红外甚高光谱分辨率探测仪反演系统的设计与实现

罗琪 李小英 程天海 张兴赢 葛曙乐 张玉贵

红外甚高光谱分辨率探测仪反演系统的设计与实现

罗琪1,2李小英1程天海1张兴赢3葛曙乐4张玉贵5

（1 遥感科学国家重点实验室，中国科学院空天信息创新研究院，北京 100094）（2 电子电气与通信学院，中国科学院大学，北京 100049）（3 国家卫星气象中心，中国气象局，北京 100081）（4 中国资源卫星应用中心，北京 100094）（5 北京空间机电研究所，北京 100094）

文章基于“高分五号”卫星大气环境红外甚高光谱分辨率探测仪（AIUS）数据，采用最优化反演算法，建立了大气成分廓线反演的业务化处理系统，并对反演结果进行了精度验证。该系统采用分层设计思想和模块化设计思路，具有手动和自动业务化处理的功能。将系统反演结果与微波临边探测仪（MLS）的2级官方产品和先验数据进行对比分析，O3反演产品在14~50km范围与MLS产品的相对偏差小于15%；H2O反演产品在18~70km范围与MLS产品的相对偏差小于15%；HCl反演产品在14~40km范围与MLS产品的相对偏差小于10%；N2O反演产品在10~35km范围与MLS产品的相对偏差小于10%；CO反演产品在14~55km范围与先验廓线的相对偏差小于15%。上述结果表明，反演系统具有良好的准确性和稳定性，能够为中国进行大气环境监测和全球气候变化研究提供算法和技术支持。

掩星观测 大气成分廓线 反演系统 “高分五号”卫星 最优估计算法

0 引言

随着科技的发展，大气环境问题日益凸显。CFCs等卤素化合物大量排放导致平流层O3浓度减少，使得地球表面的太阳紫外辐射增加，加剧了温室效应[1]。对流层NOx经过一系列光化学反应产生O3，使得对流层O3浓度增加，严重影响地球生态系统和人类的健康[2]。同时，CO2、H2O等温室气体的过量排放，造成温室效应增强，导致全球变暖[3]。为了应对全球气候变化和大气污染问题，世界各国越来越重视对大气痕量气体的监测。目前国际上的大气成分探测仪呈现高光谱覆盖、高光谱分辨率、高时空分辨率、探测方式多样的特点[4]，如：ERS-2卫星上的全球臭氧检测仪（GOME），Aura卫星上的微波临边探测仪（MLS）和对流层发射光谱仪（TES），ENVISAT卫星上的被动式大气探测迈克尔逊干涉仪（MIPAS）等，都已经实现了大气探测的业务化运行[5-6]。“风云三号”气象卫星上搭载的紫外臭氧总量探测仪（TOU），是我国自主研制的首台用于全球臭氧总量监测的仪器[7]。

为了进一步促进我国在大气痕量气体探测上的研究，我国第一颗高光谱综合探测卫星“高分五号”于2018年5月9日成功发射，卫星搭载了我国研发的首台红外掩星观测仪——大气环境红外甚高光谱分辨率探测仪（atmospheric infrared ultra-spectral sounder，AIUS）。该探测仪的光谱范围为2.4~13.3μm，光谱分辨率为0.02cm–1，主要用来探测高层大气中O3、H2O、NOx等痕量气体的化学过程[8]。因此，开展基于AIUS的大气成分反演技术研究，获得地球大气中O3以及其他痕量气体廓线的全球分布，将为大气环境监测提供重要参数，具有重大意义[9]。本文基于大气红外甚高光谱分辨率探测仪探测数据，采用最优化反演算法建立了痕量气体廓线反演系统，并利用Aura卫星的MLS产品初步验证了系统反演结果的准确性。结果表明，通过该系统反演得到的O3、H2O、HCl、N2O和CO廓线产品都具有较高的精度，为后续开展研究提供了系统支持。

