FY-3 MWRI亮度温度数据在热带气旋强度的多元统计估计中的研究外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

FY-3 MWRI亮度温度数据在热带气旋强度的多元统计估计中的研究

张淼，邱红，方翔，卢乃锰

（国家卫星气象中心环境卫星辐射校准与验证重点实验室，中国气象局（LRCVES/CMA）和国家卫星气象中心，中国 北京 100081）

摘要：本文开发了利用FY-3微波成像仪（MWRI）数据估算西北太平洋上的热带气旋强度的技术。首先，我们研究了在MWRI不同频率的同心圆或不同半径的环中计算的FY-3 MWRI亮度温度（TB）参数，与热带气旋（TC）最佳路径数据中TC最大风速（Vmax）之间的关系。我们发现较低频率通道的最小TB参数，平均TB参数和距离中心的半径为1.0或1.5度的超过阈值TB的观测比率能具有更高的相关性。通过应用主成分分析（PCA）和多元回归方法，我们建立了一个估算模型，并使用独立的验证数据对其进行评估，其RMSE为13kt。估算的Vmax总是在发展的早期阶段更强，但在成熟阶段稍弱，并且在约为70kt处正偏差和负偏差发生逆转。对于具有较大误差的TC，我们发现它们通常具有散乱和不对称的云型，所以TC云分类有助于提高估算TC强度的精确度，并且随着统计样本增加，估算TC强度的精确度也会提高。

关键字：热带气旋强度；多元统计估计；FY-3；微波成像仪

1引言

热带气旋（TC）是一种伴有强风和强降雨的天气系统，会对社会造成严重灾害。因此，开发一种用于减灾和预防的估算TC强度的技术非常重要。在海洋上，传统的气象数据非常稀缺，卫星提供了监测这些风暴的最常用手段，大多数业务中心通过“Dvorak技术”^[1，2]估算TC强度，该技术基于卫星可见光和红外图像的“形态识别”，且常常都能取得成功^[3]。然而，当上层被密集的卷云遮盖时，很难检测到TC的低层特征，而微波可以穿透顶层下的大部分云层，并描绘出TC的内部特征^[4，5]。卫星被动微波辐射计检测TC的能力已在许多研究中得到证实，如Niu等人^[6]，他们使用TRMM/TMI数据定量分析了西北太平洋的热带气旋降水，水汽路径和潜热之间的关系，Wang等人^[7]使用TRMM/TMI的微波亮温（TB）数据来反演台风Aere的降水。

卫星搭载的被动微波温度探测器已被许多学者用于监测TC强度。总而言之，55GHz微波观测出的TC对流层异常增暖区域与TC强度有关^[8-11]。最近，卫星搭载的被动微波成像仪也被用来监测TC强度。最初，只使用了85-GHz通道^[12-14]，因为它具有高分辨率和对降水量大小的冰粒的敏感性，这些冰粒是由强上升气流产生的，并且伴随着这些上升气流，潜热释放为TC提供了形成和维持所需的能量。因此，研究从85GHz到TC强度，未来强度和强度变化的相关信息会取得不同程度的成功^[12-14]。接着，其他一些研究开发了一种估算TC强度的方法，不仅使用高频数据还使用低频通道，例如在Hoshino等人的工作中^[15]开发了利用10，19，21，37和85GHZ TRMM/TMI通道的估算TC强度的方法。首先，他们计算了不同TMI频率下同心圆或不同半径的环中的TB参数，然后从30个候选中选择三个参数计算回归系数并选择10个回归方程，按低均方根误差（RMSE）排序，接着采用十个方程的平均值作为最终估计的Vmax。Yoshida等人^[16]采用与Hoshino相同的技术，使用来自AMSR-E（高级微波扫描辐射计-地球观测系统）的微波图像估算TC强度，该微波图像也使用了低频通道。

FY-3气象卫星于2010年11月5日发射，是中国第二代极轨气象卫星，而且微波辐射成像仪（MWRI）是其主要有效载荷之一。利用2011年至2013年的数据，我们从TC最佳路径数据调查了FY-3B MWRI TB参数与TC Vmax之间的关系，然后通过应用主成分分析（PCA）和多元回归方法，建立了估算西北太平洋TC强度的估算模型。

2参数与TC VMAX的关系

2.1数据

FY-3B MWRI有10个具有双极化的通道，分别为10.65、18.7、23.8、36.5和89.0GHz。表1列出了通道的特征。MWRI/L1TB数据可从国家卫星气象中心（NSMC）获得，通过网站http://satellite.cma.gov.cn/portalsite/default.aspx.下载。TC最佳路径数据可从日本气象厅（JMA）获得，可通过网站下载，网址为http://www.jma.gov.jp/jma/jma-eng/jmacenter/rsmc-hp-pub-eg/besttrack.html.

