基于晴空阈值法的全天空红外图像云量计算

陈磊，韩燕，秦方强，石鹏飞，关军

（西北核技术研究所，陕西西安 710000）

基于晴空阈值法的全天空红外图像云量计算

陈磊，韩燕，秦方强，石鹏飞，关军

（西北核技术研究所，陕西西安 710000）

为提高新疆戈壁地区云的自动化观测水平，基于全天空红外成像仪（WSIRCMS）获取的红外辐射图像，利用辐射传输模式SBDART分析了仪器测量波段对有云无云状况的敏感性并构建了拟合方程，同时利用典型季节的晴空辐射样本拟合了晴空曲线并统计形成了晴空阈值，最后利用统计晴空阈值对全天空红外辐射图像进行云像素识别和总云量计算。将不同季节总云量计算结果同人工观测结果对比验证表明：观测时段算法计算总云量和人工观测总云量差值在±2成以下的概率均在80%以上，说明该方法具有较高的准确度和较强的实用性，在观测业务中具有较好的应用前景。

总云量；晴空阈值；红外图像

云是大气中水汽凝结（凝华）成的水滴、冰晶或它们混合组成的漂浮可见聚合体[1]。观测云是研究大气的一种重要手段，通过对其观测，可以了解大气中的热力和动力过程，进而分析大气运动状况和运动规律。长期以来，云的业务观测主要依靠人工目测进行，主观性强，精度不高，尤其是夜间观云困难，使白天夜间很难取得准确度一致的观云结果。伴随着卫星传感器技术及相应云遥感算法的不断进步，天基云检测技术得到了巨大的发展。但卫星云图由于其时空分辨率约束，更适合揭示大范围的云信息和云特征，对低云和区域性云的描述可能不太理想[2]。因此，利用地基高分辨率全天空成像技术进行云定量遥感探测并业务化一直受到关注，是目前的研究热点。近年来随着电荷耦合器件CCD和图像处理技术的发展，出现了一批具有代表性的地基测云仪器。根据测量技术不同，可见光波段测云的典型代表有：总天空成像仪（Total Sky Imager,TSI）[3]、全天空成像仪（All Sky Imager,ASI）[4]、全天空成像仪（Whole Sky Imager,WSI）[5]以及国内霍娟等研发的地基全天空可见光成像观测系统[6-7]，天空图像获取方法主要为CCD镜头加装鱼眼透镜，云点识别方法主要为可见光波段红蓝通道对比阈值法[8-9]、神经网络法[10]。但这类仪器无法获得夜间云量信息，无法实现昼夜一致测量，并且白天易受大气能见度和气溶胶影响。红外波段测云的典型代表有：红外云分析仪（Cloud Infrared Radiometer，CIR）[11]、红外测云仪（Infrared Cloud Imager，ICI）[12-14]、全天空红外测云仪（Whole Sky Infrared Cloud Measuring System，WSIRCMS）[15-17]等，天空红外图像获取方法主要为实时获取法和红外面阵列旋转拼图法，云点识别方法基本采用辐射传输模式计算结合大气实测水汽含量计算阈值的方法[18-19]。但这类仪器每次观测时都需要辐射定标，同时受仪器周边环境影响大，保护措施要求高。

本文针对解放军理工大学气象海洋学院研制的红外波段全天空成像仪（WSIRCMS)）试验样机测量数据开展研究工作。其通过采集8～14 μm波段大气向下红外辐射信息，能够实现对离地仰角15°以上天空的红外辐射实现昼夜连续观测。先期开发算法具有一定的缺陷：一是算法准确判云点的前提是能够获取区域精确的准实时水汽含量廓线，由于目前常规气象观探测业务中气柱水汽含量测量精度较低，导致云识别精度无法满足条件；二是低仰角区域天空状况复杂，受水汽吸收路径过长、气溶胶和天空远景效应影响，导致算法对低仰角天空区域云量存在过高判断。鉴于以上问题，本文基于WSIRCMS获取的红外辐射数据，采用累积红外辐射数据再分析方法进行云量判别，为进一步提高云的自动化观测水平提供技术支持。

