合肥市大气中水汽含量提取及其时空变化特征分析

鲁乐乐 方 刚 张 引

（宿州学院环境与测绘工程学院，安徽宿州 234000）

水汽是反映大气中的一项重要参数。降水作为反映气候特征的重要气象要素之一，受到大气水汽的影响。大气可降水量（PWV）在时间与空间尺度上扮演着重要角色，在小尺度灾难性天气和短期天气预测中，大气可降水量空间分布具有重要的意义[1]。目前，大气中水汽的探测手段主要有地面遥感、探空气球、卫星遥感与模拟3种[2-3]。为明确合肥市气候变化特征及其影响因素，本研究以MODIS数据作为数据源（2021年，每月3景，共36景），安徽省合肥市为研究对象，采用ENVI 5.3和ArcGIS 10.7软件，通过二通道加权比值法算法对合肥市大气水汽含量及其时空变化特征进行定量分析，以期为有关部门监测气候变化提供支撑。

1 材料与方法

1.1 研究区概况

合肥市位于安徽省中部（30°57′～32°32′N，116°41′～117°58′E），长江三角洲西端，处于江淮之间，地形多为丘陵岗地，江淮分水岭从西向东贯穿全境，总面积为11 445 km2。合肥市水系发达，以江淮分水岭为分界线，岭北为淮河水系，岭南是长江水系。

1.2 数据预处理

1.2.1数据源合肥市遥感影像数据来源于NASA

（https：//ladsweb.modaps.eosdis.nasa.gov/search）。

MODIS数据包括36个波段，其中第17波段、18波段和19 波段为水汽吸收波段，第2 波段和5 波段为大气窗口波段。非遥感影像数据主要包括合肥市区域矢量数据和探空数据，矢量数据来源于地理空间数据云（http：//www.gscloud.cn），数据格式为. shp；探空数据来源于怀俄明大学网站（http：//weather.uwyo.edu/upperair/bufrraob.shtml）。

1.2.2数据预处理（1）去条带。由于卫星传感器的光线、图像电气元件的重扫描、扫描探头元件来回扫描以及温度变化造成MODIS 数据存在带状噪音。本研究使用ENVI 软件，利用熊贤成等[4]提出的方法，对研究区图像进行去条带处理。因为三通道比值法水汽定量反演中，要涉及大气窗口（第5波段影像），所以在几何校正前，应对第5 波段影像进行去条带处理，结果如图1所示。

（2）蝴蝶结校正。MODIS数据检测角度为-55°～+55°，检测角度可达110°。受地形起伏等因素影响，影像波段边界处会产生交叠现象，称为“蝴蝶结”效应，成像效果受到很大影响。

（3）几何校正。受传感器高度、速度及地球自转等因素影响，图像与目标地物存在几何畸变，像元与地面目标真实位置存在挤压、扭曲、拉伸及偏移现象，需要对几何畸变误差进行几何校正，结果如图2所示。

图2 几何校正

1.3 大气水汽反演原理

大气水汽含量遥感反演算法较多，按照波段可分为近红外、热红外和微波3种[5]。近红外波段在高精度大气水汽含量反演中应用前景广泛[6-7]，因此本研究选择近红外波段（NIR）定量反演合肥市大气水汽含量。MODIS数据中的第2波段、第5波段、第17波段、第18波段和第19波段（0.865、1.240、0.905、0.936和0.940 μm）都是近红外波段。第2 波段和第5 波段视为大气窗口通道，透射率接近于1，而第17 波段、第18 波段和第19 波段水汽具有较强的吸收能力，是较好的水汽吸收通道。近红外波段的数据属性如表1所示。

表1 数据属性

1.3.1水汽反演原理结合研究区实际情况，采用二通道比值法和三通道比值法定量反演合肥市大气水汽含量，其计算公式如下：

式（1）中：W表示大气水汽含量，单位为g/cm2；α和β是常数，参考于秀丽[8]的研究，α和β分别取0.02和0.651，τi是第i（i可取17、18、19）通道的大气水汽透射率，根据大气窗口的波谱特征差异，可以将τi划分为二通道比值法[式（2）]和三通道比值法[式（3）]。

式（2）和（3）中，ρ2表示第2 波段的反射率，ρ5表示第5波段的反射率，ρi表示第i波段的反射率；c1为0.8，c2为0.2。

1.3.2加权通道比值法第17波段、第18波段和第19波段的灵敏度特性不同，如第17波段对潮湿条件下的水汽具有很强的吸收能力，且具有较高的敏感度；第18波段对干旱条件下的水汽具有很强的吸收能力。因此在某一确定环境下，第17 波段、第18 波段和第19波段的大气透射率不同，其反演得到的大气水汽含量也不同。为了提高大气水汽反演的精确度，先反演3个波段的水汽值，再通过加权算出平均水汽值W，其计算公式如下：

