DOI: https://doi.org/10.5194/essd-18-4725-2026
تاريخ النشر: 2026-07-08
المؤلف: Yueyuan Gong وآخرون
الموضوع الرئيسي: الظواهر الجوية والمحاكاة
نظرة عامة
تقدم هذه الدراسة تحليلاً شاملاً لقياسات درجة حرارة السطوع (TB) واسترجاع ملفات الغلاف الجوي من مقياس الموجات الدقيقة القائم على الأرض (MWR) الذي تم نشره في مرصد شيانغهي المتكامل في مقاطعة خبي، الصين، والذي يغطي الفترة من 2013 إلى 2022. تؤكد الدراسة على موثوقية قياسات TB، التي تم التحقق منها مقابل نموذج نقل إشعاعي، مما يظهر معاملات ارتباط عالية (تتجاوز 0.96) وانحيازات متوسطة ضمن 1 كلفن. تم تطوير مخططي استرجاع: نموذج تقدير مثالي (OE) لظروف السماء الصافية ونموذج شبكة عصبية عميقة (DNN) للسماء الملبدة بالغيوم. أظهر التحقق من البيانات مقابل بيانات الراديوصون دقة كبيرة في التحسينات—حتى 35% لملفات درجة الحرارة و25% لملفات الرطوبة—مقارنةً بنهج الاسترجاع الخاص بالشركة المصنعة.
تسلط مجموعة البيانات التي تم إنشاؤها، والتي تتميز بدقة زمنية عالية (1-10 دقائق) وتغطية عقدية، الضوء أيضًا على تكرار الانعكاسات السطحية (SBIs)، والتي تراوحت من 6% في الصيف إلى 68% في الشتاء، مما يتوافق مع ارتفاع مستويات PM2.5 خلال أحداث التلوث الشديد. تؤكد النتائج على فائدة مجموعة البيانات لدراسات طبقة الحدود، وتحليل اتجاهات المناخ، وتوقعات جودة الهواء، مما يوفر أساسًا قويًا للبحوث الجوية المستقبلية.
مقدمة
تسلط المقدمة الضوء على أهمية ملفات درجة الحرارة والرطوبة الجوية الرأسية لفهم العمليات الديناميكية والديناميكية الحرارية، خاصة في طبقة الحدود الكوكبية والتروبوسفير، حيث تتأثر أنظمة الطقس بالأنشطة البشرية. توفر الطرق التقليدية، مثل قياسات الراديوصون، بيانات دقيقة ولكنها محدودة بدقة زمنية منخفضة وتكاليف تشغيل عالية. بالمقابل، توفر مقاييس الموجات الدقيقة القائم على الأرض (MWRs) دقة زمنية عالية ويمكن أن تعمل بدون مراقبة في جميع ظروف الطقس، مما يجعلها قيمة لرصد المتغيرات الجوية في طبقة الحدود وتشخيص أحداث تلوث الهواء الشديد.
تناقش الورقة استرجاع المعلمات الجوية من ملاحظات MWR، مع التأكيد على أهمية جودة بيانات درجة حرارة السطح من المستوى 1 (LV1) لتوليد منتجات المستوى 2 (LV2) بدقة. توضح استخدام نماذج النقل الإشعاعي (RTMs) للتحقق من ملاحظات LV1 وتصنيف خوارزميات الاسترجاع إلى طرق إحصائية وفيزيائية. تقترح الدراسة استراتيجية استرجاع جديدة تعتمد على الظروف تجمع بين هذه الأساليب، مستفيدة من عقد من ملاحظات TB من RPG-HATPRO MWR في مرصد شيانغهي الجوي. من خلال دمج بيانات كشف السحب واستخدام مخططين للاسترجاع—التقدير الأمثل للسماء الصافية والشبكات العصبية العميقة للظروف الملبدة بالغيوم—تهدف الأبحاث إلى تعزيز دقة استرجاع ملفات درجة الحرارة والرطوبة، مما يساهم في تحسين المراقبة الجوية والتوقعات.
