应用气象学报  2016, 27 (6): 698-708   PDF    
引用本文
曹玥瑶, 张鹏, 马刚, 白文广, 廖蜜. FY-3 IRAS水汽通道亮温正演精度改进方法[J]. 应用气象学报, 2016, 27(6): 698-708.
Cao Yueyao, Zhang Peng, Ma Gang, Bai Wenguang, Liao Mi. An Improvement of Brightness Temperature Simulation of FY-3 IRAS Infrared Water Vapor Channel[J]. Journal of Applied Meteorological Science, 2016, 27(6): 698-708  
FY-3 IRAS水汽通道亮温正演精度改进方法
曹玥瑶1, 张鹏2, 马刚2, 白文广2, 廖蜜2     
1. 中国气象科学研究院, 北京 100081;
2. 国家卫星气象中心, 北京 100081
2016-03-07 收到, 2016-06-03 收到修改稿.
资助项目: 公益性行业 (气象) 科研专项 (201506074), 国家高技术研究发展计划 (2015AA123704), 国家自然科学基金面上项目 (41475031)    
通讯作者: 张鹏, email:zhangp@cma.gov.cn.
摘要: 卫星大气探测仪器的正演模拟是卫星资料同化和定量遥感的基础, 同CO2吸收通道相比, 目前红外水汽探测通道的亮温正演模拟误差较大。利用国际上通用的TIGR (thermodynamic initial guess retrieval database) 43廓线库作为训练样本, NESDIS (national environment satellite, data and information service) 35廓线库作为独立检验样本, 对水汽廓线按照整层大气水汽总量为阈值进行分组训练, 基于RTTOV (radiative transfer for TOVS) 模型训练获得风云三号气象卫星红外分光计的正演回归系数并模拟计算观测亮温。以0.045 kg·m-2作阈值进行分组训练为例, 结果表明:该方法可有效改进水汽通道亮温的正演精度, 特别是对低水汽含量廓线的模拟精度改进比较明显, 最大可达0.17 K。进一步分析表明:分组训练方法改进水汽通道辐射模拟精度的原因是提高了水汽光学厚度的计算精度。
关键词: 风云三号气象卫星    红外分光计    分段模拟    正演    水汽通道    
An Improvement of Brightness Temperature Simulation of FY-3 IRAS Infrared Water Vapor Channel
Cao Yueyao1, Zhang Peng2, Ma Gang2, Bai Wenguang2, Liao Mi2     
1. Chinese Academy of Meteorological Sciences, Beijing 100081;
2. National Satellite Meteorological Center, Beijing 100081
Abstract: Forward modeling of satellite atmospheric sounding instruments is the foundation of satellite data assimilation and inversion. Currently, more uncertainties on the accuracy of infrared water vapor channel are still exist compared with temperature detection channel. A method based on the group training of profiles which are classified by their water content of air column is used, to try to improve the forward modeling accuracy in the water vapor channel. Determination of threshold value is based on principles of basic balance profile numbers after group classification. Many threshold values are utilized to classify profiles, only results of threshold for 0.045 kg·m-2 are detailed and analyzed, which lead to quite similar experiment results. TIGR 43 profile library is used as the training sample to get coefficients for fast radiative transfer computation and NESDIS 35 profile library is used to test the precision improvement as the independent sample. Different coefficients got from the group training are used to establish RTTOV forward model of FY-3 IRAS and the channel brightness temperature is calculated using the corresponding profile and coefficients. The forward modeling accuracy of the FY-3 IRAS brightness temperature is get by comparison with line-by-line results, which are considered as accurate and reliable. Research results show accuracy improvement of the brightness temperature after group training. Improvement shows better in the low water content profile case, which up to 0.17 K in the 0.045 kg·m-2 threshold experiment. Further analysis is executed to find the cause for the improvement in the group training experiment. The layer water vapor predictor optical depth of channel 11-13 are calculated and comparison is done between the forward model with and without group training. Results show better consistency of water vapor absorption and channel weighting function distribution, besides, the absorption of water vapor line and continuum is adjusted more reasonable considering the weighting function height. These provide positive influence on the improvement of forward modeling results. It puts forward a method which can improve the fast radiative calculation accuracy of infrared water vapor channel, further work should be done in respect of bias caused by the precision of water vapor molecule absorption line parameters and the input water vapor profile self error. Furthermore, it merely considers the water content of air column, the potential influence caused by the shape of the profile is out of consideration, which may be the cause for the negative effect in channel 13 and research direction of future work.
Key words: FY-3 meteorological satellite     infrared spectrometer     group training     forward calculation     water vapor channel    
引言

