Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 4. С. 9-23
Возможности использования быстрой радиационной модели CRTM для анализа данных микроволнового радиометра МТВЗА ГЯ
А.А. Филей
1 , Ю.А. Шамилова
1 1 Дальневосточный центр НИЦ «Планета», Хабаровск, Россия
Одобрена к печати: 01.07.2024
DOI: 10.21046/2070-7401-2024-21-4-9-23
Рассмотрены функциональные возможности быстрой радиационной модели CRTM (англ. Community Radiative Transfer Model) для анализа и валидации измерений микроволнового радиометра МТВЗА ГЯ (Модуль температурного и влажностного зондирования атмосферы, названный в честь генерального конструктора космических систем, выдающегося учёного Г. Я. Гуськова) на борту космических аппаратов серии «Метеор-М». Представлены основные аспекты по расчёту и добавлению в CRTM весовых коэффициентов для быстрого вычисления коэффициентов пропускания атмосферы в каналах радиометра МТВЗА ГЯ. Проведена оценка вычислительной производительности и точности расчётов измерений в микроволновых каналах радиометра на примере сравнения с быстрой радиационной моделью RTTOV (англ. Radiative Transfer for TOVS (TIROS (Television InfraRed Observation Satellite) Operational Vertical Sounder))). Согласно результатам сравнения смоделированных значений яркостной температуры, полученной с помощью CRTM и RTTOV, средняя ошибка в каналах МТВЗА ГЯ не превышает 2К. Функциональные возможности CRTM позволяют не только моделировать измерения в каналах МТВЗА ГЯ, но и осуществлять построение весовых функций и якобианов, что делает CRTM отличным средством для разработки методик решения обратных задач переноса микроволнового излучения в атмосфере с целью получения различного вида информационной продукции. Кроме этого, полученный опыт расчёта весовых коэффициентов позволит в будущем реализовать функциональные возможности для моделирования измерений в каналах любых российских спутниковых приборов.
Ключевые слова: МТВЗА ГЯ, CRTM, RTTOV, «Метеор-М», моделирование, быстрая радиационная модель
Полный текстСписок литературы:
- Успенский А. Б., Рублев А. Н., Русин Е. В., Пяткин В. П. Быстрая радиационная модель для анализа данных гиперспектрального ИК-зондировщика спутников серии «Метеор-М» // Исслед. Земли из космоса. 2013. № 6. С. 16–24. DOI: 10.7868/S0205961413060109.
- Чернявский Г. М., Митник Л. М., Кулешов В. П. и др. Моделирование яркостной температуры и первые результаты, полученные микроволновым радиометром MTВЗA-ГЯ со спутника «Метеор-М» № 2-2 // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 3. С. 51–65. DOI: 10.21046/2070-7401-2020-17-3-51-65.
- Boukabara S.-A., Garrett K., Chenet W. et al. MiRS: An all-weather 1DVAR satellite data assimilation and retrieval system // IEEE Trans. Geoscience and Remote Sensing. 2011. V. 49(9). P. 3249–3272. DOI:10.1109/TGRS.2011.2158438.
- Chen Y., Han Y., van Delst P., Weng F. On water vapor Jacobian in fast radiative transfer model // J. Geophysical Research. 2010. V. 115. Iss. D12. Article D12303. DOI: 10.1029/2009JD013379.
- Chen Y., Han Y., Weng F. Comparison of two transmittance algorithms in the community radiative transfer model: Application to AVHRR // J. Geophysical Research: Atmospheres. 2012. V. 117. Iss. D6. Article D06206. DOI: 10.1029/2011jd016656.
- Cherny I. V., Chernyavsky G. M., Mitnik L. M. et al. Advanced Microwave Imager/Sounder MTVZA-GY-MP for new Russian meteorological satellite // Proc. IEEE Intern. Geoscience and Remote Sensing Symp. (IGARSS). 2017. P. 1220–1223. DOI: 10.1109/IGARSS.2017.8127178.
- Chevallier F., Michele S. D., McNally A. P. Diverse profile datasets from the ECMWF 91-level short-range forecast: NWP SAF Rep. NWPSAF-EC-TR-010. 2006. 16 p.
- Clough S. A., Shephard M. W., Mlawer E. J. et al. Atmospheric radiative transfer modeling: A summary of the AER codes // J. Quantitative Spectroscopy Radiative Transfer. 2005. V. 91(2). P. 233–244. DOI: 10.1016/j.jqsrt.2004.05.058.
- Hocking J., Saunders R., Geer A., Vidot J. RTTOV v13: Users Guide. NWPSAF-MO-UD-046 / EUMETSAT. 2022. 169 p. https://raw.githubusercontent.com/wiki/JCSDA/crtm/files/CRTM_User_Guide.pdf.
- Johnson B. T., Stegmann P., Dang C., van Delst P. Community Radiative Transfer Model v2.4.0: User guide / Joint Center for Satellite Data Assimilation. 2020. 208 p. DOI: 10.5281/zenodo.7415561.
