用HJ-1B IRS数据反演海表温度的2种辐射传输方程改进算法

黄 路，张彩云，李 炎，邵 浩，杨星晨

(1.厦门大学 海洋与地球学院，福建 厦门 361102；2.国家海洋技术中心 漳州基地筹建办公室，福建 厦门 361007；3.福建省海陆界面生态环境重点实验室(厦门大学)，福建 厦门 361102；4.91039部队，北京 102401)

0 引言

海表温度(SST)是建立数值天气预报和全球气候变化算法的一个关键变量[1]，它影响着海洋表面与大气之间感热和潜热的交换，在气候变化、海流变动、锋面、热污染等不同尺度海洋现象中发挥着重要的作用[2-5]。相比一些已经业务化运行的中低分辨率SST产品，如AVHRR、MODIS等，分辨率在几百、几十米甚至更低的SST产品，其遥感反演算法还不成熟，主要原因是不少高分辨率的热红外数据多为单波段数据，无法像AVHRR、MODIS等通过两个相邻热红外通道建立劈窗算法来剔除大气的影响[6-7]。

目前单波段温度反演算法主要有辐射传输方程法、单窗算法[8]、普适性单通道算法[9]以及一些修正算法[10-11]等。辐射传输方程法需要输入大气透过率、大气上下行辐射等参数，通常这些实时精确的大气廓线数据并不容易获取；其他几种算法则是通过对辐射传输方程进行线性化[8]或近似拟合等处理，将复杂的输入参数转化为少量的地面可观测变量，如大气平均作用温度、大气水汽含量、近地表气温和相对湿度等，但对于缺少观测站点的海洋，获得上述参数依然存在相当困难。不少学者[12-15]使用空间分辨率为1°、时间分辨率为6 h的NCEP再分析数据，将其输入MODTRAN等模型中获取辐射传输方程法所需参数，该方法不依赖地面气象观测站点[16-17]，非常便于反演SST。NASA对该计算流程进行集成并提供在线数据服务，开发了大气校正参数计算器(https://atmcorr.gsfc.nasa.gov/)。但已有研究结果表明该方法反演的SST可能存在较大误差[12-13,17]，绝对误差从0.05 ℃至5.71 ℃不等[12]，其中大气透过率是主要的误差来源[18]。

HJ-1B卫星重返周期为4 d，空间分辨率为300 m，IRS热红外波段范围为10.5～12.5 μm，目前在轨运行已超过10 a，有利于开展中长期、高分辨率SST观测。此外，部分中低分辨率的SST产品在沿岸海域质量等级往往较低，甚至存在数据缺失，获取高精度的HJ SST成为弥补该地区数据缺失的一次有益尝试。本文以HJ SST反演为例，从修正大气透过率入手，建立了2种反演HJ SST的辐射传输方程改进算法，使用MODIS SST和浮标SST检验算法改进及外推效果，并比较2种改进算法间的反演结果差异。

1 数据与方法

1.1 研究区

以厦门湾及其周边海域为研究区(24.21°N—24.76°N,117.86°E—118.76°E)，取研究区中心位置附近一点(24.38°N，118.4133°E)为中心点，在其两侧划设4条断面，如图1所示。在各条断面随机均匀选取30个点，其中20个点作为算法训练点，10个点作为算法验证点。

图1 研究区及点位分布Fig.1 Study area and points distribution

1.2 数据源及预处理

选择研究区云覆盖较少、图像质量较好的HJ-1B IRS图像，数据来源于中国资源卫星应用中心(http://www.cresda.com/)。每个季节选2景，日期分别为2011-03-13、2014-04-15、2011-07-24、2012-07-08、2011-10-19、2013-10-22、2013-12-31、2014-01-27，成像时间均在上午9点30分至11点之间。Aqua MODIS数据成像时间约为下午13点30分，数据来源于美国NASA水色卫星网站(http://oceancolor.gsfc.nasa.gov/)，分辨率为1 km。

浮标观测数据来源于福建省海洋预报台海洋观测网(http://www.fjhyyb.cn/Ocean863Web_MAIN/default.aspx?r=1#hygc)，浮标均分布在厦门湾向内一侧，与算法训练点和中心点距离较远，可用于检验算法的外推效果。选择2014年1月27日XM1～XM5浮标数据以及2013年12月31日XM1浮标数据，浮标数据采集时刻与当天卫星成像时间相差小于20 min。

