利用MODIS近紅外數(shù)據(jù)反演大氣水汽含量研究

張?zhí)忑垼?韋 晶*， 甘敬民， 朱倩倩， 楊東旭

1. 山東科技大學測繪科學與工程學院， 山東 青島 266590

2. 浙江旅游職業(yè)學院， 浙江 杭州 310000

利用MODIS近紅外數(shù)據(jù)反演大氣水汽含量研究

張?zhí)忑?， 韋 晶1*， 甘敬民1， 朱倩倩2， 楊東旭2

1. 山東科技大學測繪科學與工程學院， 山東 青島 266590

2. 浙江旅游職業(yè)學院， 浙江 杭州 310000

大氣水汽含量(precipitable water vapor, PWV)對遙感定量化及生態(tài)環(huán)境方面研究具有重要意義。 針對傳統(tǒng)水汽探測方法存在的問題， 提出一種基于多通道表觀反射率的ICIBR(improved continuum interpolated band ratio)水汽遙感反演方法。 該方法結合MODIS數(shù)據(jù)第17， 18和19三個近紅外通道的水汽吸收特點， 利用MODTRAN模型模擬大氣含水量與三個通道ICIBR之間的關系， 構建了適用于MODIS數(shù)據(jù)的ICIBR大氣水汽含量定量反演模型。 基于提出的ICIBR水汽反演方法， 選擇北美洲南部典型干旱、 半干旱區(qū)德克薩斯州、 俄克拉荷馬州等地區(qū)為研究區(qū)， 使用不同時間的四期MODIS 1B數(shù)據(jù)進行水汽反演實驗。 同時， 選擇SuomiNet提供的GPS水汽地基觀測數(shù)據(jù)對反演結果進行精度驗證以及MODIS大氣水汽產(chǎn)品(MOD05)進行對比評價。 驗證和對比結果表明： 該算法水汽反演結果與GPS水汽實測數(shù)據(jù)具有較高的一致性(r=0.967)， 均方根誤差為0.276 cm， 有71.08%的觀測點對滿足水汽反演誤差精度(EE～±0.05+0.15PWVgps)要求， 同時與MOD05大氣水汽產(chǎn)品相比， 該方法在反演精度和準確估計方面有了較大提高， 能夠有效降低61%的水汽反演高估現(xiàn)象。 該方法較傳統(tǒng)算法更為簡易、 實用， 具有較高的整體水汽反演精度。

大氣水汽含量； ICIBR； MODIS； SuomiNet； MOD05

引 言

大氣水汽(precipitable water vapor， PWV)又稱為大氣可降水量， 在大氣中含量相對較少， 所占比例僅為0.1%～4%， 表現(xiàn)卻較為活躍， 是引起天氣變化的關鍵因素。 大氣水汽對可見光和紅外等波段具有明顯的吸收特性， 對電磁波吸收和發(fā)射、 大氣校正、 大氣垂直分布探測具有重要的影響； 同時， 水汽也是影響遙感定量反演及應用的一個重要物理量[1]， 尤其對地表溫度(land surface temperature， LST)反演的影響較為明顯， 研究表明， 在使用分裂窗算法進行地表溫度反演時， 1K溫度反演誤差則需要0.6 g·cm-2的大氣水汽數(shù)據(jù)支持[2]。 故科學準確確定大氣中的水汽含量及空間分布， 不僅可以為遙感影像大氣校正和地表參量反演提供準確的先驗數(shù)據(jù)支持， 而且對研究生物圈水循環(huán)和能量交換有著重要的意義[3]。

