FY-4A GIIRS高时间分辨率温湿度廓线反演及其在台风中的应用.pdf

第43卷第4期2023年8 月官莉，韩静，薛秋蒙.FY-4AGIIRS高时间分辨率温湿度廓线反演及其在台风中的应用.气象科学,2 0 2 3,43（4）：56 1-56 8.GUAN Li,HAN Jing,XUE Qiumeng.Temperature and humidity retrieval of FY-4A GIIRS with high temporal resolution and itsapplication in typhoon.Journal of the Meteorological Sciences,2023,43(4):561-568.FY-4AGIIRS高时间分辨率温湿度廓线反演及其在台风中的应用气象科学Journal of the Meteorological SciencesVol.43,No.4Aug.,2023官莉韩静?？薛秋蒙（1南京信息工程大学气象灾害预报预警与评估协同创新中心，南京2 10 0 44；2海南省气象科学研究所，海口57 0 2 0 3）摘要针对2 0 2 0 年第9号台风“美莎克”期间FY-4A高光谱红外干涉式大气垂直探测仪GIIRS每15min一次的目标区跟踪加密观测资料，用三维卷积神经网络算法反演的全天空大气温度、湿度廓线分析了台风处于生命史不同阶段时暖心结构和湿度场结构的演变特征。结果表明：卷积神经网络的深度机器学习算法可以用来反演全天空的三维大气温度和湿度垂直廓线，不光适用范围广（晴空和有云视场）、反演精度高，而且反演速度快。利用静止卫星平台高时间分辨率的特性，反演得到的温度、湿度廓线可以细致追踪台风处于发展、成熟和登陆等阶段时暖心结构和湿度场的时空演变特征。台风从发展阶段（热带风暴和强热带风暴）到成熟阶段至登陆消亡时，暖心首先出现在对流层中高层较薄的区域，随着台风强度的加强，深厚的暖心结构明显、强度增加，水平面积增大且垂直往下延伸。由于对流云中强上升气流的输送水汽正距平区逐渐上传至30 0hPa，台风最强时密闭云区与四周下沉气流区比湿差高到8 Kkg。暖心结构和高湿度中心随着台风登陆而逐渐消失。关键词静止卫星；GIIRS；大气温湿度廓线反演；台风分类号：P407.6Temperature and humidity retrieval of FY-4A GIIRS with hightemporal resolution and its application in typhoon(1 Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters,Nanjing University ofInformation Science&Technology,Nanjing 210044,China;2 Hainan Institute of Meteorological Science,Haikou 570203,China)Abstract Based on FY-4A GIIRS（G e o s t a t i o n a r y In t e r f e r o me t r i c In f r a r e d So u n d e r）t r a c k i n gobservation data to the target area with high-time density(every 15 minutes)during typhoon No.2009,the three-dimensional convolution neural network algorithm was adopted to retrieve the atmospherictemperature and humidity profiles under all-sky condition in this paper.The GIIRS observed brightnesstemperatures and the retrievals of atmospheric temperature and humidity profile were used to analyze theevolution characteristics of typhoon warm core and humidity field structure during different stages intyphoon life history.Results show that the convolution neural network as deep machine learning algorithmis effective for retrieving three-dimensional atmospheric temperature and humidity profile under all-skycondition,not only suitable for clear sky and cloud field of view but with high accuracy and high speed.