近紅外比值法在對流層航空遙感數(shù)據(jù)大氣水汽估算中改進論文模板

1、. -. .可修編. z. -. .可修編.近紅外比值法在對流層航空遙感數(shù)據(jù)大氣水汽估算中的改進摘要 利用近紅外波段大氣窗口通道和水汽吸收通道輻亮度比值反演大氣柱水汽含量, 是衛(wèi)星遙感大氣水汽估算的通用方法之一. 但對于對流層的航空遙感水汽估算, 直接套用衛(wèi)星遙感水汽估算近紅外比值法會引入飛行平臺到大氣頂層水汽的影響. 根據(jù)航空遙感成像特征, 利用Modtran和熱力學初始分析資料(thermodynamic initial guess retrieval, TIGR)大氣廓線庫數(shù)據(jù), 分別構(gòu)建入射路徑上, 航飛高度到地表的水汽透過率與太陽到地表水汽透過率的對數(shù)之比G與航飛高度大氣水汽與整層大

2、氣水汽之比R, 以及入射路徑上的航飛高度到地表的水汽透過率, 與出射路徑上地表到入瞳處水汽透過率的對數(shù)之比H與太陽入射角s的函數(shù)關系, 結(jié)合下墊面特征, 建立對流層航空遙感水汽估算模型. 以1614組TIGR廓線為輸入模擬航飛入瞳處輻亮度, 利用本文模型估算對流層大氣水汽, 并與廓線數(shù)據(jù)直接計算值對比, 結(jié)果表明, 當航飛高度在1.07.0 km時, 模型估算值的總體精度為0.22 g/cm2, 且精度優(yōu)于0.5 g/cm2的樣本占總樣本數(shù)95.30%. 利用2014年5月28日上街航空遙感試驗獲取的影像進行水汽分布估算, 并與同步大氣探空數(shù)據(jù)計算到的水汽進行對比, 結(jié)果表明, 各樣區(qū)估算值與

3、探空值的RMS誤差為0.16 g/cm2(12.8%), 且對下墊面覆蓋條件的先驗了解能夠提高模型估算精度. 本文模型消除航空遙感飛行高度以上大氣的影響, 增大了模型的精準度與適應性, 為熱紅外航空遙感數(shù)據(jù)實時大氣校正提供了可靠的輸入.關鍵詞 macrobutton nomcro單擊此處輸入或粘貼關鍵詞條大氣水汽, 對流層, 航空遙感, 近紅外比值法, 紅外多角度航空相機-. .可修編. z.1 引言水汽是大氣的重要組成部分之一, 是導致天氣變化的主要要素. 在中/長波紅外譜段, 水汽對電磁波具有明顯的吸收作用, 成為紅外遙感大氣校正需要剔除的主要因素. 利用遙感反演可以獲得大氣柱水汽含量的空

4、間連續(xù)分布, 其主要方法包括差分吸收法(differential absorption technique, DAT)1,2, 分裂窗法(split-window technique, SWT)3, 微波法(microwave techniques, MT)4,5以及近紅外比值法(ratio technique, RT)6,7等. 其中由于RT法對載荷儀器噪聲、大氣及地表的變化具有較低的敏感性, 是一種較為穩(wěn)定的衛(wèi)星遙感水汽估算方法8, 受到廣泛應用.熱紅外航空遙感大氣校正的核心在于與飛行同步大氣水汽信息的獲取. 通過在熱紅外遙感器上加載-大氣窗口通道(如860 nm附近)和水汽吸收通道(如9

5、40 nm附近), 可實現(xiàn)紅外遙感數(shù)據(jù)的實時大氣校正. 我國研制的紅外多角度航空相機(multi-angular infrafred camera, MAIC)安裝了4個譜段, 分別為B1(0.8450.885 m), B2(0.9150.965 m), B3(10.311.3 m)和B4(11.512.5 m), 其中B1, B2波段能夠用于估算地表到航飛高度的高分辨率水汽空間分布信息, 是提高MAIC應用潛力的重要手段. MAIC各通道光譜響應如圖1所示.大氣水汽主要集中在對流層以. 對于成像在對流層以上(10 km或更高)的航空遙感, 由于水汽含量在高層大氣中極為稀少, 利用RT法估算水

