基于不同背景场的云内COSMIC掩星资料的偏差分析

殷延安; 杨胜朋

doi:10.7522/j.issn.1000-0534.2022.00098

高原气象 >

2023 , Vol. 42 >Issue 5: 1351 - 1360

DOI: https://doi.org/10.7522/j.issn.1000-0534.2022.00098

论文

基于不同背景场的云内COSMIC掩星资料的偏差分析

殷延安 ,
杨胜朋

展开

1. 南京信息工程大学大气科学学院，江苏南京 210044
2. 南京信息工程大学资料同化研究与应用联合中心，江苏南京 210044

殷延安（1998 -），男，安徽安庆人，硕士研究生，主要从事GNSS掩星气象学的研究. E-mail： 20211201055@nuist.edu.cn

收稿日期: 2022-07-07

修回日期: 2022-11-15

网络出版日期: 2023-09-26

基金资助

国家自然科学基金项目(41875032)

收起

Bias Characteristics of COSMIC RO Data within Clouds Based on Different Background Fields

Yan’an YIN ,
Shengpeng YANG

Expand

1. Joint Center for Data Assimilation Research and Application，Nanjing University of Information Science and Technology，Nanjing 210044，Jiangsu，China
2. College of Atmospheric Science，Nanjing University of Information Science and Technology，Nanjing 210044，Jiangsu，China

Received date: 2022-07-07

Revised date: 2022-11-15

Online published: 2023-09-26

Fold

摘要

利用2007 -2009年CloudSat卫星云廓线雷达（nadir-pointing cloud profiling radar， CPR）资料，气象、电离层和气候卫星联合观测系统（Global Constellation Observing System for Meteorology， Ionosphere， and Climate， COSMIC）掩星资料，分析了不同类型云内COSMIC掩星资料与欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts， ECMWF）和美国国家环境预报中心（National Centers for Environmental Prediction， NCEP）分析场之间的折射率偏差特征。COSMIC与ECMWF和NCEP之间的折射率偏差分别用 $N b i a s E C M W F$ 和 $N b i a s N C E P$ 表示。研究发现， $N b i a s E C M W F$ 在积云、层积云、高积云和高层云中的最大值分别为1.2%、 0.2%、 0.5%和0.2%，而 $N b i a s N C E P$ 则分别为1.8%、 0.5%、 0.5%和0.4%。在层积云的对流层下层 $N b i a s N C E P$ 存在较大的负值，而 $N b i a s E C M W F$ 为正值。折射率的正偏差随着液态水含量增加而增加。从全球分布来看，赤道辐合带云量丰富， $N b i a s N C E P$ 和 $N b i a s E C M W F$ 也存在明显的正偏差，它在空间上和水汽的正偏差以及温度的负偏差高度相关。

关键词： COSMIC掩星; CloudSat; 折射率偏差; 液态水含量

本文引用格式

殷延安 , 杨胜朋 . 基于不同背景场的云内COSMIC掩星资料的偏差分析[J]. 高原气象, 2023 , 42(5) : 1351 -1360 . DOI: 10.7522/j.issn.1000-0534.2022.00098

Abstract

The Global Constellation Observing System for Meteorology， Ionosphere， and Climate （COSMIC） radio occultation （RO） from 2007 to 2009 were collocated with the CloudSat nadir-pointing cloud profiling radar （CPR） in time and space in this study.We investigated the characteristics of fractional refractivity differences between COSMIC RO and the analysis of the European Centre for Medium-Range Weather Forecasts （ECMWF） and the National Centers for Environmental Prediction （NCEP） within the different clouds. $N b i a s E C M W F$ and $N b i a s N C E P$ indicate the fractional differences of refractivity between COSMIC RO and ECMWF， and COSMIC RO and NCEP analysis， respectively.The maximum values of $N b i a s E C M W F$ within cumulus， stratocumulus， altocumulus and altostratus are 1.2%， 0.2%， 0.5%， and 0.2%.The highest values of $N b i a s N C E P$ are 1.8%， 0.5%， 0.5% and 0.4%， respectively.In the lower troposphere， the value of $N b i a s E C M W F$ is positive and increases with the liquid water content， whereas the value of $N b i a s N C E P$ is negative.From the perspective of global distribution， large positive refractivity differences for both ECMWF and NCEP analyses are shown in the equatorial convergence zone， which is highly correlated with the positive bias of water vapor and the negative bias of temperature in space.

Key words： COSMIC RO; CloudSat; Refractivity N-Bias; LWC

1 引言

全球导航卫星系统（Global Navigation Satellite System， GNSS）掩星观测是一种临边探测技术，当低轨卫星（Low Earth Orbiting， LEO）接收到由高轨GNSS卫星发出并被地球大气折射而发生弯曲的无线电信号即完成一次掩星观测（邹晓蕾， 2012）。GNSS掩星（GNSS RO）技术测量从GNSS卫星发射的两个L波段频率无线电波的相位延迟，根据相位延迟和卫星的位置与速度计算无线电信号的弯角，再由Abel变换从弯角反演大气折射率（Yang et al， 2021）。GNSS RO观测具有高精度、高垂直分辨率、无需外部系统校准、无仪器漂移以及对云和降水灵敏度弱等诸多优点（Kursinski et al， 1997； Rocken et al， 1997； Anthes et al， 2000， 2011； Kuo et al， 2004），目前GNSS RO技术已被成功地运用于电离层反演、气候研究和数值天气预报等领域（Kahn et al， 2007）。