收稿日期（Received）：2 0 2 2-0 6-2 5；修改稿日期（Revised）：2 0 2 2-0 9-2 6基金项目：国家自然科学基金资助项目（4197 50 2 5）；海南省南海气象防灾减灾重点实验室开放基金（SCSF202006）通信作者（Corresponding author）：韩静（HAN Jing）.n h q x z d s y s 16 3.c o mdoi:10.12306/2022jms.0083GUAN LilHAN JingXUE Qiumeng文献标识码：A562Utilizing the high temporal resolution characteristics of the geostationary satellite platform,thetemperature and humidity profile retrievals can track the temporal and spatial evolution of typhoon warmcore and humidity field structure in detail during different stages.The warm core first appears in the thinregion of the middle and upper troposphere.The deep warm core structure is obvious,the intensityincreases,the horizontal area increases and extends vertically downward with the strengthening of typhoonintensity from development stage（t r o p i c a l s t o r m a n d s e v e r e t r o p i c a l s t o r m),m a t u r i t y （t y p h o o n)t olandfall and dissipation stages.Due to the transport of strong updraft in convective cloud,the positivewater vapor anomaly gradually uploads to 300 hPa height.When the typhoon is strongest,the humiditydifference between the center closed cloud area and the surrounding downdrft area is up to 8 Kkg.Warm core structure and high humidity center gradually disappear with the typhoon landing.Key wordsprofile;typhoon引言全球气候、天气模式的发展要求精确地监测全球范围的大气温度、水汽廓线、微量气体含量及气溶胶含量，其中大气温湿廓线是天气预报和大气科学研究的最基本的参数，在天气分析、数值模式中有重要应用价值，为提高预报准确率提供了有力支撑。气象卫星能够连续地、均匀地观测全球大气状况，红外、微波垂直探测资料则能提供水平和垂直方向的大气温度、湿度分布以及云高和云量等参数。随着卫星遥感关键技术的突破，发展高光谱分辨率红外垂直探测器成为可能，可以实现的光谱分辨率达到了分辨大气成分单个谱线的水平，开始了大量通道同时遥感反演大气温湿廓线和多种微量成分的研究，解决了反演垂直分辨率不能满足数值模式需要的问题2 。目前搭载在极轨气象卫星平台上的红外高光谱大气探测仪器主要有5个：（1）2 0 0 2 年美国EOS/Aqua卫星上的大气红外探测仪AIRS（A t m o s p h e r i c In f r a Re d So u n d e r）是首个在卫星平台上实现真正意义上的高光谱分辨率红外大气探测的光栅式探测仪器,光谱覆盖从3.7 m到15.4m(（6 50 2 7 0 0 c m),共有2 37 8 个通道3。（2）2006年10 月欧洲第一颗极轨卫星METOP-A上的IASI(Infrared Atmospheric Sounding Interferometer)是基于迈克尔逊干涉仪且附有一个成像系统的傅立叶变换光谱仪,0.2 5cm的光谱分辨率使得探测通道多达8 46 1个4。