文摘

大气资料(温度、压力和湿度)是常用的参数为气溶胶和云属性的检索。在准备推出的全球变化观察Mission-Climate /代全球成像仪(GCOM-C / SGLI)卫星,评估研究大气模型的灵敏度变化的大气条件。在这种评价,晴朗的天空和低云层之上的水蒸气对流层上层的光芒从卫星观测和模拟的大气模型进行了比较。模型研究Nonhydrostatic二十面体大气模型(NICAM)和国家环境保护中心/能源部(NCEP / DOE)。地球的卫星观测/中分辨率成像光谱仪(Terra / MODIS)卫星。模拟是通过执行一个向前辐射传输计算过程。所得的光芒变成了对流层上层亮度温度(UTBT)和相对湿度(UTRH)。模拟数据和观测结果之间的差异进行了分析。这些分析表明,NCEP /能源部NICAM和模拟UTBT与UTRH有类似的分布模式。然而模拟的差异与NCEP /能源部与观测通常低于NICAM。 The NCEP/DOE model outputs very often overestimate the UTBT and therefore present a drier upper troposphere. The impact of the lower troposphere instability (dry convection) on the upper tropospheric moisture and the consequences on the models’ results are evaluated through a thunderstorm and moisture predictor (the K-stability index). The results obtained show a positive relation between the instability and the root mean square error (RMSE: observation versus models). The study of the impact of convective clouds shows that the area covered by these clouds increases with the humidity of the upper troposphere in clear sky and above low clouds, and at the same time, the error between the observations and the models also increases. The impact of the above low clouds heat distribution on the models is studied through the relation between the low clouds cover and their effective emissivity. The models’ error appears to be high at midrange effective emissivity clouds.

1。介绍

可靠的地球辐射计算预算,对流层上层的准确性相对湿度(UTRH)是至关重要的。UTRH是水蒸气中的不同参数反馈的气候以及辐射的主要调节因子地面和太阳之间的交流。减少目前的不确定性包括水蒸气在全球气候系统需要精确测量建模和水蒸气的长期预测(1]。在对流层上部水汽,而微不足道的总质量列水蒸气,都对气候有显著影响,通过云的形成(长波云迫使)或通过直接吸收的辐射(2]。水蒸气在对流层上层的分布通常是受两个主要过程:大气对流和沉降。这些过程之间的关系和UTRH根据云可能是积极的还是消极的动作,姿势,光学和物理特性,大气环流。快速变化的细节上对流层的水蒸气量只能获得如果频繁和高分辨率卫星观测;这些卫星数据应该整合到大气模型来理解未来气候变化和水蒸气的过程(1]。这些过程的各个方面在对流层上层可以检查大或中尺度大气模型。这就解释了使用这些模型的输出(作为辅助数据)云和气溶胶属性检索。云和气溶胶的质量检索等因素取决于这些模型的准确性和恰当地描述大气现象的能力。未来发射GCOM-C / SGLI卫星(继任者ADEOS / GLI)是本研究的动机。大气模型检查可以作为云的支持数据,气溶胶,从这个卫星的观察和水蒸气的检索。本研究讨论的模型是NICAM和NCEP /能源部模型。NICAM属于类别的中尺度大气模型。这些类型的模型,为数值天气预测,设计已被证明有用的诊断研究的大气动力学和物理过程之间的耦合3]。和他们通常涉及cloud-resolving方案所产生的各种技术(例如,二十面体网格技术)和全球云仿真(4]。与大气环流模型、cloud-resolving模型涵盖了小域但细水平和垂直分辨率,解决对流和云4]。第二个模型检查NCEP /能源部本研究模型。这是一个生产大气环流模式分析(reanalysis-2数据)基于过去和当前的观测。

在目前的研究中,预测的性能的NICAM和NCEP / DOE模型检查通过比较模型模拟的大气参数(UTBT和UTRH) Terra / MODIS卫星的观测。模拟的排放即将离任的光芒在6.7μm通道灵敏度(其峰值在对流层上部),使用模型的参数,对Terra / MODIS卫星观测评估。然后被转换生成的光芒UTBT(或BT6.7:亮度温度为6.7μ米波长)和UTRH。晴朗的天空和低云层之上卫星UTBT和相关UTRH比较模型模拟通过向前辐射传输计算过程。这项工作的目的是评估的程度的敏感性NICAM和NCEP / DOE UTBT UTRH各种大气条件下的预测。执行这些模拟,辐射传输计算需要热量和湿度资料输出NICAM和NCEP / DOE和MODIS几何参数和光谱响应。总之,这项工作是有组织的如下。建模环境(部分1),那么主要的模式分布的水蒸气光芒观察(部分2提出了)。节3,对比观察和模型数据。部分4由解释获得的结果(差异)在前面的章节。该研究以一个一般的结论。

