2009, 20 (4): 428-436
2. 空军装备研究院航空气象防化研究所, 北京 100085
2. Institute of Aviation Meteorology, Beijing 100085
强对流天气是出现频率最高、灾害最重的气象灾害之一, 由强对流引起的大风、暴雨、雷暴等剧烈天气对国民经济和人民生命财产安全产生了巨大影响。但这类天气系统尺度小, 时效短, 仅靠常规观测很难提供及时的监测信息, 特别是海上、高原及荒漠等地常规观测资料稀少, 飞机、雷达等观测有限, 而气象卫星可以实施大范围连续观测, 为强对流的监测及预报提供了非常有效的手段。
静止气象卫星观测频次高, 对强对流的监测时效性显著, 利用可见光、红外等光学遥感资料可获得与系统相联系的云层顶部信息, 根据强对流云团在光学遥感图像上较高的反照率或较低亮温就可对其进行识别。国内外很多学者作过这方面的尝试, 提出了一系列有关对流云识别的红外亮温阈值, 如208.15 K, 215.15 K, 230.15 K, 233.15 K [1], 但阈值随时空变化较大, 可见光通道在夜间不可用, 仅靠红外通道很难将强对流云团从卷云特别是密实的厚卷云中完全分离出来。除了阈值技术, 也有采用通道间亮温差作为强对流云的识别判据[2-3], 如Mecikalski等[2]提出了一系列通道间的亮温差 (TB 6.7-10.7, T B12.0-10.7) 识别对流云的发生, 而夜间对流云的识别大都采用了3.9 μm和10.7 μm通道亮温差[4]。除此以外, 也有研究采用了图像处理和模式识别技术, 根据光学遥感图像上的光谱和纹理特征对云型进行分类识别, 分析与强对流相联系的云系特征[5-6]。但就一些研究结果看[7-9], 与强对流相联系的积雨云上冲云顶较高, 顶部下风方是高空吹散的密卷云, 很难将其和对流云体完全分离开来。
微波遥感与可见光、红外等光学遥感不同, 其最大优势在于具有穿透云的特性, 在传输路径上和云雨等粒子发生吸收或散射作用, 根据其衰减特征就可以对云雨等目标物进行反演或分析。过去几十年, DMSP/SSM/I, NOAA/AMSU, TRMM/TMI, Aqua/AMSR等一系列微波探测器被用于强对流的热力、动力研究[10-12], 虽然其时空分辨率相对光学遥感较低, 但为强对流的垂直结构分析提供了非常有利的手段。随着微波遥感探测器的改进, 时空分辨率得到提高, 近年来, 微波遥感为强对流监测和预报提供了丰富信息。特别是NOAA系列的微波遥感探测器AMSU, 扫描范围较广, 频段范围较宽, 在强对流的分析中具有一定优势, 这也引起了国内学者的研究兴趣, 将AMSU资料应用于强对流、热带气旋的定量或定性分析, 得出了一些有意义的结果。但微波资料的应用还有巨大潜力尚待挖掘, 如方宗义等[13]、魏应植等[14]均提出了150 GHz对中尺度对流云团有较好的识别能力, 但没有对其进一步定量识别。
本文尝试利用微波遥感和光学遥感两种手段对一次锋面气旋云系中强对流云团进行识别, 微波遥感采用NOAA-16/AMSU-B窗区通道亮温阈值和水汽通道间亮温差两种判据分别进行尝试, 光学遥感识别则在以前一些研究基础上, 采用了GOES-9红外通道亮温阈值、水汽红外通道亮温差、逐个修改聚类的模式识别技术分别进行分析, 通过对比分析各种方法的识别结果, 并采用同时次的地面常规观测资料进行叠加, 从而对各种技术进行验证, 以期寻找一种识别强对流云的有效途径。
1 资料 1.1 NOAA-16/AMSU-B微波遥感资料AMSU-B是搭载在NOAA系列卫星上的5通道扫描探测仪, 包括两个窗区通道 (89 GHz, 150 GHz) 和3个水汽通道 (183.3±1 GHz, 183.3±3 GHz, 183.3±7 GHz), 星下点分辨率15 km。
本文采用的NOAA-16/AMSU-B L1d级微波亮温数据由国家卫星气象中心提供, 经ATOVS预处理系统得到, 经过定标、定位及匹配处理, 可直接用于大气参数的反演或分析。本文收集的NOAA-16/AMSU-B资料时段为2004年6-8月。
1.2 GOES-9光学遥感资料GOES-9可见光/红外扫描辐射仪VISSR有5个光谱通道, 可见光通道 (0.55~0.75 μm), 空间分辨率为1 km, 红外通道4个 (3.8~4 μm, 6.5~7 μm, 10.2~11.2 μm, 11.5~12.5 μm), 空间分辨率除6.5~7 μm为8 km外, 其余均为4 km。
本文采用的GOES-9图像资料由北京大学暴雨监测和预测国家重点实验室提供, 从定位后的原始图像 (圆盘图) 中截取, 主要包括东亚和太平洋地区, 时段为2004年6-8月。