- Johnson B. T., Dang C., Stegmann P. et al. The Community Radiative Transfer Model (CRTM), Community-focused collaborative model development accelerating research to operations // Bull. American Meteorological Society. 2023. V. 104. P. 1817–1830. DOI: 10.1175/BAMS-D-22-0015.1.
- Kazumori M., English S. J. Use of the ocean surface wind direction signal in microwave radiance assimilation // Quarterly J. Royal Meteorological Society. 2015. V. 141(689). P. 1354–1375. DOI: 10.1002/qj.2445.
- Liang X., Ignatov A., Kihai Yu. Implementation of the Community Radiative Transfer Model (CRTM) in Advanced Clear-Sky Processor for Oceans (ACSPO) and validation against nighttime AVHRR radiances // J. Geophysical Research. 2009. V. 114. Iss. D6. Article D06112. DOI: 10.1029/2008JD010960.
- Liebe H. J. MPM — An atmospheric millimeter-wave propagation model // Intern. J. Infrared and Millimeter Waves. 1989. V. 10(6). P. 631–650. DOI: 10.1007/BF01009565.
- Liebe H., Rosenkranz P., Hufford G. Atmospheric 60-GHz oxygen spectrum: New laboratory measurements and line parameters // J. Quantitative Spectroscopy and Radiative Transfer. 1992. V. 48(5–6). P. 629–643. DOI: 10.1016/0022-4073(92)90127-p.
- Moradi I., Goldberg M., Brath M. et al. Performance of radiative transfer models in the microwave region // J. Geophysical Research: Atmospheres. 2020. V. 125(6). Article e2019JD031831. DOI: 10.1029/2019JD031831.
- Rienecker M., Suarez M., Gelaro R. et al. MERRA: NASA’s Modern-Era Retrospective analysis for research and applications // J. Climate. 2011. V. 24(14). P. 3624–3648. DOI: 10.1175/JCLI-D-11-00015.1.
- Rosenkranz P. W. Water vapor microwave continuum absorption: A comparison of measurements and models // Radio Science. 1998. V. 33(4). P. 919–928. DOI: 10.1029/98RS01182.
- Rosenkranz P. W. Rapid radiative transfer model for AMSU/HSB channels // IEEE Trans. Geoscience Remote Sensing. 2003. V. 41. No. 2. P. 362–368. DOI: 10.1109/TGRS.2002.808323.
- Sanò P., Casella D., Camplani A. et al. A machine learning snowfall retrieval algorithm for ATMS // Remote Sensing. 2022. V. 14(6). Article 1467. DOI: 10.3390/rs14061467.
- Saunders R. M., Matricardi M., Brunel P. An improved fast radiative transfer model for assimilation of satellite radiance observation // Quarterly J. Royal Meteorological Society. 1999. V. 125. P. 1407–1425. DOI: 10.1256/smsqj.55614.
- Saunders R., Hocking J., Turner E. et al. An update on the RTTOV fast radiative transfer model (currently at version 12) // Geoscientific Model Development. 2018. V. 11. P. 2717–2737. DOI: 10.5194/gmd-11-2717-2018.
- Stegmann P. Transmittance Coefficient Generation / Joint Center for Satellite Data Assimilation. 2020. 17 p. https://wiki.ucar.edu/display/CRTM/Transmittance+Coefficient+Generation.
- Thodsan T., Wu F., Torsri K. et al. Satellite radiance data assimilation using the WRF-3DVAR system for tropical storm Dianmu // Forecasts. Atmosphere. 2022. V. 13(6). Article 956. DOI: 10.3390/atmos13060956.
- Turner D. D., Cadeddu M. P., Loehnert U. et al. Modifications to the water vapor continuum in the microwave suggested by ground-based 150-GHz Observations // IEEE Trans. Geoscience and Remote Sensing. 2009. V. 47(10). P. 3326–3337. DOI: 10.1109/tgrs.2009.2022262.
- Strow L. L., Hannon S. E., Souza-Machado S. D. et al. An overview of the AIRS radiative transfer model // IEEE Trans. Geoscience Remote Sensing. 2003. V. 41(2). P. 303–313. DOI: 10.1109/TGRS.2002.808244.
- Weng F., Han Y., Delst P., Liu Q., Kleespies T., Yan B., Le Marshal J. JCSDA community radiative transfer model (CRTM) —Version 1 // NOAA Technical Report. 2006. 122 p.
- You Y., Meng H., Dong J. et al. Snowfall detection algorithm for ATMS over ocean, sea ice, and coast // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2022. V. 15. P. 1411–1420. DOI: 10.1109/JSTARS.2022.3140768.
- Zou X., Xiaoyong Z., Weng Z. F. Characterization of bias of advanced Himawari Imager infrared observations from NWP background simulations using CRTM and RTTOV // J. Atmospheric and Oceanic Technology. 2016. V. 33(12). P. 2553–2567. DOI: 10.1175/JTECH-D-16-0105.1.