卫星遥感探测具有全天候、均匀覆盖的特点, 是当前三维层析地球大气的重要数据来源。风云三号系列气象卫星是中国第2代极轨气象卫星, 装载有11台仪器, 其中红外分光计 (IRAS, infrared atmospheric sounder)、微波温度计和微波湿度计的组合, 实现了红外和微波的三维综合探测[1-2]。

大气透过率计算模式是联系卫星遥感辐射资料和大气温度、湿度等热力状态变量的重要工具。目前, 在大气遥感领域经常使用的大气透过率模式有两类:一类是逐线 (LBL) 模式, 通常称为精确模式; 另一类是参数化 (或解析) 模式, 通常称为快速模式。逐线模式需要逐条计入大气气体吸收谱线贡献, 是一种精确的大气透过率计算方法, 可有效处理大气非均匀路径和不同气体的重叠吸收带并同时处理吸收与散射问题, 但模式计算量较大, 计算速度不能满足业务需求[3-4]。欧洲中期天气预报中心 (ECMWF) 开发的RTTOV (radiative transfer for TOVS) 是目前国际上广泛应用的快速辐射传输模式之一, 主要用于数值天气预报模式变分资料同化中卫星观测辐射资料的直接同化。RTTOV模式中引用了文献[5-7]的研究成果, 建立了大气温度、湿度等模式变量和卫星观测的辐射亮度温度的映射关系。对于给定的大气廓线、地表参数以及卫星仪器观测条件, RTTOV能够以较高的精度模拟卫星接收的大气层顶向上的出射辐射[8]。在文献[9]的基础上, 经过多年的工作[10-14], RTTOV模式算法得到了不断的改进, 但在水汽亮温模拟和水汽的Jacobine计算精度上仍存在缺陷[15]。GSI (gridpoint statistical interpolation) 是NCEP开发的代表性资料变分同化系统, 其中曾设定了卫星传感器通道的观测误差, 在温度通道应控制在0.6 K以内, 而在水汽通道则应控制在1.2 K范围内, 这一设定表明在对实际大气状态的正演模拟中, 水汽通道的正演精度要远低于温度通道的精度。随着技术的发展, 对于水汽含量的遥感测定成为可能[16-21], 而水汽含量在大气整层分布不均匀且随时间产生变化极大, 使水汽含量的观测精度很难提高。因此, 分析RTTOV的正演偏差分布, 采用一定方法对水汽通道的快速正演进行订正, 尽可能提高水汽通道快速正演精度, 对满足进一步的业务需求有实用价值。

本文首先利用国际上通用的TIGR (thermodynamic initial guess retrieval database) 43廓线库作为训练样本, 在RTTOV模式中建立了FY-3 IRAS红外通道的快速正演模型; 然后以NESDIS (national environment satellite data, and information service) 35廓线库为独立检验样本, 选取整层大气水汽总量0.045 kg·m-2为阈值对水汽廓线进行分类训练, 通过与GENLN2 (general purpose line-by-line model) 的逐线积分结果进行比较, 对比FY-3 IRAS观测亮温正演精度的变化; 在此基础上, 通过对水汽光学厚度和水汽透过率的模拟精度的比较, 分析水汽通道计算精度提高的原因。

