高分五号痕量气体差分吸收光谱仪的地表UV-B辐照度初步反演

麻文杰，周海金，赵欣，司福祺，罗宇涵，杨东上，杨太平，钱园园，汤付颖

1.安徽大学 物质科学与信息技术研究院,合肥 230601;

2.中国科学院合肥物质科学研究院安徽光学精密机械研究所 环境光学与技术重点实验室,合肥 230031

1 引言

太阳辐射是地球大气运动的主要能量源泉，也是地球光热能的主要来源（张学海 等，2015）。其中紫外辐射为太阳辐射中很小的一部分，并且大部分紫外辐射会在大气传输过程中被吸收。太阳的紫外辐射根据其生物效应可以分为3 个部分：UV-A（320—400 nm）、UV-B（280—320 nm）、UV-C（200—280 nm）（王普才 等，1999）。在大气传输过程中，UV-C 的破坏性最强，会被平流层的臭氧和氧分子完全吸收；UV-B 破坏性较强，大部分被臭氧层吸收，只有少量到达地表，但会对人类及生态环境带来显著影响，是皮肤癌变、作物产量减少等诱因之一；UV-A 影响较小，大部分能够到达地表。在工业化进程中，人类活动导致大气系统发生了显著变化，如平流层臭氧量减少、臭氧空洞出现、对流层大气复合污染等现象，导致全球地表UV-B辐照度也发生相应的变化。因此，监测地球表面的UV-B辐照度具有重要的意义。

目前，很多国家已经建立了地面紫外辐射观测网络，如加拿大的世界臭氧与紫外辐射数据中心WOUDC（World Ozone and Ultraviolet Radiation Data Center），积累了大量可靠的紫外辐射数据。但是基于地基平台地表紫外辐射的监测存在站点分布稀疏，运行时间短，且地面测量仪器校准过程复杂等缺点（Lindfors 等，2017）。随着卫星遥感技术的发展，相比于地基观测，卫星遥感技术可以实现全球地表紫外辐射的长期观测，在地表UV-B 辐照度的监测中发挥了重要作用。在20 世纪70 年代，国际上就开始利用卫星遥感技术来监测地表紫外辐射。1978 年—2005 年共有3 个卫星搭载臭氧总量测绘分光仪TOMS（Total Ozone Mapping Spectrometer）用于监测臭氧及紫外辐射情况。Krotkov 等（1998）第一次提出基于TOMS 数据估算地球表面紫外辐射的算法。该算法首先通过臭氧总量和地表反照率计算出晴空无云下的地表紫外辐射通量，然后乘以云校正因子以消除云导致的紫外辐射衰减，最后根据气溶胶指数进行气溶胶校正。目前搭载于美国航天局EOS（Earth Observation System）Aura 卫星的臭氧检测仪OMI（Ozone Monitoring Instrument），其地表紫外辐射算法与TOMS非常类似，使用了正向模型建立晴空辐照度查找表，并增加了吸收性气溶胶校正算法，以校正吸收性气溶胶引起的衰减。OMI和TOMS 地表紫外辐射算法的区别在于两者所用的地表反射率不同，TOMS采用了360 nm处的最小地表朗伯体等效反射率，而OMI 采用了移动时间窗口技术（moving time-window technique）计算的地表反射率，对于高纬度地区OMI 地表紫外辐射算法会更为精确（赵莹 等，2014；Tanskanen 等，2003）。TROPOMI 搭载于哨兵5 号先驱卫星（Sentinel-5 Precursor）于2017 年10 月成功发射，其地表紫外辐射算法中使用了VLIDORT 模型，将354 nm 处测量的反射率应用于云对紫外辐射衰减的计算（Lindfors 等，2017）。目前基于国产卫星仪器的地表UV-B 辐照度产品较少，中国于2018 年5 月9 日成功发射高分五号（GF-5）卫星，其中大气痕量气体差分吸收光谱仪EMI（Environmental Trace Gases Monitoring Instrument）是中国第一个痕量气体探测专用载荷，包含4个通道，探测光谱范围宽，覆盖240—710 nm，目前已成功获取全球臭氧、NO2、云等产品（闫欢欢 等，2019；杨太平 等，2020；Cheng 等，2019），EMI 同样具备了地表UV-B 辐照度的探测能力。本文利用EMI 紫外波段数据开展了地表UV-B辐照度反演算法研究，目标是提供高质量的国产卫星地表UV-B辐照度产品。

