1、近紅外比值法在對流層航空遙感數據大氣水汽估算中的改進王靚，趙利民*,趙艷華，謝勇，董建婷，劉景旺，余濤，顧行發(fā)中國科學院遙感與數字地球研究所，北京100101;中國科學院大學資源與環(huán)境學院，北京100101;國家航天局航天遙感論證中心，北京100101;北京空間機電研究所，北京100094;北華航天工業(yè)學院，廊坊065000* E-mail: HYPERLINK mailto: 收稿日期:2015-03-22;接受日期:2015-06-16;網絡出版日期:2015-11-16民用航天 十二五”預研項目(編號：D030101)資助摘要利用近紅外波段大氣窗口通道和水汽吸收通道輻亮度比值反演大氣柱水

2、汽含量，是衛(wèi)星遙感大氣水汽估算的通用方法之一.但對于對流層內的航空遙感水汽估算，直接套用衛(wèi)星遙感水汽估算近紅外比值法會引入飛行平臺到大氣頂層水汽的影響.根據航空遙感成像特征，利用Modtran和熱力學初始分析資料(thermodynamicinitial guess retrieval, TIGR)大氣廓線庫數據，分別構建入射路徑上，航飛高度到地表的水汽透過率與太陽到地表 水汽透過率的對數之比G與航飛高度內大氣水汽與整層大氣水汽之比R,以及入射路徑上的航飛高度到地表的水汽透過率，與出射路徑上地表到入瞳處水汽透過率的對數之比H與太陽入射角 s的函數關系，結合下墊面特征，建立對流層航空遙感水汽估算

3、模型.以1614組TIGR廓線為輸入模擬航飛入瞳處輻亮度，利用本文模型估算對流層內大氣水汽，并與廓線數據直接計算值對比，結果表明，當航飛高度在1.07.0 km時，模型估算值的總體精度為0.22 g/cm2,且精度優(yōu)于0.5 g/cm2的樣本占總樣本數 95.30%.利用2014年5月28日鄭州上街航空遙感試 驗獲取的影像進行水汽分布估算，并與同步大氣探空數據計算到的水汽進行對比，結果表明，各樣區(qū)估算值與探空彳t的RMS誤差為0.16 g/cm2(12.8%),且對下墊面覆蓋條件的先驗了解能夠提高模型估算精度.本文模型消除航空遙感飛行高度以上大氣的影響，增大了模型的精準度與適應性，為熱紅外航空

4、遙感數據實時大氣校正提供了可靠的輸入.關鍵詞大氣水汽，對流層，航空遙感，近紅外比值法，紅外多角度航空相機1引言水汽是大氣的重要組成部分之一，是導致天氣變化的主要要素.在中/長波紅外譜段，水汽對電磁波具有明顯的吸收作用，成為紅外遙感大氣校正需要剔除的主要因素.利用遙感反演可以獲得大氣柱水汽含量的空間連續(xù)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以及近紅外比值法 (ratio tec

5、hnique, RT)6,7等.其中由于RT法對載荷儀器噪聲、 大氣及地表的變化具有較低的敏感性，是一種較為穩(wěn)定的衛(wèi)星遙感水汽估算方法網，受到廣泛應用.熱紅外航空遙感大氣校正的核心在于與飛行同 步大氣水汽信息的獲取.通過在熱紅外遙感器上加載-大氣窗口通道(如860 nm附近)和水汽吸收通道(如 940 nm附近)，可實現紅外遙感數據的實時大氣校正.我國研制的紅外多角度航空相機(multi-angular infrafred camera, MAIC)安裝了 4 個譜段，分別為 B1 (0.8450.885m), B2(0.9150.965m), B3(10.311.3m)和B4(11.512.

6、5m),其中B1, B2波段能夠用于估算地表到航飛高度的高分辨率水汽空間分布信息，是提高MAIC應用潛力的重要手段.MAIC各通道光譜響應如圖1所示.大氣水汽主要集中在對流層以內.對于成像在對流層以上(10 km或更高)的航空遙感，由于水汽含 量在高層大氣中極為稀少，利用RT法估算水汽的過 程與衛(wèi)星遙感相似9.但是為獲取較高分辨率航空影 像，熱紅外航空遙感飛行高度一般位于25 km的對流層之內，航飛高度之上的大氣水汽不可忽略.如果直接套用衛(wèi)星遙感水汽估算中的RT法，會額外引入航飛高度之上水汽吸U造成的影響，從而高估地表到航飛高度之間的水汽，降低大氣訂正精度.RT法的核心參數為近紅外波段大氣窗口

