FY-2H大氣可降水產品在“一帶一路”區域的檢驗與應用*

馬博源 唐世浩 胡菊旸

1 中國氣象科學研究院，北京 100081 2 國家衛星氣象中心，北京 100081

提 要： 風云二號H星(FY-2H)于2018年6月5日成功發射且運行穩定，其上搭載的掃描輻射計(stretched visible and infrared spin scan radiometer,VISSR-2)能夠提供高時空分辨率的大氣可降水(total precipitable water,TPW)產品。FY-2H VISSR TPW產品在分裂窗算法的基礎上，增加了6.9 μm通道的方法進行反演。利用2019年無線電探空儀數據集，從產品精度和穩定性兩個方面評價了FY-2H TPW產品質量。與2019年1、4、7、10月每月前7天的全球探空數據對比，FY-2H TPW均方根誤差為4.92 mm，相關系數達到0.96;相對誤差在20%以內，并且白天與夜晚時段數據精度均較高。計算2019年全年FY-2H TPW產品相對探空數據的月均方根誤差的標準差是0.68 mm，說明FY-2H TPW產品在檢驗期內較為穩定。分析合成月平均大氣可降水產品，FY-2H TPW能正確反映“一帶一路”區域大氣可降水的分布情況。綜合上述結果 FY-2H VISSR TPW產品精度較高且質量穩定，具備投入“一帶一路”區域的應用能力。

引 言

經過50年的發展，我國風云衛星已經形成了靜止軌道和極軌軌道兩個系列，并且靜止軌道衛星在近5年實現了更新換代，搭載儀器的能力也有了全面升級(楊軍等, 2011)。2018年6月5日21：07，中國風云二號H星(FY-2H)在西昌衛星發射中心成功發射，作為中國第一代靜止軌道氣象衛星的最后一顆，FY-2H繼承了風云二號系列衛星技術成熟、運行穩定等特點。基于風云衛星的發展和實力，利用風云氣象衛星遙感資料，服務“一帶一路”沿線國家的重要決策。同時世界氣象組織及亞太空間合作組織希望中國能將新發射的FY-2H定點位置向西布局，更廣泛惠及成員國，確定將FY-2H定點位置從原定的86.5°E移至79°E，使我國靜止軌道氣象衛星觀測范圍向西擴展到4°E附近。監測范圍包括亞洲 50 個國家、非洲 41 個國家、歐洲 39 個國家、大洋洲 9個國家，“一帶一路”沿線 64 個國家(王新等，2020)。

“一帶一路”沿線區域多高山、沙漠、海洋等無人區域，氣象資料匱乏，同時是影響這我國天氣系統的上游，FY-2H對該區域進行觀測并獲取有效的氣象觀測數據，有助于提高影響我國的災害天氣系統的預報準確率和“一帶一路”沿線國家的防災減災能力。其上的主要載荷為掃描輻射計(stretched visible and infrared spin scan radiometer,VISSR-2)和空間環境監測器(space environment monitor,SEM)。VISSR-2上有5個通道，其中1個可見光和4個紅外通道，包括了從可見光(VIS，0.66 μm)到熱紅外(IR，12.0 μm)的波長范圍，同時區域掃描數據的時空分辨率大大提高，其中VIS通道具有1 km 和5 km兩種空間分辨率數據，紅外通道的空間分辨率為5 km，時間分辨率為6 min(周鑫等，2019)。相較于前序FY-2，FY-2H的圖像質量有了較大提升，在軌測試結束后已投入業務運行，可以實現最快半小時一次的全圓盤觀測，實現每日 28 次對“一帶一路”地區的觀測，生成針對“一帶一路”地區實時可見光、紅外和水汽云圖、空間天氣和衛星所處空間環境的精細化服務產品?？紤]到水資源短缺問題也是“一帶一路”沿線多數國家面臨的重要問題：沿線65個國家中，33個將面臨中等或極端水危機,其中28個國家將在2040年面臨極端水危機;因此，“一帶一路”大氣可降水(total precipitable water，TPW)產品應用是風云氣象衛星服務能力建設的相關行動方案中重要的一項工作內容。

