基于MHS微波数据的大气湿度廓线反演研究

摘要

作为天气预报和大气科学研究的基础参数，大气湿度在天气分析和数值模拟领域具有重要的研究意义和价值。如何提供大范围、高精度的湿度廓线已成为提高数值天气预报准确性的关键问题。本研究采用UNet3+神经网络，以ERA-5再分析资料为基准，利用微波湿度计(microwave humidity sounder, MHS)观测的微波亮温数据，对中国区域300～1 000 hPa不同高度层的大气比湿进行反演。2021年全年观测数据的测试结果表明：本研究反演的比湿与ERA-5在空间分布上具有较好的一致性。误差主要集中在东南沿海的陆地区域，海洋区域的误差相对较小。各高度层的比湿均方根误差的区域平均值都在1.53 g/kg以内，相关系数均在0.9以上，整体反演精度较高。对比探空资料，反演结果与探空数据有较好的一致性，反演结果的年际均方根误差在300～1 000 hPa高度层上的平均值为0.91 g/kg。与探空数据相比，反演的比湿整体偏低。

关键词

微波湿度计 / 深度学习 / UNet3+ / 湿度廓线 / 大气反演