النتائج
تظهر نتائج الدراسة فعالية طريقتين للاسترجاع—التقدير الأمثل (OE) والشبكة العصبية العميقة (DNN)—لملفات درجة الحرارة والرطوبة الجوية تحت ظروف سماء متغيرة. تحت ظروف السماء الصافية، تفوقت طريقة OE بشكل كبير على منتج RPG-LV2، محققة انحيازًا متوسطًا (MB) لاسترجاعات درجة الحرارة يتراوح من -0.83 إلى 0.50 كلفن وخطأ متوسط الجذر التربيعي (RMSE) من 0.96 إلى 3.56 كلفن، مع تحسين عام في الدقة بنسبة 35%. بالنسبة للرطوبة النسبية، أظهرت طريقة OE انحيازات متوسطة بين -6% و6% وقيم RMSE من 9% إلى 20%، مما يؤكد قوتها في الاسترجاعات المتسقة فيزيائيًا.
في المقابل، تفوقت نموذج DNN تحت ظروف السماء الملبدة بالغيوم، محققًا انحيازًا متوسطًا قدره 0.38 كلفن لدرجة الحرارة وأظهر قيم RMSE أقل، خاصة في القرب من السطح وفي الجزء الأوسط إلى العلوي من التروبوسفير. حققت طريقة DNN تحسينًا في الدقة بنسبة 39% لدرجة الحرارة و28% لتحسين ملفات الرطوبة مقارنةً بمنتج RPG-LV2. تستنتج الدراسة أن طريقتي OE وDNN تكملان بعضهما البعض، حيث تكون طريقة OE مثالية للسماء الصافية ونموذج DNN يلتقط العلاقات غير الخطية بفعالية تحت الظروف الملبدة بالغيوم، مما يؤدي إلى نتائج استرجاع تقترب باستمرار من ملاحظات الراديوصون المستقلة عبر جميع ظروف السماء.
المناقشة
ت outlines قسم المناقشة في ورقة البحث تفاصيل نشر وتشغيل مقياس الموجات الدقيقة القائم على الأرض (MWR) في مرصد XH الجوي في شمال الصين. يعمل RPG-HATPRO (الجيل 3) MWR عبر 14 قناة ترددية، مع تركيز أول سبع قنوات على امتصاص بخار الماء لاسترجاع الرطوبة والسبع قنوات المتبقية على امتصاص الأكسجين لتوصيف درجة الحرارة. يعمل الجهاز بشكل أساسي في وضع توجيه الزينيث لضمان دقة زمنية عالية، مدعومًا بأجهزة مساعدة مثل مستشعر المطر ومقياس الإشعاع تحت الأحمر لتحسين الملاحظات الجوية. تخضع بيانات MWR لرقابة جودة صارمة، بما في ذلك كشف القيم الشاذة وتصنيف الطقس، لضمان موثوقية ملفات الغلاف الجوي المسترجعة.
تم إنشاء مجموعة بيانات شاملة من ملاحظات درجة حرارة السطوع (TB) على مدى عشر سنوات، مع إجراء تقييمات الجودة باستخدام نموذج نقل إشعاعي (MWRT) لمقارنة TBs الملاحظة والمُحاكاة. كشفت التقييمات عن علاقات قوية (R > 0.98) بين TBs الملاحظة والمُحاكاة، مما يؤكد استقرار الجهاز على المدى الطويل وموثوقية القياسات. كما توضح الدراسة استرجاع ملفات درجة الحرارة والرطوبة الجوية باستخدام كل من طرق التقدير الأمثل (OE) والشبكة العصبية العميقة (DNN)، المخصصة لظروف الطقس المختلفة. تستخدم طريقة OE إطارًا بايزيًا، بينما تستفيد طريقة DNN من طبقات خفية متعددة للتراجع غير الخطي، مما يعزز استرجاع ملفات الغلاف الجوي المعقدة. بشكل عام، تؤكد النتائج على فعالية MWR في توفير بيانات جوية عالية الجودة، وهو أمر ضروري لفهم الظروف الجوية المحلية والتأثيرات المحتملة لتلوث الهباء الجوي.
DOI: https://doi.org/10.5194/essd-18-4725-2026
Publication Date: 2026-07-08
Author(s): Yueyuan Gong et al.
Primary Topic: Meteorological Phenomena and Simulations
Overview
This research presents a comprehensive analysis of brightness temperature (TB) measurements and atmospheric profile retrievals from a ground-based microwave radiometer (MWR) deployed at the Xianghe Integrated Observatory in Hebei Province, China, covering the period from 2013 to 2022. The study emphasizes the reliability of TB measurements, which were validated against a radiative transfer model, showing high correlation coefficients (exceeding 0.96) and mean biases within 1 K. Two retrieval schemes were developed: an optimal estimation (OE) model for clear-sky conditions and a deep neural network (DNN) model for cloudy skies. Validation against radiosonde data revealed significant accuracy improvements—up to 35% for temperature and 25% for humidity profiles—compared to the manufacturer’s retrieval approach.