傳統(tǒng)的大氣水汽含量探測方法主要通過地面架設有限地基觀測站點進行觀測， 并根據(jù)相關參數(shù)計算得到， 該方法獲取的大氣水汽數(shù)據(jù)精度和時間分辨率較高， 但空間范圍較小且費時費力， 代價昂貴[4]。 隨后， 國內(nèi)外學者從探空實驗、 GPS(global position system)衛(wèi)星技術以及微波輻射計等多個方面進行深入研究。 Fourin等[5]將太陽反射光作為輻射源， 用近紅外一個水汽吸收通道和大氣窗口通道測定大氣水汽含量， 取得了較好的水汽反演結果， 與實際探空數(shù)據(jù)間的誤差為15%； 隨著GPS衛(wèi)星技術的發(fā)展， Bevis等[6]提出基于地基GPS技術探測大氣水汽含量的方法， 而GPS易受到3 km以下低層大氣多種誤差源的影響， 導致精度難以達到水汽數(shù)據(jù)的使用要求； 陳洪濱等[7]利用太陽紅外波段數(shù)據(jù)反演大氣水汽含量， 通過與實測數(shù)據(jù)對比驗證了反演結果的可靠性； 胡秀清等[8]利用940 nm通道透過率與水汽量常數(shù)關系， 考慮了光譜響應函數(shù)及不同大氣模式的影響， 發(fā)現(xiàn)忽略氣溶膠散射和分子散射后， 大氣透過率近似等于水汽透過率， 并成功進行水汽反演實驗， 取得了較高的反演精度； 黃意玢等[9]通過6S(second simulation of the satellite signal in the solar spectrum)模型模擬4個通道的反射率之比與大氣廓線的關系， 模擬結果同實際探空結果比較， 相對誤差在6%以下。

隨著衛(wèi)星遙感技術的發(fā)展， 衛(wèi)星觀測因其宏觀而連續(xù)、 信息量大、 方便等特點， 被廣泛應用到大氣、 地表參數(shù)的定量遙感反演研究中， 尤其是近紅外遙感技術的飛速發(fā)展， 為大氣水汽含量的準確快速獲取提供了新的思路。 當前使用最為廣泛的近紅外水汽反演方法為通道比值法， 主要包括二通道比值法和三通道比值法[10]。 兩種水汽反演算法的基本原理基本一致， 主要是根據(jù)水汽在不同光譜范圍的吸收特性， 特征選擇水汽吸收通道和大氣窗口通道的比值來計算大氣透過率， 繼而反演大氣水汽含量。 前者是基于MODIS(MODerate resolution imaging spectroradiometer)數(shù)據(jù)第19通道和第2通道計算大氣透過率， 利用Gao和Kaufman[13]實驗得到的大氣透過率和大氣水汽含量函數(shù)關系計算大氣水汽含量； 后者是對二通道比值法的改進， 增加了MODIS傳感器第5通道以及對水汽吸收特性敏感性不同的17, 18通道， 通過構建查找表或將大氣透過率和大氣水汽含量函數(shù)關系[11]應用于17, 18, 19通道， 對三者加權平均計算得到大氣水汽含量。 17和18通道分別在濕潤、 干旱條件下對水汽的吸收作用較為敏感， 19通道為水汽吸收的綜合通道[12]。

在前人研究的基礎上， 考慮了地表反射差異對大氣水汽含量反演的影響， 模擬并分析MODIS數(shù)據(jù)17, 18和19通道與大氣水汽含量的關系， 基于差分吸收原理， 本文提出一種適用于MODIS數(shù)據(jù)的基于多通道反射比值大氣水汽反演方法， 選擇北美洲南部美國德克薩斯州和俄克拉荷馬州等地區(qū)為研究區(qū)， 進行大氣水汽反演實驗， 并使用SuomiNet提供的GPS地基觀測數(shù)據(jù)和MODIS水汽產(chǎn)品(MOD05)對反演結果進行精度驗證和對比分析。

1 研究區(qū)與數(shù)據(jù)源介紹

選擇北美洲南部的美國德克薩斯州、 俄克拉荷馬州以及墨西哥北部地區(qū)(26°N～40°N， 94°W～110°W)作為研究區(qū)(圖1)。 該地區(qū)氣候多樣， 主要以高原山地氣候， 溫帶大陸性氣候， 亞熱帶季風氣候為主； 年降水量一般在500～1 000 mm； 研究區(qū)地勢整體西高東低， 東部及北部為密西西比平原， 西部及南部為落基山脈和墨西哥高原， 中部和西部地區(qū)多為山谷山丘， 植被覆蓋稀疏， 東部地區(qū)多為草原， 兩者分別占研究區(qū)總面積的55%和35%。

