第一篇：基于MODIS数据近红外波段反射大气水汽含量技术流程
基于MODIS数据近红外波段反演大气水汽含量的技术流程
一．前言
水汽是大气中重要的气象参数，其含量随时间和空间变化很大。水汽体积混合比的变化范围一般在0.1%~3%之间，是大气温度变化范围内唯一可以发生相变的成分。水汽的分布、传输和季节变化对于研究水循环、全球气候变化、天气预报、遥感大气校正等具有重要意义。缺乏精确、稳定、长期的水汽数据记录，是阻碍深入研究气候系统中水汽影响的主要原因。全球气球探空观测数据是离散的水汽数据,需进行空间插值扩展后，才能应用到气候模式中。而“以点代面”会使模式模拟结果产生较大误差。卫星遥感反演的面状分布特点,使得卫星资料估计大气总水汽含量的分布,受到了广泛的重视。二．基本原理
卫星传感器所接收的入瞳辐射亮度的简化形式可以表示为（Hansen and Travis, 1974;Franer and Kaufman, 1985）：
LSensor()LSum()T()()LPath()（1）
其中为波长，LSensor()为传感器所获得的入瞳辐射亮度，LSun()为大气顶层太阳辐射亮度，T()为总的大气透过率，是指辐射从太阳到达地表再从地表到达传感器所经过的大气路径的总的透过率，()是指地表的二向反射率，LPath()是指程辐射。式（1）忽略了光子在地表的上的多次反射，即假设光子在地表上只反射一次。式（1）右边第一项可以看作是地表直接反射的太阳辐射项，用LDirect表示。而将LSensor()/LSun()定义为表观反射率，用()表示。因此式（1）又可以改写为：
*
*
()
LSensor()LSun()
T()()
LPath()LSun()
（2）
总透过率T()包含了在太阳-地表-传感器路径上的总的水汽含量信息。LSun()为已知量。在1m附近，可以忽略瑞利散射项，对程辐射LPath()的主要贡献是气溶胶的散射。同时在1m附近，LPath()相对LDirect来说是非常小的一部分。由于大多数气溶胶和水汽均位于大气底层的约2km处，因此水汽也会对气溶胶的单次或多次散射造成影响。因此，LPath()也包含有水汽信息（Gao and Goeta, 1990）。这里我们假定在气溶胶光学厚度非常小的时候可
以忽略LPath()。这样的假设可以让我们在反演气柱水汽含量时不必去考虑单次或多次散射
效应。因此，在忽略LPath()的情况下，可以将式（2）改写为
*()T()()（3）
图1（Gao and Goeta, 1990）显示了典型土壤的光谱反射率曲线，关于在1微米附近的地标反射率，我们从图1中可以看出在0.85-1.25微米之间，这几种地物基本上随着波长的增加而线性的增加。只有在富含铁的土壤和矿物中这种趋势不明显。由于各种地物的地表反射率不相同，想要从单一水汽吸收波段来确定水汽的透过率困难比较大。然而，如果地物的反射率在水汽吸收波段和大气窗口波段之间变化不明显，即假定地表反射率在这两个波段是恒定不变的，那么，我们可以利用这两个波段的比值来确定相应水汽吸收波段的透过率。如式（4）所示（Kaufman and Gao, 1992）：
Tobs(0.94m)(0.94m)/(0.865m)（4）**
如果地表反射率随波长线性的变化，那么可以再加上一个大气窗口波段，利用3波段比值来确定水汽吸收波段的透过率，如式（5）所示（Kaufman and Gao, 1992）：
Tobs(0.94m)(0.94m)/[C1*(0.865m)C2*(1.24m)]（5）***
其中，C1的值为0.8，C2的值为0.2。实际上，式（5）中的分母是在没有水汽的情况下利用0.85微米和1.24微米两个波段估计的0.94微米波段的反射率。
图 1 五种典型土壤反射率光谱曲线（Condit, 1970;Stoner and baumgartner, 1980）：（1）有机质含量占主导，纹理较细腻；（2）受有机质含量影响，纹理较粗糙；（3）铁含量占主导的红色土壤；（4，5）富含铁和有机质的土壤。
三．算法描述
2.1 建立近红外水汽反演查找表
利用MODTRAN模拟800-1300nm的大气透过率曲线，然后利用MODIS的0.865微米、0.905微米、0.936微米、0.940微米和1.24微米的光谱响应函数处理MODTRAN输出的大气透过率曲线以获得这几个MODIS波段的模拟透过率值，利用式（4）或式（5）所述的公式计算波段比值。在MODTRAN的输入参数中可以指定不同的水汽含量来获得不同水汽含量下的透过率曲线，也就可以计算响应水汽含量下的波段比值，这样就可以建立一个波段比值随着水汽含量变化而变化的查找表（查找表包括水汽含量、两波段比值、三波段比值）。水汽含量变化范围为：0~6.77cm, step = 0.01cm。下面是一个计算透过率曲线的MODTRAN输入参数的例子：
TS22001111111000.0000.00 ff2f0 365.00000g0.010 f t t f0.000