7、通道和 水汽吸收通道入瞳輻亮度之比Tw,通過建立該比值與水汽的函數關系可以估算水汽空間分布.但是在對流層內，Tw與水汽的關系是隨著航飛高度變化的.選用 1614條熱力學初始分析資料(thermodynamicinitialguess retrieval, TIGR)大氣廓線數據，包括陸地 與海洋區(qū)域，其中編號1872為熱帶(tropical)廓線, 編號8731260為溫帶(mid-lat1)廓線，以及編號 12611614為溫帶冬季與亞寒帶夏季(mid-lat2)廓線.利用 Modtran4.0模才M MAIC 在不同航高成像時，Tw 隨地面到航高水汽的變化規(guī)律，如圖2所示.當航高 TOC

8、o 1-5 h z 在5 km以上時，航空器之上的大氣水汽較為稀薄，對太陽-地表-傳感器路徑上的水汽透過率貢獻較小.對于不同廓線數據，入瞳輻亮度之比與水汽呈現良好的負相關關系，在散點圖中的分布相對平緩穩(wěn)定；當航高在5 km以下時，入瞳輻亮度之比與水汽的負 相關關系開始減弱，且不同廓線數據散點圖的變化相對劇烈.因此，在利用RT法從對流層(尤其是5 km 以內的低空)航空遙感數據中彳算水汽時，必須針對太陽-地表-航空器的大氣輻射傳輸路徑特征進行算法 修正，以消除飛行高度變化對水汽估算精度的影響.本文根據 MAIC 工程參數，針對傳統(tǒng)比值法在 航空遙感水汽估算中的局限性，結合大氣輻射傳輸模擬軟件Mo

9、dtran4.0和TIGR大氣廓線數據的垂直分 層資料進行模擬，建立考慮航空相機飛行高度及太 陽入射角的近紅外兩通道比值法的對流層航空遙感 水汽估算改進模型，并利用模擬數據和實際航空遙 感數據，對模型的精度進行驗證分析.圖1 MAIC各通道光譜響應water vapor 伯Zcrrf)圖2 MAIC B2, B1通道入瞳輻亮度之比Tw與地面到航高大氣水汽關系散點圖w _ path w_ ss wsm .可表示為輸路徑及太陽入射角度有關 大氣水汽的垂直分布有關G(Wv, s),w ss同理,w_zs與w_sm對數比值受到太陽入射角H( s, o,Wz),H ( s, o,Wz)w sm (6)s

10、,傳感Wz的影響，(8)(10)(11)2近紅外水汽反演原理在1 m附近的近紅外波段，傳感器在某一波長 所接收到的入瞳輻射可簡化為Lsensor( )/()()() Lp(),式中 L sensor( )為傳感器入瞳輻亮度；Lsun ( )為大氣頂層的太陽入射輻亮度；()為太陽-地面-傳感器路徑透過率，包含了傳輸路徑上的大氣吸收信息；()為地表雙向反射率；Lp()為路徑上分子與氣溶膠的散射 輻射項.晴空條件下，近紅外波段大氣氣溶膠光學厚 度很小，散射輻射Lp()的作用與(1)式右端第一項直接反射項相比，可忽略不計10,因此 式可表示為Lsensor( )1.()()().令Tw = w_pat

11、h Tsurface Tsun ,(3)式中Tw=Lsensor(940)/ L sensor(860),為傳感器入瞳處吸收 通道(940 nm附近)和窗口通道(860 nm附近)等效輻亮 度之比；w_path= path (940)/ path(860),為傳輸路徑上的對 應通道等效水汽透過率之比，其中path(860)作為大氣窗口通道透過率，其值相對穩(wěn)定且接近于 1(圖1),因 此w_path實際上能表征水汽吸收通道的路徑透過率；Tsurface= (940)/ (860)為傳輸路徑上的對應通道等效地 表反射率之比；Tsun=Lsun(940)/Lsun(860)為對應通道在大 氣頂層的等

12、效太陽輻照度之比.研究發(fā)現7,8,10, 860和 940 nm附近的地物反射率基本相等或成線性變化，Tsurface相對穩(wěn)定；Tsun根據大氣層外太陽輻亮度計算獲 彳4 .因此水汽的透過率w_path就可以通過計算Tw得到，進而由 w_path 估算大氣水汽含量3航空遙感近紅外水汽反演算法算法設計w_ss,入射路徑上太陽到地表的水汽透過率； w_sz,入射路徑上太陽到MAIC航空遙感成像高度Z的水汽透過率；w_zs,入射路彳上 MAIC所在高度Z 到地表的水汽透過率；w_sm,出射路徑上地表到 MAIC 的水汽透過率；W,整層大氣柱水汽含量；Wz,地表到航高Z區(qū)間的大氣柱水汽含量對940 n