圖1 研究區(qū)地理位置

MODIS是搭載在地球觀測系統(tǒng)(earth observing system， EOS)中的太陽同步極地軌道衛(wèi)星(Aqua和Terra星)上的中等分辨率成像光譜儀。 MODIS具有36個離散光譜通道， 能夠實現(xiàn)0.4～14.2 μm全光譜范圍覆蓋， 空間分辨率分別為250， 500和1 000 m， 每一到兩天可實現(xiàn)一次全球覆蓋。 表1為MODIS數(shù)據(jù)大氣水汽含量的主要探測通道。 選擇空間分辨率為1 km的MOD02數(shù)據(jù)進行水汽反演實驗。

SuomiNet是由美國國家科學基金會資助， 各個參與計劃的高校共同建立的實時地基GPS觀測網(wǎng)絡， 其在美國境內(nèi)外分布有300多個GPS實測站點， 不同時間段內(nèi)由不同的GPS測站進行記錄， 且參與測量的GPS測站數(shù)量會有差異， 同時每個站點提供時間分辨率為30 min的GPS大氣水汽實測記錄， 其觀測精度可以達到1～2 mm[13]。

表1 主要的MODIS大氣水汽近紅外探測通道

MOD05是由NASA MODIS發(fā)布的大氣可降水量產(chǎn)品， 其包括5 min段、 逐日、 月和旬產(chǎn)品， 空間分辨率為1 km。 該產(chǎn)品在假設下墊面單一的條件下， 使用DISORT輻射傳輸模型， 計算并建立大氣水汽含量、 水汽透過率等各數(shù)據(jù)項的查找表， 利用940 nm水汽吸收通道反演得到晴空條件下大氣水汽含量[14]。

2 大氣水汽遙感反演方法

2.1 近紅外水汽反演基本原理

MODIS衛(wèi)星傳感器在近紅外波段(0.85～1.25 μm)不同波長處接收到的輻射亮度可以表示為

(1)

式中，λ代表波長，Lsensor(λ)為傳感器接收到的輻射亮度，Lsun(λ)為大氣頂層太陽輻射亮度，T(λ)為大氣透過率，ρ(λ)為地表反射率，Lpath(λ)為大氣程輻射。 研究表明在波長0.85～1.25 μm間， 不同地物的反射率和波長之間存在較強的線性關系[15]， 在晴朗無云的地區(qū)， 熱紅外波段受大氣的影響較小， 與單次反射相比， 大氣程輻射的影響較小， 可以忽略不計[16]。

(2)

方程兩邊同時除以Lsun(λ)得到近紅外通道的表觀反射率

(3)

式中，ρ*(λ)為表觀反射率。 940 nm附近的分子散射對大氣水汽的吸收影響較小， 其影響可以不計[17]， 因此可認為水汽吸收和氣溶膠散射是兩個獨立的過程。 因此， 940 nm附近大氣透過率可表示為

(4)

式中Ta(λ)和Twv(λ)分別表示氣溶膠散射和大氣水汽吸收。 940 nm附近的地表雙向反射率變化較慢、 氣溶膠的散射隨波長變化不明顯， 而水汽吸收隨波長的變化劇烈響應[18]， 可以得到

(5)

2.2 改進的大氣水汽反演方法

基于差分吸收原理， Carrere和Conel提出一種適用于AVIRIS(airborne visible infrared imaging spectrometer)機載高光譜數(shù)據(jù)的CIBR(continuum interpolated band ratio)大氣水汽含量反演方法[式(6), 圖2(a)][19]。 該方法基于輻射亮度反演大氣水汽含量， 在地表反射較高的地區(qū)， 可以實現(xiàn)大氣水汽的較高精度反演， 但算法受到地表反射的影響較大， 在裸土等反射率較低的區(qū)域水汽反演精度較差。 MODIS數(shù)據(jù)擁有較好的光譜分辨率和時間分辨率， 能夠實現(xiàn)對大氣水汽的快速監(jiān)測， 并且在近紅外范圍設計了三個對水汽吸收敏感性不同的通道， 結合使用則可實現(xiàn)更高精度的反演[11, 13]。 將CIBR方法分別應用于MODIS第17、 18和19近紅外通道， 基于表觀反射率對每個通道構建一個ICIBR， 利用MODTRAN(MODerate spectral resolution atmospheric TRANsmittance algorithm and computer model)分別模擬大氣水汽含量和三個波段ICIBR的關系， 構建水汽反演模型， 提出一種改進的ICIBR (improved-continuum interpolated band ratio)大氣水汽含量反演方法。

