《Plants》：A New Species of Curcuma subgen. Ecomatae (Zingiberaceae) from Southwestern Thailand: Morphological Delimitation and Phenetic Evidence
编辑推荐：
大气河（Atmospheric Rivers，ARs）以高水汽含量为特征，且常伴随大范围云系，因而在云条件下对可靠湿度廓线的需求十分迫切。风云四号B星（Fengyun-4B，FY-4B）/静止轨道干涉式红外探测仪（Geostationary Interfero
大气河（Atmospheric Rivers，ARs）以高水汽含量为特征，且常伴随大范围云系，因而在云条件下对可靠湿度廓线的需求十分迫切。风云四号B星（Fengyun-4B，FY-4B）/静止轨道干涉式红外探测仪（Geostationary Interferometric Infrared Sounder，GIIRS）产品能够提供较为精确的晴空湿度廓线，而风云三号E星（Fengyun-3E，FY-3E）/垂直大气探测系统（Vertical Atmospheric Sounding System，VASS）产品虽具备全天候覆盖能力，但其湿度误差仍较为显著。本研究开发了一种以晴空FY-4B/GIIRS为引导的框架，用以增强云条件下FY-3E/VASS湿度廓线。首先利用时空匹配的晴空廓线构建湿度残差，并从中通过主成分分析（Principal Component Analysis，PCA）提取低维残差基；随后采用神经网络预测相应系数以生成基线校正；目标日标定与云况调整进一步将该晴空推导的校正适配至目标日云样本。研究以ERA5再分析资料为参照，针对2023年7月6日中国东部沿海一次预先识别的大气河事件，使用09:31–09:41 UTC FY-3E过境时段的云样本进行评估。就此次过境全部云样本而言，300–900 hPa气压层平均均方根误差（Root Mean Square Error，RMSE）降低16.1%，700–900 hPa降低20.8%；在高湿大气河子集内，相应降幅分别为19.7%和26.6%。基于FY-3E/VASS与ERA5积分水汽（Integrated Water Vapor，IWV）所定义的高湿掩膜重叠率由60.7%提升至73.9%。因此，增强后的廓线与ERA5的一致性有所改善，尤其在700–900 hPa区间，并能更好地表征所考察大气河事件的高湿部分。
论文解读：基于晴空引导的FY-3E/VASS云区湿度廓线增强框架
一、研究背景与问题
大气河（Atmospheric Rivers，ARs）是中纬度地区水汽水平输送的重要组织形式，常与极端降水事件密切相关，其典型特征为狭长而强烈的水汽输送通道，并伴随强水汽辐合与持续云系。AR区域内的水汽具有显著的垂直分层结构，约700–800 hPa以下的对流层中下层承载了大部分AR水汽输送。湿度廓线误差会直接影响AR水汽输送与垂直湿度结构的表征，因此可靠的高精度湿度廓线数据对于AR分析至关重要。
卫星大气探测产品为大范围湿度廓线监测提供了重要数据源，但不同类型卫星产品各有优劣。FY-4B/GIIRS L2大气垂直廓线（Atmospheric Vertical Profile，AVP）产品基于高光谱红外观测反演，在晴空条件下可提供较准确的湿度廓线；然而AR事件常伴随大范围云系，云会显著降低高光谱红外廓线产品的质量与可用性。FY-3E/VASS L2 AVP产品为多传感器联合反演产品，结合了高光谱红外大气探测仪-II（HIRAS-II）、微波温度探测仪-III（MWTS-III）与微波湿度探测仪-II（MWHS-II）的观测，具备全天候大气温湿度廓线获取能力，可监测云区AR区域；但其在中低对流层AR水汽集中层的精度低于FY-4B/GIIRS。因此，本研究基于FY-3E/VASS的全天候覆盖能力，以较精确的晴空FY-4B/GIIRS湿度廓线为引导，对FY-3E/VASS湿度廓线进行增强，并将学习到的校正关系迁移至目标日云区AR区域。
二、研究内容与结论
研究人员提出了一种晴空引导的低维湿度残差校正框架，将原始FY-3E/VASS湿度廓线作为增强目标，晴空FY-4B/GIIRS湿度廓线作为引导源。该框架结合低维湿度残差建模、目标日标定、云况调整与低层校正约束，生成增强后的FY-3E/VASS湿度廓线。以ERA5再分析资料为参照，针对2023年7月6日中国东部沿海一次预先识别的AR事件，使用FY-3E 09:31–09:41 UTC中国过境时段的云样本进行评估。结果表明，该框架在云区高湿AR子集及全部云样本中均显著改善了对流层中下层湿度廓线精度，并提高了高湿区域的空间表征能力。
