基于MODIS數據驗證分析霧參數反演算法和影響因素

馬慧云， 趙國慶， 鄒崢嶸， 張偉康

(中南大學地球科學與信息物理學院，長沙 410083)

基于MODIS數據驗證分析霧參數反演算法和影響因素

馬慧云， 趙國慶， 鄒崢嶸， 張偉康

(中南大學地球科學與信息物理學院，長沙 410083)

基于遙感影像對霧進行定量分析是近年來的研究熱點之一。地面能見度、霧頂高度、垂直總水汽含量和有效粒子半徑是對霧進行定量分析的重要參數。選取MODIS傳感器數據為數據源，以發生于江蘇省西南部的一次冬季平流輻射霧為研究對象，結合來自南京信息工程大學的地面觀測數據，對基于大氣輻射傳輸方程模型和SBDART輻射傳輸的霧物理參數反演算法所反演的地面能見度和霧頂高度進行地面實測數據驗證； 分析影響這2個物理參數精度變化的原因； 在序列影像霧物理參數反演結果基礎上，進一步結合地面高程和植被指數對霧物理參數影響因素進行分析。結果表明，該次反演的霧能見度和霧頂高度與地面觀測結果相關系數分別為0.908和0.980，由于SBDART模型設置的參數以及BP神經網絡訓練次數等原因，夜間反演的能見度值偏大； 此次大霧物理參數與地面高程和植被指數之間具有一定的關系，地面高程與能見度呈正相關，植被指數和水汽含量呈正相關，與霧有效粒子半徑和光學厚度呈負相關； 霧區物理參數易受水體和土地利用等影響。

霧； 反演； 物理參數； 影響因素

0 引言

霧是一種發生在大氣近地面層中的常見的災害性天氣現象。近年來，由于極端氣候現象的發生，大氣污染等多種原因，霧在中國各地頻發，嚴重阻礙了人們的交通出行； 持續靜穩的大氣層和不斷加重的大氣污染不僅會造成大霧發生，還會導致更為嚴重的霾，空氣中凝結核攜帶的病菌易引發各種呼吸道等疾病的發生，持續的霧災容易給人們帶來了恐慌和不安，在心理上造成巨大的壓力。隨著衛星觀測技術的發展，目前國內外對霧研究已從常規的地面觀測數據分析預報逐步轉移到基于遙感影像的監測預報。遙感定量反演的大霧物理參數有助于進一步認識大霧、摸清大霧的形成與消散規律，判斷霧的發生強度，盡可能減輕大霧對人們日常活動的影響。對霧進行物理參數反演及在此基礎上進行霧的屬性研究，已漸漸成為霧研究的一個熱點。國內外學者從20世紀70年代開始應用衛星資料對典型大霧進行實例分析，針對霧的時空分布、物理結構、化學組分、數值模擬等方面進行了大量的研究工作，取得了許多研究成果。Stephen等假設理想大氣條件下，通過創建查找表和改進云輻射傳輸模型和參數反演模型，得到穩定的大霧屬性反演計算流程[1]。 Bendix基于一種簡單的輻射傳輸模型，利用AVHRR通道1的反射率數據，對德國及歐洲西部10 a觀測數據進行了大霧物理屬性反演及影響因素分析[2]，得出了西歐地區大霧的普遍生消規律[3]。吳曉京等利用MODIS數據對新疆北部霧的屬性參數進行了反演[4]。鄧軍等利用輻射傳輸模型反演出了霧光學厚度和有效粒子半徑[5]。張紀偉等利用MODIS衛星資料對黃海海霧進行了海霧物理參數反演，并對霧頂高度和能見度進行了驗證[6-7]。

本文擬對基于大氣輻射傳輸方程模型和SBDART輻射傳輸的霧物理參數反演算法反演的地面能見度和霧頂高度進行地面實測數據驗證，同時分析影響這2個物理參數精度變化的原因，并在序列遙感影像反演基礎上進一步結合植被指數NDVI和地面高程DEM數據分析此次霧物理參數變化的影響因素，為進一步發現霧特性，完善霧預測預報系統提供技術支持。研究數據選取MODIS衛星序列遙感影像，研究對象為發生于2006年12月24—27日的江蘇省西南部的一次大霧，地面驗證數據采用南京信息工程大學的地面觀測數據。

