近期，中国气象局上海台风研究所、上海市气象局AI+数值新质团队牛泽毅助研在AGU旗下人工智能杂志JGR-Machine Learning and Computation发表研究成果。该研究基于第一颗晨昏轨道业务星风云三号E星载荷微波温度计(MWTS-3)的观测亮温来实时反演全地表、全天候大气三维温度场。研究表明，基于深度学习算法(NN，如图1)反演的各层大气温度的均方根误差(RMSE)要明显小于传统多元线性回归(REG)反演的结果，尤其在近地表NN反演的温度场与ERA5基本一致(如图2)。此外，在晴空条件下NN反演的温度廓线在对流层整层的RMSE基本小于1K，体现了较高的反演精度。
此外，研究发现对于固定的测试集，用测试集前3-7天的数据来训练NN模型与采用4个月数据来训练NN模型(E4x30)效果基本相当，表明了临近数据的重要性。如图3，基于流依赖NN模型F15(15天数据训练)和B3(3天数据训练)反演台风“海葵”(2023)的暖心结构与E4x30基本一致，且B3能一定程度反应对流层中下层的弱暖心结构，具有一定的流依赖性。本研究旨在基于卫星微波温度计反演全地表、全天候大气温度廓线，后续将基于数值模式开展反演廓线的同化研究，拟改进台风的路径和强度预报。
论文信息：
