全天空成像儀云量計算方法的改進

周文君，牛生杰，許瀟鋒

(1．南京信息工程大學中國氣象局大氣物理與大氣環境重點開放實驗室，江蘇南京210044;2．江蘇省鹽城市氣象局，江蘇鹽城224000)

0 引言

云是表征天氣、氣候特點的重要因素之一，也是大氣動力、熱力、水分輸送過程綜合作用的外在表現。云對地氣系統輻射平衡影響很大，其輻射強迫對地球氣候變化有著非常重要的作用(陳洪濱，1997;Long and Thomas，2000;Calbo and Pages，2002;Long，2004)。因此，對云的探測極為重要。目前，已經有一系列的探測手段對云的各個要素進行觀測分析，例如:飛機穿云觀測云中微物理特征，衛星遙感為云的分布及微物理特征量的研究提供了重要依據，以及地面對云的目測或使用地基測云儀測量云量、云高等(陳渭民等，1997;宋慶利，2003;Martins et al．，2003)。

隨著科技的不斷進步，地基測云儀的技術也得到了快速發展。美國大氣輻射研究機構為了定量研究云量對輻射的影響，與國家海洋大氣科研所以及氣候能源工作實驗室合作研發了半球天空成像儀(hemispheric sky imager，HSI)。該儀器可以在白天拍攝全天空160°范圍內的圖像。Long and Deluisi(1998)詳細地介紹了 HSI儀器的觀測原理和計算方法，并對HSI的云量觀測資料進行了分析，結果表明:HSI儀器的觀測結果比衛星和雷達的觀測結果更精確。之后，在美國YANKEE公司的合作之下，HSI被發展為TSI-440(total sky imager 440，全天成像儀)。該儀器在圖像處理技術及構建方面均取得了進一步發展，是目前使用較為廣泛的地基測云儀。

TSI-440儀器可以自動進行全天空云量的持續性觀測，時空分辨率較高，得到的云量計算結果較人工目測、衛星探測的結果更精確(Hodges，1998)。Long et al．(2001)使用獨立的分析方法將TSI儀器的觀測結果與WSI儀器(whole sky imager)觀測結果進行對比分析，發現兩者相關性較好。

此外，Sabburg and Long(2004)和 Sabburg and Parisi(2008)使用TSI-440儀器觀測云量，并根據云量的變化，分析云對紫外輻射增強的作用。Calbo and Sabburg(2008)采用TSI以及全天空相機同時拍攝天空，對兩張圖片中的同一塊云體采用統計分析、傅里葉變換等獲取圖像信息，對晴空、波狀云、卷云、層狀云和積狀云這五種情況進行識別，準確率達到了76%。Kassianov et al．(2005)等使用 TSI和 HSI兩臺儀器，根據雙基站測量云高的原理進行試驗分析，得到云高計算公式，并且將分析結果與微脈沖激光雷達實測云高進行對比，結果表明:TSI儀器對于平均云底高度低于3.5 km的單層云體的云高測量是可行的。按照地面觀測自動化的發展要求，國內也逐步開展地基測云儀的利用和研制，霍娟和呂達仁(2006)利用地基測云儀分析云量對輻射變化的影響，并以此反演氣溶膠的變化特征(霍娟和呂仁達，2005;霍娟，2007)。傅德勝和王新芝(1995)、孫學金等(2009a，2009b)、孫曉剛等(2008)使用紅外測云儀提取云圖特征，進行云狀分類。高太長等(2010)、秦健等(2011)總結了目前地基測云儀的研究現狀，詳細分析了全天空云圖的獲取、鏡頭保護、云點識別、云量計算等多項測云技術問題。

雖然，TSI測云儀已經得到了廣泛應用，計算結果也較為精確，但是在不同的天空情況下，仍然存在一定的云量計算誤差。Pfister and McKenzie(2003)通過分析TSI云量和地表輻射量變化，指出:如果太陽被薄云遮掩但依然清晰可見時，很可能出現輻射增強的現象;此外，在觀測過程中，該儀器對太陽周邊云量的探測以及太陽是否被云體遮掩的判斷準確度還需要進一步提高。