13、m通道電磁波傳輸路徑(太陽-地表-MAIC)上的水汽透過率w_path進行分段考慮(以下所涉及透過率均為水汽透過率),可表示為入射路徑上w_ss與反射路徑上w_sm的乘積,如下式：在入射路徑中，根據輻射傳輸公式，水汽透過率w=exp( m h),其中m為相對大氣質量，與傳 ,h為水汽光學厚度，與 w_ss與w_zs取對數可得到ln( w ss) ln( w_zs)上式可簡化為 G函數，與水汽垂直分布Wv以及太陽入射角s有關ln( w ss) ln( w_zs)G(Wv, s)w zs器觀測角o以及地面到飛行高度水汽含量 定義為H函數，如下式：ln( w zs)ln( w_sm )w zs由(3

14、), (4), (7)和(9)式可得T GH 1 T f Tw w smsurface sun .研究表明1113,大氣水汽透過率w和大氣可降水量關系可用如下形式表示：exp b, WZ ,式中b0與儀器通道的中心波長和半波寬度以及波段圖3 (網絡版彩圖)航空遙感水汽估算模型參數幾何關系響應函數有關.合并(10)和(11)式可得Tw TsurfaCe Tsun exp bo (G H 1),WZ .(12)G函數設計定義參數R,其含義為地表到航高Z的水汽Wz與整層大氣水汽W之比R Wz W.(13)計算1614條TIGR廓線下 R值.利用Modtran4.0 模擬太陽入射角角為0。時，不同觀測

15、高度(1, 3, 5, 7km)下MAIC B1, B2通道的 w_ss與w_zs,并由 式計 算得到G(W, 0).分析G與R的關系，繪制散點圖， 發(fā)現二者表現為明顯的募指數形式(G = aRb),如圖4所示.G不僅受到 R的影響，還與太陽入射角s有關.以TIGR廓線為樣本數據，當航高Z為3 km時，0太 陽入射角與60。太陽入射角下 G值的差異集中在0.02, 0.02,該誤差對水汽估算影響的敏感性分析 見4.2節(jié).H函數設計H函數為地面 S到航高Z之間，入射路徑與出射 路徑上 940 nm水汽透過率又t數之比，如(8)式所示.航空遙感主要以垂直下視成像居多，本文僅考慮天頂觀測(。=0)的

16、情況.不同高，不同廓線可計算出不同的Wz,將403.5 .，大氣國文*Tropical* *Mid-lall020.40.60.81.0R圖4基于TIGR數據繪制的G(Wv, 0 )與R關系散點圖TIGR廓線數據輸入 Modtran4.0,模才1 1,3, 5,7 km航 高條件下的 Wz值以及 MAIC B1, B2通道的w_zs與 w_sm,并由(8)式計算得到H.模擬不同太陽入射角s條件下，H與Wz的關系，結果如圖5(a)所示.由圖發(fā) 現s對H的影響非常顯著：H隨著s的增大而增大， H( s=10)與H( s=60)的平均差值可達到0.4415.可見對H的估算必須考慮太陽入射角的變化.水

17、汽含量Wz的變化對H的影響相對較?。河绕洚攕小于50 時，H幾乎不受到水汽變化的影響.因此在實際計算H時可考慮忽略參數Wz的影響，特別針對低太陽入射角條件.計算圖5(a)中不同s時H的平均值，分析 H與s的關系，結果如圖5(b)所示.發(fā)現二者表現為 明顯的二次方形式，即H = ci M+C2 +C3.分大氣模式考慮，在太陽入射角為40。，50。時,忽略水汽含量的影響對估算H所帶來的誤差主要集中在0.008, 0.008以內，在太陽入射角為60時誤差 TOC o 1-5 h z 范圍會增大到0.012, 0.012.該誤差對最終 Wz估算 造成的影響分析見4.2節(jié).對流層航空遙感大氣水汽估算模型

18、根據上述分析，(12)式可寫成Tw expbJG(R)H( s) 1府,(14)其中，1n(Tsurface Tsun),(15)G(R) R(16) 2.,一 H( s) b2 s b3 s b4.(17)利用Modtran4.0模擬不同條件下MAIC B2與B1的入瞳輻亮度比值Tw,回歸計算得到下墊面為植被(veg), 土壤(soil)條件下不同大氣模式對應的，b0b4,各參數取彳t如表1所示.其中，由于Tsurface與地物覆蓋類型有關，本文考慮了 9類地物，包括4類 植被(針葉林，落葉林，草地，混合植被)和5類土壤(黏土，粉砂土壤，粉質黏土，沙質土壤，混沙土壤). 其他Modtran模