1 反演原理及方法

1.1 AIUS探测原理

掩星模式的星载传感器通过跟踪太阳、月亮或恒星等进行观测，AIUS的探测方式是太阳掩星模式。AIUS在掩星工作模式下观测时，载荷镜头对准太阳，并以太阳为背景，探测在日出日落期间卫星进出太阳阴影区域时不同切向高度的太阳吸收光谱序列。观测时间从目标到达地平线上方开始到观测视线达最大切线高度时结束[10-11]。图1为AIUS观测示意，表1是AIUS的主要技术指标。

星下点观测方式可以用来探测气体总量，掩星探测方式可进行大气成分廓线的探测。掩星探测的优势主要是垂直分辨率高、廓线的精度高，不足之处是采样频率低、数据量少。将天底和掩星观测结合，可以获取高空间分辨率和高垂直分辨率的大气信息。

图1 AIUS观测示意

表1 AIUS主要性能指标

Table.1 Key parameters of AIUS

1.2 最优估计算法原理

AIUS反演系统中大气成分反演算法采用最优估计算法（OEM）。最优估计算法具有很强的普适性，且误差可定量估计，已经被广泛应用于多种大气成分反演系统中。最优化估计算法是在先验知识的约束下，将大气廓线的先验信息与观测值进行联系，使得正向模型的模拟值与传感器实测值的差值最小，从而得到真实大气参数的最优估计和误差协方差[12]。根据辐射传输方程，考虑仪器噪声和系统误差时，实测的观测向量可以表示为

2 反演系统设计与实现

大气成分廓线反演系统是“高分五号”卫星AIUS处理软件中的一个环节，大气成分廓线反演系统的所有功能均由地面数据处理系统业务管理分系统统一监管、调度和控制。红外甚高光谱分辨率探测仪处理软件包括1级（L1）产品生产、2级（L2）产品生产和接口交互三个部分，主要工作流程是：1）1级产品处理系统根据业务管理分系统分发的订单完成1级产品生产，并启动2级产品生产流程；2）大气成分廓线反演系统根据订单要求进行反演任务，并在作业完成后通知业务管理分系统结束任务；3）将1级和2级结果产品存储到数据归档管理分系统中。具体业务处理流程如图2所示。

大气成分廓线反演系统是以探测仪的1级产品作为输入数据，结合外部参量数据和正向传输模型，利用最优化算法，将1级产品透过率数据处理成2级廓线产品。反演系统基于CentOS操作系统，利用C++编程语言，采用分层的设计框架，对AIUS的1级产品进行快速处理。系统框架可分为数据输入层、反演层和数据输出层。

2.1 数据输入层

数据输入层与1级产品进行对接，同时将构建的大气背景数据库数据、模拟透过率查找表和MLS温度压强（下文简称温压）数据作为外部依赖数据进行导入，为后续反演提供必要的数据支撑。1级产品数据格式为HDF5格式，主要数据属性如表2所示。1级产品数据可以提供卫星载荷名、生产时间和经纬度等全局辅助数据，也可以提供切高、定标系数和透过率等反演所需的计算数据。1级产品说明文件为xml格式，提供数据产品说明信息，主要包括观测时间、观测模式、成像时间、卫星高度等。

表2 1级产品主要数据属性

由于先验知识在最优化估计算法中非常重要，反演的初始值对反演算法的收敛速度以及反演精度影响甚大，因此需要建立反演成分的初始数据库[15]。研究中使用的大气背景库是以全球多年MLS、ACE-FTS廓线产品为数据来源，建立了具有区域和季节代表性的大气成分廓线库，时间间隔为1个月，经纬度间隔分别为30°和5°。精确地切高和温压数据对于大气成分廓线反演具有非常重要的作用。利用O3和N2的吸收通道，可以建立掩星探测模拟透过率查找表，在进行反演之前对1级切高数据进行快速精校正。同时，根据AIUS数据的实际观测时间和经纬度可以匹配到对应的MLS温压廓线，将其作为反演过程中的原始温压，能够减少大气温压造成的反演误差。

