基于葵花影像中國地區(qū)夜間云識別方法研究

安妮，尚華哲，胡斯勒圖，海全勝，包玉海

（1.中國科學(xué)院遙感與數(shù)字地球研究所 遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，北京 100101；2.包頭師范學(xué)院 資源與環(huán)境學(xué)院，內(nèi)蒙古 包頭 014030；3.內(nèi)蒙古師范大學(xué) 地理科學(xué)學(xué)院，呼和浩特 010000）

云分布地區(qū)直接影響地表反照率和全天候地表輻射能量收支，云識別也是獲取云量，反演云相態(tài)、云參數(shù)和氣溶膠參數(shù)的重要依據(jù)[1]。國際上衛(wèi)星云檢測發(fā)展成果突出，早期主要利用一些極軌衛(wèi)星數(shù)據(jù)，如ISCCP（The International Satellite Cloud Climatology Project），方法是利用可見光（0.6 μm）和紅外波段（11 μm）閾值設(shè)定，檢測云與晴空。AVHRR（Advanced Very High Resolution Radiometer）利用可見光、紅外波段作了海洋、陸地不同地表情況的云與晴空識別，后改進(jìn)為5 個條件運(yùn)算的閾值設(shè)定，實(shí)現(xiàn)從晴空中提取云像元[2]。MODIS 數(shù)據(jù)云產(chǎn)品考慮多種云類型以及不同地表特征，通過多波段閾值算法進(jìn)行云檢測。

由于地物在白天夜間不同的輻射特性，以及云的微觀物理特性（云粒子大小、分布等）決定了不同類型云的亮溫差異，因而云檢測的提取時間模式分為白天和夜間，如MODIS、GOES 云掩膜算法時間適用性分為白天和夜晚，日本葵花系列衛(wèi)星又增加了清晨和黃昏晝夜更替時段。不同時段的輻射能量直接影響到云檢測算法和提取閾值。近年發(fā)射的衛(wèi)星傳感器具備較高的光譜分辨率、時間分辨率和地面分辨率，云檢測的算法與精度也在不斷提高。GOES（The Geostationary Operational Environmental Satellite）系列衛(wèi)星對美國西部及太平洋地區(qū)的云檢測結(jié)果分為四 種[3]。日本葵花靜止氣象衛(wèi)星的云掩模數(shù)據(jù)產(chǎn)品具有高時間分辨率，分為白天、黃昏、夜晚、清晨四個時段，對晴空下不同地物的輻射特性又分為五個地類進(jìn)行云識別提取[4]。可見在全天候監(jiān)測中，多種衛(wèi)星觀測的云產(chǎn)品數(shù)據(jù)，需區(qū)分時段應(yīng)用不同的監(jiān)測算法，尤其在夜間，由于地表輻射特性、溫度與白天有差異，同時又缺少了可見光波段，夜間云與地物的區(qū)分算法會比白天更為復(fù)雜。特別是冰雪地表區(qū)域，其某些紅外波段的亮溫特性與冰云十分相似[5]，更增加了其監(jiān)測難度。

國際上主流的云檢測方法主要是通過云與非云在可見光和紅外波段的光譜差異，進(jìn)行閾值檢測。不同的影像數(shù)據(jù)波段不同，提取方法也有差異。ISCCP 算法是利用可見光、紅外波段作閾值判定識別云[6-8]，缺點(diǎn)是與晴空性質(zhì)接近的云易被漏判。APOLLO 方法利用AVHRR1-5 通道數(shù)據(jù)的5 個測試算法，像元要同時滿足多個閾值被確定為云[9]，不足是當(dāng)有一個算法誤判，結(jié)果就會誤認(rèn)為晴空。CLAVR-x 系統(tǒng)實(shí)現(xiàn)了云檢測、云相態(tài)、云高和云光學(xué)性質(zhì)算法[10-11]，通過光譜和空間檢驗(yàn)實(shí)現(xiàn)云檢測。二氧化碳薄片法是利用CO2在15 μm 處對輻射的吸收特性區(qū)分云與晴空中的透明云[12]。其中基于短波輻射被動遙感數(shù)據(jù)的閾值法是應(yīng)用最廣、普適性最好的云識別方法，然而被動遙感中夜間云識別較白天缺少可見光觀測數(shù)據(jù)，主要依據(jù)紅外波段，利用云與非云的亮溫差異進(jìn)行區(qū)分。對于研究中國地區(qū)云檢測中，尤其是大氣污染嚴(yán)重地區(qū)，霧霾情況有時會誤判為云，還需要考慮霾對云提取精度的影響[13]。同時中國地形高程起伏變化顯著，地表溫差差異大，影響了云識別閾值的準(zhǔn)確性。

