EOS衛星上基于MODIS云產品的AIRS像素云檢測

王丹鳳，張記龍，王志斌，陳媛媛，陳友華

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

電視信號的接收與衛星數據密不可分，因此衛星數據的前期處理尤為重要。而數據的獲得首先需要對衛星輻射云圖進行精確的云檢測。載在地球觀測系統EOS衛星上的高光譜大氣紅外探測器AIRS（Atmospheric Infrared Sounder）[1]、靜止氣象衛星GOES-R上的HES（Hyperspectral Environmental Suite）、美國極軌氣象衛星NPOESS上的CrIS（Crosstrack Infrared Sounder）以及歐洲極軌氣象衛星METOPA上搭載的紅外大氣探測干涉儀IASI（Infrared Atmospheric Sounding Interferometer），都可提供高精度的大氣溫度、濕度、云結構的三維遙感觀測信息[2]。但是目前AIRS，HES，CrlS，和IASI上的云檢測還依賴于低光譜分辨力探測器上提供的有限的云特性[3]。AIRS光譜分辨力高，提供的云特性產品具有較高的精度，但是空間分辨力（13.5 km）較低。

載在地球觀測系統EOS Terra和Aqua衛星上的中分辨力成像光譜儀MODIS（Moderate Resolution Imaging Spectroradiometer）提供了1 km的多譜線空間分辨力。包括1 km空間分辨力的云掩膜[4]、分類掩膜[5]、云相位[6]、5 km空間分辨力的云高壓強、有效云量（被定義為云發射率和部分云覆蓋產品）[7]、云粒子大小、可見波段的云光學厚度[8]。

目前業務上使用的AIRS云檢測是由落在每個AIRS視場中的空間匹配的1 km MODIS云分類產品客觀確定的[9]。然而，不僅僅是云檢測，相應的1 km MODIS分類掩膜也有助于確定AIRS視場內是部分或者全部被云覆蓋，確定是單層云還是多層云。相對應的1 km MODIS云相態可以提供AIRS視場內是否包含水云、冰云，或混合云相位信息，這些信息在云微觀物理特性反演中是必需的。在AIRS視場內結合使用AIRS和MODIS數據不僅可以更精確地反演AIRS云層輻射測量內的云參數，而且為聯合使用先進的成像儀和探測器進行研究提供了機會。

成像儀和探測器結合使用的關鍵步驟是：1）空間和時間上的搭配；2）成像儀的云量、云類型和像素的相位檢測。MODIS地表信息類型包括水、陸地、荒漠、雪等；云層信息包括低云、中云、高云；相位信息包括水云、冰云或混合云相位。這些信息和每一個AIRS視場都需要有很好的匹配。本文利用基于幾何掃描特性的空間匹配算法，結合MODIS云分類掩膜、云相態掩膜產品，運用MODIS云檢測算法，利用MODIS數據實現了AIRS像素的云特性檢測。

1 MODIS和AIRS的空間匹配算法

1 km空間分辨力的MODIS與AIRS視場是相匹配的。基于幾何掃描的空間匹配算法已經在業務中使用[1]。每一個AIRS的探測視場可被描述為在星下點為圓形，隨著掃描角增大，變為類似于雞蛋型。AIRS的星下點視場直徑大約為13.5 km。假設已知衛星高度為h km，則AIRS像素與重疊的MODIS觀測值之間最大的可能角度差（θmax：弧度rad）可表示為：θmax=(5 7.29578×13.5)/(2 h)。

衛星與AIRS的斜距（衛星與AIRS在地球上的像素點之間的距離）和衛星與MODIS之間的斜距的夾角如果小于θmax，就認為MODIS點落在AIRS視野內。根據AIRS與MOIDS斜距間夾角的大小，給每一個落在AIRS視野中的MODIS像素點賦予一個權重值：若MODIS像素點落在AIRS橢圓視野的中心，則為1；若落在邊緣，則為0。如果兩個儀器提供的幾何信息都是精確的，那么匹配算法的精度可達到1 km。

2 MODIS云檢測

2.1 MODIS地表和云分類檢測

MODIS輻射的分類或聚類是數據分析和圖像分割的重要部分。用MODIS輻射測量對地表和云類型自動分類的方法已經被開發應用[5]。訓練區由MODIS云掩膜信息來定義。基于極大似然法對地表和云類型進行分類。最初的分類結果為后來的迭代次數定義訓練區。當像素轉換級別比預定的數量少，或者當其他條件得到滿足時，迭代結束。在類別里的光譜和空間域中的平均向量被用來類別識別和產生MODIS景中的最終1 km分辨力掩膜。在MODIS分類中使用3個參數類型（輻射、輻射強度的差異和光譜亮溫的差異）。所有的變量都是1 km的分辨力。MODIS分類掩膜把每一個MODIS像素分為表面（陸地、水、雪、沙漠等）和云（低云、中云、高云等）類型。