6、汽的過程與衛(wèi)星遙感相似9. 但是為獲取較高分辨率航空影像, 熱紅外航空遙感飛行高度一般位于25 km的對流層之, 航飛高度之上的大氣水汽不可忽略. 如果直接套用衛(wèi)星遙感水汽估算中的RT法, 會額外引入航飛高度之上水汽吸收造成的影響, 從而高估地表到航飛高度之間的水汽, 降低大氣訂正精度.RT法的核心參數(shù)為近紅外波段大氣窗口通道和水汽吸收通道入瞳輻亮度之比Tw, 通過建立該比值與水汽的函數(shù)關系可以估算水汽空間分布. 但是在對流層, Tw與水汽的關系是隨著航飛高度變化的. 選用1614條熱力學初始分析資料(thermodynamic initialguess retrieval, TIGR)大氣廓

7、線數(shù)據(jù), 包括陸地與海洋區(qū)域, 其中編號1872為熱帶(tropical)廓線, 編號8731260為溫帶(mid-lat1)廓線, 以及編號12611614為溫帶冬季與亞寒帶夏季(mid-lat2)廓線. 利用Modtran4.0模擬MAIC在不同航高成像時, Tw隨地面到航高水汽的變化規(guī)律, 如圖2所示. 當航高在5 km以上時, 航空器之上的大氣水汽較為稀薄, 對太陽-地表-傳感器路徑上的水汽透過率貢獻較小. 對于不同廓線數(shù)據(jù), 入瞳輻亮度之比與水汽呈現(xiàn)良好的負相關關系, 在散點圖中的分布相對平緩穩(wěn)定; 當航高在5 km以下時, 入瞳輻亮度之比與水汽的負相關關系開始減弱, 且不同廓線數(shù)據(jù)

8、散點圖的變化相對劇烈. 因此, 在利用RT法從對流層(尤其是5 km以的低空)航空遙感數(shù)據(jù)中估算水汽時, 必須針對太陽-地表-航空器的大氣輻射傳輸路徑特征進行算法修正, 以消除飛行高度變化對水汽估算精度的影響.本文根據(jù)MAIC工程參數(shù), 針對傳統(tǒng)比值法在航空遙感水汽估算中的局限性, 結(jié)合大氣輻射傳輸模擬軟件Modtran4.0和TIGR大氣廓線數(shù)據(jù)的垂直分層資料進行模擬, 建立考慮航空相機飛行高度及太陽入射角的近紅外兩通道比值法的對流層航空遙感水汽估算改進模型, 并利用模擬數(shù)據(jù)和實際航空遙感數(shù)據(jù), 對模型的精度進行驗證分析.-. z.圖1 MAIC各通道光譜響應-. z.圖2 MAIC B2,

9、 B1通道入瞳輻亮度之比Tw與地面到航高大氣水汽關系散點圖2近紅外水汽反演原理在1 m附近的近紅外波段, 傳感器在*一波長所接收到的入瞳輻射可簡化為 (1)式中Lsensor()為傳感器入瞳輻亮度; Lsun()為大氣頂層的太陽入射輻亮度; ()為太陽-地面-傳感器路徑透過率, 包含了傳輸路徑上的大氣吸收信息; ()為地表雙向反射率; Lp()為路徑上分子與氣溶膠的散射輻射項. 晴空條件下, 近紅外波段大氣氣溶膠光學厚度很小, 散射輻射Lp()的作用與(1)式右端第一項直接反射項相比, 可忽略不計10, 因此(1)式可表示為(2)令(3)式中Tw=Lsensor(940)/Lsensor(86

10、0), 為傳感器入瞳處吸收通道(940 nm附近)和窗口通道(860 nm附近)等效輻亮度之比; w_path=path(940)/path(860), 為傳輸路徑上的對應通道等效水汽透過率之比, 其中path(860)作為大氣窗口通道透過率, 其值相對穩(wěn)定且接近于1(圖 1), 因此w_path實際上能表征水汽吸收通道的路徑透過率; Tsurface=(940)/(860)為傳輸路徑上的對應通道等效地表反射率之比; Tsun=Lsun(940)/Lsun(860)為對應通道在大氣頂層的等效太陽輻照度之比. 研究發(fā)現(xiàn)7,8,10, 860和940 nm附近的地物反射率基本相等或成線性變化, T

11、surface相對穩(wěn)定; Tsun根據(jù)大氣層外太陽輻亮度計算獲得. 因此水汽的透過率w_path就可以通過計算Tw得到, 進而由w_path估算大氣水汽含量.3航空遙感近紅外水汽反演算法3.1 算法設計w_ss, 入射路徑上太陽到地表的水汽透過率; w_sz, 入射路徑上太陽到MAIC航空遙感成像高度Z的水汽透過率; w_zs, 入射路徑上MAIC所在高度Z到地表的水汽透過率; w_sm, 出射路徑上地表到MAIC的水汽透過率; W, 整層大氣柱水汽含量; Wz, 地表到航高Z區(qū)間的大氣柱水汽含量對940 nm通道電磁波傳輸路徑(太陽-地表-MAIC)上的水汽透過率w_path進行分段考慮(以

