大气可降水量TPW (Total Precipitable Water)，也称大气水汽总量，是指晴空条件下大气垂直气柱方向水汽总量。大气中水汽的存在使得地球有别于太阳系其他星球，适宜于生物生存。水汽在大气物理和大气化学过程中都有重要的影响，还是地球大气中的一个重要温室气体。了解其空间分布对研究全球、区域和局地的水循环、能量收支以及气候变化都有很重要的意义(Held和Soden，2000；Trenberth 等，2005；Wagner 等，2006)。此外，大气水汽总量还是天气和气候模式的重要输入参数，可通过模式同化提高降雨区域精度、飓风路径和强度预测(Chen 等，2008；Liu 等，2011)。同时，在卫星遥感地表参数反演中，大气订正是关键环节，而水汽是主要影响因子，因此TPW产品对地表参数的准确反演有极其重要的作用。

利用卫星数据反演的TPW在空间分布连续、空间范围广等方面优于无线电探空数据，具有更大的应用价值。现有的反演算法，按使用通道可分为可见光/近红外方法，微波方法和热红外方法。可见光/近红外方法利用太阳反射光为辐射源，通过1 μm附近水汽弱吸收区和窗区通道的水汽吸收差异反演(Liu 等，2006；Bennartz和Fischer，2001)，可探测白天陆地和海洋晴空大气可降水，但无法探测夜间数据。微波方法利用微波10 GHz、19 GHz、23 GHz等水汽吸收频段观测(Schulz 等，1993；Du 等，2015)，可反演白天和夜晚全天候的大气可降水，但由于微波谱段地表发射率复杂，此方法一般用于海洋上空水汽反演，且空间分辨率低，目前应用有限。热红外的方法有两种，一是利用红外垂直探测仪6.7 μm附近水汽吸收翼区多个通道反演水汽廓线后积分为整层水汽(Kwon 等，2012)，另一个是利用成像仪11 μm附近分裂窗观测受水汽影响产生的差异进行反演，可获取白天和夜晚，包括陆地和海洋的晴空大气可降水。成像仪红外数据比探测仪具有更高的空间分辨率，应用更广泛。

风云三号(FY-3)系列卫星装载了可见光红外扫描辐射计(VIRR)，地面水平分辨率为1.1 km，扫描范围±55.4°。光谱范围为0.44—12.5 μm，有10个通道(Dong 等，2009)，其中2个热红外通道即分裂窗通道(10.3—11.3 μm和11.5—12.5 μm)可用于反演晴空大气可降水量。2013年9月23日11时7分，FY-3C在中国太原卫星发射中心成功发射。FY-3C是中国第二代极轨气象卫星–FY-3气象卫星继01批两颗试验应用卫星(FY-3A和FY-3B)后，02批业务星的首发星。FY-3C经在轨测试后，于2014年6月10日正式投入业务运行，并接替FY-3A星作为中国太阳同步轨道天基气象观测的主业务卫星，与FY-3B星共同组网进一步强化中国极轨气象卫星上、下午星观测的业务布局。FY-3C VIRR TPW产品是首批实现业务运行的产品，包含全球TPW产品空间分辨率为0.05°的日、旬和月平均TPW产品，以及新发布的空间分辨率为1.1 km，每5 min一个、全天288个文件的轨道产品，该产品给出了无云晴空条件下的白天和夜晚，海洋和陆地大气柱内大气可降水量。随着仪器制作技术水平的提升，定标技术的不断改进，FY-3C VIRR的定标精度相对于前两颗星(FY-3A和FY-3B)都有所改进(Xu 等，2014；Xu 等，2014)。5 min轨道产品的发布，拓宽了TPW产品的应用范围。一般在产品广泛使用前，需要对其精度和稳定性进行评价。Zheng等人(2010)检验了FY-3A VIRR TPW日产品在东亚地区的精度，但FY-3C VIRR TPW产品精度尚未被评价。