式（4）中：W17、W18和W19分别表示第17波段、第18 波段和第19 波段定量反演计算得到的研究区的水汽值（单位为mm）。f17、f18和f19分别表示第17波段、第18 波段和第19 波段的加权系数，加权系数可根据波段透射率对总可降水量的敏感度来计算，其计算公式如下：

式（5）中：ηi＝|ΔTi/ΔW|，ΔTi/ΔW表示波段大气透射率随大气水汽含量的变化率，能很好地反映出对水汽吸收的敏感度[9]，是大气水汽含量的函数。

1.3.3遗传算法优化加权系数根据于秀丽[8]的研究可知，在计算加权系数时，加权系数会根据研究区所包括的下垫层的不同而有所不同。但对于某一个具体的下垫层，可以通过采用优选的方法得到一组最优的权重系数。参考代强玲等[10]的研究，

1.3.4PWV 模型的构建利用MODIS 遥感数据定量反演大气水汽值，其空间连续性好，可有效克服传统“点”观测中的空间覆盖度不高的问题，但仍存在较大的误差[11]。为了提高合肥市大气水汽反演精度，通过对MODIS 数据进行系统分析，利用探空数据对合肥市MODIS 数据反演的大气水汽值进行校正，既满足建立模型需要的样本较多，又能满足验证的样本充分。试验中，在36 组大气水汽值中，通过随机选择22组水汽值（占61.11%）用于建立模型，剩余组水汽值用于验证模型精度。

（1）MODIS PWV 与探空数据相关性分析。本研究利用Excel 软件对MODIS PWV 与探空数据间的相关性进行了定量研究，结果如表2 所示。由表2 可知，MODIS PWV 与探空数据间的相关系数为0.700（P＜0.01），说明二者之间具有很好的相在利用MODTRAN 模型反演大气水汽时，其地表反射率参数、大气模式、路径信息、几何条件、光谱信息、云和气溶胶等参数不能完全确定。因此本研究以合肥市政务区（31.8°N、117.2°E）为中心的3×3（像元×像元）区域内的大气水汽平均值作为该站点的大气水汽值，并以该大气水汽值当作输入样本，再利用遗传算法和1stopt 软件对2 种模型的加权系数分别进行优化和求解。图3 是二通道加权比值法反演所获得的水汽值与MOD05值的对比曲线图，图4 是三通道加权比值法反演所获得的水汽值与MOD05值的对比曲线图。由图3～4可知，在二通道加权比值法和三通道加权比值法计算中，遗传算法都能提供最佳效果。但在合肥市大气水汽值反演中，二通道加权比值法要优于三通道加权比值法。关性。

表2 探空数据与MODIS PWV的相关性

图3 二通道加权比值法反演的水汽值与MOD05值对比

图4 三通道加权比值法反演的水汽值与MOD05值对比

（2）MODIS PWV 模型校正。构建探空数据的大气水汽值与二通道加权比值法反演的MODIS 大气水汽值间的线性回归模型，模型如式（6）所示。

式（6）中：PWV探空表示在研究区探空数据中实际测量得到的水汽值，单位为mm；PWVMODIS表示利用合肥市MODIS 数据反演得到的水汽值，单位为mm；a表示模型系数，b为常数。

在Excel软件中，建立探空数据的大气水汽值与二通道加权比值法反演的MODIS 大气水汽值间的线性回归方程，计算得到a=0.901 1，b=6.910 9，其模型表达式为：y=0.901 1x+6.910 9，回归曲线如图5所示。

图5 MODIS PWV与探空数据的线性回归

2 结果与分析

2.1 精度评价与分析

本文采用MODIS 05 标准水汽产品（MODISL1B数据）反演的合肥市大气水汽含量来进行精度评价，精度评价结果分别如图6～9 所示。其中，图6 是二通道比值法与MODIS 数据的线性回归图，图7 是三通道比值法与MODIS 数据的线性回归图，图8 是二通道加权比值法与MODIS 数据的线性回归图，图9是三通道加权比值法与MODIS数据的线性回归图。由图6 与图7 可知，在合肥市大气水汽含量反演中，二通道比值法和三通道比值法反演的水汽值都与MOD05标准水汽产品成正相关关系。

图6 二通道比值法与MODIS数据的线性回归

图7 三通道比值法与MODIS数据的线性回归

图8 二通道加权比值法与MODIS数据的线性回归

图9 三通道加权比值法与MODIS数据的线性回归

由图8和图9可知，二通道加权比值法和三通道加权比值法反演的水汽值与MODIS05 水汽产品具有较好的正相关关系，二通道加权比值法的相关系数要高于三通道比值法的相关系数。总体而言，4种模型的大气水汽反演效果都与MODIS05产品的水汽反演结果吻合度较高。以上结果表明，利用MODISL1B数据定量反演大气水汽含量是一种切实可行的方法，在合肥市大气水汽含量反演中，二通道比值法的定量反演效果要优于三通道比值法。

