基于FY-3C/D氣象衛星的暖區降水過程反演模擬研究*

黨皓飛 毛 穎 張春桂 吳作航

(1.福建省氣象科學研究所，福建 福州 350008;2.福建省災害天氣重點實驗室，福建 福州 350008;3.福建省氣象災害防御技術中心，福建 福州 350008)

1 概述

暖區暴雨是指發生在地面鋒面南側暖區或華南地區無冷空氣影響時產生的暴雨[1-2]。暖區暴雨對流活動顯著，短時雨強大、突發性強，易引發災害，給群眾生命財產安全與經濟建設帶來極大威脅[3-4]。由于暖區暴雨機理復雜且具有上述幾類特點，導致對暖區暴雨的預報與研究成為氣象工作中的一個重點及難點[5]。吳亞麗[6]基于再分析資料、雷達、地面降水資料進行了華南前汛期暖區暴雨的發展過程分析；肖紅茹等[7]將四川盆地暖區暴雨分為四類，并選取了典型個例，利用地面降水數據分析了暴雨成因與中尺度特征。在對暖區暴雨的研究中，及時了解其降水量的空間分布情況尤為重要[8]。傳統的地基雷達與地面雨量觀測站雖然是目前運用最普遍的觀測方法，但雷達的降水反演精度相對較低、觀測站分布不均、地形地勢影響等一些問題依舊存在[9]。

隨著遙感技術的發展，使得大范圍暖區暴雨降水觀測成為了可能[10]。氣象衛星不受自然條件與地理條件限制，可實現高時空分辨率、大范圍的暖區暴雨監測，與地面觀測數據實現互補[11]。目前常見的衛星遙感反演降水的方法主要有可見光與紅外[12]、微波[13]、多傳感器組合[14]等。夏雙等[15]使用FY-2C紅外波段與人工神經網絡方法進行了藏北高原典型區降水模擬，效果較優；李萬彪等[16]利用阜陽天氣雷達雨量資料與微波成像資料，對TRMM/TMI的微波通道及其組合進行了動態聚類，構建了降水反演算法，并與日本NASDA降水產品進行了對比，證明了其反演方法的可靠性；張春桂等[17]結合風云二號、風云三號衛星數據、天氣雷達與降水數據，運用逐步線性回歸方法進行了云團降水的模擬與預報。國內外也通過衛星數據制作了多種降水反演產品，如國外的TRMM、GPM、CMOPRH以及我國的FY衛星系列降水反演產品[18]。隨著風云三號C星與風云三號D星(FY-3C/D)的升空并實現組網運行，大氣探測精度大大提高，也為暖區暴雨監測提供了切實可靠的數據產品。

從目前相關研究文獻看，利用衛星微波觀測資料開展暖區降水監測的研究少有報道。本研究將利用我國自主發射的風云衛星微波觀測資料，針對福建暖區暴雨的遙感監測開展探索研究，以期得到相關初步結論，同時由于衛星數據、降水反演過程與地理位置不同，不可避免與實際情況產生誤差[19]，故需要對FY-3C/D降水反演產品進行星地校驗評估，探尋FY-3C/D降水反演產品在福建暖區降水監測中的實際應用效果。一些模式的模擬研究指出，不同模式對云宏、微觀物理特性的描述差異會直接導致模擬結果存在很大差異，從而使得云成為影響氣候變化預測準確性的重要因子。現有大量研究根據云的宏、微觀物理特性對云進行了分類。中國云圖分類標準和國際衛星云氣候計劃(ISCCP)將云劃分為卷云、高層云、高積云等類型。研究結果表明，不同類型的云受其宏觀和微觀物理特性差異的影響，在輻射效應和降水類型等方面存在明顯差異。因此，研究不同云類型對于準確理解地氣系統輻射能量收支、降雨的分布，以及全球氣候變暖等問題都具有重要意義。

2 數據和研究方法

2.1 研究區域概況

福建省地處中國東南沿海，全省面積約12.4萬km2，包含9個設區市與1個綜合實驗區。省內地勢從西北向東南降低，丘陵延綿，山地聳峙，有著“八山一水一分田”之稱。福建省東面沿海，海岸線綿長，為亞熱帶季風氣候，光照充足、雨量充沛，氣候濕潤，且處在熱帶東風帶與中緯度西風帶交替影響的過渡地帶，因此是中國暴雨高頻區之一。不僅如此，近些年通過觀測發現，暖區暴雨是福建省暴雨的重要組成部分，而暖區暴雨降水強度大、集中，無疑會造成滑坡、山洪、泥石流等重大災害，給人民的生命安全和財產安全產生巨大威脅。

