基于Quickbeam软件的毫米波云雷达目标散射特性的分析外文翻译资料

英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

多用途雷达仿真包：QuickBeam
BY J. M. HAYNES，R.T. MARCHAND，Z.LOO，A.BODAS-SALCEDO，AND G. L. STEPHENS
自2006年4月推出以来，CloudSat已经提供了第一个可以近距离观看太空云层立体结构。 CloudSat是美国宇航局的A-TRAIN星座卫星的一部分，飞行了一个94-GHz的云雷达，它从地球表面上方约705公里的太阳同步轨道，对云和降水系统的垂直结构进行了近似最低的测量。对地球表面和大气深度云层变化的观察，正在创造出一个不断增长的数据库，可用于广泛的气象应用，包括数值预测模型的评估和新的更好的对流参数化的开发。
气象雷达系统能传输电磁能脉冲，并测量返回雷达盘的反向散射能量。反向散射是由于与云和沉淀颗粒的相互作用以及诸如水蒸气和氧气之类的干燥的大气的结果而发生的。电磁辐射与这些颗粒相互作用的方式取决于辐射的频率以及颗粒的类型，大小，方向和分布。 CloudSat云分析雷达（CPR）工作在94 GHz，因此对云粒子特别敏感。在这个频率下，水汽的衰减是不可忽略的，而降水的衰减可能是显著的。相比之下，低频雷达，例如在NEXRAD系统中使用的雷达操作更接近3 GHz，主要对降水反应敏感。反向散射功率的测量通常转换为雷达反射率的气象单位，以分贝（dBZ）表示。通常会从这些反射率测量结果中获取诸如云中水含量或降水率之类的量。
由于CloudSat的观察结果在全球范围内提供了有关云系统结构的详细信息，因此该信息对气候和天气预报模型的评估特别有价值。为了将模拟云与CloudSat进行的新观测进行比较，应当将模拟云转换为由CPR测量的等效雷达反射率的工具。 QuickBeam是一个基于用户之间友好的，执行此功能，可免费提供给气象部门的雷达模拟软件包。虽然开发了CloudSat，但它却模拟了广泛的气象雷达系统，包括在L波段和W波段（1到110 MHz）之间的频率下工作的空间和地面系统。

模拟器反射率模拟。为了模拟使用QuickBeam的雷达反射率曲线，用户指定了任何数量的水文物种（包括云和沉淀颗粒）的混合比例谱，如图1所示。这些混合比可以来自诸如数值模型或场观察的起源。每种水文流体都可以有自己的分布，相位和质量 - 直径关系。用户将这些混合比中的每一个与内置分布中的一个进行匹配，包括改进的伽马，指数，幂律，对数正态和单分散。用户还必须输入温度和环境相对湿度的配置文件，或使用内置的热带或中纬度配置文件。这种环境的声音用于计算大气气体的散射和吸收，从而计算雷达光束的气体衰减。
模拟器以两种模式运行，通过全三重计算来计算粒子散射特性，或使用相关散射特性的预先计算的查找表来计算。全三重计算虽然更准确，但在计算上比使用查找表要求更高。与全三重计算相比，在使用查找表时实现的反射率误差通常小于2分贝。
目前，所有的水分测定仪都被视为球体，密度随着使用者可以指定的方式随直径而变化。冰颗粒散射特性的计算对任何微波应用来说都是一个普遍困难的任务，一部分原因是纯冰在低温下的折射率的不确定性，冰晶形状和密度的高度变化性质，冰与空气和熔融的液态水存在作为不均匀的混合物。作为为了更准确地表示雪的介电性质的尝试，用户可以可选地为雪花指定熔融水的含量。熔融冰颗粒的这种表示在雷达明亮带的表示中是可行的，这是与熔融层的存在相关联的增强的反射率的区域。
在计算了水汽散射和吸收特性后，模拟器输出了雷达反射率分布，包括雷达和每个射程门之间的其他水汽和气体衰减的反射率都是非衰减的。当模拟器应用于云尺度模型输出时，这些衰减的反射率可以直接与CloudSat或任何其他雷达平台的观测反射率进行比较。为了将该模拟器应用于通用循环模型（GCM），其中水文信息处于较粗范围，需要进行亚格子尺度抽样程序。