1 快速模式和卫星传感器 1.1 快速传输模式

将局地热力平衡的平行平面大气、不考虑散射的情况下的大气辐射传输方程的近似形式方程[22]离散化, 将整层大气从1013.25 hPa到0.1 hPa划分为43个等压面, 并将等压面间的光学厚度展开为预报因子与快速透过率系数乘积的形式:

(1)

其中, σv, j为波数v在第j个和第 (j+1) 个等压面间的光学厚度; αv, j, k为快速透过率系数, 根据典型大气廓线的逐线透过率线性回归计算得到; Xj, k为依赖于廓线的预报因子; M为预报因子数目。在快速辐射传输计算中, 一般将大气中含量稳定的吸收成分统一计算为均匀混合气体 (CO2, N2O等)。此外, 再考虑大气中的可变成分, 如水汽和O3。预报因子的定义是根据光谱实验室测试结果统计分析得到, 在实际大气光学厚度计算中会产生一定的误差, 当前RTTOV对于均匀混合气体、水汽和O3的预报因子数目定义分别为10, 15, 11项。对于确定的波数, 两个等压面之间的总光学厚度是各吸收成分单独光学厚度之和, 相应的透过率可以表示为

(2)
1.2 风云三号红外分光计 (FY-3 IRAS)

FY-3 IRAS在0.69~15.0 μm的光谱范围内共设置26个通道, 提供了从可见光到红外波长范围多通道辐射观测, 是卫星搭载的仪器中用于观测地球天气和环境的主要仪器[23]。IRAS的性能指标及工作原理和方式与搭载于NOAA (National Oceanic and Atmospheric Administration) 和METOP (the meteorological operational statellite program) 卫星上的高分辨率红外辐射探测器 (HIRS) 相似, 本研究只考虑IRAS的红外波段通道, 即通道1~20, 重点研究通道11~13的水汽探测通道。

2 红外水汽通道正演计算试验 2.1 TIGR和NESDIS廓线库

TIGR 43廓线库为目前国际上通用的两个大气廓线库之一, 是从法国国家科学院动力气象实验室 (LMD) 的TIGR数据集 (约1800条廓线) 中挑选出43条大气廓线。该廓线库数据文件以每条大气廓线为单位顺序排列, 对于一条大气廓线而言, 包含有原数据集中大气廓线序号、经纬度和日期以及廓线在43层大气层的气压、温度及水汽含量数据。另一个目前国际上通用的大气廓线库为NESDIS 35廓线库, 它是从NESDIS数据集 (1200条廓线) 中挑选出35条大气廓线, 该廓线库包含的数据与TIGR 43廓线库类似, 增加了每条廓线的逐层O3含量。

2.2 GENLN2逐线光谱透过率数据库

GENLN2模式是由法国气象局空间气象中心 (CMS) 发展的, 目前国际上应用较广的逐线模式之一。GENLN2逐线光谱透过率数据库的光谱覆盖范围为600~3000 cm-1, 分辨率为0.5 cm-1, 已广泛应用于计算参数化快速辐射传输模式的系数以及极轨、静止卫星上多种红外遥感仪器通道的透过率计算和数据模拟中。GENLN2模式采用43层的大气模式, 分别利用TIGR 43廓线库和NESDIS 35廓线库计算出相应的吸收气体透过率, 依次计算得出分层大气的吸收透过率。对于每个透过率数据文件, 每行包含波数、大气层和6个观测天顶角θ (分别为0°, 36.87°, 48.19°, 55.15°, 60°, 63.61°) 下的透过率, 共8个参数。数据的排列顺序为波数以0.5 cm-1为间隔从599.75 cm-1增至3000.25 cm-1, 层次从1增至43。