1 研究區概況和數據源

研究區江蘇省位于我國東部沿海中段，介于E116°18′～121°57′，N30°45′～35°20′之間。地形以平原為主，地理位置優越，城市發展程度高，是長江三角洲地區的重要組成部分，也是重要的經濟區和人口聚居區，是我國綜合發展水平較高的省份之一。境內分布眾多水體，河湖較多，歷來是大霧多發地區之一，尤其是每年秋冬是霧頻發季節。大霧給人們交通出行以及生產、生活帶來了很大的不利影響。2006年12月24日晚至27日，江蘇省西南部地區發生了一場持續時間非常長的大霧。此次大霧濃度之高是近十幾年非常罕見的，具有一定的典型性。研究此次大霧不僅具有較高的學術意義，而且對于認識本地區大霧的發展規律，減少霧災影響具有很大的實用價值。

中分辨率成像光譜儀(moderate resolution imaging spectro-radiometer，MODIS)是EOS計劃的主要探測儀器，有36個光譜通道，星下點空間分辨率分別為250 m，500 m和1 000 m。相對現有的氣象觀測衛星，MODIS具有光譜譜段多、空間分辨率高、數據信噪比高等優點，已成為霧研究的重要數據源之一[8]。本文在研究區域和研究時間范圍內選擇了7幅1 km空間分辨率的MODIS影像作為研究數據。

地面實測驗證數據來自于2006年12月24—27日在南京信息工程大學進行的外場綜合探測[9]。觀測場設在南京信息工程大學的大操場草坪，距離長江北岸約3 km，詳細地點見圖1中紅色標志。主要觀測內容包括霧的宏觀與微觀物理結構，如含水量、能見度、霧頂高度、氣溶膠等； 觀測儀器包括FM-100型霧滴譜儀等，儀器離地高度約1 m，周圍無高大建筑物及樹木。

(a) 研究區遙感影像圖(R: MOD01; G; MOD02; B: MOD03)(b) 觀測站點局部放大圖

圖1 研究區遙感影像圖和觀測站點局部放大圖(觀測站點位于紅色標記區)

Fig.1 Satellite imagery of study area and observation site

本文選用地面觀測獲得的能見度和霧頂高度數據驗證由衛星數據反演的參數。MODIS序列影像接收時間和地面觀測時間詳見表1。

表1 MODIS序列影像接收時間和地面數據觀測時間

2 霧物理參數反演算法

本文驗證的霧物理參數反演算法是假設在理想化的大氣輻射傳輸條件下，根據Stephen等人對大量實驗數據分析所得到的經驗公式，以及利用亮溫和雙紅外差值信息建立的基于SBDART輻射傳輸模型和BP神經網絡的夜間霧屬性反演模型，詳細反演算法見參考文獻[10-11]，可反演得到光學厚度、霧頂高度、垂直水汽含量、能見度和有效粒子半徑等5個屬性參數。

1)光學厚度τ。是指在計算輻射傳輸時，2個給定高度層之間的單位截面鉛直氣柱內特定的吸收或發射物質的質量，它與平均含水量、有效粒子半徑及其他參數具有密不可分的聯系，是霧層屬性狀態的綜合反映。

白天霧光學厚度可根據Stephen等人的假設[1,12]，利用霧在0.3～0.75 μm波段對光吸收極少的特性，光學厚度近似解為

(1)

式中：u0為特定時刻的太陽天頂角余弦；β(u0)為單向入射輻射在天頂角余弦為u0時的后向散射系數，可通過查找表獲得[13]；Rf(u0)為太陽天頂角余弦為u0時的大霧在可見光波段的反射率值。本文選擇霧在MOD01(620～670 μm )波段接收的反射率作為大霧在可見光的反射率值Rf(u0)，原因是霧的粒子半徑比可見光波段波長大得多，因此霧在可見光波段發生無選擇性散射，即在可見光波段任何波長霧的散射強度相同，理論上在可見光各個波段霧的反射率大致相同，但由于被云霧散射后的反射能量到達傳感器之前會繼續途經大氣層，這些剩余的能量仍會部分被大氣散射掉，此時的散射屬于瑞利散射，瑞利散射強度與波長的四次方成反比，因此相比較藍綠波段來說，紅波段的瑞利散射較小。

