利用MODIS近红外数据反演大气水汽含量研究

张天龙， 韦 晶*， 甘敬民， 朱倩倩， 杨东旭

1. 山东科技大学测绘科学与工程学院， 山东 青岛 266590

2. 浙江旅游职业学院， 浙江 杭州 310000

利用MODIS近红外数据反演大气水汽含量研究

张天龙1， 韦 晶1*， 甘敬民1， 朱倩倩2， 杨东旭2

1. 山东科技大学测绘科学与工程学院， 山东 青岛 266590

2. 浙江旅游职业学院， 浙江 杭州 310000

大气水汽含量(precipitable water vapor, PWV)对遥感定量化及生态环境方面研究具有重要意义。 针对传统水汽探测方法存在的问题， 提出一种基于多通道表观反射率的ICIBR(improved continuum interpolated band ratio)水汽遥感反演方法。 该方法结合MODIS数据第17， 18和19三个近红外通道的水汽吸收特点， 利用MODTRAN模型模拟大气含水量与三个通道ICIBR之间的关系， 构建了适用于MODIS数据的ICIBR大气水汽含量定量反演模型。 基于提出的ICIBR水汽反演方法， 选择北美洲南部典型干旱、 半干旱区德克萨斯州、 俄克拉荷马州等地区为研究区， 使用不同时间的四期MODIS 1B数据进行水汽反演实验。 同时， 选择SuomiNet提供的GPS水汽地基观测数据对反演结果进行精度验证以及MODIS大气水汽产品(MOD05)进行对比评价。 验证和对比结果表明： 该算法水汽反演结果与GPS水汽实测数据具有较高的一致性(r=0.967)， 均方根误差为0.276 cm， 有71.08%的观测点对满足水汽反演误差精度(EE～±0.05+0.15PWVgps)要求， 同时与MOD05大气水汽产品相比， 该方法在反演精度和准确估计方面有了较大提高， 能够有效降低61%的水汽反演高估现象。 该方法较传统算法更为简易、 实用， 具有较高的整体水汽反演精度。

大气水汽含量； ICIBR； MODIS； SuomiNet； MOD05

引 言

大气水汽(precipitable water vapor， PWV)又称为大气可降水量， 在大气中含量相对较少， 所占比例仅为0.1%～4%， 表现却较为活跃， 是引起天气变化的关键因素。 大气水汽对可见光和红外等波段具有明显的吸收特性， 对电磁波吸收和发射、 大气校正、 大气垂直分布探测具有重要的影响； 同时， 水汽也是影响遥感定量反演及应用的一个重要物理量[1]， 尤其对地表温度(land surface temperature， LST)反演的影响较为明显， 研究表明， 在使用分裂窗算法进行地表温度反演时， 1K温度反演误差则需要0.6 g·cm-2的大气水汽数据支持[2]。 故科学准确确定大气中的水汽含量及空间分布， 不仅可以为遥感影像大气校正和地表参量反演提供准确的先验数据支持， 而且对研究生物圈水循环和能量交换有着重要的意义[3]。

传统的大气水汽含量探测方法主要通过地面架设有限地基观测站点进行观测， 并根据相关参数计算得到， 该方法获取的大气水汽数据精度和时间分辨率较高， 但空间范围较小且费时费力， 代价昂贵[4]。 随后， 国内外学者从探空实验、 GPS(global position system)卫星技术以及微波辐射计等多个方面进行深入研究。 Fourin等[5]将太阳反射光作为辐射源， 用近红外一个水汽吸收通道和大气窗口通道测定大气水汽含量， 取得了较好的水汽反演结果， 与实际探空数据间的误差为15%； 随着GPS卫星技术的发展， Bevis等[6]提出基于地基GPS技术探测大气水汽含量的方法， 而GPS易受到3 km以下低层大气多种误差源的影响， 导致精度难以达到水汽数据的使用要求； 陈洪滨等[7]利用太阳红外波段数据反演大气水汽含量， 通过与实测数据对比验证了反演结果的可靠性； 胡秀清等[8]利用940 nm通道透过率与水汽量常数关系， 考虑了光谱响应函数及不同大气模式的影响， 发现忽略气溶胶散射和分子散射后， 大气透过率近似等于水汽透过率， 并成功进行水汽反演实验， 取得了较高的反演精度； 黄意玢等[9]通过6S(second simulation of the satellite signal in the solar spectrum)模型模拟4个通道的反射率之比与大气廓线的关系， 模拟结果同实际探空结果比较， 相对误差在6%以下。

