导言:为什么准确的降水数据事项

降雨、积雪、积雪和冰雹是地球水循环的基本动力。 精确测量降水对农业、水资源管理、洪水预报、干旱监测和气候研究至关重要。 几十年来,地面雨量测量构成了降水观测网络的支柱。 然而,这些点测量提供了有限的空间覆盖,特别是在海洋、山区和人口稀少地区。 遥感技术通过提供空间的大规模、近实际观测改变了田间。 本条探讨了遥感如何加强降水数据收集、基础技术以及更精确的测量路径。

什么是遥感?

遥感是指在没有与物体或现象进行物理接触的情况下获取有关物体或现象的信息。 在地球观测方面,它涉及在卫星、飞机或无人机上携带的测量地球表面和大气层所反射或排放的电磁辐射的仪器。 然后对这些测量进行处理,以推断温度、湿度、云层结构和降水强度等物理性质。

降水密钥传感器类型

  • 微波传感器探测水解仪(雨滴、雪花、冰雹)自然发射的微波辐射,这些信号与降水强度密切相关,使其成为空间降雨估计的主要工具。
  • 主动传感器,如降水雷达,微波能量的脉冲发射和测量反散信号,这提供了详细的降水垂直剖面,包括雨和雪的区别.
  • 地球静止卫星上的红外线传感器测量云顶温度。冷高云与深层对流系统相关,使IR-基于算法推断降水率。虽然比微波观测更不直接,IR数据提供高时频(每5-15分钟),对近实时监测至关重要。

遥感如何加强降水数据收集

地面降雨测量仪和气象雷达准确地捕捉局部降水,但不能统一覆盖全球。

  • 空间覆盖:卫星可以观测地球的每个部分,包括海洋,极地地区和无法进入的山区地形,从而能够形成仅靠In-situ网络无法获得的全球降水气候。
  • 时间覆盖: 多个卫星一起工作,可以提供几个小时的重访时间. 地球静止平台提供固定区域的连续覆盖,每5-15分钟更新一次.
  • 一致性:卫星仪器在飞行任务中进行校准和交叉校准,产生对探测与气候变化有关的趋势和变异性至关重要的长期记录。
  • 定性结构: 全球降水测量(GPM)核心观测台上的双-频率降水雷达(DPR)等主动传感器提供降水的三维信息,揭示熔层,不同高度的降雨率,以及对流风暴强度.

主要特派团及其贡献

全球降水量测量飞行任务

全球地球气象卫星中心观测台于2014年作为美国航天局和日本宇宙航空研究开发机构(日本宇宙航空研究开发机构)的联合任务启动,它同时搭载了双相频降水雷达和地球气象卫星微波成像仪。 全球地球气象卫星中心作为国际伙伴卫星星座的参考标准,每30分钟提供一次全球统一的降水估计。全球地球气象卫星中心产品综合多相频检索器将所有星座成员的数据合并,生成高分辨率(0.1°,30°)降水场。

TRMM(热带降雨测量任务)

1997年至2015年,TRMM率先在热带和亚热带地区进行天基降水雷达和微波辐射测量,其数据为全球大气监测方案奠定了基础,并继续用于气候研究。

外部链接:NASA全球降水量测量[]

外部链接:[ JAXA GPM/GCOM-W]

遥感在降水研究中的优势

  • 无比的空间覆盖: 卫星覆盖海洋(地球表面的70%),偏远的陆地地区,以及难以在地面上测量的政治边界.
  • 近实时可用性: 许多卫星产品在观测后数小时内就可提供,支持操作水文、洪水警报和救灾。
  • 长期气候记录:经过仔细的后处理,卫星记录现在已超过20年,从而能够分析季节性到十分期的变异性和降水极端趋势。
  • 与数值天气模型结合: 卫星降水数据被同化为天气预测模型,提高了风暴和降水事件的预测准确性.
  • 支持水资源管理: 精确的降水图驱动水库运行、灌溉调度和干旱监测的水文模型。

