近红外比值法在对流层航空遥感数据大气水汽估算中的改进王靓, 赵利民*, 赵艳华, 谢勇, 董建婷, 刘景旺, 余涛, 顾行发 中国科学院遥感与数字地球研究所, 北京 100101; 中国科学院大学资源与环境学院, 北京 100101; 国家航天局航天遥感论证中心, 北京 100101; 北京空间机电研究所, 北京 100094; 北华航天工业学院, 廊坊 065000* E-mail: zhaolmradi.ac.cn收稿日期: 2015-03-22; 接受日期: 2015-06-16; 网络出版日期: 2015-11-16民用航天“十二五”预研项目(编号: D030101)资助摘要 利用近红外波段大气窗口通道和水汽吸收通道辐亮度比值反演大气柱水汽含量, 是卫星遥感大气水汽估算的通用方法之一. 但对于对流层内的航空遥感水汽估算, 直接套用卫星遥感水汽估算近红外比值法会引入飞行平台到大气顶层水汽的影响. 根据航空遥感成像特征, 利用Modtran和热力学初始分析资料(thermodynamic initial guess retrieval, TIGR)大气廓线库数据, 分别构建入射路径上, 航飞高度到地表的水汽透过率与太阳到地表水汽透过率的对数之比G与航飞高度内大气水汽与整层大气水汽之比R, 以及入射路径上的航飞高度到地表的水汽透过率, 与出射路径上地表到入瞳处水汽透过率的对数之比H与太阳入射角qs的函数关系, 结合下垫面特征, 建立对流层航空遥感水汽估算模型. 以1614组TIGR廓线为输入模拟航飞入瞳处辐亮度, 利用本文模型估算对流层内大气水汽, 并与廓线数据直接计算值对比, 结果表明, 当航飞高度在1.07.0 km时, 模型估算值的总体精度为0.22 g/cm2, 且精度优于0.5 g/cm2的样本占总样本数95.30%. 利用2014年5月28日郑州上街航空遥感试验获取的影像进行水汽分布估算, 并与同步大气探空数据计算到的水汽进行对比, 结果表明, 各样区估算值与探空值的RMS误差为0.16 g/cm2(12.8%), 且对下垫面覆盖条件的先验了解能够提高模型估算精度. 本文模型消除航空遥感飞行高度以上大气的影响, 增大了模型的精准度与适应性, 为热红外航空遥感数据实时大气校正提供了可靠的输入.关键词 大气水汽, 对流层, 航空遥感, 近红外比值法, 红外多角度航空相机1 引言水汽是大气的重要组成部分之一, 是导致天气变化的主要要素. 在中/长波红外谱段, 水汽对电磁波具有明显的吸收作用, 成为红外遥感大气校正需要剔除的主要因素. 利用遥感反演可以获得大气柱水汽含量的空间连续分布, 其主要方法包括差分吸收法(differential absorption technique, DAT)1,2, 分裂窗法(split-window technique, SWT)3, 微波法(microwave techniques, MT)4,5以及近红外比值法(ratio technique, RT)6,7等. 其中由于RT法对载荷仪器噪声、大气及地表的变化具有较低的敏感性, 是一种较为稳定的卫星遥感水汽估算方法8, 受到广泛应用.热红外航空遥感大气校正的核心在于与飞行同步大气水汽信息的获取. 通过在热红外遥感器上加载-大气窗口通道(如860 nm附近)和水汽吸收通道(如940 nm附近), 可实现红外遥感数据的实时大气校正. 我国研制的红外多角度航空相机(multi-angular infrafred camera, MAIC)安装了4个谱段, 分别为B1 (0.8450.885 mm), B2(0.9150.965 mm), B3(10.311.3 mm)和B4(11.512.5 mm), 其中B1, B2波段能够用于估算地表到航飞高度的高分辨率水汽空间分布信息, 是提高MAIC应用潜力的重要手段. MAIC各通道光谱响应如图1所示.