雪對MODIS短波反照率產品質量的影響

吳宏伊，童 玲

(電子科技大學自動化工程學院 成都 611731)

地表反照率是衡量地表能量收支、影響氣候變化的重要參數[1]。在衛星遙感應用中，反照率用于多種遙感產品的生產，如葉面積指數、植被面積指數等，同時它也是地表覆蓋分類等研究的基礎[2-3]。雪由于有高反射率特性，只能吸收少量的輻射能量，能夠顯著影響地氣系統能量平衡[4]。因此，雪的反照率特性是全球反照率監測和應用的重要部分。

由于具有大范圍、長時間觀測的優點，遙感衛星已經廣泛應用于地表反照率監測。MODIS的地表反照率產品具有中等分辨率、覆蓋全球、時間跨度大(2000年到現在)的特點，是最為廣泛使用的地表反照率產品。它具有較高的空間分辨率，能提供連續的多年地表反射率數據，反映地表反射特性的日、季節和年度變化。利用冰雪覆蓋的格陵蘭島上的站點實測數據，已經證實了MODIS雪反照率產品質量低于植被地區的反照率質量[4-5]。除了像格陵蘭島這樣由純冰雪覆蓋的地區，在很多中高緯度的植被地區，季節性的降雪同樣會顯著影響地表反照率的反演質量。這些地區的地表反照率產品質量受雪的影響還未得到量化和評估。

以地面站點的觀測數據對衛星產品進行驗證和評估是將其應用于環境科學的基礎[6]。本文針對不同地表植被類型，以美洲的19個地表站點的實測數據為基礎，全面評價MODIS的地表短波反照率產品質量，并針對雪的影響，提出量化的質量分析。

1 MODIS地表反照率反演

MODIS的反照率算法是基于16天內累積的方向反射率數據對地表反射率模型進行反演。傳感器獲取的天頂反射率數據經大氣矯正產生地表方向反射率數據。在16天時間內得到的反射率數據被累積在一起，含有不同的觀測視角信息，用它們擬合半經驗的地表反射率模型可確定模型的相關參數，進而計算任意角度的方向反射率及半球反照率。反演中使用的半經驗模型是RTLSR(ross-thick-lisparse-reciprocal)模型，它具有一個常數項和兩個核的線性核驅動模型[7]：

式中，R是地表二向反射率；l是波長；q￠、q分別代表太陽入射輻射方向和衛星傳感器的觀測方向；是模型的3個待定參數；kvol和kgeo分別代表體散射核和幾何光學核。

MODIS提供3個可見光和4個近紅外波段的窄帶反照率產品，其波長范圍分別為0.62~0.67 μm、0.84～0.87 μm、0.46～0.48 μm、0.54～0.56 μm、1.23～1.25 μm、1.63～1.65 μm及2.11～2.15 μm。同時，通過太陽輻射光譜和各波段濾波器透過率函數[8]，可將窄帶反照率轉換為寬帶反照率，由此產生的短波寬帶反照率覆蓋了0.3～5.0 μm的波長范圍。

2 數據處理

MODIS搭載在美國地球觀測系統計劃中的Terra和Aaqua衛星上，是被動式成像分光輻射計，共有490個探測器，分布在36個光譜波段，覆蓋了從0.4～14.4 μm的光譜范圍。本文采用結合了Terra和Aaqua兩顆衛星的觀測數據生產的1 km分辨率的地表短波反照率產品(MCD43B3)。

MODIS的地表反照率、BRDF產品具有質量控制文件(MCD43B2)，可以用于區別MODIS反照率產品是否受到雪的影響。雪在可見光波段具有高反射特性，而在近紅外波段反射率較低[9]。利用雪的這種特性，MODIS的第4波段(可見光)和第6波段(近紅外)的觀測數據可以用來鑒別地表是否有雪覆蓋。當MODIS反照率算法的16天時間窗口內的大部分地表反射率數據是對有雪地表的觀測，并且這些受雪影響的數據進入反演算法時，反照率產品的質量控制數據就將其標記為有雪的產品[10]。通過這個質量控制數據，全部19個站點的反照率產品被分為沒雪和有雪兩類，并分別進行質量評估。