TPW是指從地表延伸到大氣頂部的單位截面垂直柱中所含水汽的總量，是表征大氣中水汽含量的重要指示因子(吳瓊等，2020)。水汽作為地球大氣中最豐富的溫室氣體，表現較為活躍，其變化是天氣和氣候變化的主要驅動力。了解其空間分布對研究全球、區域和局地的水循環、能量收支以及氣候變化都有很重要的意義(Held and Soden，2000；Trenberth et al，2005；Wagner et al, 2006)。在衛星遙感地表參數反演中，大氣訂正是關鍵環節，而水汽是主要影響因子，所以對地表參數的準確反演有極其重要的作用(Li et al，2013；Qin et al，2001；Sobrino et al，1993)。相比其他觀測資料，利用衛星數據反演的水汽數據在空間分布連續、空間范圍廣等方面優于無線電探空數據，具有更為廣泛的應用價值。

目前，由于缺乏近紅外和微波波段的觀測，地球靜止軌道衛星的TPW反演算法主要基于熱紅外數據(Cziczo et al，2013；Julien et al，2015；Schroedter-Homscheidt et al，2008；Sobrino and Romaguera,2008;Suggs et al，1998)。在過去的幾十年里，基于分裂窗通道內的水汽差分吸收這一原理，已經提出了許多熱紅外反演算法，主要分為線性分裂窗算法、分裂窗協方差方差比方法、物理分裂窗(physical split-window，PSW)算法和查找表方法(Dalu, 1986; Guillory et al, 1993; Labbi and Mokhnache, 2015; Ottle et al, 1997; Schroedter-Homscheidt et al, 2008; Sobrino et al, 2002)。這些算法的精度在干燥的大氣條件下，易受到地表發射率不確定性、初猜場誤差、儀器噪聲和定標誤差的影響(Barton and Prata, 1999；Knabb and Fuelberg, 1997；Hulley et al, 2012；Sun et al, 2013)。傳統的PSW算法在被用于反演FY-2系列衛星的TPW產品后，閔文彬等(2015)用FY-2E VISSR在青藏高原上進行了TPW驗證，在干燥月份與無線電探空水汽數據的相對誤差高達780.45%，這一結果表明利用PSW反演算法所得到的干燥條件下的FY-2 VISSR TPW產品的質量亟需改善。針對此，Liu et al(2017)利用FY-2G VISSR數據，提出了一種改進的物理分裂窗反演算法，通過增加水汽通道觀測值，在干燥大氣條件下顯著降低了由地表發射率不確定性、初猜場不確定性和觀測誤差所引起的水汽反演誤差。Hu et al(2019)基于FY-2F VISSR通道數據，利用改進的PSW算法進行了水汽反演，研究表明這種新算法可以顯著提高當前FY-2F VISSR TPW產品的質量，特別是在水汽值低于15 mm 的區域。

FY-2H VISSR TPW產品的生成也使用了這種改進的PSW算法，但目前還未有學者對FY-2H VISSR TPW的質量進行評估。本文以“一帶一路”區域為研究區，對FY-2H TPW的精度和穩定性兩個方面進行評價，證明FY-2H在對空中水資源進行高精度實時監測的同時，也能為“一帶一路”沿線國家的氣象、生態等研究的數據選擇提供必要的參考。為此，我們對研究區現狀、檢驗數據、FY-2H大氣可降水的產品生成進行了介紹；并主要針對衛星大氣可降水產品的檢驗結果進行了圖示和分析。

1 數據與方法

1.1 研究區檢驗數據介紹

“一帶一路”沿線區域經緯度范圍位于60°～60°N、4°～145°E，該區域多高山、沙漠、海洋等無人區域，氣象資料匱乏，自然災害嚴重，災害相對損失是全球平均值的兩倍以上，且以氣象災害居多。同時，水資源短缺問題也是“一帶一路”沿線多數國家面臨的重要問題。為驗證FY-2H對該區域觀測并獲取的氣象觀測數據的準確性，考慮使用高空觀測數據中的大氣溫度和濕度廓線計算的水汽數據，因此本文利用了Wyoming大學網站(http:∥weather.uwyo.edu/upperair/Sounding.html)提供的探空水汽數據。下載了全球1067個站點(站點分布如圖1所示，虛線框內區域為試驗區域)在2019年整年的數據。提取數據記錄中00 UTC和12 UTC整層大氣水汽含量的水汽值，經過篩選，保留水汽值有效的記錄，用于衛星數據的匹配檢驗工作。與衛星數據對比時，通過站點經緯度匹配，查找相同時間衛星數據像元反演值。

