气象科学

作者：张乐萱，鲍艳松，刘辉，陆其峰，王圆圆，黄洋，吴莹

单位：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/中国气象局 气溶胶与云降水重点开放实验室/大气物理学院, 南京 210044,,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/中国气象局 气溶胶与云降水重点开放实验室/大气物理学院, 南京 210044,,国家卫星气象中心, 北京 100081,,中国气象局 地球系统数值预报中心, 北京 100081,,国家卫星气象中心, 北京 100081,,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/中国气象局 气溶胶与云降水重点开放实验室/大气物理学院, 南京 210044,,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/中国气象局 气溶胶与云降水重点开放实验室/大气物理学院, 南京 210044,

关键词：FY-4B/GIIRS;BP神经网络;最优插值融合;一维变分融合

基金：国家重点研发计划项目(2023YFB3905802);风云卫星应用先行计划(2022)许健民气象卫星创新中心专项(FY-APP-ZX-2022.0208);国家自然科学基金资助项目(U2242212)

为提高FY-4B/GIIRS数据反演大气温湿廓线的精度,确定大气温湿廓线最优获取方法,本研究基于2022年7月华东地区晴空条件下的FY-4B/GIIRS一级亮温数据与ERA5再分析资料,使用BP神经网络方法反演大气温湿廓线,并分别使用一维变分和最优插值的方法将反演结果与数值预报产品进行融合,以获得精度更高的大气温湿廓线,最后分别以ERA5数据和探空数据为真值,评估反演及融合结果精度。研究结果显示:(1)对于晴空大气温度廓线,对比ERA5数据时,反演与预报场最优插值融合结果误差最小,RMSE为0.56 K,而对比探空数据时,反演与预报场一维变分融合结果误差最小,RMSE为0.87 K;(2)对于晴空大气湿度廓线,对比ERA5数据时,反演结果误差最小,RMSE约7.5%,而对比探空数据时,反演与预报场一维变分融合结果误差最小,RMSE约13%。总之,晴空条件下,基于FY-4B/GIIRS数据,利用BP神经网络反演大气温湿廓线结果优于目前FY-4B/GIIRS二级产品,融合模型进一步提高反演结果精度,最优的结果温度误差小于1 K,湿度误差小于15%。

来源：2026年第1期

《气象科学》期刊编辑部

查看气象科学杂志2026年第1期