借助ENVI 5.3软件对HJ-1B IRS图像进行几何精校正，裁剪出研究区，并与MODIS SST图像做图像配准，人机交互判读掩膜去除非水体像元，将中心点和验证点处的MODIS SST与周围温度场进行比较，对于SST变化不连续、跃变幅度过大的数据点(跃变幅度>2 ℃)，查明原因，确保数据质量良好、可靠。

1.3 辐射传输方程改进算法

大气表观辐亮度LTOA与海表辐亮度LT转换公式为[16-17]：

LTOA=[ε·LT+(1-ε)·Ld]·τ+Lu

(1)

式中：ε是海水发射率，这里取0.988 8；Lu和Ld分别表示中心点处的大气上行辐射和下行辐射，单位：W·m-2·sr-1·μm-1，通过大气校正参数计算器获得；τ是修正的大气透过率。

HJ-1B IRS图像大气表观辐亮度LTOA通过辐射定标公式计算：

(2)

式中：A为绝对定标系数增益；L0为偏移量；DN为传感器记录的数值。辐射定标系数来源于中国资源卫星应用中心逐年发布的定标文件。

参考前人做法[19]，对普朗克公式进行线性化处理，将海区温度划分为10～20 ℃和20～30 ℃两个区间，分别对LT和SST进行线性拟合，如表1所示。

表1 LT与SST的转化计算公式Tab.1 Conversion formulas of LT into SST

1.4 修正的大气透过率

1.4.1 基于中心点修正

将中心点处的MODIS SST值代入表1中的回归方程，得到MODIS海表辐亮度，将其作为HJ海表辐亮度，代入公式(1)得到修正的大气透过率τ。以下将该值称中心点τ。

1.4.2 基于均值点修正

分别计算图1中20个训练点处的HJ海表辐亮度(方法同1.4.1),代入公式(1)得到各点的大气透过率τ，取平均值作为修正的大气透过率τ。以下将该值称均值点τ。

为了便于论述，将基于中心点τ和均值点τ建立的改进算法及其反演的SST，分别称中心点算法、中心点SST和均值点算法、均值点SST。将大气校正参数计算器计算的中心点处大气透过率τ，称为辐射方程τ，其SST反演算法和反演的SST分别称为辐射方程算法和辐射方程SST。

2 结果与讨论

2.1 修正前后大气透过率的比较

将3种大气透过率τ进行比较(文中偏差均取绝对值)，如图2所示，可以看到修正后的τ偏差改善效果明显。2种改进算法的τ值十分相近，与辐射方程τ的最大偏差和平均偏差均较大。均值点τ与辐射方程τ的最大偏差和平均偏差分别达到了0.031 7和0.018 6；而中心点τ与辐射方程τ的最大偏差和平均偏差分别为0.026 8和0.019 1。进一步分析均值点τ和中心点τ，其平均偏差和均方差分别为0.003 2和0.003 4，且偏差曲线平稳，没有较大突变，表明2种大气透过率修正方法较稳定和相似。2种方法取值方式不同，但计算结果比较相近，这可能与小面积海域海-气边界层水汽分布均匀、各点大气透过率差异较小有关。

2.2 HJ SST反演结果与分析

2.2.1 HJ SST空间分布差异

3种算法反演的冬季和夏季HJ SST与MODIS SST空间分布差异如图3所示，图像未着色部分表示其反演的SST低于色标设定的最小温度。相比MODIS SST图像在沿岸海域存在较多的数据缺失，HJ SST数据在该区域则较为完整，且其空间分布特征比MODIS 图像更加细致丰富，可以更清楚地看到冷暖水舌的梯度变化。由辐射方程算法反演的HJ SST，除2012-07-08外，其余3景图像均与MODIS SST存在明显差异，说明该算法精度不稳定，其反演的HJ SST可能存在较大偏差。而2种改进算法对该偏差则有明显改善，2种算法反演的HJ SST差异较小，且均与MODIS SST呈现显著的一致性，如夏季在厦门湾及其他海湾湾顶、九龙江河口出现的高温现象，从外海延伸到围头湾的低温现象，以及冬季从湾内到外海逐渐升高的温度特征，围头湾北部沿岸出现的相对低温等，在MODIS SST和HJ SST图像上均有体现。HJ SST与MODIS SST的空间分布一致性与大气透过率偏差也有密切关系，以辐射方程算法反演的HJ SST为例，图3b2的大气透过率在4景图像中偏差最小，其SST空间分布与MODIS SST图像最相似，而图3d2的大气透过率偏差最大，其反演得到的SST空间分布与MODIS SST图像差别也最为明显。