本文首先介绍了FY-3C VIRR TPW产品反演算法，然后以FY-3C VIRR TPW 5 min段产品为被检验对象，用MODIS Terra TPW月合成数据检验了其全球空间分布；利用全球探空水汽总量资料，通过计算分析2015年3月—4月共两个月的FY-3C TPW与探空数据的总体误差、误差随水汽值大小分布、误差日夜分布和空间分布，同时以MODIS红外水汽产品与探空数据对比的误差数据作为参照，评价FY-3C VIRR TPW产品的精度；通过分析自2015年1月至2016年7月期间FY-3C TPW与探空数据的逐月均方根误差，并以同期MODIS TPW误差分布为参照，评价FY-3C VIRR TPW产品的质量稳定性。

FY-3C VIRR TPW产品生成采用了物理分裂窗算法，通过两个红外分裂窗通道(11 μm和12 μm)的透过率差异反演得到晴空无云条件下大气可降水产品。该算法由Jedlovec(1987)提出，其效果被Guillory等人(1993)和Suggs等人(1998)评价，并被广泛用于各种卫星数据大气可降水反演(Haines 等，2004；师春香和谢正辉，2005)。利用大气廓线参数和近地表大气和地表参数的初估值，通过辐射传输模式模拟卫星通道亮温，结合实测亮温，联立方程组(式(1)和式(2))求得大气可降水对于初估值的扰动值，利用式(3)可求得反演的大气可降水值U。

式中，δT₁₁和δT₁₂分别是两个分裂窗通道实测亮温与模拟亮温的差值，ε₁₁和ε₁₂是两个通道的地表发射率，δU和δT_s分别是大气可降水和地表温度相对初估值的扰动量，U₀是初估值的大气可降水量，C和D分别是两个通道的系数，可通过模式模拟的透过率和初始大气可降水量计算得到(Guillory 等，1993)。

大气可降水产品的生成，需要从数值预报数据中提取大气温湿度廓线、初始地表温度，根据廓线计算初始大气可降水量。相较于前两颗星(FY-3A和FY-3B)的VIRR TPW产品，使用的数值预报模式从T213更替为模式谱分辨率、垂直层次和模式层顶更高的T639(管成功 等，2008)。两个通道地表发射率采用NDVI阈值法计算, 使用VIRR红通道和近红外通道得到NDVI，其中夜晚NDVI使用当日白天的历史计算值，协同MODIS地表类型数据，根据每一类地表类型，采用查找表计算得到两个分裂窗通道发射率(杨虎和杨忠东，2006)。

然后利用上述数据，通过快速辐射传输模式RTTOV(Radiative Transfer for TOVS)计算每个晴空像元的两个窗区通道亮温、逐层透过率和整层透过率。计算两个通道的系数C和D，协同模式计算出的亮温与实测通道亮温之差，用上式(1)—(3)求得像元大气可降水量U。

反演像元大气可降水前，使用VIRR的云检测数据过滤掉有云像元观测。

FY-3C为上午星，选择同为上午星的Terra数据。本研究中使用了2015年3月—4月MODIS的大气类2级产品—第6版本的水汽产品(MOD05_L2)(https://ladsweb.nascom.nasa.gov/search/index.html [2016-10-14])。MOD05_L2包含了两种水汽产品，近红外数据反演产品和热红外数据反演产品。由于FY-3C VIRR TPW是热红外通道反演，选择同样使用热红外通道的MODIS IR TPW参与精度对照。MODIS红外通道光谱响应曲线如图1所示。MOD05_L2中热红外水汽产品是用4.5 μm到14.2 μm范围内11个热红外通道亮温作初始预测值，通过统计合成回归的方法得到湿度廓线，进而积分大气柱101层水汽混合比得到晴空条件下的大气柱水汽总量(Li 等，2000；Seemann 等，2003)。此产品空间分辨率为5 km，涵盖了日夜、海洋和陆地上空的大气可降水量。在此产品基础上合成了月平均产品(MOD08_M3)，为1°分辨率的全球大气水汽产品。

