2 国家卫星气象中心, 北京 100081
2 National Satellite Meteorological Center, Beijing 100081
海—气相互作用实现了海洋与大气间水分和热量的交换,而这种交换的能量来源是海洋表面的净辐射;陆地上,太阳辐射、表面长波辐射驱动了陆地表面的生物、物理和化学过程,陆表净辐射是陆面过程的唯一能量来源。海—气、陆—气相互作用在各种时空尺度上对天气、气候的形成产生了重要影响,因此地表净辐射的各个要素:地表入射短波辐射通量(Downward shortwave Radiation at surface,DSR)、反射短波辐射通量(Reflected Shortwave Radiation at surface,RSR)、地表上行长波辐射通量(Upwelling Longwave Radiation at surface,ULR)、地表下行长波辐射通量(Downward Longwave Radiation at Surface,DLR)多年来一直是大气环流模式、区域气候模式的主要输入参量,也是气象卫星遥感产品开发的对象,气象卫星产品能为预报模式提供实时的、更为真实的输入量,进而增进天气、气候模式的可靠性。
关于地表长波辐射的研究起始于20世纪30年代,一批科学家如Brunt(1932)、Idso and Jackson(1969)、Brutsaert(1975)、Jin et al.(2005)等通过理论计算和观测资料的统计分析得到由地面气温和相对湿度计算地表下行长波辐射通量的各种经验函数,到20世纪80年代国际上开始利用气象卫星遥测资料反演DLR,Darnell et al.(1983)、Frouin et al.(1988)等采用NOAA(National Oceanic and Atmospheric Adminsrtation)卫星TOVS(TIROS Operational Vertical Sounder)仪器的垂直温湿廓线产品和辐射传输模式计算DLR,Gupta(1989)、Gupta et al.(1992)等发展了用气象卫星探测到的低层大气温度和水汽含量估算DLR的理论模型,21世纪Lee and Ellingso(2002)建立了NOAA/ HIRS通道数据与DLR的统计回归模型,Tang and Li(2008)、Wang W H and Liang(2009)通过辐射传输模拟得到从MODIS(MODerate-resolution Imaging Spectroradiometer)多通道辐亮度计算DLR的线性及非线性回归模式,同时由卫星遥感反演的地面长波辐射产品也相继出现,如GEWEX(Global Energy and Water Cycle Experiment)、CERES(Clouds and the Earth’s Radiation Energy System)、EUMETSAT CM-SAF(European Meteorological Satellite Application Facility on Climate Monitoring)、ISCCP-FD(International Satellite Cloud Climatology Project-Flux Dataset),AQUA、TERRA卫星CERES仪器的DLR产品采用了与Gupta et al.(1997)近似的反演方法,GOES-R(Geostationary Operational Environmental Satellite-R)及我国的FY-4卫星DLR产品反演方法则在Gupta、Lee模型基础上作了进一步发展(Lee,2010;吴晓,2014)。相比之下ULR的反演方法较为简单,一般是用地表温度和比辐射率计算,像CERES的ULR产品反演,而Wang et al.(2009)等通过辐射传输和统计回归分析得到MODIS多通道辐亮度与ULR的线性回归模式,取得了较好的反演精度。
2014年10月发射的日本静止气象卫星Himawari08,定位于赤道(0.0°,140.0°E)上空35800 km,星上成像仪开设有3个可见光、3个近红外、10个红外共16个探测通道,可见光通道图像分辨率达0.5 km,近红外和红外分别为1 km、2 km,每10 min完成一次半球范围的扫描,由于较高的时间、空间分辨率,Himawari08成为日本新一代的静止气象卫星,其观测资料对于天气预报、气候研究有着重要的应用价值。国家卫星气象中心从2015年8月开始接收日本气象厅下发的Himawari08观测数据,基于FY-4产品开发的研究基础,我们反演生成了包括地表长波辐射等一系列Himawari08产品,通过对DLR、ULR产品精度的验证试验,检验了反演模式的性能,为成功处理FY-4的地表长波辐射产品做了进一步准备,同时分析高时间分辨率的产品,得到DLR、ULR的一些特征。下面详细介绍利用Himawari08观测资料估算ULR、DLR产品的算法原理,生成产品和产品精度验证,以及对产品特征、主要是日变化特征的初步分析。