1.3 地面常规观测资料地面常规观测资料每3 h 1次, 包括的气象要素有海平面气压、本站气压、温度、风、露点、6 h降水、24 h降水、现在天气现象、云状等。地面观测要素可提供与强对流相关的重要信息, 如现在天气现象中的雷暴、龙卷、冰雹等, 云状中的积雨云等, 利用这些信息可以对卫星遥感识别结果进行验证, 时段为2004年6-8月。
2 方法 2.1 微波遥感识别本文利用微波穿透云的特性, 从NOAA-16/AMSU-B 5个不同的微波频段特征出发, 根据云、降水等粒子对不同频段造成的亮温衰减特性, 探讨NOAA-16/AMSU-B对强对流云的识别技术。已有一些研究表明[1], 由于3个水汽通道的亮温权重函数位于不同高度, 离中心越远, 其亮温衰减越大, 183.3±7 GHz比其他两个通道能穿透更深的云层, 利用这种特性可对强对流云团进行识别。也有一些研究指出[13-15], 两个窗区通道对降水粒子有较强的散射衰减, 较低亮温与对流发展最旺盛区域有很好的对应关系, 利用这一关系也可识别强对流。
本文借鉴前人研究思想, 分别利用两个窗区通道和3个水汽通道资料, 对强对流云团进行识别, 尝试对NOAA-16/AM SU-B定量识别强对流云团的技术进行探讨。其中, 两个窗区通道分别给定识别阈值T B89 < 240 K, TB150 < 220 K作为判据。3个水汽通道则采用通道间亮温差的思想, 亮温差表示如下:
ΔT 17=T183.3±1-T 183.3±7, ΔT13=T 183.3±1-T183.3±3, ΔT 37=T183.3±3-T 183.3±7。
其中, ΔT 17, ΔT 13, ΔT 37分别代表 183.3±1 GHz和183.3±7 GHz, 183.3±1 GHz和183.3±3 GHz, 183.3±3 GHz和183.3±7 GHz通道亮温差, 根据其亮温权重的分布及前人的模拟结果, 这3个亮温差分别反映了对流云高低层、中高层、中低层的发展状况, ΔT 17≥0 K, ΔT13≥0 K, ΔT 37≥0 K对应了强对流云区。
2.2 光学遥感识别光学遥感与微波不同, 获取的是云顶信息。本文从3个角度出发, 分别利用红外亮温阈值、水汽和红外通道亮温差以及逐个修改聚类的方法对强对流云进行识别。通过不同方法之间的比较, 对光学遥感识别强对流云的技术进行探讨。
参考前人结果, 分别选取208.15 K, 215.15 K, 230.15 K, 233.15 K作为红外亮温识别阈值, 通过比较不同阈值间的识别结果, 分析红外亮温阈值识别技术的特点。
TB6.7-10.7是水汽通道和红外通道亮温差, 其原理与微波探测水汽通道间亮温差类似。水汽通道反映的是中高层水汽信息。在晴空区, 6.7 μm辐射来自于0~50 hPa的高层[16], 地表或低云的辐射被低层水汽吸收卫星监测不到, 而10.7 μm大气吸收很弱, 辐射主要来自于地表, 通常地表温度又比对流层高层暖, 因此, 6.7 μm和10.7 μm间亮温差通常是负值。而在强对流的上升区, 深厚对流云伸展高度较高, 10.7 μm比6.7 μm具有更低亮温, 因此, TB6.7-10.7 >0 K的正值区即对应了强对流云区。
逐个修改聚类的方法是将图形图像处理和模式识别相结合, 根据云顶的光谱或纹理特征对与强对流相联系的积雨云进行识别。该方法需要给定初始聚类中心, 按某种聚类准则 (本文采用欧式距离最小原则) 使样本点向各中心聚集, 得到初始分类, 然后判断初始分类是否合理, 如果不合理则修改分类, 依次反复进行修改聚类的迭代运算, 直到合理为止。该算法运行稳定, 使用方便, 在业务中得到广泛应用, 已有研究表明[6], 该算法可以对各种云/表面类型进行客观准确的分类。本文将红外和水汽通道亮温形成的光谱特征 (包括最小值、最大值、平均值、直方图最大值对应的亮温) 组成特征向量采用逐个修改聚类的分类器 (该分类器经过训练和测试) 对GOES-9卫星图像上的云进行分类, 识别与强对流云相联系的积雨云。
3 卫星图像分析 3.1 GOES-9卫星图像分析本文分析个例是2004年6月16日切断低压最强的时期, 图 1是2004年6月16日06:25(世界时, 下同) 的GOES-9红外通道 (10.7 μm) 卫星图像。图像上贝加尔湖南侧、我国内蒙古及东北地区上空为一涡旋逗点云系, 该云系由高中低多层云组成, 其头部东北象限是高空吹散的卷云羽, 丝缕状纹理较清晰, 逗点云中心附近可以看出被中高云覆盖的低层云; 逗点云的西部地区分布了色调白亮的对流云团; 逗点云系尾部与南面的盾状卷云区相重叠, 由干冷空气入侵造成盾状卷云区左侧边界光滑, 图像上表现为色调灰暗的晴空区; 盾状云的尾部为发展强盛的对流云团, 色调白亮, 特别是在两广地区上空云团的色调非常明显, 说明此处对流云发展比较旺盛, 伸展高度较高。盾状云带前部是热带气旋灿都, 已加强为台风, 台风眼虽然较小, 但清晰可见, 台风眼周围的螺旋云带结构较明显, 特别是台风眼周围的对流云墙色调白亮, 上冲云顶较高。螺旋云带外围是拖曳的小对流云团。