表1 站點信息

AmeriFLUX是全球微氣象觀測網絡FLUXNET的重要組成部分。它建于1996年，能提供半小時的高時間分辨率的CO2、水、能量和動力學等生態和環境參數測量數據。AmeriFLUX的超過120個地面站點覆蓋了北美、中美和南美的廣大區域。AmeriFLUX的2級標準數據文件包含了豐富的測量信息，包括輻射能量、溫度、CO2濃度和土壤水等。在信息缺失的時間點上都有統一的填充信息，便于區別和使用。本文選取了19個AmeriFLUX站點，選擇的依據主要是緯度范圍在中緯到高緯地區，這樣在冬春季節可以觀測到植被-雪混合地表的反照率數據。表1總結了站點的位置和植被信息。在驗證中，地面站點的短波反射輻射與入射輻射的比值作為地表反照率測量值用于與MODIS反照率進行對比和統計分析。由于MODIS的地表反照率是通過16天內的反射率數據反演得到的，它反映了這個時間區間內地表反照率的總體情況。相應的地面站點數據進行了16天累積平均處理。作為近極地軌道衛星，Terra和Aqua用于生產反照率產品的觀測數據分別在當地時間10:30和13:30采集，即進入反演過程的數據是集中在當地時間的正午前后采集的。對應于MODIS的觀測時間，每天正午前后2 h內的站點數據被選取來進行平均處理。

3 結果及分析

圖1顯示了2005年的MODIS短波地表反照率與AmeriFLUX站點數據的對比結果。有些站點沒有顯示出全年的對比情況，這是由于衛星產品或地面實測數據在某些時間出現了缺失，圖中僅顯示了能進行對比分析的數據。在UCI_1850、UCI_1930、UCI_1964、UCI_1981、Metolius_Intermediate_Pine、Barlett_Experimental_Forest、UMBS、Willow_Creek這8個由森林覆蓋的站點，夏秋季節的地表反照率表現出明顯的濃密植被反照率的特點，反照率值保持在0.1左右。其他11個站點的植被覆蓋矮小或稀疏一些，反照率值有所上升，在0.2左右。在沒有雪的影響時，MODIS的反演質量非常好，與地面實測值幾乎一致。從圖中有雪的標注(十字符號)位置，可以看出較大的誤差幾乎都出現在地表有雪覆蓋的情況。對MODIS反照率數據和地面實測數據進行統計分析，表2總結了統計結果。各個站點的平均偏差在0.01～0.06之間，均方根誤差一般都在0.05～0.07之間。下面，各種植被類型的數據將區別有無雪的影響進行具體地評估。

針對常綠針葉林、草地、濕地、灌木林和農田這5種植被類型，本文分別統計了沒雪和有雪的情況下，MODIS短波反照率反演質量的指標。從圖1中可以看出，在Barlett_Experimental_Forest、UMBS、Willow_Creek這3個植被覆蓋為落葉闊葉林的站點缺乏有雪標記的數據，因此沒有對這3個站點評估雪的影響。但是，從圖1中這3個站點的對比結果中可以看出，在2005年前100天時間內，地面實測的反照率值在0.2～0.3，結合此時處于冬-春季節，可以判定這段時間內的MODIS產品出現的較大反演誤差正是由雪引起的。這說明MODIS地表反照率的質量控制數據存在對雪覆蓋的誤判或漏判的情況。

圖1 2005年的MODIS短波反照率數據(圓圈)與AmeriFLUX站點實測反照率(星形符號)的時間序列對比

圖2 5種植被類型以及全部數據統計結果的柱狀圖

圖2是5種植被類型以及全部數據的反演誤差(Bias)、均方根誤差(RMSE)和標準差(STD)的柱狀圖。從中可以看出，除了濕地的反演誤差，其他所有的反演性能在有雪的影響時都有所下降。

