云參數(shù)法干旱遙感監(jiān)測(cè)模型在非洲地區(qū)的適應(yīng)性研究

張 穗 ，向大享，孫忠華

（1.長(zhǎng)江水利委員會(huì) 長(zhǎng)江科學(xué)院，武漢 430010；2.長(zhǎng)江水利委員會(huì) 網(wǎng)絡(luò)與信息中心，武漢 430010）

干旱不僅是一種影響面大、損失嚴(yán)重的主要自然災(zāi)害［1］，而且也是一種沒(méi)有確切定義、難以監(jiān)測(cè)的自然災(zāi)害現(xiàn)象.非洲地區(qū)常年干旱，缺乏先進(jìn)的監(jiān)測(cè)技術(shù)與手段，給防旱抗旱工作造成較大的困難.云參數(shù)法干旱監(jiān)測(cè)模型是一種能適合較大時(shí)空尺度的監(jiān)測(cè)模型，目前在國(guó)內(nèi)和亞太地區(qū)的干旱監(jiān)測(cè)中取得了很好的成效，本文擬探討該模型在非洲地區(qū)的適應(yīng)情況，拓展該模型的適用范圍，為非洲地區(qū)的干旱監(jiān)測(cè)工作提供一種新技術(shù).

本文以歐洲靜止氣象衛(wèi)星METAOSAT 搭載的SEVIRI傳感器數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，首先分析了該數(shù)據(jù)的干旱監(jiān)測(cè)潛力，并構(gòu)建了一種多光譜云檢測(cè)模型；針對(duì)非洲地區(qū)的特點(diǎn)，對(duì)云參數(shù)法干旱遙感監(jiān)測(cè)模型進(jìn)行了適應(yīng)性改進(jìn)，并分析驗(yàn)證了該模型在非洲地區(qū)的干旱監(jiān)測(cè)效果.

1 研究區(qū)概況

非洲是全球第二大面積的大陸，四周環(huán)海，經(jīng)度范圍從17.7°W～51.6°E，緯度范圍從35.1°S～37.5°N，包括島嶼在內(nèi)共有3.2千萬(wàn)km2，占全球大陸面積的20.4%.非洲大陸跨越赤道兩側(cè)，從南半球溫帶到北半球溫帶，包含各種不同的氣候區(qū)域.非洲大陸北部大部分地區(qū)是沙漠或裸地，中部地區(qū)主要是稀樹(shù)草原和熱帶雨林地區(qū).在生態(tài)和環(huán)境方面，這個(gè)區(qū)域是高度不穩(wěn)定的，超過(guò)60%的面積是干旱或半干旱地區(qū)，大多數(shù)國(guó)家的降雨量不規(guī)則，并且常常遇到干旱.非洲的降水量波動(dòng)比較大，研究表明在不同的空間、時(shí)間層面具有不同的降水量趨勢(shì)［2］.由于農(nóng)作物對(duì)降水的依賴性，在整個(gè)非洲地區(qū)，干旱對(duì)農(nóng)業(yè)生產(chǎn)有很大的影響.

2 數(shù)據(jù)與方法

2.1 METEOSAT SEVIRI數(shù)據(jù)及干旱監(jiān)測(cè)潛力分析

歐洲第二代靜止氣象衛(wèi)星Meteosat－9于2002年8月29日發(fā)射升空，定位于3.3°W的36000km的高空.自旋式增強(qiáng)型可見(jiàn)光及紅外成像儀（Spinning Enhanced Visible and Infrared Imager，SEVIRI）是該衛(wèi)星上搭載的主要傳感器，其星下點(diǎn)空間分辨率達(dá)到3km，時(shí)間分辨率達(dá)到15min，高時(shí)間分辨率使得能獲取更多的地表信息［3］.該傳感器包含從可見(jiàn)光到熱紅外的11個(gè)多光譜波段和1個(gè)全色波段（如表1）.

從表1可以看出，SEVIRI數(shù)據(jù)的波譜段較豐富，可以通過(guò)獲取的植被、水汽、溫度等信息綜合分析提取云信息，且其時(shí)間分辨率很高.根據(jù)該數(shù)據(jù)較高的時(shí)間分辨率、光譜分辨率，因此該數(shù)據(jù)可以作為云參數(shù)法干旱遙感監(jiān)測(cè)模型的輸入數(shù)據(jù).本文選擇2009年底和2010年初的每天中午12時(shí)左右的影像作為研究數(shù)據(jù).