资料的准确度和精度无疑是学术界最关心的问题。全球定位系统气象学（Global Positioning System/Meteorology， GPS/MET） RO探测的温度与无线电探空和大尺度分析场相比，在5~30 km偏差小于1.5 K（Ware et al， 1996； Kursinski et al， 1996）。挑战号小卫星有效荷载卫星（Challenging Minisatellite Payload， CHAMP） RO探测的温度和ECMWF分析资料的均方根误差在对流层以上小于1 K，在中高纬度12~20 km的范围，他们的均方根误差小于0.5 K （Wickert et al， 2001， 2004）。比较CHAMP RO和科学应用卫星（Scientific for Application Satellite， SAC-C） RO观测廓线后发现，去除大气变化引起的误差后，在5~15 km之间它们观测的温度平均均方根误差小于 0.1 K， CHAMP RO探测的温度均方根误差小于0.6 K（Hajj et al， 2004）。COSMIC RO比CHAMP RO观测资料具有更高的准确度，在8~30 km之间COSMIC RO和再分析资料的均方根误差小于0.65 K， COSMIC RO在对流层上部和平流层的精度（平均偏差）是0.05 K（Anthes et al， 2008）。然而，这些GNSS RO的检验并没有区分晴空和有云的天气状况。

近年来，云对GNSS RO测量的影响引起了学术界的高度重视。在中性大气中大气折射率（

N

）是温度（

T

）、气压（

P

）、水汽（

P w

）、液态水（liquid water content， LWC）和冰水（ice water content， IWC）的函数（Zou et al， 2012）：

N = 77.6 P T + 3.73 × 105 P w T 2 + 1.45 L W C + 0.69 I W C = N d r y + N v a p o r + N L W C + N I W C

（1）

式中：

77.6 P T

通常被称为干项；

3.73 × 105 P w T 2

为水汽项；

1.45 L W C

和

0.69 I W C

分别是液态水和冰水项。一般认为大气折射率主要受干项和水汽项的影响，而对液态水和冰水并不敏感，液态水和冰水对大气折射率的贡献比前两项小两个量级。但在热带地区湿项（水汽项、液态水和冰水的总和）的贡献可达30% （Kursinski and Hajj， 2001）。在有云状况下，通过分析2007 -2010年3469根 COSMIC RO廓线后发现，平均而言，干项对折射率的贡献在90%以上，水汽项在8%~9%，液态水项在0.1%~0.3% （Yang et al， 2012）。Lin et al （2010）对比分析了在有云状况下COSMIC RO观测的折射率和ECMWF再分析资料的差异，结果表明，在有云状态下COSMIC RO折射率出现系统性的正偏差，而在晴天状态下，并无这一特征。Yang et al（2012）利用2007 -2010年全球COSMIC RO、 CloudSat云产品和ECMWF再分析资料，也发现了同样的现象，而且在不同类型的云里都存在这样的特征，在积云（Cumulus， Cu）中偏差百分比最高可达1.2%，云水对大气折射率的贡献大于COSMIC RO的反演误差。而且COSMICRO反演的不确定性随着液态水含量线性增加。忽略了云里液态水和冰水的影响，可能是中纬度COSMIC RO反演误差的主要来源。

过去的研究都是利用COSMIC RO和ECMWF再分析场进行比较，本研究将在Yang et al （2012）的工作基础上，利用NCEP再分析资料和ECMWF分析资料对观测折射率进行交叉评估，并回答如下科学问题：云内的观测折射率正偏差对于不同的再分析场是否具有相同的特征，以及观测折射率的偏差到底是干项还是湿项的偏差贡献，观测折射率的偏差与温度以及水汽的反演误差有怎样的关系？

2 COSMIC RO、CloudSat、ECMWF和NCEP资料及其匹配

本研究采用四种不同的数据集，分别是COSMIC RO、 CloudSat LWC、 ECMWF分析场（ECMWF TOGA 2.5 degree Global Upper Air Analysis）和NCEP再分析资料。COSMIC卫星系统拥有六颗低轨微型卫星，自2006年4月发射以来一直在提供数据（Schreiner et al， 2010），并在2019年6月25日再次发射6颗低轨微型卫星组成COSMIC-2系统（Schreiner et al， 2020）。本研究中使用的RO数据来自UCAR COSMIC数据分析和档案中心（COSMIC Data Analysis and Archive Center， CDAAC），本研究使用了2007 -2009年共3年的COSMIC RO数据，在此期间内，每日掩星廓线数超过2000条。由于COSMIC低轨卫星采用的较高的轨道倾角，所以COSMIC RO高纬度地区掩星廓线数最多，而热带地区资料较少（周文等， 2018）。COSMIC RO折射率资料是作为海拔高度的函数提供的，它在垂直方向的分辨率约为100 m，跨轨和沿轨的水平分辨率分别约为1.5 km和300 km （Kursinski et al， 1996；孟恬等， 2021；余小嘉等， 2019）。