2。模型和卫星环境

大气模型数据进行这项研究是NICAM和NCEP /能源部模型。大气的容量配置文件生成的这些模型复制卫星观测数据测试。NICAM-generated数据横向空间分辨率为3.5×3.5公里。NICAM模型是一个全球cloud-resolving模型用来模拟积云对流和允许直接耦合的大气环流和云5]。它使用一个完全可压缩nonhydrostatic系统和一个二十面体网格与spring动态平滑。该模型描述中可以找到获利,et al。6]。其他报告这个模型包括Satoh et al。7,8]在降水之间的统计模型模拟和观测的热带降雨测量任务(TRMM)降水雷达(PR)进行了讨论。Nasuno et al。9)使用潮湿的物理全局数值实验研究多尺度对流组织Madden-Julian振荡()MJO就可事件,发生在2006年12月至2007年1月。

reanalysis-2的NCEP /能源部模型,数据,基于广泛使用的国家环境预报中心的/国家大气研究中心(NCEP / NCAR)再分析与改进的物理过程参数化(对流和云参数化和相对humidity-cloud关系)与初始版本(10]。模型产生一个四次日常数据集空间分辨率为2.5×2.5度。

在这项研究中,选择NICAM和NCEP /能源部数据在00:00 UTC。NICAM和NCEP /能源部预测UTBT UTRH 6.7的观察比较μ米的Terra / MODIS通道。这个通道,其峰值对流层上层的敏感性,大气过程研究是非常有用的。6.7 Terra / MODIS极地轨道卫星μm通道的空间分辨率为0.01×0.01度在最低点。之间的公平的比较NICAM和NCEP / DOE模型和卫星观测,所有数据被调整网格0.5×0.5像素的分辨率。对流层上部光芒从模型中生成的输出是通过转发RSTAR6b与辐射传输计算过程执行代码。这段代码是一个通用的方案模拟辐射领域atmosphere-land-ocean系统波长0.17和1000之间μ米(11,12]。代码假定一个平面平行大气分为若干均匀子层与底层地面或海面。计算辐射,辐射传输代码的需求压力,温度,湿度和大气概要文件的模型,以及卫星6.7μm通道光谱响应函数和几何参数。

2003年至2006年的模拟进行(NCEP / DOE)和2006 (NICAM)。本研究模拟给出的数据集对应于各种Terra / MODIS的12月25日,26日和27日,2006年,位于大西洋和太平洋。获得的解释和结论从这些场景也有效的场景另一年。因为甚至在6.7卷云是不透明的μ米,只有晴空像素可以用于分析对流层上部水汽(3]。上面的大气云地区可以使用还低,低云层属于低对流层,面积超过6.7μm通道灵敏度和不干涉这个通道。这一原则应用于本研究。6.7μm通道MODIS传感器完全是敏感的大气压力范围500 - 200 mb。这些将用于加权水平,必要的估计UTRH。使用的检索算法的推导UTRH Soden开发的基于关系和布雷瑟顿13),红外光芒和对流层上层之间的湿度: UTRH是加权平均分数相对湿度的对流层上层,是卫星天顶角、ln是自然对数,是光辉表示为亮度温度在6.7μm带,和从训练数据回归系数决定。

