正则化参数方法在卫星辐射率观测误差和偏差估计与调节中的应用研究

The observation error and bias estimation of satellite radiance in variational data assimilation is of vital importance in satellite data assimilation , which will directly affect the contribution of satellite data in numerical weather prediction(NWP), several advanced NWP center carried out lots of researches on it to get more benefit from satellite data. There are two main methods in estimation of satellite radiance observation error which are statistical estimation and physical simulation. The estimated observation error usually times a empirical parameter (amplification factor) when apply to assimilation. On the bias estimation of satellite radiance, we developed a constrained variational bias correction method which use the priori information of calibration and radiative transfer model error upper limit constrain the bias estimation, where there is also a empirical parameter in the constrained term. These two empirical parameters are similar to the regularization parameter of inverse problem. There are two parameter selection method based on the priori error estimation: discrepancy principle with accurate error estimation and L-curve, GCV without accurate error estimation. This study will utilize the ideas and methods in the selection of regularization parameter of inverse problem to develop the method for the determination of empirical parameters of satellite radiance observation error and bias estimation in variational assimilation and supply theoretical basis for the optimization of satellite radiance error and bias estimate.

卫星辐射率观测误差和偏差估计在卫星资料同化中非常重要，直接影响卫星资料在数值天气预报中的贡献，国际上几个先进数值天气预报中心近几年在这方面开展了大量研究，以更好发挥卫星资料的作用。卫星辐射率资料观测误差目前主要基于统计估计和物理模拟两种方法，应用于同化系统时一般都乘上一个经验参数（放大因子）。在卫星辐射率资料偏差估计方面，我们最近发展了有约束的变分偏差订正方法，用定标和辐射传输模式的误差上限等先验信息对偏差进行约束，其中约束项也有一个经验参数。这两个经验参数均类似反问题正则化参数。反问题正则化参数的选择方法主要有两类：在对误差有较好先验估计的情况下，使用偏差原则法；在误差先验估计缺乏的情况下，通常可以使用L-curve，GCV等方法。本研究计划借鉴反问题正则化参数选取的思想和方法，发展变分同化中卫星辐射率观测误差和偏差估计的经验参数的确定方法，为观测误差和偏差估计的优化提供理论依据。

基于最优估计理论而建立的业务变分同化系统能够有效同化卫星资料的重要前提是观测无偏和观测误差准确估计，因此偏正订正和观测误差估计技术成为有效同化卫星观测的关键。传统的卫星偏差订正方法基于完美模式假设，从而会导致模式有偏情况下观测偏差订正向模式偏差漂移。通过引入数学反问题正则化思想，物理上用卫星观测不确定性上界来约束偏差订正整体大小，数学上通过正则化参数方法把不等式约束引入目标泛函，发展实现了卫星资料有约束偏差订正技术，破解了制约平流层和中层及大气化学成分卫星资料同化效果的国际性难题，分别于2016年2018年在中国气象局和欧洲中期天气预报中心得到了业务应用。同时借鉴反问题正则化参数选取方法，发展了变分同化中卫星辐射率观测误差和偏差估计的经验参数的确定方法，并拓展应用到多普勒雷达径向等其他关键观测系统，为业务资料同化中的观测误差和偏差估计的优化提供了理论依据和算法支撑，主要取得如下8项成果：.1).发展了有约束偏差订正方法CVarBC和关键参数快速估计算法，应用于中国气象局业务数值预报系统GRAPES和欧洲中期天气预报中心IFS。.2).研发了一套行之有效的高时间分辨率探测仪观测权重正则化参数的快速自适应选取算法，并应用于中国气象局数值天气预报业务系统GRAPES的风云四号A星探测仪的同化中。.3).实现了正则化方法在FY-4A GIIRS偏差订正和观测误差估计中的应用。.4).发展了基于L曲线的雷达径向风观测误差最优估计。.5).研发了基于L1范数约束的卫星定量降水反演改进算法。.6).发展了背景场约束光流法耦合半拉格朗日的台风云系预报方法。.7).发展了风云四号卫星GIIRS主成分降噪算法。.8).正则化方法在风云四号卫星红外高光谱探测仪观测算子的应用。.在本项目支持下，项目组在业务资料同化中关于偏差订正和观测误差估计问题上实现了突破，解决了国家业务资料同化应用中的部分难题，提高了业务观测应用效益，提高了数值预报精度，改进了高影响天气的预报。成果不仅应用于中国气象局业务数值预报系统，也被欧洲中期天气预报中心、英国气象局和美国威斯康星大学等单位应用，提高了风云卫星观测的定量应用水平，也提升了风云卫星的国际影响力。