12、下所涉及透過率均為水汽透過率), 可表示為入射路徑上w_ss與反射路徑上w_sm的乘積, 如下式:(4)在入射路徑中,根據(jù)輻射傳輸公式, 水汽透過率可表示為w=e*p(mh),其中m為相對大氣質(zhì)量, 與傳輸路徑及太陽入射角度有關, h為水汽光學厚度, 與大氣水汽的垂直分布有關. w_ss與w_zs取對數(shù)可得到(5)上式可簡化為G函數(shù), 與水汽垂直分布Wv以及太陽入射角s有關(6)(7)同理, w_zs與w_sm對數(shù)比值受到太陽入射角s, 傳感器觀測角o以及地面到飛行高度水汽含量Wz的影響, 定義為H函數(shù), 如下式:(8)(9)由(3), (4), (7)和(9)式可得(10)研究表明1113,

13、 大氣水汽透過率w和大氣可降水量關系可用如下形式表示:(11)式中b0與儀器通道的中心波長和半波寬度以及波段-. z.圖3 (網(wǎng)絡版彩圖)航空遙感水汽估算模型參數(shù)幾何關系-. z.響應函數(shù)有關. 合并(10)和(11)式可得(12)G函數(shù)設計定義參數(shù)R, 其含義為地表到航高Z的水汽Wz與整層大氣水汽W之比(13)計算1614條TIGR廓線下R值. 利用Modtran4.0模擬太陽入射角角為0時, 不同觀測高度(1, 3, 5, 7 km)下MAIC B1, B2通道的w_ss與w_zs, 并由(7)式計算得到G(Wv, 0). 分析G與R的關系, 繪制散點圖, 發(fā)現(xiàn)二者表現(xiàn)為明顯的冪指數(shù)形式(

14、G=aRb), 如圖4所示.G不僅受到R的影響, 還與太陽入射角s有關. 以TIGR廓線為樣本數(shù)據(jù), 當航高Z為3 km時, 0太陽入射角與60太陽入射角下G值的差異集中在0.02,0.02, 該誤差對水汽估算影響的敏感性分析見4.2節(jié).H函數(shù)設計H函數(shù)為地面S到航高Z之間, 入射路徑與出射路徑上940 nm水汽透過率對數(shù)之比, 如(8)式所示. 航空遙感主要以垂直下視成像居多, 本文僅考慮天頂觀測(o=0)的情況.不同航高, 不同廓線可計算出不同的Wz, 將圖4 基于TIGR數(shù)據(jù)繪制的G(Wv, 0)與R關系散點圖TIGR廓線數(shù)據(jù)輸入Modtran4.0, 模擬1, 3, 5, 7 km航高

15、條件下的Wz值以及MAIC B1, B2通道的w_zs與w_sm, 并由(8)式計算得到H. 模擬不同太陽入射角s條件下, H與Wz的關系, 結(jié)果如圖5(a)所示. 由圖發(fā)現(xiàn)s對H的影響非常顯著: H隨著s的增大而增大, H(s=10)與H(s=60)的平均差值可達到0.4415. 可見對H的估算必須考慮太陽入射角的變化. 水汽含量Wz的變化對H的影響相對較小: 尤其當s小于50時, H幾乎不受到水汽變化的影響. 因此在實際計算H時可考慮忽略參數(shù)Wz的影響, 特別針對低太陽入射角條件. 計算圖5(a)中不同s時H的平均值, 分析H與s的關系, 結(jié)果如圖5(b)所示. 發(fā)現(xiàn)二者表現(xiàn)為明顯的二次方

16、形式, 即H=c1s2+c2s+c3.分大氣模式考慮, 在太陽入射角為40, 50時, 忽略水汽含量的影響對估算H所帶來的誤差主要集中在0.008,0.008以, 在太陽入射角為60時誤差圍會增大到0.012,0.012. 該誤差對最終Wz估算造成的影響分析見4.2節(jié).3.2對流層航空遙感大氣水汽估算模型根據(jù)上述分析, (12)式可寫成(14)其中, (15)(16)(17)利用Modtran4.0模擬不同條件下MAIC B2與B1的入瞳輻亮度比值Tw, 回歸計算得到下墊面為植被(veg), 土壤(soil)條件下不同大氣模式對應的, b0b4, 各參數(shù)取值如表1所示. 其中, 由于Tsurf