3所示。卫星观测

在这部作品中,Terra / MODIS水汽通道(6.7μ米)美是用来计算亮度温度然后对流层上层的相对湿度(1)。场景选择夜间和白天的图像。这些场景的地理位置是Terra的下行和上行路径/ MODIS(沿大西洋和太平洋)。数据1和2目前的分布UTBT (BT6.7:亮度温度为6.7μ米波长)和UTRH分别的场景。这些图像显示大部分冷UTBT和高UTRH 12月26日(00:50,00:45、00:10 00:05开始5 UTC), 12月27 (00:00 UTC)。这些冷区域对应于高或中云区域和一般对流的主要中心。复杂的热量和湿气流动模式的特点是很大变异性UTBT暖池蔓延向北和向南从大西洋(12月25日23:45 ~ 23:55 UTC和12月26日00:00 ~今日UTC)和西太平洋(12月26日00:45和00:50 UTC, 12月27日00:00,00:05开始5,今日和UTC)。代表地区约200 K低温辐射下沉,与温暖的气温和湿度沉降地区超过250 K,可以发生在一个有限的空间(12月26日00:50 UTC)。这导致强烈UTBT梯度的发展。正如所料,极地区域显示一般冷UTBT比热带地区。对流区域周围,潮湿的角落开发UTRH的50%左右。在强烈沉降的亚热带区域,UTRH可能低于10%。大量水分梯度开发更频繁地在赤道附近的热带地区,与密集的高层流UTBT发生高度滋润附近地区。 Low UTRH gradients occur mostly in the polar areas (25 Dec at 23:45 UTC) where UTBT spatial variability is relatively smooth. Warmer UTBTs near the equator indicate areas of relatively low water vapour amount in the upper troposphere. In such regions, the radiation to space is probably emitted from the lower troposphere. In the following section, a comparative analysis between the observation and model results is presented.

4所示。对比观察和模型结果

在本节中,我们讨论之间的差异UTBT观察和建模。这些差异UTRH差异翻译比较好。这些比较之前,有必要检查Terra / MODIS数据的季节性变化。这颗卫星的观察受到季节性的影响问题。图3说明这种影响:例如,延长的销售季节UTBT观测的2006年12月在1.5 K高于最初的观察。考虑到这些变化的卫星观测和模型模拟之间的比较。

在这项研究中,数据比较,积极的差异意味着温暖UTBT观察比模型中的值。差异的观察和两种模型模拟水蒸气一般显示类似的模式。图4介绍了这些差异的结果在晴朗的天空和云低地区。这个数字表明这些差异通常是更广泛的与NICAM NCEP /能源部的数据相比。后者的预测大多是负面的,也就是说,模型数据高于UTBT。这些观察暗示冷锋传播的程度通常是有限的NCEP /能源部表示上对流层光芒。因此,UTBT是常常高估了。在非常干燥的中心东部中心区域现场的12月26日00:50 UTC(图2)与UTBT > 250 K、模型UTBTs基本上是低估了。这是更明显的NICAM预测与NCEP /能源部。当潮湿的中心接近干旱地区,也就是说,有一个快速变化的温度(高梯度)今日(12月26日现场UTC),温暖的动力方面似乎主宰,冷空气的模型;因此,后者倾向于高估UTBT比观察。然后模型的偏差主要是负面的。也明显的模型不能捕获大湿度水汽场的最小值。表1和2现在,分别观察和模型之间的相关系数结果和模型的RMSE UTBT和UTRH。NCEP / DOE,最高UTBT RMSE值周围发现的赤道大西洋和太平洋(12月26日的场景UTC和00:10 UTC 00:05开始5和12月27日00:00 UTC 00:05开始5 UTC)。这些场景通常显示相关系数最低。几乎与NICAM模型类似,虽然后者似乎表现得更好在12月27日的场景(RMSE减少和更好的相关系数)。这个改进可以解释为模型的低开始初始化,也就是说,从弱动力统治在最初的模拟天(3]。在目前研究的初始化天NICAM模拟是2006年12月26日。可能会有一个逐渐强大的力量在第二天,2006年12月27日。

5。结果的解释和讨论

原因之间的差异注意观察和模型的结果研究了在这一节中。其中,我们将主要研究影响模型的结果低对流层晴空不稳定,对流发展的云,云低热量和水分分布(通过云来表达有效发射率)。

5.1。大气不稳定(干对流)