图 1 红外通道光谱响应曲线图 Figure 1 IR spectral response functions

高空观测数据中大气温度和湿度廓线可计算大气可降水量，是评价卫星遥感大气可降水反演精度的通用数据(Lee 等，2014；Sobrino 等，1999；Schmit 等，2002)。本研究下载Wyoming大学网站 (http://weather.uwyo.edu/upperair/sounding.html [2016-10-14])全球1058个站点(站点分布如图2所示)2015年1月至2016年7月的探空记录，提取记录中00时和12时整层大气水汽含量值。经过筛选，保留水汽总量值有效的记录。与卫星数据对比时，通过站点经纬度匹配，查找前后1 h内卫星数据像元反演值。

图 2 探空站点分布图 Figure 2 The distribution of radiosonde sites

对FY-3C VIRR TPW产品的检验分为两部分，精度评价和稳定性评价。

首先，选取2015年3月—4月期间数据，与MODIS Terra TPW数据对比，评价FY-3C VIRR TPW的产品全球分布合理性；同时将FY-3C和MODIS TPW数据与探空TPW数据对比，评价FY-3C TPW产品在对比时间范围内的整体精度，及误差随不同水汽值大小分布、日夜分布和空间分布特征。

另外，选取2015年1月至2016年7月共19个月的探空数据，经过时空匹配，剔除含有无效值的记录后，统计每个月内所有匹配记录的均方根误差，分析误差在时间序列上的变化特征。同时统计此时间范围内MODIS TPW与探空数据的均方根误差作为参照，评价FY-3C VIRR TPW产品的质量稳定性。

将每日288个数据文件拼接，经过去重复处理，将一个月内所有日数据平均可得到月平均数据。选取2015年3月的FY-3C和MODIS大气可降水月平均数据，将FY-3C数据从0.05°分辨率平均后重采样到1°网格，与MODIS数据分辨率一致。对于两种卫星产品同时为有效值的像元，计算二者的差值。处理后的两种TPW数据和二者的差值数据空间分布如图3所示。对比FY-3C TPW和MODIS TPW的空间分布可见，从两极到赤道水汽含量逐渐递减的趋势一致。图3中二者差值图显示出，在南北纬30°到极地区域，为水汽含量相对小的区域，FY-3C TPW与MODIS TPW差异较小，偏差为5 mm以内，且差异的变化范围也较小；在南北纬30°之间，水汽含量相对较大，二者差异变化也较大，在海洋高水汽含量区域，FY-3C TPW较低，在东亚、南非区域，以及美洲靠近太平洋的大陆地区，FY-3C TPW相对MODIS TPW更高。此外，东亚地区可能还受地形复杂的影响。此评价结果与Zheng等人(2010)的FY-3A VIRR TPW与MODIS Terra TPW对比结果一致。南美洲大陆与海洋之间0—30°N之间的非洲大陆与大西洋之间，MODIS TPW有明显跳变，FY-3C TPW过度更为平缓。

图 3 2015年3月月平均大气可降水量全球空间分布图 Figure 3 The global distribution of the monthly mean TPW

选取2015年3月1日至4月30日期间，每日00:00UTC和12:00UTC两个时次的探空数据。对每一条探空记录，分别遍历探空时间前后1小时，共两个小时内FY-3C TPW和MODIS TPW，根据两种卫星数据的经纬度信息，通过查找与探空站点经纬度距离最小的像元，匹配到此探空记录对应的FY-3C TPW和MODIS TPW。令TPW值在0—80 mm区间内为有效值。图4显示了两种卫星数据分别与探空数据匹配到的站点分布，颜色表示该站点匹配到的记录次数。由于匹配到的卫星数据是每日23:00—01:00UTC和11:00—13:00UTC，在固定时次观测到的地面区域比较一致，匹配到的站点均集中在如图4所示的两条轨道区域上。FY-3C和MODIS匹配到的探空站点分布基本相同，但图4(a)中显示出各站点的匹配记录大多数比图4(b)中多。由于FY-3C数据空间分辨率更高，云检测的尺度更小，有效像元会更多，FY-3C合计匹配到6119条记录，MODIS为2045条。