每条COSMIC RO廓线是否包含云、包含什么类型的云以及云中水含量是根据匹配的CloudSat数据确定的，其中匹配的条件是时间差不超过30 min和从CloudSat廓线到COSMIC RO廓线的平均纬度/经度位置小于30 km的空间间隔。每个匹配的RO廓线的云类型由最接近RO廓线中心的单个CloudSat廓线确定，也就是说，单个CloudSat廓线与单个RO廓线进行匹配。CloudSat卫星于2006年4月28日被发射至离地705 km的近圆形太阳同步轨道，它大约每1.5 h绕地球运行一次（Im et al， 2005）。 CloudSat上的主要观测仪器是94 GHz云廓线雷达，它测量云顶反向散射的返回功率作为与雷达距离的函数（杨冰韵等， 2017；刘建军等， 2017）。沿轨时间采样间隔为0.16 s，沿轨空间分辨率约为1.1 km，有效视场约为1.4×1.7 km（Tanelli et al， 2008）。在一次完整的绕地飞行中CloudSat可以探测30000多个廓线，其中包含LWC、 IWC、云层（最多五层）、云类型以及每个完整轨道的云顶和云底的高度的垂直廓线（Stephens et al， 2002）。LWC和云类型分别来自2B-CWC-RO和2B-CLDCLASS数据集。根据CloudSat数据，确定了与积云、卷云（Cirrus， Ci）、高积云（Altocumulus， Ac）、层积云（Stratocumulus， Sc）、高层云（Altostratus， As）、雨层云（Nimbostratus， Ns）以及晴空廓线匹配的COSMIC RO廓线。与COSMIC RO一样， CloudSat的廓线作为海拔的函数给出的。

为了便于与COSMIC掩星产品进行比较，本文还用到了CDAAC的ecmPrf和ncpPrf产品。ecmPrf和ncpPrf产品是将ECMWF和NCEP分析资料插值到COSMIC RO的平均位置，气象要素包括温度、水汽、气压等。

3 云对大气折射率的影响

GNSS无线电信号因为干空气、水汽和液态水以及冰水的存在而弯折，从而出现相位延迟，总相位延迟是无线电信号从GNSSS卫星传输到LEO上接收器所需的时间与无线电信号在真空中沿直线路径从GNSS传播到LEO卫星所需的时间之差（Kursinski et al， 2000）。根据已知的GNSS和LEO卫星的位置和速度参数，可以从总相位延迟中推导GNSS RO弯角廓线，再进一步使用Abel变换得到大气折射率（

N o b s

）。最后根据折射率、气压、温度和水汽的关系，利用一维变分的方法反演得到大气的温度和水汽等气象要素。

在以往的大多数研究中，普遍认为GNSS RO观测主要受到干空气和水汽的影响，而对云和降水不敏感。因此，在大多数研究中，云和降水对GNSS RO测量的影响往往被忽略。然而对于液态水含量较高的云来说，液态水对折射率的贡献要大于以往的估计，云效应对折射率的影响是不可忽视的（Yang et al， 2012）。定义：

N M o d e l = N d r y M o d e l + N v a p o r M o d e l N G N S S = N d r y G N S S + N v a p o r G N S S Δ N d r y = N d r y G N S S - N d r y M o d e l Δ N v a p o r = N v a p o r G N S S - N v a p o r M o d e l

（2）

N b i a s N C E P = N o b s - N N C E P N o b s N b i a s E C M W F = N o b s - N E C M W F N o b s

（3）

N O - R - L W C = N o b s - N G N S S - N L W C o b s N o b s N O - B - L W C = N o b s - N M o d e l - N L W C o b s N o b s N R - B = N G N S S - N M o d e l N o b s

