析數據進行匹配一共得到1 907個匹配對,利用本文提出的逐像元統計回歸校正方法對匹配對中的亮溫數據進行偏差校正可以發現,除了通道2未進行偏差校正外,通道1、3、4、6、12、14、15的平均亮溫偏差得到了很大的減小,角度依賴性得到了移除,校正結果較好. 但是對于通道5、7、8、9、10、11來說雖然平均亮溫偏差都有一定的減小,但是角度依賴性只是在一定程度上得到減弱,而對于通道13來說角度依賴性有一定的減弱,但是平均亮溫偏差并未有明顯的減小.

根據MWHTS通道權重函數特性分析[12],取溫度和濕度反演廓線的壓強范圍分別為10～1 000 hPa和250～1 000 hPa. 利用平均偏差和均方根誤差對反演結果進行驗證分析[2],本文分別使用ECMWF再分析數據和RAOB數據作為參考數據,其中,由于RAOB數據量的限制,只利用其對單點反演結果進行驗證分析.

3.2.1 與ECMWF再分析數據的驗證分析

對1 907個匹配對中的校正亮溫進行反演,其中有6組亮溫與背景廓線模擬亮溫之間的偏差超過20 K,因此得到了1 901條溫濕反演廓線. 對這1 901組溫濕廓線進行統計特性分析,如圖2所示.

由圖2(a)可知,校正亮溫反演的溫度平均偏差相比未校正亮溫的反演結果有很大的減小,且均保持在1.09 K以內,但是在350～650 hPa內以及850 hPa附近,大于未校正亮溫反演的平均偏差. 對于溫度均方根誤差來說,除了在450～600 hPa范圍,校正亮溫的反演結果均好于校正前的反演結果,對校正前的均方根誤差的減小最大處可達1.56 K,且反演均方根誤差均保持在1.48 K以內. 對于校正亮溫反演精度變差的現象,根據MWHTS通道權重函數特性分析,對450～600 hPa內的反演結果起主要貢獻的是通道5、6、7,而通道5和7的偏差校正效果較差, 因此這可能是導致這一現象的原因. 從校正后的反演溫度廓線跟背景溫度廓線的均方根誤差對比來看,反演結果在10～70 hPa、300～350 hPa以及700～850 hPa內對于提高預報廓線的精度仍然有很大的幫助. 由圖2(b)可知,除了825～875 hPa,校正后的亮溫反演的濕度平均偏差明顯好于校正前,且最大偏差不超過5.4%. 對于濕度反演的均方根誤差來說,校正后的亮溫反演結果明顯好于校正前的反演結果,最大均方根誤差為22.69%,與校正前相比,最大可減小14.71%. 從校正亮溫反演的均方根誤差跟背景廓線的均方根誤差對比可知,在250～800 hPa內,對背景廓線的精度有很大的提高,最大可提高10.78%. 但是與平均偏差一樣,反演的均方根誤差在825～875 hPa內出現了最大值,且大于背景廓線的均方根誤差. 對于此范圍內精度差的現象,除了水汽通道的共同貢獻作用以外,溫度通道7和窗區通道10也對該壓強范圍的濕度反演有貢獻作用,通道7和10的偏差校正效果差可能是導致這一現象的主要原因.

(a) 溫度

3.2.2 與RAOB數據的驗證分析

在本文選擇的海域內,一共得到1個無云的匹配對. 從可靠性的角度考慮,選擇溫度反演廓線的范圍150～1 000 hPa進行驗證分析. 利用地理坐標點 (155.38°E, 23.01°N)的2015年2月5號12:00UTC 5 min之內的衛星數據得到的反演廓線,與地理坐標點(153.97°E, 24.30°N)的南鳥島探空基站2015年2月5號12:00UTC的RAOB數據進行單點反演結果驗證,如圖3所示.

圖3 單點反演結果與南鳥島探空基站RAOB廓線對比

從圖3可以看出,除了700 hPa溫度偏差高達4.7 K外,其他壓強處的偏差均保持在1.46 K以內. 同樣對于濕度偏差來說,700 hPa處的偏差最大,為39%. 在700 hPa,對溫度反演來說起主要貢獻的是通道4和通道5,而對濕度反演來說起主要貢獻的是通道15,這三個通道的偏差校正結果都較好. 然而,背景廓線與RAOB廓線的偏差在700 hPa的溫度偏差為5.92 K,濕度偏差為39%,那么這可能是導致反演廓線在此處偏差較大的重要原因. 因此本文又選擇了地理坐標點(139.78°E, 33.12°N)的八丈島的2015年2月14號12:00UTC的探空數據來驗證地理坐標點 (141.13°E, 33.91°N)的2015年2月14號12:00UTC 20 min之內衛星數據的反演廓線,如圖4所示.