2.3 试验与验证

根据定义的卫星通道透过率的线性近似表达式, 将通道大气逐层透过率的计算划分为依赖于大气吸收成分微物理过程的透过率计算系数和依赖于真实大气状态垂直分布的预报因子两部分。根据全球气候典型的42条大气温度、湿度廓线和34条O3廓线 (由于TIGR 43廓线库及NESDIS 35廓线库中最后一条廓线均为一条计算所得的平均状态廓线, 故在计算中不予考虑) 可以确定6个卫星天顶角时的预报因子, 利用由这些廓线计算的精确大气透过率, 可计算出式 (1) 中的回归系数αv, j, k, 进而将代表实际大气状态的大气廓线代入辐射传输方程, 便可以计算出仪器通道的大气透过率, 并通过辐射传输模式模拟计算出FY-3 IRAS通道的辐射亮度温度。

图 1和图 2是以1976年美国标准大气廓线作为模式输入, 利用上面方法生成的快速透过率系数计算的FY-3 IRAS星下点的红外通道辐射亮温和权重函数分布。CO2吸收线附近, 主要反映大气温度垂直分布, 随着波长增加, 探测高度逐渐降低, 从亮温上看, 通道1~5、通道14~17正演亮温与已知的大气温度分布相当, 其中通道3和通道4的逆温反映了平流层高层的温度逆梯度; 通道11~13位于6.7 μm的H2O吸收线附近, 反映了大气水汽从300 hPa到900 hPa的变化, 图 1中亮温值从260 K递减到230 K, 反映了大气水汽随着高度降低而含量增加的现象。图 2是FY-3 IRAS通道权重函数的分布, 其中通道1~7的权重函数从3 hPa单调递减到900 hPa, 通道11~13的权重函数高度从300 hPa递减到900 hPa, 通道14~17的权重函数峰值从200 hPa下降到1000 hPa, 这些都与亮温分析结果一致。

图 1. 利用生成的快速透过率系数和1976标准大气廓线模拟FY-3 IRAS通道亮温 (θ=0°) Fig 1. FY-3 IRAS forward modeling channel brightness temperature result using fast radiative transmittance coefficients and USSA-1976 (θ=0°)

图 2. 利用生成的快速透过率系数和1976标准大气廓线模拟FY-3 IRAS通道权重函数 (θ=0°) (a) 15 μm附近温度探测通道1~7, (b) O3探测通道10及水汽探测通道11~13, (c) 4.5 μm附近温度 探测通道14~18, (d) 13 μm附近地表探测通道8~9和4 μm附近地表探测通道19~20 Fig 2. FY-3 IRAS forward modeling channel weighting functions using fast radiative transmittance coefficients and USSA-1976 (θ=0°) (a) near 15 μm temperature detection channel 1-7, (b) ozone detection channel 10 and water vapor detection channel 11-13, (c) near 4.5 μm temperature detection channel 14-18, (d) near 13 μm surface detection channel 8-9 and near 4 μm surface detection channel 19-20

对NESDIS廓线库中34条廓线分别利用快速模式和LBL模式计算FY-3 IRAS通道辐射亮温, 以LBL结果作为精确数据, 分析快速正演的标准差分布, 以完成对生成透过率系数的检验, 如图 3所示 (计算中均未计入O3部分的贡献)。由于NESDIS廓线数据与TIGR廓线不相关, 因此, NESDIS廓线的偏差代表了快速正演模式的独立偏差分布。数值显示受水汽影响较小的温度探测通道 (通道1~5, 通道14~17) 标准差一般小于0.05 K, 而水汽探测通道 (通道11~13) 的标准差则增大到约0.1 K。

图 3. NESDIS 35廓线库对FY-3 IRAS正演亮温标准差分布 Fig 3. Forward modeling brightness temperature of FY-3 IRAS using NESDIS 35 profile library