表1 SEVIRI傳感器波段設(shè)置特性Tab.1 Characteristics of the SEVIRI sensor channels.

2.2 多光譜云檢測(cè)模型

云信息是云參數(shù)法干旱遙感監(jiān)測(cè)模型的基本要素，如何獲取高精度的云檢測(cè)結(jié)果將成為關(guān)鍵.通常情況下，在遙感影像中，云相對(duì)于晴空地表有高反射率和低溫度的特點(diǎn).但是由于云的不穩(wěn)定性、多樣性以及地表輻射的影響，很多種云都很難檢測(cè)［4］.例如，沙漠也具有較高的反射率，用可見(jiàn)光波段數(shù)據(jù)就很難區(qū)分云和沙漠，尤其是沙漠地區(qū)上空的云邊緣.然而由于多個(gè)光譜段可以從不同的譜段來(lái)獲取地表輻射信息，因此這些異物同譜、同物異譜現(xiàn)象可以通過(guò)多光譜方法來(lái)解決［5］.目前為止，多光譜云檢測(cè)模型都是基于可見(jiàn)光和紅外通道的光譜響應(yīng)，通過(guò)各種不同的組合，并給定各種組合的決策規(guī)則，同時(shí)根據(jù)云與晴空條件的屬性來(lái)決定各個(gè)規(guī)則的閾值.

圖1 為典型目標(biāo)（云、晴空地表、沙漠等）在SEVIRI多光譜通道中的光譜曲線（中午12 點(diǎn)影像，UTC）.

圖1 典型目標(biāo)的光譜曲線Fig.1 Spectral curves of typical objectives

從圖1可以看出，在兩個(gè)可見(jiàn)光和一個(gè)近紅外通道，沙漠、云和晴空地表等的反射率變化有明顯差別.在可見(jiàn)光通道，云的反射率比晴空地表的反射率高.但是，云與沙漠可能有相似的反射率，特別是沙漠上空的云邊緣像元，因此單波段絕對(duì)閾值法是不適合分離云和沙漠的.而在近紅外與短波紅外之間，云像元反射率急劇下降，沙漠的反射率在增大，其他晴空地物的反射率以較緩的幅度下降.因此，可以用這兩個(gè)通道之間的光譜斜率來(lái)分離沙漠像元.另外，在熱紅外通道，晴空地表的亮度溫度比云像元的要高，因此亮度溫度可以作為云像元與晴空像元的判定標(biāo)準(zhǔn)之一.根據(jù)以上的分析，建立針對(duì)SEVIRI數(shù)據(jù)的多光譜云檢測(cè)模型：

其中，Ri是通道i（i＝1，2，3）的反射率，T10是通道10的亮度溫度，THR1和THT10是第1通道反射率和第10 通道亮度溫度的閾值，ε（f）是階躍函數(shù).由于云像元在可見(jiàn)光通道有高反射率、短波通道有低反射率以及熱紅外通道有低亮度溫度的特點(diǎn)，從理論上來(lái)講，上式CI的值為3 時(shí)像元即為云像元.

2.3 云參數(shù)法干旱遙感監(jiān)測(cè)模型

云參數(shù)法的前提條件是：1）無(wú)云意味著沒(méi)有降水，干旱的可能性增大；2）無(wú)云意味著地面接收的太陽(yáng)短波輻射增強(qiáng)、地面溫度上升、地面蒸散能力增大，干旱的可能性增大［6］.

連續(xù)最大無(wú)云天數(shù)、連續(xù)最大有云天數(shù)、有云天數(shù)比3個(gè)云參數(shù)是該模型的核心，3個(gè)云參數(shù)與干旱指數(shù)之間的基本函數(shù)為［7］：

本來(lái)想拍拍叔你老人家的馬屁，沒(méi)想到戳到你的疼處，沒(méi)看出來(lái)，叔是個(gè)重情的人哩。好啦。不說(shuō)啦。晚上，我陪您喝上一杯。

其中，W是影響函數(shù)，F(xiàn)為各影響函數(shù)的權(quán)重函數(shù).