19、擬輸入條件包括：太陽入射角度為 1060;垂直下視觀測，觀測高度為1,3, 5, 7 km.4航空遙感水汽估算誤差敏感性分析R值估算誤差敏感性分析本文模型中，R的估算誤差直接影響到Wz的估算精度.定義Wz估算誤差W如下14:W |W(R R) W(R) ,(18)R為參數R可能出現的誤差，W(R+ R)與W(R)為利用 (14)式分別在 R+ R和R下計算得到的水汽含量 .計 算過程中選擇如下典型條件 ：1)大氣模式為 Mid-1at1; 2)地表覆蓋類型為植被.大部分觀測條件下，入瞳輻 亮度之比Tw集中在0.2, 0.8,本文設定Tw=0.452(為 所有觀測條件下的平均值),并選取太陽入射

20、角s分別為20。和50。的情況進行分析(圖6).由圖6可看出，本文算法中R對 W的影響較為顯著：典型條件下，如果R的計算誤差 R=0.05,則將表1回歸計算得到的，b0b4地表類型b0b1b2b3b4R2Troplical0.171730.222970.630000.000140.002861.182030.982植被Mid-lat10.074480.235040.596410.000150.003331.370240.969Mid-lat20.046820.222600.568630.000170.003741.646280.955Troplical0.058770.178080.57851

21、0.000170.003481.848720.953土壤Mid-lat10.024540.203570.559100.000180.003851.886460.928Mid-1at20.054750.173760.518100.000220.005022.638710.902伸 Tr&peal Mkl-latl MdhtZ圖5 H與Wz及s的關系散點圖 ft=OCl d 8 A R=Q.O5 .許口 1 T R=0.3田2(Ho e - (b) ,0 01 0JA iR-Q 05T SR=Q 1、誨N 203 D4 05比他50)圖6 R估算誤差引起的水汽估算誤差導致水汽產生 0.12 g/c

22、m2左右的誤差.算法受太陽入 射角s的影響并不顯著：當 R=0.1, 0.8,R=0.01,0.2時，W ( s=20)與 W ( s=50)的最大差值為 0.07 g/cm2;以水汽比值 R=0.45, R=0.1為例，當s=20時，W=0.22 g/cm2,當 s=50時，W=0.24 g/cm2,兩種 s 條件下水汽估算誤差僅相差0.02 g/cm2.同時，W受到R的影響也較不顯著：以太陽入射角 s=20為例，R 由0.1變化至0.8, W的變化范圍在 0.1 g/cm 2之內，且 隨著R的增大，W的變化更加趨于平緩 .模擬結果顯示，90%以上的Tw值在0.2, 0.8,故上述對于Tw=

23、0.452時的分析僅顯示了一個平均水平.圖7顯示了不同Tw下水汽估算誤差的變化規(guī)律.前文分析可知，太陽入射角s對W的影響微小，因此 圖7中W為s在5。60。下W的平均值.可以看出, 在一定的 R誤差條件下，W隨Tw的增大而減小，且 這一變化的速度隨R的增大而增大.Tw逆向表征水汽的高低，因此圖7說明水汽的估算誤差將隨水汽的 升高而升高. R=01 R=0.3 * R=05 T 月=07 F?=Q1* R=0.3 R=05T R=0 713 5 74 2 0 8 6Q 20 3 口* 口 406070.B加(rffl-D.l4所0幻圖7不同Tw條件下R估算誤差引起的水汽估算誤差圖7還可以作為估計

24、不同條件下R所造成的水汽估算精度的依據，即可從圖中查找不同Tw, R及R下對應的W作為水汽估算精度.例如，Tw=0,4, R=0.5, R=0.05時，水汽估算精度可達到0.19g/cm2.當R 0.05時，本算法可保證在所有觀測條件下水汽的估算精度優(yōu)于0.7 g/cm2；當R 0.1時，水汽的估算最低優(yōu)于1.0 g/cm2,且僅當Tw0.3時水汽估算精度 會劣于0.5 g/cm2,而這也將是較為極端的潮濕大氣條 件.G, H誤差敏感性分析G函數和H函數均由各自的顯著因子經曲線擬 合得到，忽略非顯著因子的影響會產生函數擬合誤 差，進而導致 Wz出現誤差.水汽估算誤差W與G, H計算誤差的關系如

