基于MODIS算法的晴空云识别理论基础文件外文翻译资料

英语原文共 121 页，剩余内容已隐藏，支付完成后下载完整资料

基于MODIS算法的晴空云识别理论基础文件

1. 引言

云层相比于下垫面具有较高的反射率和较低的亮温。因此，简单的可见光和红外窗口通道在云检测方面提供了很多的方法。然而，由于各种不同的下垫面条件的影响，对云的观测是不精确的，尤其是位于冰雪之上的云。另外，例如一些薄卷云、夜间低层云和一些小的积云很难被检测到，因为其与地表的对比不足。并且因为仪器的视野并不总是完全模糊或清晰对识别云的边缘造成了更多的困难。

中分辨率成像光谱辐射仪MODIS的36个通道为多光谱探测提供了云检测的可能性，这就使得以上的问题得到了一定的缓解。另外，时空均一性检测提供了检测多云或者晴天的条件。本文件介绍了利用modis观测技术探测云的方法，该方法是与MODIS科学团队的成员协作开发的。MODIS云筛选方法包括新的光谱技术，并结合了许多现有的技术来推测遮挡的视场。第二部分给出了一个检测方法的前景展望。第三部分介绍了个人的光谱检测结果和讨论。第四部分以及验证工作中包括了结果和如何理解云检测输出的示例。附录A包括一个用于读取云检测的示例FORTRAN、Matlab和IDL代码。

2、概述

2.1目标

Modis云识别指示给出的是地球表面视图是否被云或光学厚度较厚的气溶胶阻挡。云识别的空间分辨率为250和1000米。假设云检测算法的输入被校准到1B级辐射数据。云检测可使用1、2、3、4、5、6、7、8、9、17、18、20、21、22、26、27、28、29、31、32、33和35其中任何波段。丢失或不正确的辐射测量数据可能会导致云识别输出结果的丢失或质量降低。如果地理位置数据丢失或无效，则不会输出云识别结果。

对于本算法理论基础文件（ATBD）中提出的modis云识别算法，有几个要点需要指出

1）云识别结果不是modis的最终云产品；还需要几个主要研究人员负责提供各种额外云参数的算法，如水相和海拔。

2）云识别ATBD假设输入经过校准的质量控制数据，输出云识别结果。MODIS数据处理的整体模板在一级项目里进行了规划，并与产生校准的1B级数据的活动进行了协调。

3）云罩输出中的雪/冰处理路径标志（第5位）表示通过算法的处理路径，不应视为现场雪或冰的确认。第10位（为C6添加的）根据辅助信息指示表面雪/冰。

4）在某些重要的气溶胶存在的情况下（如沙尘暴、火山爆发和森林火灾），一些测试可能会将含气溶胶的大气标记为云。云识别算法中包含两个气溶胶标志，用于指示可能受到气溶胶污染的视场。第8位表示白天陆地和水面的烟雾。第28位表示所有非雪/冰场景的空气尘埃。区别云与气溶胶单凭光谱测试还不行，这些标记不能代替完整的气溶胶探测算法。

5）薄卷云检测通过两个单独的薄卷云标志传送。这些设计是为了提醒用户，薄卷云可能存在，虽然云罩的最终结果可能表明没有障碍物。这些定义见第3.2.4节。

在modis的云识别算法中，有一些运作上的限制需要考虑。这些限制是由及时处理modis数据的需求驱动产生的。

1）CPU约束：很多算法首先必须确定像素是有云还是晴空。因此，云检测算法位于数据处理链的顶端且必须具有足够的通用性，以满足许多应用程序的需求。晴空确定算法必须在近实时运行，这就限制了CPU密集型算法的使用。

2）输出文件大小限制：存储要求也是一个问题。云识别不仅仅是一个“是/否”的决定。云识别的48位包括一个像素有云的可能性指示。它还包括有关处理路径和单个测试结果的辅助信息。在处理应用程序时，不需要处理所有的代码。如果可以的话，一个算法可以只使用代码的前8位。

3）理解：由于云识别算法的使用很多，因此，云识别提供足够的信息以供广泛使用并易于理解是很重要的。为了智能地解释该算法的输出，必须使该算法在概念上简单，且在应用中有效。

我们对MODIS多云与晴空识别的方法，以其最简单的形式，提供一个可信标志，表示每个像素为晴空的确定性；除此之外，提供额外的信息，旨在帮助用户解释他或她的特定应用的结果。此外，该算法必须在计算机存储有限的情况下，对最终产品进行近实时操作。

2.3云识别的输入和输出

以下段落总结了modis云识别算法的输入和输出。有关多光谱单视场（FOV）和空间变异性算法的详细信息，请参见算法描述部分。如前所述，假设云识别算法的输入是被校准并定位的1、2、3、4、5、6、7、8、9、17、18、20、21、22、26、27、28、29、31、32、33和35波段的1b级辐射数据。此外，云识别需要几个辅助数据输入：