强化降水数据的应用

天气预报和播音

高分辨率卫星降水产品输入业务数值天气预测系统,例如,美国国家气象局利用IMERG数据集改进短期预报和洪水警报,特别是用于地面雷达覆盖很少的对流驱动降雨。

气候研究

遥感产生的全球降水数据集对于验证气候模型、研究水循环对变暖的反应、跟踪季风模式的变化、厄尔尼诺/南方涛动周期和热带气旋活动至关重要。

农业和粮食安全

在许多发展中国家,地面降雨量很少,卫星产生的降水量估计数使得能够对作物产量进行模型化、建立干旱预警系统(如饥荒预警系统网络)以及为小农提供保险产品。

水文和水管理

洪水预报模型需要准确,空间分布的降雨投入. 遥感数据用于校准大型河流流域的水文模型,监测积雪(一种固体降水形式),并评估美国西海岸大气河流等极端事件的影响.

挑战和限制

尽管具有变革性优势,但遥感降水并非没有挑战。

  • 数据分辨率:被动微波传感器在10~50公里左右提供空间分辨率,对于局部应用来说可能过于粗糙. 更高分辨率的主动传感器(如GPM DPR)提供~5公里的足迹,但覆盖范围仅限于非扫描扫描层.
  • 校准和验证:卫星估计需要一致校准地面真伪(雨量表,减震表,地面雷达). 双子体可能来自传感器性能的变化,轨道漂移,或算法假设.
  • 检索算法的复杂性:[ 将观测到的光线转化为降水速率涉及物理模型,假设某些水流计大小分布,粒子形状,以及大气剖面. 这些假设的错误会导致系统性的不确定性.
  • 雪和轻雨:被动微波回收降雪和极轻降雨(如细雨),由于信号弱,签名模糊,仍然具有挑战性.
  • 时间采样差距: 虽然星座的覆盖范围有所扩大,但卫星过山之间仍然存在差距,特别是在极地地区,以及短寿命对流事件。

降水遥感的未来方向

前景中的几个创新有望推动降水数据的质量和实用性界限:

高级卫星飞行任务

下一代飞行任务,如美国航天局拟议的“JAXA降水测量飞行任务”、欧洲航天局的“地球大气空间”(云雾、气溶胶和降水雷达)以及即将发射的欧洲气象卫星极地系统[将携带分辨率更高的改进传感器,对轻雨和雪的敏感性更高,并更频繁地进行再访。

机器学习的一体化

深层学习和数据聚变技术正在被应用到卫星观测与地面数据、再分析产品和高分辨率模型相结合。 这些混合方法可以减少检索偏差,并在陆地上低于公里分辨率时产生降水场。 例如,PERSIANNQCCS系统利用神经网络进行基于卫星的降雨估计。

小卫星和卫星集

低成本小型卫星和立方卫星的兴起提供了部署密集星座的潜力,这些星座能够以非常高的时间分辨率观测降水(10-15分钟 ) 。 行星和斯皮尔等公司正在探索微波和全球导航卫星系统无线电掩蔽技术,以进行降水估计。

地面校准网络改进

扩展高质量的地面验证站点,包括降雨计阵列和低成本雨量测量的密集网络,将有助于完善卫星算法。 NOAA国家严重风暴实验室[运行GPM地面验证程序,部署实地活动测试和改进检索模型。

结论

遥感从根本上改变了科学家和业务机构收集、分析和使用降水数据的方式,卫星提供了一种持续的全球观点,认为没有任何地面网络能够单独实现。 尽管挑战依然存在,特别是在解决细小的特征、回收光和固体降水以及几十年来保持校准方面,传感器、机器学习和小型卫星星座的快速技术进步正在稳步弥合这些差距。 随着这些能力逐渐成熟,遥感在加强降水数据收集方面的作用只会增加,为社会提供更好的管理水资源、预测极端天气和了解不断变化的气候的工具。

外部链接:[NOAA GPM产品页]