2.2 反演层

反演层一共分为5个模块，可以单独对O3、N2O、H2O、HCl和CO廓线进行反演。反演系统由正演过程和反演过程组成，正演过程是在给定大气状态参数与仪器参数的情况下，利用正向传输模型计算得到模拟辐射值。本反演系统中用到的是ARTS（Atmospheric Radiative Transfer Simulator）模型[16]，ARTS通过代码编译调用控制文件的方式实现辐射传输过程的计算，并提供了有关频率范围、切高、大气背景及传感器等参数的设置[17-18]。反演过程是在正演模型得到模拟值后，通过不断迭代计算得到大气廓线的精确值，反演流程如图3所示。

图3 AIUS反演流程

首先，基于正向模型的掩星探测模拟数据，对不同切高上的透过率进行切高校正，得到校正后的精切高；然后根据不同反演成分的吸收特性，设置反演微窗口并提取对应的透过率和切高数据；再结合大气背景库数据和MLS温压数据，利用ARTS正向模型，计算得到观测协方差矩阵和先验协方差矩阵，为最优化算法提供先验知识；最后利用最优化算法进行计算，并结合牛顿迭代或者LM迭代算法得到反演廓线。反演的每个模块步骤相同，但是要考虑到不同成分的特性，需要在正演过程和反演过程中修改参数设置，每一个模块可以单独运行，互不影响，形成了全自动迭代计算的反演系统。

2.3 数据输出层

反演生成的2级产品格式为HDF5格式，保留了从1级产品中读取的数据属性，并增加了精校正后的切高和反演廓线数据。生成的2级产品说明文件为xml格式，主要存储了2级产品生产时间、存储位置和产品类型等信息。数据输出层对接到数据归档与信息管理分系统，在该系统进行2级产品的归档存储。

3 反演结果与分析

本文选取了2018年12月至2019年1月间的10轨数据进行了系统测试，并将反演结果与对应时间和经纬度的MLS 2级产品或先验数据进行对比，以分析系统的稳定性和可靠性。测试选取的AIUS数据纬度范围在63°S~70°S之间，卫星高度在704~708 km之间，主要数据信息如表3所示。

表3 AIUS测试产品数据信息

Table.3 Information of AIUS test products

在反演系统中对O3、HCl、H2O、N2O和CO进行反演，反演结果如图4~8所示。

图4 O3反演结果

图4（a）展示了反演结果与MLS产品的O3平均廓线，两者在14~65km具有很好的一致性，其中在35~45km范围内体积分数绝对偏差最大，偏差值不超过0.5×10−6。图4（b）展示了O3反演结果与MLS产品的平均相对偏差，在14~20km内相对偏差大于15%，在20~35km和50~60km内相对偏差小于10%，在35~50km内相对偏差为10%~15%。

图5（a）展示了反演结果与MLS产品的HCl平均廓线，两者在70km以下具有很好的一致性，其中14~25km范围内的体积分数绝对偏差最大，偏差值不超过0.4×10−9。图5（b）展示了HCl反演结果与MLS产品的平均相对偏差，在14~18km和75~90km内相对偏差大于15%，在25~70km内相对偏差小于10%，在18~25km和70~75km内相对偏差为10%~15%。

图5 HCl反演结果

图6（a）展示了反演结果与MLS产品的H2O平均廓线，两者在18~55km内具有很好的一致性，其中在18~22km范围内的体积分数绝对偏差最大，偏差值不超过0.7×10−6。图6（b）展示了H2O反演结果与MLS产品的平均相对偏差，在14~18km内相对偏差大于15%，在24~56km内相对偏差小于10%，在18~24km和56~70km内相对偏差为10%~15%。

图7（a）展示了反演结果与MLS产品的N2O平均廓线，两者在10~50km内具有很好的一致性，体积分数绝对偏差在14~17km范围内最大，偏差值不超过40×10−9。图7（b）展示了N2O反演结果与MLS产品的平均相对偏差，在35~50km内相对偏差大于15%，在14~25km内相对偏差小于10%，在25~35km内相对偏差为10%~15%。

经过实验，近期发布的MLS CO廓线产品内部存在明显的异常值，精度不具有参考性，故用先验廓线对反演结果进行对比分析。先验廓线是通过近几年MLS和ACE-FTS廓线产品得到，具有较高精度。图8（a）展示了反演的CO平均廓线与先验平均廓线，两者在10~70km内具有很好的一致性，其中在50~70km范围内体积分数绝对偏差最大，偏差值不超过0.1×10−6。图8（b）展示了CO反演结果与先验廓线的平均相对偏差，在55~70km内相对偏差大于15%，在17~55km内相对偏差小于10%，在14~17km内相对偏差为10%~15%。