17、ace與地物覆蓋類型有關, 本文考慮了9類地物, 包括4類植被(針葉林, 落葉林, 草地, 混合植被)和5類土壤(黏土, 粉砂土壤, 粉質(zhì)黏土, 沙質(zhì)土壤, 混沙土壤). 其他Modtran模擬輸入條件包括: 太陽入射角度為1060; 垂直下視觀測, 觀測高度為1, 3, 5, 7 km.4航空遙感水汽估算誤差敏感性分析4.1R值估算誤差敏感性分析本文模型中, R的估算誤差直接影響到Wz的估算精度. 定義Wz估算誤差W如下14:(18)R為參數(shù)R可能出現(xiàn)的誤差, W(R+R)與W(R)為利用(14)式分別在R+R和R下計算得到的水汽含量. 計算過程中選擇如下典型條件: 1) 大氣模式為Mid-

18、lat1; 2) 地表覆蓋類型為植被.大部分觀測條件下, 入瞳輻亮度之比Tw集中在0.2,0.8, 本文設定Tw=0.452(為所有觀測條件下的平均值), 并選取太陽入射角s分別為20和50的情況進行分析(圖6).由圖6可看出, 本文算法中R對W的影響較為顯著: 典型條件下, 如果R的計算誤差R=0.05, 則將-. z.表1 回歸計算得到的,b0b4地表類型大氣模式b0b1b2b3b4R2植被Troplical0.171730.222970.630000.000140.002861.182030.982Mid-lat10.074480.235040.596410.000150.003331.

19、370240.969Mid-lat20.046820.222600.568630.000170.003741.646280.955土壤Troplical0.058770.178080.578510.000170.003481.848720.953Mid-lat10.024540.203570.559100.000180.003851.886460.928Mid-lat20.054750.173760.518100.000220.005022.638710.902圖5 H與WZ及s的關系散點圖 圖6 R估算誤差引起的水汽估算誤差 -. z.導致水汽產(chǎn)生0.12 g/cm2左右的誤差. 算法受太陽

20、入射角s的影響并不顯著: 當R=0.1,0.8, R=0.01,0.2時, W (s=20)與W (s=50)的最大差值為0.07 g/cm2; 以水汽比值R=0.45, R=0.1為例, 當s=20時, W=0.22g/cm2, 當s=50時, W=0.24 g/cm2, 兩種s條件下水汽估算誤差僅相差0.02 g/cm2. 同時, W受到R的影響也較不顯著: 以太陽入射角s=20為例, R由0.1變化至0.8, W的變化圍在0.1 g/cm2之, 且隨著R的增大, W的變化更加趨于平緩. 模擬結(jié)果顯示, 90%以上的Tw值在0.2,0.8, 故上述對于Tw=0.452時的分析僅顯示了一個平

21、均水平. 圖7顯示了不同Tw下水汽估算誤差的變化規(guī)律. 前文分析可知, 太陽入射角s對W的影響微小,因此圖7中W為s在560下W的平均值. 可以看出, 在一定的R誤差條件下, W隨Tw的增大而減小, 且這一變化的速度隨R的增大而增大. Tw逆向表征水汽的高低, 因此圖7說明水汽的估算誤差將隨水汽的升高而升高. -. z.圖7 不同Tw條件下R估算誤差引起的水汽估算誤差-. z.圖7還可以作為估計不同條件下R所造成的水汽估算精度的依據(jù), 即可從圖中查找不同Tw, R及R下對應的W作為水汽估算精度. 例如, Tw=0.4, R=0.5, R=0.05時, 水汽估算精度可達到0.19g/cm2. 當

22、R0.05時, 本算法可保證在所有觀測條件下水汽的估算精度優(yōu)于0.7 g/cm2; 當R0.1時, 水汽的估算最低優(yōu)于1.0 g/cm2, 且僅當Tw0.3時水汽估算精度會劣于0.5 g/cm2, 而這也將是較為極端的潮濕大氣條件.4.2 G, H誤差敏感性分析G函數(shù)和H函數(shù)均由各自的顯著因子經(jīng)曲線擬合得到, 忽略非顯著因子的影響會產(chǎn)生函數(shù)擬合誤差, 進而導致Wz出現(xiàn)誤差. 水汽估算誤差W與G, H計算誤差的關系如下15,16:,(19)式中*, y分別代表G, H或者H, G. *代表對應項的計算誤差. 由3.1可知, 忽略s的影響所帶來G值的計算誤差主要分布在0.02, 0.02. 假設G