随着卫星遥感技术的发展， 卫星观测因其宏观而连续、 信息量大、 方便等特点， 被广泛应用到大气、 地表参数的定量遥感反演研究中， 尤其是近红外遥感技术的飞速发展， 为大气水汽含量的准确快速获取提供了新的思路。 当前使用最为广泛的近红外水汽反演方法为通道比值法， 主要包括二通道比值法和三通道比值法[10]。 两种水汽反演算法的基本原理基本一致， 主要是根据水汽在不同光谱范围的吸收特性， 特征选择水汽吸收通道和大气窗口通道的比值来计算大气透过率， 继而反演大气水汽含量。 前者是基于MODIS(MODerate resolution imaging spectroradiometer)数据第19通道和第2通道计算大气透过率， 利用Gao和Kaufman[13]实验得到的大气透过率和大气水汽含量函数关系计算大气水汽含量； 后者是对二通道比值法的改进， 增加了MODIS传感器第5通道以及对水汽吸收特性敏感性不同的17, 18通道， 通过构建查找表或将大气透过率和大气水汽含量函数关系[11]应用于17, 18, 19通道， 对三者加权平均计算得到大气水汽含量。 17和18通道分别在湿润、 干旱条件下对水汽的吸收作用较为敏感， 19通道为水汽吸收的综合通道[12]。

在前人研究的基础上， 考虑了地表反射差异对大气水汽含量反演的影响， 模拟并分析MODIS数据17, 18和19通道与大气水汽含量的关系， 基于差分吸收原理， 本文提出一种适用于MODIS数据的基于多通道反射比值大气水汽反演方法， 选择北美洲南部美国德克萨斯州和俄克拉荷马州等地区为研究区， 进行大气水汽反演实验， 并使用SuomiNet提供的GPS地基观测数据和MODIS水汽产品(MOD05)对反演结果进行精度验证和对比分析。

1 研究区与数据源介绍

选择北美洲南部的美国德克萨斯州、 俄克拉荷马州以及墨西哥北部地区(26°N～40°N， 94°W～110°W)作为研究区(图1)。 该地区气候多样， 主要以高原山地气候， 温带大陆性气候， 亚热带季风气候为主； 年降水量一般在500～1 000 mm； 研究区地势整体西高东低， 东部及北部为密西西比平原， 西部及南部为落基山脉和墨西哥高原， 中部和西部地区多为山谷山丘， 植被覆盖稀疏， 东部地区多为草原， 两者分别占研究区总面积的55%和35%。

图1 研究区地理位置

MODIS是搭载在地球观测系统(earth observing system， EOS)中的太阳同步极地轨道卫星(Aqua和Terra星)上的中等分辨率成像光谱仪。 MODIS具有36个离散光谱通道， 能够实现0.4～14.2 μm全光谱范围覆盖， 空间分辨率分别为250， 500和1 000 m， 每一到两天可实现一次全球覆盖。 表1为MODIS数据大气水汽含量的主要探测通道。 选择空间分辨率为1 km的MOD02数据进行水汽反演实验。

SuomiNet是由美国国家科学基金会资助， 各个参与计划的高校共同建立的实时地基GPS观测网络， 其在美国境内外分布有300多个GPS实测站点， 不同时间段内由不同的GPS测站进行记录， 且参与测量的GPS测站数量会有差异， 同时每个站点提供时间分辨率为30 min的GPS大气水汽实测记录， 其观测精度可以达到1～2 mm[13]。

表1 主要的MODIS大气水汽近红外探测通道

MOD05是由NASA MODIS发布的大气可降水量产品， 其包括5 min段、 逐日、 月和旬产品， 空间分辨率为1 km。 该产品在假设下垫面单一的条件下， 使用DISORT辐射传输模型， 计算并建立大气水汽含量、 水汽透过率等各数据项的查找表， 利用940 nm水汽吸收通道反演得到晴空条件下大气水汽含量[14]。

2 大气水汽遥感反演方法

2.1 近红外水汽反演基本原理

MODIS卫星传感器在近红外波段(0.85～1.25 μm)不同波长处接收到的辐射亮度可以表示为

(1)

式中，λ代表波长，Lsensor(λ)为传感器接收到的辐射亮度，Lsun(λ)为大气顶层太阳辐射亮度，T(λ)为大气透过率，ρ(λ)为地表反射率，Lpath(λ)为大气程辐射。 研究表明在波长0.85～1.25 μm间， 不同地物的反射率和波长之间存在较强的线性关系[15]， 在晴朗无云的地区， 热红外波段受大气的影响较小， 与单次反射相比， 大气程辐射的影响较小， 可以忽略不计[16]。

(2)

