針對NPP VIIRS數據的云檢測方法研究

夏 浪,毛克彪*,孫知文,馬 瑩

(1.中國農業科學院農業資源與農業區劃研究所,呼倫貝爾草原生態系統國家野外科學觀測研究站,北京 100081；2.廣州地理研究所,廣東 廣州 510070；3.航天恒星科技有限公司,北京100086)

針對NPP VIIRS數據的云檢測方法研究

夏 浪1,2,毛克彪1,2*,孫知文3,馬 瑩2

(1.中國農業科學院農業資源與農業區劃研究所,呼倫貝爾草原生態系統國家野外科學觀測研究站,北京 100081；2.廣州地理研究所,廣東 廣州 510070；3.航天恒星科技有限公司,北京100086)

為了獲得新型紅外成像輻射儀套件(Visible Infrared Imager Radiometer Suite, VIIRS)傳感器準確的云掩碼數據,克服當前VIIRS云檢測算法在中國區域存在的部分缺陷.本研究通過分析當前較為成熟的中分辨率光譜成像儀(Moderate Resolution Imaging Spectroradiometer,MODIS)云掩碼算法,結合VIIRS傳感器的波段特性,提出了適合中國區域的云檢測算法.針對1.38μm高(卷)云檢測算法在高海拔區域存在的限制,本研究使用亮溫進行輔助檢測,降低因低水汽含量造成的誤報;針對當前 VIIRS M12-M13云檢測閾值在我國存在誤報的問題,對M12-M13差值云檢測在我國適用范圍和閾值進行了分析討論,并使用亮溫輔助M12-M13進一步克服地表二項性反射造成的干擾.使用中國區域的兩景數據進行應用分析表明：亮溫輔助1.38um高(卷)云檢測能夠較好的抑制地表污染,亮溫輔助M12-M13差值云檢測比當前 VIIRS M12-M13云檢測能更好的抑制誤報.通過人工解譯,將檢測結果和解譯結果做了對比分析,實例數據檢測精度均高于85%,能夠滿足當前云檢測精度要求.

NPP；VIIRS；云檢測

輻射是地球保持自身能量平衡的唯一方式[1],云可以通過遮擋太陽和地表輻射來改變能量傳輸的過程,因而云在輻射收支平衡研究中扮演著重要的角色[2-3].另一方面,云能夠影響天氣狀況,在短期內主要表現在小范圍的天氣變化,在較長的時間尺度上影響大區域的氣候變化.因此,對覆蓋全球超過 70%的云進行相應的監測,對于地球輻射收支平衡、天氣預報和全球氣候變化的研究具有非常重要的意義.在20世紀前,人們對云進行觀測僅僅限于人工目視觀測,這種方式受人的主觀性影響大、觀測范圍小的限制,到 20世紀 50年代出現了地基自動觀測方法[4],該方法具有觀測時間周期短,精度高的特點,但觀測范圍較小的限制并沒有得到完全解決.氣象衛星一般具有較大的刈幅、較高的時間分辨率,因此利用衛星數據進行云監測能夠彌補前兩者觀測范圍小的缺陷,也便于在大尺度區域上對云進行監測.

1978年隨TIROS-N衛星升空的第一代甚高分辨率輻射儀(Advanced Very High Resolution Radiometer, AVHRR)傳感器因其具有良好的觀測性能,且較上一代掃描輻射計(Scan Radiometer, SR)有更好的空間分辨率,研究者對使用該數據進行云監測做了大量的研究.從第一代 AVHRR傳感器的出現到現在,研究者針對 AVHRR提出APOLLO(AVHRR Processing Scheme over Land, Clouds and Ocean)[5],CLAVR (Clouds from AVHRR)[6]等一些比較具有代表性的云檢測算法.搭載在Terra和Aqua衛星上的MODIS傳感器因其具高光譜分辨率、高空間分辨率的特性,在云檢測中受到很大的重視.當前針對 MODIS的各種云檢測方案中,以NASA MODIS云檢測小組提出的云檢測算法[7]最具有代表性.成立于1982年的國際衛星云氣候學計劃(International Satellite Cloud Climatology Project, ISCCP)針對各種衛星數據提出了ISCCP算法[8],此外,還有針對 CO2的薄片法[9]和其他衛星的云檢測方法[10-11],在國內有針對風云衛星[12]、基于紋理[13]、統計特征[14]等的云檢測方案.總體上來說,至 1988年Saunders和Kriebel[15]第一次闡述多光譜自動云檢測算法之后,針對極軌衛星的云檢測逐漸形成了圍繞AVHRR和MODIS這兩個具有代表性傳感器的研究體系.