綜上所述，TSI的云量計算存在一定誤差，還需進一步研究。本文主要利用太湖地區2008年5—10月的TSI-440觀測資料展開云量計算誤差的分析。首先分析不同能見度條件下天空圖像的成像特征，然后分析陰天圖像、復雜天空(多云)圖像的紅藍比值分布情況及云量計算誤差，并對減小誤差的方法進行了初步研究。

1 TSI基本工作原理及資料來源

TSI儀器主要的部件有:照相機、帶有加熱裝置的半球鏡面、鏡面上方的遮光帶以及下方的電子設備系統(圖1)。該儀器可以在白天自動進行全天空云量的持續監測，其工作原理是:通過儀器上方的照相機垂直向下拍攝帶有加熱裝置的半球鏡面，得到當時天空所呈現的圖像，并將拍攝得到的圖像自動存儲到計算機上進行云量計算和處理。

大氣、云粒子對可見光具有不同的散射原理:大氣分子對可見光的散射與λ4成反比，如果天空為晴空，對藍光波段的散射遠遠大于對紅光波段的散射，因此晴空呈現藍色;而云粒子對可見光的散射，在不同的波段散射的程度是相當的，因此云體呈現白色。根據不同的散射原理，可以從圖像信息值(RGB值)中區分云與藍天。自然界中的可見光都是按照一定的比例混合而得到，任意一種顏色都可以用紅(R)、綠(G)、藍(B)三色混合而成，圖像中的每個像素點均含有RGB三個亮度值，而RGB值在一定程度上反映了紅(中心波段為650 nm)、綠(中心波段為570 nm)、藍(中心波段為450 nm)這三個波段的輻射強度。因此，首先提取圖像中的信息值(RGB值)，計算每個像素點的紅藍比值(定義為:R/B)，然后設定合理的閾值來判別像元點是否為云點，這種方法被稱為閾值識別法(Morris，2005)。

圖1 全天空成像儀TSI-440(a)及其組成部分(b)Fig．1 (a)Total sky imager 440 and(b)its components

本文所用資料取自南京信息工程大學太湖觀測站(120.31°E，31.58°N)。該站自 2008 年 4 月—2009年4月在太湖地區進行自動觀測，具備多種氣象觀測儀器，如:全天空成像儀(TSI-440)、微脈沖激光雷達、微波輻射計、多通道旋轉光度計等，為云量及輻射的研究提供了全面的數據資料。本文為了研究TSI云量計算誤差，采用了2008年5—10月共計6個月的TSI資料以及無錫站的常規觀測資料。TSI資料包括:原始天空圖像、處理后圖像以及相應的云量計算結果。圖像分辨率為352×288，是24位全彩色圖像，圖像采集率為1 min/張，所拍攝的天空范圍是可視張角160°，其工作時間平均為07:00—17:00(北京時間，下同)，儀器的具體工作時間與太陽高度角有關，當太陽高度角大于3°時，儀器自動開始獲取圖片。

2 TSI資料分析

通常人工觀測時將天空劃分為十等分來估算云量大小，文中的云量均按照0～1計算。根據分析圖像特征發現:當天空完全被掩蔽，但云體仍顯明亮時，這種云較高，如:厚薄不均的蔽光高層云或透光高層云。反之，若云呈現灰白或灰黑色，天空陰沉，這種云則較低，如:蔽光層積云、雨層云等。文中所定義的薄云是高云(云高大于5 km)且云層較薄，例如毛卷云、鉤卷云、卷層云等，在圖像中此類云體與非云大氣的霧霾粒子難以區分，是云量計算中的難點。而不透光云體是指云層較厚，可以完全遮擋太陽直射光的中低層云，成像時可能出現陰影區域。

2.1 不同能見度條件下的圖像分析

一般情況下，當氣溶膠、霧霾不嚴重時，人眼所見的晴空應為藍色，同樣相機成像也是如此。但是，如果能見度較低，天空將呈現灰白色。圖2是4種不同能見度條件下的晴空圖像及儀器自帶的處理結果，可以看出:隨著能見度的減小，原始天空圖像的晴空區域逐漸由深藍色變為藍色進而變為灰白色，而儀器自帶的處理結果中云量區域隨著能見度的減小而增大。主要是由于氣溶膠前向散射作用使得太陽周邊像素點飽和，能見度越小，受太陽影響的區域越大。

