提出一种快速的局域线性回归(Fast Locally Linear Regression,FLLR)算法,用于从搭载在风云三号B星(FY-3B)上的红外大气探测仪(IRAS)红外观测数据反演大气温湿廓线。算法所需的观测样本为IRAS/FY-3BL1数据红外观测值与AIRX2RET V5产品...提出一种快速的局域线性回归(Fast Locally Linear Regression,FLLR)算法,用于从搭载在风云三号B星(FY-3B)上的红外大气探测仪(IRAS)红外观测数据反演大气温湿廓线。算法所需的观测样本为IRAS/FY-3BL1数据红外观测值与AIRX2RET V5产品的时空匹配数据,以2011年为例,在180°W^180°E、60°N^60°S的研究区域内按照观测时间绝对差小于15min和观测角度绝对差小于2°的条件获取观测样本,并对样本进行了评价。在匹配观测样本的基础上比较分析了FLLR算法与LLR算法、D矩阵算法和非线性的神经网络算法,然后采用FLLR算法从IRAS/FY-3BL1数据反演得到2011年全年的大气温湿廓线,并外推反演得到2012年第1季度的大气温湿廓线。最后,利用相应的ECMWF再分析数据和RAOB探空观测对2011年的反演结果进行了精度验证,采用AIRX2RET V5产品对2012年第1季度的外推反演结果进行了验证。结果显示:与D矩阵算法相比,FLLR算法反演大气温度和湿度廓线的均方根误差分别减小~0.8K和~0.5g/kg,其精度与非线性的神经网络算法相当;相对于ECMWF再分析数据,本文大气温度和湿度廓线反演结果的均方根误差分别小于2.5K和2.3g/kg;而相对于RAOB数据,其均方根误差分别小于3.5K和2.0g/kg;2012年第一季度外推反演结果的均方根误差分别小于2.5K和1.6g/kg,与算法精度基本一致。IRAS/FY-3B大气温湿廓线的反演精度与MOD07V5大气廓线产品相当。展开更多