現階段針對 VIIRS進行云檢測的研究還不多,Hutchison針對VIIRS傳感器各通道的參數,結合 MODIS云掩碼算法,于 2005年發布了首個VIIRS云檢測算法[16];2012年Hutchison通過使用全球合成數據(Global Synthetic Data, GSD)對VIIRS云檢測算法進行相應的調整[17].本文通過對MODIS云檢測算法和VIIRS數據特性進行分析研究,設計了相應的云檢測方案,最后針對中國區域使用了VIIRS數據對本研究結果進行了檢測.

1 VIIRS數據和云檢測原理

1.1 VIIRS數據介紹

2011年10月28日發射升空的Suomi NPP衛星為美國新一代極軌運行環境衛星系統預備項 目 (National Polar-orbiting Operational Environmental Satellite System Preparatory Project)的首顆衛星,NPP同時也是美國下一代對地觀測衛星,用來接替服役超期的 Terra、Aqua等,其攜帶包含VIIRS在內的五個對地觀測儀器,運行在升交點為 13∶30(地方時)的太陽同步軌道上[18].VIIRS傳感器共 22個波段,5個分辨率為375m的影像波段,分辨率為750m的DNB波段一個,16個分辨率為750m的可見光和紅外通道,總體上與MODIS傳感器較為相似.

1.2 云檢測原理

在可見光和近紅外波段,傳感器接收的輻射能可用式(1)表示

式中∶I為傳感器入口處的輻射能;Irg、Irc、Is分別代表地物反射、云層反射輻射、大氣粒子和云層的散射.云檢測以云和地物對不同波長電磁波有不同的反射和發射特性為基礎,結合不同的下墊面類型和地理位置,綜合運用各種方法對云和地物進行相應的區分識別,下面結合相應的波段分別闡述檢測原理.

1.2.1 1.38μm高(卷)云檢測 在以往的研究中,高(卷)云的檢測一般使用1.38μm、6.7μm、11μm、13.9μm等波段來進行.其中利用1.38μm波段進行云檢測的原理如下∶1.38μm處于水汽的強吸收處,當大氣中有一定的可降水量時[19]來自地表和中低云的輻射被大氣水汽吸收,進入傳感器的部分為高云反射的 1.38μm輻射能.但是對于一些高海拔,地表類型為沙漠的區域,大氣可降水量較少的情況下,此波段檢測高云會出現大量的誤報.針對高云的溫度一般低于地表的特性,采用通道來減少誤報,具體的做法是先利用 1.38μm通道檢測高云,對檢測結果為高云的區域進行通道亮溫檢查,如果該區域通道亮溫符合高云特性(這里要區分溫度較低的冰雪區域),那么認為此象元為高云.

1.2.2 紫光波段云檢測 VIIRSM1波段波長0.412μm,處于紫光范圍.如圖 1所示,云和雪比草地、土壤、沙粒在此波段具有更高的反射率(數據來源ASTER SPECTRAL LIBRARY,圖中藍色波段表示 VIIRSM1～M7各波段的波段寬度).根據該反射特性,MODIS云檢測算法將此波段用來檢測沙漠地區的云,盛夏[20]等用此波段來輔助海岸線附近云檢測.此波段受散射影響較強,當空氣分子粒徑α<<λ時,根據瑞利散射,此時波長較短的藍紫光比紅光所受的散射強約五倍,但在實際測試中,瑞利散射并不會影響檢測結果.大氣中氣溶膠對可見光產生米氏散射,對于不同粒徑的氣溶膠粒子,藍紫光有不同的散射強度,總體上是氣溶膠含量越高,散射越強,因此使用M1波段在氣溶膠含量高的區域容易造成誤報.此外,雪在該波長處反射率和云較為相似,兩者不易區分,該波段也不適用于雪覆蓋區域的云檢測.