研究过程中，首先通过臭氧、地表反照率、海拔高度和太阳天顶角计算出晴空无云下的地表紫外辐照度，然后基于气溶胶指数AI（Aerosol Index）和朗伯等效反照率LER（Lambertian Equivalent Reflectivity）的两个阈值进行选择性的校正。最后为检验EMI UV-B 产品精度，将EMI 结果与OMI UV-B产品以及地面监测数据进行对比验证。

2 数据和模型

2.1 卫星和地面数据

EMI载荷采用推扫方式获取来自地球的入射辐射。地面大气散射/反射的光（太阳光、卤素标准灯光）经宽视场前置光学系统、中继光学系统后，由分色片分光，然后根据波段不同进入通道1—4光谱仪，经光谱仪分光、聚焦、成像于光谱仪的面阵背照帧转移型探测器的成像面。4 个光谱通道的范围分别为240—315 nm、311—403 nm、401—550 nm、545—710 nm。本文所用的卫星数据为EMI UV2通道（311—403 nm），光谱分辨率为0.3—0.5 nm，空间采样分辨率可达到7.5 km×13 km，光谱采样间隔为0.091 nm/pixel。本文地表UV-B辐照度的反演过程中，利用了EMI L1 光谱数据、EMI反演的气溶胶指数、臭氧数据。

采用OMI数据作为对比卫星数据，其UV-B产品中包含305 nm、310 nm、324 nm 和380 nm 处的光谱辐照度，星下点空间分辨率为13 km×24 km，光谱分辨率约为0.5 nm。

地面实测数据从世界臭氧与紫外线辐射数据中心WOUDC获取。地面站点采用Brewer臭氧分光光度计测量数据。Brewer 臭氧分光光谱仪是世界气象组织推荐使用的测量大气臭氧总量和紫外辐射光谱的仪器，全天每隔一小时观测一次，光谱分辨率为0.5 nm（张学海 等，2015）。

2.2 SCIATRAN模型

SCIATRAN 辐射传输模型功能强大，旨在以矢量或标量模式对适用于紫外—可见—全波段反射光谱范围的大气遥感观测的辐射光谱进行快速和准确的模拟（赵莹，2014）。本文使用SCIATRAN 3.8.1 版本，通过修改主控制文件、观测几何文件参数和痕量气体文件参数，来模拟各个条件下的地表UV-B 辐照度。主控制文件各参数设置如表1所示。

表1 主控制文件参数设置Table 1 The main parameters setting of control.inp

3 研究方法

地表UV-B辐照度强弱是由大气分子的瑞利散射、臭氧的吸收、云和气溶胶的散射和吸收以及地表反照率决定的。EMI 的地表UV-B 辐照度算法研究路线如图1所示。首先使用SCIATRAN 模型对海拔高度、地表反照率、太阳天顶角和臭氧总量等因素进行敏感性分析，确定晴空地表UV-B辐照度查找表的参数节点。然后将EMI 的测量数据和太阳几何观测信息带入查找表，采用多维插值的方法，计算出EMI晴空地表UV-B 辐照度。最后根据气溶胶指数和朗伯等效反照率的两个阈值进行云和气溶胶的校正。本文中地表UV-B辐照度整体算法思路较为成熟，在TOMS、OMI 中均得到应用。但不同载荷的仪器特性不同，导致算法设计存在差异。本研究中，考虑到EMI 载荷空间采样位置、采样半高宽等差异，并深入分析地表UV-B辐照度敏感性，建立了适用于EMI 载荷的晴空地表UV-B辐照度查找表；云校正过程，由于定标水平差异，发现EMI载荷采用380 nm处朗伯等效反照率具有最佳校正效果，不同于OMI 选择的360 nm处的朗伯等效反射率。

图1 本文研究路线Fig.1 Research route of this paper

3.1 晴空地表UV-B辐照度查找表的建立

为减少构建查找表和插值查找消耗的时间，需要合理确定地表UV-B辐照度查找表输入参数的节点数量，首先采用控制变量法来研究地气参数配置对地表UV-B 辐照度的敏感性，根据敏感性分析确定输入参数节点。然后将EMI 像元对应的海拔高度、地表反照率、太阳天顶角、臭氧总量等数据带入查找表中进行多维线性插值，计算出全球的晴空地表UV-B辐照度。