2 Himawari08 DLR、ULR产品算法 2.1 算法建立由Himawari08估算DLR的反演模式,借鉴了GOES-R方法,通过对全球446183条晴空大气廓线的红外辐射传输模拟、统计回归而建立,相似的FY-4 DLR产品反演模式建立过程在吴晓(2014)中有详细的叙述,在此不再赘述。ULR反演模式则是通过全球大气廓线的ULR、多通道辐亮度模拟,借助多元线性回归软件建立。反演模式的通道选择是基于通道光谱特性、及其探测到的下垫面信息,Himawari08星成像仪的16个探测通道光谱特性及探测目的如表 1,由于通道13(10.4 μm)、16(13.3 μm)分别反映地表温度、和低层900~800 hPa温度信息,因此用于反演低层大气温度、进而计算DLR;ULR反演选择通道11(8.6 μm)、13(10.4 μm)、15(12.3 μm)、16(13.3 μm),通道13、15在大气窗区,反映了地表温度、与地表向上长波辐射高度相关,而通道11、16反映了低层大气的水汽和温度,与低层大气向下辐射有关,地表上行长波辐射包括地表向上发射辐射和反射的下行辐射,因此以上4个通道用于反演ULR。
通过Himawari08遥测数据可以计算得到DLR,方法如下:
(1)计算低层大气有效辐射温度
${T_{\rm{e}}} = {b_1}{T_1} + {b_2}{T_2} + {b_3}{T_{\rm{S}}},$ | (1) |
其中,T1是与地表气压相差150 hPa的低层大气平均温度(如果地面气压是1013 hPa,为1013~850 hPa的气层),T2是与地表气压相差150~300 hPa大气的平均温度(850~700 hPa的气层),Ts是地表温度;b1、b2、b3是经验权重函数分别取0.35、0.05、0.6。进一步将T1、T2写为4个标准层上温度的平均值,如下:
${T_1} = ({T_{{\rm{75hPa}}}} + {T_{{\rm{150hPa}}}})/2.0,$ | (2) |
${T_2} = ({T_{{\rm{225hPa}}}} + {T_{{\rm{300hPa}}}})/2.0,$ | (3) |
其中,
${T_{{\rm{75hPa}}}} = A(\theta ,z) + B(\theta ,z) \times {T_{{\rm{B16}}}},$ | (4) |
${T_{{\rm{150hPa}}}} = C(\theta ,z) + D(\theta ,z) \times {T_{{\rm{B16}}}},$ | (5) |
${T_{{\rm{225hPa}}}} = E(\theta ,z) + F(\theta ,z) \times {T_{{\rm{B16}}}},$ | (6) |
${T_{{\rm{300hPa}}}} = G(\theta ,z) + H(\theta ,z) \times {T_{{\rm{B16}}}},$ | (7) |
其中,
(2)计算低层大气比辐射率。由如下统计回归公式计算低层大气比辐射率
$\varepsilon = {a_0}(z) + {a_1}(z)w + {a_2}(z)\sqrt w ,$ | (8) |
其中,w是大气柱总可降水量,单位:cm,由卫星大气柱总可降水量产品得到,由于产品限制Himawari8采用了预报场GFS(Global Forecast System)资料的w;
(3)DLR计算。到达地面的大气下行辐射99%来源于地面至700 hPa以内的近地层,卫星观测像元的DLR由如下公式计算:
${F_{\rm{D}}} = \varepsilon \sigma {T_{\rm{e}}}^4,$ | (9) |
其中,
通过Himawari08遥测数据可以计算得到ULR,方法如下:
(1)由通道11、13、15、16亮温计算通道辐亮度。由普朗克公式计算选择通道辐亮度,如下
${R_i}_{} = \frac{{{c_1}{\nu _i}^3}}{{{e^{{c_2}{\nu _i}/{T_{{\rm{B}}i}}}} - 1.0}},$ | (10) |
其中,
(2)由统计回归公式计算ULR。用通道11、13、15、16辐亮度计算ULR的统计回归公式如下:
$\begin{array}{l} {F_{\rm{U}}} = {a_0}(\theta ) + {a_1}(\theta ){R_{11}} + {a_2}(\theta ){R_{13}} + {a_3}(\theta ){R_{15}} + \\ \quad \quad {a_4}(\theta ){R_{16}} + {b_1}(\theta ){R_{11}}^2 + {b_2}(\theta ){R_{13}}^2 + \\ \quad \quad {b_3}(\theta ){R_{15}}^2 + {b_4}(\theta ){R_{16}}^2, \end{array}$ | (11) |
其中,
图 1、2分别是由DLR、ULR产品处理得到的2016年2月13:00(北京时间,如无特殊说明则下同)的平均DLR、ULR,可见晴空DLR、ULR的分布与下垫面温度分布特征相一致,随地球上温度的分布而呈纬度带分布变化,青藏高原有着低于同纬度其他地区的DLR,这是由于高海拔吸收气体稀薄、大气温度较低使得向下发射的DLR较小。
采用与国外卫星同类产品互比、与地面观测的经验计算值互比、与地面辐射观测数据互比等多种方法,检验Himawari08 DLR、ULR产品的精度。