太陽(yáng)輻射的時(shí)空分布主要受到日地距離、太陽(yáng)高度角以及日照時(shí)長(zhǎng)等因素的影響，具體因素包括季節(jié)、時(shí)刻、經(jīng)緯度、大氣透過(guò)率以及高程等.時(shí)空條件的變化導(dǎo)致干旱范圍及強(qiáng)度等的多樣性，例如，不同季節(jié)同一地區(qū)，由于太陽(yáng)高度角的不同導(dǎo)致相同云參數(shù)可能會(huì)對(duì)應(yīng)不同程度的干旱.同樣地，空間尺度的變化也會(huì)導(dǎo)致類似情況發(fā)生.因此，模型有必要進(jìn)行時(shí)空修正改進(jìn)［8－9］：

其中，P是修正后影響函數(shù)，Q是3個(gè)云參數(shù)的空間修正函數(shù)，R是3個(gè)云參數(shù)的時(shí)間修正函數(shù)，CI即為3個(gè)云參數(shù).

本文通過(guò)分析非洲地區(qū)的3個(gè)云參數(shù)隨著時(shí)空分布的規(guī)律，調(diào)整云參數(shù)的修正函數(shù)具體參數(shù)，在此基礎(chǔ)上建立適合非洲地區(qū)的云參數(shù)法干旱遙感監(jiān)測(cè)模型.

2.4 監(jiān)測(cè)效果評(píng)估模型

云參數(shù)法干旱遙感監(jiān)測(cè)模型把降水和蒸散作為地表水分系統(tǒng)的輸入輸出，兩者之間的差距可以比較準(zhǔn)確地反映地表的土壤水分情況.美國(guó)國(guó)家氣候預(yù)測(cè)中心官網(wǎng)發(fā)布了與云參數(shù)模型監(jiān)測(cè)周期相同的月度降水和蒸散數(shù)據(jù)［10］，本文選定降水與蒸散數(shù)據(jù)的差值作為評(píng)估云參數(shù)法在非洲地區(qū)的干旱遙感監(jiān)測(cè)結(jié)果的評(píng)估指標(biāo).

月度降水和蒸散數(shù)據(jù)具有相同的計(jì)量單位（毫升／月，mL／mon），兩者之間的差值ΔDpe可以很簡(jiǎn)單的計(jì)算得到.通常情況下，干旱發(fā)生的可能性及嚴(yán)重性隨著這個(gè)差值的增加而增強(qiáng)，反之亦是.另外，由于干旱是一種持續(xù)積累狀態(tài)，不會(huì)因?yàn)槎虝r(shí)間內(nèi)的水分缺乏而發(fā)生嚴(yán)重干旱，也不會(huì)因?yàn)槎虝r(shí)間降水消除嚴(yán)重干旱，因此在干旱監(jiān)測(cè)的過(guò)程中需考慮到前期干旱情況.為了增強(qiáng)評(píng)估數(shù)據(jù)的準(zhǔn)確性，在一定程度上需要考慮到前期水分狀況，建立干旱評(píng)估指數(shù)（Drought Evaluation Index，DEI）：

其中，ΔDpe＿cur為監(jiān)測(cè)期內(nèi)的降水量和蒸散量差值，ΔDpe＿h(yuǎn)is為前一監(jiān)測(cè)期內(nèi)的差值，a、b以及c為系數(shù).

3 實(shí)驗(yàn)與分析

3.1 云檢測(cè)

從圖1可以看出，地物的反射率和溫度會(huì)受到季節(jié)變化的影響，使用固定閾值對(duì)云檢測(cè)的精度有所局限，為此，本文考慮到季節(jié)的影響提出了一種半固定閾值法.經(jīng)過(guò)多次實(shí)驗(yàn)，最終確定了隨月份變化的反射率和亮度溫度半固定閾值，如表2.

表2 反射率和亮度溫度閾值Tab.2 Thresholds of reflectance and bright temperature

兩閾值隨著季節(jié)的變化關(guān)系在上表中是顯而易見(jiàn)的，反射率和亮度溫度半固定閾值在夏季達(dá)到最大，在冬季降至最低.根據(jù)公式（1）中的多光譜云檢測(cè)模型結(jié)合上述半固定閾值表，部分云檢測(cè)結(jié)果如圖2所示.