|
|
| 图 1. 2004年6月16日06:25 GO ES-9红外通道 (10.7 μm) 卫星图像 Fig 1. GOES-9 infrared (10.7 μm) image at 06:25 16 June 2004 | |
3.2 NOAA-16/AMSU-B卫星图像分析
2004年6月16日06:29 NOAA-16/AMSU-B的5个通道亮温图像见图 2, 其中图 2a、图 2b两个窗区通道受到降水粒子的强散射, 造成较强的亮温衰减, 低值亮温带与GOES-9卫星图像上的对流云区相对应。150 GHz通道图像上逗点云和盾状锋面云带表现得更加明显, 特别是在我国东南沿海两广地区一带, 低值亮温带和GOES-9锋面云带尾部色调白亮的强对流云区有很好的对应关系。值得注意的是, 89 GHz通道图像上贝加尔湖和青海湖呈现较低亮温, 这是由于89 GHz通道对地表比较敏感, 受地表影响最为严重。借助GOES-9卫星图像, 发现该地上空色调灰暗, 并没有强对流云, 因此可以判定该地为晴空下的水体。
|
|
| 图 2. 2004年6月16日06：29 NOAA16/AMSUB各通道微波亮温（单位：K） （a）89GHz，（b）150GHz，（c）183.3±1GHz，（d）183.3±3GHz，（e）183.3±7GHz Fig 2. NOAA16/AMSUB microwave brightness temperature images at 06:29 16 June 2004 (unit: K) (a)89GHz, (b)150GHz, (c)183.3±1GHz,(d)183.3±3GHz, (e)183.3±7GHz | |
图 2c~2e 3个水汽通道中183.3±1 GHz通道亮温权重高度最高, 因此其云系特征最弱, 但锋面云带尾部的强对流云团对应了较低的亮温, 这里表现得比较明显, 说明云团发展较强且伸展高度较高, 逗点云头部西侧也有低值亮温区, 与GOES-9的对流云团相对应, 说明此地对流云发展高度也比较高。183.3±3 GHz通道亮温权重来自对流层中层, 其云系特征比183.3±1 GHz通道稍明显, 特别是锋面云带西侧的干舌, 其结构更清晰。183.3±7 GHz通道亮温权重来自地面, 和150 GHz通道的亮温分布较接近, 对逗点云和锋面云带结构显示更加显著。
4 微波遥感及光学遥感分析 4.1 微波遥感识别微波遥感识别结果见图 3, 其中图 3a和3b是根据两个窗区通道亮温阈值判据T B89 < 240 K, T B150 < 220 K对强对流云的识别结果, 图 3c是根据3个微波水汽通道间亮温差判据ΔT17≥0 K, ΔT 13≥0 K, ΔT 37≥0 K对强对流云进行判识的结果。
|
|
| 图 3. 微波两窗区通道亮温阈值及3个水汽通道间亮温差识别结果 （a）TB89＜240K，（b）TB150＜220K，（c）ΔT17≥0K，ΔT13≥0K，ΔT37≥0K Fig 3. Identification results based on NOAA16/AMSUB brightness temperatures and brightness temperature differences (a) TB89 < 240K, (b) TB150 < 220K, (c) ΔT17≥0K, ΔT13≥0K, ΔT37≥0K | |
从两个窗区通道阈值识别结果来看, 二者识别的强对流云落区比较一致, 但89 GHz通道结果中在贝加尔湖和我国的青海湖有强对流云出现, 但在前文卫星图像分析时已提出, 此地并没有强对流云出现, 亮温低值对应的是过冷水体。这是由于89 GHz通道对地表比较敏感, 将过冷水体错判造成的。150 GHz通道亮温权重虽也来自地表, 但受其影响较小, 可有效地将过冷水体剔除。
3个微波水汽通道间亮温差的识别结果与微波两个窗区通道的识别结果相比, 在我国东南及南部地区的对流云识别结果比较一致, 而在我国内蒙古及陕西附近稍有差别, 3个微波水汽通道间亮温差识别结果范围稍大, 从水汽通道亮温分布图像上看, 这个地区的亮温值较低, GOES-9卫星图像上也表现为色调白亮的对流云团, 水汽图像上其边缘清晰可见, 说明该对流云伸展高度较高, 从天气概念模式来看, 该处位于涡旋逗点云头部旋入中心的地区, 对流云团由积云发展起来, 但不会造成强降水或恶劣天气。