3.1.1 敏感性分析

采用控制变量法对地表UV-B 辐照度的敏感性进行分析，分析参数包括太阳天顶角、臭氧总量、海拔高度、地表反照率，背景参数取值如表2所示。

表2 地表UV-B辐照度敏感性分析背景参数设置Table 2 Background parameters setting of surface UV-B irradiance sensitivity analysis

图2（a）显示了太阳天顶角分别为10°、20°、30°、40°、50°、60°、70°、80°时地表UV-B 辐照度随波长的变化情况。太阳天顶角越小时，辐射到达地面穿过的大气路径越短，地表UV-B 辐照度就越大。太阳天顶角从30°到80°，320 nm 处地表UV-B 辐照度减少了329 mW/m2/nm，可见太阳天顶角是影响地表UV-B 辐照度的重要因素之一。图2（b）显示了臭氧总量分别为337 DU、337 DU±10%和337 DU±25%时地表UV-B 辐照度随波长的变化情况。臭氧总量越低时，地表UV-B辐照度越大。臭氧总量由原来的90%减少到75%时，310 nm处地表UV-B 辐照度增加了近3 倍；而臭氧总量从增加10%到增加25%，地表UV-B辐照度减少了约50%。可见当臭氧总量减少时，地表UV-B 辐照度变化的更为显著，也表明臭氧空洞对地表UV-B辐照度的影响很大。

图2 地表UV-B辐照度随太阳天顶角和臭氧总量变化情况Fig.2 Variation of surface UV-B irradiance with solar zenith angle and total ozone

图3（a）显示了海拔高度分别为0 km、1 km、2 km、3 km、4 km、5 km、6 km、7 km、8 km 时地表UV-B辐照度随波长的变化情况。海拔高度越高，太阳辐射到达地表的光路就越短，地表UV-B辐照度越强。图3（b）显示了地表反照率分别为0，0.1，0.2，0.4，0.6，0.8 时地表UV-B 辐照度的变化。随着地表反照率的增加，地表UV-B辐照度也不断增大，300 nm以上时地表UV-B辐照度变化尤为明显。

图3 地表UV-B辐照度随海拔高度和地表反照率变化情况Fig.3 Variation of surface UV-B irradiance with altitude and surface albedo

3.1.2 输入节点设置

根据第3.1.1 节的敏感性分析，各个参数设置的节点如表3所示。将模型的计算结果保存在一个五维的查找表中，保存为HDF5格式。

表3 SCIATRAN模型输入参数节点Table 3 Input parameter nodes of SCIATRAN model

3.1.3 查找表插值

利用EMI 逐像元的太阳天顶角、臭氧总量、海拔高度、地表反照率数据作为晴空地表UV-B辐照度查找表的输入参数，多维线性插值得到晴空地表UV-B 辐照度。本文以2018 年11 月2 日和2019 年8 月17 日的EMI 数据带入查找表中进行插值，得到的结果如图4 所示。图4 可以看出EMI 地表UV-B辐照度高值区域主要分布在赤道附近，呈现出较为明显的纬向分布规律，随着纬度的升高，地表UV-B辐照度逐渐降低。

图4 EMI在324 nm处的晴空地表UV-B辐照度全球分布图（单位：mW/m2/nm）Fig.4 A global distribution map of EMI surface UV-B irradiance at 324 nm in the clear sky（Unit：mW/m2/nm）

3.2 云校正

晴空地表UV-B 辐照度基于无云、无气溶胶条件，实际应用过程中，对于有云场景需要对晴空地表UV-B辐照度进行校正。云校正过程中，需要引入云校正因子。通过计算晴空下地表UV-B辐照度（Eclear），乘以云校正因子获得实际的地表UV-B辐照度的估计值（Ecloud），公式如下：