23、=0.02, 考慮典型條件, 設定Tw=0.452, s=30, 得H=1.405. 代入(19)式, 計算得到當G值在1.0, 4.0時, G導致的水汽估算誤差在0.032 g/cm2以, 因此G函數(shù)的設計可忽略s的影響. 同樣地, 由3.1可知忽略Wz的影響H的計算誤差主要集中在0.012, 0.012. 假設H=0.012, 考慮典型條件, 設定Tw=0.452, R=0.8,得G=1.142, 代入(19)式, 計算得到當H值在1.0, 1.7時, H導致的水汽估算誤差在0.009 g/cm2以, 因此H函數(shù)的設計可忽略Wz的影響.5 算法驗證分別利用Modtran4.0模擬數(shù)據(jù)與MA

24、IC航空遙感數(shù)據(jù)對算法精度進行驗證, 定義水汽估算誤差如下:(20)式中WZ_real代表真值, 由探空廓線計算得到, WZ_alg代表本文算法估算值, N為參與計算的樣本數(shù)量.5.1 Modtran 4.0模擬驗證利用Modtran4.0模擬MAIC B1, B2通道表觀輻亮度, 輸入條件為: 1) 天頂觀測; 2) s10, 60, 步長為5; 3) 航飛高度Z1 km, 7 km, 步長為1 km; 4) TIGR廓線編號11614. 根據(jù)本文中提到的算法計算地表到航飛高度之間的大氣水汽含量WZ_alg, 并與利用TIGR水汽廓線直接計算得到的水汽含量WZ_TIGR進行比較, 如圖8所示

25、. 利用本文中的方法17 km觀測高度下水汽的估算可以得到很好的結(jié)果, 如圖8(a), 整體RSM可達到0.2243 g/cm2, 且估算誤差小于0.25 g/cm2的樣本占總樣本數(shù)的80.65%, 誤差小于0.5, 0.8 g/cm2的樣本分別占總樣本數(shù)的95.30%, 99.38%,如圖8(b)所示.表2顯示了不同條件下水汽估算誤差的分布. 本算法在水汽含量較小的情況下反演精度較高, 當水汽含量小于3 g/cm2時, RMS小于0.25 g/cm2, 而當水汽含量大于3 g/cm2時, RMS主要分布在0.30.4 g/cm2. 本算法中H函數(shù)是針對太陽入射角的校正項, 因此本算法水汽估算

26、誤差受到太陽入射角的影響較-. z.圖8 (網(wǎng)絡版彩圖)航空飛行高度水汽模型估算值與探空廓線計算值對比(a) 散點圖; (b) 差值直方圖表2 不同觀測條件下的水汽估算誤差大氣模式水汽圍WZ (g/cm2)太陽入射角s ()0112233445561010202030304040505060Troplical0.11700.18520.24690.29960.35490.45000.31710.28940.28310.27670.27190.2440Mid-lat10.09750.15770.24610.38810.15580.14200.13850.13360.12660.0970Mid-l

27、at20.08760.15360.29720.11620.10630.10330.09910.09350.0728-. z.小. 可以看到, 本算法在太陽入射角較大時, RMS較低,而隨著太陽入射角的減小, RMS反而有所升高. 本算法主要消除了水汽比值R對水汽估算精度的影響, 因此, RMS隨R的變化并不明顯, 且在大部分情況下, RMS均低于整體水平0.2243 g/cm2, 僅在熱帶模式下, R大于0.7時, RMS大于0.26 g/cm2, 這也與熱帶模式下水汽含量較高有關.5.2 航空遙感試驗驗證利用MAIC相機拍攝的地面影像驗證該算法的實際應用精度. 試驗區(qū)位于上街機場附近(345

28、0.5N, 11316.3E), 航飛區(qū)域地形平坦, 包含城鎮(zhèn), 農(nóng)田, 水體, 工業(yè)設施等典型地物. 選擇晴朗無云時間段開展航空成像試驗. MAIC航空成像的航高海拔為3134 m(對應地面高度3 km), 成像時間為2014年5月27日08:30(UTC), 2014年5月28日07:00(UTC), 計算得到測區(qū)太陽入射角分別為48.8和36.6.飛行過程中采用佳能5D Mark III同步獲取真彩色影像數(shù)據(jù), 幾何校正后結(jié)果如圖9(a). 飛行后在實驗室利用積分球?qū)AIC相機B1, B2通道進行絕對輻射定標與非均勻性校正,得到飛行高度的通道輻亮度數(shù)據(jù), 再利用同步POS數(shù)據(jù)對CCD掃

29、描數(shù)據(jù)進行幾何校正.選擇下墊面類型為植被(veg), 大氣模式為中緯度溫帶(Mid-lat1). 由表1, =0.07448, b0=0.23504, 并算得G=1.1872, H=1.4493, 其中R=0.745,5月27日s=48.8,5月28日s=36.6.將上述參數(shù)帶入(14)式, 圖9(b), (c)為利用本文算法計算得到的地面到飛行高度水汽的空間分布. B1, B2波段間配準誤差導致水汽分布圖仍表現(xiàn)出一定的地物紋理特征, 但總體而言,估算結(jié)果直方圖分布較為集中(圖10(b), 5月28日像元均值為1.16 g/cm2, 標準差為0.23. 如果選擇下墊面類型為土壤, 由表1及(1