1 资料与方法

采用WSIRCMS2013年7月—2014年4月的累计测量数据进行分析，除仪器故障、日常维护和危险性天气外，一直保持开机测量。测量频率为每小时获取4次全天空红外辐射图像，获取时间分别为每小时的00分、15分、30分和45分，测量间隙仪器为待机自检状态。获取的红外辐射图像为9方位天空红外辐射拼图，方位角范围为0°～360°，离地仰角范围为15°～90°；由于仪器架设位置原因，西方低仰角区域存在少量地物遮挡。

分析方法为根据辐射传输模式模拟结果和实测红外图像特性，统计分析具有季节代表性的晴空红外辐射值随测量天顶角变化的曲线，从而形成具有季节代表性的晴空阈值。并根据典型季节晴空阈值比对实测辐射值识别云点计算总云量。最后将晴空阈值法计算结果与云量人工业务观测结果进行比对。

2 分析结果

2.1 敏感性分析和拟合方程构建

在仪器工作波段8～14 μm，全天空向下辐射强度分布仅与辐射传输的天顶角有关，与方位角无关，并且其极大值出现在地平位置，天底处辐射强度最小。并且由于该波段太阳辐射影响很小，因此太阳天顶角的变化对全天空红外辐射的影响较小，即该波段全天空红外辐射应具有昼夜一致性[20]。利用辐射传输模式SBDART，计算了晴空条件下仪器工作波段8～14 μm不同大气模型下大气向下红外辐射随天顶角变化的关系（图1）。

从图1a可以看出，典型大气模型下（热带、中纬度夏季、中纬度冬季、近极地夏季和近极地冬季）晴空大气向下红外辐射均随天顶角增加而增大，呈现出趋势一致的非线性变化。同时，相同天顶角不同大气模型的下行红外辐射也具有一定的大小关系，与不同模型大气的水汽气柱积分总含量一一对应（热带大气模型水汽含量最大，近极地冬季大气模型最小），说明影响该波段大气红外辐射的重要原因是水汽在该波段的弱吸收作用，而非地表温度（该波段为窗区，地表长波辐射除少量被近地层水汽吸收外，大部分直接辐散至大气上界），所以该波段的大气晴空红外阈值应该具有明显的季节变化和同季节的昼夜相似性。有云条件下8～14 μm波段大气向下红外辐射随天顶角变化的模拟结果见图1b（计算条件：中纬度夏季大气模式，云底高度2 km和6 km，云光学厚度4和20）。从图1b可见，有云情况下的大气向下红外辐射整体比晴空辐射大，但仍然随天顶角的增大而增大。与晴空相比，有云情况下的大气向下红外辐射随天顶角的变化曲线比较“平直”，因为当云光学厚度较大时，云在该波段辐射特性接近黑体，呈现出近似各向同性的辐射性质。有云和晴空状况下红外辐射大小和曲线形状的显著差异，为利用局地全天空红外辐射统计信息区分云族、反演云量提供了可能。

为准确描述大气向下红外辐射随天顶角的非线性变化，需要选取一种合适的拟合方程，其也是后面获取晴空红外阈值的前提。本文采用幂指函数对大气向下红外辐射与天顶角的关系进行拟合分析，构建的幂指函数拟合公式为：

其中，I是测得辐射值，θ为天顶角，a、b、c为拟合参数。方程（1）每个量都有明确的物理意义。当θ= 0°时，I=c，即c为天顶方向的辐射值；当θ=90°时，I= a+c，即a为天顶与天边的辐射值差；b为曲线弯曲程度。

2.2 晴空阈值确定

如果云没有布满天空，则全天空红外测云系统获取的辐射图像存在晴空像元，那么可以从全天空红外图像中提取晴空曲线。图2a为仪器获得的某时次全天空红外辐射图像，同心圆从内向外分别为天顶角25°、50°和75°；图2b为对应辐射值对天顶角的散点图。

可以看出，当天顶角大于20°时，天空中存在晴空，那么天顶角大于20°时各天顶角的最小辐射值就是该时次的晴空辐射值。同时由于天空中云的存在，并不是每个天顶角都存在晴空，导致天顶角的最小辐射值不能平滑增大。因此，在对最小值点进行拟合时，需要将其中的云辐射值进行剔除。基于这个原因，在拟合晴空辐射曲线时，采取迭代拟合和单调性检测相结合的方法。获取的该时次晴空最小辐射值随天顶角变化的曲线（图2b中红线）。