对流过程是在原点的大部分空气不稳定大气中。他们可以发生与云的形成(湿对流)或没有它(干对流)。在这部分的研究中,我们审查的影响低对流层干对流模型结果。在后面的小节中,湿对流的影响将被检查。热力学不稳定的贡献从对流层低热量和湿气上对流层水汽和温度分布模型的结果可以用不同的方法进行评估。其中之一是使用稳定性指标。这类常用的指标是K-index (KI)。这个指数展示了良好的能力来预测雷暴和对流天气预报领域。因此,一个好的测量降水和雷暴的潜力。索引使用以下参数:温度差异,也就是说,850 hPa之间的垂直温度递减率,或和500 hPa或或者,850 hPa露点温度(提供信息在低层大气的水分含量),700 hPa露点降低,也就是说,700 hPa或温度之间的差异并在700 hPa或露点温度(14]。它是表达如下: 其他指标相比,K-index的优点结合温度和湿度;因此它允许一个很好的区分干燥和潮湿的大气。对KI(即小于等于0。,273 K), the atmosphere is generally stable. KI values between 0 and 20 (i.e., 273 K and 293 K) constitute the transition or mix zone between stable and unstable atmospheres. For KI > 20 (i.e., 293 K), the potential for convection and thunderstorms is high. Figure5介绍了KI变异的平均UTBT (BT6.7)的所有场景KI涵盖了三个稳定范围。模型的一般模式的变化是与观察。然而,一些差异(观测和模型)可以看到12月26日00:00,然后00:10 UTC, 12月27日0点UTC的模型。KI的总体影响的模型如下图所示6。图介绍像素的数量的变化(%晴空中数据的区域)的三个主要KI范围确定前,与UTBT RMSE观测和模型。明确这些参数之间的相关性是可见的低KI (KI < 0)和高KI范围(KI > 20)。两种模型之间的RMSE UTBT增加的数量不稳定的区域的像素,反之亦然。测定系数之间的亲密关系模型(与NCEP / DOE和0.49 NICAM)和KI < 0像素的数量意味着稳定的低对流层有可比性的影响在两个模型的UTBT和UTRH预测。然而,较高的相关性与NICAM KI > 20可能意味着不稳定对后者有更强的影响比NCEP /能源部的模型数据。似乎没有明显相关性存在的过渡区KI (0 < KI < 20)作为数据随机分布。

5.2。对流云团影响(湿对流)

湿对流涉及云的形成。对流云团的存在是一个强大的大气不稳定的迹象。研究区域的云分类根据其亮度温度热IR(红外)窗口(11μ6.7米)和水蒸气IR (μ米)通道。为此,MODIS云掩模的产品,也就是说,11和6.7μ使用m光芒,。简单的分类方案主要是分析的基础上采用Roca et al。15和钟等。16]。云掩码添加到这些分析从晴空地区分离低云层。分类的步骤如下。(一)像素标记为MODIS云天空的面具被分配(5)数量。(b)然后如果像素标记为阴,它将属于以下4类:(1)如果BT11(亮度温度11μ米)< 260 K,对流云团的像素被认为是部分系统;(2)如果270 K < BT11 < 260 K,像素是中云的一部分;(3)如果BT11 > 270 K和BT6.7 > 246 K,像素较低的云;(4)如果BT11 > 270 K和BT6.7 < 246 K,像素是一个薄卷云。

这种分布的说明,给出了图的右边的列4。大量对流带覆盖近一半的场景(西向东)12月26日00:50 UTC显示的重要传播这些类型的云。相反,很少对流云点是12月27日00:00,00:05开始5 UTC。图7(一个)显示的平均观察UTBT对流云层。UTBT似乎与对流云层的增加减少。整体对流云团是对流层上层的保湿效果。的一般描述水分变化的模型非常类似于观察。这个过程对模型结果的影响可以由策划的对流云团对平均UTBT差异(观察模型)。图7 (b)显示了这种关系。一方面,一个相对较好的量之间的相关性是可见的对流云和平均差异(observation-NICAM),也就是说,有一个大幅增加的对流云层覆盖量的差异。另一方面,没有明确的相关性明显与NCEP /能源部的结果。在以下小节中,我们将检查云低有效发射率的影响在对流层上部的热分布和影响,这可能对模型结果。