（4）

式中：

N d r y G N S S

和

N v a p o r G N S S

是根据COSMIC RO观测折射率通过一维变分反演得到

P

、

P w

和

T

的值，再计算得到（1）式前两项，分别称为干空气折射率和水汽折射率；

N d r y M o d e l

和

N v a p o r M o d e l

是由NCEP或ECMWF再分析资料提供的

P

、

P w

以及

T

计算的（1）式前两项，

N M o d e l

根据资料来源的不同分为

N N C E P

和

N E C M W F

；

N L W C o b s

是由CloudSat提供的LWC插值到COSMIC RO同一分辨率计算得到的液态水项。式（3）定义了COSMIC RO观测折射率与再分析资料模拟折射率间的偏差，

N b i a s E C M W F

和

N b i a s N C E P

。式（4）定义了COSMIC RO反演的不确定性。在一维COSMIC反演算法中向前观测算子忽略了LWC项，并使用NCEP再分析作为背景场。因此

N d r y G N S S

和

N v a p o r G N S S

不仅取决于COSMIC RO观测的折射率，还依赖于分析场，以及背景场、前向模型和观测值的误差协方差。

4 结果分析

图1显示了不同背景条件下COSMIC RO折射率观测值与ECMWF和NCEP再分析资料所计算的折射率之间的偏差，即

N b i a s E C M W F

和

N b i a s N C E P

。从图1中可以看出，在云效应的影响下两种资料计算的折射率都出现了一定程度的偏差，其大小取决于不同的云类型和高度，总体来说

N b i a s E C M W F

小于

N b i a s N C E P

。在卷云和晴空条件下，

N b i a s E C M W F

很小而

N b i a s N C E P

有明显的负偏差。在所有环境、晴空和有云的条件下， 4 km高度以上

N b i a s N C E P

最大可达0.2%，最大负偏差可达-0.4%，而

N b i a s E C M W F

在0.2%以下。在有云条件下

N b i a s E C M W F

在12 km以下为正偏差，

N b i a s N C E P

在7~10 km和2 km以下高度为正偏差，而在2~7 km及10 km以上范围内表现为负偏差。在晴空条件下，对流层底部存在负的折射率偏差，这与许多GNSS RO研究中揭示的现象一致（Rocken et al， 1997； Wickert et al， 2004； Hajj et al， 2004），这也是ECMWF不同化4 km以下GNSS RO的主要原因。负的折射率偏差通常被归因于超折射和多路径问题，当垂直折射梯度小于约-160 N-units km^-1并在足够大的距离上水平延伸时发生（Kursinski et al， 2000； Sokolovskiy， 2003）。无论是

N b i a s N C E P

还是

N b i a s E C M W F

在有云条件下偏差都要大于晴空条件下，这说明云效应对GNSS RO的影响是确实存在且不容忽视的。

显示原图|下载原图ZIP|生成PPT

图1 不同云中 $N b i a s E C M W F$ 和 $N b i a s N C E P$ 相对偏差

Fig.1 Fractional N-bias of $N b i a s E C M W F$ and $N b i a s N C E P$ in different cloud types

在不同类型云中比较

N b i a s E C M W F

和

N b i a s N C E P

的偏差，对于

N b i a s E C M W F

而言，最大正偏差位于云量最多的高度。对于不同类型的云，此高度是不同的，层积云中最大正偏差超过0.2%并出现在2 km高度上，雨层云和高积云中最大正偏差超过0.5%并出现在3 km高度上，高层云中最大正偏差在6 km高度上，卷云中则出现在12 km高度上，积云中最大正偏差出现在3 km高度上并达到1.2%。而对于

N b i a s N C E P

而言在层积云、雨层云和高层云中最大正偏差都出现在8~9 km高度上，最大可达到0.4%，出现在高层云中。在积云、高积云和高层云中，

N b i a s N C E P

和

N b i a s E C M W F

在对流层下层都有系统性正偏差。对于层积云而言，

N b i a s N C E P

在对流层有较大负偏差，而

N b i a s E C M W F

存在系统性正偏差。在高积云中，

N b i a s N C E P

与

N b i a s E C M W F

在9 km高度以下表现较为一致，在9 km高度以上

N b i a s N C E P

有更大的负偏差，最大负偏差达到-0.5%，出现在18 km高度上。在卷云中， ECMWF资料与COSMIC RO之间的偏差较小，而

N b i a s N C E P

资料在18 km有最大负偏差，达到-0.5%。在积云中，

N b i a s N C E P

与

N b i a s E C M W F

最大正偏差在对流层底部，分别达到1.8%和1.2%，最大负偏差在18 km高度上，分别达到 -0.6%和-0.2%。

由ECMWF和NCEP资料计算的不同种类云中干项、水汽项和总折射率的偏差（图2）可以看出，干空气和水汽对折射率偏差的贡献很大，在不同种类云中干空气和水汽对折射率偏差的贡献大小有所不同。平均而言，干项偏差要大于水汽项偏差，且多为正偏差，但在积云和层积云的部分高度，水汽项偏差更大。对比两种资料计算结果的不同，对于干项折射率偏差两者间的差异小于水汽项偏差且随高度变化较小。而对于水汽项，由ECMWF资料计算的水汽项偏差均为正值，且变化明显小于由NCEP资料计算的水汽折射率偏差。值得注意的是，在雨层云中以及层积云和高层云的部分高度上， NCEP资料计算的水汽折射率为负偏差。

显示原图|下载原图ZIP|生成PPT

图2 不同云中ECMWF（实线）和NCEP（虚线）的大气总折射率（ $∆ N / N o b s$ ，黑色）、干项（ $∆ N d r y / N o b s$ ，红色）和水汽项（ $∆ N v a p o r / N o b s$ ，蓝色）相对偏差

Fig.2 Fractional N-bias of total refractivity （ $∆ N / N o b s$ ， black）， dry term （ $∆ N d r y / N o b s$ ， red）， water vapor term（ $∆ N v a p o r / N o b s$ ， blue） for ECMWF （solid line） and NCEP （dashed line） in different cloud types