根据前面的数值模拟分析，晴空阈值应该具有明显的季节变化和同季节的昼夜相似性。为减少由于样本时间跨度过大导致晴空阈值变化范围大而不具有季节代表性，因此按月选取晴空样本并统计晴空阈值。晴空样本选择原则为：一是同月内不分昼夜选择；而是为避免近地层雾和浮尘对晴空阈值计算的影响，选取测量时次能见度大于15 km的样本；三是根据全天空原始辐射拼图，结合人工观测选取预判云量小于2成的样本。利用上述拟合方法对逐月各晴空样本最小值散点进行拟合，典型月份（7月、10月、1月和4月）的晴空最小曲线统计结果如图3所示。

从图3可以看出，典型月份的晴空曲线统计结果不是一条单一的曲线，而是具有一定的变化范围，这是由于统计时段地平纬圈上吸收气体含量分布不均造成的，并且天顶角越大，红外辐射传输路径上的吸收气体含量的不确定性越大；同时，晴空曲线变化范围有明显的季节特征，区域水汽总含量变化越大的季节，晴空曲线变化范围越大，反之则越小。

之前的分析是对典型月份晴空样本最小晴空曲线的统计分析，但不能将最小晴空曲线直接运用到云量计算中。由于大气气溶胶以及大气中水汽、二氧化碳、臭氧等的各种成分地平纬圈分布不均，加之仪器本身也有一定的噪声，因此各测量时次同一天顶角的晴空辐射存在波动范围，如果以晴空下限作为阈值，则会造成云量的过高估计。经统计分析，夏季晴空上下限差值的平均值为3.6 W/（m2·Sr），因此需要在最小晴空曲线统计结果上加上该值；而冬季晴空上下限差值平均值小于0.5 W/（m2·Sr），该偏差可以忽略。

根据所有有效测量时次的公式（1）拟合结果，参数a在7月、10月、1月和4月的平均值分别为28.53、15.65、7.35和17.65，与不同季节区域水汽含量和大气温度具有一一对应关系，即大气水汽含量越少，路径水汽含量的不确定性越小，天顶和天边的辐射值差异越小；参数b值不同季节的b值均在3.4～3.6之间，具有较好的稳定性；参数c在7月、10月、1月和4月的平均值分别为11.32、12.40、15.96和13.97，1月和4月的天顶辐射值较大与1月的雾天频发（2014年1月雾天为17 d）和4月的沙尘天气频发有关（2014年4月沙尘天为15 d）。

2.3 云量计算与结果验证

为分析利用逐月晴空阈值计算云量的可行性，分别在典型月份选取预判薄卷云均匀天空样本，并利用前面介绍的拟合方法进行拟合，晴空样本拟合参数a、c和对应均匀薄云样本拟合参数的对比如图4所示。从图4可以看出，各典型月份均匀薄云样本参数c值均大于晴空样本参数c值，说明在天顶附近，利用各月晴空阈值即可进行有云和无云的精确识别；1月的薄云样本参数a值绝大部分大于晴空样本参数a值，说明该月晴空阈值限和薄云阈值限在各天顶角上没有交点，因此可直接利用该月晴空阈值上限进行云量识别；7月、10月和4月的薄云样本参数a值部分小于晴空样本参数a值，说明晴空阈值限和薄云阈值限随着天顶角的增大会出现交点，如果直接用晴空阈值上限进行云量识别会导致低仰角天空区域云量的误判。因此采用晴空阈值上限和薄云阈值下限取平均的办法来确定晴空阈值，可确保天顶附近云量的精确判断并尽量减少低仰角天空区域云量的误判。

根据不同月份晴空样本和薄云样本统计分析获得的晴空阈值参数和薄云阈值参数，就可以对仪器原始辐射图像中的每个像素点进行检测，判断是否为云点。将每个像素点的辐射值与对应的阈值进行比较，小于该阈值的像素点认为是晴空，高于该阈值的像素点认为是云，其数目占像素点总数的百分比就是总云量。图5为利用该方法获得的云分布图，其中白色、灰色代表云区，蓝色是代表晴空；左图为全天空红外测云系统给出云图。