針對以上兩方面考慮，文中提出利用Himawari-8影像數(shù)據(jù)，探究適用于中國地區(qū)夜間時段的云識別算法。選用2016 年四個季節(jié)各一個月的夜間數(shù)據(jù)進(jìn)行云識別，利用影像數(shù)據(jù)的紅外波段，根據(jù)云與非云的亮溫差異，采用閾值法進(jìn)行云與非云區(qū)域的區(qū)分。針對中國地形高程地表亮溫差異對云檢測結(jié)果的影響，提出將高程分為1000、2000、3000 m 三個階梯的閾值算法。對于云識別結(jié)果驗(yàn)證，由于夜間缺少可見光，使用了MODIS 云數(shù)據(jù)產(chǎn)品和雷達(dá)數(shù)據(jù)CALIPSO 分別做了定性和定量的結(jié)果驗(yàn)證，來確定適用于中國夜間云識別算法。

1 數(shù)據(jù)

1.1 實(shí)驗(yàn)數(shù)據(jù)Himawari-8 AHI

日本靜止氣象衛(wèi)星Himawari-8 于2014 年10 月7日成功發(fā)射，觀測時段為2016—2022 年，后繼發(fā)射Himawari-9 將運(yùn)行到2029 年。Himawari-8/9 衛(wèi)星搭載了可見紅外輻射計(jì) Advanced Himawari Imager（AHI），設(shè)置16 個觀測波段，3 個可見光波段、3個近紅外波段和10 個紅外波段。重復(fù)觀測時間為每10 min 觀測全部可視面一次，日本東北部、西南部、臺風(fēng)區(qū)域4 次和兩個陸地區(qū)域20 次。夜間云識別在沒有可見光的輻亮度，主要使用紅外波段數(shù)據(jù)的亮溫值BT（Bright temperature）探討云與晴空的亮溫差異作云識別。

1.2 驗(yàn)證數(shù)據(jù)CALIPSO VFM

2006 年4 月28，由美國NASA 和法國共同發(fā)射了云-氣溶膠雷達(dá)衛(wèi)星CALIPSO（Cloud_Aerosol Lidar and Infrared Pathfinder Satellite Observations），主要用于研究全球云和氣溶膠影響下的輻射平衡和氣候變化，與其他五顆同屬于NASA“A-Train”系列衛(wèi)星。衛(wèi)星搭載了3 臺傳感器：正交偏振云-氣溶膠激光雷達(dá)（CALIOP）、紅外成像輻射計(jì)（IIR）、寬視場相機(jī)（WFC）。文中用于夜間云識別結(jié)果驗(yàn)證的VFM（Vertical Feature Mask）數(shù)據(jù)是CALIOP 獲取的高分辨率垂直云-氣溶膠類型數(shù)據(jù)。CALIOP 傳感器有2個波段偏振雷達(dá)、3 個接收頻道，獲取在1064 nm 和532 nm 波長處的后向散射強(qiáng)度[14]，使用532 nm 波段數(shù)據(jù)用于云檢測結(jié)果的驗(yàn)證。

VFM 垂直分類數(shù)據(jù)產(chǎn)品是以n×5515 矩陣形式存儲，垂直距離為30.6 km，水平范圍為5 km。垂直分辨率從地面高度-0.5 到8.2、20.2、30.1 km 分別為30、60、180 m，水平分辨率根據(jù)不同垂直范圍分為333、1000、1667 m，見表1。數(shù)據(jù)存儲為16byte來表示不同的氣溶膠和云類型，1～3 bits 從0—7 分為8 類數(shù)據(jù)，其中云類型值為2，氣溶膠為3，10～12 bits 表示潛在云、氣溶膠等類型，是對云、氣溶膠等類型的進(jìn)一步劃分。云類型中，透明云考慮為晴空。數(shù)據(jù)結(jié)果驗(yàn)證中，夜晚數(shù)據(jù)過境范圍較好的時間為UTC18—19 時。