子网格尺度抽样方法。目前气候模式的解决方案约为100公里，因此这些模型无法解决大气变量的小尺度变化，特别是云场变化。然而，这种亚网格变化和云网格中的云层重叠如何显著影响通过大气垂直列的辐射传递。因此，在模拟与更精细尺度观测比较的反射率时，有必要考虑GCM中的亚网格变化。
考虑到这种亚网格变化的一种方法是为国际卫星云气候项目（ISCCP）模拟器开发的亚网格云重叠配置文件采样器（SCOPS），但可用于生成可能输入的亚网格规模云特征一个雷达模拟器，以及SCOPS使用统计的伪随机采样算法，在大型GCM网格框内对云的亚网格分布进行采样。它提供了与网格框兼容的云的亚网格分布，意味着云量和云重叠假设的垂直分布。
云反馈模型对比项目（CFMIP）是由几个气候模拟中心共同努力的，正在为CloudSat和激光雷达平台CALIPSO开发一个社区模拟器。该项目旨在提供一个联合雷达和雷达和雷达模拟器，旨在轻松插入各种天气预报模型，包括高分辨率，云解析模型和气候模式。 QuickBeam被用作模拟雷达反射率的组件。由于CloudSat对降水和云敏感，CFMIP还包括一个算法，该算法提供了与SCOPS云分布兼容的降水的亚网格分布，尽管该部分目前正在开发中。

应用。为了说明模拟器的功能，它已经应用于两个不同的全局预测模型。一个是多尺度建模框架（MMF）GCM（也称为超参数化 - 参见Randall等人的2003年公告文章），其中大多数云图。图1显示主要模拟器输入，计算和输出的流程图。美国气象学会2007|1725参数化由在粗略（约4公里）网格上嵌入GCM的每个网格单元的三维云解析模型（CRM）替代。采用嵌入式CRM的输出并将其耦合到模拟器是相对直接的，因此可以将结果直接与CloudSat进行比较。
这样的比较在图2中表示为亚洲夏季风区域的热带对流系统。模拟云和降水由CSU-MMF模型产生。应该指出，CSU-MMF是一个气候模型，因此不能预测具体的天气事件。也就是说，CSU-MMF没有模拟CloudSat卫星观测到的特定对流暴发在图二的上面板中（虽然他们的确看起来有些相似）。相反，该模型旨在忠实地表达构成气候的个人天气事件的集体影响。将气候模式输出与CloudSat观测情况进行比较的更好方法是通过图3中提出的长期，广泛的区域分析。随着任何时间的反射率定义云出现超过给定的阈值（这里使用-27.5 dBZ），建模的云分数可以与CloudSat所观察到的相似。这个数字令人震惊，因为它代表了云垂直结构的第一个真正全球观测。以这种方式将模型输出与观测结果的比较提供了模型运行情况良好的快照，同样不太好。例如，尽管人们可能会认为图3中的大型结构大部分是由CSU-MMF模拟的，很明显，该模型高估了北部中纬度地区的云分数，并低估了南亚热带地区。
将模拟器应用于GCM的第二个例子如图4所示。在这里，模拟器被应用于Met Office全局预测模型的输出，该模型在中等纬度时具有大约40公里的水平分辨率。已经应用了上述的亚网格采样方法，然后通过平均获得网格框平均雷达反射率。该图显示了2006年7月7日在北大西洋的中纬度凹陷的断面。上图显示了1800 UTC时的表面分析有效，大约CloudSat轨迹为红色，从亚速尔群岛附近的A点到东南部的B点格陵兰海岸。CloudSat首先穿过温暖的前方，然后穿过闭塞的前方的系统的核心，通过了在北大西洋向东行驶的成熟的中纬系统。中间面板显示了CloudSat（dBZ）的雷达反射率，下图显示了雷达反射率。正面系统的垂直结构非常好地被模型所代表，该模型捕捉到越来越接近系统核心的高云。核心是由大规模降水控制的，也是模式合理的代表。然而，该模型产生了太多的向南延伸的高层云（图像左侧），超出观测中存在的区域，并且还会在高云下的温暖区域中产生低层次的下雨天，这是CloudSat没有观察到的。