为检验该方法计算总云量的准确性，利用2013年7月至2013年12月新疆博湖东岸人工观测总云量和仪器计算总云量进行对比分析。考虑到云量的高度时空变化性，因此选择仪器测量时次和人工观测时次最接近的时次进行匹配，即选取红外测云仪每小时00分测量数据的总云量计算结果和人工观测整点总云量进行比对，共匹配得到2 206组数据，7—12月±1至±10成云量差出现概率如表1所示。

从表1中可以看出，7—12月算法计算总云量和人工观测总云量差值在1成以下（含1成）的概率均在75%以上，11月和12月更是达到80%以上，且各月±1成以上总云量差值出现概率逐渐减小，说明本文算法计算结果和大部分人工观测结果比较一致；除11月和12月外，其余各月算法计算总云量和人工观测总云量差值在10成的概率偏大，经对该类样本统计分析，均为计算总云量为9成以上、人工观测为1成以下的情况。出现这种情况的原因是算法计算总云量采用晴空样本统计阈值法，许多模糊天空、水汽含量较大的晴空、存在极薄云天空的逐像素实测辐射值均大于统计晴空阈值，因此被算法判断为全天有云，而人工观测会将这些天空类型直接判断为全天无云。由于希望该方法今后能在日常观测业务中进行应用，因此仪器对均匀天空的云量测量结果应和人工观测结果基本一致，所以在下一步工作中将采取调整细化晴空阈值，并尝试使用模糊判断、聚类分析等图像分析方法来改善对该类天空总云量的计算。

3 结论

（1）大气向下红外辐射敏感性分析结果表明仪器观测波段大气红外辐射随测量天顶角的变化曲线具有明显的季节变化和同季节的昼夜相似性；有云和晴空状况下红外辐射大小和曲线形状的显著差别为利用局地全天空红外辐射统计信息区分云族、反演云量提供了可能。

（2）构建了具有明确物理意义的大气向下红外辐射随天顶角变化的拟合方程，通过采集典型季节晴空红外图像样本统计分析了晴空曲线拟合方程参数，并结合典型季节薄云样本确定了总云量计算阈值。

（3）不同季节总云量计算结果同人工观测结果对比验证表明：观测时段算法计算总云量和人工观测总云量差值在±2成以下的概率均在80%以上，说明该方法具有较高的准确度，但水汽含量大的均匀天空和含极薄均匀云的均匀天空可能会存在云量的过高判断。

[1]孙学金，王晓蕾，李浩，等.大气探测学[M].北京：气象出版社，2009.

[2]翁笃呜，韩爱梅.我国卫星总云量与地面总云量分布的对比分析[J].应用气象学报，1998，9（1）：32-37.

[3]Long C N，Slater D W，Tooman T.Total Sky Imager Model 880 Status and Testing Results[R].ARM Technical Report, ARM TR-006,U S Department of Energy,Washington DC,2001.

[4]Cazorla A，Olmo F J，Alados-Arboledas L..Development of a sky imager for cloud cover assessment[J].J Opt Soc Am A，2008，25（1）：29-39.

[5]ShieldsJ E，Karr M E，Tooman T P，et al.The whole sky imager-ayearofprogress[R].EighthAtmospheric Radiation Measurement（ARM）Science Team Meeting, Tucson,Arizona，1998.

[6]霍娟，吕达仁.全天空数字相机观测云量的初步研究[J].南京气象学院学报，2002，25（2）：242-246.

[7]霍娟，吕达仁，王越.全天空云识别阈值法的数值模拟初步研究[J].自然科学进展，2006，16（4）：480-484.

“高等职业院校数学教师核心素养”，是我的研究题目，研究目的是要探明高职院校数学教师的核心素养结构．我想请您谈谈对一些问题的看法，您的意见将是我进一步完善研究的重要依据．为准确记录您的信息，请您将具体的看法填在问题后的空白处．非常感谢！

[8]Shields J E，Johnson R W，Karr M E,et al.Daylight Visibel/NIR Whole-sky Images for Cloud and Radiance Monitoring in Support of UV Research Programs[C].Proc SPIE.2003，5156：155-166.

[9]Souza-Echer M P,Pereir A E B,Bins L S,et al.A simple method for the assessment of the cloud cover state in high-latitude regions by a ground-based digital camera[J]. J Atmos Ocean Technol,2006，23（3）：437-447.

