王丹凤,张记龙,王志斌,陈媛媛,陈友华
(中北大学 山西省光电信息与仪器工程技术研究中心;仪器科学与动态测试教育部重点实验室,山西 太原 030051)
电视信号的接收与卫星数据密不可分,因此卫星数据的前期处理尤为重要。而数据的获得首先需要对卫星辐射云图进行精确的云检测。载在地球观测系统EOS卫星上的高光谱大气红外探测器AIRS(Atmospheric Infrared Sounder)[1]、静止气象卫星GOES-R上的HES(Hyperspectral Environmental Suite)、美国极轨气象卫星NPOESS上的CrIS(Crosstrack Infrared Sounder)以及欧洲极轨气象卫星METOPA上搭载的红外大气探测干涉仪IASI(Infrared Atmospheric Sounding Interferometer),都可提供高精度的大气温度、湿度、云结构的三维遥感观测信息[2]。但是目前AIRS,HES,CrlS,和IASI上的云检测还依赖于低光谱分辨力探测器上提供的有限的云特性[3]。AIRS光谱分辨力高,提供的云特性产品具有较高的精度,但是空间分辨力(13.5 km)较低。
载在地球观测系统EOS Terra和Aqua卫星上的中分辨力成像光谱仪MODIS(Moderate Resolution Imaging Spectroradiometer)提供了1 km的多谱线空间分辨力。包括1 km空间分辨力的云掩膜[4]、分类掩膜[5]、云相位[6]、5 km空间分辨力的云高压强、有效云量(被定义为云发射率和部分云覆盖产品)[7]、云粒子大小、可见波段的云光学厚度[8]。
目前业务上使用的AIRS云检测是由落在每个AIRS视场中的空间匹配的1 km MODIS云分类产品客观确定的[9]。然而,不仅仅是云检测,相应的1 km MODIS分类掩膜也有助于确定AIRS视场内是部分或者全部被云覆盖,确定是单层云还是多层云。相对应的1 km MODIS云相态可以提供AIRS视场内是否包含水云、冰云,或混合云相位信息,这些信息在云微观物理特性反演中是必需的。在AIRS视场内结合使用AIRS和MODIS数据不仅可以更精确地反演AIRS云层辐射测量内的云参数,而且为联合使用先进的成像仪和探测器进行研究提供了机会。
成像仪和探测器结合使用的关键步骤是:1)空间和时间上的搭配;2)成像仪的云量、云类型和像素的相位检测。MODIS地表信息类型包括水、陆地、荒漠、雪等;云层信息包括低云、中云、高云;相位信息包括水云、冰云或混合云相位。这些信息和每一个AIRS视场都需要有很好的匹配。本文利用基于几何扫描特性的空间匹配算法,结合MODIS云分类掩膜、云相态掩膜产品,运用MODIS云检测算法,利用MODIS数据实现了AIRS像素的云特性检测。
1 km空间分辨力的MODIS与AIRS视场是相匹配的。基于几何扫描的空间匹配算法已经在业务中使用[1]。每一个AIRS的探测视场可被描述为在星下点为圆形,随着扫描角增大,变为类似于鸡蛋型。AIRS的星下点视场直径大约为13.5 km。假设已知卫星高度为h km,则AIRS像素与重叠的MODIS观测值之间最大的可能角度差(θmax:弧度rad)可表示为:θmax=(5 7.29578×13.5)/(2 h)。
卫星与AIRS的斜距(卫星与AIRS在地球上的像素点之间的距离)和卫星与MODIS之间的斜距的夹角如果小于θmax,就认为MODIS点落在AIRS视野内。根据AIRS与MOIDS斜距间夹角的大小,给每一个落在AIRS视野中的MODIS像素点赋予一个权重值:若MODIS像素点落在AIRS椭圆视野的中心,则为1;若落在边缘,则为0。如果两个仪器提供的几何信息都是精确的,那么匹配算法的精度可达到1 km。
MODIS辐射的分类或聚类是数据分析和图像分割的重要部分。用MODIS辐射测量对地表和云类型自动分类的方法已经被开发应用[5]。训练区由MODIS云掩膜信息来定义。基于极大似然法对地表和云类型进行分类。最初的分类结果为后来的迭代次数定义训练区。当像素转换级别比预定的数量少,或者当其他条件得到满足时,迭代结束。在类别里的光谱和空间域中的平均向量被用来类别识别和产生MODIS景中的最终1 km分辨力掩膜。在MODIS分类中使用3个参数类型(辐射、辐射强度的差异和光谱亮温的差异)。所有的变量都是1 km的分辨力。MODIS分类掩膜把每一个MODIS像素分为表面(陆地、水、雪、沙漠等)和云(低云、中云、高云等)类型。
若要进一步判断云特性,还需要用到MODIS云相态检测。本文使用的是业务上的MODIS云相态检测算法。在8.5~11 μm波段,水滴和冰晶微观物理和光学性质的不同是云相位推理的基础[5]。辐射传输模拟表明在8.5~11 μm波段亮温值(下文表示为BT8.5—11)的不同往往表示为冰云有大于1的光学厚度,水云有小于-2 K的光学厚度。由于水汽廓线的增加和在8.5 μm表面发射率的减少,低云在BT8.5—11的值将变现为更低。利用BT8.5—11的云相位检测的方法在白天和晚上都可以使用。这种目前正在业务上使用的红外相位算法将每个MODIS云像素都被标记为不确定相、混合相、冰或者水。通过判断空间匹配的MODIS像素点的云相态就可判定AIRS像素的云相态。
图1是2002年9月6日AIRS景193在通道763(波数901.69 cm-1)的亮度温度(BT)图。冷云由蓝色(冷色调)表示。方框中的区域(A1,A2,A3)是选择研究的区域。(编者注:本文彩图见www.VideoE.cn。)
图1 2002年9月6日AIRS景193在通道763(波数901.69 cm-1)的亮度温度图
根据上述几何扫描空间匹配算法,图2显示了研究区A1(图1方框中的研究区域)中与AIRS视野匹配的MODIS 11 μm的亮温图。
图2 研究区域A1中与AIRS视野匹配的MODIS 11 μm的亮温图