2 夜間云檢測算法

夜間云識別主要使用紅外波段，根據(jù)云與非云的亮溫差異進(jìn)行閾值判別?；谇叭颂岢龅娜旌蛟铺崛∷惴?，研究了適用于中國地區(qū)的夜間云識別閾值方法見表2。由于非云區(qū)域不同地表的輻射能量存在較大差異，且這種輻射能力的差異明顯與高程分布具有一致性，導(dǎo)致一些算法的云檢測閾值設(shè)定不合理，云與非云區(qū)域的混淆誤判。因而考慮地表輻射能量差異，將判別閾值進(jìn)行劃分，以實(shí)現(xiàn)云識別。

表2 基于日本靜止氣象衛(wèi)Himawari-8 影像數(shù)據(jù)在 中國的夜間云識別算法

2.1 算法數(shù)據(jù)的輸入輸出

夜間云識別算法主要利用Himawari-8 影像數(shù)據(jù)的第7—16 波段數(shù)據(jù)的亮溫值BTλ，λ 為波段的中心波長，時間分辨率為1 h，地面分辨率為2 km。中國界線矢量數(shù)據(jù)，用于確定研究區(qū)范圍；中國地形高程數(shù)據(jù)DEM，用于判別地表高程階梯。夜間時段判別利用太陽高度角數(shù)據(jù)θsunZ，且當(dāng)θsunZ＞85°時為夜間。

云檢測算法輸出數(shù)據(jù)為云掩模數(shù)據(jù)，影像大小為3722×1944 像元，像元分為云與非云。時間分辨率為1 h，地面分辨率為2 km，地理坐標(biāo)為WGS_1984。

2.2 云檢測

根據(jù)不同類型云檢測算法實(shí)現(xiàn)云與非云像元區(qū)分，非云像元也因不同地表高程情況存在亮溫差 異[15]，確定了三個高程階梯不同的判別閾值，見表2。

1）BT7.3-BT11.2 云檢測。BT7.3-BT11.2 用于檢測在夜間陸地上空的高層、中層云。晴空下BT7.3 對于地表溫度與大氣中的水分較為敏感，BT11.2 亮溫主要取決于表面輻射，云中水汽的存在會降低 11.2 μm 波段的亮溫值，使兩波段的差異降低。

2）BT11.2-BT3.9 云檢測。該算法用于檢測低層厚云，低云在3.9 μm 波段吸收較11.2 μm 波段低，散射較高，在11.2 μm 波段亮溫在235～265 K，閾值的設(shè)定會有4.5～2.5 K 變化浮動。該方法不適用于干旱地區(qū)，在內(nèi)蒙古干旱地區(qū)，如沙漠、荒漠化草原地表，會因3.9 μm 發(fā)射率較高，其較大亮溫差而誤認(rèn)為云，因而還需要對沙漠地區(qū)進(jìn)行進(jìn)一步驗(yàn)證。

3）BT11.2-12 云檢測。11.2 μm 波段的亮溫值可用于區(qū)分云與非云[16]，但不同地表也存在亮溫差異，11.2～12.4 μm 算法會更好地區(qū)分薄云和晴空。地表在這兩個波段基本沒有亮溫變化，云在這兩個波段的亮溫差主要取決于云含水量和衛(wèi)星天頂角。靜止氣象衛(wèi)星葵花-8 衛(wèi)星天頂角固定，因而其有云區(qū)域與非云區(qū)域差值主要取決于云中水汽或冰晶在11 μm 輻亮度的吸收與散射[2]，薄云的亮溫主要取決于大氣中水汽對亮溫的吸收和云的發(fā)射率。表現(xiàn)為云中的水粒子在8～12 μm 波段范圍中，11.2 μm 附近的吸收最強(qiáng)[17]，因而不適用于冰雪地表。因?yàn)樵诘乇頊囟容^低情況下，冰雪亮溫值和云的亮溫特性接近，會誤識別為云。