大气水汽主要集中在对流层以内. 对于成像在对流层以上(10 km或更高)的航空遥感, 由于水汽含量在高层大气中极为稀少, 利用RT法估算水汽的过程与卫星遥感相似9. 但是为获取较高分辨率航空影像, 热红外航空遥感飞行高度一般位于25 km的对流层之内, 航飞高度之上的大气水汽不可忽略. 如果直接套用卫星遥感水汽估算中的RT法, 会额外引入航飞高度之上水汽吸收造成的影响, 从而高估地表到航飞高度之间的水汽, 降低大气订正精度.RT法的核心参数为近红外波段大气窗口通道和水汽吸收通道入瞳辐亮度之比Tw, 通过建立该比值与水汽的函数关系可以估算水汽空间分布. 但是在对流层内, Tw与水汽的关系是随着航飞高度变化的. 选用1614条热力学初始分析资料(thermodynamic initialguess retrieval, TIGR)大气廓线数据, 包括陆地与海洋区域, 其中编号1872为热带(tropical)廓线, 编号8731260为温带(mid-lat1)廓线, 以及编号12611614为温带冬季与亚寒带夏季(mid-lat2)廓线. 利用Modtran4.0模拟MAIC在不同航高成像时, Tw随地面到航高水汽的变化规律, 如图2所示. 当航高在5 km以上时, 航空器之上的大气水汽较为稀薄, 对太阳-地表-传感器路径上的水汽透过率贡献较小. 对于不同廓线数据, 入瞳辐亮度之比与水汽呈现良好的负相关关系, 在散点图中的分布相对平缓稳定; 当航高在5 km以下时, 入瞳辐亮度之比与水汽的负相关关系开始减弱, 且不同廓线数据散点图的变化相对剧烈. 因此, 在利用RT法从对流层(尤其是5 km以内的低空)航空遥感数据中估算水汽时, 必须针对太阳-地表-航空器的大气辐射传输路径特征进行算法修正, 以消除飞行高度变化对水汽估算精度的影响. 本文根据MAIC工程参数, 针对传统比值法在航空遥感水汽估算中的局限性, 结合大气辐射传输模拟软件Modtran4.0和TIGR大气廓线数据的垂直分层资料进行模拟, 建立考虑航空相机飞行高度及太阳入射角的近红外两通道比值法的对流层航空遥感水汽估算改进模型, 并利用模拟数据和实际航空遥感数据, 对模型的精度进行验证分析.图1 MAIC各通道光谱响应图2 MAIC B2, B1通道入瞳辐亮度之比Tw与地面到航高大气水汽关系散点图2 近红外水汽反演原理在1 mm附近的近红外波段, 传感器在某一波长l所接收到的入瞳辐射可简化为 (1)式中Lsensor(l)为传感器入瞳辐亮度; Lsun(l)为大气顶层的太阳入射辐亮度; t(l)为太阳-地面-传感器路径透过率, 包含了传输路径上的大气吸收信息; r(l)为地表双向反射率; Lp(l)为路径上分子与气溶胶的散射辐射项. 晴空条件下, 近红外波段大气气溶胶光学厚度很小, 散射辐射Lp(l)的作用与(1)式右端第一项直接反射项相比, 可忽略不计10, 因此(1)式可表示为(2)令(3)式中Tw=Lsensor(940)/Lsensor(860), 为传感器入瞳处吸收通道(940 nm附近)和窗口通道(860 nm附近)等效辐亮度之比; tw_path=tpath(940)/tpath(860), 为传输路径上的对应通道等效水汽透过率之比, 其中tpath(860)作为大气窗口通道透过率, 其值相对稳定且接近于1(图 1), 因此tw_path实际上能表征水汽吸收通道的路径透过率; Tsurface=r(940)/r(860)为传输路径上的对应通道等效地表反射率之比; Tsun=Lsun(940)/Lsun(860)为对应通道在大气顶层的等效太阳辐照度之比. 