本页目录
21 · 卫星、现场网与再分析
观测链条不是“传感器读数 = 地球变量”。现场仪器可能直接采样一个点，卫星常先测辐亮度再反演温度、云或成分，再分析则把观测与数值模型和同化方法结合。本页用一条证据流水线区分观测、反演、网格化与再分析。
资料核验日期：2026-09-01。实验中的覆盖率、噪声和校准误差是归一化教学量，不是某个卫星任务的实时性能指标；动态数据必须写指标年、产品版本、基准和核验日期。
学习层：从传感器信号到可比较的地球变量
1. 具体情境：同一场热浪，三种观测各自看见什么
分析员要研究一次热浪。地面站给出某一点的近地面温度，卫星覆盖大片区域但受云和视角影响，再分析提供连续网格却包含模型动力和同化假设。三种产品都能画出“热浪图”，证据身份却不同。
具体情境不是预先认定哪种产品最真实。问题是：观测对象是什么、测量链做了哪些变换、误差是随机还是系统、空间和时间覆盖是否匹配研究问题。
2. 揭示前预测：覆盖、分辨率与偏差
在打开实验前预测：卫星云量增加时，最先下降的是观测覆盖率还是地表真实温度？再分析覆盖率接近完整，是否因此等于无模型的直接观测？把随机噪声减半，能否消除固定的辐射定标偏差？
把“信号”“反演变量”“分析场”分别写在三个标签上。实验只揭示一个透明的测量链代理，不代替任何具体产品的质量控制。
3. 公式桥：观测方程、反演与同化
观测系统常写成
其中 \(x\) 是真实状态，\(\mathcal H\) 是从状态到传感器量的观测算子，\(y\) 是读数，\(\varepsilon\) 包含噪声和未建模误差。卫星辐射计可能先得到辐亮度 \(y\)，再用辐射传输与先验资料反演温度或气溶胶：
反演不是凭空增加信息；分辨率、云掩膜、观测角度和先验都会进入误差协方差。
再分析可以用简化的贝叶斯更新表示：
其中 \(\hat x_b\) 是背景模型，\(K\) 是由误差协方差决定的增益，\(\hat x_a\) 是分析场。它是“模型 + 观测 + 同化”的产品，不应标为纯观测。
4. 互动实验：审计一条观测流水线的欠账
无 JavaScript 时的静态 fallback：默认选择卫星遥感，云量 \(0.30\)、校准偏差代理 \(0.20\)、重访间隔 \(5\ \mathrm d\)。覆盖率和误差是归一化教学量，不代表具体卫星任务。
| 观测账本 | 默认结果 | 单位 / 解释 |
|---|---|---|
| 测量对象 | 辐亮度 → 反演变量 | 观测链，不是直接温度计 |
| 有效覆盖率 | 0.574 | 归一化；受云掩膜影响 |
| 随机噪声代理 | 约 0.35 | 归一化观测误差 |
| 综合不确定度 | 0.406984 | 随机、校准和覆盖项的教学合成 |
| 数据身份 | 反演产品 | 还需质量控制和验证 |
切换到地面站或再分析，会改变覆盖与数据身份；降低云量或缩短重访间隔仍不会消除校准偏差。
5. 边界与常见误区：产品标签就是证据边界
- 分辨率不等于准确度：小像元可以保留更多空间结构，但定标、姿态、云筛选和反演先验仍会造成偏差。
- 缺测不是零值：云掩膜、轨道空隙和仪器故障造成的是无数据或低权重，不应填成“正常温度”。
- 再分析不是纯观测：同化观测会受模型背景、观测算子和误差协方差影响；产品适合连续场分析，却要保留模型依赖。
- 验证不能只用同源数据：遥感产品若用同一传感器或同一算法做验证，容易把共同偏差误认为一致。
现场站、卫星、雷达、浮标和飞机各自观察不同尺度；将点观测、像元平均、轨道瞬时值和月平均直接拼接，会制造尺度混淆。
迁移问题：若卫星显示整片区域变冷，但地面站不变，你会先查云筛选、地表发射率、站点代表性还是时间平均窗口？若再分析的风场与站点一致但降水偏差大，说明是观测算子、模型物理还是同化权重的问题？
1. 现场观测、遥感和再分析的角色
现场网通常提供高时间分辨率的点或剖面测量，优点是变量定义直接、过程可追踪；缺点是空间覆盖有限、站点迁移和周边环境变化会带来非气候偏差。
遥感把电磁辐射、微波、激光或雷达回波与地球状态连接起来。它的优势是空间覆盖和多尺度采样，代价是观测算子、云和气溶胶影响、反演先验及跨传感器定标。
再分析通过数值模型和数据同化生成时空连续场。它适合研究环流、能量和水循环的完整结构，但在观测稀疏区，结果更依赖模型；同化系统更新也会改变产品的可比性。
2. 误差账本
随机误差会通过平均或重复观测部分降低，系统偏差不会自动消失。代表性误差来自观测点与网格平均对象不同，结构误差来自观测算子或模型过程缺失，采样误差来自轨道与时间窗不完整。
高质量数据产品应保留质量标志、缺测标志、定标版本、误差估计和处理链。把所有误差合并为一个漂亮的小数，往往隐藏了最重要的系统项。
3. 可比性与同化权重
比较地面点、卫星像元和再分析网格时，先把观测算子写出来，再决定是比较瞬时值、日平均还是同一基准期的异常。
同化增益 \(K\) 不是“越大越好”：它由背景误差和观测误差协方差共同决定，权重变化会改变分析场对传感器的依赖程度。
跨任务拼接需要处理轨道漂移、仪器老化、交叉定标和算法版本；拼接后的连续曲线仍可能带有断点。
因此产品一致性应通过独立站点、交叉传感器和误差传播共同检查，而不是只比较两条视觉上相似的曲线。
4. 动态指标与一手资料
当前卫星任务、地面站网络和再分析版本会随时间更新。使用全球温度、海平面、冰盖质量或云量产品时，必须写指标年、基准时段、数据版本、不确定度和核验日期。
优先资料入口包括 NASA Earth Science、NASA GISTEMP、NOAA Global Monitoring Laboratory 和 IPCC AR6 WGI Atlas。
5. 速查结论
- 读数先经过观测算子、反演和质量控制，才成为产品变量。
- 覆盖率、分辨率、随机误差和系统偏差是不同账本。
- 再分析是模型与观测的合成证据，不是原始观测的同义词。
- 跨产品比较必须对齐变量定义、尺度、时间窗、版本和基准。
下一页继续沿这条证据链进入反演、数据同化与不确定性传播。