本文首先進(jìn)行了衛(wèi)星資料偏差訂正方法的國內(nèi)外綜述。在此基礎(chǔ)上采用Harris和Kelly的離線偏差訂正的思想進(jìn)行我國風(fēng)云三號(hào)(B)氣象衛(wèi)星紅外分光計(jì)IRAS (Infrared Atmospheric Sounder)對(duì)數(shù)值預(yù)報(bào)起主要作用的20個(gè)通道的亮溫偏差訂正。偏差訂正分掃描偏差訂正和氣團(tuán)偏差訂正兩步進(jìn)行。掃描偏差是儀器觀測(cè)值隨掃描位置的變化而引起的。統(tǒng)計(jì)表明,掃描位置離星下點(diǎn)越遠(yuǎn),掃描偏差則越大,且關(guān)于星下點(diǎn)對(duì)稱。氣團(tuán)偏差訂正主要是根據(jù)當(dāng)時(shí)的天氣條件進(jìn)行訂正,而天氣條件一般采用預(yù)報(bào)因子來定量表示,本研究中以1000-300hPa的厚度,200-50hPa的厚度,模式地表溫度和總可降水量作為預(yù)報(bào)因子。統(tǒng)計(jì)了2012年12月24日18時(shí)至2013年1月8日00時(shí)的樣本數(shù)據(jù)。樣本統(tǒng)計(jì)過程中進(jìn)行了初步質(zhì)量控制,把統(tǒng)計(jì)得到的偏差訂正系數(shù)用于后期IRAS通道亮溫的訂正。通過對(duì)比偏差訂正前后亮溫偏差概率密度分布和偏差隨時(shí)間穩(wěn)定性變化等方面,得到訂正結(jié)果是合理的。經(jīng)過偏差訂正后FY3B/IRAS亮溫偏差概率分布更具高斯性,滿足變分同化的要求。 接著研究了IRAS資料的云檢測(cè)。區(qū)別于常用的通道亮溫閡...

【文章頁數(shù)】：144 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 紅外探測(cè)器資料研究的意義
    1.2 紅外探測(cè)器資料質(zhì)量控制及變分同化的重要性
        1.2.1 紅外探測(cè)器資料的偏差訂正
        1.2.2 紅外探測(cè)器資料的云檢測(cè)
        1.2.3 紅外探測(cè)器資料的質(zhì)量控制
        1.2.4 變分同化的重要性
    1.3 本文擬要解決的問題
    1.4 主要研究的內(nèi)容及章節(jié)安排
第二章 紅外探測(cè)原理、IRAS儀器及GRAPES模式介紹
    2.1 紅外探測(cè)原理
        2.1.1 大氣成分和吸收氣體
        2.1.2 大氣輻射傳輸理論
        2.1.3 衛(wèi)星遙感大氣探測(cè)技術(shù)
    2.2 紅外分光計(jì)IRAS儀器介紹
        2.2.1 IRAS儀器特性
        2.2.2 IRAS光譜響應(yīng)函數(shù)介紹
        2.2.3 IRAS測(cè)量精度“NEDT”
        2.2.4 IRAS通道權(quán)重函數(shù)和雅可比矩陣
    2.3 GRAPES模式介紹
        2.3.1 三維變分同化目標(biāo)泛函
        2.3.2 分析變量
        2.3.3 變量變換
        2.3.4 同化系統(tǒng)中的觀測(cè)算子
        2.3.5 背景誤差協(xié)方差B矩陣
    2.4 本章小結(jié)
第三章 IRAS資料的偏差訂正研究
    3.1 偏差訂正問題
    3.2 常用偏差訂正方法介紹
    3.3 基于Harris和Kelly離線的IRAS通道亮溫偏差訂正研究
        3.3.1 Harris和Kelly的離線偏差訂正方法以及試驗(yàn)設(shè)計(jì)介紹
        3.3.2 IRAS通道亮溫偏差訂正效果驗(yàn)證
    3.4 本章小結(jié)
第四章 IRAS資料的云檢測(cè)研究
    4.1 國內(nèi)外紅外探測(cè)器云檢測(cè)常用方法介紹
    4.2 IRAS云檢測(cè)不同方法比較
        4.2.1 基于通道亮溫偏差閾值法的IRAS云檢測(cè)研究
        4.2.2 基于平滑梯度耦合通道信噪比的IRAS云檢測(cè)研究
    4.3 最小剩余法(Minimum residual method,MRM)
        4.3.1 最小剩余法理論介紹
        4.3.2 最小剩余法用于IRAS資料的云參數(shù)研究
    4.4 本章小結(jié)
第五章 IRAS資料的質(zhì)量控制研究
    5.1 雙權(quán)重方法
        5.1.1 雙權(quán)重法理論介紹
        5.1.2 基于雙權(quán)重法的IRAS資料的質(zhì)量控制
    5.2 主成分分析(Principal Component Analysis,PCA)
        5.2.1 PCA數(shù)學(xué)理論介紹
        5.2.2 基于PCA的IRAS資料的質(zhì)量控制
    5.3 IRAS資料的稀疏化研究
    5.4 本章小結(jié)
第六章 IRAS資料在GRAPES模式中的同化測(cè)試及誤差非高斯同化理論探索
    6.1 IRAS通道觀測(cè)誤差重估計(jì)
        6.1.1 觀測(cè)誤差重估計(jì)理論介紹
        6.1.2 IRAS通道觀測(cè)誤差重估計(jì)試驗(yàn)
    6.2 基于信息熵信號(hào)自由度的IRAS通道亮溫對(duì)GRAPES分析場(chǎng)影響診斷
        6.2.1 信息熵與信號(hào)自由度(Degrees of freedom for signal,DFS)
        6.2.2 同化IRAS通道亮溫對(duì)GRAPES分析場(chǎng)影響診斷試驗(yàn)
    6.3 IRAS資料在GRAPES模式中的同化測(cè)試
        6.3.1 GRAPES-3DVar變分同化IRAS資料測(cè)試
        6.3.2 GRAPES同化IRAS資料預(yù)報(bào)降水個(gè)例分析
    6.4 誤差非高斯廣義變分同化理論探索研究
        6.4.1 最小二乘法與穩(wěn)健統(tǒng)計(jì)
        6.4.2 M估計(jì)法介紹
        6.4.3 觀測(cè)誤差非高斯廣義變分同化理論研究
    6.5 本章小結(jié)
第七章 全文總結(jié)和展望
    7.1 全文總結(jié)
    7.2 研究特色與創(chuàng)新
    7.3 研究展望
參考文獻(xiàn)
博士期間主持和參與的科研項(xiàng)目以及研究成果
致謝



本文編號(hào)：3746063