圖1 探空站點分布(虛線框為試驗區域)Fig.1 Distribution of radiosonda sites(Dashed line box is the test area)

1.2 FY-2H TPW生成及介紹

FY-2H TPW產品的反演計算，采用了掃描輻射計VISSR提供的兩個紅外分裂窗通道(10.8 μm和12.0 μm)和一個水汽通道(6.9 μm)的觀測數據，具體的算法如下。在晴朗的天空條件下，在衛星上觀測到的大氣層頂部的輻射可以通過下式表示：

I(λ)=ε(λ)τs(λ)B(λ,Ts)+

(1)

式中：I(λ)是在該波長下的光譜輻射，ε是地表發射率，τ是大氣透射率，τs大氣從表面到大氣頂部的透射率，Ts是地表溫度，Tp是氣壓p下的大氣溫度，B(λ,Ts)是普朗克函數。通過在該波長下設置大氣上行輻射，上式可以簡化為：

(2)

(3)

式中：γ為尺度因子，w(p)為初始值的水汽混合比剖面，w′(p)為真實水汽分布，PW′和PW是w′(p)和w(p)剖面的總可降水量，可以通過從地表到大氣頂部的水汽廓線積分得到。在猜測中，由于傳感器輻射產生了擾動，可以將比例因子和陸面溫度的擾動值寫為：

(4)

(5)

(6)

將式(6)中的Cλ,Dλ代入式(4)和式(5)，則可以得到一個關于δTs,δλ的線性方程。通過將線性方程應用于兩個或兩個以上的通道中，可以得到δTs和δλ的解：

(7)

利用輻射傳輸模型的先驗信息可以計算出系數C和D，一般將初始場的尺度因子γ設置為1，通過求解式(7)方程組得到δTs和δλ，反演的PWV就等于PW×(1+δγ)。

利用上述反演方法，FY-2H VISSR提供了觀測區域內空間分辨率為5 km，時間分辨率為3 h的標稱格式晴空大氣可降水產品，該產品給出了晴空無云條件下的白天和夜晚，海洋和陸地上空水汽值。

2 檢驗結果

2.1 產品精度檢驗

選取2019年1、4、7、10月4個月的每月前7天的數據來進行產品的精度檢驗，在驗證時間段內，提取每日00 UTC和12 UTC兩個時次的探空數據，對每一條探空記錄，分別遍歷與探空時間相同的FY-2H VISSR TPW。根據衛星數據的經緯度信息，通過查找與探空站點經緯度距離最小的像元，匹配到此探空記錄對應的FY-2H TPW。圖2顯示了風云衛星數據與探空數據匹配到的探空站點分布，散點的顏色表示該站點匹配到的記錄次數。

圖2 FY-2H TPW與探空數據匹配到的記錄次數分布Fig.2 Distribution of matching record times between FY-2H TPW and sounding data

衛星數據與探空數據匹配結果統計如表1所示，全天時段記錄了兩個時刻所有的數據，相對偏差(Bias)為0.99 mm，均方根誤差(RMSE)為4.92 mm，與探空數據的相關系數(CC)達到0.96。圖3為FY-2H TPW與探空數據匹配的散點密度和誤差分布直方圖，色標代表該區域數據的密度。不難發現，散點相對y=x線的分布比較均勻，整體來看在水汽較低時FY-2H TPW的值要高于探空水汽值，從誤差直方圖的正負頻率來看，正誤差的頻率要高于負誤差的頻率，這與散點密度所呈現出來的趨勢相一致。

表1 各時段FY-2H TPW與探空數據匹配結果Table 1 Matching results of FY-2H TPW and radiosonde data in each period

另外，為研究白天與夜間FY-2H TPW的差異性，將00 UTC認定為夜間數據，12 UTC為日間數據，分別進行了匹配統計。從匹配的結果來看，日間時段記錄到的有效樣本數比夜間時段記錄到的有效樣本數少了近兩千個，但日間時段的FY-2H TPW與探空數據的相關系數和均方根誤差與夜間時段相差不大，因此兩個時段都具有較高的精度。

為了評價精度是否受站點的分布影響，將匹配到的數據按照站點經緯度進行劃分，根據式(8)計算每個匹配到的站點的相對誤差的平均值(RE)：

(8)