具体来说，在层积云中NCEP再分析资料计算得干项和水汽项偏差在边界层内均要大于ECMWF再分析资料的计算结果，其原因可能为NCEP资料在边界层内的垂直分辨率太低。由NCEP资料计算的水汽项折射率偏差在1.6 km高度上达到最大正值，并随着高度向上和向下减小，在1.2 km以下和2.5 km以上为负偏差，总折射率偏差也在1.6 km高度左右达到最大正偏差1.1%，干空气折射率则均为正值并随着高度上升而增加。而由ECMWF资料计算的干空气折射率偏差在1.5 km以下为负值，水汽折射率和总折射率偏差均为正值。在积云中，由NCEP资料计算的总折射率偏差和水汽折射率偏差明显超过由ECMWF资料计算的总折射率偏差和水汽折射率偏差。在高层云中由NCEP资料计算的水汽折射率偏差在对流层有系统性负偏差，最大值达到-0.3%，而由ECMWF资料计算的水汽项偏差均为正偏差，由NCEP资料计算的干项偏差要小于ECMWF资料。在雨层云中，由NCEP资料计算的水汽项偏差均为负值，最大负偏差达到-0.6%，而由ECMWF资料计算的水汽折射率仅在3.4 km以上为负偏差。在高积云中由NCEP资料计算的水汽项偏差最大达到0.7%，干项偏差达到0.6%，总折射率偏差最大值达到1.2%，而由ECMWF所计算的水汽折射率偏差和总折射率偏差最大值分别达到0.8%和1.5%。

图3是不同环境条件下由式（4）定义的与LWC有关的COSMIC RO反演不确定性，以及

N O - B - L W C

和

N R - B

。可以看出随着LWC上升COSMIC RO反演不确定性有不同程度的增加， ECMWF和NCEP与COSMIC RO反演之间的偏差也有所增加，这取决于云的类型和LWC。有云条件和层积云条件下情况较为相似，这可能是由于层积云中RO廓线数量远高于其他几种类型的云，在LWC达到1.0%时ECMWF和NCEP与COSMIC RO反演之间的偏差达到最大值超过-3%。在高积云中，当LWC超过0.3%时NCEP资料计算的折射率偏差远大于由ECMWF资料计算的结果，而且当LWC超过0.6%之后COSMIC RO反演不确定性有明显上升。在高层云和积云中NCEP资料的表现也比ECMWF资料要差，

N O - B - L W C

和

N R - B

最大值均达到3%。在雨层云中， ECMWF资料计算的折射率与COSMIC RO观测和反演的折射率之间的偏差要大于NCEP资料。

显示原图|下载原图ZIP|生成PPT

图3 不同云中与LWC相关的COSMIC RO折射率的反演不确定性（ $N O - R - L W C$ ），以及分别由ECMWF（橙色）和NCEP（黑色）资料计算的 $N O - B - L W C$ （实线）和 $N R - B$ （虚线）偏差

Fig.3 The uncertainty in the COSMIC RO retrieval （ $N O - R - L W C$ ） with respect to LWC in different clouds.The bias of $N O - B - L W C$ for ECMWF （orange solid line） and for NCEP （black solid line）.The bias of $N R - B$ for ECMWF （orange dashed line） and NCEP （black solid line）

为了进一步探究折射率偏差和大气温度与湿度间的关系，图4绘制了在2°×2°网格内分别由NCEP资料和ECMWF资料计算的6 km和2 km高度上折射率、温度和相对湿度的偏差。从图4中可以看出，在温度高且水汽充沛的热带地区折射率正偏差明显大于中高纬地区， 2 km高度上折射率偏差大于6 km高度。结合温度和相对湿度偏差来看，在2 km和6 km高度上折射率正N偏差较大的区域对应了负的温度偏差和正的相对湿度偏差。而2 km上负的温度偏差弱于6 km，正相对湿度偏差强于6 km高度的相对湿度偏差。对比两种资料的计算结果，由NCEP资料计算的折射率、温度和相对湿度偏差要大于由ECMWF资料计算的偏差。在6 km高度上NCEP资料计算的折射率偏差达到5%，负温度偏差最大值达到了-1.2 K，相对湿度偏差最大值达到10%，而由ECMWF资料计算的折射率、温度和相对湿度偏差分别达到2%、 -0.8 K和6%。在2 km高度上NCEP资料的偏差也同样大于ECMWF资料。

显示原图|下载原图ZIP|生成PPT

图4 2007-2009年间2°×2°网格内所有COSMIC RO反演的折射率（a， b，单位： %）、温度（c， d，单位： K）和相对湿度（e， f，单位： %）偏差

等值线为ECMWF分析资料，填色为NCEP再分析资料，左侧为6 km高度，右侧为2 km高度

Fig.4 Bias of refractivity （a， b， unit： %）， temperature （c， d， unit： K）， and relative humidity （e， f， unit： %） of all COSMIC RO retrievals from 2007 to 2009 and within 2°×2° grid boxes.The contour lines for ECMWF analysis， the shaded for NCEP reanalysis， the left panels are 6 km and the right panels are 2 km height

由ECMWF和NCEP资料计算的折射率、干项和水汽项相对偏差的纬剖图（图5）可以看出，热带地区折射率偏差要大于高纬度地区，折射率偏差的最大值在2~3 km高度。在热带水汽项的N分数差大约是干折射率的三倍，而在高纬度地区干折射率的N分数差大于水汽项。对比两种资料的不同发现，由NECP再分析资料计算的折射率偏差要明显大于ECMWF资料。在南半球中高纬度地区由NCEP资料计算的干折射率偏差可达0.9%，而ECMWF资料为0.6%，在热带地区由NCEP资料计算的水汽折射率偏差达到3.5%，而ECMWF资料计算结果为1.8%。