2.2 實測樣本采集與預處理

實測樣本基于全國綜合氣象信息共享平臺(CIMISS)，并通過氣象數據統一服務接口(MUSIC)獲取。實測數據包括：2016—2019年間，福建省18場暖區暴雨過程中各測站點的名稱、站號、經緯度、具體觀測時間，以及每小時觀測1次的過去1小時的累計雨量等。實測樣本使用前，將缺測以及不在合理范圍內的降水數據予以剔除。

2.3 衛星數據采集與預處理

風云三號(FY-3)氣象衛星是我國第二代極軌氣象衛星，相較于風云一號氣象衛星，其功能與技術上皆有很大的提升。FY-3氣象衛星不僅大幅提高了全球資料的獲取能力，同時也提升了地表和云區特征的遙感能力等。本研究采集的衛星數據包括風云三號C星(FY-3C)大氣垂直探測系統(VASS)中大氣溫濕廓線(AVP)產品(分辨率星下點約17 km)、風云三號D星(FY-3D)MWTS/MWHS融合(TSHS)中的大氣溫濕廓線(AVP)產品(分辨率星下點約33 km)。具體提取的產品參數為：經緯度以及微波濕度計中的亮溫資料。相關數據可從國家衛星氣象中心下載(http://satellite.nsmc.org.cn/PortalSite/Data/Satellite.aspx)。注意到，微波濕度計中的亮溫資料共有15個通道，其中心頻率分別為89.0GHz、118.75±0.08GHz、118.75±0.2GHz、118.75±0.3GHz、118.75±0.8GHz、118.75±1.1GHz、118.75±2.5GHz、118.75±3.0GHz、118.75±5.0GHz、150.0GHz、183.31±1GHz、183.31±1.8GHz、183.31±3GHz、183.31±4.5GHz與183.31±7GHz，除89.0GHz與150.0GHz為V極化外，其余的波段皆為H極化。基于微波濕度計多通道亮溫信息遙感反演，可在一定程度上提高暴雨、臺風等災害性強對流天氣的監測和預警能力。本研究中，衛星數據應用前，將經緯度異常以及亮溫不在合理范圍內的數據剔除。

2.4 衛星數據與實測樣本的匹配

由于在數據的時空采樣方面，地面實測降水資料與衛星遙感影像間存在一定差異，且為了探索FY-3C/D衛星對暖區暴雨提前1小時的預報預測可行性，本研究在對FY-3C VASS與FY-3D TSHS亮溫數據與實測降水樣本間開展的星地匹配過程中進行了時空上的約束。具體做法為：衛星影像的獲取時間比降水實測數據提早1個小時(如：過去1小時累計降水實測數據記錄的時間為2016年4月11日15時，則衛星觀測的時間需為2016年4月11日14時)。為避免星地匹配數據點存在較大的地理位置差異，因此衛星數據與地面實測降水站點的經緯度差的平方和需滿足≤0.002的條件。基于以上方法，最終共獲取1851組星地匹配數據。

2.5 降水反演算法

本研究采用多元線性回歸方法進行FY-3C/D的降水遙感反演。多元線性回歸是用線性擬合的方法把多個自變量x1，x2，...，xi和因變量y之間存在的線性關系表達出來，這種線性關系可表示為：

y=b0+b1x1+b2x2+...+bixi

(1)

式(1)中，b0為截距，b1、b2、...bi為回歸系數。本研究中，多元線性回歸算法反演暖區暴雨降水時，自變量設定為15個，分別對應著FY-3C VASS與FY-3D TSHS中微波濕度計15個通道的亮溫數據減去一個基數(本研究設為160)以后的數值，因變量則為實測降水數據。最后通過公式(1)擬合亮溫數據與實測降水數據間的關系，從而確定公式(1)中的回歸系數，用作之后的暖區暴雨降水值反演。在反演算法建立之前，本研究從1851組星地匹配數據抽取70%的數據(1296組)進行FY-3C/D遙感衛星建模，剩余30%的數據(555組)開展所建立模型的精度驗證，以確保建模與驗證數據集中降水資料的數值范圍是均勻分布的。

2.6 模型精度評價

本研究采用的模型精度評價指標包括相關系數R，均方根誤差RMSE，以及平均相對誤差的絕對值MAPE。具體計算公式如下：

(2)