4.2 光学遥感识别光学遥感识别结果见图 4, 其中图 4a~4d是红外亮温阈值识别结果, 图 4e是水汽和红外通道亮温差T B6.7-10.7 >0 K识别结果, 图 4f是利用红外和水汽通道多光谱特征采用逐个修改聚类识别的积雨云分布情况。
|
|
| 图 4. GOES-9不同亮温阈值、水汽和红外通道亮温差及多光谱逐个修改聚类识别结果 (a)233.15 K, (b)230.15 K, (c)215.15 K, (d)208.15 K, (e) T B6.7-10.7 >0 K, (f) 红外/水汽多光谱云型识别结果 Fig 4. Identification results based on GOES-9 brightness temperatures thresholds, brightness temperature differences and step-wise classification (a)233.15 K, (b)230.15 K, (c)215.15 K, (d)208.15 K, (e) T B6.7-10.7 >0 K, (f) step-wise classification of IR and WV spectral features | |
从红外亮温阈值识别结果看, 选取不同阈值会造成识别结果差别较大, 233.15 K, 230.15 K的亮温阈值选取显然范围较宽, 大范围卷云和对流云均被混判; 208.15 K的亮温阈值选取太严格, 将卷云剔除的同时也不能很好地识别强对流云; 而215.15 K的亮温选取似乎比其他几种阈值选取更合理一些, 但该阈值仅对中低纬度地区强对流云团进行了识别, 中高纬度地区的对流云团没能很好识别出来, 这是因为红外亮温随纬度升高而逐渐降低。事实上, 红外亮温不仅随纬度变化, 也存在日变化和季节变化。因此, 单一阈值很难适用于大范围强对流云团的识别, 如果利用红外亮温对其进行准确识别, 须考虑不同时空变化情况设定阈值。
水汽和红外通道亮温差识别结果与215.15 K的亮温阈值识别结果从分布形势上看基本一致, 但水汽和红外通道亮温差的识别范围稍小, 除了将台风云系、锋面云带尾部的对流云团识别出来, 逗点云头部西侧的对流云团也有表现, 但其识别范围很小。从这一点也可看出, 水汽和红外亮温通道的亮温差识别范围虽小, 但对时空阈值的依赖相对较小, 相对红外亮温阈值具有一定优势。
多光谱特征逐个修改聚类结果与215.15 K红外亮温阈值识别结果以及水汽和红外通道亮温差识别结果在分布形式上大体一致。台风云系中的强对流云团以及锋面云带尾部的强对流云团均能有效识别, 且和215.15 K红外亮温阈值识别结果更加接近, 这两者比水汽红外通道间亮温差识别范围稍大; 在逗点云系头部西侧, 逐个修改聚类的模式识别技术可对强对流云团进行识别。
4.3 地面常规观测结果叠加为了对微波遥感和光学遥感识别结果进行比较和验证, 本文利用地面常规观测资料提取相关信息进行叠加。为了更好说明情况, 从地面报文中提取所有与强对流云团相关的天气现象和当时的低云状。与强对流云团相关的恶劣天气现象主要包括雷暴、龙卷、连续性大雨、观测时有雷暴伴有雨或雪或雨夹雪、观测时有雷暴和冰雹或霰、观测时有大雷暴和雨或雪或雨夹雪、观测时有雷暴和沙 (尘) 暴和降水、观测时有大雷暴和冰雹或霰; 而当时的低云状主要提取了与强对流相联系的积雨云的相关信息, 包括秃积雨云、鬃积雨云或砧状积雨云。
图 5是6月16日06:00叠加了地面常规观测信息后的识别结果。
|
|
| 图 5. 地面常规观测资料叠加结果 Fig 5. Results matching conventional data | |
从叠加结果看, NOAA-16/AMSU-B和GOES-9对锋面气旋尾部的强对流云团识别结果比较一致, 对应关系较好, 由于静止气象卫星的观测时间稍早, 因此强对流云的识别比NOAA-16/AMSU-B的识别稍稍偏西, 但差别不是很大。二者的识别结果和地面观测信息也有较好的一致性, 强对流云团的识别区上空主要覆盖了秃积雨云, 而且局地有雷暴或降水产生。在逗点云的头部西侧, NOAA-16/AMSU-B和GOES-9的识别结果也能对应起来, 但NOAA-16/AMSU-B的识别范围稍大, 由于该地位于逗点云西侧, 由积云发展起来, 没有产生降水, 只有1个站观测有雷暴, 大部分识别区域没有产生恶劣天气, 借助静止卫星动画演示, 此地对流云团没有发展起来, 而是逐渐消散。