显示原图|下载原图ZIP|生成PPT

图5 2007 -2009年COSMIC RO湿反演与ECMWF分析资料（等值线）和NCEP再分析资料（彩色区）间大气总折射率 $N$ （a）、干空气折射率 $N d r y$ （b）和水汽折射率 $N v a p o r$ （c）偏差纬剖图（单位： %）

Fig.5 Cross-sections of fractional difference $N$ （a） and fractional difference $N d r y$ （b）， fractional difference $N v a p o r$ （c） between OSMIC RO retrievals and ECMWF analysis （contour）， NCEP reanalysis （color area） for all the data from 2007 to 2009.Unit： %

对比两种再分析资料与COSMIC RO反演之间的偏差，图6显示了COSMIC RO与NCEP和ECMWF资料间的温度和相对湿度之间的差异。在中低纬度3 km高度以下两种资料和相较于COSMIC RO存在正温度偏差， 3 km以上为负温度偏差，且由NCEP资料计算的负温度偏差要大于ECMWF资料的计算结果。在低纬度地区NCEP资料在高低空都呈现正的相对湿度偏差，而ECMWF资料则在3 km以下出现负的相对湿度偏差，其位置接近相对湿度正偏差的中心。在中高纬地区， NCEP资料计算的相对湿度有明显的负偏差，而ECMWF资料则为弱的正偏差。

显示原图|下载原图ZIP|生成PPT

图6 COSMIC RO湿反演与ECMWF分析资料（等值线）， NCEP再分析资料（彩色区）间温度（a，单位： K）和相对湿度（b，单位： %）偏差纬剖图

Fig.6 Cross-sections of temperature difference （a， unit： K） and relative humidity difference （b， unit： %） between COSMIC RO wet retrievals and ECMWF analysis （contour）， between COSMIC RO wet retrievals and NCEP reanalysis （color area）

5 结论

由于GNSS RO在观测地球大气时使用波长较长的无线电信号以便穿透大气层，使得其对云的敏感性较小，在以往的许多研究中忽略了云对于GNSS RO观测的影响，包括CDAAC的温度和水汽的反演产品中均忽略了液态水和冰水的影响。本研究在Yang et al（2012）研究的基础上加入了不同的背景场，比较了COSMIC掩星折射率与ECMWF和NCEP分析场的差异，探讨了液态水含量对COSMIC RO与分析场偏差影响，讨论了干项和水汽项对折射率偏差的贡献。

（1）总体来说，

N b i a s E C M W F

小于

N b i a s N C E P

，在积云、层积云、高积云和高层云中

N b i a s E C M W F

的最大值分别为1.2%、 0.2%、 0.5%和0.2%，而

N b i a s N C E P

则分别为1.8%、 0.5%、 0.5%和0.4%。在层积云的对流层下层

N b i a s N C E P

存在较大的负值，而

N b i a s E C M W F

为正。在卷云和晴空条件下

N b i a s E C M W F

很小，而

N b i a s N C E P

存在明显的负值。在积云和高积云的对流层中

N b i a s N C E P

和

N b i a s E C M W F

较为接近，均为正偏差。在雨层云和高层云中

N b i a s N C E P

最大值出现在8~9 km高度上，最大值分别达到0.3%和0.4%，而

N b i a s E C M W F

最大值分别在3 km和6 km高度上。

N b i a s N C E P

明显大于

N b i a s E C M W F

，这可能与CDAAC在反演时将ECMWF作为背景场有关。

（2）折射率的偏差包括干项和水汽项的偏差，平均而言，水汽项的偏差要大于干项偏差。在积云中由NCEP资料计算的水汽项偏差最大值达到2.5%，干项偏差最大值为0.5%，而由ECMWF资料计算的干项和水汽项偏差最大值分别为0.5%和0.4%。在高积云中NCEP和ECMWF资料计算的水汽项偏差分别达到0.9%和0.7%，而干项偏差均为0.6%。层积云中， NCEP资料计算的水汽项偏差达到0.6%，而干项偏差达到0.4%。

（3）不同种类云中LWC不同，其对折射率偏差的贡献也不同。COSMIC RO反演不确定性（

N O - R - L W C

）随着LWC增大而增大，由NCEP资料计算的

N O - B - L W C

和

N R - B

要大于ECMWF资料计算的结果。在液态水含量较大的情况下，忽略液态水的贡献将会带来很大的反演误差。

（4）从全球分布来看，赤道辐合带云量丰富，

N b i a s N C E P

和

N b i a s E C M W F

也存在明显的正偏差，它在空间上和水汽的正偏差以及温度的负偏差高度相关。

云中液态水和冰水对于大气折射率有着不可忽视的贡献，在GNSS RO折射率的反演过程中忽视其作用会不可避免地带来反演偏差，这一偏差在水汽充沛的热带对流层更为明显。将来的工作包括用更多的资料定量研究云中液态水和冰水对掩星观测折射率反演的贡献，改进GNSS RO资料同化的观测算子。