夜間光學厚度反演算法是基于SBDART輻射傳輸模型建立中紅外波段(MODISB20)和熱紅外波段(MODISB31)的亮溫值與光學厚度之間的查找表，通過訓練BP神經網絡快速通過查找表獲得遙感影像上對應像元的光學厚度。

2)垂直總水汽含量LWP。是霧中垂直積分的液態水含量，可由光學厚度進一步計算得到，即

LWP=10(0.545 4 τ)0.254。

(2)

3)霧有效粒子半徑re。是指研究區內霧滴大小的加權意義上的半徑，在可見光波段，跟LWP，τ及液態水密度ρ(g·cm-3)具有很強的相關性，即

(3)

4)霧頂高度△z。此次霧發生在內陸地勢較低的平原上，且霧具有貼地性，可將霧的厚度看成霧頂高度。根據Stephen等人的研究結果，幾何厚度和光學厚度之間具有一定關系，白天霧頂高度△z計算公式為

△z=45τ2/3。

(4)

可利用霧頂高度對溫度敏感的特性，根據溫度絕熱直減率反演夜間霧頂高度△z，即

(5)

式中：T1為發生大霧前一天同一太陽時晴空地表的亮度溫度；T2為發生大霧當天霧頂的亮度溫度，亮度溫度選取MODISB31反演的亮度溫度；δ=0.65 ℃/100 m。

5)氣象能見度VIS。與大氣的消光系數有直接的關系，而消光系數又和霧區的光學厚度和垂直厚度有關系。根據吳曉京[11]等的研究，由柯喜密公式得到的霧能見度VIS計算公式為

(6)

3 反演結果驗證

以江蘇省西南地區部2006年12月25日13：00Aqua/MODIS影像為例，在對提取的霧區霧檢測的基礎上，根據上述反演算法流程，進行霧物理參數反演，得到了光學厚度、霧有效粒子半徑、垂直水汽總含量、霧能見度和霧頂高度等物理參數，見圖2。

(a)τ(b)re(c)LWP(d)VIS(e) △z

圖2 2006年12月25日13時大霧區域反演物理參數值

Fig.2 Physical parameter inversion values of fog area on December 25, 2006

取站點附近區域10個像元的MODIS影像反演結果均值與地面觀測值進行線性相關分析，對反演得到的霧頂高度和霧能見度進行驗證。在線性回歸分析中，方程斜率反映某一參數隨另一參數變化的大小，若其趨于1說明兩者數值變化總體相差不大； 相關系數又稱線性相關系數，它是衡量變量之間線性相關程度的指標，越接近于1其相關性越高。

3.1 霧頂高度反演結果驗證

影像反演霧頂高度結果與地面觀測值詳見表2，兩者的線性相關分析結果見圖3。

表2 霧頂高度反演結果與地面觀測值

圖3 霧頂高度回歸分析

由表2和圖3可知本次線性相關分析結果，方程斜率為1.073 9，相關系數為0.980 7，說明反演結果與地面觀測結果相關性很強。對霧頂高度反演結果同地面實測數據對比分析可知，二者分布趨勢一致，整體偏差較小，反演結果值存在客觀差異，個別反演數據較地面觀測數據偏高或偏低。

3.2 霧能見度反演結果驗證

影像反演霧能見度結果與地面觀測值詳見表3，兩者的線性相關分析結果見圖4。

表3 能見度反演結果與地面觀測值

圖4 能見度相關分析

由表3和圖4可知本次線性相關分析結果，方程斜率為1.010 3，相關系數為0.908 3，說明反演結果與地面觀測結果相關性很強。由表3知，地面觀測值變化幅度較小，在50～190 m之間，反演結果值在51～214 m之間，整體發展趨勢基本一致。

仔細分析地面觀測值和反演結果可發現二者還是存在一定的差異。引起差異的原因主要有2點，一個是遙感影像的接收不可能完全滿足假定的理想條件，導致反演結果的精確性降低； 另外，反演算法和SBDART模型的具體參數設置以及BP神經網絡的訓練次數均會帶來一定的誤差。