为了减小水汽通道的正演偏差, 在利用TIGR大气廓线的样本训练快速计算系数时, 按照整层大气水汽总量对大气廓线进行分类处理, 分别得到高水汽含量和低水汽含量条件下两组计算水汽通道的快速透过率系数, 即相当于在原有的水汽预报因子基础上增加了整层大气水汽含量这一预报因子。图 4为TIGR 43条训练廓线样本和NESDIS 35条独立检验廓线样本的整层水汽总量。以分组后各组样本量能保持基本平衡为依据选定阈值对廓线进行分组训练, 将大气廓线分为高水汽含量和低水汽含量两类, 利用分组的TIGR 42条廓线生成两套分别适用于高水汽含量大气和低水汽含量大气的辐射传输快速计算系数。研究采用了多组数值作为阈值进行计算, 结果如表 1所示, 因分组训练对于水汽通道正演精度的改进具有相似性, 本文仅展示以0.045 kg·m-2作阈值进行分组训练的研究结果并进行具体分析。

图 4. TIGR 43和NESDIS 35廓线库单位面积大气柱水汽总量分布 (a) TIGR 43廓线库, (b) NESDIS 35廓线库 Fig 4. Water content of air column per square meter of TIGR 43 and NESDIS 35 profile library (a) TIGR 43 profile library, (b) NESDIS 35 profile library

表 1 不同阈值的分组与未分组试验标准差对比结果 (正值为改进值) Table 1 The comparison of standard deviation between experiments with or without group training of different threshold values (positive values for improvement)

图 5显示了相关检验的结果, 对高水汽含量、低水汽含量通道11~13的正演偏差均有不同程度改进, 其中高水汽含量样本训练结果对强吸收通道11和通道12的正演精度改进明显, 分别为0.0267 K和0.0269 K; 而低水汽含量样本训练结果对弱吸收通道13的正演精度改进更为明显, 达0.17 K。图 6是利用NESDIS廓线样本的独立检验结果, 其结果与相关检验趋势一致, 但改进幅度略有降低。

图 5. 利用TIGR 43廓线库的相关精度检验 (a) 高水汽含量廓线的标准差, (b) 低水汽含量廓线的标准差 Fig 5. Relative accuracy test using TIGR 43 profile library (a) standard deviation of brightness temperature of high water content selected, (b) standard deviation of brightness temperature of low water content selected

图 6. 利用NESDIS 35廓线库的相关精度检验 (a) 高水汽含量廓线的标准差, (b) 低水汽含量廓线的标准差 Fig 6. Relative accuracy test using NESDIS 35 profile library (a) standard deviation of brightness temperature of high water content selected, (b) standard deviation of brightness temperature of low water content selected

RTTOV中对水汽吸收导致的通道光学厚度变化通过15个预报因子与实时大气水汽廓线的分布共同完成。图 7是FY-3 IRAS的通道11水汽含量分组前后逐层的单预报因子与总水汽光学厚度的对比。当分组后水汽含量明显增加时, 由图 7可以看到, 水汽光学厚度变化主要集中在700 hPa以下的大气低层, 除了预报因子3, 8, 10的数值基本不变以外, 描述水汽线吸收的光学厚度预报因子项数值发生明显变化, 水汽线吸收在800 hPa高度加强, 这与通道的权重函数高度基本相当。水汽预报因子11~15描述的是水汽连续吸收影响, 预报因子12, 13在数值上基本无变化, 预报因子14, 15是反位相变化, 两项的和基本为零, 因此, 水汽连续吸收的效应主要体现在预报因子11上, 分组前800 hPa左右的峰值极大地弱化, 而1000 hPa附近的次峰得到加强, 与通道权重高度相比更加合理, 这也是通道11的模拟亮温精度得到改进的原因之一。

图 7. NESDIS 35廓线库高水汽含量廓线在通道11的逐层光学厚度统计 Fig 7. Layer optical depth of channel 11 using high water content selected from NESDIS 35 profile library

图 8是通道12的分组前后逐层的单预报因子与总水汽光学厚度的对比情形。通道12的权重函数高度约为700 hPa, 分组后的水汽预报因子对通道探测高度附近水汽线吸收的光学厚度发生较为明显的变化, 预报因子1, 2, 5, 7在数值上变化更显著, 且预报因子的水汽光学厚度峰值都集中在700 hPa附近。