（3)2 0 11年10 月美国新一代极轨气象卫星系列JPSS的准备星NPP（后更名为SuomiNPP）把跨轨红外探测器CrIS（C r o s s-t r a c k气象科学geostationary satellite;GIIRS;retrieval of atmospheric temperature and humidityInfrared Sounder）带入太空，共130 5个通道5（4）2 0 17 年11月中国FY-3D星搭载的HIRAS-I(High-spectralResolutionInfrared AtmosphericSounder)是我国极轨卫星平台上首个干涉式红外高光谱探测仪器，137 0 个光谱通道，光谱分辨率最高达0.6 2 5cm=6。（5)2 0 2 1年7 月FY-3E星搭载了HIRAS-I,可提供地气系统的高光谱分辨率红外辐射观测,在I型基础上扩充了水汽全吸收带,通道增至30 41 个。世界上首台在静止轨道卫星平台上装载的红外高光谱探测仪是我国2 0 16 年12 月发射的FY-4AGIIRS(Geostationary Interferometric Infrared Sounder),以高时间频次的方式获取中国及周边区域大气长波红外和中波红外辐射光谱7 。随后2 0 2 1年6 月FY-4B星搭载的GIRS光谱分辨率和光谱通道数与FY-4A星保持了一致,空间分辨率由A星的16 km提升至12 kmg由于卫星仪器观测到的并不是直接的大气温度、湿度等参数，而是大气辐射量，因此发展一套从高光谱红外辐射观测值中推算全天空大气参数的反演方法就显得极为重要和迫切需要。针对星载红外高光谱辐射观测反演大气温湿参数目前的算法可分为3大类：线性统计回归反演法9、物理或统计一物理反演法10 和机器学习算法1-3。统计和物理反演法开发较早，有较长时间的应用积累，发展比较成熟，而机器学习算法则是近年来学科交叉、应用在大气科学领域的新技术。不同反演技术的特点各异,统计回归反演算法虽然计算简便且反演过程稳定，但不考虑大气辐射传输过程，反演精度有待进一步提高。基于变分理论的物理反演法虽然物理意义明确但建模复杂，要求初始场、计算43卷4期量大、需不停的迭代，不能满足业务的高效需求。机器学习的反演法具有很强的非线性表达及良好的容错能力,在大气科学领域得到了初步应用。由于红外波段相对波长较短,对云雨区的穿透性较差，有云时大气参数的反演面临很多挑战：云的复杂性、反演问题的不稳定性、高度的非线性、缺少大量的有云情况下大气廓线及云参数的样本资料等,因此基于红外遥感观测反演大气温度、湿度多是针对晴空区开展的。即便是变分的物理反演法，对部分有云影响视场需先消除云对红外通道的“污染”、计算出其等效晴空辐射值后再晴空反演。但机器学习的算法可以尝试从图像的角度将观测的亮度温度场与大气的温度和湿度场之间直接建立起联系，实现有云时反演。目前基于星载红外高光谱观测反演大气温湿度廓线的算法开发和实际应用多是基于极轨卫星平台上的几个仪器，而对如何利用首次载于静止卫星平台上的FY4A-CIRS高时间分辨率观测特点的研究还鲜见报道。关键是，国家卫星气象中心GIRSLevel2业务产品中未提供大气湿度廓线、观测视场中有云时仅提供云顶以上高度的温度廓线。变分的物理反演法虽然反演精度比较高，但当视场中全部被云覆盖时没有反演能力。因此,本文利用三维卷积神经网络的深度机器学习算法反演全天空的大气温度、湿度廓线,探索GIIRS高时间分辨率的观测特性对天气系统发展、演变过程的揭示。1GIIRS 观测资料FY-4AGIIRS是国际上第一台载在静止轨道卫星平台上的红外高光谱遥感仪器，可以高频次探测三维大气垂直结构，16 50 个通道以0.6 2 5cm的光谱分辨率分布在中波波段4.44 6.0 6 m和长波波K60N320(a)50403020100Fig.1(a)GIIRS observed brightness temperatures at window channel of 900 cm-and(b)spatiotemporal matched ERA5 temperature field at官莉，等：FY-4AGIRS高时间分辨率温湿度廓线反演及其在台风中的应用载网址是:http:/。2三维卷积神经网络反演算法介绍由于GIIRS观测通道较多、而且通道之间有相关性,因此根据每个通道权重函数峰值高度及所处的气体吸收带，尽可能保证所选通道权重函数峰值高度在所有垂直气压层上均匀分布且主要位于CO2和水汽吸收带上，共选择了335个通道进行大气温度和湿度反演0 。ERA5数据是欧洲中期天气预报中心ECMWF发布的最新一代再分析资料,空间分辨率为，时间分辨率为1h，垂直高度从10 0 0 1hPa有37 层，下载网址：https：/a p p s.e c mw f.i n t/datasets/。三维大气温湿度廓线反演的训练样本集由时间、空间匹配的GIIRSLevel 1级观测亮温和ERA5再分析大气温度、湿度场廓线组成,将ERA5格点上的数据空间匹配到GIRS观测视场位置上，匹配时间在1h之内。