1）太阳、相对方位角、视角：从mod03（modis地理位置场）获得/导出；

2）分辨率为1 km的陆地/水域地图：从mod03获得；

3）地形：从mod03获得的平均海平面以上的高度；

4）生态系统：基于olson 分类系统的全球1 km生态系统地图；

5）国家冰雪数据中心（NSIDC）提供的每日NISE冰雪图；

6）NOAA提供的每周海洋表面温度图；

7）16天期间的5年平均NDVI（归一化差异植被指数）图；

8）全球数据同化系统（GDAS）提供的地表温度、总可降水量图；

输出modis云识别算法的是一个48位（6字节）的数据段，与每个1公里像素相关（表3）。云识别包括有关算法所识别的下垫面信息（例如陆地或海洋）以及是否遮挡了表面视图的信息。我们认识到潜在的大量应用程序需要使用云识别结果。其中一些算法比其他算法能更好进行云识别。例如，一些算法可以应用修正来解释薄云的辐射效应，而其他应用程序将避免所有受云遮蔽的视场。此外，某些算法可能使用比其他算法对云的存在更敏感的光谱通道。因此，云识别输出还包括特定云检测测试的结果。

将像素定义为有云或晴空之间的界限有时是模糊的。例如，一个像素可能是部分有云的，或者一个像素可能在一个光谱通道中显示为有云的，但在其他不同的波长下显示为无云的。图1显示了2001年6月Terra Modis在欧洲上空拍摄的三幅亚视觉飞行轨迹和薄卷云的图像。左上方的图片是一个0.86mu;m波段的modis图像，在许多卫星上都有，通常用于陆地表面分类，如ndvi。在这幅图像中无法辨别飞行轨迹云且适当的大气校正算法可以考虑辐射的散射效应。右上角的图片显示了modis 1.38mu;m波段的相应图像。1.38mu;m的光谱通道接近一个强的水汽吸收带，白天对高层云的存在非常敏感。虽然轨迹云看似对可见光反射影响很小，但在1.38mu;m的通道中非常明显。在这种类型的场景中，云识别需要提供足够的信息，以便对各种应用程序有用。

为了适应各种各样的应用程序，代码包含的不仅仅是一个简单的“是/否”决定（尽管可以单独使用第2位来表示一个单个的云识别）。云识别包括4个“置信度”，即一个像素是否被认为是晴空（第1、2位），以及不同光谱测试的结果。

3、算法描述

在给定的modis fov中进行晴天与多云识别的方法如下：

1）执行与给定场景和照明特性相适应的各种光谱和空间变异性测试，以检测是否有云

2）计算每个测试的晴天置信度

3）对于FOV结合晴空测试置信度

4）如有必要，应用适用于给定场景类型、照明和初始置信值的晴空回归测验

5）将最终输出结果为以下四类之一：晴空、可能晴空、可能有云或有云

详细信息过程在下面第3.1和3.2节中讨论。第3.1节详细说明了各种光谱试验的物理基础。测试阈值是通过以下几种方法确定的：1）来自上述传统算法；2）人工检查modis图像；3）来自搭配的caliop（具有正交极化的云气溶胶激光雷达）云产品和modis辐射数据的统计数据；4）来自精细选择和质量控制的统计数据：modis辐射数据和mod35云识别结果。第3.2节详细说明了结合单个云测试结果确定晴空最终置信度的方法。

3.1云检测理论描述

本节包含光谱云测试的理论基础和实际考虑。命名时，我们将卫星测得的太阳反射率表示为r，将红外辐射表示为亮度温度（用普朗克函数确定的黑体等效温度），表示为bt。下标表示进行测量的波长。

3.1.1. 红外亮度温度阈值和差异（BTD）测试

红外辐射传输方程的方位角平均形式由下式得出：

除了确定b（t）的大气结构外，描述通过大气的辐射传输的参数是单散射反照率，omega;0=sigma;sca/sigma;ext，对于非吸收介质，其范围为1，对于吸收和不散射能量的介质，其范围为0，光学深度delta;和相位函数p（mu;，mu;rsquo;），它描述了散射能量的方向。为了深入了解利用卫星的红外观测探测云的问题，首先考虑等式（3）的双流解是很有用的。使用离散坐标法（Liou 1973；Stannes和Swanson 1981），从均匀单云层顶部向上辐射的解决方案是：

Idarr;是入射到云层顶部的向下辐射（假设为各向同性），Iuarr;是在云层底部的向上辐射，g是不对称参数。Tc是云层的代表温度。云屏蔽的一个挑战是检测薄云。假设有一个薄的云层，通过扩展指数，由方程（4）得出有效透射率（离开该层的辐射率与基础上入射的辐射率之比）。有效透过率是Idarr;/Iuarr;和b（Tc）/Iuarr;之比的函数。使用大气窗口区域进行云探测，将Idarr;/Iuarr;项最小化，并将b（Tc）/Iuarr;项最大化。图2是使用简化的方程组（4）-（8）模拟晴空和有云天气条件下的亮度-温度差异。在这些模拟中，没有大气，表面在290K黑体温度下发射，云粒子是具有伽马尺寸分布的冰球，假设有效半径为10mu;m，云光学深度delta;=0.1。模拟了两个云的温度（210 K和250 K）。晴空和多云天空的亮度-温度差是由普朗克函数的非线性和云团单次散射特性的光谱变化引起的。这个数字不包括大气气体的吸收和排放，这也会导致亮度-温度差。观测两个或两个以上波长的亮度-温度差有助于将大气信号与云效应分开。

