基于FY4A?AGRI 反演東北地區(qū)云頂高度

董 焱，鮑艷松，許 丹，陳 強(qiáng)，李葉飛，崔 偉，孫 杰

（1.南京信息工程大學(xué)大氣物理學(xué)院，江蘇南京 210044；2.南京信息工程大學(xué)氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心，氣象環(huán)境衛(wèi)星工程與應(yīng)用聯(lián)合實驗室中國氣象局氣溶膠與云降水重點開放實驗室，江蘇南京 210044；3.國防科技大學(xué) 氣象海洋學(xué)院，湖南 長沙 410073；4.上海衛(wèi)星工程研究所，上海 200240）

0 引言

云對全球的能量收支及大氣循環(huán)系統(tǒng)具有不可替代的調(diào)節(jié)作用，是影響天氣及氣候變化的重要因子。由于受到大氣中溫度、濕度、氣流等相互作用的影響，云的生成和增長十分復(fù)雜。云量、生成與消散、外形特征以及其距離地面高度，不僅反映當(dāng)下大氣運動狀態(tài)、水汽狀況的穩(wěn)定程度，還可以進(jìn)一步推算未來天氣的變化。對這些參數(shù)進(jìn)行分析觀測可以進(jìn)一步了解大氣的運動狀況，也是氣象工作者掌握天氣變化的一項重要任務(wù)。降水的形成與云的參與有著密不可分的關(guān)系。云頂高度作為云的重要參數(shù)，有助于分析云在大氣中的物理機(jī)制，對局部地區(qū)監(jiān)測和預(yù)報具有實質(zhì)性作用。因此，研究探討利用衛(wèi)星反演云頂高度具有重要的價值和意義。同時，云頂高度等參數(shù)在航空氣象保障、數(shù)值天氣預(yù)報等領(lǐng)域也有重要體現(xiàn)。確定云頂高度等參數(shù)對于大氣物理及氣候研究、氣象保障等方面具有重要的現(xiàn)實意義。

氣象科學(xué)工作者根據(jù)其共性結(jié)合觀測和對歷史天氣的總結(jié)，按照云與地面的高度距離分為低云、中云、高云3 族。在此基礎(chǔ)上，按其物理結(jié)構(gòu)、宏觀特征和形成因素劃分為10 屬和29 類。目前探測云頂高度可以通過利用地面雷達(dá)、衛(wèi)星雷達(dá)和衛(wèi)星光學(xué)掃描儀器作為計算云頂高度的手段。由于地面雷達(dá)的覆蓋范圍有限，衛(wèi)星雷達(dá)搭載于極軌衛(wèi)星上無法對某一區(qū)域進(jìn)行連續(xù)性觀測。但是，基于靜止衛(wèi)星光學(xué)掃描儀器則具有實現(xiàn)大范圍連續(xù)性觀測的特點。目前，基于衛(wèi)星遙感手段反演云頂高度的方法主要分為2 大類，即幾何關(guān)系法和通道輻射特性法。幾何關(guān)系法需要同時利用至少2 顆衛(wèi)星對同一區(qū)域進(jìn)行觀測，其優(yōu)勢在于反演結(jié)果與云物理特性無關(guān)，避免了對云輻射計算的誤差，但其是基于地球假定為球體的反演結(jié)果，而對于橢球體的幾何關(guān)系仍需要進(jìn)一步實驗、分析和檢驗。其次，采用幾何關(guān)系法反演云高運用到了多顆衛(wèi)星的數(shù)據(jù)，計算量大，在時空匹配上難度較高且實現(xiàn)困難，因此，目前此方法只停留在科學(xué)研究的范疇，并未在業(yè)務(wù)層面上操作使用。但是，基于衛(wèi)星成像儀器的紅外遙感反演云頂高度的技術(shù)較為廣泛，可利用衛(wèi)星探測得到的云頂亮度溫度值來判斷云頂高度。其主要原理是基于低層云或厚云（如積云、積雨云和層積云）發(fā)射率的一致，可以看作發(fā)射率為1 的黑云，而對于卷云則發(fā)射率比較小，因此存在差別。