图 8. NESDIS 35廓线库高水汽含量廓线在通道12的逐层光学厚度统计 Fig 8. Layer optical depth of channel 12 using high water content selected from NESDIS 35 profile library

图 9截取了逐层光学厚度在[-5, 5]区间内通道13的逐层水汽光学厚度情况。与通道11和通道12类似, 水汽含量分组前后逐层的单预报因子水汽光学厚度分布在形状上也发生了变化。同时, 通道13为水汽吸收较弱的通道, 水汽影响的光学厚度集中在400~600 hPa, 与通道13的权重函数所处高度一致。但相比于通道11和通道12, 通道13的预报因子逐层光学厚度在快速模式系数分组前后的改变并不明显, 这也体现在独立检验中通道13亮温偏差改进的表现上。

图 9. NESDIS 35廓线库高水汽含量廓线在通道13的逐层光学厚度统计 Fig 9. Layer optical depth of channel 13 using high water content selected from NESDIS 35 profile library

对低水汽含量的廓线模拟与之类似, 但由于水汽含量的减少, 所有水汽吸收导致光学厚度变化均减小。而预报因子的光学厚度变化与高水汽含量廓线的模拟类似, 分组后的水汽吸收光学厚度更加集中在通道权重函数峰值附近, 这对提高模式的模拟精度有很大帮助。但值得注意的是, 由于水汽含量的降低, 微量水汽导致的计算误差有所增加, 如在模拟通道11和通道12的水汽光学厚度时, 部分预报因子在600 hPa附近出现了次峰值, 但由于量值很小, 对计算精度影响较小。

3 结论和讨论

为提高卫星水汽通道亮温模拟精度, 本文提出了一种分组计算快速透射率的方法。该方法根据整层大气水汽总量高低分组训练快速透射率计算系数, 实际计算中根据大气廓线水汽总含量选用相应的系数进行大气透射率快速计算。本文将该方法用于FY-3 IRAS的观测亮温模拟, 并与逐线计算结果进行比较验证。研究结果表明:

1) 分组训练可有效改进水汽通道亮温的正演精度。特别是对低水汽含量廓线的模拟精度改进比较明显, 当以0.045 kg·m-2作阈值进行分组训练时, 最大可达0.17 K。

2) 对通道的逐层光学厚度分析表明:分组的正演模型使水汽吸收与通道探测权重函数的分布具有更好的一致性, 且对水汽的线吸收和连续吸收计算根据通道的探测高度进行了更合理的调整, 对水汽通道计算精度的提高有利。

本文提出了一种可以提高红外水汽通道快速透射率的计算方法, 后续工作需要在此基础上分析水汽分子吸收线参数精度以及输入水汽廓线本身误差造成的辐射传输正演偏差。此外, 由于本文只考虑了大气廓线的整层大气水汽总量, 对于大气廓线的线形影响尚未考量, 这或许是通道13负效应出现的原因所在, 也是未来的研究方向。