图中的圆圈代表AIRS视野,由MODIS 1 km云产品决定其明暗。暖的亮温值代表中低云或者地表,冷的亮温值代表高云。从图中可看出,大部分视野中的AIRS值是均匀的。每个AIRS视野中大概有100~200个MODIS像素点。借助于高空间分辨力的MODIS观测值,一些AIRS视野可显示出更精确的云特性。
通过匹配算法和MODIS云特性产品,结合上述MODIS云特性检测算法,可以实现AIRS的云检测,如图3所示。
图3 与2002年9月6日AIRS 193景匹配的MODIS 1 km云相态产品和云分类产品
由图可知,MODIS云相态掩膜很好地检测出了AIRS视野中的冰云和水云,MODIS分类掩膜产品很好地检测出了AIRS视野中的单层高云或低云。云相态产品上的水云和冰云的模式和MODIS云分类产品上的低云、高云模式是类似的。也就是说,MODIS云相态产品中对冰云或者水云的确认相当于MODIS分类产品中对单层云的确认;有些AIRS视场中存在混合云相态,相当于分类产品中的多层云。因此,用与AIRS视野匹配的1 km空间分辨力的MODIS云分类掩膜产品还可以确定每一个AIRS视野中有几层云的存在,如图4所示。这对于单个AIRS视野中检测AIRS云辐射测量中的单层、多层云参数的初始反演中是很重要的。
图4 2002年9月6日,由MODIS 1km云分类掩膜产品检测的AIRS视场(见图3中的覆盖区域)
图4显示了由匹配的MODIS 1 km云分类掩膜产品检测的AIRS视场中的晴空视场(蓝色),单层云视场(绿色)和多层云视场(红色)(见图3中覆盖的区域)。
由图可看出,大约55%的AIRS视场是晴空,22%是单层云,23%是多层云。这与图1在直观视觉上吻合得很好。另外,与AIRS视野匹配的MODIS分类掩膜产品还可以验证云参数反演,例如有效云量和云光学厚度。进一步验证其精确度及云参数等的检测,还需后续工作的研究。
利用几何扫描的空间匹配算法,业务上的MODIS云分类算法和MODIS云相态算法,用与AIRS视野相匹配的1 km空间分辨力的MODIS云产品,可以检测出AIRS云辐射测量的云性能。MODIS云相态掩膜能很好地检测出来AIRS视野中的冰云和水云。并与用空间匹配的MODIS云分类产品检测出的低云和高云有很好地对应。这在云微观物理特性方面对AIRS像素云相位特征进行检测是很重要的,因为云散射模型需要云相位信息。MODIS分类掩膜产品能很好地检测出AIRS视野中的单层高云和低云,并确定每一个AIRS视野中有几层云的存在。这为AIRS的廓线检测和认证提供了重要信息。
本文利用空间匹配的MODIS产品实现了对AIRS像素的云检测。精确的云检测为卫星数据的处理提供了先决条件,更是为地面接收卫星信号完成了至关重要的第一步。
[1]AUMANN H H.AIRS/AMSU/HSB on the aqua mission:design,science objectives,data products,and processing systems[J].Geoscience and Remote Sensing,2003,41(2):253–264.
[2]SUSSKIND J,REUTER D,CHAHINE M T.Cloud fields retrieved from analysis of HIRS2/MSU sounding data[J].Journal of Geophysical research,1987,92(4):4035–4050.
[3]SCHMIT T J,LI J,MENZEL W P.Advanced baseline imager(ABI)for future geostationary operational environmental satellites(GOES-R and beyond)[C]//Proc.SPIE 2002.[S.l.]:SPIE Press,2002:111–122.
[4]ACKERMAN S A,STRABALA K I,MENZEL W P,et al.Discriminating clear sky from clouds with MODIS[J].Journal of Geophysical Research,1998,103(24):32141–32157.
[5]LI J,MENZEL W P,YANG Z,et al.High-spatial-resolution surface and cloud-type classification from MODIS multispectral band measurements[J].Journal of Applied Meteorology,2003,42(2):204–226.
[6]BAUM B A,KRATZ D P,YANG P,et al.Remote sensing of cloud properties using MODIS airborne simulator imagery during SUCCESS 1.Data and models[J].Journal of Geophysical Research,2000,105(9):11767–11780.
[7]ZHANG H,MENZEL W P.Improvement in thin cirrus retrievals using an emissivity-adjusted CO2 slicing algorithm[J].Journal of Geophysical Research,2002,107(3):4327–4339.
[8]KING M D.Cloud and aerosol properties,precipitable water,and profiles of temperature and water vapor from MODIS[J].IEEE Trans.Geoscience and Remote Sensing,2003,41(2):442–458.
[9]官莉,王振会.用空间匹配的MODIS云产品客观确定AIRS云检测[J].气象科学,2007,27(5):516–521.