本文选用2 0 2 0 年7 月整月GIIRS中国区域观测的亮温数据作为训练样本的输入数据，一个样本图片的维度为16 0 16 0 3350,其中第一维为GIIRS纬向上观测的16 0 个视场FOV、第二维(b)3002802602402202004060图12020年7 月2 日0 2:0 0 0 3:40（a)CIIRS窗区通道90 0 cm-l观测亮温与（b)时空匹配的1 000 hPa(the size of image is 160 x160)from 0200 UTC to 0340 UTC on 2 July,2020563段8.8 5 14.2 9m，星下点空间分辨率为16 km。GIIRS 的工作扫描模式与其它搭载在极轨平台上的红外高光谱探测仪的跨轨迹横向扫描方式不同，首次使用32 4矩形传感器探元面阵。观测模式主要包括区域观测和地标观测，探测地域可控。常规是进行区域观测：每6 7 min覆盖一次(3 55N,66144E)范围的区域，遇到台风等感兴趣的天气系统时采取小区域的快速跟踪扫描14。本文使用的就是2 0 2 0 年第9 号台风“美莎克期间FY-4AGIRS每15 min一次的目标区 Levell 级辐射率跟踪加密观测资料，时间从2 0 2 0 年8 月2 8 日一9 月4日。下80100120140160EERA51000hPa温度场（图像长宽为16 0 16 0）K310305300295290285280406080100120140160E564为经向上的16 0 个视场、第三维为通道数；输出样本维度为16 0 16 0 37,前两维与输人相同,第三维则为反演的37 层温度或湿度廓线。一个月的资料共有2 8 4对训练样本，温度和湿度分别建立相应的反演模型。图1给出了2 0 2 0 年7 月2 日0 2：0 0 一03:40（世界时，下同）一个样本的例子：（a)为GIIRS窗区通道90 0 cm观测亮温；（b）为经过时空匹配后ERA51000hPa温度场分布，图像长宽均为16 0160。三维卷积神经网络算法可以对一定区域范围的GIRS观测同时进行反演,考虑了天气系统及大气参数分布的空间连续性和相关性。神经网络模型及训练流程如图2 所示，主要由输入层、卷积层、池化层、卷积输出层和输出层构成，其中每个卷积层后都设置归一化层、激活函数层、丢弃层。该模型使用了5个卷积层13，加深了网络深度，使其适用于更为复杂的关系且网络的泛化能力更强，深度机器学习算法（即包含多级非线性变换的层级机器学习算法）结构框架组成比较复杂，因此不同模型参数设置和网络优化是关键。本文利用训练样本以训练好的网络反演大气参数均方根误差最小为最优的原则，测试了不同的网络关键参数,最终选取参数：卷积核大小均为33、第一卷积层卷积核数量12 8、其余层卷积核数量96、sgdm求解器、迭代次数 6 0 次,激活函数采用 ReLU 函数,丢弃概率设为0.5。该算法可以进行全天空、整层的三维大气温湿度廓线反演，前期工作通过与无线电训练次数 设定值是更新网络参数图2 卷积神经网络框架及训练流程（B表示批量归一化层；R表示ReLU激活函数；D表示概率为0.5的丢弃层）Fig.2Convolutional neural network frame and training flow chart(B:batch normalization;R:ReLU activation function;D:discard layer with probability of 0.5)气象科学探空观测进行比对，对该算法的精度进行了评估，结果表明在有云影响时依然可以保持较高的反演精度,而且反演速度快，详见文献15。而业务的GIRS Level2产品未提供湿度廓线、视场中有云时仅提供云顶以上高度的温度廓线,对台风这种基本全是云区覆盖的天气系统几乎没有温湿度信息。因此本文选取了GIIRS加密观测的台风个例,采用卷积神经网络的算法反演台风区温度、湿度廓线。3台风个例介绍台风“美莎克”2 0 2 0 年8 月2 8 日0 7 时开始命名为“美莎克”,编号2 0 0 9,2 1时为热带风暴强度，8月30 日0 0 时升级为台风级,其中心距离日本冲绳那霸偏南约8 7 0 km的太平洋洋面上，中心附近最大风力13级（38 ms-）、最低气压降为96 5hPa。随后，“美莎克”以每小时约2 5km的速度向偏北方向移动，强度逐渐加强。30 日2 0 时达到强台风强度，8月31日12 时至9 月1日14时“美莎克”在浙江东部海面上加强为超强台风。9 月1日15时降格为强台风，9 月2 日18 时在韩国庆尚南道沿海登陆，中心最大风力有14级（42 ms）、最低气压为950 hPa,强度减弱为台风;随后强度逐渐减弱、直至再次登陆消亡。图3给出了“美莎克”台风的移动路径，不同颜色表示不同发展阶段的强度，并标注了对应时间。数据来源为中央气象台台风网（http：/ 设定值是工输出4期40N-30201000km500mi105图32 0 0 9号台风“美莎克 移动路径及强度Fig.3Track and intensity of 2009 typhoon4反演温湿度廓线在台风过程中的应用针对台风“美莎克”期间GIIRS的观测用三维卷积神经网络CNN算法反演了温度、湿度廓线,用不同时次经过台风中心的纬向温度距平和湿度距平垂直剖面图来分析台风不同发展阶段中暖心和湿度场结构演变过程。