研究发现7,8,10, 860和940 nm附近的地物反射率基本相等或成线性变化, Tsurface相对稳定; Tsun根据大气层外太阳辐亮度计算获得. 因此水汽的透过率tw_path就可以通过计算Tw得到, 进而由tw_path估算大气水汽含量.3 航空遥感近红外水汽反演算法3.1 算法设计tw_ss, 入射路径上太阳到地表的水汽透过率; tw_sz, 入射路径上太阳到MAIC航空遥感成像高度Z的水汽透过率; tw_zs, 入射路径上MAIC所在高度Z到地表的水汽透过率; tw_sm, 出射路径上地表到MAIC的水汽透过率; W, 整层大气柱水汽含量; Wz, 地表到航高Z区间的大气柱水汽含量对940 nm通道电磁波传输路径(太阳-地表- MAIC)上的水汽透过率tw_path进行分段考虑(以下所涉及透过率均为水汽透过率), 可表示为入射路径上tw_ss与反射路径上tw_sm的乘积, 如下式:(4)在入射路径中,根据辐射传输公式, 水汽透过率可表示为tw=exp(m h), 其中m为相对大气质量, 与传输路径及太阳入射角度有关, h为水汽光学厚度, 与大气水汽的垂直分布有关. tw_ss与tw_zs取对数可得到(5)上式可简化为G函数, 与水汽垂直分布Wv以及太阳入射角qs有关(6)(7)同理, tw_zs与tw_sm对数比值受到太阳入射角qs, 传感器观测角qo以及地面到飞行高度水汽含量Wz的影响, 定义为H函数, 如下式:(8)(9)由(3), (4), (7)和(9)式可得(10)研究表明1113, 大气水汽透过率tw和大气可降水量关系可用如下形式表示:(11)式中b0与仪器通道的中心波长和半波宽度以及波段图3 (网络版彩图)航空遥感水汽估算模型参数几何关系响应函数有关. 合并(10)和(11)式可得(12)3.1.1 G函数设计定义参数R, 其含义为地表到航高Z的水汽Wz与整层大气水汽W之比(13)计算1614条TIGR廓线下R值. 利用Modtran4.0模拟太阳入射角角为0时, 不同观测高度(1, 3, 5, 7 km)下MAIC B1, B2通道的tw_ss与tw_zs, 并由(7)式计算得到G(Wv, 0). 分析G与R的关系, 绘制散点图, 发现二者表现为明显的幂指数形式(G=aRb), 如图4所示.G不仅受到R的影响, 还与太阳入射角qs有关. 以TIGR廓线为样本数据, 当航高Z为3 km时, 0太阳入射角与60太阳入射角下G值的差异集中在-0.02, 0.02, 该误差对水汽估算影响的敏感性分析见4.2节.3.1.2 H函数设计H函数为地面S到航高Z之间, 入射路径与出射路径上940 nm水汽透过率对数之比, 如(8)式所示. 航空遥感主要以垂直下视成像居多, 本文仅考虑天顶观测(qo=0)的情况.不同航高, 不同廓线可计算出不同的Wz, 将图4 基于TIGR数据绘制的G(Wv, 0)与R关系散点图TIGR廓线数据输入Modtran4.0, 模拟1, 3, 5, 7 km航高条件下的Wz值以及MAIC B1, B2通道的tw_zs与tw_sm, 并由(8)式计算得到H. 模拟不同太阳入射角qs条件下, H与Wz的关系, 结果如图5(a)所示. 由图发现qs对H的影响非常显著: H随着qs的增大而增大, H(qs=10)与H(qs=60)的平均差值可达到0.4415. 可见对H的估算必须考虑太阳入射角的变化. 水汽含量Wz的变化对H的影响相对较小: 尤其当qs小于50时, H几乎不受到水汽变化的影响. 因此在实际计算H时可考虑忽略参数Wz的影响, 特别针对低太阳入射角条件. 计算图5(a)中不同qs时H的平均值, 分析H与qs的关系, 结果如图