式中:N表示該區間內統計到的個數，TPWsat表示FY-2H反演水汽值，TPWraob表示無線電探空值。首先計算各個站點的絕對相對誤差,根據統計到的各站點重復匹配的點數計算得到平均相對誤差，計算結果如圖5所示。圖中指出了相對誤差的分布情況，點的顏色代表了FY-2H TPW平均相對誤差的大小?？傮w來看，FY-2H TPW在整個區域內的相對誤差分布均勻，無論是在高水汽區域還是低水汽區域，相對誤差大體都在0.3以下，說明FY-2H TPW反演時受背景場差異的影響較小。

圖3 FY-2H TPW與探空水汽整體匹配(a)和誤差直方圖(b)對比Fig.3 Comparison of overall matching (a) and error histogram (b) of FY-2H TPW and sounding water vapor

圖4 FY-2H TPW與探空水汽日間(a)和夜間(b)匹配對比Fig.4 Comparison of FY-2H TPW and sounding water vapor during daytime (a) and at night (b)

根據匹配到的站點，將匹配得到的結果進行了統計處理，得到了FY-2H TPW與探空數據對比誤差的空間分布(圖6)。圖6a指出了匹配的平均偏差分布，從圖中能夠看到在大部分試驗區內的偏差基本在±4 mm以內，整體偏差較小。圖6b指出了匹配的均方根誤差分布，表明均方根誤差可能與水汽含量的大小有關。在高于30°N的區域，RMSE大多小于5 mm，20°S～30°N的區域內，RMSE值變動較大。結合兩圖，以印度和東南亞各國為例，發現在海岸線附近誤差的值普遍較大，推測可能是由于海陸交界區域的水汽變化大有關。

圖5 FY-2H TPW與探空值的相對誤差分布Fig.5 The distribution of relative error distribution between FY-2H TPW and sounding value

圖6 FY-2H TPW與探空數據的平均偏差(a)和均方根誤差(b)的空間分布Fig.6 The space distribution of average Bias (a) and RMSE (b) between FY-2H TPW and sounding TPW

2.2 產品穩定性評價

利用2019年全年的探空數據進行產品的穩定性評價，將每日的探空數據與FY-2H TPW進行匹配，計算日均方根誤差，以此求得月平均RMSE及每月RMSE的最大、最小值，從而繪制得到圖7均方根誤差時間序列。圖7顯示了12個月FY-2H TPW均方根誤差的時間分布。誤差棒的中間點代表每個月的月平均RMSE值，上下邊界代表該月RMSE的最大、最小值。結合圖分析，月平均均方根誤差值所連成的折線隨月份的增大先增后減，變化幅度在±2 mm之內，同時折線的變化趨勢表現出一定的季節波動性。在6—8月要高于別的月份，6月最高，超過了6 mm，其他月份均低于6 mm。而從誤差棒上下界之間的跨度來看，除了1月的RMSE最大、最小值差值超過了2.5 mm外，其他月份均在1.5 mm之內，這體現了各月份的FY-2H TPW與探空數據的一致性較好，誤差在可控范圍內且波動不大。研究能夠反映FY-2H 水汽產品在2019年內具有較好的穩定性。

圖7 FY-2H TPW與探空水汽均方根誤差時間序列表Fig.7 Time series of RMSE between FY-2H TPW and sounding water vapor

2.3 產品時空特征分析

FY-2H觀測數據為每3 h記錄一次，每日得到8個觀測數據文件，經過處理得到日平均數據，將一個月內所有日數據平均可得到月平均數據。研究合成處理了2019年1、4、7、10月4個月的FY-2H大氣可降水數據，在FY-2H觀測覆蓋區域內月平均大氣可降水空間分布如圖8所示，圖中色標代表了水汽含量的大小。

圖8 “一帶一路”區域2019年FY-2H月平均水汽分布(a)1月，(b)4月，(c)7月，(d)10月Fig.8 FY-2H monthly mean TPW in the Belt and Road Region in 2019(a) January, (b) April, (c) July, (d) October

從空間分布上看，衛星月平均水汽分布整體都是呈兩極到赤道水汽含量逐漸遞增的趨勢，符合水汽在高緯度地區低于低緯度地區的特點。20°S～20°N的區域靠近赤道，為高水汽地區，常年受到赤道低壓帶的控制，因此常年多雨，平均水汽偏大。在南北回歸線附近區域，陸地東岸區域可降水要多于陸地西岸區域。在中緯度地區的可降水分布情況為沿海區域大于內陸區域。