图7 N2O反演结果

MLS目前发布的数据产品为V4.2版本，产品精度已由其他卫星产品进行验证[19-20]。其中O3廓线产品在10~40km精度小于10%，在平流层顶精度小于20%。根据图4，O3反演结果在14~50km内与MLS产品的相对偏差小于15%，具有较高的反演精度。MLS的 HCl廓线产品在10~40km精度小于10%，而在平流层上层和下层精度较差。根据图5，HCl反演结果在14~40km内与MLS产品的相对偏差小于10%，具有较高的反演精度。MLS的H2O廓线产品在平流层及以上精度小于10%，对流层反演精度小于20%。根据图6，H2O反演结果在18~70km内与MLS产品的相对偏差小于15%，具有较高的反演精度。MLS的N2O廓线产品在平流层中部10~35km范围反演精度小于10%，其他高度精度低具有很大不准确性，参考价值低。根据图7，N2O反演结果在16~35km内MLS产品的相对偏差小于15%，具有较高的反演精度。N2O在35km以上浓度较低，精度需要进一步进行验证，但验证难度较大。根据图8，CO反演结果在14~55km内与先验廓线的相对偏差小于15%，具有较高的反演精度，后续工作可以利用其他卫星数据进行进一步的交叉验证。

综上所述，AIUS反演系统反演得到的O3、H2O、N2O、HCl和CO廓线结果与MLS产品或先验廓线相比，均具有较高的一致性，系统反演精度较高。对反演误差进一步分析发现，其产生的可能原因主要有：1）反演先验知识的影响，实际大气状态与先验背景库存在一定差别，当差别过大时会严重影响反演精度；2）探测仪的噪声信息剔除不够，尤其在低切高（15km以下）和高切高（65km以上）范围内，噪声影响较大；3）AIUS 1级产品得到的透过率数据，存在一些负值与无限小值，影响切高校正精度和反演精度。

4 结束语

本文针对“高分五号”卫星大气环境红外甚高光谱分辨率探测仪，以大气成分反演系统的设计与实现为研究内容，利用C++编程语言，建立了AIUS大气成分廓线反演系统，并取得了良好的成果。该系统采用分层的设计框架和模块化的设计思路。分层使得数据通过接口互通，方便调取和存储；模块化使得在反演过程中，每一个成分模块能够单独运行互不影响。系统从1级产品输入开始，经过切高校正和反演计算，最终得到完整的2级产品。

通过对系统反演结果和MLS的2级官方产品进行比较分析发现，反演结果具有较高的精度，说明系统具有良好的精确性。操作上既可以手动选取特定数据运行，又可以全自动运行，满足了不同业务需求，为我国后续红外掩星探测仪反演系统的设计提供了参考。该系统设计的主要创新点如下：

1）先验背景库和最优化算法。由于最优化算法高度依赖先验知识，所以利用国际上的卫星产品建立了O3、HCl、H2O、N2O和CO的廓线背景库，保证了先验知识的准确性，提高了反演精度和计算效率。

2）基于全新卫星载荷的大气成分廓线反演系统。本文针对最新的大气环境红外甚高光谱分辨率探测仪特性和数据特性，建立了大气成分廓线反演系统，实现了系统业务化运行，并验证了系统的准确性。这为我国利用“高分五号”卫星定量了解全球大气痕量气体分布和变化提供了新的方法和手段。

[1] 王占山, 李云婷, 陈添, 等. 北京城区臭氧日变化特征及与前体物的相关性分析[J]. 中国环境科学, 2014, 34(12): 3001-3008. WANG Zhanshan, LI Yunting, CHEN Tian, et al. Analysis on Diurnal Variation Characteristics of Ozone and Correlations with its Precursors in Urban Atmosphere of Beijing[J]. China Environmental Science, 2014, 34(12): 3001-3008. (in Chinese)

[2] CRUTZEN J P. The Role of NO and NO2in the Chemistry of the Troposphere and Stratosphere[J]. Annual Review of Earth and Planetary Sciences, 1979, 7(1): 443-472.