能見度是影響大氣成像的重要因素，圖2可以說明大氣成像與能見度密切相關。能見度不同直接影響成像效果及后期的分析處理工作，因此首先分析不同能見度條件下圖像的成像特征。圖3中給出了3種不同能見度條件下晴空圖像紅藍比值的分布情況，可以看出:隨著能見度的減小，紅藍比值有明顯增大的趨勢，同時，比值為1(R=B=255的飽和像素點)的像元數隨著能見度的減小而增加。基于能見度對天空成像的影響，本文中所選擇的天空圖像均為能見度大于5 km的圖像。

同時，從晴空圖像中也可以看出:在晴空天氣情況下，由于氣溶膠前向散射作用，會產生一定的云量計算誤差。針對晴空圖像所產生的云量誤差，Long(2010)提出了云量改進方案。該方案是根據天空其他區域的云量分布情況及變化特征來估算太陽圈及近地平區域的云量。經與目測結果對比，發現該方案可以有效地減小晴空天氣情況下全天空成像儀的云量計算誤差。

圖225 km(a、b)、15 km(c、d)、8 km(e、f)、3 km(g、h)能見度條件下的晴空圖像(a、e、c、g)及儀器自帶(b、f、d、h)的處理結果(藍色、白色和灰色區域分別代表晴空、不透光云和薄云;黑色條帶表示遮光帶，遮光帶上圓點表示太陽所在位置，其中黃點代表太陽未被云體掩蔽，白點表示太陽被云體掩蔽)Fig．2 (a，e，c，g)The clear sky images and(b，f，d，h)the corresponding TSI processed images at different visibilities(In the processed images，the blue regions represent cloudless and the write and gray regions stand for opaque cloud and thin cloud respectively．The black strip is shading belt．The dot on the shading belt denotes the position of the sun．The yellow dot represents sunny days without cloud and the white dot denotes cloudy days) a，b．25 km;c，d．15 km;e，f．8 km;g，h．3 km

圖3 不同能見度條件下晴空圖像的紅藍比值分布情況Fig．3 The red blue ratio distributions of the clear sky images at different visibilities

2.2 陰天圖像紅藍比值分析及云量計算

不同天空狀況，云的成像特征并不相同，例如:陰天圖像比晴空圖像明顯偏暗。這主要是因為陰天里太陽直射光被云完全遮擋，圖像的亮度整體偏小。TSI儀器在進行圖像處理時，對所有的圖像均采用統一閾值，一般情況下，紅藍比值小于0.7的為晴空點，比值大于0.8的為云點，介于0.7～0.8之間的為薄云點，此閾值對晴空圖像或亮度較高的圖像比較適用，而對于亮度偏暗的圖像會造成一定的云量計算誤差。圖4中是2008年10月4日13:10的陰天圖像及儀器自帶的處理結果，地面觀測資料顯示當天全天云量均為10成，即云量為1。而儀器的結果為不透光云量0.332，薄云量0.441，晴空區域0.227，這與地面觀測資料及目測識別圖像的結果有較大差異。

文中選擇了500幅陰天圖像做RGB值直方圖統計分析，RGB值取值范圍在0～255之間，將其分為51檔(以5為間隔單位)，統計每幅圖像天空范圍像素點的RGB值分布情況。結果發現:圖像中的紅色像元值(R)多集中于125～240之間，綠色像元值(G)多集中于150～245之間，藍色像元值(B)多集中于185～255之間。而晴空圖像的R值多集中于80～200之間，G值多集中于150～220之間，B值多集中于230～255之間，太陽周邊的像素點均為R=B=G=255的飽和像素點。由此可見:陰天圖像的R值比晴空圖像的R值偏大，而藍色像元值B值相對較小，且陰天圖像中的飽和像素點較少，說明太陽完全被云體遮掩。

圖5是圖4陰天圖像對應的紅藍比值分布情況，可以看出:此時像元點紅藍比值多集中于0.65～0.9之間，且在紅藍比值為1處并無像元點，即無飽和像素點。說明此時太陽已被完全遮掩。容易看出:若對該圖采用儀器的統一閾值(0.7;0.8)，將會造成較大的云量計算誤差。

