王丹鳳，張記龍，王志斌，陳媛媛，陳友華

(1.中北大學(xué)山西省光電信息與儀器工程技術(shù)研究中心，太原 030051;2.中北大學(xué)儀器科學(xué)與動態(tài)測試教育部重點實驗室，太原 030051)

0 引言

搭載在地球觀測系統(tǒng)(EOS)Aqua衛(wèi)星上的大氣紅外探測器(AIRS，atmospheric infrared sounder)[1]具有較高的光譜分辨率，能夠提供高精度大氣溫度、濕度和云結(jié)構(gòu)的三維遙感觀測數(shù)據(jù)[2]，所提供的大氣溫濕數(shù)據(jù)已經(jīng)被廣泛應(yīng)用于全球氣候研究和天氣預(yù)報。但由于AIRS數(shù)據(jù)的空間分辨率較低(13.5 km)，對云進行檢測還沒有很好的算法[3]，因此，研究一種適合AIRS數(shù)據(jù)的云檢測算法用來確定其單個視場(像素)中的云特性具有重要意義。相對于AIRS而言，同時搭載在Aqua衛(wèi)星上的中分辨率成像光譜儀(MODIS，moderate resolution imaging spectroradiometer)空間分辨率較高，可提供1 km分辨率的云掩模[4]、分類掩模[5]及云相態(tài)[6]等信息，具有的多光譜特性能捕捉到地氣系統(tǒng)中云的精細結(jié)構(gòu)，對云的檢測能力超過 AIRS。因此，綜合使用AIRS的探測功能和MODIS的成像功能，能為全球氣候觀測提供最佳信息[7－8]。

本文利用具有幾何掃描特性的空間匹配算法匹配MODIS和AIRS的像素點，借助MODIS的云分類和云相態(tài)產(chǎn)品，利用MODIS云檢測算法實現(xiàn)了基于MODIS云產(chǎn)品的AIRS像素云特性檢測。利用匹配的1 km MODIS云分類結(jié)果可以確定AIRS視場內(nèi)是部分還是全部被云覆蓋，是單層云還是多層云;利用匹配的1 km MODIS云相態(tài)結(jié)果可以確定AIRS視場內(nèi)是否包含水云、冰云或混合云信息[8]。這些信息將是晴空輻射校正、大氣廓線反演和云微觀物理特性反演的先決條件，對精確探測云分布狀態(tài)具有重要的意義[9]。

1 MODIS和AIRS的空間匹配算法

用作空間匹配的2個探測器通常被分為主探測器和從探測器。所謂空間匹配，就是讓從探測器在地面上的觀測點重疊到主探測器的視野上[10]。本研究認為AIRS是主探測器，MODIS是從探測器。主探測器對地觀測視野較大，有一些MODIS觀測視場落在其中。探測器的視場往往不是規(guī)則的圓形(星下點除外)。當儀器的掃描角增大時，視野就逐漸變成數(shù)學(xué)上很難描述的“雞蛋型”，這樣就大大增加了算法的復(fù)雜性。假設(shè)一種較為普遍的情況，即要進行空間匹配的2個探測器載在不同的衛(wèi)星上，如圖1所示，主探測器在衛(wèi)星M上，從探測器在衛(wèi)星S上。假設(shè)主探測器的投影在地面上的視野是一個朝向衛(wèi)星的大圓盤MAB，探測方向是ME方向。我們的目的就是尋找落在MAB視野中的所有從儀器的觀測點。從主衛(wèi)星M來看，如果從探測器在地面的投影點(如圖1中F點)落在M衛(wèi)星的視野MAB內(nèi)，則認為主、從儀器的觀測點重疊，此時斜距ME與MF的夾角應(yīng)α小于圓盤的角半徑θmax。通過夾角α不僅能確定是否有從觀測點落在主視野內(nèi)，而且還能確定在主探測器觀測范圍內(nèi)每個從觀測點所占的權(quán)重。如果從探測器的觀測點位于MAB的邊緣，那么就賦予此從觀測點較小的權(quán)重;相反，若剛好落在MAB的中心，則賦予最大的權(quán)重。