從圖2可以看出，云檢測(cè)整體效果較好，但由于邊緣云、薄云等像元受到地表覆蓋的影響，其反射率和亮度溫度特性不太明顯，使得像圖2（a）、2（c）圈中的云檢測(cè)結(jié)果發(fā)生偏差.鑒于云參數(shù)法的前提條件是有云意味著降水，即該模型對(duì)不足以引起降水的薄云、云邊緣等是否正確監(jiān)測(cè)沒(méi)有苛刻要求，因此該檢測(cè)結(jié)果足以滿足云參數(shù)法干旱遙感監(jiān)測(cè)模型的精度要求.但如果需作其他精細(xì)用途，該模型還有待改進(jìn)，特別是地物對(duì)云檢測(cè)的影響.

3.2 干旱監(jiān)測(cè)模型驗(yàn)證

為了滿足云參數(shù)法干旱遙感監(jiān)測(cè)模型的要求，干旱監(jiān)測(cè)過(guò)程中監(jiān)測(cè)周期設(shè)置為1個(gè)月.在得到云檢測(cè)結(jié)果后，根據(jù)3個(gè)云參數(shù)的定義統(tǒng)計(jì)計(jì)算得到每個(gè)像元在監(jiān)測(cè)周期內(nèi)的3個(gè)云參數(shù).然后，利用3個(gè)云參數(shù)進(jìn)行干旱監(jiān)測(cè)并進(jìn)行時(shí)空修正.3個(gè)云參數(shù)均值隨時(shí)間的分布規(guī)律如圖3.

圖2 云檢測(cè)結(jié)果Fig.2 Result of cloud detecting

圖3 3個(gè)云參數(shù)重旱情況下隨時(shí)間變化曲線Fig.3 Curves between the three cloud parameters and months in the serious drought level

從圖3可以看出，非洲地區(qū)的3個(gè)云參數(shù)均值隨時(shí)間的變化趨勢(shì)與中國(guó)地區(qū)的基本一致，只是在回歸系數(shù)上有些許差異.本文根據(jù)各級(jí)干旱情況下采集的數(shù)據(jù)進(jìn)行變化趨勢(shì)函數(shù)回歸，從而調(diào)整時(shí)空修正函數(shù)［7］，在此基礎(chǔ)上構(gòu)建云參數(shù)法干旱遙感監(jiān)測(cè)模型.

3.3 適應(yīng)性分析

參考數(shù)據(jù)是從美國(guó)國(guó)家氣象預(yù)測(cè)中心獲得的月度降水和蒸散數(shù)據(jù)，通過(guò)幾何糾正、興趣區(qū)提取以及分級(jí)等處理后作為標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行干旱評(píng)估.

為了評(píng)估2010年1月的干旱遙感監(jiān)測(cè)的準(zhǔn)確性，需要根據(jù)公式（5）計(jì)算出2009年12月、2010年1月的蒸散與降水差值.由于干旱過(guò)程具有持續(xù)緩慢特性，歷史是否干旱、干旱程度等因素對(duì)當(dāng)前狀態(tài)有一定的影響作用，且這種影響關(guān)系隨著當(dāng)前與歷史的干旱程度不同而變化.經(jīng)過(guò)充分的實(shí)驗(yàn)發(fā)現(xiàn)，系數(shù)c的調(diào)節(jié)作用很小，為了簡(jiǎn)化計(jì)算過(guò)程，本文中暫定c＝0，公式（5）中的另外兩個(gè)系數(shù)a、b如表3所示.

從表3可以看出，當(dāng)歷史干旱狀態(tài)為兩種極端情況（重旱與濕潤(rùn)）時(shí)，其對(duì)當(dāng)前狀態(tài)的影響相對(duì)于其他等級(jí)來(lái)說(shuō)要大一些.

對(duì)比分析遙感監(jiān)測(cè)結(jié)果與參照數(shù)據(jù)結(jié)果，兩者的總體干旱等級(jí)趨勢(shì)是完全一致的.具體各項(xiàng)精度如表4所示.

表3 系數(shù)值（a、b）Tab.3 Values of three coefficients（a，b）

表4 精度分析表／%Tab.4 Evaluate accuracy／%

從表4可以看出，云參數(shù)法干旱遙感監(jiān)測(cè)結(jié)果相對(duì)于參考數(shù)據(jù)的可接受精度高達(dá)83.877 5%.但是，部分生產(chǎn)者精度與用戶精度偏低，例如用戶精度在正常和濕潤(rùn)級(jí)別達(dá)到最低8.7112%和7.8316%.這種現(xiàn)象可能是由于參考數(shù)據(jù)的干旱等級(jí)分類誤差導(dǎo)致的，但在正常和濕潤(rùn)兩個(gè)級(jí)別的誤差對(duì)干旱監(jiān)測(cè)結(jié)果影響不大.

