大气所主办的国际期刊《大气科学进展》（AAS）在2017年11月刊连发两篇文章论述高光谱红外遥感信息在数值天气预报模式中的应用。其中的原创论文是由AAS的国际合作组织国际气象与大气科学协会（IAMAS）辐射委员会主席Byung-Ju Sohn教授撰稿，研究进展亮点由美国威斯康星大学空间科学和工程中心Distinguished Scientist、国家“人才”科学家李俊研究员撰写。

搭载在气象卫星上的作为全球观测资料重要来源之一的高光谱分辨率红外（IR）探测仪器，例如搭载于Aqua卫星上的AIRS，Metop-A/B卫星上的IASI以及SNPP卫星上的CrIS，其观测数据通过同化应用到业务数值天气预报（NWP）模式，能够改进数值天气预报。在全部的卫星观测中，红外和微波探测仪的观测对数值天气预报技术具有最重要的影响。虽然先进的红外探测仪在数值天气预报系统中占有重要地位，但由于其观测数据量巨大，在全部可用的光谱通道中也只有数百个通道的观测可被同化利用。例如，AIRS，IASI和CrIS分别拥有2372，8461和1305个光谱通道，也只有少部分观测通道被主要的业务中心同化应用到了数值天气预报模式中。

为了有效地将高光谱红外遥感信息同化到数值天气预报模式中，已经有多种筛选通道的方法被提出。例如，基于逐步回归的方法用于AIRS的通道筛选；基于信息内容分析以及相关限制条件的筛选方案；基于雅可比矩阵及迭代方法的筛选方案，顺序筛选通道以获得最大信息量；在标准方法的基础上，进一步改进方案以便在通道筛选过程中可以更好的模拟和量化光谱通道间相关误差；基于最优流依赖在有云情况下的通道筛选方案等。这些方法都可以有效地筛选一组通道，为同化辐射量提供优化信息，尤其是地球同步卫星上的先进的高光谱探测仪；例如，搭载在风云四号卫星上的干涉式高光谱红外探测仪GIIRS。

李俊研究员指出，通道筛选方案大都是基于信息内容分析，同时考虑非线性及其他因素（例如，相关误差）的影响。信息内容分析方法的一大局限在于采用线性方法筛选具有高度非线性的吸收通道（例如，与温度相比，水汽吸收通道的辐射量与大气中水汽的含量之间具有较大的非线性关系）。

《大气科学进展》2017年第11期封面论文发展了一种卫星大气红外探测器通道选择的新方法，改进了目前最先进的数值天气预报系统的性能。在这张封面图中，右侧的卫星环绕地球展现了作者从欧洲气象卫星的314个IASI通道中重新选择了一系列通道，从而发展了新的通道选择方法；左侧的数据地球展现了通过新方法明显降低了卫星反演水汽的误差，最终服务于数值天气预报系统性能的改进。

韩国首尔大学Byung-Ju Sohn教授带领的研究团队提出了一个新的通道筛选方法被（Noh et al, 2017 https://link.springer.com/article/10.1007/s00376-017-6299-8），通过计算每个独立添加的通道对一维变分分析结果的改进来筛选通道。在通道筛选过程中，Byung-Ju Sohn教授团队定义通道评分指数（CSI）作为成功筛选的标准。在314个EUMETSAT选取的IASI通道中，通过计算每个独立通道的CSI 贡献，200个通道被系统自动成功筛选。在英国气象局(UKMO)的一体化模式中，与目前业务使用的183个通道相比，采用重新筛选的通道对上层大气中的水汽及总降水量的预报都具有改进作用（水汽预报误差减小）。

李俊研究员在《大气科学进展》2017年第11期最新发表的“Research Highlight”（https://link.springer.com/article/10.1007/s00376-017-7167-2）中，对Byung-Ju Sohn教授研究团队的工作给予了好评。李俊研究员评价道：“Noh等（2017）的工作对于将高光谱红外探测器的遥感信息，尤其是水汽遥感信息有效地应用到数值天气预报模式中，具有至关重要的发展作用。”

来源：大气物理研究所