方程两边同时除以Lsun(λ)得到近红外通道的表观反射率

(3)

式中，ρ*(λ)为表观反射率。 940 nm附近的分子散射对大气水汽的吸收影响较小， 其影响可以不计[17]， 因此可认为水汽吸收和气溶胶散射是两个独立的过程。 因此， 940 nm附近大气透过率可表示为

(4)

式中Ta(λ)和Twv(λ)分别表示气溶胶散射和大气水汽吸收。 940 nm附近的地表双向反射率变化较慢、 气溶胶的散射随波长变化不明显， 而水汽吸收随波长的变化剧烈响应[18]， 可以得到

(5)

2.2 改进的大气水汽反演方法

基于差分吸收原理， Carrere和Conel提出一种适用于AVIRIS(airborne visible infrared imaging spectrometer)机载高光谱数据的CIBR(continuum interpolated band ratio)大气水汽含量反演方法[式(6), 图2(a)][19]。 该方法基于辐射亮度反演大气水汽含量， 在地表反射较高的地区， 可以实现大气水汽的较高精度反演， 但算法受到地表反射的影响较大， 在裸土等反射率较低的区域水汽反演精度较差。 MODIS数据拥有较好的光谱分辨率和时间分辨率， 能够实现对大气水汽的快速监测， 并且在近红外范围设计了三个对水汽吸收敏感性不同的通道， 结合使用则可实现更高精度的反演[11, 13]。 将CIBR方法分别应用于MODIS第17、 18和19近红外通道， 基于表观反射率对每个通道构建一个ICIBR， 利用MODTRAN(MODerate spectral resolution atmospheric TRANsmittance algorithm and computer model)分别模拟大气水汽含量和三个波段ICIBR的关系， 构建水汽反演模型， 提出一种改进的ICIBR (improved-continuum interpolated band ratio)大气水汽含量反演方法。

(6)

(7)

式中L(λ)为对应波长λ处的辐射亮度。c1和c2分别为系数。 对于MODIS而言， 在940 nm附近最近的两个大气窗口通道分别为2和5通道， 且根据差分吸收原理可用第2和第5波段中心波长0.865和1.240 μm代替上式中的λ1和λ2。 利用表观反射率反演大气水汽含量的原理， 对式(6)进一步推导， 得到17， 18和19通道表观反射率的ICIBR表达式[式(7)]， 式中λn分别为第n波段中心波长； 在n取值不同的情况下，c1和c2的取值如表2所列。

图2 CIBR算法原理示意图(a)及ICIBR与

使用MODTRAN模型模拟ICIBR与大气水汽含量之间的关系。 MODTRAN是美国空军地球物理实验室开发的用做模拟大气效应的辐射传输模型， MODTRAN已成为被广泛认可的标准模式， 被广泛应用到大气透过率， 大气背景辐射等量的模拟[20]。 以中纬度夏季大气模式， 乡村型气溶胶模

表2 不同近红外通道的c1和c2值

式为例， 对ICIBR与大气水汽含量之间关系进行模拟实验。 模拟试验中将大气水汽含量范围设置为0～7 cm， 步长为0.05 cm， 得到140组不同大气水汽含量下的ICIBR模拟结果[图2(b)]， 拟合得到大气水汽含量与ICIBR17， ICIBR18和ICIBR19的关系[式(8)—式(10)]。 为简便和准确确定三个通道大气水汽含量分量的权重关系， 使用多元统计回归方法对模拟结果进行拟合， 得到ICIBR大气水汽反演模型[式(11)]。

(8)

(9)

(10)

PWV=0.326×PWV17+0.369×PWV18+

0.566×PWV19(R2=0.935)

(11)

2.3 精度评价方法

选择SuomiNet提供的GPS水汽地基实测数据对本文水汽反演结果进行精度验证。 为减小时空匹配误差， 选用SuomiNet站点中心与MODIS传感器过境时间最为接近的至少两组观测数据取的平均值作为该点的水汽真实值进行验证。 同时， 获取对应时相的5min段MOD05大气水汽产品与本文大气水汽反演结果进行对比分析。

为定量化评价反演方法的有效性和准确性， 选用相关系数(r)分析反演结果与地基观测数据的相关性， 使用均方根误差[RMSE， 式(12)]、 平均相对误差[MRE， 式(13)]、 绝对相对误差[MAE， 式(14)]分析反演结果误差与不确定性。 同时， 本文引入水汽反演估计误差[EE， 式(15)]评估不同大气水汽产品的合理估计程度。 式中PWVgps为GPS地基观测站点大气水汽含量实测值，PWVretri为大气水汽含量反演值。