由圖4可知,對于溫度反演來說,在600～700 hPa內,背景廓線偏差出現了3.8 K的偏差,同樣反演廓線在此處也出現較大的偏差,為2.3 K,但是比圖3中的4.7 K的偏差有很大的減小. 而對于濕度反演來說,在250～600 hPa內,背景廓線偏差在550 hPa附近出現了28%的偏差,同樣也導致了反演濕度廓線17.7%的偏差,但比圖3中的偏差39%有了21.3%的減小. 另外,圖4的溫濕廓線在700 hPa均未出現大的偏離,溫濕廓線的反演偏差分別為0.95 K和6.32%. 因此可以得出結論:對于溫濕廓線反演來說,背景廓線與真實廓線的偏差過大,將會導致反演廓線的偏差增大,背景廓線的選擇對一維變分反演系統具有重要意義.

圖4 單點反演結果與八丈島探空基站RAOB廓線對比

3.2.3 與MIRS反演系統的精度對比

MIRS反演系統是針對AMSU、MHS和SSM/I觀測資料進行溫濕反演的業務化反演系統,Boukabar等人利用ECMWF再分析數據對其反演精度在特定壓強處進行了驗證[6]. 對于溫度反演,MIRS系統在950、800、500、300、100 hPa處的均方根誤差分別是2.7、1.8、1.3、1.5、1.8 K,而本文的反演系統對應的均方根誤差分別是1.3、1.1、1.4、1.3、1.1 K;對于濕度反演,MIRS系統在950、800、500、300 hPa處的均方根誤差分別是17%、28%、41.5%、41%,本文的反演系統對應的均方根誤差分別是9%、14%、8%、4%. 通過對比可以看出本文所構建的反演系統在以上壓強處具有更高的反演精度,特別是濕度的反演精度較MIRS系統的反演精度有很大的提高. 然而需要注意的是在云雨條件下MIRS系統對星載數據的反演能力是本文的反演系統所不具備的.

4 結 論

本文針對FY-3C/MWHTS海上晴空亮溫數據的大氣溫濕廓線反演建立了基于物理方法的一維變分反演系統. 對于該系統的輸出結果,利用ECMWF再分析數據和RAOB數據進行驗證分析,驗證結果表明:FY-3C/MWHTS亮溫數據的濕度反演精度除了825～875 hPa,其他范圍均高于背景廓線精度,溫度反演精度在10～70 hPa、300～350 hPa以及700～850 hPa內高于背景廓線精度,這對于提高預報廓線的精度具有重要意義. 其中在利用ECMWF再分析數據對反演結果進行驗證時發現,不是在所有的壓強范圍內偏差校正后的反演結果好于偏差校正前的反演結果,從而說明了該校正方法需要進一步地優化. 在利用RAOB數據對反演結果驗證時,背景廓線與真實廓線大的偏差導致了反演精度的下降,從而說明了背景初始場對反演結果的重要性. 另外,本文只是針對MWHTS海洋晴空亮溫數據進行了反演研究,因此全天候的溫濕反演是下一步的工作重點．

致謝:本研究受中國科學院國家空間科學中心重點培育課題“基于微波遙感探測的全球變化數據再定標、再處理、再分析”支持.

[1] AHN M H, KIM M J, CHUNG C Y, et al. Operational implementation of the ATOVS processing procedure in KMA and its validation[J]. Advances in atmospheric science, 2003, 20(3): 398-414.

[2] RAO T N, SUNILKUMAR K, JAYARAMAN A. Validation of humidity profiles obtained from SAPHIR, on-board Megha-Tropiques[J]. Current science, 2013, 104(12): 1635.

[3] ROSENKRANZ P W. Retrieval of temperature and moisture profiles from AMSU-A and AMSU-B measurements[J]. IEEE transactions on geoscience and remote sensing, 2001, 39(11): 2429-2435.

[4] 郭楊, 盧乃錳, 漆成莉, 等. 風云三號C星微波濕溫探測儀的定標和驗證[J]. 地球物理學報, 2015, 58(1): 20-31.

GUO Y, LU N M, QI C L, et al. Calibration and validation of microwave humidity and temperature sounder onboard FY-3C satellite[J]. Chinese journal of geophysics, 2015, 58(1): 20-31. (in Chinese)

[5] LI J, WOLF W W, MENZEL W P, et al. Global sounding of the atmosphere from ATOVS measurements: the algorithm and validation[J]. Journal of applied meteorology, 2000, 39(8): 1248-1268.