25、下15,16:W2y(lnTw)2Wxfx,(19)x仇(GH 1)式中x, y分別代表 G, H或者H, G. x代表對應項的 計算誤差.由3.1可知，忽略s的影響所帶來 G值的計算誤 差主要分布在0.02, 0.02.假設 G=0.02,考慮典型 條件，設定 Tw=0.452,s=30 ,得 H=1.405.代入(19)式，計算得到當 G值在1.0, 4.0時，G導致的水汽估 算誤差在 0.032 g/cm2以內，因此G函數的設計可忽 略s的影響.同樣地，由3.1可知忽略 Wz的影響H的計算誤 差主要集中在0.012, 0.012.假設H=0.012,考慮 典型條件，設定Tw=0.452,

26、 R=0.8,得G = 1.142,代入 (19)式，計算得到當 H值在1.0, 1.7時，H導致的水 汽估算誤差在 0.009 g/cm2以內，因此H函數的設計可忽略Wz的影響5算法驗證分別利用Modtran4.0模擬數據與 MAIC航空遙感 數據對算法精度進行驗證，定義水汽估算誤差如下：RMSL%ea1*),(20)式中W_real代表真值，由探空廓線計算得到，WZ_alg代 表本文算法估算值，N為參與計算的樣本數量.Modtran 4.0 模擬驗證利用Modtran4.0模才M MAIC B1, B2 通道表觀輻 亮度，輸入條件為：1)天頂觀測；2)生6 10 ； 60 , 步長為5;

27、3)航飛高度 Z6 1 km, 7 km,步長為1 km; 4) TIGR 廓線編號11614.根據本文中提到的算 法計算地表到航飛高度之間的大氣水汽含量WZ_alg ,并與利用 TIGR水汽廓線直接計算得到的水汽含量 Wz_tigr進行比較，如圖8所示.利用本文中的方法 17 km觀測高度下水汽的估 算可以得到很好的結果，如圖8(a),整體RSM可達到0.2243 g/cm 2,且估算誤差小于 0.25 g/cm 2的樣本占總 樣本數的80.65%,誤差小于0.5, 0.8 g/cm2的樣本分 別占總樣本數的95.30%, 99.38%,如圖8(b)所示.表2顯示了不同條件下水汽估算誤差的分

28、布.本算法在水汽含量較小的情況下反演精度較高，當水汽含量小于3 g/cm2時，RMS小于0.25 g/cm2,而當水汽 含量大于 3 g/cm2時，RMS主要分布在 0.30.4 g/cm 2.本算法中H函數是針對太陽入射角的校正項 ，因此本算法水汽估算誤差受到太陽入射角的影響較圖8 (網絡版彩圖)航空飛行高度水汽模型估算值與探空廓線計算值對比(a)散點圖；(b)差值直方圖表2不同觀測條件下的水汽估算誤差大氣模式水汽范圍Wz (g/cm2)太陽入射角s ()0112233445561010202030304040505060Troplical0.11700.18520.24690.29960.

29、35490.45000.31710.28940.28310.27670.27190.2440Mid-lat10.09750.15770.24610.38810.15580.14200.13850.13360.12660.0970Mid-lat20.08760.15360.29720.11620.10630.10330.09910.09350.0728小.可以看到，本算法在太陽入射角較大時，RMS較低，而隨著太陽入射角的減小，RMS反而有所升高.本算法主要消除了水汽比值R對水汽估算精度的影響，因此，RMS隨R的變化并不明顯，且在大部 分情況下，RMS均低于整體水平 0.2243 g/cm2,僅在

30、 熱帶模式下，R大于0.7時，RMS大于0.26 g/cm2,這 也與熱帶模式下水汽含量較高有關.航空遙感試驗驗證利用MAIC相機拍攝的地面影像驗證該算法的 實際應用精度.試驗區(qū)位于河南鄭州上街機場附近(34 50.5 N, 113 16.3 E),航飛區(qū)域內地形平坦，包含城鎮(zhèn)，農田，水體，工業(yè)設施等典型地物 .選擇晴朗 無云時間段開展航空成像試驗.MAIC航空成像的航高海拔為3134 m(對應地面高度 3 km),成像時間為2014 年 5 月 27 日 08: 30(UTC), 2014 年 5 月 28 日 07: 00(UTC),計算得到測區(qū)內太陽入射角分別為和36.6 :飛行過程中采