[3] SOLOMON S, QIN D, MANNING M, et al. Climate Change 2007: The Physical Science Basis[M]. New York: Cambridge University Press, 2007: 591-662.

[4] 张兴赢, 周敏强, 王维和, 等. 全球卫星大气成分遥感探测应用进展及其展望[J]. 科技导报, 2015, 33(17): 13-22. ZHANG Xingying, ZHOU Minqiang, WANG Weihe, et al. Progress of Global Satellite Remote Sensing of Atmospheric Compositions and Its' Applications[J]. Science & Technology Review, 2015, 33(17): 13-22. (in Chinese)

[5] 李小英, 陈良富, 苏林, 等. 亚毫米波临边探测发展现状[J]. 遥感学报, 2013, 17(6): 1325-1344. LI Xiaoying, CHEN Liangfu, SU Lin, et al. Overview of Sub-Millimeter Limb Sounding[J]. Journal of Remote Sensing, 2013, 17(6): 1325-1344. (in Chinese)

[6] 许青伟. 臭氧总量数据反演系统的设计和实现[D]. 北京: 北京交通大学, 2014. XU Qingwei. Design and Implementation of Total Ozone Data Retrieval System[D]. Beijing: Beijing Jiaotong University, 2014. (in Chinese)

[7] 杨忠东, 卢乃锰, 施进明, 等. 风云三号卫星有效载荷与地面应用系统概述[J]. 气象科技进展, 2013, 3(4): 6-12. YANG Zhongdong, LU Naimeng, SHI Jinming, et al. Overview of FY-3 Payload and Ground Application System[J]. Advances in Meteorological Science and Technology, 2013, 3(4): 6-12. (in Chinese)

[8] 江澄, 陶东兴, 何红艳. 大气环境红外甚高光谱分辨率探测仪数字建模与仿真[J]. 航天返回与遥感, 2018, 39(3): 94-103. JIANG Cheng, TAO Dongxing, HE Hongyan. Digital Modeling and Simulation of AIUS[J]. Spacecraft Recovery & Remote Sensing, 2018, 39(3): 94-103. (in Chinese)

[9] 孙允珠, 蒋光伟, 李云端, 等.“高分五号”卫星概况及应用前景展望[J]. 航天返回与遥感, 2018, 39(3): 1-13. SUN Yunzhu, JIANG Guangwei, LI Yunduan, et al. GF-5 Satellite: Overview and Application Prospects[J]. Spacecraft Recovery & Remote Sensing, 2018, 39(3): 1-13. (in Chinese)

[10] 王雅鹏. 大气红外甚高分辨率掩星探测仪温压及臭氧廓线反演算法研究[D]. 北京: 中国科学院大学, 2017. WANG Yapeng. Research on Temperature/Pressure and Ozone Retrieval Algorithm Based on Atmospheric Infrared Ultraspectral Spectrometer[D]. Beijing: University of Chinese Academy of Sciences, 2017. (in Chinese)

[11] BOONE C D, NASSAR R, WALKER K A, et al. Retrievals for the Atmospheric Chemistry Experiment Fourier-transform Spectrometer[J]. Applied Optics, 2005, 44(33): 7218-7231.

[12] MARKS C J, RODGERS C D. A Retrieval Method for Atmospheric Composition from Limb Emission Measurements[J]. Journal of Geophysical Research Atmospheres, 1993, 98(D8): 14939-14953.

[13] RODGERS C D. Information Content and Optimisation of High Spectral Resolution Remote Measurements[J]. Advances in Space Research, 1996, 21(97): 136-147.