表1 MWRI通道的特征

2.2原理

LEKIMA（2013年第28次台风）的FY-3B MWRI水平极化TB图像如图1所示，接近微波的可见光图像和红外辐射计（VIRR）的红外图像观测如图2所示。可以看出，与可见光和红外观测相比，微波图像可以揭示TC的降水云团，尤其是眼墙和外部雨带的深层对流云团。

图1 2013年10月24日03:05，LEKIMA的FY-3BMWRI水平极化TB图像

图2 2013年10月24日03:35UTC，LEKIMA的VIRR红外（a）和可见（b）图像

通过利用威斯康星大学的非流体静力平衡模式系统（UW-NMS）云解析模型，计算出卡特里娜飓风的基本大气参数，并将其与VDISORT微波辐射传输模式结合，我们模拟出了上升流TB，初步分析了MWRI通道对模型中使用的五种水凝物（雨滴，雪，霰粒子，云滴和原始冰晶）的柱状液/冰水含量（CWC）的响应。该模拟的剖面如图3所示。我们可以看到，在接近飓风中心的地方，低频TB（10.65，18.7和23.8 GHZ）随着水凝物的增加而增加，而在37 GHZ通道和水凝物较少时，TB也随着水凝物增加而增加；水凝物较多时，由于水凝物的散射（特别是雪和霰），TB会随着水凝物增加而减少，而89 GHZ通道的TB也随着水凝物增加而减少。

基于以上的观察和模拟分析，我们得出结论，平均值，最小值，最大值TB，和在MWRI不同频率的同心圆或不同半径的环中计算的超过阈值TB的观测比率，都能被用于估算TC强度。

图3 卡特里娜飓风模拟的剖面显示了MERI通道的TB（a）和五个水凝物的CWC（b）

2.3方法

在这项研究中，我们研究了在西北太平洋发展到热带风暴阶段（当最大风速超过35kt时）的TC，并且排除了在TC中心的2°同心圆内有陆地的情况。接着，2011年，2012年，2013年的个例数分别为43、73和80，这些个例的中心位置如图4所示。

图4 TC的中心位置

基于Hoshino等人方法^[15]，通过选择频率，覆盖范围和计算类型计算了相关参数。有两种用于选取覆盖范围的选择。一个是每0.5°到2°纬度取半径不同的同心圆。另一个是每0.5°个纬度取由圆圈包围的环形。在覆盖区域内计算平均值（MEAN），最小值（MIN），最大值（MAX）TB和超过阈值TB的观测比率（AREA）。对于AREA，每10K^[15]计算一个参数，如表2所示。根据该方法，获得1050个参数。此后，每个参数的命名如下：首先，提出频率（例如，TB10H为10GHz的水平极化TB），或PCT（极化校正温度）89（PCT89=1.818TBV-0.818TBh^[15]，TBV为89GHz的水平极化TB，TBh为89GHz的垂直极化TB）。其次，参数的种类（即MEAN，MIN，MAX，AREA）。对于AREA，阈值数如下。最后是计算的覆盖范围（C或A）。计算区域写为C，后面是圆的半径，而A，后面是环的内半径和外半径。例如，C10表示半径为纬度1.0°的圆，A1015表示内半径为纬度1.0°和外半径为纬度1.5°的环。因此，TB10H_MEAN_C10表示在纬度1.0°半径的圆中10GHz-H的平均TB。

表2 每个频道和PCT89的最低和最高阈值温度

2.4结论

我们计算了TB参数与最佳路径数据Vmax之间的相关系数（Corr.Coef.），以及显著性水平为alpha;=0.05的t检验。有792个参数通过了t测试，并将在下一阶段中使用。三个较低频率通道的最高相关参数和PCT89的MIN，MAX，MEAN，AREA参数与Vmax一起在表3中给出。相关系数也在表中给出。从中得出以下特征：