图 4 卫星数据匹配到的探空站点分布图 Figure 4 The distribution of matching records between satellite data and radiosonde data

FY-3C和MODIS TPW对比误差统计如表1所示，给出了两种卫星数据与探空数据对比的匹配样本数和3种误差值：FY-3C TPW平均偏差为–0.1631 mm，小于MODIS TPW的1.0733 mm，均方根误差为5.3618 mm，略大于MODIS的5.2861 mm，相关系数为0.8557，高于MODIS的0.8318。从图5和图6 FY-3C TPW和MODIS TPW与探空数据对比散点图和误差分布直方图中也可以看出，图5(a)中散点相对x=y线的分布比较均匀，只是当探空TPW小于10 mm时，FY-3C TPW相对探空TPW值偏小的记录较多，图5(b)中正值误差和负值误差的频率接近，负值的略多，而图6(a)中散点分布在x=y的直线下方的比例更多，图6(b)中正值误差的频率比负值误差的高，即MODIS TPW对比探空数据整体上偏高的记录更多。由于FY-3C TPW与探空数据的匹配记录比较多，散点图上点也更多，同时差异大的值也更多，MODIS TPW与探空数据的匹配记录较少，散点图上差异大的点较少。两种TPW的误差数值较为接近，但算法的差异导致了反演结果特点不同。FY-3C TPW通过两个分裂窗通道的水汽吸收差异得到，当水汽较小时，差异很小，而窗区通道地表发射辐射是强信号，所以造成了水汽值小于10 mm时难以准确反演，散点图中散点分布也更为分散。MODIS红外TPW算法是先由11种通道亮温反演分层水汽再积分而成，而不同的通道信息虽然主要来源于敏感层的水汽，但仍会包含其他层的水汽信息，积分后会使得对整体水汽的估计偏高，即平均偏差大于0。整体评价，两种卫星反演大气可降水相对于探空数据均有较好的一致性，但FY-3C TPW相对MODIS TPW，与探空数据相关性更好，精度略高。

表 1(Table 1)

表 1 FY-3C TPW和MODIS TPW对比探空数据误差表 Table 1 The error table for a comparison between FY-3C TPW and MODIS TPW 卫星 匹配样本数 有效匹配数 平均偏差/mm 均方根误差/mm 相关系数 FY-3C TPW 6137 6119 –0.1631 5.3618 0.8557 MODIS TPW 2053 2045 1.0733 5.2861 0.8318

表 1 FY-3C TPW和MODIS TPW对比探空数据误差表 Table 1 The error table for a comparison between FY-3C TPW and MODIS TPW

图 5 FY-3C VIRR TPW与探空数据对比图 Figure 5 The comparison between FY-3C VIRR TPW and radiosonde TPW

图 6 Terra MODIS TPW与探空数据对比图 Figure 6 The comparison between Terra MODIS TPW and radiosonde TPW

为评价精度随水汽值的分布情况，将探空观测的水汽值在0—70 mm范围内划分为14等分，用式(4)计算每个区间的相对误差的平均值(RE)。

式中，N表示区间内记录的个数，TPW_sat指卫星反演TPW值，TPW_raob表示无线电探空TPW值。首先计算区间内每条记录的绝对相对误差，可以在同一个尺度下统计反演值与探空值间的绝对偏差，将所有记录取平均后可得区间内的整体误差水平。

图7指示了相对误差的演化规律，蓝色柱表示FY-3C VIRR TPW相对误差，红色柱代表MODIS TPW相对误差。两种卫星反演数据的相对误差变化趋势一致，均在大气的实际可降水数值较小时，反演误差较大，随着大气的实际可降水量的增加，反演误差逐渐减小，当水汽值大于55 mm后又略为增加。MODIS TPW相对误差在大气可降水小于5 mm和大于55 mm区间显著大于FY-3C TPW，大于65 mm区间MODIS TPW没有匹配记录，故没有相对误差值。MODIS TPW在30—50 mm，FY-3C TPW在30—70 mm相对误差在20%以内。对比可见，两种卫星反演TPW在水汽值极小和极大时差异较明显，FY-3C TPW相对误差更小。