图2 大气透过率偏差曲线Fig.2 Difference curve of atmospheric transmittance

图3 SST空间分布Fig.3 The spatial distribution of SST (图像a2、c2、d2部分海域未着彩色，表示该海域反演的SST低于色标的最小温度。) (The uncolored parts of images a2, c2 and d2 indicate that the SST retrieved in these seas is below the minimum temperature of color scale.)

2.2.2 精度验证

MODIS SST精度验证结果如图4所示。使用辐射方程算法反演的4景图像的HJ SST最大偏差均大于2 ℃，平均偏差和均方差均大于1 ℃；而2种改进算法反演的HJ SST，最大偏差均在1 ℃左右，平均偏差和均方差均在0.5 ℃左右，说明2种改进算法对HJ SST反演偏差均有明显改善。2种改进算法的偏差曲线基本重合，但不完全相同，中心点算法反演的4景图像的SST平均偏差分别为0.45、0.36、0.54和0.22 ℃，均值点算法分别为0.37、0.35、0.20和0.20 ℃，偏差较前者更小，精度更高。在不均匀的大气条件下，均值点算法因通过对一组大气透过率数据取平均，其反演精度可能更有保证，但计算量较大；而中心点算法仅计算中心点处的大气透过率，计算量小，便于快速反演HJ SST，但对中心点处图像的质量要求更严格，其不应受到云污染、船只、岛礁等非水体像元的干扰。

浮标SST精度验证结果如表2所示。中心点算法和均值点算法反演的HJ SST平均偏差分别为0.81 ℃和0.55 ℃，均明显小于辐射方程算法的1.37 ℃，说明即使在沿岸海域，2个改进算法依然具有较高的反演精度和较好的外推效果，即基于湾外数据建立的改进算法扩展得到湾内的SST是可行的，其反演的HJ SST可填补部分在沿岸地区缺失的或低质量等级的中低分辨率SST数据。

此外，本文提出的修正大气透过率和建立辐射传输方程改进算法的思路和过程具有普适性，修正大气透过率的数据并不局限于MODIS SST，也可以是AVHRR SST、浮标SST、船测SST或其他高精度的数据；同时，高分辨率SST反演对象也可以应用在ASTER、LandSAT TM/ETM+/TIRS等其他类型的单波段热红外数据上。

图4 MODIS SST精度验证结果Fig.4 Accuracy verification result based on MODIS SST data

表2 浮标SST精度验证结果Tab.2 Accuracy verification result based on buoy SST data

3 结论

基于MODIS SST数据提出了2种修正大气透过率的方法和相应的HJ SST反演辐射传输方程改进算法，比较改进前后结果，得出结论如下：

(1)修正后的大气透过率，其偏差改善效果明显，均值点τ和中心点τ的偏差曲线平稳，没有较大突变，表明2种大气透过率修正方法较稳定和相似。

(2)2种改进算法反演的HJ SST空间分布与MODIS SST均呈现显著的一致性。MODIS SST验证显示，改进后的SST平均偏差和均方差在0.5 ℃左右；浮标SST验证显示，中心点算法和均值点算法的SST平均偏差分别为0.81 ℃和0.55 ℃，2个改进算法均具有较高的反演精度和较好的外推效果。

(3)均值点算法反演精度更高，但计算复杂；中心点算法计算量小，但对中心点处的图像质量要求更严格。

致谢本文使用到的HJ-1B卫星数据以及MODIS数据分别下载于中国资源卫星应用中心以及美国NASA海洋水色数据中心网站，在此一并致谢。