致谢 本研究所用的数据来自法国气象局空间气象中心、法国国家科学院动力气象实验室、美国NESDIS数据集及中国国家卫星气象中心, 同时中国国家卫星气象中心的漆成莉、希爽等为本研究提了许多建议, 在此表示衷心的感谢！
参考文献
[1] 漆成莉, 陈勇, 刘辉, 等. 风云三号B星红外分光计的定标和验证. 气象科技进展, 2013, 3, (4): 60–70.
[2] 漆成莉, 董超华, 张文建, 等. 风云三号 (A) 气象卫星红外分光计大气透射率计算试验. 红外与毫米波学报, 2005, 24, (3): 203–206.
[3] 张华, 石广玉. 一种快速高效的逐线积分大气吸收计算方法. 大气科学, 2000, 24, (1): 111–121.
[4] 张华, 石广玉, 刘毅. 两种逐线积分辐射模式大气吸收的比较研究. 大气科学, 2005, 29, (4): 581–593.
[5] Larry M M, Henry E F. Atmospheric transmittance of an absorbing gas.Ⅰ:A computationally fast and accurate transmittance model for absorbing gases with constant mixing ratios in inhomogeneous atmospheres. Appl Opt, 1976, 15, (2): 358–363. DOI:10.1364/AO.15.000358
[6] Larry M M, Henry E F. Atmospheric transmittance of an absorbing gas.Ⅱ:A computationally fast and accurate transmittance model for slant paths at different zenith angles. Appl Opt, 1977, 16, (5): 1366–1370. DOI:10.1364/AO.16.001366
[7] Larry M M, Henry E F. Atmospheric transmittance of an absorbing gas.Ⅲ:A computationally fast and accurate transmittance model for absorbing gases with variable mixing ratios. Appl Opt, 1979, 18, (10): 1600–1606. DOI:10.1364/AO.18.001600
[8] 马刚, 邱崇践, 黎光清, 等. 利用RTTOV7快速辐射传输模式模拟风云二号红外和水汽成像通道辐射率的研究. 红外与毫米波学报, 2006, 25, (1): 37–40.
[9] Jonathan R E, Harold M W. Transmittance of atmospheric gases in the microwave region:A fast model. Appl Opt, 1988, 27, (15): 3244–3249. DOI:10.1364/AO.27.003244
[10] Eyre J R. A Fast Radiative Transfer Model for Satellite souNding Systems. ECMWF Research Dept Tech Memo, 1991: 176.
[11] Rayer P J. Fast transmittance model for satellite sounding. Applied Optics, 1995, 34, (31): 7387–7394. DOI:10.1364/AO.34.007387
[12] Rizzi R, Matricardi M. The use of TOVS clear radiances for numerical weather prediction using an updated forward model. Quart J Royal Meteor Soc, 1998, 124, (548): 1293–1312. DOI:10.1002/(ISSN)1477-870X
[13] Saunders R, Matricardi M, Brunel P. An improved fast radiative transfer model for assimilation of satellite radiance observations. Quart J Royal Meteor Soc, 1999, 125, (556): 1407–1425. DOI:10.1002/qj.497.v125:556
[14] Matricardi M, Chevallier F, Kelly G. An improved general fast radiative transfer model for the assimilation of radiance observations. Quart J Royal Meteor Soc, 2004, 130, (596): 153–173. DOI:10.1256/qj.02.181
[15] Saunders R. RTTOV-7 Science and Validation Report. NWP Technical Report, 2002.
[16] 赵从龙, 蔡化庆, 宋玉东, 等. 对流层水汽和液态水的地基微波遥感探测. 应用气象学报, 1991, 2, (2): 200–207.
[17] 李成才, 毛节泰. GPS地基遥感大气水汽总量分析. 应用气象学报, 1998, 9, (4): 470–477.
[18] 黄意玢, 董超华. 用940 nm通道遥感水汽总量的可行性试验. 应用气象学报, 2002, 13, (2): 184–192.
[19] 何平, 徐宝祥, 周秀骥, 等. 地基GPS反演大气水汽总量的初步试验. 应用气象学报, 2002, 13, (2): 169–183.
[20] 张弓, 许健民, 黄意玢. 用FY-1C两个近红外太阳反射光通道的观测数据反演水汽总含量. 应用气象学报, 2003, 14, (4): 385–394.
[21] 胡秀清, 黄意玢, 陆其峰, 等. 利用FY-3A近红外资料反演水汽总量. 应用气象学报, 2011, 22, (1): 46–56. DOI:10.11898/1001-7313.20110105
[22] 马刚. FY3大气垂直探测器辐射资料的同化应用及研究. 兰州: 兰州大学, 2008: 64–65.
[23] 杨军, 董超华. 新一代风云极轨气象卫星业务产品及应用. 北京: 科学出版社, 2011: 12–20.