基于MTSAT衛(wèi)星數(shù)據(jù)的云掩膜閾值算法

鞠未了，韓 雷

（中國海洋大學 信息科學與工程學院，山東 青島 266100）

云掩膜作為云分類與對流臨近預報的基礎，直接影響了下一步操作的準確率，因此云掩膜算法有著重要的作用。

文中采用了美國國家海洋和大氣管理局（NOAA）在2008年發(fā)布的 ABI Cloud Mask算法（ACM）[1]，使用 MTSAT的數(shù)據(jù)進行云掩膜的計算。該方法使用的傳感器Advanced Baseline Manager（即ABI）是GOES-R搭載的高分辨率傳感器，可用通道為16個，而MTSAT可用通道只有其中5個，文中為了使用MTSAT數(shù)據(jù)，對ACM算法進行了選擇和檢驗工作，最終選定了9個測試作為算法的組成部分。文中使用了高分辨率的全球基礎信息數(shù)據(jù)，可以直接對全圓盤數(shù)據(jù)進行處理，程序會自動對不同的地表信息進行分別計算。本方法的閾值一經(jīng)選定，計算速度快并且不需要人工干預。

1 數(shù) 據(jù)

1.1 基礎數(shù)據(jù)

陸地海洋掩膜，地球表面分類數(shù)據(jù)：由The University of Maryland Department of Geography（Hansen et al.1998）采集的地球表面分類數(shù)據(jù)[2-3]，主要由AVHRR衛(wèi)星數(shù)據(jù)得來，將地球表面類型分為14類。數(shù)據(jù)為等經(jīng)緯度，分辨率為每像素0.0083°。

晴空紅外傳輸模型：對于波長為3.9μm和11μm的通道計算的大氣層頂亮溫輻射傳輸模型。

晴空反射率：對于可見光通道在海面上的預期反射率。

1.2 衛(wèi)星數(shù)據(jù)

衛(wèi)星數(shù)據(jù)采用日本的MTSAT-1R的衛(wèi)星數(shù)據(jù)，接收為全圓盤數(shù)據(jù)，空間分辨率為5 km，時間分辨率為30 min。

2 算法描述

本算法基于美國國家海洋和大氣管理局（NOAA）在2008年提出的ABI Cloud Mask，基于3種已有的云掩膜算法：NESDIS 的 AVHRR Extended 云掩膜[4-5，7]，UW CIMSS 的 MOD/MYD35 MODIS云掩膜[8]，以及 NASA Langley Research Center的CERESMODIS云掩膜[9]。本算法是閾值法，對于每個測試有自己的閾值，有些閾值基于基礎信息數(shù)據(jù)庫，以及輻射傳輸模型[6]，每次運行算法時都要即時計算。本算法結合可見光和紅外數(shù)據(jù)，最終計算得到4級的云掩膜：

晴空（Clear），似晴空（Probably Clear），似云（Probably Cloudy），云（cloudy）

2.1 算法流程

MTSAT云掩膜算法流程如圖1所示。

圖1 MTSAT云掩膜算法流程圖Fig.1 Flow chart for MTSAT cloud mask

2.2 通道和測試的選擇

ABI通道，波長和MTSAT通道的對應情況如下，根據(jù)MTSAT衛(wèi)星可用通道，可以對于最終進行云掩膜計算的測試作出選擇。

最終可以選擇的紅外云測試為：顯著熱量對比測試，相對熱量對比測試，IR1對流層頂發(fā)射率測試，熱量均勻性測試。

表1 ABI/MTSAT通道與波長對照表Tab.1 Channel numbers/wavelength for ABI/MTSAT

可見光測試有：顯著反射率對比測試，相對可見光對比測試，反射率均勻性測試。

2.3 紅外云測試

顯著熱量對比測試：這個測試是基于假設在11μm通道上云比晴空的亮溫值更低的基礎上的。這個測試對比觀測到的亮溫值與預期晴空亮溫值，其差值高于閾值時代表該像素通過了這個測試，下同。本測試閾值為：水域上2k，陸地上10k。