DATA/BMP99_01.BIN
D:dabin大气纠正程序Modtran4例子MODISmodis_filterfunction_B1-19.txt
1100000.000000.000000.000000.000000.00000705.0000.100180.0000.0000.0000.00000800130011tnn2aa
2.2 数据预处理
搜集所需数据，包括:MODIS辐射亮度数据（MOD02）、地理定位数据（MOD03）、云掩膜产品（MOD35），其中地理定位数据里包括：太阳天顶角、卫星天顶角、海陆掩膜。由于原始的MODIS数据是Sinusoidal投影，为了便于用户查看，需要将其进行重新投影（投影为Lambert Conformal Conic, Datum = WGS84, SD1 = 25D, SD2 = 47D, Central Meridian = 105D）。
2.3 计算垂直气柱水汽含量
提取MOD02中的0.865微米、0.905微米、0.936微米、0.940微米和1.24微米波段，然后按照式（4）或（5）计算2波段和三波段比值。利用查找表查算程序根据波段比值查找水汽含量。这样计算出来的水汽含量是路径水汽含量W，而不是垂直气柱水汽含量W。需要利
*用WW/(1/cos(S)1/cos(V))进行转换，其中S为太阳天顶角，V为卫星天顶角。*
在反演水汽时，这里只反演无云地区的。而且在反演时，对于陆地区域使用3波段比值，2波段比值用于反演洋面耀斑区域水汽含量。
在0.905微米、0.936微米和0.940微米这三个波段中，大气水汽具有不同的吸收系数。因此，这三个波段对于水汽具有不同的敏感性。0.936微米波段是水汽强吸收波段，在干燥条件下对水汽敏感。0.905微米波段是水汽弱吸收波段，在潮湿条件下对水汽敏感。0.940微米处于中间状态。在给定大气条件下，从这三个波段所获取的水汽是不同的，可以对这三个波段进行加权平均处理来获得最后的水汽含量:
Wf1W1f2W2f3W3（6）
其中，W1、W2、W3分别为从0.905m、0.936m和0.940m所获取的水汽含量，f1、f2、f3分别为对应的权重，fi定义如下：
fii/(123)i|Ti/W|（7）
这些权重系数是从模拟的透过率曲线的中透过率变化率与水汽含量变化率的比值获得的。
四．精度
为了验证反演结果，这里将本文所述算法的反演结果与MODIS水汽产品进行比较。在本文反演水汽图像上以50个像素的间隔均匀的在x和y方向上提取水汽值，这个数据集称为wv_retrived；以同样的方法在MODIS水汽产品上对应的提取水汽值，这个数据集称为wv_mod05。表1是这两组数据的统计值。图2中则是这两组数据的散点图。
从表1和图2中可以看出，两者的相关系数为0.9287，反演结果比MODIS水汽产品整体上偏低，大约在0.1487。造成这种偏差主要原因在于建立查找表时没有根据实际的地表温度选择合适的大气模型，这个在以后会改正。
表 1 反演结果与MODIS水汽产品统计表
图 2 本文反演水汽结果与MODIS水汽产品对比图
参考文献：
1.Fraser, R.S.and Y.J.Kaufman, The relative importance of aerosol scattering and absorption in
remote sensing, IEEE J.Geosc.Rem.Sens., GE-23, 525-633, 1985.2.Gao, B.C., and Alexander F.H.Goetz, Column Atmospheric Water Vapor and Vegetation
Liquid Water Retrievals From Airborne Imaging Spectrometer Data, J.Geophys.Res., 95, 3549-3564, 1990.3.Gao, B.C., and Y.J.Kaufman, Water vapor retrievals using Moderate Resolution Imaging
Spectroradiometer(MODIS)near-infrared channels, J.Geophys.Res., 108(D13), 4389, doi:10.1029/2002JD003023, 2003.4.Hansen, J.E.and L.D.Travis, Light scattering in planetary atmospheres.Space Science Review,16, 527-610, 1974.5.Kaufman, Y.J., and B.-C.Gao, Remote sensing of water vapor in the near IR from EOS/MODIS,IEEE Trans.Geosci.Remote Sensing， 30, 871-884, 1992.
点击咨询 