(6)

(7)

式中L(λ)為對應波長λ處的輻射亮度。c1和c2分別為系數(shù)。 對于MODIS而言， 在940 nm附近最近的兩個大氣窗口通道分別為2和5通道， 且根據(jù)差分吸收原理可用第2和第5波段中心波長0.865和1.240 μm代替上式中的λ1和λ2。 利用表觀反射率反演大氣水汽含量的原理， 對式(6)進一步推導， 得到17， 18和19通道表觀反射率的ICIBR表達式[式(7)]， 式中λn分別為第n波段中心波長； 在n取值不同的情況下，c1和c2的取值如表2所列。

圖2 CIBR算法原理示意圖(a)及ICIBR與

使用MODTRAN模型模擬ICIBR與大氣水汽含量之間的關系。 MODTRAN是美國空軍地球物理實驗室開發(fā)的用做模擬大氣效應的輻射傳輸模型， MODTRAN已成為被廣泛認可的標準模式， 被廣泛應用到大氣透過率， 大氣背景輻射等量的模擬[20]。 以中緯度夏季大氣模式， 鄉(xiāng)村型氣溶膠模

表2 不同近紅外通道的c1和c2值

式為例， 對ICIBR與大氣水汽含量之間關系進行模擬實驗。 模擬試驗中將大氣水汽含量范圍設置為0～7 cm， 步長為0.05 cm， 得到140組不同大氣水汽含量下的ICIBR模擬結果[圖2(b)]， 擬合得到大氣水汽含量與ICIBR17， ICIBR18和ICIBR19的關系[式(8)—式(10)]。 為簡便和準確確定三個通道大氣水汽含量分量的權重關系， 使用多元統(tǒng)計回歸方法對模擬結果進行擬合， 得到ICIBR大氣水汽反演模型[式(11)]。

(8)

(9)

(10)

PWV=0.326×PWV17+0.369×PWV18+

0.566×PWV19(R2=0.935)

(11)

2.3 精度評價方法

選擇SuomiNet提供的GPS水汽地基實測數(shù)據(jù)對本文水汽反演結果進行精度驗證。 為減小時空匹配誤差， 選用SuomiNet站點中心與MODIS傳感器過境時間最為接近的至少兩組觀測數(shù)據(jù)取的平均值作為該點的水汽真實值進行驗證。 同時， 獲取對應時相的5min段MOD05大氣水汽產(chǎn)品與本文大氣水汽反演結果進行對比分析。

為定量化評價反演方法的有效性和準確性， 選用相關系數(shù)(r)分析反演結果與地基觀測數(shù)據(jù)的相關性， 使用均方根誤差[RMSE， 式(12)]、 平均相對誤差[MRE， 式(13)]、 絕對相對誤差[MAE， 式(14)]分析反演結果誤差與不確定性。 同時， 本文引入水汽反演估計誤差[EE， 式(15)]評估不同大氣水汽產(chǎn)品的合理估計程度。 式中PWVgps為GPS地基觀測站點大氣水汽含量實測值，PWVretri為大氣水汽含量反演值。

(12)

(13)

(14)

EE=±(0.05+0.15×PWVgps)

(15)

3 結果與討論

選擇研究區(qū)晴空下云量較少、 數(shù)據(jù)質量較好的4景MODIS數(shù)據(jù)， 影像獲取時間分別為2008年6月3日， 2009年6月16日， 2011年6月13日和2012年8月19日， 使用構建

圖4 水汽反演結果、 MOD05大氣水汽產(chǎn)品

Fig.4 Validation and comparison between retrieved PWV (a), MOD05PWV product (b) and the GPS PWV measurements

的ICIBR模型進行大氣水汽含量反演實驗。 圖3分別為反演得到的不同時間的大氣水汽含量空間分布圖。

從圖3可以看出， 研究區(qū)中西部地區(qū)大氣水汽含量整體較低， 而東部和西南部地區(qū)， 尤其是沿海地區(qū)大氣水汽含量整體較高。 近海區(qū)域與西北部山區(qū)相比大氣水汽含量相差較大， 大氣水汽含量相差的最大值可達到3 cm， 墨西哥灣附近大氣水汽含量高于2.7 cm， 墨西哥高原大氣水汽含量在0.2～1.6 cm之間， 而西南部落基山脈山兩側大氣水汽含量僅為0.3 cm。 由于海洋的作用， 沿海地區(qū)大氣水汽含量明顯高于其他地區(qū)； 內(nèi)陸距海較遠， 海洋輸送的水汽受高大山脈的阻擋， 導致大氣水汽含量較低。

