基于快速局域线性回归的IRAS/FY-3B大气温湿廓线反演

Abstract

提出一种快速的局域线性回归（Fast Locally Linear Regression，FLLR）算法，用于从搭载在风云三号B星（FY-3B）上的红外大气探测仪（IRAS）红外观测数据反演大气温湿廓线。算法所需的观测样本为IRAS／FY-3B L1数据红外观测值与AIRX2RET V5产品的时空匹配数据，以2011年为例，在180°W~180°E、60°N~60°S的研究区域内按照观测时间绝对差小于15 min和观测角度绝对差小于2°的条件获取观测样本，并对样本进行了评价。在匹配观测样本的基础上比较分析了FLLR算法与LLR算法、D矩阵算法和非线性的神经网络算法，然后采用FLLR算法从IRAS／FY-3B L1数据反演得到2011年全年的大气温湿廓线，并外推反演得到2012年第1季度的大气温湿廓线。最后，利用相应的ECMWF再分析数据和RAOB探空观测对2011年的反演结果进行了精度验证，采用AIRX2RET V5产品对2012年第1季度的外推反演结果进行了验证。结果显示：与D矩阵算法相比，FLLR算法反演大气温度和湿度廓线的均方根误差分别减小~0.8 K和~0.5 g／kg，其精度与非线性的神经网络算法相当；相对于ECMWF再分析数据，本文大气温度和湿度廓线反演结果的均方根误差分别小于2.5 K和2.3 g／kg；而相对于RAOB数据，其均方根误差分别小于3.5 K和2.0 g／kg；2012年第一季度外推反演结果的均方根误差分别小于2.5 K和1.6 g／kg，与算法精度基本一致。IRAS／FY-3B大气温湿廓线的反演精度与MOD07 V5大气廓线产品相当