较低频率的相关系数高于PCT89。在较低频率下，液态水路径的灵敏度增强范围约为0到0.5mm。这个范围经常出现在TC的含水核心区域^[18]。然而，85GHz通道的饱和量约大于0.3mm^[14]，因此较低的频率可以更好地反映TC的结构。

较低频率的MIN（PCT89 的MAX），AREA和MEAN与Vmax高度相关，而较低频率的MAX（PCT89的MIN）则表现出较低的相关性。随着水凝物的增加，较低频率的TB会升高，而PCT89会降低，表示随着有组织的TC形成会出现相同的趋势。这表明较低频率的MAX（PCT89的MIN）应与Vmax高度相关，但结果并非如此。可能的原因是，即使存在小的活动对流，或者该区域有大雨的观测时，MAX也可能很高，但这并不能代表TC的整体强度^[16]。此外，随着水凝物的增加，水凝物的衰减和散射效应会影响TB在TC中的饱和度。因此使用较低频率的MIN（PCT89 的MAX89），AREA和MEAN代表TC的整体强度更好。

对于较低频率的参数，它与Vmax的高相关性表现在C10和C15中。我们推测整体TC强度不仅与核心区域有关，而且与周围区域也有关。当然，这可能与台风眼大小或TC的平均大小有关^[16]，因此在未来工作中，我们可能不得不考虑台风眼或TC的大小。

表3 三个最高的较低频率的相关参数和带有Vmax和相关系数的PCT89的MIN，MAX，MEAN，AREA参数

3用PCA和多元回归方法估计VMAX

3.1方法

一方面，由于参数太多，参数之间容易产生显著的线性相关性，另一方面，使用逐步回归方法来建立估算模型可能会出现不稳定性。因此，本研究采用PCA方法^[19]。PCA是一种统计方法，它使用正交变换将一组可能相关变量的观测值转换为一组线性不相关变量，称为主成分。主成分的数量小于或等于原始变量的数量。这种转换的定义方式使得第一主成分具有尽可能大的方差（或者尽可能多地考虑数据中的可变性），每个后续成分依次具有可能的最大方差，并且与前面的成分正交（即与之不相关）。仅使用前几个主成分，减少了变换数据的维数，并且有效地抑制了不稳定性。

本文使用2011年和2012年的数据开发估算TC强度的方法。主要成分的累积方差贡献如表4所示。可以看出，前七个主成分的累积方差贡献可以达到90％以上，前七个主成分被用作计算回归方程的新参数，其中f是估算的Vmax，z是新参数，a是回归系数，如表5所示。

f=a₀ a₁z₁ a₂z₂ a₃z₃ a₄z₄ a₅z₅ a₆z₆ a₇z₇

表4 主要成分的累积方差贡献

表5 用2011年和2012年的数据作为统计样本的回归系数

3.2验证

本文使用2013年的独立数据验证我们估算方法的性能。图5给出了估算的Vmax和最佳路径的Vmax的散点图，其分布在实线附近。估算Vmax与最佳路径完全一致，这表明有一个良好的估算值。验证的RMSE为13kt。Hoshino等人^[15]利用TRMM/TMI数据和西北太平洋上12kt的RMSE开发了估算TC强度的方法。Yoshida等人^[16]采用与Hoshino相同的技术，利用AMSR-E数据和11kt的RMSE估算TC强度。AMSR-E具有MWRI所没有的6 GHz频率，并且可以提供更多信息。TRMM/TMI的空间分辨率高于MWRI。辐射校准和空间传播仪器各不相同。所有这些都可能是导致估算TC强度的研究之间存在差异的原因。因此，与最佳路径Vmax的5kt最小间隔值相比，结果为13kt的水平与11-12kt的相同。

图5 通过最佳路径的估计Vmax和Vmax的散点图

4误差分析

4.1使用最佳路径Vmax等级对估算Vmax的比较

使用表6中所示的最佳路径Vmax等级进行统计研究，并且给出RMSE和平均偏差。可以看到一个高达49kt和从90到120kt的RMSE大值，这与Yoshida等人^[16]的结果一致，但是从80到89kt的RMSE也很大，可能是因为这类的样本太小，以至于无法有效提取TC的特性。此外，在约70kt

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19250]，资料为PDF文档或Word文档，PDF文档可免费转换为Word