考虑到表面发射率和温度的合理表征，红外阈值技术对薄云非常敏感。例如，当表面为300K，云为220K时，发射率为0.01的云对大气亮度温度的影响为0.5K。由于modis红外窗通道31的预期等效温度为0.05K，因此modis的云探测潜力明显非常好。云的存在会根据云的微观物理特性（例如，粒子大小分布和形状）修改晴空场景的辐射光谱结构。如图2所示，这一光谱特征是亮度-温度差测试背后的物理基础。

BT11 阈值 (“冻结”) 检测 (第 13位)

开发了几种红外窗口阈值和温差技术。这些算法对水面上的冷云最有效，在其他情况下必须谨慎使用。当11mu;m（bt11）通道（波段31）的亮度温度低于270K时，我们假设像素不符合晴空条件。海洋上空的三个阈值分别为267、270和273 K，分别表示晴空阈值的低、中和高置信度。请注意，在这种情况下，“高可信度晴空”意味着高于273K的BTS无法根据该测试指示云。显然，云可能存在于更高的温度，并可能被其他云测试探测到。有关阈值和置信度设置过程的完整描述，请参见第3.2节。

由于表面发射率的潜在较大变化，从热红外波段识别陆地表面的云比在海洋上空更困难。尽管如此，简单的阈值对于某些土地特征还是有用的。在陆地上，BT11被用作晴空回归测试。如果像素的初始值确定是有云的，那么如果观测到的BT11超过了定义为海拔和生态系统功能的阈值，该像素可能会被“回归”到晴空中。表5列出了“冻结试验”和晴空回归检测阈值。除非另有说明，本文件中列出的所有阈值均适用于Aqua仪器。尽管大多数阈值在Aqua和Terra之间是相同的，但由于仪器年龄和其他特性的变化，它们之间存在一些小的差异。

BT11 - BT12 和 BT8.6 - BT11 测试 (第 18 和第24位)

由于红外光谱中表面发射度的相对光谱均匀性，各种大气窗口（如分别在8.6、11和12mu;m处的modis波段29、31、32）内的光谱测试可用于探测云的存在。BT11和BT12之间的差异被广泛用于AVHRR和GOS测量的云识别，这种技术通常被称为分裂窗技术。Saunders和Kriebel（1988）使用BT11-BT12差来检测卷云，薄云上的亮度和温度差大于晴天或有云条件下的亮度和温度差。将云量阈值设定为卫星的天顶角和BT11亮度温度的函数。Inoue（1987）还使用BT11-BT12与BT11来将晴天与多云天气分开。

在差分技术中，测量的两个波长的辐射被转换成亮度温度并减去。由于光学厚度的波长依赖性和普朗克函数（blambda;）的非线性性质，两种亮度温度往往不同。图3是一个理论模拟的例子，假设在一个标准的热带大气条件下，11和12mu;m之间的亮度温度差与11mu;m处的亮度温度之比。差异是云光学厚度、云温度和云粒径分布的函数。分裂窗法和8.6-11mu;m Btd云探测的基础在于不同窗口通道（8.6和11mu;m，11和12mu;m）波段之间存在差异的水气吸收。这些光谱区域被认为是大气窗的一部分，其吸收相对较弱。大多数吸收线都是水气分子的结果，最小值出现在11mu;m左右。在Modis云识别中，我们遵循Saunders和Kriebel（1988）的方法，使用11-12mu;m BTD检测透射卷云，并对夜间阈值进行小的修正。可能发生地表逆温的场景，以及有地表冰雪的场景。云识别算法的早期版本仅在未被雪或冰覆盖的表面上使用此测试。从collection 5算法开始，这个测试使用key（2002）中的阈值，key（2002）将桑德斯和克里贝尔值扩展到非常低的温度。除南极洲外，所有处理路径均在白天和夜间进行11-12mu;m试验。对于8.6-11mu;m的BTD，我们分别使用0.0、-0.5和-1.0 k的阈值来表示晴空的低、中和高置信度。8.6-11mu;m的BTD检测仅在海洋表面进行，因为8.6mu;m的地面发射率是有很大可变性的。

表面温度测试（第27位）

在上述讨论的基础上，通过增加两个具有不同水气吸收系数的光谱闭合通道的标准亮温差，可以校正BT11的吸湿性；标度系

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18475]，资料为PDF文档或Word文档，PDF文档可免费转换为Word