距平计算方法：选取台风中心向外10 经距、纬距范围作为研究区域,求出该区域内垂直方向上各层的温度、湿度平均值，再由每一层上每一点的温度、湿度值减去该层的平均值则得到距平值。图4给出了“美莎克”处于不同生命史阶段时GIIRS窗区通道90 0 cm观测的亮度温度分布，从上到下、从左到右时间依次为8 月2 9日0 8 时（热带风暴）、2 9 日12 时（强热带风暴）、30 日2 0 时（台风）、31日0 0 时（强台风）、9月1日0 0 时（超强台风)和2 日2 0 时（台风登陆)。台风是一个由于内部大量潜热释放而形成的暖性结构的强涡旋热带系统，在卫星云图上表现为有组织的涡旋状云系。图中蓝色区域（亮温低值）一般与发展比较深厚、高度比较高的云区对应，而红色则为温度较暖的区域，台风区域观测亮温相对而言比周围宽阔海域的温度要低。8 月2 9日0 8 一12 时“美莎克”加强为强热带风暴（图中两图中间只间隔4h），台风云系为中心稠密云型。30 日2 0 时和31日0 0 时云系为有眼云区型，台风眼的形成标志着台风进入了成熟阶段,台风南侧洋面有大量对流云辐合并人。31日0 0时超强台风阶段中心稠密云区和外围螺旋云带紧密围绕在台风眼区周围、且结构对称；在台风发展加强阶段，眼变得越来越清晰、环绕眼的云区温度官莉，等：FY-4AGIRS高时间分辨率温湿度廓线反演及其在台风中的应用9.4.T099.4.T009.3.T069.3.T009.2.T199.1.T158.31.T128.30.T208.29.T128.30.T00V8.28.T008.28.T09120135565越来越低。至9 月2 日2 0 时台风一次登陆时,由于水汽、摩擦等作用，强度迅速减弱，卫星红外云图上螺旋状的云型结构松散、只表现为一片低亮温云区。在台风中层高度，由于圆形云区和外围螺旋云带内部大量暖湿空气上升，对流云中水汽凝结成云热带低压热带风暴强热带风慕台风强台风超强台风150E滴不断释放凝结潜热，使得台风中层高度往往存在暖心结构。高度再高，绝热冷却使得云中上升空气温度低于环境温度。图5给出了与图4对应时刻沿着台风中心（图4中红线）做的经向温度距平剖面，图6 则为比湿距平剖面。可以看出，8 月2 9 日0 8时还在热带风暴阶段时中心区域在150 2 50 hPa和40 0 6 50 hPa高度就出现了比较暖的正距平区，4h后，“美莎克”加强为强热带风暴时这两个不同高度上的温度正距平区不仅数值上开始加大、而且暖区有垂直向上逐渐连通、合并的趋势；对应水汽在40 0 6 50 hPa高度上也有正距平区。2 9日12 时相对0 8 时而言水汽由于垂直运动加强有向更高层输送的趋势，强热带风暴中心区域水汽已垂直输送到40 0 hPa高度;6 50 9 50 hPa是较厚的湿层。到30日2 0 时达到台风强度时，150 50 0 hPa上的暖心已经很深厚、而且强度强（距平达到6 K），随着台风强度的加强、暖中心一直往低空下传且厚度增大；大量水汽垂直输送到30 0 hPa。30 日2 0 时起台风中心密闭云区从近地面到30 0 hPa都是深厚湿区，这是由于对流云中垂直上升气流将水汽往上输送造成的；而台风外围则为湿度负距平区（在台风、强台风和超强台风阶段最明显），对应台风外围的垂直下沉气流区。在台风的整个生命期,中心区域在600 hPa附近都有一水汽相对干燥区,这是由于积云上升时,环境空气在该高度附近比较干燥，干空气被夹卷混人云中的结果。到9月1日0 0 时超强台风的暖中心已经下沉到8 50 hPa,整个台风中心区的温度都比周围偏高；而且中心区水汽更深厚、湿度更大（距平超过4gkg-）,与四周下沉区相比比湿相差高到8 Kkg。直到9月2 日2 0 时台风一次登陆时台风眼上空的暖心结构才消失，表现为整个台风区域都是较暖的温度正距平，随着台风能量的释放,水汽高度下降到7 0 0 hPa以下。载于静止轨道卫星平台的GIIRS在目标区可实现每15min一次的跟踪加密观测，而其他的资料，如无线电探空虽然能获取精准的大气温、湿度垂直廓线，但每12 h才观测1次，而且是单点观测。数值预报模式的再分析资料虽然能给出三维的大气温度和湿度场，但时间分辨率为1h，无法捕获到小566气象科学43卷K40N28040Na(b)2702603030250240202023022010102102000190011012040N(d)3020100110图42009号台风“美莎克 CIRS窗区通道90 0 cm观测亮温（红色实线为下图剖面位置），从上到下、从左到右时间依次为：8月2 9日0 8 时（热带风暴）、2 9日12 时（强热带风暴）、30 日2 0 时（台风）、31日0 0 时（强台风）Fig.4 GIIRS observed brightness temperatures at window channel of 900 cm:0800 UTC on 29 Aug.(tropical storm),1200 UTC on 29 Aug.