圖4 2008年10月4日13:10的陰天圖像(a)、儀器自帶程序的處理后圖像(b)及改進閾值后的圖像(c)Fig．4 (a)The overcast sky image，(b)the corresponding TSI processed image and(c)the image after setting the new threshold at 13:10 BST on October 4，2008

圖5 2008年10月4日13:10的陰天圖像的紅藍比值的分布Fig．5 The red blue ratio distribution of overcast sky images at 13:10 BST on October 4，2008

選擇200幅陰天圖像進行紅藍比值概率分布的分析，采用直方圖統計分析法，將天空像素點的紅藍比值范圍0.3～1.0分為35檔(以0.02為間隔單位)，首先對每幅陰天圖像計算每個單位檔上的像素點個數及概率分布值，然后將這200組數據每個單位檔做平均值計算，得到像素點的平均概率分布。同時，分別計算這200組數據與平均概率分布之間的標準偏差，結果發現:所有數據的標準偏差均在0.03～0.06之間，標準偏差較小。說明像素點的平均概率分布可以反映陰天圖像紅藍比值的分布情況。此外，為了進一步檢驗平均概率分布的代表性，另選取擇了200幅陰天圖像，分析紅藍比值的分布情況，并計算每幅圖像的紅藍比值與平均概率分布的相關系數，共計200個相關系數。其中，22.7%的相關系數大于0.8，45.5%的相關系數介于0.7～0.8之間，還有27.2%的相關系數介于0.6～0.7之間，即相關系數大于0.6的數據占了整個樣本數量的95%。其余一部分數據與平均概率分布的相關性不是非常好，通過分析這部分數據的紅藍比值分布發現:比值多數集中于0.8～1.0之間，觀察圖像資料發現這部分資料均為天空輻亮度較大的圖像資料。

圖6 陰天圖像紅藍比值的平均概率分布Fig．6 The mean probability distribution of red blue ratio on cloudy days

圖6給出了陰天圖像紅藍比值的平均概率分布，可以看出，陰天圖像比值集中于0.62～1.0之間，峰值位于0.7～0.8之間。因此，可以判定紅藍比值大于0.62的像素點均為云點，比值介于0.3～0.62的像素點均為晴空點，不透光云點閾值設定為0.66(即比值介于0.66～1.0像素點為云點)，而0.62～0.66之間的像素點可能是薄云點，也可能是圖像中的陰影區域，暫時無法定論，需要根據不同的天空圖像進行分析。根據上述設定的閾值，重新計算后得到了圖4a中陰天圖像對應的計算結果及改進閾值之后的圖像(圖4c)，其計算結果為:不透光云量1，總云量1，與實際觀測結果一致。

由于陰天時輻亮度較小，使得圖像中陰影區域被誤識別為薄云或晴空，表1詳細地給出了多個陰天圖像的原始結果及改進閾值之后的結果，可以看出:原始結果高估了薄云量，誤將不透光云量以薄云量計算，且總云量也存在一定的計算誤差;改進閾值后得到的結果，薄云量的計算誤差減小，不透光云量及總云量更接近實際觀測資料。可見，針對陰天圖像重新設定閾值可以有效地減小因輻亮度不同而產生的薄云計算誤差，提高了云量計算的精度。

表1 2008年10月陰天圖像的原始云量結果及改進閾值后的云量結果Table 1 The raw result and new result after setting the new threshold of cloud cover in the overcast sky image in October 2008

2.3 復雜天空圖像分析

本文所指的復雜天空圖像是云量大于0.2的多云圖像，在圖像分析過程中發現，有較多的圖像成像時出現陰影區域，這些區域在圖像處理過程中被作為薄云計算，造成了云量計算誤差，此類情況與陰天時出現誤差的情況類似。圖7a是一幅藍天白云分界清晰的天空圖像，從儀器自帶的處理結果中(圖7b)可以看出:天空中云體較厚的部分(圖中灰色區域)在圖像處理過程中被作為薄云計算;而太陽未被云體遮掩，因此周邊像素點飽和的區域，被識別為不透光云。圖7c顯示了該圖像的紅藍比值分布情況，可以看出:圖中晴空區域比值最小(藍色區域);云層較高、較明亮的云體比值偏大，如太陽周邊云體(紅色區域);而云體較厚、較暗的部分紅藍比值相對較小，如圖中的黃色區域(對應圖7b的灰色區域)。由于此類圖像的云量計算誤差與陰天情況類似，因此重新設定的閾值與陰天圖像相同，比值為0.3～0.62的像素點為晴空點，0.66～1.0的像素點為不透光云點，而介于0.62～0.66之間的像素點為薄云點。