30、4)式得到的水汽影像均值為1.35 g/cm2, 標準差0.23.相同方法可得到5月27日選擇下墊面類型為植被, 水汽影像均值為1.04 g/cm2, 標準差0.16(圖10(a).試驗過釋放氣象探空氣球與飛行同步獲取了測區(qū)的大氣參數(shù), 包括溫度, 濕度, 壓力等垂直廓線數(shù)據(jù), 5月27日數(shù)據(jù)采集時間為08:0408:57(UTC), 5月28日數(shù)據(jù)采集時間為06:4407:33(UTC). 計算得到地面到飛行高度的大氣水汽含量分別為1.12, 1.25 g/cm2. 將該結(jié)果作為真值, 與飛行區(qū)域水汽航空遙感估算平均值相差在0.1 g/cm2以.選取測區(qū)17處樣本區(qū), 如圖9(a). 其中編

31、號18為小麥地, 編號912為草地, 編號13為裸土, 編號14為稀疏草地(草地與裸土混合), 編號1517為建筑物(道路、房頂?shù)炔煌杆?. 112, 14號樣區(qū)以MidLat1-Veg模式計算, 13, 1517號樣區(qū)以MidLat1-soil模式計算, 14號樣區(qū)分別利用MidLat1-Veg, MidLat1-soil模式計算, 計算得到5月27日117號樣本區(qū)水汽估算誤差RMS=0.14 g/cm2(12.5%), 平均水汽1.05 g/cm2. 5月28日117號樣本區(qū)水汽估算誤-. z.圖9 (網(wǎng)絡版彩圖)MAIC航空遙感成像(a) 試驗區(qū)概況; (b)和(c) 5月27日、28

32、日地表到飛行高度水汽分布圖10 飛行試驗區(qū)水汽遙感估算結(jié)果統(tǒng)計信息(a) 2014年5月27日; (b) 2014年5月28日-. z.差RMS=0.16 g/cm2(12.8%), 平均水汽為1.32 g/cm2, 比利用探空數(shù)據(jù)計算得到的水汽含量高出5.4%.不同地物覆蓋模式下, 各樣區(qū)水汽估算精度統(tǒng)計結(jié)果如表3. 表中Tsurface=940 nm/865 nm, 為實地測得的地物反射率光譜曲線經(jīng)MAIC B2, B1光譜響應函數(shù)卷積后的兩通道反射率比值, 稀疏草地的Tsurface為草地和土壤樣區(qū)的平均值. 由表3可知, 小麥地、草地及裸土在各自下墊面模式的水汽估算結(jié)果較好, 樣區(qū)RM

33、S誤差在0.172 g/cm2以, 且水汽平均值與探空氣球測量結(jié)果相差在0.1 g/cm2之. 稀疏草地樣本區(qū)為草地與裸土的混合類型, 主要以草地為主, 故以MidLat1-Veg模式計算精度較高, RMS=0.18 g/cm2左右. 建筑區(qū)水汽估算精度較低, RMS誤差可高達0.2133 g/cm2(17.1%), 5月28日樣區(qū)水汽平均值高出探空氣球測量結(jié)果13.3%. 如本文第2節(jié)所述, 近紅外遙感水汽估算的基本假設是1 m附近大部分地物的地表反射率隨波長近似相等或成線性變化, 進而由Tsurface估算大氣水汽. 事實上, 不同地物種類(尤其是植被與非植被), 其地表反射率隨波長的變化

34、規(guī)律會有所差異17, 因此Tsurface值不僅包含了水汽信息, 還包括了地表覆蓋類型差異導致的擾動, 從而引起水汽估算誤差. 這說明RT水汽估算對于地物覆蓋具有一定的依賴性, 具備地表覆蓋的先驗知識能夠提高模型精度. 例如, 建筑區(qū)水汽估算采用了土壤模式, 但該區(qū)域的Tsurface真實值比土壤區(qū)要低, 導致參數(shù)產(chǎn)生誤差, 進而導致一定的水汽估算誤差. 這一現(xiàn)象在其他樣本區(qū)也有體現(xiàn): 例如將稀疏草地樣本區(qū)的水汽估算模式調(diào)整為土壤模式時, 同樣會高估Tsurface, 導致的5月27日水汽航空遙感估算RMS誤差為0.18 g/cm2(16.4%), 5月28日RMS誤差則達到0.33 g/cm