(3)

其中，N為樣本數，i為第i個樣本，x與y分別代表降雨實測值與模型反演值。

3 結果與分析

3.1 基于FY-3C/D遙感衛星資料的暖區降水模型

通過多次試驗發現，將建模的降水數據按照一定的數值范圍進行分組，并分別對不同組別的數據進行多元線性回歸擬合，即依據降水數值的大小進行分段建模時，可以得到較好的衛星反演結果。本研究中，建模降水數據從小到大分成3組，分別是0mm<降雨量≤10mm，10mm<降雨量≤25mm以及降雨量>25mm，得到的分段模型為：當0mm<降雨量≤10mm時，多元線性回歸擬合結果如公式(4)所示；當10mm<降雨量≤25mm時，多元線性回歸擬合結果如公式(5)所示；當降雨量>25mm時，多元線性回歸擬合結果如公式(6)所示。

y=2.9463+0.0527x1+0.083x2+0.1589x3-0.2332x4+0.1161x5-0.0123x6-0.1939x7+0.1601x8-0.1568x9-0.0636x10+0.0939x11-0.0208x12-0.0925x13-0.0212x14+0.2047x15

(4)

y=32.818-0.1451x1-0.5968x2+0.4669x3-0.0069x4-1.5924x5+1.8999x6-0.9451x7-1.0072x8+1.4428x9+0.024x10+1.4318x11-2.13x12+1.4182x13-0.5374x14+0.0029x15

(5)

y=2.0279x1-1.0359x2+2.2855x3+0.6423x5-3.3112x9-0.6189x10+0.9371x11-4.6602x14+5.3032x15

(6)

為定量計算所建立衛星模型的反演精度，本研究基于2.6節計算出相應的模型精度評價指標，如表1所示。為了更加直觀地表示模型反演質量，給出了如圖1所示的基于建模數據的算法反演結果與實測降水數據對比散點圖。從表1可知，降雨量>25mm這一量級內，星地匹配的數據量最少，但反演精度最好；10mm<降水量≤25mm這一量級內，星地匹配數據量與反演精度次之；而0mm<降水量≤10mm這一量級內，星地匹配數據量最多，反演精度卻最差，MAPE值甚至高達330.06%。這說明在FY-3C/D衛星建模中，其對于較小量級降水的反演結果較差，而對于較大量級降水的反演結果較好。從圖1也可看出，0mm<降水量≤10mm的反演結果與實測數據對比散點圖中出現了明顯的離散現象，而降雨量>25mm的反演結果與實測數據散點則較好地分布在1∶1線附近，這進一步表明在建模數據中，FY-3C/D對于較大量級的降水遙感反演要優于較小量級的降水遙感反演。

表1 基于建模數據的多元線性回歸擬合降水精度

(a)實測降水量級為：0mm<降雨量≤10mm (b)實測降水量級為：10mm<降雨量≤25mm

3.2 暖區降水模型的精度驗證

將除去建模外的剩余數據(555組)對反演算法進行驗證。表2為基于誤差驗證數據的多元線性回歸擬合降水精度結果，可見驗證數據的反演精度結果較差于建模數據的反演結果，但也出現了較大量級降水星地匹配組數小于較小量級降水，而較大量級降水反演精度質量要優于較小量級降水的情況。圖2 為基于驗證數據的算法反演結果與實測降水數據對比散點圖，可見0mm<降水量≤10mm量級的反演結果出現的離散現象比10mm<降水量≤25mm量級反演結果的離散情況明顯，而降雨量>25mm量級出現了一定的低估。

表2 基于誤差驗證數據的多元線性回歸擬合降水精度

(a)實測降水量級為：0mm<降雨量≤10mm (b)實測降水量級為：10mm<降雨量≤25mm

4 結論與展望

在本次模型的建立與精度驗證中，FY-3C/D衛星對于較小量級降水(0mm<降水量≤10mm)的反演結果較差，離散現象明顯。對于較大量級降水(降雨量>25mm)，盡管在驗證結果中出現了一定的低估現象，但總體反演結果較好。因此，基于FY-3C/D微波觀測資料的福建暖區降水遙感監測模型對于較大量級的降水反演具有一定的指示意義。由于本文中采用的是多元線性回歸模型，因此模型的精度可能隨著時間與地域的變化發生較大改變。在未來研究中建議收集更多數據，并嘗試以物理模型等方法解決這一問題。