相對熱量對比測試：這個測試假設，在11μm波段上，云像素比周圍的晴空像素亮溫低。這個測試對比像素值與其周圍3×3像素范圍內(nèi)11亮溫的最大值。閾值為：水域上0.5 k，陸地上2 k。

IR1對流層頂發(fā)射率測試：這個測試使用11μm通道的數(shù)據(jù)計算該通道的對流層頂發(fā)射率，計算公式如下：ε=（II_clear）/（Ibb-I_clear），其中 I_clear是計算出的預期晴空輻射，是對流層頂黑體云的預期輻射，I是觀測到的實際輻射。閾值為：水域上 0.05 k，陸地上 0.1 k。

熱量均勻性測試：本測試基于11μm亮溫通道，在每像素周圍3×3大小的窗口內(nèi)計算亮溫值標準差，本測試超出閾值后，標記為非晴空像素。閾值為：水域上0.25 k，陸地上1 k。

2.4 可見光云測試

顯著反射率對比測試：這個測試假設，在可見光波段云的反射率要高于晴空像素。因此本測試不適用于被冰雪覆蓋的地表使用。本測試水域上的閾值由輻射傳輸模型逐像素計算而成，對于每個像素的太陽角和衛(wèi)星角，程序將在事先計算好的查找表找出當前像素晴空預期的最大值。陸地上的普通閾值為44%，沙漠地區(qū)使用50%。

相對可見光對比測試：本測試基于的假設為，在一個小區(qū)域上，云像素在可見光波段應該有最大的反射率。這個測試同樣不適用于冰雪覆蓋的地表。本測試的閾值是完全動態(tài)的，閾值基于本像素周圍3×3窗口內(nèi)反射率最小值，閾值為該值的1.05倍，若在太陽的耀斑區(qū)域或者是海岸，則閾值為該值的1.1倍。

反射率均勻性測試：本測試基于0.6μm通道3x3像素內(nèi)的反射率的標準差。閾值基于顯著反射率對比測試中的0.6μm通道預期反射率，水域上的閾值為預期反射率的1.05倍，陸地上的閾值為預期反射率的1.2倍。本測試超出閾值后，同樣標記為非晴空像素。

2.5 像素恢復測試

像素恢復測試是在計算出的云掩膜上，找出可能被錯誤判斷的像素，然后將它們修正到正確標記上的測試，因此這兩個測試進行時，是在4級的云掩膜初步計算出來之后的。

晴空恢復測試：本測試是用來將似晴空像素再判斷是否可以歸入“晴空”之中，本測試假設，在沒有云檢測算法可以檢測到云的區(qū)域，“似晴空”像素事實上應該被歸入“晴空”之中。這個測試以每像素為中心的5×5窗口為范圍判斷。

似云恢復測試：這個測試的目的是將云邊緣分類為“似云”。本測試將與“晴空”或“似晴空”像素相鄰的云像素，重新分類為“似云”。

2.6 云掩膜的生成

云掩膜在程序一開始初始化為“似云”，文中測試通過一般是指參考值超過閾值。紅外/可見光云測試中只要有一項通過云測試即認為通過測試，均勻性測試也是如此，流程圖如圖2所示。

圖2 云掩膜計算流程Fig.2 MTSAT cloud mask calculation flowchart

3 例子及結果分析

文中此次作為例子的數(shù)據(jù)是2007年7月7日6：30AM的MTSAT-1R數(shù)據(jù)，掩膜結果如圖3所示。

圖像是從圓盤圖像中截取的中國東部部分，投影未作變換。左上角的圖像是該部分的可見光原圖像，左下角的圖像是云掩膜的結果，右上角圖像將云掩膜中標記為“晴空”的圖像替換為了可見光通道數(shù)據(jù)，右下角圖像是衛(wèi)星中心的云分類結果。云掩膜圖中純黑色像素為“晴空”，純白色像素為“似晴空”，云外側深灰色像素為“似云”，灰色像素為“云”。