4 霧參數變化及影響因素分析

4.1 霧物理參數動態變化分析

時間序列的霧遙感影像對于宏觀分析霧的發生過程及發展規律具有十分重要的指導和現實意義[14]。本文利用研究區內不同時間獲取的遙感數據，分別反演了霧區光學厚度、垂直總水汽含量、霧有效粒子半徑3個參數的均值，進行了霧發展不同階段霧物理參數的動態變化分析，結果詳見表4。

表4 霧物理參數均值表

由表4可知，此次大霧發展過程中，垂直水汽含量變化幅度很大，在42.08～179.69 g·m-2范圍內； 粒子半徑平均值為4.61 μm，變化范圍為2.95～10.47 μm； 光學厚度平均值為18.41，最小為14.91，最大為24.18。大霧期間光學厚度一直維持在較高水平，起伏狀態小，在霧發展的穩定期(12月25日13: 00—12月26日21:30)值變化更小，造成了此次大霧能見度長時間低于50 m的惡劣天氣。

4.2 霧物理參數影響因素分析

霧發生發展受多種自然因素的影響。霧貼地發生且不斷向四周發展擴散，消散時上升為層云。霧的這種現象決定了霧的接地特性，因此在不同的地表地貌下，霧的發生發展受高程變化的制約； 同時，不同下墊面提供的水汽源不同，造成霧的發展有所差異。其中NDVI的不同對霧的發展具有一定的影響。因此，本文結合DEM和NDVI與反演得的霧物理參數，分析了影響霧屬性參數變化的原因，以期進一步掌握植被覆蓋度不同的下墊面和不同高程對霧屬性的影響程度。

以12月26日13：40獲取的Aqua影像為例，在大霧檢測基礎上經反演獲取了霧區霧屬性參數，在研究區內選取7個特定區段，進行了霧屬性參數跟NDVI及DEM間的相關性分析。研究區內的地面DEM，NDVI和7個特定區段的分布詳見圖5。

(a) 研究區DEM和7個特定區域 (b) 研究區NDVI

圖5 研究區域內的地面高程、植被指數和7個特定區段的分布圖

Fig.5 Ground elevation and vegetation indices of the study area，and the distribution of 7 specific regions within the study area

1)DEM對霧能見度影響因素分析。統計7個選定區域內地面DEM平均值和霧能見度平均值，結果詳見表5。

表5 7個選定區域內DEM平均值和VIS平均值

由表5可知，區域1，4，5，6和7的地面DEM逐步增大，能見度相比也逐步增大，說明在此次大霧發生過程中，隨著地勢的升高，能見度也逐步升高，霧的濃度相對減小，充分顯示了霧的谷底效應，即地勢較低區霧能見度低。但也有個別地區不符合這個趨勢，比如區域3地面DEM高于區域1和2，但能見度最低。仔細分析區域3所處的地理位置發現，區域3位于河流旁邊，說明充足的水汽源易造成能見度降低，區域2的能見度亦相對區域1，4和5有所增大，結合霧區范圍發現，區域2位于霧區邊緣。但總的來說，地勢越低的地區，能見度也越低，地勢越高的地區，能見度越高。

2)NDVI對霧垂直總水汽含量、光學厚度和粒子半徑的影響因素分析。統計7個選定區域內NDVI均值、LWP均值、τ均值和re均值，結果詳見表6。

表6 7個選定區域內的NDVI均值、LWP均值、τ均值和re均值

由表6可知： 隨著區域2—7上DNVI的增高，水汽含量也隨之增加。但區域1和3出現水汽含量最大的現象，仔細分析區域1和區域3所處的地理位置，發現二者均距離水體較近，導致雖然DNVI較小，但水汽含量值最高，說明水體對水汽含量的影響不可忽視，進一步說明水汽含量不僅受DNVI的影響，而且與周圍環境相關。隨著區域2，3，4，5和7處DNVI的增高，光學厚度逐漸降低，但此次大霧過程中光學厚度整體變化幅度均很小。