5.3。热量分布:云有效发射率

云有效发射率的乘积云分数和云发射率。有效发射率的变化通过垂直传播的热量和湿度低云层会明显的影响变化的表面水蒸气对流层上层的光芒。分析热量分布的影响低云层之上,检查这些云的有效发射率分布。关注低云层之前,我们将首先检查所有云的有效发射率。图8显示了所有云领域的有效发射率分布模式类似的场景图4。12月27日0点和00:05开始5 UTC展示低价值的一个重要数量的有效发射率(即区域。,high amounts of broken clouds) among clusters of full clouds while the scenes of 26 Dec at 00:50 and 27 Dec at 00:15 UTC have fewer pixels of low effective emissivity for all the cloud types. For the latter two scenes, the low effective emissivity pixels are essentially aligned along the southwest-northeast and southeast-northwest directions, respectively. A quick comparison of these scenes with the corresponding UTBT differences on Figure4(分别为顶部和底部行)表明,强烈的差异是沿着主要的低辐射路径(属于中等或高云)。仅供低云层,天空区域,提出了一种定量评估的差异,为所有场景(图9)。这个图是绘制UTBT平均差异的变化(观测模型)和有效发射率(在20%范围)。晴朗的天空区域显示为0%有效的发射率。这些图的一般模式表明,至少差异发生在没有发射率(即。,晴朗的天空区域)和高辐射地区(连续云)。中间附近最高的差异被认为有效发射率值,大约40到60%。一个简洁的解释这些观察是由图提供的10。这图显示了低云层的变化量和内(晴朗的天空和低云层)UTBT RMSE云有效发射率的三种主要类(E)选择范围(有效发射率不到40%,40 - 80%,和80%以上)。有一个增加的错误(RMSE)增加的数量低云层的低和平均有效发射率范围(E< 40%,40 <E< 80%),而错误的增加减少的数量低云层的高有效发射率范围。这意味着两种模型的描述上对流层水汽破云层之上很差。更少的错误被认为有效发射率高的云丰富时,也就是说,当有一个广泛的空间连续性。确定系数与NICAM强比与NCEP /能源部预测数据。大矛盾注意观测和模型模拟场景之间有一个高频率低云层有效发射率较低(图8,12月27日00:00 UTC)。NCEP /能源部UTBT RMSE高达12 K的场景(表2)。当只有少数低云层存在有效发射率较低(表2和图8,2006年12月27日今日凌晨UTC), RMSE低和高的相关系数模型。一般来说,由图如图所示10云破碎的影响,低对流层上部湿度似乎更强(增加UTBT差异)NICAM NCEP /能源部比模型。

诱发的原因除了迄今解释卫星观测和模型之间的差异,不确定性的程度与MODIS云面具。卫星传感器的云检测中的错误可能导致降低模型的准确性的数据。一般来说,模棱两可的云检测卫星发生在厚云的边缘和薄高云。虽然MODIS云掩模算法使用各种云检测测试来确定晴空的信心水平观察,一些云可能仍难以确定。肪冲MODIS云检测算法和地面结合激光雷达/毫米云雷达(MPL / MMCR)研究,报道了阿克曼et al。17),表明有一个协议明确或可能存在的晴空,86%的时间,92%的时间,云是礼物。视觉检查在这项研究中使用的图像表明,云污染可能没有显著影响本研究结果(对比卫星观测和模型模拟)。

6。结论

为了评估的性能大、中尺度大气环流模式(NCEP / DOE和NICAM),分别和他们的繁殖能力卫星观测,水蒸气Terra / MODIS 6.7的光芒μm通道灵敏度(其峰值在对流层上部)是模拟的。产品来自这些光芒(UTBT和UTRH)而MODIS的观察。模型的评估的测试床上方的大气南北太平洋和大西洋的海洋。分析模型的模拟显示,他们繁殖足够的卫星观测模式。这些模型之间的差异,观察与NICAM出现高于NCEP / DOE(后者通常显示低RMSE值)。观察和模型之间的相关系数一般比NICAM NCEP /能源部更好。然而,对于大多数的场景,NCEP /能源部UTBT模拟的是高估了。这种情况尤其赤道附近的最高UTBT / UTRH rms NCEP /能源部预测中发现。在非常干燥和温暖的池,NICAM结果往往低估了。模型之间的差异的原因和观察检查和讨论的垂直的热量和水分运动在晴空地区(干对流)之间的低和上面的上对流层和低云(云有效发射率)和对流云团的热量分布(湿对流)影响。 The contribution of the lower troposphere instability to the upper tropospheric moisture and implications for the models’ results are analyzed through a thunderstorm and moisture predictor (the K-stability index). A positive correlation between the instability and the RMSE (observation  versus models) is noticed with both models. The study of the effect of the convective clouds’ development on the models results shows that, as the area covered by these clouds increases, both the humidity in the upper troposphere and the UTBT RMSE between the observations and the NICAM model tend to increase also. The NCEP/DOE model is not as much affected as the NICAM model, by this phenomenon. Analyses of the impact of the heat distribution above low clouds areas are also conducted based on the cloud effective emissivity distribution. Areas with low values of cloud effective emissivity show the strongest discrepancies with the observations for both models. This effect seems to be much more noticeable with the NICAM than with the NCEP/DOE results. The most reliable results are obtained either in clear sky or continuous cloud areas. In order to improve the model data, corrections should include further adjustments of the cloud-resolving parameters, that is, the predictive capacity of the models in the integration of clouds and cloud microphysical properties.

承认

作者要感谢公关。m . Satoh东京大学的提供日本宇宙航空研究开发机构(JAXA),与NICAM模型输出,用于这项研究。