圖1 幾種物質的反射波譜Fig.1 Reflectance spectrum of some materials

1.2.3 M12-M13云檢測 3.7μm和4.0μm位于中紅外區段,白天傳感器接收到的輻射較為復雜,既包含地物和云的發射輻射也包含反射的太陽輻射.在3.7μm處,由于反射的二向性存在以及反射輻射隨太陽方位角變化而變化,單一的使用3.7μm 通道進行云檢測較為困難[21].VIIRSM12和M13波段中心波長分別為3.74μm和4.05μm,其波段間隔較短,同一地物的反射和發射特性較為相似,如果將兩者進行相減,則能降低因太陽方位角變化而造成的閾值確定困難這一困擾. Hutchison等[15]通過對VIIRS進行GSD模擬后,給出了 M12-M13云檢測閾值,但在實際中發現,按照其給定的閾值進行云檢測會出現較大的漏檢和誤報,因此本研究對實際數據進行相應分析處理,統計了不同地類的M12-M13差值數據.表1是中國區域 2013年 1～3月份不同地表類型M12-M13波段的差值,其中方差表示采樣區域的均一性.對比分析可知∶ M12-M13差值在高原區域、冰雪、湖泊的差值較云的差值小,并且差距明顯,因此適合該區域的云檢測;在沙漠、植被覆蓋率低的平原區域, M12-M13差值與云相比并不大,因此在這些區域使用此差值進行云檢測可能會出現較大誤報.

表1 不同下墊面M12-M13差值Table 1 The difference between M12 and M13under different underlying surface

1.2.4 反射率比值 云檢測云在 0.86μm 和0.67μm 處的反射特性差別不大(圖 1),因此M7/M5比值大約為1.在水面區域,由于分子散射和氣溶膠散射使得短波的后向散射增強,M7/M5約為0.5左右[22];在海岸線附近,由于水中泥沙含量增加,0.86μm反射增強使得M7/M5上升,有可能達到 0.9,而海岸線上空的云,由于地表在0.86μm反射增加,M7/M5比值下降,最終導致M7/M5在海岸線附近檢測云容易出現漏檢,此外M7/M5也不適用于沙漠、冰雪等區域.

2 算法流程

表2 云檢測算法使用的波段Table 2 Bands used in the study

根據 1中云檢測原理,本研究所使用的云檢測波段如表 2,算法處理流程如下∶首先進行地表分類,得到沙漠、冰雪區域(高原)、高原、平原和海洋共五類地區.第二步通過 1.38μm 進行高云檢測,對檢測結果按不同的下墊面分別選取不同的閾值進行誤判檢測,排除因高海拔、沙漠區域的可降水量少而導致的地表輻射進入傳感器造成的誤判.第三步利用M12-M13對高原地區、冰雪覆蓋區域進行云檢測,為減少高原冰雪區域中沙漠和二向性反射造成的誤判,對檢測結果與通道亮溫進行比對,減少干擾;使用M1波段和進行沙漠地區的云檢測,通過 M12-M13排除沙漠地區河流、云陰影等亮溫較低區域的干擾.第四步綜合使用M1波段、M7/M5、M12-M13對平原地區進行云檢測,在海岸線區域使用 M1波段輔助M7/M5進行檢測,去除海岸線對比值檢測的影響.第五步,使用M12-M13波段對海洋區域進行云檢測,最后輸出云檢測結果.檢測中使用的閾值根據不同地類區域通過人工目視解譯結合自動分類得到動態閾值.