35、2(26.6%).6結(jié)論與討論利用對流層近紅外波段航空數(shù)據(jù)估算水汽, 不僅可以獲得詳盡的水汽空間分布, 還可以通過調(diào)整飛行高度獲得地表到不同高度處的水汽, 為熱紅外航空遙感的實時大氣校正提供可靠的輸入, 提高其在資源環(huán)境遙感, 衛(wèi)星產(chǎn)品真實性檢驗等方面業(yè)務化運行的能力, 同時也為水文, 氣象等領域相關研究-. z.表3 不同下墊面條件下近紅外航空遙感水汽估算誤差日期地物類型(計算模式)小麥地(MidLat1-Veg)草地(MidLat1-Veg)裸土(MidLat1-soil)稀疏草地(MidLat1-Veg)稀疏草地(MidLat1-soil)建筑物(MidLat1-soil)5月27日均值

36、 (g/cm2)1.03571.07121.03721.19031.02041.0864RMS (g/cm2)0.15470.10800.11170.17160.18320.14765月28日均值 (g/cm2)1.19331.20581.36511.34161.53991.4157RMS (g/cm2)0.17200.10930.13810.18830.33190.2133Tsurface1.00450.99061.01681.00371.00370.9994-. z.提供更為準確的對流層水汽分布信息.本文基于近紅外衛(wèi)星遙感水汽估算原理, 結(jié)合MAIC通道特征, 修正了航空相機飛行高度以上的

37、大氣對對流層水汽估算的影響, 建立了對流層航空遙感水汽估算模型. 模型考慮了對流層*高度水汽與整層大氣水汽之間的比例關系, 并兼顧太陽入射角, 大氣模式以及地表覆蓋特征等的影響, 使近紅外航空數(shù)據(jù)的水汽估算擺脫了飛行高度的限制, 增大了模型的適用性.利用該模型估算對流層大氣水汽含量需要底層水汽占整層大氣水汽含量的比值R作為輸入, R的準確性直接影響水汽的估算精度. 一般情況下, R可利用相應地理位置和季節(jié)的探空廓線數(shù)據(jù)計算得到. 如果沒有探空資料, 本文附錄給出了利用TIGR探空廓線計算得到的不同航高和大氣模式下R的取值. 當R的誤差R0.1時, 本文模型在大多數(shù)晴空大氣條件下水汽的估算值優(yōu)于

38、0.5 g/cm2, 對于為潮濕的氣象條件, 模型仍能保持優(yōu)于1.0 g/cm2的估算精度. 利用實際航空遙感數(shù)據(jù)進行水汽估算與驗證, 結(jié)果表明研究區(qū)的水汽估算結(jié)果平均RMS誤差在0.16 g/cm2(12.8%)之, 僅建筑區(qū)水汽估算精度相對較低, 28日RMS誤差為0.2133 g/cm2(17.1%).本文模型具有較強的適用性, 適合對流層不同航高, 不同大氣模式以及多種下墊面條件下水汽的估算. 實際應用中, 根據(jù)對下墊面環(huán)境的先驗了解, 有針對性地選擇地物覆蓋模式和大氣模式, 再由表3選取合適的模型參數(shù), 可進一步提高水汽估算精度. 需指出的是, 本文在模型建立過程中, 下墊面類型主要

39、考慮了植被與土壤兩類. 對于人工建筑區(qū)域, 下墊面類型可用土壤模式代替且能保持一定的精度. 隨著社會的發(fā)展, 地表覆蓋類型不斷增多, 不透水面等人工覆蓋類型已不容忽視, 以后的研究中需要進一步考慮加入人工建筑地表下的水汽反演模式.另一方面, 航空飛行高度Z決定了參數(shù)R的取值. 盡管本文附錄里給出的R值查找表, 但該表中航高的步長為1 km, 限制了更多航高下水汽估算的靈活性. 在下一步研究中, 將考慮用航高Z作為核心參數(shù)建立改進模型, 進一步拓展模型的適用性. 與此同時, 本文模型只考慮了無云情況, 而低空云層對水汽含量的估算精度會產(chǎn)生一定影響, 因此還需在更多的大氣和地表環(huán)境條件下開展航空遙

40、感試驗, 更加全面客觀地驗證模型精度.-. z.致上街MAIC航空遙感試驗在董建婷、占文鳳、佃袁勇、峰、白偉華、萬瑋等65人的通力協(xié)助下得以順利實施, 在此深表忱.附錄: R值查找表大氣模式飛行高度(km)1234567Troplical0.3390.0870.5750.1080.7250.0920.8240.0740.8900.0600.9340.0410.9630.024Mid-lat10.3500.0910.5890.1100.7450.0930.8480.0690.9130.0490.9520.0320.9740.019Mid-lat20.3510.0870.5980.1050.756