31、用佳能5D Mark III同步獲取真彩色影像數據，幾何校正后結果如圖9(a).飛行后在實驗室利用積分球對MAIC相機B1,B2通道進行絕對輻射定標與非均勻性校正，得到飛行高度的通道輻亮度數據，再利用同步 POS數據對CCD掃描數據進行幾何校正.選擇下墊面類型為植被(veg),大氣模式為中緯度溫帶(Mid-lat1).由表 1,= 0.07448, b0=0.23504,并算得 G = 1.1872, H=1.4493,其中 R=0.745, 5 月 27 日s=48.8 ； 5月28日s=36.6 :將上述參數帶入 (14)式, 圖9(b), (c)為利用本文算法計算得到的地面到飛行高 度水

32、汽的空間分布.B1, B2波段間配準誤差導致水汽 分布圖仍表現出一定的地物紋理特征，但總體而言，估算結果直方圖分布較為集中(圖10(b), 5月28日像元均值為1.16 g/cm2,標準差為0.23.如果選擇下墊面 類型為土壤，由表1及(14)式得到的水汽影像均值為 1.35 g/cm2,標準差0.23.相同方法可得到 5月27日選 擇下墊面類型為植被，水汽影像土值為1.04 g/cm2,標 準差 0.16(圖 10(a).試驗中通過釋放氣象探空氣球與飛行同步獲取 了測區(qū)內的大氣參數，包括溫度，濕度，壓力等垂直廓線數據，5月27日數據采集時間為08: 0408: 57(UTC), 5月28日數

33、據采集時間為06: 4407: 33(UTC).計算得到地面到飛行高度的大氣水汽含量分別為 1.12, 1.25 g/cm2.將該結果作為真值，與飛行區(qū)域水 汽航空遙感估算平均值相差在0.1 g/cm2以內.選取測區(qū)內17處樣本區(qū)，如圖9(a).其中編號18為小麥地，編號912為草地，編號13為裸士，編 號14為稀疏草地(草地與裸土混合),編號1517為建 筑物(道路、房頂等不透水面).112, 14號樣區(qū)以MidLat1-Veg 模式計算，13, 1517號樣區(qū)以 MidLat1- soil模式計算，14號樣區(qū)分別利用MidLat1-Veg,MidLat1-soil模式計算，計算得到5月27

34、日117號 樣本區(qū)水汽估算誤差RMS=0.14 g/cm2(12.5%),平均水,1.05 g/cm 2. 5月28日117號樣本區(qū)水汽估算誤圖9 (網絡版彩圖)MAIC航空遙感成像(a)試驗區(qū)概況；(b)和(c) 5月27日、28日地表到飛行高度水汽分布圖10飛行試驗區(qū)水汽遙感估算結果統(tǒng)計信息(a) 2014 年 5 月 27 日；(b) 2014 年 5 月 28 日差 RMS=0.16 g/cm 2(12.8%),平均水汽為 1.32 g/cm2, 比利用探空數據計算得到的水汽含量高出5.4%.不同地物覆蓋模式下，各樣區(qū)水汽估算精度統(tǒng) 計結果如表3.表中Tsurface= 940 nm/

35、865 nm ,為實地測得的 地物反射率光譜曲線經MAIC B2, B1光譜響應函數卷積后的兩通道反射率比值，稀疏草地的Tsurface為草 地和土壤樣區(qū)的平均值.由表3可知，小麥地、草地及裸土在各自下墊面模式的水汽估算結果較好，樣區(qū)RMS誤差在0.172 g/cm 2以內，且水汽平均值與探 空氣球測量結果相差在0.1 g/cm2之內.稀疏草地樣本區(qū)為草地與裸土的混合類型，主要以草地為主，故以MidLat1-Veg 模式計算精度較高，RMS=0.18 g/cm2左右.建筑區(qū)水汽估算精度較低，RMS誤差可高達0.2133 g/cm2(17.1%), 5月28日樣區(qū)水汽平均值高出 探空氣球測量結果

36、13.3%.如本文第2節(jié)所述，近紅外遙感水汽估算的基本 假設是1 m附近大部分地物的地表反射率隨波長近 似相等或成線性變化，進而由Tsurface估算大氣水汽. 事實上，不同地物種類(尤其是植被與非植被),其地 表反射率隨波長的變化規(guī)律會有所差異17,因此Tsurface值不僅包含了水汽信息，還包括了地表覆蓋類 型差異導致的擾動，從而引起水汽估算誤差.這說明 RT水汽估算對于地物覆蓋具有一定的依賴性，具備地表覆蓋的先驗知識能夠提高模型精度.例如，建筑區(qū)水汽估算采用了土壤模式，但該區(qū)域內的 Tsurface真實值比土壤區(qū)要低，導致參數產生誤差，進而導致 一定的水汽估算誤差.這一現象在其他樣本區(qū)也