4）基于高程的BT13.3-11.2 云檢測。對于復(fù)雜多樣的地表，云檢測要考慮不同地表的輻射以及夜間的亮溫特性，云檢測計(jì)算的亮溫差異主要取決于地表的發(fā)射率高于云，來區(qū)分云與晴空。從葵花的可見光和近紅外波段數(shù)據(jù)可以看出，非云區(qū)域中，高原地區(qū)地表亮溫明顯低于東部沿海地區(qū)，其東部沿海高程基本分布在1000 m 以下，而高原地區(qū)主要集中在高程3000 m 以上的青藏高原區(qū)域，可見其地表輻射能量分布特征與地形高程有一定的一致性。為提高云檢測精度，同時考慮我國地形三級階梯特點(diǎn)（如圖1a所示），可初步劃分為小于1000 m、大于3000 m和1000～3000 m 三個階梯的不同地表輻射，分別進(jìn)行云與非云的閾值設(shè)置，（如圖1b、c 所示），進(jìn)而提高青藏高原高寒地區(qū)、內(nèi)蒙古干旱地區(qū)的提取 誤差。

該方法主要根據(jù)11.2 μm 附近云中水汽相對地表較低的輻射率，可以用于去除云結(jié)果中誤判的地表輻射較高區(qū)域，如干旱地區(qū)、高原地區(qū)。根據(jù)不同的地表輻射能量劃分為三個等級，地形高程大于3000 m的青藏高原地區(qū)，在紅外波段中地表亮溫較低，尤其 在11.2 μm 處，因而這兩個波段的云與非云相對亮溫差異較小，其云與非云的劃分閾值最大。1000～3000 m高程地區(qū)主要分布于中國中部與內(nèi)蒙古高原地區(qū)，由于內(nèi)蒙古高原大部分處于半干旱地區(qū)，地表亮溫高于青藏高原，低于東部沿海地區(qū)，因而兩波段云與非云的相對亮溫差異較大。云分布區(qū)域BT13.3-11.2具有高于高原地區(qū)的相對亮溫差值，識別閾值較大。高程低于1000 m 的東部沿海地區(qū)，非云區(qū)域地表輻射能量最高，紅外亮溫值也高，BT13.3-11.2亮溫相對差異最大，因而劃分閾值最小，如圖 1d所示。

圖1 基于高程的BT13.3-11.2 云檢測

3 結(jié)果

對2016 年1 月、4 月、7 月和10 月所對應(yīng)的四 個季節(jié)分別做夜間云檢測。首先對比晨昏交接時段的云結(jié)果驗(yàn)證（如圖2 所示），選取了2016 年4 月2日上午7—8 點(diǎn)。對我國范圍內(nèi)晨昏交接時真彩色影像數(shù)據(jù)與Himawari-8/AHI 數(shù)據(jù)提取的云識別結(jié)果進(jìn)行對比，結(jié)果表明、在晝夜交替時段，該云檢測算法提取的云結(jié)果具有較好的連續(xù)性，基本實(shí)現(xiàn)了夜間云分布的提取。

圖2 UTC23-00-01 時云檢測結(jié)果與Himawari-8/AHI 真彩色影像數(shù)據(jù)對比

為進(jìn)一步驗(yàn)證夜間云檢測結(jié)果的準(zhǔn)確性，利用MODIS 云產(chǎn)品MYD06 進(jìn)行云提取結(jié)果驗(yàn)證，分別對四個季節(jié)的1 月、4 月、7 月、10 月UTC：17—21時段云檢測結(jié)果作對比，如圖3 所示。結(jié)果表明，云檢測區(qū)域與 MYD06 云產(chǎn)品基本一致。同時相較MYD06 云產(chǎn)品，Himawari-8 影像云監(jiān)測算法結(jié)果具有更好的時間分辨率和空間分辨率，其時間間隔為 1 h，監(jiān)測時間連續(xù)性較好，較高的空間分辨率能表現(xiàn)云邊緣細(xì)節(jié)信息，尤其是碎云的分布。