圖1 不同衛(wèi)星上的主、從探測器觀測視場重疊Fig.1 Observation view overlap of primary and secondary instruments from different satellites

基于上述空間匹配算法，本文的目的是尋找所有匹配在某個 AIRS視野內(nèi)的 MODIS像素點。Auqa衛(wèi)星上同時載有AIRS(主探測器)和MODIS(從探測器)，即圖1中的衛(wèi)星M和衛(wèi)星S重合。假設(shè)Auqa衛(wèi)星高度為h km，則AIRS像素與匹配的MODIS觀測點間最大的可能角度差θmax為[11]

如果AIRS到地面觀測點間的斜距ME與MODIS到地面觀測點的斜距MF之間的夾角α＜θmax，則認為此MODIS觀測點落在了AIRS視野內(nèi)。根據(jù)夾角α的大小，給每個落在AIRS視野內(nèi)的MODIS像素點賦予不同的權(quán)重值。如果2個探測器提供的幾何信息是準確的，那么，二者空間匹配的精度可達到1 km[12]。尋找落在AIRS瞬時視場中的每個MODIS像素點的步驟如下:

1)從MODIS的地球定位資料MOD 03/MYD 03(可以從 http://ladsweb.nascom.nasa.gov/data/search.html網(wǎng)站獲得)中提取每個像素點的經(jīng)緯度。

2)給定任意AIRS觀測點的經(jīng)緯度，搜索與該點最近的MODIS像素點經(jīng)緯度，采用的公式為

式中:x0，y0為給定的AIRS觀測點經(jīng)緯度;x，y為MODIS像素點經(jīng)緯度;dmin為兩者間的最近距離。

3)以這個最近的MODIS像素點為中心，向外尋找鄰近的MODIS點，這些點的斜距與AIRS斜距間的夾角須小于θmax。

4)記下落在AIRS視野內(nèi)的所有MODIS像素點的索引及權(quán)重。

2 MODIS云檢測原理和方法

2.1 云分類檢測原理和方法

云的分類檢測主要是基于云在可見光和紅外波段與植被、土壤、雪和下墊面等的反射率和輻射亮溫具有差異的原理[13]。MODIS分類檢測方法不僅可以鑒別出不同的云類型，而且可以鑒別出高云、低云等云層信息。

首先由MODIS云掩模信息定義一個訓(xùn)練區(qū)，選擇一個初始分類中心，利用逐次迭代的方法對像素進行轉(zhuǎn)換。當?shù)Y(jié)果達到預(yù)設(shè)定的條件時，迭代結(jié)束;否則進行下一次迭代，直到滿足條件為止。迭代分類算法中使用了3個參數(shù)(不同波段反射率、輻射強度差異和光譜亮溫差異)[14]，所有參數(shù)分辨率都是1 km。用此方法，可以把每個MODIS像素的云類型分為低云、中云和高云。

2.2 云相態(tài)檢測原理和方法

若要進一步判斷云的特性，還需進行云相態(tài)檢測。本文使用的MODIS云相態(tài)檢測算法是業(yè)務(wù)上的紅外相態(tài)算法。云相態(tài)檢測原理[15]是:在8.5～11 μm波長范圍內(nèi)(對應(yīng)MODIS的紅外光譜通道)，水滴和冰晶微觀物理和光學(xué)性質(zhì)不同。光學(xué)厚度大的水云在8.5 μm波長處的輻射值遠低于11 μm處的輻射值，因此，當輻射值之差 BTD8.5～11≤－2 K時，判斷為水云;短波中因為有強水汽吸收作用導(dǎo)致晴空中8.5 μm波長處的輻射值低于11 μm處的，因此，當輻射值之差－2 K ＜ BTD8.5～11≤0 時，判斷為晴空;冰晶在8.5 μm波長處的吸收遠遠小于在11 μm處的吸收，因此，冰晶組成的卷云(冰云)在8.5 μm處的輻射值高于11 μm 處的輻射值，二者輻射值之差 BTD8.5～11≥0 K。