图 7 不同探空水汽值下FY-3C VIRR TPW和Terra MODIS TPW相对误差分布柱状图 Figure 7 The bar graph of the relative errors between FY-3C VIRR TPW and Terra MODIS TPW under different radiosonde TPWs

分别使用FY-3C L1级GEO文件和MODIS MOD05_L2产品文件中太阳天顶角数据集，太阳天顶角大于87°为夜晚，小于为白天。分别统计两种卫星TPW两类像元的误差值，统计结果如表2。两种卫星匹配探空记录值个数，白天夜间相差不大，白天略多。白天相对于夜间均是均方根误差较大，相关系数较小，即显示出夜间精度优于白天。对比平均偏差，FY-3C TPW和MODIS TPW均是白天大于0，夜晚小于0，即平均白天TPW反演偏大，夜晚偏小。相对于MODIS TPW与探空TPW的误差，FY-3C TPW白天平均偏差较小，RMSE接近，相关系数更大。夜间平均偏差更小，RMSE略大，但相关系数较大。综上，对比探空数据，FY-3C TPW夜间精度高于白天。相比MODIS TPW与探空数据的误差值，FY-3C TPW白天的误差值均更优，夜晚略差。因为从水汽的日变化可知，夜晚水汽含量相对低于白天(Ningombam 等，2016)，低水汽值的偏差量会小于高水汽值，所以夜间误差值会更小。由图5(a)可见，低水汽值小于10 mm时FY-3C TPW相对探空值偏小情况较严重，而图6(a)中MODIS TPW的情况较好，故前者的夜间精度会相对更低。白天水汽含量相对夜间大，由于MODIS TPW相对偏高，则精度略差于FY-3C TPW。

表 2(Table 2)

表 2 日夜误差表 Table 2 The errors of day and night 数据 类别 匹配点数 Bias/mm RMSE/mm 相关系数R2 FY-3C TPW 日 3307 0.9368 5.8240 0.8374 夜 2812 –1.4566 4.7612 0.8902 MODIS TPW 日 1164 2.3704 5.8250 0.8173 夜 881 –0.6404 4.4758 0.8469

表 2 日夜误差表 Table 2 The errors of day and night

统计两种卫星数据和探空数据对比误差的空间分布如图8。FY-3C和MODIS的整体误差分布比较相似。从平均偏差分布图(图8(a)(b))中可见，偏差的大小与图4中所示的匹配记录成反比，匹配记录多的偏差小，90°E—180°E，50°N—80°N区域平均偏差多在±2 mm以内，匹配记录少的偏差则大。均方根误差的分布与水汽含量有关，中高纬度水汽含量小时误差小，中低纬水汽含量大时误差也大。从图8中可以看出，MODIS TPW平均偏差偏高的比FY-3C TPW多。30°N以南的海岸线附近，FY-3C TPW和MODIS TPW相对探空数据均偏高，前者偏高更多；30°N以北FY-3C TPW的平均偏差更小，尤其是欧洲地区。太平洋西部海洋上站点FY-3C TPW平均偏差均小于0，MODIS TPW则多大于0，前者均方根误差分布优于后者。因此，FY-3C TPW整体优于MODIS TPW，但在海岸线附近误差较大，可能与地表发射率的处理误差有关。

图 8 两种卫星反演大气可降水与探空数据对比误差空间分布图 Figure 8 The space distribution of biases and RMSEs between satellites retrieved TPWs and radiosonde TPWs

选用2015年1月至2016年7月共19个月的探空数据，与FY-3C TPW进行时空匹配，统计每日的均方根误差(RMSE)，并在此基础上统计月均RMSE和月内最大、最小RMSE。同时，统计MODIS TPW与探空数据的均方根误差，作为FY-3C TPW稳定性评价的参照。计算19个月均RMSE的平均值和标准差，FY-3C TPW分别是5.63 mm和0.54 mm，MODIS TPW分别是6.19 mm和1.33 mm，前者的标准差小于后者，说明前者月间RMSE波动性更小。