[10]Linfoot A,Alliss R J.A Cloud Detection Algorithm Applied to a Whole Sky Imager Instrument Using Neural Networks[R].19thConferenceonProbabilityand StatisticsSixthConferenceonArtificialIntelligence Applications to Environmental Science.New Orleans, LA，2008.

[11]Genkova I,Long C N,Besnard T,et al.Assessing Cloud Spatial and Vertical Distribution with Infrared Cloud Radiometer CIR-7[C].Proceedings of SPIE.2004，4482：341-349.

[12]Shaw J A,Thurairajah B,Edqvist E,et al.Infrared Cloud Imager Deployment at the North Slope of Alaska During Early 2002[R].12th ARM Science Team Meeting，Washington,DC,2002.

[13]BrenthaThurairajah,J.A.Shaw.CloudStatistics Measured with the Infrared Cloud Imager[J].IEEE TransactionsonGeoscienceandRemoteSensing，2005，43（9）：2000-2007.

[14]Shaw J.A,Thurairajah B.Short Term Arctic Cloud Statistics at NSA from the Infrared Cloud Imager[R]. ProceedingsoftheThirteenthARMScienceTeam Meeting.Broomfield,CO，2003.

[16]孙晓钢，孙学金，牛珍聪，等.全天空云图获取的一种方式及算法实现[J].气象科学，2008，28（3）：338-341.

[17]孙学金.云的地基全天空红外遥测研究[D].北京：北京大学，2009.

[18]Shaw J A,Thurairajah B.Statistics of Alaskan clouds from the infrared cloud imager（ICI）[R].Proc SPIN Conf Optical Spectroscopic Techniques and Instrumentation for Atmospheric and Space Research.San Diego,C A,2003：1-6.

[19]高太长，刘磊，赵世军，等.全天空测云技术现状及进展[J].应用气象学报，2010，21（1）：101-109.

[20]陈磊，石鹏飞，韩燕，等.新疆博湖地区大气向下红外辐射特性及其对云识别应用的研究[J].沙漠与绿洲气象，2014，8（1）：39-44.

[21]岳平，刘晓云，郭良才，等.纹理分析法识别静止卫星红外云图和监测汛期强对流天气系统[J].干旱气象，2005，23（2）：50-53.

[22]李慧晶，刘建西，刘东升，等.西南地区云量变化特征[J].干旱气象，2014，32（2）：194-200.

[23]赵勇，崔彩霞，贾丽红，等.中国天山区域云量的变化及其与降水的关系[J].沙漠与绿洲气象，2013，7（6）：1-7.

[24]吉哲君，王丽娜，李国平，等.黄河上游玛曲地区近40 a云量的变化特征[J].沙漠与绿洲气象，2014，8（5）：29-33.

Total Cloud Amount Calculation Based on Clear Sky Threshold Using Whole Sky Infrared Images

CHEN Lei，HAN Yan，QIN Fangqiang，SHI Pengfei，GUAN Jun
（Northwest Institute of Nuclear Technology,Sanxi 710000,China）

To improve the ground-based automatic observation of total cloud amount（TCA)in Xinjiang Gobi region,based on the cumulative infrared radiation images obtained by Whole Sky Infrared Cloud Measuring System（WSIRCMS）,the sensitivity of instrument measurement band to different sky conditions（including clear and cloudy）was analyzed using radiative transfer model SBDART,and the fitting equation suitable for relationship of atmospheric downward infrared radiation and zenith angle was designed,and then the clear sky threshold of typical seasons was determined by statistically analyzing the clear sky infrared radiation samples using fitting equation, and TCA was calculated using the clear sky threshold.Feasibility and accuracy of the clear sky threshold method were verified by comparing with the artificial TCA observation data and that the probability of difference within±2 was higher than 80%,this showed that the method has high accuracy and has a good prospect in daily TCA observations.

total cloud amount（TCA）；clear sky threshold；infrared images

S161

B

1002-0799（2015）03-0063-07

陈磊，韩燕，秦方强，等.基于晴空阈值法的全天空红外图像云量计算[J].沙漠与绿洲气象，2015，9（3）：50-56.

10.3969/j.issn.1002-0799.2015.03. 008

2014-09-03；

2015-02-10

国家863计划军口部分（2013AA8061002）资助。

陈磊（1984-），男，工程师，现从事大气辐射与遥感研究。E-mail：legend031v7@163.com