3.2.1 与AQUA/CERES DLR、ULR产品比较2015年8月20日的AQUA卫星CERES仪器的瞬时视场DLR、ULR产品(http://ceres.larc.nasa.gov[2016-06-01])(CERES_SSFlevel2_Ed3A,CERES二级产品),其星下点分辨率为30 km,与Himawari08产品做时空匹配后,得到观测时间在16:10至16:20,地理范围(0°~50°S,120°E~180°),数据分辨率为0.6°(纬度)×0.6°(经度)的2个卫星DLR、ULR格点场,DLR、ULR的两星差值图如图 3、4,图中白色为资料覆盖不到、或有云的地区,由于CERES的ULR、DLR产品是所有天空状况的,而晴空与有云参与时的DLR差别很大,因此在DLR对比中对Himawari08产品做了更为严格的晴空筛选(0.6°×0.6°内90%以上的格点为晴空),这就使得图 4相对于图 3没有资料的地区多。图 3中两星ULR比较均方根误差为7.9 W/m2、相关系数R是0.9399,系统偏差为-2.0 W/m2,误差主要源于反演方法的不同,CERES是用NOAA MOA(Meteorology Ozone and Aerosol data)资料的地面温度经物理公式计算ULR,Himawari08则是由星上多通道辐亮度反演ULR;图 4中DLR的均方根误差是14.5 W/m2,相关系数R是0.9586,系统偏差为-9.2 W/m2,较大的负偏差与CERES资料0.6°(纬度)×0.6°(经度)内有云参与有关,产品处理中对低层大气温度的处理方法不同和水汽含量的资料来源不同也是两者DLR相差的原因。
用中国地面气象站的地面气温、地面相对湿度观测资料,计算了气象站观测时刻的DLR,Brunt、Brutsaert气象经验公式如下(Wang K C and Liang, 2009):
${F_{\rm{D}}} = {\varepsilon _{\rm{s}}}\sigma {T_{{\rm{sa}}}}^4$ | (12) |
${\varepsilon _{\rm{s}}} = {\alpha _1} + {\alpha _2}\sqrt {{e_{\rm{a}}}} (h<1000{\rm{ m}}){\rm{ }},$ | (13) |
${\varepsilon _{\rm{s}}} = {b_1}{({e_{\rm{a}}}/{T_{{\rm{sa}}}})^{{b_2}}}(h > 1000{\rm{ m}}){\rm{ }},$ | (14) |
其中,
地表上行长波辐射通量的物理计算公式如下:
${F_{\rm{U}}} = {\varepsilon _{\rm{s}}}\sigma {T_{\rm{s}}}^4 + (1 - {\varepsilon _{\rm{s}}}){F_{\rm{D}}}.$ | (15) |
2016年3月3日00:00由Himawari08陆表温度LST试验产品计算的ULR与反演ULR的差值图如图 6(LST产品是基于分裂窗技术,进行了大气吸收和地表比辐射率订正而得到的反演产品,与地面观测资料相比最大误差为2 K),由图可见反演产品与物理计算值误差在-10~+10 W/m2,ULR反演模式的误差以及LST产品误差是两者不同的原因。
由于地面气象辐射站的观测要素没有单独的DLR、ULR,因此只能由净全辐射(净短波和净长波辐射之和)、太阳短波入射与反射通量观测数据提取净长波辐射通量,计算公式如下
${R_{{\rm{nl}}}} = {R_{\rm{n}}} - ({S_{{\rm{down}}}} - {S_{{\rm{ref}}}}),$ | (16) |
其中,
将2016年2月、6月逐日逐小时(协调世界时)DLR、ULR产品按当地时间处理成一日24 h(当地时间)的格点场,由于云覆盖使得日内各小时的ULR、DLR数据不完整,因此对月内30 d的某小时(当地时间)格点场做平均,得到月平均的某小时DLR、ULR格点场数据,以下分析是基于这一月平均24 h晴空DLR、ULR资料。对于这一资料定义归一化日变化指数N(Ellingson and Ba, 2003),如下:
$N = \frac{{{F_{{\rm{U}}i}} - {F_{{\rm{Uin}}}}}}{{{F_{{\rm{Umax}}}} - {F_{{\rm{Umin}}}}}},$ | (17) |
或:
$N = \frac{{{F_{{\rm{D}}i}} - {F_{{\rm{Dmin}}}}}}{{{F_{{\rm{Dmax}}}} - {F_{{\rm{Dmin}}}}}},$ | (18) |
其中,
$N = \sin \left[ {\frac{{(t - 13){\rm{ \mathsf{ π} }}}}{{12}} + \frac{{\rm{ \mathsf{ π} }}}{2}} \right],$ | (19) |
$N = 0.15 - 0.021428t,$ | (20) |
$N = 0.65048 - 0.02176t,$ | (21) |
式中,t是当地时间,式(19)代表 07:00(当地时间)至18:00(当地时间)的N,式(20)代表 00:00(当地时间)至07:00(当地时间)N,式(21)代表 18:00(当地时间)至23:00(当地时间)N,夏季半正弦曲线为
$N = \sin \left[ {\frac{{(t - 13.25){\rm{ \mathsf{ π} }}}}{{14.5}} + \frac{{\rm{ \mathsf{ π} }}}{2}} \right].$ | (22) |
DLR、ULR如此的日变化规律可以解释为太阳辐射对地表的加热,随着日出地表吸收太阳辐射、地表温度增大,同时地表向上辐射的长波辐射通量增大,向上长波辐射通量越大、低层大气吸收的长波辐射能量越多、造成低层大气增温,这样向下辐射的通量越大,而日落后随着地表及低层大气辐射冷确,地表和低层温度降低,DLR和ULR逐渐变小,到凌晨达到最低值;图 10、图 11是2016年2月卫星观测范围内DLR通量的峰值和低谷出现时间(ULR图略),从图可见冬季的中国大陆和周边地区DLR峰值时间出现在12:00(当地时间)至14:00(当地时间),多为13:00(当地时间),处于夏季的澳洲大陆基本完全在13:00(当地时间),DLR一天中的最低值出现在冬季的中国大陆早晨06:00至07:00,而在夏季的澳洲大陆为05:00(当地时间)至06:00(当地时间),这一现象与北南半球太阳日出时间的早晚有关,海洋上DLR则没有出现规律的峰值与低谷时间;从ULR、DLR图还可以看到在一些区域DLR与ULR同步变化、另一些区域DLR峰值约延时ULR 1 h,但海洋上DLR与ULR均没有规律的峰值与低谷时间。