圖7 原始天空圖像(a)、儀器自帶的處理圖像(b)及原始天空圖像與儀器自帶的處理圖像比值(c)Fig．7 (a)The raw image，(b)the corresponding TSI processed image and(c)the red blue ratio distribution image

圖8是2008年10月16日14:07的天空圖像、儀器自帶的處理圖像及改進閾值后得到的圖像。從原始圖像中，可以清楚地分辨出紅色框內區域為不透光云體，但由于云層較低，云體較厚，呈現灰色，在原始處理過程中被作為薄云計算，原始計算結果為:薄云量0.267，不透光云量0.239，總云量為0.506。通過目測識別可知紅色框內區域為不透光云體，被誤識別為薄云體。利用新閾值(晴空0.62，云0.66)對圖像處理后，得的計算結果為:薄云量0.042，不透光云量為0.602。地面觀測資料顯示:總云量為6成，即0.6，低云量為0.6，更改閾值之后的計算結果與實際觀測資料更為接近。由此可見，采用新閾值減小了儀器薄云量的計算誤差，同時也提高了總云量的計算精度。

圖82008年10月16日14:07的原始天空圖像(a)、處理后圖像(b)和改進閾值后的圖像(c)Fig．8 (a)The raw image，(b)the corresponding processed image and(c)the simulated image after setting the new threshold at 14:07 BST on October 16，2008

結合太湖觀測站的TSI資料及臺站觀測資料，選出每日08:00、11:00及14:00的觀測資料共計450組數據，將不同天氣下的云量進行誤差統計分析。由于本文所采用的新閾值是對多云及陰天情況，因此對云量為0.3～1.0的8種情況進行誤差計算。圖9給出了不同情況下儀器自帶處理結果、改進閾值后的結果分別與目測云量的絕對誤差情況，可以看出，儀器自帶的處理結果在云量大于等于0.7時，絕對誤差大于0.1，其中陰天時誤差達到最大。改進閾值之后得到的計算結果在多云及陰天時，絕對誤差均小于0.08，說明重新設定閾值可以有效地減小多云及陰天情況下的云量計算誤差。

3 結論與討論

利用全天空成像儀代替人工觀測云量，在多數情況下效果良好。但是，由于天空成像特征與天氣變化情況、能見度等密切相關，如隨著能見度的減小，晴空圖像的紅藍比值逐漸增大，所以導致全天空成像儀自帶程序在復雜天空狀況下云量計算出現較大誤差。

圖9 不同天氣情況下的云量絕對誤差Fig．9 The absolute differences under different weather conditions

在分析太湖觀測站TSI資料的過程中發現:該儀器在晴空、陰天及云體較厚的情況下易產生云量計算誤差。針對陰天情況，文中對多幅天空圖像進行紅藍比值統計分析，結果發現:比值主要集中于0.62～1.0之間。根據圖像的成像特征，將晴空點閾值設定為0.62(＜0.62判為晴空)，云點閾值設定為0.66(＞0.66判為云)，采用新閾值得到的云量結果與常規氣象觀測結果更為接近。同時，對天空圖像中存在陰影區域的其他圖像也使用新閾值，得到的云量結果比原結果更準確，減小了因輻亮度不同而造成的云量計算誤差。

在圖像分析過程中，還發現圖像的紅藍比值分布情況與太陽高度角、太陽方位角也密切相關。因此，要解決以上這些問題，應根據不同的天氣情況、像素點的位置、太陽中心點位置等信息設定不同的閾值，建立一套完整的云點閾值識別法。另外，也可以嘗試運用其他計算途徑來獲取云量信息，例如二維傅里葉變換、統計分析法或圖像處理技術中的邊緣提取法等進行云量的計算，進一步改善計算結果。