三、主要技术方法
研究人员采用的主要技术方法包括：时空匹配与垂直插值，以FY-3E/VASS样本为基准搜索FY-4B/GIIRS候选匹配，时间差不超过1800秒、空间距离不超过50千米，并以归一化综合时空得分选取最优匹配，FY-4B/GIIRS廓线在对数压力空间插值至FY-3E/VASS的37层压力网格；对数湿度残差与低层校正约束，在对数空间定义湿度残差，并通过垂直权重函数在850 hPa以下线性递减至900 hPa以下不施加校正；主成分分析（Principal Component Analysis，PCA）提取低维残差基，采用掩膜感知的加权PCA策略处理缺失值，选取5个基函数，累计解释方差达93.5%；一维卷积神经网络（1D CNN）预测残差系数，以标准化FY-3E/VASS湿度廓线、温度廓线和对数压力坐标为输入，采用残差卷积架构提取垂直特征，输出5个低维残差系数；目标日标定，利用目标日晴空匹配样本估计预测与真实残差系数的中位数偏移；云况调整，利用历史全天候FY-3E/VASS样本估计晴空与云样本间的结构差异，并通过线性映射转换至残差系数空间。学习样本为2023年6月1日至30日的晴空匹配样本，历史云况调整样本亦来自该时段。
四、研究结果
4.1 云区高湿AR子集评估
在垂直廓线评估中，以ERA5为参照，300–900 hPa气压层平均RMSE由2.340降至1.879 g kg?1，降幅19.7%；MAE由1.976降至1.557 g kg?1；偏差由?1.783改善至?1.308 g kg?1；相关系数R由0.292升至0.452。700–900 hPa区间RMSE由3.573降至2.623 g kg?1，降幅26.6%；MAE由3.045降至2.162 g kg?1；偏差由?2.777改善至?1.858 g kg?1；R由?0.077升至0.247。增强效果主要集中在700–900 hPa，即AR水汽集中的关键层次。在空间评估中，基于原始FY-3E/VASS廓线的高湿掩膜与ERA5定义的高湿AR评估掩膜重叠率为60.7%，增强后提升至73.9%，提升13.1个百分点。增强廓线计算得到的300–900 hPa和700–900 hPa部分柱水汽（Partial Column Water Vapor，PCWV）均更接近ERA5参考值。
4.2 全部云样本评估
对FY-3E过境全部云样本，300–900 hPa RMSE由1.855降至1.557 g kg?1，降幅16.1%；MAE由1.484降至1.237 g kg?1；偏差由?0.852改善至?0.519 g kg?1；R由0.719升至0.784。700–900 hPa RMSE由2.845降至2.252 g kg?1，降幅20.8%；MAE由2.304降至1.804 g kg?1；偏差由?1.280改善至?0.590 g kg?1；R由0.651升至0.758。增强效果同样集中于700–900 hPa，表明该框架不仅适用于高湿AR子集，也适用于更广泛的云区场景。
五、讨论与结论
讨论部分指出，该方法基于FY-4B/GIIRS与FY-3E/VASS产品的互补性：FY-4B/GIIRS在晴空条件下提供较准确的中低层湿度廓线，FY-3E/VASS提供更好的云区覆盖。目标日标定与云况调整是实现晴空引导向云区迁移的关键步骤。增强效果呈现明显的垂直依赖性，主要改善集中于700–900 hPa，这与引导源在该层次的精度优势一致；而在400–600 hPa，FY-4B/GIIRS精度略逊于FY-3E/VASS，可能导致轻微退化，但为保持垂直连续性仍保留校正。低层校正约束避免了近地面FY-4B/GIIRS误差的传播，但同时也限制了框架对900 hPa以下AR水汽的完整表征能力。研究局限性包括：以ERA5而非独立观测为参照，FY-3E过境时间与常规探空观测时间存在约2.3–2.5小时间隔；引导源在部分层次的精度限制；以及仅基于单次过境事件的案例评估。
研究结论可概括为：针对2023年7月6日中国东部沿海预先识别的AR事件，增强后的FY-3E/VASS湿度廓线改善了云区高湿AR子集内样本的对流层中下层湿度结构，300–900 hPa RMSE降低19.7%，700–900 hPa降低26.6%；高湿掩膜与ERA5定义的高湿AR评估掩膜重叠率由60.7%提升至73.9%。对全部云样本，300–900 hPa RMSE降低16.1%，700–900 hPa降低20.8%。该研究为晴空引导残差校正用于云区湿度廓线增强提供了案例层面的概念验证，更广泛适用性仍需更多独立案例加以验证。