37、有 體現：例如將稀疏草地樣本區(qū)的水汽估算模式調整 為土壤模式時，同樣會高估Tsurface,導致的5月27日 水汽航空遙感估算RMS誤差為0.18 g/cm 2(16.4%), 5月 28 日 RMS 誤差則達到 0.33 g/cm 2(26.6%).6結論與討論利用對流層近紅外波段航空數據估算水汽，不僅可以獲得詳盡的水汽空間分布，還可以通過調整飛行高度獲得地表到不同高度處的水汽，為熱紅外航空遙感的實時大氣校正提供可靠的輸入 ，提高其 在資源環(huán)境遙感，衛(wèi)星產品真實性檢驗等方面業(yè)務 化運行的能力，同時也為水文，氣象等領域相關研究表3不同下墊面條件下近紅外航空遙感水汽估算誤差日期地物類型(計算模式

38、)(MidLat1-Veg)(MidLat1-Veg)(MidLat1-soil)稀疏草地 (MidLat1-Veg)稀疏草地(MidLat1-soil)建筑物(MidLat1-soil)5月27日均值(g/cm2)1.03571.07121.03721.19031.02041.0864RMS (g/cm2)0.15470.10800.11170.17160.18320.14765月28日均值(g/cm2)1.19331.20581.36511.34161.53991.4157RMS (g/cm Carrere V, Conel J E. Recovery of atmospheric wat

39、er-vapor total column abundance from imaging spectrometer data around 940 nm- sensitivity analysis and application to airborne visible infrared imaging spectrometer (aviris) data. Remote Sens Environ, 1993, 44: 179 204)0.17200.10930.13810.18830.33190.2133T surface1.00450.99061.01681.00371.00370.9994

40、提供更為準確的對流層水汽分布信息本文基于近紅外衛(wèi)星遙感水汽估算原理，結合MAIC通道特征，修正了航空相機飛行高度以上的大 氣對對流層水汽估算的影響，建立了對流層航空遙感水汽估算模型.模型考慮了對流層內某高度水汽 與整層大氣水汽之間的比例關系，并兼顧太陽入射角，大氣模式以及地表覆蓋特征等的影響，使近紅外航空數據的水汽估算擺脫了飛行高度的限制，增大了模型的適用性.利用該模型估算對流層大氣水汽含量需要底層 水汽占整層大氣水?含量的比值R作為輸入，R的準確性直接影響水汽的估算精度.一般情況下，R可利用相應地理位置和季節(jié)的探空廓線數據計算得到.如果沒有探空資料，本文附錄給出了利用TIGR探空廓線計算得到

41、的不同航高和大氣模式下R的取值.當R的誤差R 0.1時，本文模型在大多數晴空大氣條 件下水汽的估算值優(yōu)于0.5 g/cm2,對于為潮濕的氣象條件，模型仍能保持優(yōu)于1.0 g/cm2的估算精度.利用實際航空遙感數據進行水汽估算與驗證，結果表明研究區(qū)內的水汽估算結果平均RMS誤差在0.16 TOC o 1-5 h z g/cm2(12.8%)之內，僅建筑區(qū)水汽估算精度相對較低，28 日 RMS 誤差為 0.2133 g/cm 2(17.1%).本文模型具有較強的適用性，適合對流層內不同航高，不同大氣模式以及多種下墊面條件下水汽 的估算.實際應用中，根據對下墊面環(huán)境的先驗了解，有針對性地選擇地物覆蓋

42、模式和大氣模式，再由表3選取合適的型參數，可進一步提高水汽估算精度.需指出的是，本文在模型建立過程中，下墊面類型主要考慮了植被與土壤兩類.對于人工建筑區(qū)域，下墊面類型可用土壤模式代替且能保持一定的精度.隨著社會的發(fā)展，地表覆蓋類型不斷增多，不透水面 等人工覆蓋類型已不容忽視，以后的研究中需要進一步考慮加入人工建筑地表下的水汽反演模式另一方面，航空飛行高度Z決定了參數R的取值. 盡管本文附錄里給出的R值查找表，但該表中航高的步長為1 km,限制了更多航高下水汽估算的靈活性.在下一步研究中，將考慮用航高Z作為核心參數建立 改進模型，進一步拓展模型的適用性.與此同時，本文模型只考慮了無云情況 ，而低