隨著區域2—7處DNVI的增大，霧有效粒子半徑逐漸變小，說明植被濃密區空氣質量相對較好，大顆粒物質較少。進一步分析發現，區域1粒子半徑最小，這與區域1靠近水體有關，但區域3同樣靠近水體，粒子半徑卻最大，本文通過進一步與土地利用圖疊加分析發現區域3地處城鎮建成區，說明人類生產生活可造成大氣中凝結核粒子半徑的增大，而遠離城鎮的區域大氣較潔凈，氣溶膠粒子半徑較小。

5 結論

本文以發生于江蘇省西南部的一次冬季平流輻射霧的MODIS遙感數據為數據源，采用南京信息工程大學的地面觀測數據對基于大氣輻射傳輸方程模型和SBDART輻射傳輸的霧物理參數反演算法進行了驗證，并在序列遙感影像霧區物理參數反演結果基礎上，結合植被指數和地面高程分析了影響此次大霧物理參數的因素，得到以下主要結論：

1)反演的地面能見度和霧頂高度與地面觀測值相關系數分別為0.908 3和0.980 7，說明該反演算法精度較高。但由于傳感器的觀測條件的局限，以及SBDART模型參數的設置和BP神經網絡的訓練次數等原因，能見度反演值出現有偏小或偏大的現象。

2)結合地面高程和植被指數2個因子對影響霧物理參數變化的因素進行了分析，發現地勢高低和能見度大小呈現正相關。植被指數與水汽含量呈正相關，與光學厚度和粒子半徑呈負相關。

3)水體對霧物理參數影響較大，易造成霧區水汽含量升高，能見度降低，光學厚度增大和霧有效粒子半徑減小等現象。

4)霧區霧有效粒子半徑易受下墊面土地利用的影響，城鎮建成區內粒子半徑值偏高。

[1] Stephens G L,Ackerman S,Smith E A.A shortwave parameterization revised to improve cloud absorption[J].Journal of Atmospheric Sciences,1984,41(4):687-690.

[2] Bendix J.A case study on the determination of fog optical depth and liquid water path using AVHRR data and relations to fog liquid water content and horizontal visibility[J].International Journal of Remote Sensing,1995,16(3):515-530.

[3] Bendix J.A satellite-based climatology of fog and low-level stratus in Germany and adjacent areas[J].Atmospheric Research,2002,64(1/4):3-18.

[4] 吳曉京,陳云浩,李三妹.應用MODIS數據對新疆北部大霧地面能見度和微物理參數的反演[J].遙感學報,2005,9(6):688-696. Wu X J,Chen Y H,Li S M.Utilizing MODIS data to retrieve the visibility and microphysical properties of fog happens in the northwest China[J].Journal of Remote Sensing,2005,9(6):688-696.

[5] 鄧軍,白潔,劉健文.基于EOS/MODIS的云霧光學厚度和有效粒子半徑反演研究[J].遙感技術與應用,2006,21(3):220-226. Deng J,Bai J,Liu J W.Remoting sensing cloud’s optical thickness and effective radius using MODIS MULTSPECTRAL data[J].Remote Sensing Technology and Application,2006,21(3):220-226.

[6] 張紀偉,張蘇平,吳曉京,等.基于MODIS的黃海海霧研究——海霧特征量反演[J].中國海洋大學學報:自然科學版,2009,39(S1):311-318. Zhang J W,Zhang S P,Wang X J,et al.The research on yellow sea fog based on MODIS date:Sea fog properties retrieval and spatial-temporal distribution[J].Periodical of Ocean University of China,2009,39(S1):311-318.

[7] 蔣璐璐,魏鳴.FY-3A衛星資料在霧監測中的應用研究[J].遙感技術與應用,2011,26(4):489-495. Jiang L L,Wei M.Application of fog monitoring with FY-3A data[J].Remote Sensing Technology and Application,2011,26(4):489-495.

[8] 楊嵐,魏鳴,徐永明.長江三角洲霧的MODIS遙感檢測[J].科技創新導報,2008(13):1. Yang L,Wei M,Xu Y M.Detection the Yangzi river delta fog by MODIS remote sensing[J].Science and Technology Innovation Herald,2008(13):1.