(severe tropical storm),2000 UTC on 30 Aug.(typhoon),0000 UTC on 30 Aug.(violent typhoon),000 UTC on 1 Sep.时内更细致的台风暖心和湿度场变化；且格点0.25的空间分辨率比GIIRS视场分辨率也低。5结论本文选取2 0 2 0 年第9号台风“美莎克”为例，载于FY-4A静止卫星平台的GIRS对其进行了每15min一次的跟踪加密观测,采用三维卷积神经网络方法反演了台风区域大气温度、湿度廓线。利用GIIRS高时间分辨率观测亮度温度图和经过台风中心的温度、湿度距平垂直剖面，细致分析了台风发展、成熟和登陆阶段暖心结构和湿度场的时空变化特征。主要结论如下：（1）卷积神经网络的深度机器学习算法从图像的角度直接寻求观测亮温和温度、湿度场的对应关系，可反演全天空的三维大气温度和湿度垂直廓线。不光适用范围广、反演精度高，而且反演速度K28040N2702603025024020230220210102001900130140150EK28027040N2602502403023022021020200190120130K280270260250240230220210200190110120(e)140150E(super typhoon)and 2000 UTC on 2 Sep.(typhoon landing)1301101209月1日0 0 时（超强台风）和2 日2 0 时（台风登陆）料无法做到的。（3)反演得到的高时间分辨率的温度、湿度廓线可以分析出台风从发展阶段（热带风暴和强热带风暴)到成熟阶段至登陆消亡阶段时，暖心首先出现在中心区域对流层中高层，随着系统的加强，暖心结构明显、强度增加，水平面积增大且垂直往下延伸。随着台风中垂直上升气流的加强，可以将水汽输送至高达30 0 hPa高度，强度最强时密闭云区与四周下沉区比湿差高到8 Kkg。随着台风登陆暖心结构消失、对流层中高层湿中心消失。140150EK28050N0)26040240302202020010130140150E快,为用高光谱红外观测研究台风这种基本全是云区覆盖的天气系统提供了可能。(2)利用载于静止卫星平台GIRS高时间分辨率的观测可以细致追踪台风处于发展、成熟和登陆等生命史不同阶段时暖心结构和湿度场等的时空演变特征，这是极轨气象卫星平台和无线电探空资110110120130140150160E120130140150EK2802702602502402302202102001904期官莉，等：FY-4AGIRS高时间分辨率温湿度廓线反演及其在台风中的应用5671002003004005006007008009001 000124126128130132纬度29日0 8 时热带风暴1002003004005006007008009001000124126128130132纬度31日0 0 时强台风Fig.5 Same as fig.4,except for vertical profile of temperature anomaly(unit:K)K642124 126 128130 132 134124126128130132134纬度纬度29日12 时强热带风暴30日2 0 时台风120122124126128130125纬度1日0 0 时超强台风图5同图4,但为温度距平(单位：K)剖面0-246130135纬度2日2 0 时台风登陆1002003004005006007008009001000124126128,130132134纬度29日0 8 时热带风暴10020030040050060017008009001000124 126128130132纬度31日0 0 时强台风Fig.6 Same as fig.4,except for vertical profile of humidity anomaly(unit:gkg-)gkg!432:128130132124126纬度29日12 时强热带风暴120122124126128130纬度1日0 0 时超强台风图6 同图4,但为比湿距平剖面（单位：gkg）124126128130132134纬度30日2 0 时台风125130纬度2日2 0 时台风登陆10-12-341355681王颖，黄勇，黄思源，大气温湿廓线反演问题的研究.国土资源遥感,2 0 0 8,（1)：2 3-2 6.WANG Ying,HUANG Yong,HUANG Siyuan.A preliminary studyof the retrieval methods for atmosphere and humidity profiles.Remote Sensing for Land&Resources(in Chinese),2008,(1):23-26.2吕达仁，王普才，邱金桓，等.大气遥感与卫星气象学研究的进展与回顾.