The constructed dataset, characterized by high temporal resolution (1-10 minutes) and decadal coverage, also highlights the frequency of surface-based inversions (SBIs), which varied from 6% in summer to 68% in winter, correlating with elevated PM2.5 levels during severe pollution events. The findings underscore the dataset’s utility for boundary layer studies, climate trend analysis, and air quality forecasting, providing a robust foundation for future atmospheric research.
Introduction
The introduction highlights the significance of vertical atmospheric temperature and humidity profiles for understanding thermodynamic and dynamic processes, particularly in the planetary boundary layer and troposphere, where weather systems are influenced by human activities. Traditional methods, such as radiosonde measurements, provide accurate data but are limited by low temporal resolution and high operational costs. In contrast, ground-based microwave radiometers (MWRs) offer high temporal resolution and can operate unattended in all weather conditions, making them valuable for monitoring boundary-layer meteorological variables and diagnosing severe air pollution events.
The paper discusses the retrieval of atmospheric parameters from MWR observations, emphasizing the importance of Level 1 (LV1) brightness temperature (TB) data quality for accurate Level 2 (LV2) product generation. It outlines the use of radiative transfer models (RTMs) to validate LV1 observations and the classification of retrieval algorithms into statistical and physical methods. The study proposes a novel condition-dependent retrieval strategy that combines these approaches, utilizing a decade of TB observations from the RPG-HATPRO MWR at the Xianghe Atmospheric Observatory. By integrating cloud detection data and employing two retrieval schemes—optimal estimation for clear skies and deep neural networks for cloudy conditions—the research aims to enhance the accuracy of temperature and humidity profile retrievals, ultimately contributing to improved atmospheric monitoring and forecasting.
Results
The results of the study demonstrate the effectiveness of two retrieval methods—Optimal Estimation (OE) and Deep Neural Network (DNN)—for atmospheric temperature and humidity profiles under varying sky conditions. Under clear-sky conditions, the OE method significantly outperformed the RPG-LV2 product, achieving a mean bias (MB) for temperature retrievals ranging from -0.83 to 0.50 K and a root mean square error (RMSE) from 0.96 to 3.56 K, with a 35% overall accuracy improvement. For relative humidity, the OE method showed mean biases between -6% and 6% and RMSE values from 9% to 20%, confirming its robustness in physically consistent retrievals.
In contrast, the DNN model excelled under cloudy-sky conditions, yielding a mean bias of 0.38 K for temperature and demonstrating lower RMSE values, particularly in the near-surface and mid-to-upper troposphere. The DNN method achieved a 39% accuracy improvement for temperature and a 28% improvement for humidity profiles over the RPG-LV2 product. The study concludes that the OE and DNN methods are complementary, with the OE method being optimal for clear skies and the DNN model effectively capturing nonlinear relationships under cloudy conditions, leading to retrieval results that are consistently closer to independent radiosonde observations across all sky conditions.
Discussion
The discussion section of the research paper outlines the deployment and operational details of a ground-based Microwave Radiometer (MWR) at the XH atmospheric observatory in North China. The RPG-HATPRO (generation 3) MWR operates across 14 frequency channels, with the first seven focused on water vapor absorption for humidity retrieval and the remaining seven on oxygen absorption for temperature profiling. The instrument primarily functions in zenith-pointing mode to ensure high temporal resolution, supported by auxiliary instruments such as a rain sensor and infrared radiometer for enhanced atmospheric observations. The MWR’s data undergoes rigorous quality control, including outlier detection and weather classification, to ensure the reliability of the retrieved atmospheric profiles.
A comprehensive ten-year dataset of brightness temperature (TB) observations was constructed, with quality assessments performed using a radiative transfer model (MWRT) to compare observed and simulated TBs. The evaluation revealed strong correlations (R > 0.98) between observed and simulated TBs, confirming the instrument’s long-term stability and measurement reliability. The study also details the retrieval of atmospheric temperature and humidity profiles using both Optimal Estimation (OE) and Deep Neural Network (DNN) methods, tailored to different weather conditions. The OE method utilizes a Bayesian framework, while the DNN approach leverages multiple hidden layers for nonlinear regression, enhancing the retrieval of complex atmospheric profiles. Overall, the findings underscore the effectiveness of the MWR in providing high-quality atmospheric data, essential for understanding local meteorological conditions and potential impacts of aerosol pollution.