Evaluation of all-sky reconstructed radiance assimilation for hyperspectral infrared sounders

我们每天赖以生存的天气预报，是建立在从太空收集的数据基础之上的。在地球高空轨道上，卫星携带的仪器就像巨大的、灵敏的眼睛，测量着从行星表面和大气层辐射出的热能。这些被称为高光谱红外探测器的仪器不仅仅是拍摄一张照片，它们将光线分解成数千个微小的颜色波段，从而为下方的空气创造出一个详细的化学指纹。这些信息对于预测风暴、追踪湿度以及理解不同高度的温度变化至关重要。然而，这些卫星产生的海量数据令人难以应付。为了理解这一切，科学家们使用功能强大的计算机，将这些原始测量值转化为天气模型。一个主要的挑战一直是：如何在不丢失重要细节或减慢运行预报的计算机速度的情况下，处理这种庞大的数据流。

多年来，科学家们一直成功地利用这些卫星测量数据，但主要是在晴朗的天气下。云层传统上一直是一个障碍，它们会散射光线，使数据难以解读。近年来，研究人员在利用云层存在下的数据方面取得了显著进展，这种技术被称为“全天空”同化。虽然这改善了预报，但它依赖于使用卫星原始的、未经处理的数据。由于这些原始数据规模巨大，人们迫切需要将其压缩成更小、更易于管理的形式，同时又不丢失核心信息。这就是“重建辐射度”（reconstructed radiance）这一方法发挥作用的地方。科学家不再发送每一个单一的原始测量值，而是可以使用一种数学过程，从一组关键组件中重建数据。预报员们面临的一个大问题是：这种压缩后的、重建的数据是否能像原始数据一样在有云的情况下也同样有效。

日本气象厅和东京大学的一个研究小组致力于回答这个问题。他们想知道是否可以使用这种重建数据来改善各种天气条件下的天气预报，包括多云天气，且无需改变他们现有的复杂计算机系统。他们专注于来自红外大气探测干涉仪（Infrared Atmospheric Sounding Interferometer）的数据，这是一种安装在极轨卫星上的精密仪器，可以测量跨越数千个通道的热量。该团队使用全球天气预报系统进行了一系列实验，将使用原始数据与使用重建数据生成的预报进行了对比。他们在两种情景下测试了这些方法：首先是仅观察晴朗天空，其次是通过云层观察大气。

当他们观察晴空结果时，重建数据在一个特定领域显示出明显的优势：它要“干净”得多。来自卫星的原始数据包含一定量的随机噪声，就像收音机里的静电声一样，这会导致温度和湿度的测量出现轻微的抖动。重建过程有效地平滑了这种噪声。研究人员发现，在大多数通道中，卫星观测值与计算机模型预测值之间的差异变得更小了。这意味着数据更加一致。然而，当他们实际利用这种更干净的数据来运行天气预报时，结果却出人意料地表现平平。预报结果与使用原始数据相比，并没有显著变好或变坏。这表明，尽管重建数据更干净，但计算机模型本身已经能够很好地处理原始数据的噪声，因此额外的清理并没有在最终的天气预报中产生太大影响。

当研究人员将注意力转向多云天空时，情况发生了轻微的变化。在现实世界中，云层是杂乱且不可预测的，它们引入了一种与仪器噪声无关的、不同类型的确定性问题。当团队在全天空条件下测试重建数据时，他们发现晴空环境下看到的噪声减少现象消失了。卫星与模型之间的差异与使用原始数据时基本保持一致。这很合理，因为在多云条件下，主要的误差来源是模拟云层本身的难度，而非仪器的噪声。至关重要的是，研究人员发现，他们可以使用与原始数据完全相同的计算机设置和误差处理规则。他们不需要发明新方法或增加额外的组件来使系统正常工作。

最令人振奋的发现出现在他们专注于测量中高层大气水汽的特定通道时。当他们在全天空条件下对这些特定通道进行重建数据同化时，天气预报得到了显著改善。结果显示出明显的积极影响，特别是在预测中对流层（这对风暴的发展至关重要）的湿度方面。这种改进程度与使用原始数据进行相同通道处理时所见到的效果一样强。这表明，重建数据可以作为原始数据的可靠替代品，即使在最挑战性的天气条件下也是如此。

研究结论指出，目前用于将原始卫星数据输入天气模型的技术可以直接应用于这种重建数据。这是天气预报领域的一个重要发现。随着卫星变得更加先进并产生更多的数据，在不丢失价值的前提下压缩这些数据的能力将变得至关重要。研究人员发现，他们不需要针对多云天空使用比晴空更复杂的重建过程。虽然仍有一些细小的技术问题需要解决，例如如何最好地调整计算机对数据的信任度以获得最佳短期预报，但核心信息是明确的：压缩数据是行得通的。它提供了一种方法，既能让庞大的卫星信息流变得易于管理，又能保持准确预测天气所需的高质量，确保预报员即使在数据量不断增长的情况下，也能继续依靠这些强大的工具。