陳洪濱．1997．關于云和云天大氣對太陽輻射的吸收異常［J］．大氣科學，21(6):750-757．

陳渭民，邊多，郁凡．1997．由衛星資料估算晴空太陽直接輻射和散射輻射［J］．南京氣象學院學報，20(3):326-333．

傅德勝，王新芝．1995．云圖紋理特征的抽取與云的自動分類［J］．南京氣象學院學報，18(4):530-535．

高太長，劉磊，趙世軍，等．2010．全天空測云技術現狀及發展［J］．應用氣象學報，21(1):100-109．

霍娟．2007．地基全天空成像系統云與氣溶反演及其應用研究［D］．北京:中國科學研究院．

霍娟，呂仁達．2005．利用全天空數字圖像對北京上空云況分布特征的試驗分析［J］．氣象科學，25(3):238-243．

霍娟，呂達仁．2006．晴空與有云大氣輻射分布的數值模擬及其對全天空圖像云識別的應用［J］．氣象學報，64(1):31-38．

秦健，劉磊，高太長，等．2011．基于統計方法的地基器測云天識別［J］．氣象科學，31(5):604-612．

宋慶利．2003．利用衛星資料研究云對地面凈輻射的影響［D］．南京:南京氣象學院．

孫曉剛，孫學金，牛珍聰，等．2008．全天空云圖獲取的一種方式及算法實現［J］．氣象科學，28(3):338-341．

孫學金，劉磊，高太長，等．2009a．基于模糊紋理光譜的全天空紅外圖像云分類［J］．應用氣象學報，20(2):157-163．

孫學金，劉磊，高太長，等．2009b．基于LBP算法的全天空紅外云圖的分類研究［J］．大氣科學學報，32(4):490-497．

Calbo J，Pages D．2002．Empirical studies of cloud effects on UV radiation:A Review［J］．J Geophys Res，43(2):1-28．

Calbo J，Sabburg J M．2008．Feature extraction from whole sky groundbased images for cloud-type recognition ［J］．Amer Meteor Soc，25:3-14．

Hodges G．1998．A Comparison of fractional cloud cover determination by a sky image with visual estimation by trained national weather service observers［EB/OL］．［2012-10-10］．http://www．noaa．gov/．

Kassianov E，Long C N，Christy J．2005．Cloud-base-height estimation from paired ground-based hemispherical observations［J］．J Appl Meteor，44(8):1221-1233．

Long C N．2004．The shortwave clear-sky detection and fitting algorithm:Algorithm operational details and explanations［R］//Atmospheric radiation measurement program．Tech Rep ARM TR-004．

Long C N．2010．Correcting for circumsolar and near-horizon errors in sky cover retrievals from sky images［J］．J Atmos Soc，4(1):45-52．

Long C N，Deluisi J J．1998．Development of an automated hemispheric sky imager for cloud fraction retrievals［C］//10th symposium on meteorological observations and instrumentation．Arizona:Amer Meteor Soc:171-174．

Long C N，Thomas P．2000．Identification of clear skies from broadband dynamometer measurements and calculation of down-welling shortwave cloud effects［J］．J Geophys Res，105(12):15609-15626．

Long C N，Slater D W，Tooman T．2001．Total sky imager(TSI)model 880 status and testing results［R］//Atmospheric radiation measurement program．Tech Rep ARM TR-004．

Martins F R，Souza M P，Pereira E B．2003．Comparative study of satellite and ground techniques for cloud cover determination［J］．Space Res，32(11):2275-2280．

Morris V R．2005．Total sky imager hand book［EB/OL］．［2012-10-10］．http://www．arm．gov/．

Pfister G，McKenzie R L．2003．Cloud coverage based on all-sky imaging and its impact on surface solar irradiance［J］．Amer Meteor Soc，42:1421-1434．

Sabburg J M，Long C N．2004．Improved sky imaging for studies of enhanced UV irradiance［J］．Atmos Chem Phys，4:2543-2552．

Sabburg J M，Parisi A V．2008．Cloud observation for the statistical evaluation of the UV index at Toowoomba，Australia［J］．Int J Biometeorol，52:159-166．