4 結(jié)論

通過(guò)本文的充分實(shí)驗(yàn)及論證證明，在歐洲靜止氣象衛(wèi)星數(shù)據(jù)的支持下，云參數(shù)法在非洲大陸地區(qū)具有較好的適應(yīng)性：

首先，盡管通過(guò)云檢測(cè)方法的統(tǒng)計(jì)特性以及云像元、非云像元的樣本訓(xùn)練保證了方法的魯棒性，但一些特殊情況如薄云檢測(cè)仍存在較大誤差.在實(shí)際實(shí)驗(yàn)中，考慮到下墊面不同光譜段特性（尤其是植被），訓(xùn)練信息加入了季節(jié)變化物理量，提高了云信息的檢測(cè)精度.

其次，云參數(shù)法干旱遙感監(jiān)測(cè)模型是基于物理統(tǒng)計(jì)建立的，其物理特性保證了模型與降水和蒸散數(shù)據(jù)的一致性.本文通過(guò)幾個(gè)月的降水和蒸散數(shù)據(jù)處理來(lái)評(píng)估干旱遙感監(jiān)測(cè)結(jié)果，最終的相對(duì)精度高達(dá)83.877 5%，說(shuō)明云參數(shù)法干旱遙感監(jiān)測(cè)模型適合用于非洲地區(qū)的干旱監(jiān)測(cè).

［1］Wilhite D A.Drought and water crisis：science，technology and management issues［M］.Oxfordshire，UK：Taylor ＆Francis Group，2005.

［2］Nicholson S.The nature of rainfall variability over Africa on time scales of decades to millennia［J］.Global and Planetary Change，2000，26：137－158.

［3］Fensholt R，Sandholt I，Stisen S，et al.Analysing NDVI for the African continent using the geostationary meteosat second generation SEVIRI sensor［J］.Remote Sensing of Environment，2006，101：212－229.

［4］Amato U，Antoniadis A，Cuomo V，et al.Statistical cloud detection from SEVIRI multispectral images［J］，Remote sensing of Environment，2008，112：750－766.

［5］Yang Y，Lin H，Jiang J.Cloud analysis by modeling the integration of heterogeneous satellite data and imaging［J］.IEEE Transactions on Systems，Man and Cybernetics—Part A：Systems and Humans，2006，36：162－172.

［6］Yan Handong，He Baoyin，Cai Shuming，et al.Environmental Implications of Magnetic Measurements on Recent Sediments from Lake Donghu［J］.Water，Air and Soil Pollution，1997，98：187－195.

［7］譚德寶，劉良明，鄢俊潔，等.MODIS數(shù)據(jù)的干旱監(jiān)測(cè)模型研究［J］.長(zhǎng)江科學(xué)院院報(bào)，2004（3）：11－15.

［8］劉良明，向大享，文雄飛，等.云參數(shù)法干旱遙感監(jiān)測(cè)模型的完善［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2009，34（2）：207－209.

［9］何報(bào)寅，徐貴來(lái)，杜 耘，等.神農(nóng)架大九湖盆地巖溶塌陷的高分辨率遙感調(diào)查［J］.華中師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，42（3）：458－461.

［10］劉燦德，何報(bào)寅，李茂田，等.利用MODIS 反演長(zhǎng)江中游懸浮泥沙含量的初步研究［J］.地質(zhì)科技情報(bào)，2006，25（2）：99－102.

［11］Liu L M，Xiang D X，Zhou Z，et al.Analyses the modification functions of the drought monitoring model based on the cloud parameters method［C］.The 2008international congress on image and signal processing，2008，687－691.

［12］向大享.云參數(shù)法干旱遙感監(jiān)測(cè)模型研究［D］.武漢：武漢大學(xué)博士學(xué)位論文，2011.

［13］NWS.National Weather Service［EB／OL］.［2012－08－10］.http：／／www.cpc.ncep.noaa.gov／cgi－bin／gl＿Soil－Moisture－Monthly.sh＃.