参考文献

null	Anthes R A， 2011.Exploring Earth’s atmosphere with radio occultation［J］.Atmospheric Measurement Techniques， 4（6）： 1077-1103.DOI： 10.5194/amt-4-1077-2011 .
null	Anthes R A， Bernhardt P A， Chen Y， et al， 2008.The COSMIC/formosat-3 mission： early results［J］.Bulletin of the American Meteorological Society， 89（3）： 313-334.DOI： 10.1175/BAMS-89-3-313 .
null	Anthes R， Rocken C， Kuo Y H， 2000.Applications of COSMIC to meteorology and climate［J］.Terrestrial， Atmospheric and Oceanic Sciences， 11（1）： 115-156.DOI： 10.3319/TAO. 2000.11.1. 115（COSMIC ）.
null	Hajj G， Ao O， Iijima B， et al， 2004.CHAMP and SAC-C atmospheric occultation results and intercomparisons［J］.Journal of Geophysical Research： Atmospheres， 109（D6）： D06109.DOI： 10. 1029/2003JD003909 .
null	Im E， Wu C， Durden S， 2005.Cloud profiling Radar for the CloudSat mission［J］.Aerospace and Electronic Systems Magazine， IEEE， 20（10）： 15-18.DOI： 10.1109/MAES.2005.1581095 .
null	Kahn B， Eldering A， Braverman A， et al， 2007.Toward the characterization of upper tropospheric clouds using atmospheric infrared sounder and microwave limb sounder observations［J］.Journal of Geophysical Research， 112（D5）： D05202.DOI： 10.1029/2006JD007336 .
null	Kuo C L， Ade P， Bock J， et al， 2004.High-Resolution observations of the cosmic microwave background power spectrum with ACBAR［J］.The Astrophysical Journal， 600（1）： 32-51.DOI： 10. 1086/379783 .
null	Kursinski R， Hajj G， 2001.A comparison of water vapor derived from GPS occultations and global weather analyses［J］.Journal of Geophysical Research： Atmospheres， 106（D1）： 1113-1138.DOI： 10.1029/2000JD900421 .
null	Kursinski R， Hajj G， Bertiger W， et al， 1996.Initial results of radio occultation observations of earth’s atmosphere using the global positioning system［J］.Science， 271（5252）： 1107-1110.DOI： 10.1126/science.271.5252.1107 .
null	Kursinski R， Hajj G， Leroy S， et al， 2000.The GPS radio occultation technique［J］.Terrestrial， Atmospheric and Oceanic Sciences， 11（1）： 53-114.DOI： 10.3319/TAO.2000.11.1.53（COSMIC ）.
null	Kursinski R， Hajj G， Schofield J， et al， 1997.Observing Earth’s atmosphere with radio occultation measurements using the Global Positioning System［J］.Journal of Geophysical Research： Atmospheres， 102（D19）： 23429-23465.DOI： 10.1029/97JD01569 .
null	Lin L， Zou X L， Anthes R， et al， 2010.COSMIC GPS radio occultation temperature profiles in clouds［J］.Monthly Weather Review， 138（4）： 1104-1118.DOI： 10.1175/2009MWR2986.1 .
null	Rocken C， Anthes R， Exner M， et al， 1997.Analysis and validation of GPS/MET data in the neutral atmosphere［J］.Journal of Geophysical Research： Atmospheres， 102（D25）： 29849-29866.DOI： 10.1029/97JD02400 .
null	Schreiner W S， Weiss J P， Anthes R， et al， 2020.COSMIC-2 radio occultation constellation‐first results［J］.Geophysical Research Letters， 47（4）： e2019GL086841.DOI： 10.1029/2019GL086841 .
null	Schreiner W， Rocken C， Sokolovskiy S， et al， 2010.Quality assessment of COSMIC/FORMOSAT-3 GPS radio occultation data derived from single-and double-difference atmospheric excess phase processing［J］.GPS Solutions， 14（1）： 13-22.DOI： 10.1007/s10291-009-0132-5 .
null	Sokolovskiy S， 2003.Effect of superrefraction on inversions of radio occultation signals in the lower troposphere［J］.Radio Science， 38（3）： 1058.DOI： 10.1029/2002RS002728 .
null	Stephens G L， Vane D G， Boain R J， et al， 2002.The CloudSat mission and the A-Train： a new dimension of space-based observations of clouds and precipitation［J］.Bulletin of the American Meteorological Society， 83（12）： 1771-1790.DOI： 10.1175/BAMS-83-12-1771 .
null	Tanelli S， Durden S L， Im E， et al， 2008.CloudSat’s cloud profiling Radar after two years in orbit［J］.IEEE Transactions on Geoscience and Remote Sensing， 46（11）： 3560-3573.DOI： 10.1109/TGRS.2008.2002030 .
null	Ware R， Rocken C， Solheim F， et al， 1996.GPS sounding of the atmosphere from low Earth orbit［J］.Bulletin of The American Meteorological Society， 77（1）： 19-40.DOI： 10.1175/1520-0477（1996）077<0019： GSOTAF>2.0.CO； 2 .
null	Wickert J， Reigber C， Beyerle G， et al， 2001.Atmosphere sounding by GPS radio occultation［J］.Geophysical Research Letters， 28（17）： 3263-3266.DOI： 10.1029/2001GL013117 .
null	Wickert J， Schmidt T， Beyerle G， et al， 2004.The radio occultation experiment aboard CHAMP［J］.Journal of the Meteorological Society of Japan， 82（1B）： 381-395.DOI： 10.2151/jmsj.2004.381 .
null	Yang S P， Zou X L， 2012.Assessments of cloud liquid water contributions to GPS radio occultation refractivity using measurements from COSMIC and CloudSat［J］.Journal of Geophysical Research： Atmospheres， 117（D6）： D06219.DOI： 10.1029/2011JD016452 .
null	Yang S P， Zou X L， Anthes R， 2021.Raytracing simulated GPS radio wave propagation paths experiencing large disturbances when going through the top of the sub-cloud layer［J］.Remote Sensing， 13（22）： 4693.DOI： 10.3390/rs13224693 .
null	Zou X L， Yang S P， Ray P， 2012.Impacts of ice clouds on GPS radio occultation measurements［J］.Journal of Atmospheric Sciences， 69： 3670-3682.DOI： 10.1175/JAS-D-11-0199.1 .
null	孟恬，杨胜朋，程华， 2021.GPS掩星观测误差和边界层高度的判别［J］.高原气象， 40（5）： 1189-1201.DOI： 10.7522/j.issn.1000-0534.2020.00098 .
null	刘建军，陈葆德， 2017.基于CloudSat卫星资料的青藏高原云系发生频率及其结构［J］.高原气象， 36（3）： 632-642.DOI： 10. 7522/j.issn.1000-0534.2017.00028 .
null	杨冰韵，吴晓京，郭徵， 2017.基于CloudSat资料的中国地区深对流云物理特征研究［J］.高原气象， 36（6）： 1655-1664.DOI： 10.7522/j.issn.1000-0534.2017.00006 .
null	余小嘉，杨胜朋，蒋熹， 2019.COSMIC掩星资料在青藏高原地区的偏差特征［J］.高原气象， 38（2）： 288-298.DOI： 10.7522/j.issn.1000-0534.2018.00162 .
null	周文，杨胜朋，蒋熹，等， 2018.利用COSMIC掩星资料研究青藏高原地区大气边界层高度［J］.气象学报， 76（1）： 117-133.DOI： 10.11676/qxxb2017.069 .
null	邹晓蕾， 2012.GPS无线电掩星资料特点［J］.气象科技进展， 2（5）： 49-54.DOI： 10.3969/j.issn.2095-1973.2012.05.007 .