计划更新到QUICKBEAM。虽然球形冰晶是简单的，因为它们的电磁特性很容易由米氏理论计算，将冰晶作为针，板，恒星和聚集体的复杂组合进行处理，可以更加逼真地模拟其对雷达的外观。目前正在开展工作，以更好地说明在真实云层中发现的各种各样的冰晶习惯。一种方法是使用离散偶极子近似（DDA）来表示复杂的冰晶习性作为一系列相互作用的偶极子（如“1995年大气科学杂志”（Schneider and Stephens）的文章所讨论的。正在开发包含各种冰晶习性的DDA表示的查找表，并应包含在模拟器的未来版本中。
还正在开发一种方法来解决雷达波束内的多重散射效应。初步研究显示，当雨量超过3〜5 mm h-1时，CloudSat雷达的回报受到多重散射的显着影响。在这些较严重的降雨事件中，光子可能被散射出雷达光束，并通过多次散射在稍后的时间点重新进入光束。这意味着从给定的雷达脉冲体积返回的功率可以包括来自该体积内的颗粒的反向散射以及来自经历多次散射的较早脉冲的功率。正在努力参数化这种效应，并使云雷达频率下的较重雨的模拟更准确。

分配。 源代码是在Fortran 90中编写的，因此可以很方便地移植到各种平台上。该软件包和一个更技术导向的模拟器指南可以从http://cloudsat.atmos.colostate.edu/radarsim下载。 有关社区CloudSat / CALIPSO模拟器的更多信息，请访问www.cfmip.net。
致谢。 NASB NNG06GC10G协议支持QuickBeam的开发。 作者Bodas-Salcedo由环境，食品和农村事务部根据合同PECD 7/12/37提供支持。 感谢Mark Ringer和Mark Webb提供的意见。
进一步阅读

Khairoutdinov, M., D. A. Randall, and C. DeMott, 2005: Simulations of the atmospheric general circulation using a cloud-resolving model as a superparameterization of physical processes. J. Atmos. Sci., 62, 2136–2154.

Klein, S. A., and C. Jakob, 1999: Validation and sensitivities of frontal clouds simulated by the ECMWF model. Mon. Wea. Rev., 127, 2514–2531.

Marchand, R. T., J. M. Haynes, G. Mace, T. Ackerman, and G. L. Stephens, 2007: A comparison of CloudSat cloud radar observations with simulated cloud radar output from the Multiscale Modeling Framework global climate model. Manuscript submitted to Journal of Climate.

Randall, D., M. Khairoutdinov, A. Arakawa, and W. Grabowski, 2003: Breaking the cloud parameterizations deadlock. Bull. Amer. Meteor. Soc., 84, 1547–1564.

Schneider, T. L., and G. L.Stephens, 1995: Theoretical aspects of modeling backscattering by cirrus ice particles at millimeter wavelength. J. Atmos. Sci., 52, 4367–4385.

Stephens, G. L., and Coauthors, 2002: The CloudSat mission and the A-train: A new dimension of spacebased observations of clouds and precipitation. Bull. Amer. Meteor. Soc., 83, 1771–1790.

Webb, M., C. Senior, S. Bony, and J. J. Morcrette, 2001: Combining ERBE and ISCCP data to assess clouds in the Hadley Centre, ECMWF and LMD atmospheric climate models. Clim. Dyn., 17, 905–922.

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27334]，资料为PDF文档或Word文档，PDF文档可免费转换为Word