大气科学，2 0 0 3，2 7（4）：552-56 6.LU Daren,WANG Pucai,QIU Jinhuan,et al.An overview on theresearch progress of atmospheric remote sensing and satellitemeteorology in China,Chinese Journal of Atmospheric Sciences(inChinese),2003,27(4):552-566.3Aumann H H,Chahine M T,Gautier C,et al.AIRS/AMSU/HSBon the Aqua mission:design,science objectives,data products,and processing systems.IEEE Trans.Geosci.Remote Sens.,2003,41(2):253-264.4Collard A D.Selection of IASI channels for use in numericalweather prediction.Quart.J.Roy.Meteor.Soc.,2007,133(629):1977-1991.5Menzel W P,Schmit T J,ZHANG Peng,et al.Satellite-basedatmospheric infrared sounder development and applications.Bull.Amer.Meteor.Soc.,2018,99(3):583-603.6杨天杭，胡秀清，徐寒列，等.基于交叉比对的风云三号D星红外高光谱大气探测仪辐射定标性能评估.光学学报，2 0 19，39(11):1130003.YANG Tianhang,HU Xiuqing,XU Hanlie,et al.Radiationcalibration accuracy assessment of FY-3D hyperspectral infraredatmospheric sounder based on inter-comparison.Acta Optica Sinica(in Chinese),2019,39(11):1130003.7YANG Jun,ZHANG Zhiqiang,WEI Caiying,et al.Introducingthe new generation of Chinese geostationary weather satellites,Fengyun-4.Bull.Amer.Meteor.Soc.,2017,98(8):1637-1658.8咸迪.风云四号B星.卫星应用，2 0 2 1，（7）：6 8.气象科学XIAN Di.Fengyun 4B satellite.Satellite Application（i n参考文献Chinese),2021,(7):68.9Weisz E,Huang A H L,Li Jun,et al.International MODIS andAIRS processing package:AIRS products and applications:J.Appl.Remote Sens.,2007,1(1):013519.10 XUE Qiumeng,GUAN Li,SHI Xiaoning.One-dimensionalvariational retrieval of temperature and humidity profiles from theFY4A GIIRS.Adv.Atmos.Sci.,2022,39(3):471-486.11】官莉，刘旸，张雪慧人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用.大气科学学报，2 0 10，33（3）：341-346.GUAN Li,LIU Yang,ZHANG Xuehui.Application of artificialneural network algorithm in retrieving atmospheric temperatureprofiles from hyperspectral infrared data.Transactions ofAtmospheric Sciences(in Chinese),2010,33(3):341-346.12 Milstein A B,Blackwell W J.Neural network temperature andmoisture retrieval algorithm validation for AIRS/AMSU and CrIS/ATMS.J.Geophys.Res.Atmos.,2016,121(4):1414-1430.13 Malmgren-Hansen D,Laparra V,Nielsen A A,et al.Statisticalretrieval of atmospheric profiles with deep convolut