(12)

(13)

(14)

EE=±(0.05+0.15×PWVgps)

(15)

3 结果与讨论

选择研究区晴空下云量较少、 数据质量较好的4景MODIS数据， 影像获取时间分别为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， 使用构建

图4 水汽反演结果、 MOD05大气水汽产品

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

的ICIBR模型进行大气水汽含量反演实验。 图3分别为反演得到的不同时间的大气水汽含量空间分布图。

从图3可以看出， 研究区中西部地区大气水汽含量整体较低， 而东部和西南部地区， 尤其是沿海地区大气水汽含量整体较高。 近海区域与西北部山区相比大气水汽含量相差较大， 大气水汽含量相差的最大值可达到3 cm， 墨西哥湾附近大气水汽含量高于2.7 cm， 墨西哥高原大气水汽含量在0.2～1.6 cm之间， 而西南部落基山脉山两侧大气水汽含量仅为0.3 cm。 由于海洋的作用， 沿海地区大气水汽含量明显高于其他地区； 内陆距海较远， 海洋输送的水汽受高大山脉的阻挡， 导致大气水汽含量较低。

分别获取对应时间的GPS水汽地基观测数据和MOD05水汽产品， 水汽反演结果进行精度验证和对比分析， 共获得352组有效观测点对。 图4分别为水汽反演结果和MODIS水汽产品与GPS水汽实测数据的精度验证对比散点图， 图中黑色实线表示y=x， 黑色虚线表示水汽误差线(EE)， 红色表示线性拟合曲线。 由图4可以看出， 与MODIS大气水汽产品(r=0.932， RMSE=0.589， MAE=0.509， MRE=1.248)相比， 我们的大气水汽反演结果与GPS水汽地基观测数据具有更高的相关性(r=0.967)， 具有较小的均方根误差(RMSE=0.276)、 绝对相对误差(MAE=0.216)和平均相对误差(MRE=0.967)， 有71.08%的观测点对满足水汽误差观测精度要求， 能够降低约61%的MODIS水汽产品的高估现象。

4 结 论

从原理上说明了晴空条件下利用表观反射率反演大气水汽含量的可行性， 基于表观反射率提出了一种改进的ICIBR大气水汽含量反演方法， 选择下垫面植被覆盖稀疏的美国南部地区为研究区， 选择不同时期的4景MODIS影像数据进行大气水汽反演试验， 并分别获取对应的GPS大气水汽地基观测数据和当前的MODIS大气水汽产品(MOD05)对大气水汽反演结果进行精度验证和对比分析， 结果表明， 该算法具有较高的整体大气水汽反演精度， 水汽反演结果与GPS地基观测数据具有较高的相关性(r=0.967)， 整体估计误差较小(RMSE=0.276)， 有超过70%的观测点对满足水汽误差精度要求， 对比结果表明本水汽产品反演精度较MOD05大气水汽产品(r=0.932， RMSE=0.589)有了显著提高， 有效降低了反演结果的不确定性。

[1] ZHANG Sheng-lan, LIU Hai-lei, DENG Xiao-bo, et al(张升兰, 刘海磊, 邓小波, 等). Remote Sensing Technology and Application(遥感技术与应用), 2014, 29(4): 575.

[2] ZHOU Yi, QIN Zhi-hao, BAO Gang(周 义, 覃志豪, 包 刚). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 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(谷晓平, 王新明, 吴战平, 等). Plateau Meteorology(高原气象), 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(陈洪滨, 吕达仁, 魏 重, 等). Scientia Atmosphere Sinica(大气科学), 1996, 6: 757.

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

[9] HUANG Yi-fen, DONG Chao-hua(黄意玢, 董超华). Journal of Applied Meteorological Science(应用气象学报), 2002, 13(2): 184.

[10] LI Hong-lin, LI Wan-biao(李红林, 李万彪). Acta Scientiarum Naturalium Universitatis Pekinensis(北京大学学报·自然科学版), 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 (刘玉洁, 杨忠东). The Principle and Algorithm of MODIS Remote Sensing Information Processing(遥感信息处理原理与算法). Beijing: Science Press(北京: 科学出版社), 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(孟宪红, 吕世华, 张堂堂). Journal of Infrared and Millimeter Waves(红外与毫米波学报), 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(遥感信息), 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] Schläpfer 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

国家科技支撑计划课题(2012BAH27B00)和研究生科技创新基金项目(YC150103)资助

张天龙， 1994年生， 山东科技大学测绘学院本科生 e-mail: 15726254726@163.com *通讯联系人 e-mail: weijing_rs@163.com

TP79

A

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