地球表面的净辐射是表面辐射收支的重要参量,它直接控制着表面温度、潜热及感热通量,影响大气、海洋环流以及水文圈,对全球气候系统产生了重要影响,作为地面净辐射的组成部份ULR、DLR一直是各种气候模式的输入要素,也是气象卫星产品研发的对象。近年来随着反演方法的成熟,美国、欧洲都相继处理出气象卫星的ULR与DLR产品,而我国将通过2016年12月发射的FY-4卫星的地面应用系统,业务生成ULR、DLR产品,这篇文章中介绍的算法将在FY-4产品处理中重复应用(只是反演模式的系数不同)。
本文通过对Himawari08卫星生成的DLR、ULR实时产品的精度评估,检验了2个地面长波辐射通量反演模式的性能,同时我们利用Himawari08的DLR、ULR产品,分析了晴空条件下的DLR、ULR场特征,得到:
(1)DLR、ULR与地面温度、大气温度相联系,有与地球气候带气温相一致的纬向分布特征。
(2)DLR与海拔相关,青藏高原DLR明显低于同纬度其他地区。
(3)陆地上,DLR、ULR有着与日出、日落相联系的日变化规律,最低值出现在凌晨04:00至07:00,最高值出现在午后12:00至14:00,在卫星观测范围内,多数地区DLR与ULR变化同步,一些地区DLR峰值、低谷比ULR约晚1小时,夏季DLR、ULR低谷比冬季早约1~3 h,与日出时间相关。
(4)陆地植被、沙漠表面的DLR、ULR具有相同的日变化特征,类似于一个半正弦曲线,而冰雪表面DLR、ULR日变化轮廓与植被、沙漠约有不同。
受卫星仪器通道特性、支持产品的限制,Himawari08、FY-4卫星都只能处理晴空条件下的DLR、ULR产品,显然不能完全满足应用要求,在此我们希望将来,在云顶高度产品与高时间频率预报场资料相结合的基础上,能够实现全天空状况下的DLR产品及ULR产品处理,这将是我们进一步的工作。
致谢: 感谢国家“千人计划”科学家李俊博士对本文工作给予的帮助。[] | Brunt D. 1932. Notes on radiation in the atmosphere. I[J]. Quart. J. Roy. Meteor. Soc., 58(247): 389–420. DOI:10.1002/qj.49705824704 |
[] | Brutsaert W. 1975. On a derivable formula for long-wave radiation from clear skies[J]. Water Resour. Res., 11(5): 742–744. DOI:10.1029/WR011i005p00742 |
[] | Darnell W L, Gupta S K, Staylor W F. 1983. Downward longwave radiation at the surface from satellite measurements[J]. J. Appl. Meteor., 22(11): 1956–1960. DOI:10.1175/1520-0450(1983)022<1956:DLRATS>2.0.CO;2 |
[] | Ellingson R G, Ba M B. 2003. A study of diurnal variation of OLR from the GOES sounder[J]. J. Atmos. Oceanic Technol., 20(1): 90–99. DOI:10.1175/1520-0426(2003)020<0090:ASODVO>2.0.CO;2 |
[] | Frouin R, Gautier G, Morcrette J J. 1988. Downward longwave irradiance at the ocean surface from satellite data:Methodology and in situ validation[J]. J. Geophys. Res, 93(C1): 597–699. DOI:10.1029/JC093iC01p00597 |
[] | Gupta S K. 1989. A parameterization for longwave surface radiation from sun-synchronous satellite data[J]. J. Climate, 2(4): 305–320. DOI:10.1175/1520-0442(1989)002<0305:APFLSR>2.0.CO;2 |
[] | Gupta S K, Darnell W L, Wilber A C. 1992. A parameterization for longwave surface radiation from satellite Data:Recent improvements[J]. J. Appl. Meteor., 31(12): 1361–1367. DOI:10.1175/1520-0450(1992)031<1361:APFLSR>2.0.CO;2 |