分別獲取對應時間的GPS水汽地基觀測數(shù)據(jù)和MOD05水汽產(chǎn)品， 水汽反演結果進行精度驗證和對比分析， 共獲得352組有效觀測點對。 圖4分別為水汽反演結果和MODIS水汽產(chǎn)品與GPS水汽實測數(shù)據(jù)的精度驗證對比散點圖， 圖中黑色實線表示y=x， 黑色虛線表示水汽誤差線(EE)， 紅色表示線性擬合曲線。 由圖4可以看出， 與MODIS大氣水汽產(chǎn)品(r=0.932， RMSE=0.589， MAE=0.509， MRE=1.248)相比， 我們的大氣水汽反演結果與GPS水汽地基觀測數(shù)據(jù)具有更高的相關性(r=0.967)， 具有較小的均方根誤差(RMSE=0.276)、 絕對相對誤差(MAE=0.216)和平均相對誤差(MRE=0.967)， 有71.08%的觀測點對滿足水汽誤差觀測精度要求， 能夠降低約61%的MODIS水汽產(chǎn)品的高估現(xiàn)象。

4 結 論

從原理上說明了晴空條件下利用表觀反射率反演大氣水汽含量的可行性， 基于表觀反射率提出了一種改進的ICIBR大氣水汽含量反演方法， 選擇下墊面植被覆蓋稀疏的美國南部地區(qū)為研究區(qū)， 選擇不同時期的4景MODIS影像數(shù)據(jù)進行大氣水汽反演試驗， 并分別獲取對應的GPS大氣水汽地基觀測數(shù)據(jù)和當前的MODIS大氣水汽產(chǎn)品(MOD05)對大氣水汽反演結果進行精度驗證和對比分析， 結果表明， 該算法具有較高的整體大氣水汽反演精度， 水汽反演結果與GPS地基觀測數(shù)據(jù)具有較高的相關性(r=0.967)， 整體估計誤差較小(RMSE=0.276)， 有超過70%的觀測點對滿足水汽誤差精度要求， 對比結果表明本水汽產(chǎn)品反演精度較MOD05大氣水汽產(chǎn)品(r=0.932， RMSE=0.589)有了顯著提高， 有效降低了反演結果的不確定性。

[1] ZHANG Sheng-lan, LIU Hai-lei, DENG Xiao-bo, et al(張升蘭, 劉海磊, 鄧小波, 等). Remote Sensing Technology and Application(遙感技術與應用), 2014, 29(4): 575.

[2] ZHOU Yi, QIN Zhi-hao, BAO Gang(周 義, 覃志豪, 包 剛). Spectroscopy and Spectral Analysis(光譜學與光譜分析), 2014, 34(2): 364.

[3] Schroedter-Homscheidt M, Drews A, Heise S. Remote Sensing of Environment, 2008, 112(1): 249.

[4] GU Xiao-ping, WANG Xin-ming, WU Zhan-ping, et al(谷曉平, 王新明, 吳戰(zhàn)平, 等). Plateau Meteorology(高原氣象), 2009, 28(2): 446.

[5] Frouin R, Deschamps P Y, Lecomte P. Journal of Applied Meteorology, 1990, 29(6): 448.

[6] Bevis M, Businger S, Chiswell S, et al. Journal of Applied Meteorology, 1994, 33: 379.

[7] CHEN Hong-bin, Lü Da-ren, WEI Chong, et al(陳洪濱, 呂達仁, 魏 重, 等). Scientia Atmosphere Sinica(大氣科學), 1996, 6: 757.

[8] HU Xiu-qing, ZHANG Yu-xiang, HUANG Yi-fen, et al(胡秀清, 張玉香, 黃意玢, 等). Meteorological Science and Technology(氣象科技), 2001, 3: 12.

[9] HUANG Yi-fen, DONG Chao-hua(黃意玢, 董超華). Journal of Applied Meteorological Science(應用氣象學報), 2002, 13(2): 184.