41、0.0930.8550.0730.9160.0540.9510.0380.9720.027參考文獻Carrere V, Conel J E. Recovery of atmospheric water-vapor total column abundance from imaging spectrometer data around 940 nm- sensitivity analysis and application to airborne visible infrared imaging spectrometer (aviris) data. Remote Sens Environ, 1

42、993, 44: 179204Bouffies S, Tanre D, Breon F M, et al. Atmospheric water vapor estimate by a differential absorption technique with the polarisation and directionality of the Earth reflectances (POLDER) instrument. J Geophys Res-atmos, 1997, 102: 38313841Ottle C, Outalha S, Francois C, et al. Estimat

43、ion of total atmospheric water vapor content from split-window radiance measurements. Remote Sens Environ, 1997, 61: 410418Payne V H, Mlawer E J, Cady-Pereira K E, et al. Water vapor continuum absorption in the microwave. IEEE T Geosci Remote, 2011, 49: 21942208Chang A T C, Wilheit T T. Remote-sensi

44、ng of atmospheric water-vapor, liquid water, and wind speed at the ocean surface by passive microwave techniques from the nimbus-5 satellite. Radio Sci, 1979, 14: 793802Albert P, Bennartz R, Bennartz R, et al. Remote sensing of atmospheric water vapor using the moderate resolution imaging spectrorad

45、iometer. J Atmos Ocean Tech, 2005, 22: 309314Kaufman Y J, Gao B C. Remote sensing of water-vapor in the near IR from EOS/MODIS. IEEE T Geosci Remote, 1992, 30: 871884Sobrino J A, El-Kharraz J, Li Z L, et al. Surface temperature and water vapor retrieval from MODIS data. Int J Remote Sens, 2003, 24:

46、51615182Menzel M K, King M D, Menzel W P, et al. Airborne scanning spectrometer for remote sensing of cloud, aerosol, water vapor, and surface properties. J Atmos Ocean Tech, 1996, 13: 777794Gao B C, Goetz A F H. Column atmospheric water vapor and vegetation liquid water retrievals from airborne ima

47、ging spectrometer data. J Geophys Res-Atmos, 1990, 95: 35493564Reagan J A, Pilewskie P A, Scott-Fleming I C,et al. E*trapolation of earth-based solar irradiance measurements to e*oatmospheric levels for broad-band and selected absorption-band observations. IEEE T Geosci Remote, 1987, 25: 647653Froui

48、n R, Deschamps P Y, Lete P. Determination from space of atmospheric total water-vapor amounts by differential absorption near 940 nm: Theory and airborne verification. J Appl Meteor, 1990, 29: 448460Halthore R N, Eck T F, Holben B N, et al. Sun photometric measurements of atmospheric water vapor col

49、umn abundance in the 940-nm band. J Geophys Res-Atmos, 1997, 102: 43434352Qin Z, DallOlmo G, Karnieli A, et al. Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-dvanced very high resolution radiometer data. J Geophys Res-Atmos, 2001,

50、 106: 2265522670Jimnez-Muoz J C, Sobrino J A. Error sources on the land surface temperature retrieved from thermal infrared single channel remote sensing data. Int J Remote Sens, 2006, 27: 9991014利民, 余濤, 田慶久, 等. HJ-1B熱紅外遙感數(shù)據(jù)陸表溫度反演誤差分析. 光譜學與光譜分析, 2010, 30: 33593362胡秀清, 黃意玢. 利用940 nm衛(wèi)星遙感數(shù)據(jù)反演大氣水汽的方法比較與

51、應用分析. 氣象科技, 2010, 38: 581587Improvement of near infrared ratio method in troposphere water vapor estimation with airborne remote sensing dataWANG Liang1,2, ZHAO LiMin1,3, ZHAO YanHua4, *IE Yong1, DONG JianTing4, LIU JingWang5, YU Tao1,3 & GU *ingFa1,31Applied Earth Observation System Division, Insti

52、tute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;2School of Chemistry and Chemical Engineering, University of Chinese Academy of Sciences, Beijing 100101, China;3The Center for National Spaceborne Demonstration, Beijing 100101, China;4Beijing Institute of Space Machinery and Electricity, Beijing 100094, China;5North China Institute of Aerospace Engineering, Langfang 065000, ChinaUsing near-infrared radiance ratio between absorption channel (940 nm) and window channel (860 nm) to estimate water vapor content is a mon method to retrieve water va