[9] 嚴文蓮.南京冬季典型霧生消物理過程及爆發性增強特征[D].南京:南京信息工程大學,2008. Yan W L.The Physical Process of Genesis and Dissipation and the Characteristics of Burst Reinforcement on Typical Winter Fog in Nanjing[D].Nanjing:Nanjing University of Information Science & Technology,2008.

[10]張偉康,馬慧云,鄒崢嶸,等.基于SBDART輻射傳輸模型的夜間輻射霧自動檢測及時間序列分析[J].國土資源遙感,2014,26(2):80-86.doi:10.6046/gtzyyg.2014.02.14. Zhang W K,Ma H Y,Zou Z R,et al.Automatic detection of night time radiation fog based on SBDART radiative transfer model and the analysis of time series[J].Remote Sensing for Land and Resources,2014,26(2):80-86.doi:10.6046/gtzyyg.2014.02.14.

[11]何卓臣,馬慧云,鄒崢嶸,等.基于MODIS影像的陸地輻射霧微物理參數反演及動態變化分析[J].測繪與空間地理信息,2013,36(10):35-39. He Z C,Ma H Y,Zou Z R,et al.Retrieval of fog microphysical parameters and analysis of change condition based on MODIS sequence images about land radiation fog in the daytime[J].Geomatics & Spatial Information Technology,2013,36(10):35-39.

[12]Stephens G L.Radiation profiles in extended water clouds.II:Parameterization schemes[J].Journal of Atmospheric Sciences,1978,35(11):2123-2132.

[13]Bendix J,Thies B,Cermak J,et al.Ground fog detection from space based on MODIS daytime data-a feasibility study[J].Weather and Forecasting,2005,20(6):989-1005.

[14]李亞春,孫涵,徐萌.衛星遙感在大霧生消動態監測中的應用[J].災害學,2001,16(1):45-49. Li Y C,Sun H,Xu M.A study on the application of remote sensing technique to monitoring of the tendency of fog dissipation[J].Journal of Catastrophology,2001,16(1):45-49.

(責任編輯： 李瑜)

Verification of the retrieval algorithm and analysis of influencing factors of fog physical parameters based on MODIS data

MA Huiyun, ZHAO Guoqing, ZOU Zhengrong, ZHANG Weikang

(DepartmentofSurveyingandGeo-informatics,CentralSouthUniversity,Changsha410083,China)

Retrieving fog physical parameters becomes one of the major hot spots of study in recent years based on remote sensing data. The visibility, top height of fog, effective particle radius, and liquid water path (LWP) of fog are the fundamental physical parameters for fog monitoring. In this study, the authors retrieved fog physical parameters from southwest Jiangsu Province according to the path model of fog radioactive phenomena and SBDART based on the MODIS images. The authors verified the visibility and top height of fog according to the data from the Nanjing Information Engineering University and analyzed the influencing factors for the changes of physical parameters. The results showed that the correlation coefficient of visibility and top height of fog was 0.908 3 and 0.980 7, indicating that the retrieval of remote sensing data was feasible. The study also found positive correlations between the fog physical parameters，the surface elevation and vegetation index. The vegetation index was negatively correlated with the radius and optical depth and positively correlated with the liquid water. There was a positively correlation between the visibility and the surface elevation.

fog; inversion; physical parameters; influencing factor

10.6046/gtzyyg.2017.01.19

馬慧云，趙國慶，鄒崢嶸，等.基于MODIS數據驗證分析霧參數反演算法和影響因素[J].國土資源遙感，2017，29(1)：122-128.(Ma H Y,Zhao G Q,Zou Z R,et al.Verification of the retrieval algorithm and analysis of influencing factors of fog physical parameters based on MODIS data[J].Remote Sensing for Land and Resources,2017，29(1)：122-128.)

2015-08-26；

2015-12-04

湖南省教育廳科學研究開放平臺項目“基于遙感影像霧災預測的關鍵技術研究”(編號： 14K103)和中南大學教師研究基金項目“基于FY-2衛星遙感影像霧災預測的研究”(編號： 2014JSJJ002)共同資助。

馬慧云(1979-)，女，博士，副教授，主要研究領域為遙感圖像數據處理。Email： lingzi_2002@163.com。

TP 79

A

1001-070X(2017)01-0122-07