依據(jù)上述原理，可判別出云相態(tài)信息，具體流程如圖2所示。

圖2 MODIS云相態(tài)檢測算法流程圖Fig.2 Flowchart of MODIS cloud phase detection algorithm

上述云相態(tài)算法將每個MODIS云像素分別分類為不確定相、混合相、冰、水或者晴空。由此，通過判斷空間匹配的MODIS像素點的云相態(tài)就可判別AIRS 像素的云相態(tài)[16]。

3 AIRS像素云檢測結(jié)果與分析

3.1 檢測結(jié)果

圖3為2002年9月6日AIRS第193景數(shù)據(jù)的第763通道(波數(shù)901.69 cm－1)亮度溫度(BT)圖，圖上冷云由藍色表示。

圖3 AIRS亮度溫度圖(A1，A2，A3為研究區(qū)域)Fig.3 AIRS BT image(A1，A2，and A3 are study areas)

根據(jù)上述幾何掃描空間匹配算法，制作了與AIRS匹配的MODIS亮溫圖，圖4顯示了A1研究區(qū)(見圖3中標注處)與AIRS視野匹配的MODIS 11 μm波長處的亮溫圖。

圖4 A1研究區(qū)中與AIRS匹配的MODIS亮溫圖Fig.4 MODIS BTs image matching to AIRS of A1 area

圖4 上每個圓圈代表一個AIRS視野，大部分AIRS視野是均勻的。每個AIRS視野中大概有100～200個MODIS像素點。亮溫值高的代表中低云或者地表，亮溫值低的代表高云。借助于MODIS觀測值，AIRS視野可顯示出更精確的云特性。本文應(yīng)用上述MODIS云特性檢測算法，實現(xiàn)了AIRS像素云的檢測，其結(jié)果如圖5所示。

由圖5可知，應(yīng)用MODIS云相態(tài)掩?？蓹z測出AIRS視野中的冰云和水云;應(yīng)用MODIS分類掩模可檢測出AIRS視野中的單層高云和低云;云相態(tài)產(chǎn)品上的水云和冰云模式和MODIS云分類產(chǎn)品上的低云和高云模式是相對應(yīng)的。另外，利用匹配的MODIS云分類掩模還可檢測出AIRS視場中的單層云和多層云等相關(guān)信息。

圖5 與AIRS匹配的MODIS云相態(tài)掩摸(左)和云分類掩摸(右)Fig.5 MODIS cloud phase mask(left)and classification mask(right)

圖6 顯示了利用匹配的MODIS 1 km云分類 產(chǎn)品檢測出的AIRS像素云。

圖6 MODIS云分類掩模檢測的AIRS像素云視場Fig.6 AIRS pixel cloud field identified by MODIS classification mask

由圖6可以看出，大約55%的AIRS視場是晴空，22%是單層云，23%是多層云。這與圖3在直觀視覺上吻合得很好。對檢測結(jié)果的進一步驗證及對云參數(shù)等的檢測，還需在后續(xù)工作中進行。

3.2 結(jié)果分析

由以上檢測結(jié)果可知，利用幾何掃描的空間匹配算法，實現(xiàn)了MODIS和AIRS像素點的匹配;再結(jié)合MODIS的云產(chǎn)品和業(yè)務(wù)上的云分類、云相態(tài)檢測方法，實現(xiàn)了利用MODIS數(shù)據(jù)檢測AIRS像素云的目的。另外，利用MODIS云分類掩模還可檢測出AIRS視場中的單層云和多層云。

由圖5的MODIS云相態(tài)和云分類檢測結(jié)果可知，采用MODIS云相態(tài)掩模檢測出了AIRS視野中的冰云、水云和混合云;采用MODIS云分類掩模檢測出了AIRS視野中的高云、低云和中云。云相態(tài)產(chǎn)品上水云和冰云的模式與云分類產(chǎn)品上的低云、高云模式是相對應(yīng)的。也就是說，利用MODIS云相態(tài)產(chǎn)品對冰云或者水云的確認相當于利用MODIS云分類產(chǎn)品對單層云的確認;有些AIRS視場中存在混合云相態(tài)，相當于分類產(chǎn)品中的多層云。因此，采用與AIRS視野匹配的1 km空間分辨率的MODIS云分類掩模產(chǎn)品還可以確定每一個AIRS視野中有幾層云的存在，這點在圖6中得到了驗證。

