所在位置: 文章标题：Estimating hourly all-sky surface longwave upward radiation using the new generation of Chinese geostationary weather satellites Fengyun-4A/AGRI
发表期刊：IEEE Transactions on Geoscience and Remote Sensing
在线时间：2024年5月
作者：曾 琪，博士后，研究方向为地表辐射收支参量的遥感反演、产品评价及其时序分析
程 洁，教 授/博导，长期从事定量遥感与地球辐射平衡研究
岳卫峰，副教授，主要从事水和溶质迁移机理及模拟、水资源耦合管理和地下水污染风险评估研究
作者单位：北京师范大学 地理科学学部 遥感科学与工程研究院；北京师范大学 水科学研究院
本研究建立了一个从中国地球静止气象卫星风云四号A星上的高级地球静止辐射成像仪（AGRI）估算全天候上行长波辐射（SLUR）的框架。该框架由估算晴空SLUR的混合方法和估算云天SLUR的机器学习（ML）方法组成。根据站点验证，混合方法的R2/bais/RMSE为0.95/0.59/18.41 W/m2，优于AGRI官方SLUR和ERA5 SLUR（R2/bais/RMSE分别为0.95/-7.79/19.04 W/m2和0.92/-4.94/23.2 W/m2）,以及经典的地表温度-宽带发射率（LST-BBE）方法。云天LightGBM模型的R2/bias/RMSE 为 0.85/0.56/21.16 W/m2，优于LST-BBE方法，与ERA5 SLUR的精度相当。该框架可用于生成AGRI逐小时全天候SLUR产品，为从地球静止卫星获取逐小时全天候 SLUR 提供了一个有效的解决方案。
该方法涉及两个过程：(1) 构建晴天条件下包含TOA L11~L14和SLUR的数据库，发展了混合算法估算晴天SLUR；(2)基于BBE、Ta、CWV、CTT、CTH和CFR，发展云天条件下的LightGBM模型，估算云天SLUR。流程图如下：
图1 本研究技术路线图
本研究利用34个分布在东亚区域的站点对混合算法进行验证，如图2(a)所示，晴天SLUR的bias和RMSE分别0.59和18.41 W/m2；利用8个OZflux对云天LightGBM模型进行了独立验证，如图2(b)所示，本文发展的LightGBM模型具有很好的泛化能力，其bias和RMSE为0.24和19.51 W/m2；最后，如图图2(c)估算的AGRI SLUR在全天候条件下的总体精度为：bias为0.57 W/m2， RMSE为19.58 W/m2。
图2. 估算AGRI SLUR的验证精度：(a) 晴天条件，(b) 云天条件，以及 (c) 全天候条件
图3和图4分辨展示了2019年1月和7月估算的AGRI SLUR每4小时的日变化。SLUR在陆海边界和澳大利亚表现出明显的昼夜变化。1月份，SLUR 在UTC 0:00 至 8:00 显著增加，然后在UTC 8:00 至 20:00 逐渐减弱，在澳大利亚的最大值超过 630 W/m2。在7月份， SLUR的变化与 2019 年 1 月SLUR有明显不同，青藏高原地区的 SLUR 小于周边陆地地区。
图3. 2019 年 1 月每4小时月均 SLUR 空间变化。每张图片中的UTC时间为年月：小时。
图4. 2019 年 17月每4小时月均 SLUR 空间变化。每张图片中的UTC时间为年月：小时。
https://doi.org/10.1109/TGRS.2024.3399781