海上台风云系的识别结果验证暂时借助天气概念模式, 从GOES-9对积雨云的识别结果看, 基本体现了台风云系的螺旋云带分布结构, 台风眼清晰可见, 台风眼周围的对流云墙具有较高的上冲云顶, 螺旋云带外围是拖曳的强对流云团, 但光学遥感识别不可避免将卷云误判为积雨云。特别是具有上冲云顶的积雨云顶部通常覆盖了卷云, 仅靠红外和水汽通道亮温的光谱特征很难完全区分。NOAA-16/AMSU-B就可以将其区分开来, 由于NOAA-16/AMSU-B扫描范围有限, 本文所选个例没有覆盖台风。
我国青藏高原东侧和内蒙古北部、黑龙江地区有个别对流云团发展, 有雷暴发生, 但由于单体较小, 在卫星图像上没有很好地显示出来, 而且借助地面观测信息, 周围地区没有对流云团或恶劣天气。
5 小结本文利用NOAA-16/AM SU-B和GOES-9卫星资料对一次锋面气旋云系中的强对流云团进行了识别分析, 结果表明:
1) 对微波遥感, 采用合适的阈值, 89 GHz和150 GHz通道对强对流云团均有较好的识别能力, 但89 GHz受地表影响较大, 不能很好地剔除过冷水体; NOAA-16/AMSU-B 3个微波水汽通道间亮温差判据可对强对流云有较好的识别, 而且对阈值的依赖性相对较小。
2) 对光学遥感, 红外通道亮温采用不同阈值会造成识别结果差别较大, 仅采用单一阈值很难对大范围内强对流云团进行识别, 而且阈值随时空变化较大, 利用阈值进行识别须考虑其时空变化特征; 水汽和红外通道亮温差判据也可将强对流云团识别出来, 范围相对较小, 对阈值的依赖也相对较小; 多光谱逐个修改聚类从卫星图像的光谱特征出发, 可对图像上的云进行客观分类, 对积雨云有较好的识别能力。
3) 微波遥感和光学遥感对强对流云团的识别结果对应关系较好, 而且和地面常规观测结果也比较一致。
总的来说, NOAA-16/AMSU-B探测仪由于具有穿透云的特性, 对强对流云的识别优势更加明显, 特别是能有效剔除卷云, 但NOAA-16/AM SU-B资料时空分辨率相对较低, 对强对流云的监测还主要依赖于静止气象卫星GOES-9。当然, 在以后的研究工作中, 有关强对流云的动力、热力学特征, 以及追踪预警等还需要进一步探讨。
| [1] | Hong G, Heygster G, Kunzi K, Intercomparison of deep convective cloud fractions from passive infrared and microwave radiance measurements. IEEE Trans Geosci Remote Sens, 2005, 2, (1): 18–22. DOI:10.1109/LGRS.2004.838405 |
| [2] | Mecikalski J R, Bedka K M, Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime GOES imagery. Mon Wea Rev, 2006, 134: 49–78. DOI:10.1175/MWR3062.1 |
| [3] | Setvak M, Rabin R M, Doswell C A, et al. Satellite observations of convective storm tops in the 1.6, 3.7 and 3.9 μm spectral bands. Atmos Research, 2003, 67-68: 607–627. |
| [4] | Dostalek J F, Weaver J F, Purdom J E W, et al. Nighttime detection of low-level thunderstorm outflow using a GOES multispectral image product. Wea Forecasting, 1997, 12: 947–950. DOI:10.1175/1520-0434(1997)012<0948:POTQND>2.0.CO;2 |
| [5] | Nair U S, Weger R C, Kuo K S, et al. Clustering, randomness and regularity in cloud fields 5.The nature of regular cumulus cloud fields. J Geophys Res, 1998, 103, (D10): 11363–11380. |