2.2 MODIS云相態檢測

若要進一步判斷云特性，還需要用到MODIS云相態檢測。本文使用的是業務上的MODIS云相態檢測算法。在8.5～11 μm波段，水滴和冰晶微觀物理和光學性質的不同是云相位推理的基礎[5]。輻射傳輸模擬表明在8.5～11 μm波段亮溫值（下文表示為BT8.5—11）的不同往往表示為冰云有大于1的光學厚度，水云有小于-2 K的光學厚度。由于水汽廓線的增加和在8.5 μm表面發射率的減少，低云在BT8.5—11的值將變現為更低。利用BT8.5—11的云相位檢測的方法在白天和晚上都可以使用。這種目前正在業務上使用的紅外相位算法將每個MODIS云像素都被標記為不確定相、混合相、冰或者水。通過判斷空間匹配的MODIS像素點的云相態就可判定AIRS像素的云相態。

3 用匹配的MODIS產品檢測AIRS像素云特性

圖1是2002年9月6日AIRS景193在通道763（波數901.69 cm-1）的亮度溫度（BT）圖。冷云由藍色（冷色調）表示。方框中的區域（A1，A2，A3）是選擇研究的區域。（編者注：本文彩圖見www.VideoE.cn。）

圖1 2002年9月6日AIRS景193在通道763（波數901.69 cm-1）的亮度溫度圖

根據上述幾何掃描空間匹配算法，圖2顯示了研究區A1（圖1方框中的研究區域）中與AIRS視野匹配的MODIS 11 μm的亮溫圖。

圖2 研究區域A1中與AIRS視野匹配的MODIS 11 μm的亮溫圖

圖中的圓圈代表AIRS視野，由MODIS 1 km云產品決定其明暗。暖的亮溫值代表中低云或者地表，冷的亮溫值代表高云。從圖中可看出，大部分視野中的AIRS值是均勻的。每個AIRS視野中大概有100～200個MODIS像素點。借助于高空間分辨力的MODIS觀測值，一些AIRS視野可顯示出更精確的云特性。

通過匹配算法和MODIS云特性產品，結合上述MODIS云特性檢測算法，可以實現AIRS的云檢測，如圖3所示。

圖3 與2002年9月6日AIRS 193景匹配的MODIS 1 km云相態產品和云分類產品

由圖可知，MODIS云相態掩膜很好地檢測出了AIRS視野中的冰云和水云，MODIS分類掩膜產品很好地檢測出了AIRS視野中的單層高云或低云。云相態產品上的水云和冰云的模式和MODIS云分類產品上的低云、高云模式是類似的。也就是說，MODIS云相態產品中對冰云或者水云的確認相當于MODIS分類產品中對單層云的確認；有些AIRS視場中存在混合云相態，相當于分類產品中的多層云。因此，用與AIRS視野匹配的1 km空間分辨力的MODIS云分類掩膜產品還可以確定每一個AIRS視野中有幾層云的存在，如圖4所示。這對于單個AIRS視野中檢測AIRS云輻射測量中的單層、多層云參數的初始反演中是很重要的。

圖4 2002年9月6日，由MODIS 1km云分類掩膜產品檢測的AIRS視場（見圖3中的覆蓋區域）

圖4顯示了由匹配的MODIS 1 km云分類掩膜產品檢測的AIRS視場中的晴空視場（藍色），單層云視場（綠色）和多層云視場（紅色）（見圖3中覆蓋的區域）。

由圖可看出，大約55%的AIRS視場是晴空，22%是單層云，23%是多層云。這與圖1在直觀視覺上吻合得很好。另外，與AIRS視野匹配的MODIS分類掩膜產品還可以驗證云參數反演，例如有效云量和云光學厚度。進一步驗證其精確度及云參數等的檢測，還需后續工作的研究。

4 結論

利用幾何掃描的空間匹配算法，業務上的MODIS云分類算法和MODIS云相態算法，用與AIRS視野相匹配的1 km空間分辨力的MODIS云產品，可以檢測出AIRS云輻射測量的云性能。MODIS云相態掩膜能很好地檢測出來AIRS視野中的冰云和水云。并與用空間匹配的MODIS云分類產品檢測出的低云和高云有很好地對應。這在云微觀物理特性方面對AIRS像素云相位特征進行檢測是很重要的，因為云散射模型需要云相位信息。MODIS分類掩膜產品能很好地檢測出AIRS視野中的單層高云和低云，并確定每一個AIRS視野中有幾層云的存在。這為AIRS的廓線檢測和認證提供了重要信息。

本文利用空間匹配的MODIS產品實現了對AIRS像素的云檢測。精確的云檢測為衛星數據的處理提供了先決條件，更是為地面接收衛星信號完成了至關重要的第一步。

[1]AUMANN H H.AIRS/AMSU/HSB on the aqua mission：design，science objectives，data products，and processing systems[J].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]SCHMIT T J，LI J，MENZEL W P.Advanced baseline imager（ABI）for future geostationary operational environmental satellites（GOES-R and beyond）[C]//Proc.SPIE 2002.[S.l.]：SPIE Press，2002：111–122.

[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，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，MENZEL W P.Improvement in thin cirrus retrievals using an emissivity-adjusted CO2 slicing algorithm[J].Journal of Geophysical Research，2002，107（3）：4327–4339.

[8]KING M D.Cloud and aerosol properties，precipitable water，and profiles of temperature and water vapor from MODIS[J].IEEE Trans.Geoscience and Remote Sensing，2003，41（2）：442–458.

[9]官莉，王振會.用空間匹配的MODIS云產品客觀確定AIRS云檢測[J].氣象科學，2007，27（5）：516–521.