[14] 王飞, 刘毅, 蔡兆男, 等. 利用GOME-2卫星数据反演对流层臭氧[J]. 遥感技术与应用, 2016, 31(2): 316-323. WANG Fei, LIU Yi, CAI Zhaonan, et al. Tropospheric Ozone Products Retrieved from GOME-2[J]. Remote Sensing Technology and Application, 2016, 31(2): 316-323. (in Chinese)

[15] 程洁, 柳钦火, 李小文. 星载高光谱红外传感器反演大气痕量气体综述[J]. 遥感信息, 2007, 22(2): 90-97. CHENG Jie, LIU Qinghuo, LI Xiaowen. Review of Trace Gases Inversion Utilizing Space-borne Hyperspectral Infrared Remote Sensor Data[J]. Remote Sensing Information, 2007, 22(2): 90-97. (in Chinese)

[16] ERIKSSON P, BUEHLER S A, DAVIS C P, et al. ARTS, the Atmospheric Radiative Transfer Simulator, Version 2[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 2011, 112(10): 1551-1558.

[17] BUEHLER S A, ERIKSSON P, LEMKE O. Absorption Lookup Tables in the Radiative Transfer Model ARTS[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 2011, 112(10): 1559-1567.

[18] 王红梅, 李小英, 陈良富, 等. 太赫兹临边探测O3与HCl敏感性分析[J]. 遥感学报, 2017, 21(5): 653-664. WANG Hongmei, LI Xiaoying, CHEN Liangfu, et al. Simulating Sensitivity of O3and HCl with THz Limb Sounding[J]. Journal of Remote Sensing, 2017, 21(05): 653-664. (in Chinese)

[19] LIVESEY N J, EAD W G, WAHNER P A, et al. Earth Observing System (EOS) Aura Microwave Limb Sounder (MLS) Version 4.2x Level 2 Data Quality and Description Document[M/OL]. California: Jet Propulsion Laboratory, 2015. [2016-5-9]. http://mls.jpl.nasa.gov/.

[20] FROIDEVAUX L, JIANG Y B, LAMBERT A, et al. Validation of Aura Microwave Limb Sounder Stratospheric Ozone Measurements[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(D15S20): 1-24.

Design and Implementation of Atmospheric Retrieval System for AIUS

LUO Qi1,2LI Xiaoying1CHENG Tianhai1ZHANG Xingying3GE Shule4ZHANG Yugui5

（1 State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China）（2 School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China）（3 National Satellite Meteorological Center, China Meteorological Administration, Beijing 100081, China）（4 China Centre for Resources Satellite Data and Application, Beijing 100094, China）（5 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）

Based on GF-5/AIUS measurement data and Optimal Estimation Method(OEM), this paper established a processing system to retrieve the atmospheric component profile operationally and verified the accuracy of the retrieval results. The system can process manually or automatically by adopting a layered design method and modular design ideas. Comparing the retrieval results with MLS official products or the priori profiles, the relative difference of O3profiles is within 15% between 14km and 50km. The relative difference of H2O profiles is also with 15% at 18~70km. The relative difference of HCl and N2O profiles are within 10% at 14~40km, 10% at 10~35km, respectively. The relative difference between retrieval CO and the priori profiles is within 15% at 14~55km. Therefore, the retrieval system has high precision and reliability, which can provide algorithmic and technical supports for atmospheric environmental monitoring and global climate change research in China.

occultation observation; atmospheric component profile; retrieval system; GF-5 satellite; Optimal Estimation Method

P414

A

1009-8518(2019)06-0067-10

10.3969/j.issn.1009-8518.2019.06.009

罗琪，女，1997年生，现在中国科学院空天信息创新研究院电子与通信工程专业攻读硕士学位，研究方向为大气遥感监测工程。E-mail：luoqi17@mails.ucas.ac.cn。

李小英，女，1975年生，博士，中国科学院空天信息创新研究院副研究员，研究方向为定量遥感、大气遥感。E-mail：lixy01@radi.ac.cn。

2019-07-25

国家自然科学基金（41571345），国家重点研发计划（2016YFB0500705，2018YFB050490303）

罗琪, 李小英, 程天海, 等. 红外甚高光谱分辨率探测仪反演系统的设计与实现[J]. 航天返回与遥感, 2019, 40(6): 67-76.

LUO Qi, LI Xiaoying, CHENG Tianhai, et al. Design and Implementation of Atmospheric Retrieval System for AIUS[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(6): 67-76. (in Chinese)

（编辑：夏淑密）