圖3 云掩膜結果Fig.3 Results of cloud mask

由圖3結果可見，已經(jīng)比較好地做出了云掩膜，主要的云也都劃分為了“云”，在可見光視圖上亮度弱一些的像素被劃分為了“似云”，這說明紅外/可見光云測試和似云恢復測試進行了比較好的運作。但同時依然發(fā)現(xiàn)一些亮度低的云劃分的不夠準確，云的邊緣也不太清晰，只有很少的部分被劃分為了 “似晴空”，而被劃為晴空的部分也還有少量云像素存在。這是因為算法中對輻射傳輸模型有依賴的有幾個關鍵算法，而輻射傳輸模型的需求至本文完成時還未能很好的提供準確數(shù)據(jù)。

圖4是文中算法程序產(chǎn)生的圓盤數(shù)據(jù)處理結果，同樣，標記為晴空的區(qū)域使用了可見光通道的反射率數(shù)據(jù)代替。

圖4 全圓盤數(shù)據(jù)處理結果北京時間2007.7.7 6:30AMFig.4 Full-disk MTSAT-1Rdata cloud mask result at BTC2007.7.7 6:30AM

4 結 論

文中經(jīng)過對基礎數(shù)據(jù)的處理，將全圓盤的MTSAT衛(wèi)星數(shù)據(jù)經(jīng)過云掩膜算法，最終可以給出4級的云掩膜。計算出的云掩膜大體正確，但細節(jié)處尤其是云的邊緣等有待改善。如果衛(wèi)星設備更新，可以方便的添加更多測試來計算更準確的云掩膜。

下一步可以首先將結果改善，使之盡量貼近人為分類的結果；減少對輻射傳輸模型的依賴，或者尋找更可靠的替代方法。其次，可以使用該掩膜進行下一步的研究，進行云分類及對流初生的識別等等。

[1]HEIDINGER A K，Calvert C.ABI cloud mask algorithm theoretical basis document[R].NOAA/NESDIS/Center for Satellite Applications and Research，2010.

[2]Hansen M，DeFries R，Townsh J R G，et al.UMD Global Land Cover Classification， 1 Kilometer[EB/OL].（1998） http://glcf.umd.edu/data/landcover/.

[3]郟琳.衛(wèi)星影像數(shù)據(jù)在城市配電網(wǎng)GIS建設中的應用探討[J].陜西電力，2011（3）：51-54.JIA Lin.Application of satellite imagery data in GISconstruction of urban distribution network[J].Shaanxi Electric Power，2011（3）：51-54.

[4]Dybbroe A，Karlsson K G，Thoss A.NWCSAF AVHRR Cloud Detection and Analysis Using Dynamic Thresholds and Radiative Transfer Modeling.Part I:Algorithm Description[J].J.Appl.Meteor.，2005（44）： 39-54.

[5]Dybbroe A，Karlsson K G，Thoss A.NWCSAF AVHRR Cloud Detection and Analysis Using Dynamic Thresholds and Radiative Transfer Modeling.Part II:Tuning and Validation[J].J.Appl.Meteor.，2005（44）： 55-71.

[6]Seemann SW，Borbas EE，Knuteson R O，et al.Development of a global infrared land surface emissivity database for application to clear sky sounding retrievals from multispectral satellite radiance measurements[J].J.Appl.Meteor.，2008（47）： 108-123.

[7]Stowe，L L，Davis P A，McClain E P.Scientific Basis and Initial Evaluation of the CLAVR-1 Global Clear/Cloud classification algorithm for the advanced very high resolution radiometer[J].J.Atmos.Oceanic Technol.，1999（16）： 656-681.

[8]Remer，L A.The MODIS aerosol algorithm，products，and validation[J].J.Atmos.Sci.，2005（62）： 947-973.

[9]Trepte Q Z，Sun-Mack S，CHEN Yan，et al.Cloud detection in nonpolar regions for CERESusing TRMM VIRSand terra and aqua MODIS data[J].Geoscience and Remote Sensing，2008：3857-3884.