表2總結了反演質量統計數據。

雪對MODIS地表反照率產品產生影響最大的是常綠針葉林。沒有雪覆蓋時，常綠針葉林的反照率產品的反演誤差為-0.002 3，均方根誤差為0.023 0，標準差為0.011 4。在有雪時，這些指標分別為0.082 5、0.108 5、0.086 6，都存在多倍的性能下降。其他4種植被類型的反照率反演性能受雪的影響也有所下降。綜合所有數據，總的反演誤差絕對值受雪影響從0.020 6增至0.035 5，均方根誤差從0.057 2增至0.121 7，標準差從0.053 9增至0.187 0。總的來說，在沒有雪的情況，MODIS短波反照率產品具有很高的反演質量，在有雪覆蓋時，反演質量有所下降，其中以常綠針葉林的反照率產品受雪影響最大。由于衛星像元和地表觀測的尺度差異，在像元的大觀測范圍內，很難滿足均勻的雪覆蓋，這種由雪引起的不同尺度上的地表不均一性是反演質量下降的原因之一。尤其在森林中，雪在植被冠層停留的時間遠遠少于地面積雪的時間，另外位于觀測塔頂的輻射度計觀測的通常是其下方的小區域，而衛星傳感器獲取的是較大范圍內植被冠層、地表混合的輻射信息，這些因素引起了常綠針葉林站點的MODIS反照率在有雪時質量顯著下降。另一方面，雪的積累和融化引起的地表情況變化比植被生長引起的地表變化迅速得多。此時在MODIS反演時間窗口內累積的地表反射率數據很難滿足地表情況不變的假設，地表反射率模型對反射率數據的模擬能力下降也可能引起反照率反演質量下降。

表2 各站點反演質量統計結果

4 結論與討論

本文通過區別MODIS地表短波反照率產品是否受到雪的影響，分別評估了有雪和沒雪這兩種情況的反照率產品。涉及的5種地表植被類型的反照率產品在有雪覆蓋時質量都有所下降，其中常綠針葉林受影響最大。

對于由冰雪引起的反照率反演質量下降，可以從以下方面進行改進：由于現行的衛星反照率反演采用的地表反射率模型都不是以冰雪的反射率特性為基礎建立的，提高地表反射率模型對冰雪反射率的模擬能力可以改善這一問題；另一方面，利用長時間、多地區的反照率數據建立冰雪地表反照率的經驗信息，可以作為冰雪反照率反演時的背景場，提高反演質量。

[1] LIANG S. Quantitative remote sensing of land surfaces[M].New Jersey: John Wiley &Sons, Inc, 2004.

[2] BICHERON P, LEROY M. Bidirectional reflectance distribution functon signatures of major biomes observed from space[J]. J Geophys Res, 2000, 105(21): 26669-26681.

[3] MAIGNAN F, BRE′ON F, LACAZE R. Bidirectional reflectance of earth targets: Evaluation of analytical models using a large set of spaceborne measurements with emphasis on the Hot Spot[J]. Remote Sens Environ, 2004(90):210-220.

[4] STROEVE J C, BOX J E, HARAN T. Evaluation of the MODIS (MOD10A1) daily snow albedo product over the Greenland ice sheet[J]. Remote Sens. Environ, 2006, 105(2):155-171.

[5] WANG K, LIANG S, SCHAAF C L, et al. Evaluation of moderate resolution imaging spectroradiometer land surface visible and shortwave albedo products at FLUXNET sites[J].J Geophys Res, 2010(115): D17107.

[6] MORISETTE J T, PRIVETTE J L, JUSTICE C O. A framework for the validation of MODIS land products[J].Remote Sens Environ, 2002(83): 77-96.

[7] JIN Yu-Fang, GAO Feng, SCHAAF C B. et al. Improving MODIS surface BRDF/Albedo retrival with MISR Multiangle Observations[J]. IEEE Trans Geosci Remote Sensing, 2002, 40(7): 1593-1604.

[8] LIANG S. Narrowband to broadband conversions of land surface albedo I algorithms[J]. Remote Sens Environ,2000(76): 213-138.

[9] WISCOMBE W J, WARREN S G. A model for the spectral albedo of snow, I: Pure snow[J]. J Atmos Sci, 1980(37):2712-2733.

[10] JIN Yu-fang, SCHAAF C, GAO Feng, et al. How does snow impact the albedo of vegetated land surfaces as analyzed with MODIS data?[J]. Geophysical Research Letters, 2002, 29(10): 1374.