3 應用分析和精度評價

針對以上檢測方案,選取了中國區域兩景VIIRS數據進行檢測驗證.第 1個數據成像于2013年2月1日,北京時間14∶00,地理坐標范圍30.946854°N～50.734489°N,80.311111°E～121.326874°E,大致位置包括∶蒙古高原、青藏高原、華北平原部分和塔里木盆地,如圖2所示.第2個測試數據成像于2013年3月3日,北京時間12∶55,地理坐標范圍為 22°2'50.25''N～46°21'35.77"N, 98°55'24.02"E～138°4'53.06"E,包含我國東部區域、東海、朝鮮半島、日本海等,如圖3所示.圖2、3中的左圖是M5M4M3波段真彩色合成圖像,右圖是檢測后的結果,圖中黃色部分為高云,白色區域為非高云,綠色代表陸地,藍色代表海洋.通過目視對比觀察圖 2可知檢測方案能夠較好的識別青藏高原區域的高云,對被冰雪覆蓋的蒙古高原,檢測方案也具有較好的區分能力,成功的檢測出了下墊面類型為冰雪的云.在圖 3中,M12-M13波段在海洋區域取得了較好的檢測效果,南方丘陵和上海、天津等海陸邊界區域的云也具有較好的檢測效果,沒有出現因海陸交界處水中泥沙含量增加導致的誤檢.

圖4截取于測試數據1,該區域位于青海湖附近(未進行幾何校正),海拔為 3000～4500m,左圖是紅綠藍三波段真彩色合成圖像,通過觀察該圖紋理和陰影可知圖像的上部區域有部分朵狀云,中下部區域的白色則為高山積雪.右圖中紅色區域是1.38μm的M9波段在判識高云時不進行亮溫檢測得出的誤檢結果,黃色為通過亮溫檢查檢測出的云,很明顯,由于該區域海拔較高,空氣中水汽含量少,來自冰雪覆蓋區域的反射輻射直接進入傳感器造成了誤檢.位于青海湖右上角一朵狀云的邊緣區域為部分紅色所包圍,該紅色區域代表漏檢.由于云層邊緣區域亮溫受周圍地物影響較大,或者邊緣區域的云層較薄而導致邊緣區域的亮溫高于云層中心區域亮溫,因而使用通道進行亮溫檢測會存在一定的漏檢,但相對于圖中出現的誤報,漏檢的比例很小,因此使用輔助檢測是有效的.

圖5是本文檢測方案和NPP官方云檢測結果的部分對比,該區域位于內蒙古河套灌區,左圖是VIIRS M5M4M3真彩色合成,圖中灰白色區域為結冰的黃河河面,上部區域是河套平原,中間和右圖分別是NPP官方和本研究算法檢測結果.從圖5中對比可以看出,NPP官方檢測結果存在一定的誤報,將結冰的黃河面誤報為云,而本文通過采用輔助M12-M13來抑制冰雪覆蓋區域由二項性反射造成的誤報,取得了較好的檢測結果.

圖2 測試數據1云檢測結果,真彩色(左)和檢測結果(右)Fig.2 Original image of the test data one for the study(left), the result of cloud detection (right)

圖3 測試數據2云檢測結果,真彩色(左)和檢測結果(右)Fig.3 Original Image of the test data two for the study (left), the result of cloud detection (right)

圖4 輔助1.38μm檢測結果比較,真彩色(左)和檢測結果(右)Fig.4 Comparison of the result of the auxiliary 1.38μm, original image of the study (left), the result of cloud detection (right)

圖5 本文檢測結果與VIIRS官方檢測結果比較,真彩色(左)、官方結果(中)、檢測結果(右)Fig.5 Comparison of the result between this study and the NPP official, original image of the study (left), the result of the NPP official (middle), the result of this study (right)

在認定人工解譯結果為實際云量情況下,表3是本檢測方案的檢測精度分析,其中表 3中檢測精度的計算公式如式2

式中P代表檢測精度,Nd和Nr分別代表檢測出的有云像元數量和實際像元數量,如 Nd>Nr,則檢測結果為誤報,否則是漏檢.需要指出的是表中最后一列的精度并不代表整體檢測精度,其受每地類像元比例以及漏檢和誤報比例的影響,在此列出僅供參考.從表中可知高原冰雪區域漏檢較多,原因在于在高海拔地區云層邊緣區域或較薄的云層其亮溫和高云中心區域亮溫差別較大造成的漏檢;沙漠地區誤報率較高;海洋地區整體檢測效果較好.從總體精度和各個地類檢測精度上來看,本云檢測方案精度較高.