式中，Eclear是晴空下的地表UV-B辐照度，即3.1节利用查找表插值获取的结果；Ecloud是考虑云的影响下的实际的地表UV-B 辐照度，CT是云校正因子。

云校正因子的计算有两种方法：（1）采用朗伯等效反射率转化，可利用卫星观测辐亮度分析获取。该方法评估了观测瞬时视场内云、地表等下垫面反照的综合效应，不需要云量、云顶高、云厚等云参数的先验知识。如果无云，则朗伯等效反射率等效于地表反照率。（2）输入准确的云量、云顶高、云厚等云参数，采用辐射传输模型计算校正因子。Krotkov 等（2001）对比了两种方法的校正因子结果，并与地基站点分析数据进行了对比。结果表明在无雪情况下，朗伯等效反射率方法与地基结果相关性系数达到0.9，标准差为0.1。辐射传输模型方法同样具有很高的相关性，但存在7%左右的系统偏差。两种方法均在有雪场景下存在较大误差。考虑到EMI 的云相关产品尚未得到实际的应用，采用其他来源云产品数据则需要繁琐的地面像元匹配、时间匹配等处理过程，本文云校正因子的计算使用了Krotkov 等（1998）提出的朗伯等效反射率的方法。朗伯等效反射率越高，云引起的表面紫外线辐射的衰减越强。通过考虑地表与云之间的多次散射的影响，得出云校正因子计算公式：

式中，R380是380 nm 处的朗伯等效反射率，通过EMI 载荷数据在380 nm 处的辐亮度和太阳辐照度数据计算得到；RS是地表反照率，取自OMI 每月最小朗伯等效地表反射率（OMI monthly minimum LER）数据。由于定标水平差异，发现EMI载荷采用380 nm 处朗伯等效反射率具有最佳校正效果，相比OMI的校正波段存在微小调整。

3.3 气溶胶校正

为了估计气溶胶对地表UV-B 辐照度的影响，气溶胶校正过程中分别考虑吸收性气溶胶和非吸收性气溶胶。其中非吸收性气溶胶减少了太阳直接辐射，但增加了漫射辐射，它们对地表UV-B辐照度的影响相对较小，可以忽略其影响。而吸收性气溶胶会减弱直接辐射和漫射辐射。因此在相同的光学厚度下，吸收性气溶胶导致地表UV-B辐照度的衰减比非吸收性气溶胶多很多。如果将吸收性气溶胶视为非吸收性气溶胶，会低估其对紫外辐射的衰减，导致地表UV-B 辐照度被高估。为校正吸收性气溶胶影响，研究中使用气溶胶指数构建了一个较为简单的吸收性气溶胶校正模型，该模型假设在地表高度2—4 km 之间存在单一类型（如沙浮尘）的吸收性气溶胶层，公式如下：

式中，转换因子g是气溶胶高度HA、观测几何和气溶胶类型的函数，此处令g=0.25（Tanskanen等，2003）；AI是气溶胶指数。该假设模型重点针对沙浮尘、森林大火等强吸收性气溶胶存在的场景。对于其他气溶胶情况则统一采用云校正。云校正采用朗伯等效反射率法，并未严格区分气溶胶和薄云。对于硫酸盐气溶胶、海盐气溶胶，会导致云校正因子CT存在2%的系统误差。对于地表重气溶胶污染情况，云校正方法也会高估地表UV-B 辐照度（Krotkov等，2001）。在获取更为准确的气溶胶观测数据基础上，后续将进一步优化算法，减小气溶胶校正误差。

3.4 云和气溶胶校正阈值选择

EMI 晴空地表UV-B 辐照度数据校正过程中，需要判断各个像元是采用云还是吸收性气溶胶校正。校正阈值主要基于气溶胶指数AI和朗伯等效反射率LER。为了区分云和吸收性气溶胶对地表UV-B 辐照度的影响，我们认为AI＞ 0.5 时存在强吸收性气溶胶吸收，LER＜ 0.15 时为晴空无云环境。由于气溶胶校正简化模型仅针对强吸收性气溶胶，因此只有当这两个条件同时满足时，才采用吸收性气溶胶校正，其余情况使用云校正方法。

基于以上设置，最终校正后的EMI 全球地表UV-B 辐照度结果如图5 所示，可以看出全球地表UV-B 辐照度呈现出较为明显的纬向分布规律，由于南北极的常年积雪造成的地表反照率较大，导致地表UV-B辐照度在南北极也存在高值区域。

图5 EMI在324 nm处的地表UVB辐照度全球分布图（单位：mW/m2/nm）Fig.5 A global distribution map of OMI surface UV-B irradiance at 324 nm（Unit：mW/m2/nm）

图6 OMI在324 nm处的地表UV-B辐照度全球分布图（单位：mW/m2/nm）Fig.6 A global distribution map of OMI surface UV-B irradiance at 324 nm（Unit：mW/m2/nm）