定量檢測夜間云識別的可信度，利用 CLIPSO（Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations）雷達(dá)數(shù)據(jù)VFM 進(jìn)行精度驗(yàn)證，結(jié)果見表3[18]。CLIPSO 過境時間為UTC19 時的空間分布云類型與檢測結(jié)果對比如圖4 所示，并分別統(tǒng)計(jì)了2016年四個季節(jié)云、非云數(shù)據(jù)的比值。遺漏率LR（leakage rate）和錯誤率FAR（false alarm rate）[19-21]表示提取精度，其中VFM 數(shù)據(jù)的0.3 km 水平分辨率重采樣為Himawari-8/AHI 數(shù)據(jù)相匹配的2 km，采樣方式為求取6 個像元的平均值。

圖3 1 月、4 月、7 月和10 月夜間UTC18—20 時MYD06 云數(shù)據(jù)產(chǎn)品與云檢測結(jié)果對比

圖4 VFM 數(shù)據(jù)云、晴空類型與云檢測結(jié)果對比

式中：AHIclear、VFMclear分別表示AHI、VFM 數(shù)據(jù)非云像元；AHIcloud、VFMcloud分別表示AHI、VFM數(shù)據(jù)云像元；N 為數(shù)據(jù)統(tǒng)計(jì)像元總數(shù)。

結(jié)果表明，四個季節(jié)的夜間云識別結(jié)果與CLIPSO 數(shù)據(jù)的云類型比值為77.86%，非云像元比值為79.67%，提取精度上較好地實(shí)現(xiàn)了夜間云與非云像元的識別（見表3）。其中把云像元錯誤提取為非云像元的平均遺漏率為2.76%，非云像元誤提取為云像元的平均錯誤率為12.31%。該算法較好地實(shí)現(xiàn)了夜間云檢測。

表3 云檢測結(jié)果與CLIPSO VFM 數(shù)據(jù)的精度驗(yàn)證 %

4 結(jié)論

文中利用日本靜止氣象衛(wèi)星Himawari-8/AHI 數(shù)據(jù)的高時空分辨率，選用2016 年四個季節(jié)夜間影像數(shù)據(jù)，利用云與非云像元在紅外波段的亮溫差異，同時根據(jù)中國地形高程差異對云檢測結(jié)果的影響，分為1000、2000、3000 m 三個高程階梯，調(diào)整對應(yīng)波段云識別方法閾值，確定了適用于中國地區(qū)夜間云識別算法。由于夜間缺少可見光，云識別結(jié)果的驗(yàn)證使用了MODIS 云數(shù)據(jù)產(chǎn)品和CALIPSO 雷達(dá)數(shù)據(jù)分別做了定性和定量的結(jié)果驗(yàn)證。

1）中國地形高程差異對云檢測結(jié)果的影響，主要表現(xiàn)為不同高程、不同地表的亮溫差異，因而可分為1000、2000、3000 m 三個階梯進(jìn)行云檢測算法的閾值判定，來提高云檢測結(jié)果精度。

2）基于Himawari-8 影像數(shù)據(jù)的云識別方法具有更高的時間分別率及空間分辨率，檢測結(jié)果也與MODIS 的MYD06 云產(chǎn)品基本一致。

3）CALIPSO 雷達(dá)數(shù)據(jù)四個月的平均驗(yàn)證結(jié)果為：云區(qū)域的提取精度為79.67%，非云區(qū)域的提取精度為 77.86%，將有云區(qū)域錯提為非云的誤差為2.76%，將非云區(qū)域誤提取為有云區(qū)域的遺漏率為12.31%，較好地實(shí)現(xiàn)了中國地區(qū)夜間云與非云像元的識別。

本研究提出了中國地區(qū)的夜間云識別算法，對于大氣相關(guān)云研究及全天候的輻射能量收支研究具有重要意義。云分布提取方法與結(jié)果仍有不足，提取方法應(yīng)再充分考慮水域、冰雪地表。同時文中只針對中國領(lǐng)土區(qū)域做了云檢測的數(shù)據(jù)實(shí)驗(yàn)，并未考慮領(lǐng)海水域。對于內(nèi)蒙古高原干旱地區(qū)的提取結(jié)果有些誤差，同時對于冬季1 月的云識別結(jié)果相對較不理想。主要是冬季地表亮溫值低于夏季，導(dǎo)致閾值法的閾值差異不顯著或有適當(dāng)?shù)淖兓?，進(jìn)而有些云無法與晴空區(qū)分，影響云提取精度，今后工作可進(jìn)一步優(yōu)化云識別算法。