表3 云檢測精度評價Table 3 Results of accuracy assessment for the study

4 結語

通過使用中國區域的實際數據對檢測方案進行驗證表明∶利用輔助高云檢測能夠抑制低水汽含量對 1.38μm高云檢測造成的誤報,盡管存在一定漏檢,但總體上能取得較好的檢測效果;M12-M13波段差值在一定程度上能夠削弱二向性反射的影響,從而使得閾值的確定簡單化,輔助該差值在高原區域進行云檢測能夠進一步的抑制二項性反射造成的影響;從各個地類檢測精度上看,本研究方案在沙漠地區誤報較高,高原區域存在一定漏檢,其它地區檢測精度較高,總體檢測精度均高于 85%,滿足美國極軌運行環境衛星 系 統 (National Polar-orbitingOperational Environmental Satellite System, NPOESS)對檢測精度不低于85%的要求.

本研究僅針對中國區域數據進行了驗證,其他區域并未進行相應的分析和真實數據檢測驗證,因此下一步將對本研究在其他區域的檢測效果進行相應的研究,使得本算法能夠更好的為氣候變化和輻射收支平衡研究提供更為精準的云掩碼數據.

[1] Randall D A, Corsetti T G. Earth radiation budget and cloudiness simulations with a general circulation model [J]. Journal of the Atmospheric Sciences, 1989,46(13)：1922-1922.

[2] Kazantzidis A, Eleftheratos K, Zerefos C S. Effects of cirrus cloudiness on solar irradiance in four spectral bands [J]. Atmospheric Research, 2011,102(4)：452-459.

[3] 陳勇航,白鴻濤,黃建平,等.西北典型地域云對地氣系統的輻射強迫研究 [J] 中國環境科學, 2008,28(2)：97-101.

[4] Guffie K Mc, Henderson-Sellerst A. Almost a century of couds cover the whole-sky Dome [J]. BulletinAmerican Meteorological Society, 1989,70(10)：1243-1253.

[5] Kriebel K T, Gesell G , Kaestner M, et al. The cloud analysis tool APOLLO： Improvements and validations [J]. Journal of Remote Sensing, 2003,24(12)：2389—2408.

[6] Stowe, Davis P A, Mcclain E P. Scientific basis and initial evaluation of the CLAVR-1global clear cloud classification algorithm for the advanced very high resolution radiometer [J]. Journal of Atmospheric and Oceanic Technology, 1999,16(6)：656—681.

[7] Frey R A, Ackerman S A, Liu Y, et al. Cloud detection with MODIS. Part I： Improvements in the MODIS cloud mask for collection 5 [J]. Journal of Atmospheric and Oceanic Technology, 2008,25(7)：1057-1072.

[8] Rossow W B, Garder L C. Cloud detection using satellite measurements of infrared and visible radiances for ISCCP [J]. Journal of Climate, 1993,6(12)：2341-2369.

[9] Saunders R W, Kriebel K T. An improved method for detecting clear sky andcloudy radiances from AVHRR data [J]. International Journal of Remote Sensing, 1988,9(1)：123-150.

[10] Knudby A, Latifovic R, Pouliot D. A cloud detection algorithm for AATSR data, optimized for daytime observations in Canada [J]. Remote Sensing of Environment, 2011,115(12)：3153-3164.

[11] Derrien M, Le Gleau H. Improvement of cloud detection near sunrise and sunset by temporal-differencing and region-growing techniques with real-time SEVIRI [J]. International Journal of Remote Sensing, 2010,31(7)：1765-1780.

[12] He Q J. A daytime cloud detection algorithm for FY-3A/VIRR data [J]. International Journal of Remote Sensing, 2011,32(21)：6811—6822.

[13] 郁文霞,曹曉光,徐 琳,等.遙感圖像云自動檢測 [J]. 儀器儀表學報, 2006,27(6)：2184-2186.

[14] 劉向培,王 毅,石漢青,等.基于統計特征的中國東南沿海區域云檢測 [J]. 中國圖象圖形學報, 2010,15(12)：1783-1789.