[] | Gupta S K, Whitlock C H, Ritchey N A, et al. 1997. An algorithm for longwave surface radiation budget for total skies[C]//CERES ATBD Subsystem 4. 6. 3-Longwave Surface Radiation Budget for Total Skies. Version 2. 2. |
[] | Idso S B, Jackson R D. 1969. Thermal radiation from the atmosphere[J]. J. Geophys. Res., 74(23): 5397–5403. DOI:10.1029/JC074i023p05397 |
[] | Jin X, Barber D, Papakyriakou T. 2005. A new clear-sky downward longwave radiative flux parameterization for arctic areas based on rawinsonde data[J]. J. Geophys. Res, 111(D24): D24104. DOI:10.1029/2005JD007039 |
[] | Lee H T. 2010. Downward longwave radiation-surface[C]//Proceedings of Meeting GOES-R 2010 AWG Annual Meeting. Madison, WI: AWG, 2010. |
[] | Lee H T, Ellingson R G. 2002. Development of a nonlinear statistical method for estimating the downward longwave radiation at the surface from satellite observations[J]. J. Atmos. Oceanic Technol., 19(10): 1500–1515. DOI:10.1175/1520-0426(2002)019<1500:DOANSM>2.0.CO;2 |
[] | Tang B H, Li Z L. 2008. Estimation of instantaneous net surface longwave radiation from MODIS cloud-free data[J]. Remote Sensing of Environment, 112(9): 3482–3492. DOI:10.1016/j.rse.2008.04.004 |
[] | 王炳忠, 莫月琴, 杨云. 2010. 现代气象辐射测量技术[M]. 北京: 气象出版社: 76-82. Wang Bingzhong, Mo Yueqin, Yang Yun. 2010. Modern Meteorological Radiative Measurement Technology[M]. Beijing: China Meteorological Press: 76-82. |
[] | Wang W H, Liang S L. 2009. Estimation of high-spatial resolution clear-sky longwave downward and net radiation over land surfaces from MODIS data[J]. Remote Sensing of Environment, 113(4): 745–754. DOI:10.1016/j.rse.2008.12.004 |
[] | Wang W H, Liang S L, Augustine J A. 2009. Estimating high spatial resolution clear-sky land surface upwelling longwave radiation from MODIS data[J]. IEEE Trans. Geosci. Remote Sens., 47(5): 1559–1570. DOI:10.1109/TGRS.2008.2005206 |
[] | Wang K C, Liang S L. 2009. Global atmospheric downward longwave radiation over land surface under all-sky conditions from 1973 to 2008[J]. J.Geophys.Res, 114(D19): D19101. DOI:10.1029/2009JD011800 |
[] | 吴晓. 2014. 从FY-4静止气象卫星估算晴空地表下行长波辐射通量的反演模式[J]. 气候与环境研究, 19(3): 362–370. Wu Xiao. 2014. Retrieval model for estimating clear-sky downward longwave radiation at the surface from the FY-4 geostationary satellite[J]. Climatic and Environmental Research, 19(3): 362–370. DOI:10.3878/j.issn.1006-9585.2013.13032 |