43、空云層對水汽含量 的估算精度會產生一定影響 ，因此還需在更多的大 氣和地表環(huán)境條件下開展航空遙感試驗，更加全面客觀地驗證模型精度.致謝鄭州上街MAIC航空遙感試驗在董建婷、占文鳳、佃袁勇、趙峰、白偉華、萬瑋等65人的通力協(xié)助下得以順利實施，在此深表謝忱附錄：R值查找表飛行高度(km)大氣模式 1234567Troplical0.3390.0870.575 .1080.72560920.824 0.0740.890 0;0600.934 0.0410.9630.024Mid-lat10.3500.0910.589 0.1100.74560930.848 0.0690.913 0;0490.952

44、 0.0320.9740.019Mid-lat20.3510.0870.598 01050.75660930.855 0.0730.916 -0540.951 0.0380.9720.027Bouffies S, Tanre D, Breon F M, et al. Atmospheric water vapor estimate by a differential absorption technique with the polarisation and directionality of the Earth reflectances (POLDER) instrument. J Geop

45、hys Res-atmos, 1997, 102: 3831 W841Ottle C, Outalha S, Francois C, et al. Estimation of total atmospheric water vapor content from split-window radiance measurements. Remote Sens Environ, 1997, 61: 410Y18Payne V H, Mlawer E J, Cady-Pereira K E, et al. Water vapor continuum absorption in the microwav

46、e. IEEE T Geosci Remote, 2011, 49: 2194 W208Chang A T C, Wilheit T T. Remote-sensing of atmospheric water-vapor, liquid water, and wind speed at the ocean surface by passive microwave techniques from the nimbus-5 satellite. Radio Sci, 1979, 14: 793 602Albert P, Bennartz R, Bennartz R, et al. Remote

47、sensing of atmospheric water vapor using the moderate resolution imaging spectroradiometer. J Atmos Ocean Tech, 2005, 22: 309314Kaufman Y J, Gao B C. Remote sensing of water-vapor in the near IR from EOS/MODIS. IEEE T Geosci Remote, 1992, 30: 871 884Sobrino J A, El-Kharraz J, Li Z L, et al. Surface

48、temperature and water vapor retrieval from MODIS data. Int J Remote Sens, 2003, 24: 5161 5182Menzel M K, King M D, Menzel W P, et al. Airborne scanning spectrometer for remote sensing of cloud, aerosol, water vapor, and surface properties. J Atmos Ocean Tech, 1996, 13: 777794Gao B C, Goetz A F H. Co

49、lumn atmospheric water vapor and vegetation liquid water retrievals from airborne imaging spectrometer data. J Geophys Res-Atmos, 1990, 95: 35493564Reagan J A, Pilewskie P A, Scott-Fleming I C,et al. Extrapolation of earth-based solar irradiance measurements to exoatmospheric levels for broad-band a

50、nd selected absorption-band observations. IEEE T Geosci Remote, 1987, 25: 647-653Frouin R, Deschamps P Y, Lecomte P. Determination from space of atmospheric total water-vapor amounts by differential absorption near 940 nm: Theory and airborne verification. J Appl Meteor, 1990, 29: 448 460Halthore R

51、N, Eck T F, Holben B N, et al. Sun photometric measurements of atmospheric water vapor column abundance in the 940-nm band. J Geophys Res-Atmos, 1997, 102: 4343 4352Qin Z, Dall OlmG, Karnieli A, et al. Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temp

52、erature from NOAA-dvanced very high resolution radiometer data. J Geophys Res-Atmos, 2001, 106: 22655 22670Jim 的ez-Mu?oz J C, Sobrino J A. Error sources on the land surface temperature retrieved from thermal infrared single channel remote sensing data. Int J Remote Sens, 2006, 27: 9991014趙利民，余濤，田慶久，

53、等.HJ-1B熱紅外遙感數據陸表溫度反演誤差分析.光譜學與光譜分析，2010, 30: 3359 3362胡秀清，黃意玲.利用940 nm衛(wèi)星遙感數據反演大氣水汽的方法比較與應用分析.氣象科技，2010, 38: 581387Improvement of near infrared ratio method in troposphere water vapor estimation with airborne remote sensing dataWANG Liang1,2, ZHAO LiMin 1,3, ZHAO YanHua4, XIE Yong1, DONG JianTing4, LI

54、U JingWang5, YU Tao1,3 & GU XingFa1,31 Applied Earth Observation System Division, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China; 2 School of Chemistry and Chemical Engineering, University of Chinese Academy of Sciences, Beijing 100101, China;The Ce

55、nter for National Spaceborne Demonstration, Beijing 100101, China;Beijing Institute of Space Machinery and Electricity, Beijing 100094, China;North China Institute of Aerospace Engineering, Langfang 065000, ChinaUsing near-infrared radiance ratio between absorption channel (940 nm) and window channel (860 nm) to esti