[15] Wylie, D P, Menzel W P, et al. Four years of global cirrus cloud statistics using HIRS [J]. J. Climate, 1994,7(12)：1972-1986.

[16] Hutchison K D, Roskovensky J K, Jackson J M, et al. Automated cloud detection and classification of data collected by the Visible Infrared Imager Radiometer Suite (VIIRS) [J]. International Journal of Remote Sensing, 2005,26(21)：4685.

[17] Hutchison Keith D, Iisager B D, Hauss B. The use of global synthetic data for pre-launch tuning of the VIIRS cloud mask algorithm [J]. International Journal of Remote Sensing, 2012, 33(5)：1400-1423.

[18] Schueler C F, Lee T F, Miller S D. VIIRS constant spatial-resolution advantages [J]. International Journal of Remote Sensing, 2013,34(16)：5761-5777.

[19] Gao B C, Goetz A F H. Cirrus cloud detection from Airborne imaging spectrometer data using the 1.38Water Vapor Band [J]. Journal of Geophysical Re-search Letter, 1993,20(4)：301-304.

[20] 盛 夏,孫龍祥,鄭慶梅.利用MODIS數據進行云檢測 [J]. 解放軍理工大學學報：自然科學版, 2004,5(4)：98-102.

[21] Xiong X, Storvold R, Stamnes K, et al. Derivation of a threshold function for the Advanced Very High Resolution Radiometer 3.75mm channel and its application in automatic cloud discrimination over snow/ice surfaces [J]. International Journal of Remote Sensing, 2004,25(15)：2995—3017.

[22] 王家成,楊世植,麻金繼,等.東南沿海MODIS圖像自動云檢測的實現 [J]. 武漢大學學報(信息科學版), 2006,31(3)：270-273.

Cloud detection application on NPP VIIRS.

XIA Lang1,2, MAO Ke-biao1,2*, SUN Zhi-wen3, MA Ying2
(1.National Hulunber Grassland Ecosystem Observation and Research Station, Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China；2.Guangzhou Institute of Geography, Guangzhou 510070, China；3.Space Star Technology Company Limited, Beijing 100086, China). China Environmental Science, 2014,34(3)：574～580

Cloud is an important factor that affects global climate change, so the research of cloud monitoring is very important. In order to identify pixel as cloudy or clear from the Visible Infrared Imager Radiometer Suite (VIIRS) sensor and overcome the shortage of current VIIRS cloud mask algorithm in China, this paper made an introduction for the basic theory of current cloud detection algorithm, and then the cloud detection method was presented.The brightness temperature of was used to detect high cloud to overcome the limit of using 1.38 μm in elevated surface, and the appropriatethreshold of M12-M13 cloud detection was determined by some analysis. Application analysis showed that the method presents in this paper could be used to accurately detect the cloud, and the brightness temperature auxiliary M12-M13and 1.38 μm could inhibition the surface reflection. With the artificial interpret of the remote sensing image, the results showed the estimation accuracy was higher than 85% which can satisfy the requirements of the cloud detection accuracy for the National Polar-orbiting Operational Environmental Satellite System (NPOESS) program.

NPP；VIIRS；cloud detection

X82

：A

：1000-6923(2014)03-0574-07

夏 浪(1989-),男,湖北仙桃人,中國農業科學院碩士研究生,主要從環境遙感研究.發表論文5篇.

《中國環境科學》2011年度引證指標

《中國環境科學》編輯部

2013-06-25

國家“973”項目(2010CB951503);國家科技支撐計劃(2013BAC03B00)

* 責任作者, 副研究員, kebiao67@126.com

根據《2012年版中國科技期刊引證報告(核心版)》,《中國環境科學》2011年度引證指標繼續位居環境科學技術、安全科學技術類科技期刊前列,核心影響因子1.523,學科排名第1,綜合評價總分79.2,學科排名第2;在被統計的1998種核心期刊中影響因子列第18位,綜合評價總分列第52位.《中國科技期刊引證報告》每年由中國科學技術信息研究所編制,統計結果被科技管理部門和學術界廣泛采用.