[10] LI Hong-lin, LI Wan-biao(李紅林, 李萬彪). Acta Scientiarum Naturalium Universitatis Pekinensis(北京大學學報·自然科學版), 2008, 44(1): 121.

[11] Kaufman Y J, Gao B C. IEEE Transactions on Geosciences and Remote Sensing, 1992, 30(5): 871.

[12] LIU Yu-jie, YANG Zhong-dong (劉玉潔, 楊忠東). The Principle and Algorithm of MODIS Remote Sensing Information Processing(遙感信息處理原理與算法). Beijing: Science Press(北京: 科學出版社), 2001. 66.

[13] Ware R H, Fulker D W, Stein S A, et al. Bulletin of the American Meteorological Society, 2000, 81(4): 677.

[14] MENG Xian-hong, Lü Shi-hua, ZHANG Tang-tang(孟憲紅, 呂世華, 張?zhí)锰?. Journal of Infrared and Millimeter Waves(紅外與毫米波學報), 2007, 26(2): 107.

[15] Gao B C, Alexander F H Geotz. Journal of Geophysical Research, 1990, (95): 3549.

[16] MAO Ke-biao, QIN Zhi-hao(毛克彪, 覃志豪). Remote Sensing Information(遙感信息), 2004, 4: 47.

[17] Vermote E F, Tanre D, Deuze J L, et al. IEEE Transactions on Geoscience and Remote Sensing, 1994, 35(3): 675.

[18] Gao B C, Kaufman Y J. Journal of Geophysical Research Atmospheres, 2003, 108(13): 4389.

[19] Schl?pfer D, Borel C, Keller J， et al. Remote Sensing of Environment, 1998, 65: 353.

[20] Sun L, Wei J, Bilal M, et al. Remote Sensing, 2016, 8： 23.

*Corresponding author

Precipitable Water Vapor Retrieval with MODIS Near Infrared Data

ZHANG Tian-long1, WEI Jing1*, GAN Jing-min1, ZHU Qian-qian2, YANG Dong-xu2

1. Geomatics College, Shandong University of Science and Technology, Qingdao 266590, China

2. Zhejiang Tourism College, Hangzhou 310000, China

Precipitable water vapor (PWV) shows great significance in remote sensing quantitative application and ecological research. Aiming at solving the problems of traditional methods, an Improved Continuum Interpolated Band Ratio (ICIBR) algorithm was proposed based on the ratios of apparent reflectance of multi-channels in this paper. The ICIBR algorithm considers the absorption characteristics of water vapor absorption in three MODIS near infrared channels (Bands 17, 18 and 19) and the relationship between the PWV and the ICIBRs of above three channels were simulated by using the MORTRAN model. Then the PWV retrieval model for MODIS data was constructed. Texas, Oklahoma region, a typical arid/semi-arid areas, located in North South America were selected as the study area and four different MODIS 1B data were obtained to perform PWV retrieval experiments using the ICIBR algorithm. Last, the corresponding GPS PWV ground observation data provided by SuomiNet and the MODIS PWV product (MOD05) were obtained to verify the experiment results. Evaluation and comparison results showed that the PWV retrievals showed a higher consistency (r=0.967) with the GPS ground measured PWV data with smaller RMSE～0.276 cm and a total of 71.08% of observation points falling within PWV Expected Errors (EE～±0.05+0.15PWVgps). Moreover, the ICIBR algorithm showed an obviously great improvement in PWV estimation, which can effectively reduce 61% overestimation of PWV retrievals than MOD05 PWV products. This new algorithm is more simple and practical with an overall more reliable retrieval accuracy.

Precipitable water vapor (PWV); Improved continuum interpolated band ratio (ICIBR); MODIS; SuomiNet; MOD05

Jan. 4, 2016; accepted May 12, 2016)

2016-01-04，

2016-05-12

國家科技支撐計劃課題(2012BAH27B00)和研究生科技創(chuàng)新基金項目(YC150103)資助

張?zhí)忑垼?1994年生， 山東科技大學測繪學院本科生 e-mail: 15726254726@163.com *通訊聯(lián)系人 e-mail: weijing_rs@163.com

TP79

A

10.3964/j.issn.1000-0593(2016)08-2378-06