| [6] | 朱亚平, 刘健文, 白洁. 基于EOS/MODIS图像资料的多光谱云分类技术. 海洋科学进展, 2004, 22, (增刊): 109–114. |
| [7] | Adler R F, Markus M J, Fenn D D, Detection of severe midwest thunderstorms using geosynchronous satellite data. Mon Wea Rev, 1985, 113: 769–781. DOI:10.1175/1520-0493(1985)113<0769:DOSMTU>2.0.CO;2 |
| [8] | Rosenfeld D, Lerner A. Satellite Multispectral Identification of Severe Storms and Their Nowcasting by the Microstructure of the Prestorm Clouds. EUMETSAT Meteorological Satellite Conference, 2003. |
| [9] | Schmetz J, Tjemkes S A, Gube M, et al. Monitoring deep convection and convective overshooting with METEOSAT. Adv Space Res, 1997, 19: 433–441. DOI:10.1016/S0273-1177(97)00051-3 |
| [10] | Alcala C M, Dessler A E, Observations of deep convection in the tropics using the Tropical Rainfall Measuring Mission (TRMM) precipitation radar. J Geophys Res, 2002, 107, (D24): 4792. DOI:10.1029/2002JD002457 |
| [11] | Kidder S Q, Goldberg M D, Zehr R M, et al. Satellite analysis of tropical cyclones using the Advanced Microwave Sounding Unit (AMSU). Bull Amer Meteor Soc, 2000, 81: 1241–1260. DOI:10.1175/1520-0477(2000)081<1241:SAOTCU>2.3.CO;2 |
| [12] | Anagnostou E N, Kummerow C, Stratiform and convective classification of rainfall using SSM/I 85-GHz brightness temperature observations. J Atmos Ocean Technol, 1997, 14: 570–575. DOI:10.1175/1520-0426(1997)014<0570:SACCOR>2.0.CO;2 |
| [13] | 方宗义, 项续康, 方翔, 等. 2003年7月3日梅雨锋切变线上的β-中尺度暴雨云团分析. 应用气象学报, 2005, 16, (5): 569–575. |
| [14] | 魏应植, 许健民, 周学鸣. 台风"杜鹃"的AMSU卫星微波探测资料分析. 应用气象学报, 2005, 21, (4): 359–367. |
| [15] | Burns B A, Wu X, Diak G R, Effects of precipitation and cloud ice on brightness temperatures in AM SU moisture channels. IEEE Trans Geosci Remote Sens, 1997, 35: 1429–1437. DOI:10.1109/36.649797 |
| [16] | Ackerman S A, Global satellite observations of negative brightness temperatures differences between 11 and 6.7 μm. J Atmos Sci, 1996, 53: 2803–2812. DOI:10.1175/1520-0469(1996)053<2803:GSOONB>2.0.CO;2 |