4 结果与分析

4.1 EMI与OMI产品对比分析

为了验证上述算法结果的正确性，本文选择了在相同日期下OMI的UV-B产品进行比较分析。在分析之前，首先要对EMI和OMI数据进行筛选，剔除了OMI行异常数据，由于卫星轨道边缘像元的空间分辨率过大，将卫星轨道边缘数据设为无效值。然后再进行栅格化，将数据投影到1°×1°的格点上。由于两极高纬度地区较多数据缺失，并且本文算法没有进行高地表反照率（积雪、冰等）的校正，这里重点关注南北纬60°之间的区域。将2018年11月2 日 和2019 年8 月17 日EMI 和OMI 在324 nm 处的地表UVB辐照度进行相关性分析。如图7所示，二者的线性拟合曲线的斜率为0.97和0.89，对应的截距为38.33 mW/m2/nm 和28.63 mW/m2/nm，相关性系数分别达到0.93 和0.92。表明OMI 和EMI 的地表UV-B辐照度数据具有很高的一致性。通过对比验证，也将为后续不同卫星数据资料统一，开展长期气候研究提供依据。

图7 EMI和OMI 在324 nm处地表UV-B辐照度的格点数据散点图Fig.7 Scatter plot of surface UV-B irradiance grid point data of EMI and OMI at 324 nm

4.2 EMI与地面实测数据分析

WOUDC 站点可以提供地表UV-B 辐照度的高精度数据，本文开展了EMI与地面实测数据的对比分析。数据对比过程中，未进行晴空像元的筛选，但地面站点Brewer仪器一般在少云和晴空条件下运行，为了与EMI数据在时间和空间上能够匹配，本文选取2018年11月2日的正午时刻WOUDC等4 个站点的地表UV-B辐照度数据，站点的经纬度和地表反照率等数据如表4所示。

表4 站点信息Table 4 Site information

地面站点数据的波段范围为290—325 nm，步长为0.5 nm，共70个点。由于305 nm之前的辐照度值几乎为0，我们选取305—325 nm波段的各站点数据与EMI 结果进行比较，对比情况见图8。二者的线性拟合曲线的斜率为0.95、1.10、0.91和1.34，对应的截距分别为-1.67 mW/m2/nm、-4.82 mW/m2/nm、-3.18 mW/m2/nm 和-3.38 mW/m2/nm，相关性系数都达到0.91以上。但在地表反照率较高的Churchill站点，EMI 的地表UV-B 辐照度明显大于地面站点观测值。4 个站点的对比结果表明该算法适用于地表反照率值较低的情况，在地表反照率较高时存在较大偏差。本算法仅利用380 nm 处的等效朗伯反射率来考虑云的影响，并未考虑到积雪和冰等复杂情况，导致高估了实际的地表UV-B 辐照度。未来该算法还需要对地表反照率较高的情况进行区分，实现积雪校正。

图8 EMI反演值与地面实测值的比较Fig.8 Comparison between EMI inversion values and ground measured values

5 结论

本文开展了基于EMI 载荷的地表UV-B 辐照度反演方法初步研究。研究中利用辐射传输模型建立了晴空UV-B 辐照度的查找表，并将EMI 的太阳天顶角、臭氧总量、海拔高度、地表反照率数据带入查找表中进行多维线性插值，最后进行云和气溶胶的校正，最终完成了EMI 地表UV-B辐照度的算法构建。本文获取了EMI 载荷地表UV-B 辐照度全球分布数据，分别与同天OMI数据和地面站点观测数据进行了对比。结果显示利用该算法得到的结果与OMI 数据具有良好的一致性，与地面观测结果也有较高的相关性。但仍然存在一定的不足：（1）在高纬度地区，没有考虑到积雪和冰带来的影响，高估了云校正因子，导致地表UV-B 辐照度偏大；（2）在吸收性气溶胶修正时，考虑的气溶胶种类较少，需要进一步进行优化算法。

总体来说，本研究实现了基于EMI 载荷的地表UV-B辐照度反演，为后续发布基于国产卫星的地表UV-B辐照度产品提供研究基础，有助于后续进一步研究地表UV-B辐照度的长期时空变化。

志 谢感谢美国国家航天航空局（NASA）提供的OMI OMUVB 产品数据和世界臭氧与紫外线辐射中心（WOUDC）提供的地面数据，在此表示衷心的感谢！