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

1 引言

2 COSMIC RO、CloudSat、ECMWF和NCEP资料及其匹配

3 云对大气折射率的影响

4 结果分析

图1 不同云中 N b i a s E C M W F和 N b i a s N C E P相对偏差

图2 不同云中ECMWF（实线）和NCEP（虚线）的大气总折射率（ ∆ N / N o b s， 黑色）、 干项（ ∆ N d r y / N o b s， 红色）和水汽项（ ∆ N v a p o r / N o b s， 蓝色）相对偏差

图3 不同云中与LWC相关的COSMIC RO折射率的反演不确定性（ N O - R - L W C）， 以及分别由ECMWF（橙色）和NCEP（黑色）资料计算的 N O - B - L W C（实线）和 N R - B（虚线）偏差

图4 2007-2009年间2°×2°网格内所有COSMIC RO反演的折射率（a， b， 单位： %）、 温度（c， d， 单位： K）和相对湿度（e， f， 单位： %）偏差

图5 2007 -2009年COSMIC RO湿反演与ECMWF分析资料（等值线）和NCEP再分析资料（彩色区）间大气总折射率 N （a）、 干空气折射率 N d r y （b）和水汽折射率 N v a p o r （c）偏差纬剖图（单位： %）

图6 COSMIC RO湿反演与ECMWF分析资料（等值线）， NCEP再分析资料（彩色区）间温度（a， 单位： K）和相对湿度（b， 单位： %）偏差纬剖图

5 结论

参考文献

图1 不同云中 $N b i a s E C M W F$ 和 $N b i a s N C E P$ 相对偏差

图2 不同云中ECMWF（实线）和NCEP（虚线）的大气总折射率（ $∆ N / N o b s$ ，黑色）、干项（ $∆ N d r y / N o b s$ ，红色）和水汽项（ $∆ N v a p o r / N o b s$ ，蓝色）相对偏差

图3 不同云中与LWC相关的COSMIC RO折射率的反演不确定性（ $N O - R - L W C$ ），以及分别由ECMWF（橙色）和NCEP（黑色）资料计算的 $N O - B - L W C$ （实线）和 $N R - B$ （虚线）偏差

图4 2007-2009年间2°×2°网格内所有COSMIC RO反演的折射率（a， b，单位： %）、温度（c， d，单位： K）和相对湿度（e， f，单位： %）偏差

图5 2007 -2009年COSMIC RO湿反演与ECMWF分析资料（等值线）和NCEP再分析资料（彩色区）间大气总折射率 $N$ （a）、干空气折射率 $N d r y$ （b）和水汽折射率 $N v a p o r$ （c）偏差纬剖图（单位： %）

图6 COSMIC RO湿反演与ECMWF分析资料（等值线）， NCEP再分析资料（彩色区）间温度（a，单位： K）和相对湿度（b，单位： %）偏差纬剖图