從時間分布上看，平均水汽的分布具有一定的季節性規律。在觀測范圍內，7月的平均水汽要遠高于其他3個月，尤為明顯地體現在陸地上空的分布情況，這主要是北半球在7月處于夏季，降水多所引起的。觀察圖8我們發現，非洲南部區域似乎不符合這種季節性規律。分析原因，在非洲南部區域，在1月的平均水汽要高于7月的平均水汽，該區域地處副熱帶高壓帶和西風帶，受兩者的影響，所以會在夏季炎熱干燥、冬季溫和多雨；而在青藏高原區域的大氣可降水量分布，整體水汽值偏低，夏季水汽含量最高，但終年保持偏低狀況。這是由于海拔過高，空氣稀薄，加之印度洋板塊與亞歐板塊相互擠壓而隆起的喜馬拉雅山脈阻擋了來自于印度洋的水汽，造成了青藏高原區域終年水汽偏低。

為驗證FY-2H TPW能否正確反映區域降水的空間分布特點，本研究將2019年1、4、7月和10月等4個月的探空水汽資料做了進一步處理，得到探空水汽數據在“一帶一路”區域的水汽分布散點，結果如圖9所示，散點顏色代表了水汽含量的大小。

對比圖8和圖9，FY-2H TPW比探空水汽的連續性更好，在大致變化趨勢上兩者具有較高的契合度。在個別變化明顯的區域，例如青藏高原區和非洲南部，探空水汽與FY-2H水汽的分布相似度很高。這也驗證了在個別特殊區域下，FY-2H TPW產品依然能夠提供準確的數據，相較探空水汽具備更廣泛的使用能力。由此可見FY-2H反演得到的TPW產品經過合成處理，可以發展為區域時間尺度更長的水汽產品，這也豐富了“一帶一路”沿線區域內的氣候變化等研究中的數據選擇。同時，在大區域中，高時效性、高連續性的水汽數據能夠為數據同化和數值預報提供良好的初始數據。

圖9 同圖8，但為探空水汽Fig.9 Same as Fig.8, but for sounding water vapor

3 結 論

本文在介紹了FY-2H衛星及水汽產品生成和算法的基礎上，利用了Wyoming大學網站提供的探空水汽數據評價了FY-2H VISSR TPW的精度和穩定性兩個方面的質量。

首先利用2019年1、4、7月和10月每月前7天的水汽數據進行了時空匹配，并分別針對全天時段、日間和夜間三個時段進行了分別統計，整體來說三個時段都具有較高精度，與探空數據匹配的全天時段的相關系數分別達到0.96、0.97、0.96。

對比誤差的空間分布，FY-2H TPW的平均相對誤差分布均勻，且誤差大多小于0.3，說明該產品的誤差受地表類型的不同影響較??；在匹配區域內平均偏差普遍較小，而均方根誤差的大小可能與水汽含量的高低有關，水汽高的區域RMSE要大于水汽低的區域。但兩者在海岸線附近的誤差較陸地區域變化都較為明顯，可能與海陸交界處的水汽變化波動大有關。

利用2019年12個月的探空數據和FY-2H TPW產品數據對比，分析了這12個月內的產品誤差和月均方根誤差的時間序列。結果顯示誤差值在不同月份均會有所波動，6—8月高于其他月份，12個月的月均方根誤差的標準差為0.68 mm，在2019年中FY-2H TPW數據波動較小，穩定性較優。

通過合成月平均水汽數據，FY-2H VISSR TPW較為準確地反映了大區域水汽分布的特點。利用探空站點的月平均水汽合成，驗證了在觀測區域及特殊地區，FY-2H TPW產品仍然能夠提供可靠觀測數據。

FY-2H VISSR TPW產品精度除受自身算法的影響，還受限于定標精度、地表發射率精度、光學傳感器精度、云檢測精度等多方面因素的影響。單從檢驗的結果來看，經過前7顆實驗星數據產品的基礎上發展和測試，FY-2H VISSR TPW產品精度較高，且質量穩定，具備天氣和氣候等方面的廣泛應用能力，可以為“一帶一路”沿線國家和地區提供高精度高頻次區域觀測的大氣可降水數據。