4 結(jié)論

1)利用具有幾何掃描特性的空間匹配算法可以對MODIS數(shù)據(jù)和AIRS數(shù)據(jù)進行空間匹配。這是使用MODIS數(shù)據(jù)檢測AIRS像素云的基礎(chǔ)。

2)利用與AIRS視野匹配的MODIS云相態(tài)掩?？梢詸z測出AIRS視野中的冰云、水云和混合云。這在利用云微觀物理特性對AIRS像素云相態(tài)進行檢測是很重要的，因為云散射模型需要云相態(tài)信息。

3)采用與AIRS視野匹配的MODIS云分類掩?？梢詸z測出AIRS視野中的低云、高云和中云，并與MODIS云分類產(chǎn)品檢測出的低云和高云有很好的對應(yīng)。這為AIRS的廓線檢測和認證提供了重要信息。

4)采用與AIRS視野匹配的MODIS云分類掩模還可以確定每個AIRS視野中有幾層云的存在。這在單層—多層云參數(shù)的初始反演中是很重要的。

[1]Aumann H H，Chahine M T，Gautier G，et al.AIRS/AMSU/HSB on the Aqua mission:Design，science objectives，data products，and processing systems[J].IEEE Tran sactions on 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]Li J，Schmit T J，Menzel W P，et al.Advanced baseline imager(ABI)for future geostationary operational environmental satellites(GOES－R and beyond)[C]//Menzel W P.Applications with Weather Satellites.USA:SPIE，2002，4895:111－122.

[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 D，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，Hung L H，Agnes L，et al.Analysis and characterization of the synergistic AIRS and MODIS cloud cleared radiances[J].Frontiers of Earth Science in China，2010，4(3):363－373.

[8]Li J，Menzel W P，Zhang W，et al.Synergistic use of MODIS and AIRS in a variational retrieval of cloud parameters[J].Journal of Applied Meteorology，2004，43(11):1619－1634.

[9]官 莉.星載紅外高光譜資料的應(yīng)用[M].北京:氣象出版社，2007:21－22.Guan L.Spaceborne infrared hyperspectral data application[M].Beijing:Meteorological Press，2007:21－22.

[10]Nagle F W.The association of disparate satellite observations[C]//Phoenix A Z.Second symposium on integrated observing systems.American Meteorological Society，1998:49－52.

[11]Frey R A，Ackerman S A，Soden B J.Climate parameters from satellite spectral measurements，part I:Collocated AVHRR and HIRS/2 observations of spectral greenhouse parameter[J].Climate，1996，9(2):327－344.

[12]官 莉，王振會.用空間匹配的MODIS云產(chǎn)品客觀確定AIRS云檢測[J].氣象科學(xué)，2007，27(5):516－521.Guan L，Wang Z H.Objective determintion of AIRS cloud mask using colocated MODIS cloud mask[J].Scientia Meteorologica Sinica，2007，27(5):516－521.

[13]Haertel V，Landgrebe D A.On the classification of classes with nearly equal spectral response in remote sensing hyperspectral image data[J].IEEE Transactions on Geoscience and Remote Sensing，1999，37(5):2374－2385.

[14]何全軍，曹 靜，黃 江，等.基于多光譜綜合的MODIS數(shù)據(jù)云檢測研究[J].國土資源遙感，2006，18(3):19－22.He Q J，Cao J，Huang J，et al.Cloud detection in MODIS data based on multi－ spectrum synthesis[J].Remote Sensing for Land and Resources，2006，18(3):19－22.

[15]包書新.基于MODIS數(shù)據(jù)的云識別研究[D].長春:吉林大學(xué)，2008.Bao S X.Cloud recognition using MODIS data[D].Changchun:Jilin University，2008.

[16]梁守真，施 平，邢前國.MODIS NDVI時間序列數(shù)據(jù)的去云算法比較[J].國土資源遙感，2011，23(1):33－36.Liang S Z，Shi P，Xing Q G.A comparison between the algorithms for removing cloud pixel from MODIS NDVI time series data[J].Remote Sensing for Land and Resources，2011，23(1):33－36.