图9显示了19个月两种卫星反演TPW均方根误差的时间分布图。误差棒的中间点为每月平均RMSE值，上、下边界分别表示此6月内日RMSE的最大值和最小值。在2015年12个月内，表示FY-3C TPW和MODIS TPW月均RMSE的两条曲线差异极小，表现出基本一致的季节波动性，均是6月—8月较大，达6 mm以上，其他月份均小于6 mm。从图4中站点分布可见，陆地站点大部分分布在北半球，6月—8月为夏季，水汽含量较高，所以误差的值也会较高。在2016年1月—7月的半年内，两种曲线的值均是逐月增高，但增幅不同。FY-3C TPW在2016年前7个月的值增幅相对2015年有所缓解，且每月的月均RMSE都比2015年对应月份小。而MODIS TPW的月均RMSE在2016年1月—7月间增幅较大，每月的值高于2015年对应月份，其中5月—7月的RMSE均大于7 mm，超过了2015年的最大值，显示出相对2015年存在较大的波动。对比两种数据每月最大值和最小值分布，FY-3C TPW的波幅均较小。通过以上分析可得，FY-3C TPW产品在2015年具有与MODIS TPW相似的稳定性，但年间的稳定性明显优于MODIS TPW。

图 9 FY-3C VIRR TPW的均方根误差时间序列图 Figure 9 The time series of FY-3C VIRR TPW RMSEs

本文在介绍FY-3C VIRR TPW产品生成使用数据和算法的基础上，利用MODIS Terra红外TPW产品和探空数据评价了FY-3C VIRR TPW产品精度和稳定性两方面的质量。

首先与2015年3月MODIS月平均TPW的全球空间分布对比，FY-3C VIRR TPW全球干湿分布呈现出与MODIS一致的特征，与MODIS TPW的差值在南北极到南北纬30°范围内较小，差值的变化范围也较小，在南北纬30°之间差值较大，且变化范围也较大。

用2015年3月—4月的全球无线电探空数据同时评价FY-3C VIRR TPW和MODIS TPW的精度。FY-3C TPW相对MODIS TPW，与探空数据间平均偏差更小，相关系数更高，均方根误差略高，整体精度略好于MODIS TPW。对比MODIS TPW与探空数据的误差分布，FY-3C TPW误差在0±1 mm区间内频率更高。分析不同水汽范围卫星反演相对误差的分布显示，随着大气的实际可降水数值的增大，反演误差先减小后增加。在水汽值极小(<10 mm)和极大(>55 mm)时FY-3C TPW的相对误差比MODIS TPW小，在30—50 mm的中间区域二者均在20%以内，差异较小。对比反演误差日夜分布差异显示，两种卫星产品均是夜间优于白天，FY-3C TPW白天精度优于MODIS TPW，夜间略差。对比误差的空间分布，FY-3C TPW整体优于MODIS TPW，但海岸线附近误差较后者大，与地表发射率的处理精度有关。

FY-3C VIRR TPW与2015年1月—2016年7月共19个月探空数据对比，分析月均方根误差的时间序列显示，误差值在不同月份均会有所波动，6月—8月高于其他月份。FY-3C TPW与MODIS TPW 19个月均方根误差的标准差分别是0.54 mm和1.33 mm，前者显著小于后者。2015年内二者月均方根误差的时间分布差异极小，但2016年MODIS TPW的波动幅度比FY-3C TPW的大。即FY-3C TPW在19个月内月均方根误差相对MODIS TPW波动更小，稳定性更佳。

FY-3C VIRR TPW产品精度除受自身算法影响，还受限于定标精度、云检测精度和地表发射率精度的影响，而这3个方面相对MODIS都有一定差距。但从检验结果可见，经过前两颗实验星数据产品的基础上发展和测试，FY-3C VIRR TPW产品作为中国首颗风云三号业务星的首批业务化产品，精度整体优于MODIS IR TPW，且质量稳定，具备天气和气候等方面的广泛应用能力。