[6] BOUKABARA S A, GARRETT K, CHEN W, et al. MIRS: an all-weather 1DVAR satellite data assimilation and retrieval system[J]. IEEE transactions on geoscience and remote sensing, 2011, 49(9): 3249-3272.

[7] LIU Q, WENG F. One-dimensional variational retrieval algorithm of temperature, water and cloud water profiles from advanced microwave sounding unit(AMSU)[J]. IEEE transactions on geoscience and remote sensing, 2005, 43(5):1087-1095.

[8] 何杰穎, 張升偉. 地基和星載微波輻射計數據反演大氣濕度[J]. 電波科學學報, 2011, 26(2): 362-368.

HE J Y, ZHANG S W. Humidity retrieved from data of the ground-based microwave profiler and satellite-based humidity sounder[J]. Chinese journal of radio science, 2011, 26(2): 362-368. (in Chinese)

[9] LI J, WOLF W W, MENZEL W P, et al. Global sounding of the atmosphere from ATOVS measurements: the algorithm and validation[J]. Journal of applied meteorology, 2000, 39(8): 1248-1268.

[10]WENG F, ZOU X, WANG X, et al. Introduction to Suomi national polar-orbiting partnership advanced technology microwave sounder for numerical weather prediction and tropical cyclone applications[J]. Journal of geophysical research: atmospheres, 2012, 117(19): 19112-19126.

[11]ENGLISH S J. Estimation of temperature and humidity profile information from microwave rdiances over different surface types[J]. Journal of applied meteorology, 1999, 38(10): 1526-1541.

[12]鮑靖華. FY-3C衛星微波濕溫探測儀原理及在軌性能初步分析[D]. 北京:中國科學院國家空間科學中心, 2014.

BAO J H. The principle of FY-3C satellite microwave humidity and temperature sounder and preliminary analysis on its in-orbit performance[D]. Beijing: Chinese Academy of Sciences, 2014. (in Chinese)

Inversion of the clear atmospheric temperature and humidity profiles based on FY-3C/MWHTS measurements

HE Qiurui1,2WANG Zhenzhan1HE Jieying1

(1.KeyLaboratoryofMicrowaveRemoteSensing,NationalSpaceScienceCenter,ChineseAcademyofSciences,Beijing100190,China; 2.UniversityofChineseAcademyofSciences,Beijing100049,China)

For microwave humidity and temperature sounder (MWHTS) on board FY-3C satellite, an one-dimensional variational system is built to inverse the atmospheric temperature and humidity profiles over ocean in clear sky. By analyzing the various factors affecting the accuracy of inversion, the system parameters can be determined. A statistical regression method is adapt in pixel by pixel correction procedure to correct the bias of brightness temperatures between the observed values and those simulated by Radiative Transfer Model for TOVS (RTTOV). This paper inverses the clear atmospheric temperature and hu-midity profiles over the north-west Pacific using the corrected measurements and the results validates that of the European Centre for Medium Range Weather Forecasts (ECMWF) reanalysis data. The results show that the maximum root mean square errors are 1.48 K and 22.69%, respectively. The contrast results of the retrievals and the background profiles show that the accuracy of forecast profiles can be improved effectively by inversion using FY-3C/MWHTS.

FY-3C/MWHTS; RTTOV; temperature and humidity profiles; one-dimensional variational inversion

10.13443/j.cjors.2015102101

2015-10-21

國家863計劃項目(2015AA8126027)

P41

A

1005-0388(2016)04-0772-07

賀秋瑞 (1986-),男,河南人,中國科學院國家空間科學中心在讀博士研究生,主要研究方向為衛星數據處理、微波輻射計大氣參數的反演應用研究等.

王振占 (1969-),男,河北人,中國科學院國家空間科學中心研究員,主要研究方向為全極化微波輻射測量技術、定標和應用基礎研究、微波輻射計海洋大氣參數的反演應用研究等.

何杰穎 (1984-),女,天津人,中國科學院國家空間科學中心副研究員,主要研究方向為地基和星載微波輻射計數據處理與應用研究等.

賀秋瑞, 王振占, 何杰穎. 基于FY-3C/MWHTS資料的海洋晴空大氣溫濕廓線反演方法研究[J]. 電波科學學報，2016,31(4):772-778.

HE Q R, WANG Z Z, HE J Y. Inversion of the clear atmospheric temperature and humidity profiles based on FY-3C/MWHTS measurements[J]. Chinese journal of radio science，2016,31(4):772-778. (in Chinese). DOI: 10.13443/j.cjors.2015102101

聯系人： 賀秋瑞 E-mail: heqiurui@126.com