在遗传算法中，主要通过调整权重系数得到最优解，从而使定量反演的水汽含量精度得到有效提高。4种模型水汽含量反演结果与MOD05标准产品水汽含量反演的精度对比见表3。由表3可知，二通道加权比值法反演精度最高且效果最佳，二通道加权比值法的反演精度比三通道比值法的反演精度高98.94百分点，比三通道加权比值法的反演精度提高1.96百分点。

表3 4种模型的反演结果与MOD05标准产品的精度对比

2.2 PWV精度探究

为了使精度验证结果更可靠、可信，将二通道加权比值法与PWV校正模型作精度对比分析，结果表明MODIS PWV 模型校正法具有很好的正相关性，也具有较高的反演精度。然而，MODIS PWV校正模型存在区域差异，Vaquero-Martinez 等[12]研究表明，MODIS PWV模型反演水汽含量时，在不同的区域应用效果和精度不一样，各个区域需要单独进行评估。MODIS PWV 校正模型反演合肥市MODIS 水汽含量值具有很高的精度和很好的效果，结果如表4所示。

表4 二通道与MODIS PWV矫正模型精度对比

2.3 合肥市大气水汽含量的时空分布特征

2.3.1空间分布特征利用MODIS PWV校正模型提取和反演得到合肥市大气水汽含量空间分布特征，结果如图10（1—4月）、图11（5—8月）和图12（9—12月）所示。为便于对合肥市大气水汽含量的空间分布特征进行深入分析，将合肥市区域矢量边界加入水汽含量图中（长丰县、肥东县、肥西县、巢湖市、蜀山区、庐阳区、瑶海区和包河区）。由图10 可知，1 月4日，合肥市大气水汽含量在7.3 mm左右，水汽含量较低；水汽含量低值区域主要分布在长丰县、肥西县北部和蜀山区西部，水汽含量均在7.1 mm 以下。由图11 可知，6 月29 日，合肥市大气水汽含量呈上升趋势，水汽值在8—9 mm的区域约占90%，肥西县以北区域的水汽值偏低，合肥市城区与肥西县以南区域的水汽含量偏高，均在8 mm左右。7月1 日、7 月20 日和7 月31 日3 个时段的总降水比5—6月降水多。其中，7月20日总降水最多，超过11 mm的降水区域占90%；7 月1 日总降水最少。总体来看，合肥市大气水汽含量在2021年6—9月呈上升趋势，7月上升速度最快。从区域分布上来看，肥西县总湿度偏低。通过对36 景合肥市大气水汽含量分布图的综合研究可以得出，在同一时期内，合肥市靠近城区的区域，水汽含量普遍偏高。

图10 1—4月大气水汽含量分布

图11 5—8月大气水汽含量分布

2.3.2时间分布特征利用MODIS PWV 校正模型提取和反演得到合肥市2021年1—12月大气水汽含量分布，水汽含量各月统计结果如图13所示。由图13可知，合肥市6—9月的平均大气水汽含量呈上升趋势，7月中下旬和8月上旬的平均大气水汽含量较高，合肥市7 月平均大气水汽含量大于11 mm。合肥市平均大气水汽含量的最小值出现在12 月上旬，约为7.2 mm。总体来看，合肥市大气中平均水汽含量在6—7 月呈增加趋势，8—9 月有轻微的减少，但比5—6 月稍高。这意味着，2021 年1—12 月期间，合肥市平均大气水汽含量的较大值在7 月和8月，与合肥市降水期在7—9月相吻合，具有很好的一致性。

3 结论与讨论

本研究以2021年1—12月MODISL1B数据为数据源，合肥市为研究区域，采用MODIS PWV 校正模型、二通道比值法、三通道比值法、二通道加权比值法和三通道加权比值法，实现了对合肥市大气水汽含量的定量反演，并对合肥市大气水汽含量时空分布特征进行了分析。

在利用MODIS 数据定量反演合肥市大气水汽含量中，通过计算比较可知，二通道比值法要优于三通道比值法，二通道加权比值法的相关系数要高于三通道比值法的相关系数。二通道加权比值法反演精度最高且效果最佳，二通道加权比值法的反演精度比三通道比值法的反演精度高98.94百分点；比三通道加权比值法的反演精度提高1.96百分点。

从时间上看，合肥市大气水汽平均含量在6—7月呈上升趋势，1 月份水汽含量最低，7 月份大气水汽含量最高。从空间上看，水汽含量低值区域主要集中在肥西县北部，市区附近水汽含量同期较高。

由于数据质量、数据数量和数据处理技术水平等因素，可能会导致合肥市大气水汽含量计算结果与实际值存在一定的偏差，今后需进一步改进和优化算法，以提高合肥市大气水汽含量的反演精度。