目前，以此原理為基礎(chǔ)反演云頂高度的方法較多為CO薄片法。如果衛(wèi)星通道接收到的輻射值與晴空輻射之間插值小于儀器噪聲，則該方法無法使用。該方法對存在2 層或者多層云疊加的像元反演結(jié)果誤差較大?；谛l(wèi)星采用CO薄片法是對云頂氣壓進(jìn)行反演，若想得到云頂高度，則需要借助此時的大氣廓線數(shù)據(jù)或者通過大氣壓高公式進(jìn)行轉(zhuǎn)換，因此其時效性和準(zhǔn)確性都會有所折扣。1985年，IMOUE首次利用分裂基于NOAA-AVHRR數(shù)據(jù)對熱帶海洋上空進(jìn)行云識別分類。PAROL等同樣基于AVHRR 首次考慮到用11 μm 通道和12 μm 通道的亮溫差進(jìn)行研究，結(jié)果發(fā)現(xiàn)若不考慮散射，兩通道的吸收系數(shù)比是影響結(jié)果的關(guān)鍵參數(shù)，并提出有效吸收系數(shù)。2008 年，HAMADA等首次提出可以用紅外分裂窗查算表的方法對云頂高度進(jìn)行反演，但僅限于對非降水云的反演。隨后，HAMADA 等在2010 年利用MTSAT 衛(wèi)星紅外分裂窗數(shù)據(jù)和Cloudsat 數(shù)據(jù)聯(lián)合建立云頂高度反演的查算表發(fā)現(xiàn)，利用查算表估算云頂高度能夠取得不錯的效果。但是，由于聯(lián)立查算表時未對云進(jìn)行大致分類，導(dǎo)致在11 μm 通道的亮溫大于270 K時反演結(jié)果誤差較大。

此方法在國內(nèi)開展較少，劉誠等利用分裂窗對中緯度地區(qū)的陸地上空進(jìn)行了云分類檢測。李冠林等在此基礎(chǔ)上先借助Cloudsat 數(shù)據(jù)將云進(jìn)行簡單分類（透明云、半透明云和不透明云），后利用支持向量機(jī)（Support Vector Machine，SVM）的原理和紅外分裂窗理論，通過核回歸法分別對3 類云頂高度進(jìn)行反演，顯示結(jié)果較好。梁玉冰等通過該方法利用日本搭載在靜止氣象衛(wèi)星Himawari-8的 儀 器AHI（Advanced Himawari Imager）以 及Cloudsat 產(chǎn)品2B-GEOPROF 數(shù)據(jù)對半透明云的云頂高度進(jìn)行反演。結(jié)果表明：利用該方法能得到較好的云頂高度反演結(jié)果，但是其反演結(jié)果的影響因素較多。利用紅外分裂窗查算表方法優(yōu)勢在于可以進(jìn)行全天候云頂高度反演，并且只需要利用對應(yīng)通道的紅外數(shù)據(jù)直接得到反演結(jié)果，計算速度快，反演過程不受其他數(shù)據(jù)干擾，穩(wěn)定性高。聯(lián)合主動式高精度設(shè)備的數(shù)據(jù)支撐，在熱帶海洋地區(qū)的云頂高度反演已經(jīng)取得了較好的結(jié)果，此方法具有較大的發(fā)展前途。由于受較多因素的影響，比如緯度、季節(jié)、云類型等，則需要不斷地將查算表進(jìn)一步細(xì)化。本文對高緯度地區(qū)云頂高度進(jìn)行反演，其目的是探討靜止衛(wèi)星對中高緯度地區(qū)，其天頂角等因素帶來的偏差范圍是否可以接受。建立不同季節(jié)的查算表，避免太陽直射點因季節(jié)變化導(dǎo)致云頂亮度溫度因季節(jié)變化產(chǎn)生誤差，使反演結(jié)果盡可能精準(zhǔn)。

1 數(shù)據(jù)來源和研究區(qū)域

1.1 FY4A-AGRI 數(shù)據(jù)

FY4A 于2016 年12 月11 日發(fā)射升空，并在2017 年9 月25 日正式投入使用。FY4A 是繼風(fēng)云二號（FY2）之后第二代同步軌道氣象衛(wèi)星。與FY2的自旋穩(wěn)定不同，F(xiàn)Y4A 采用三軸穩(wěn)定平臺，姿態(tài)確定精度為3?，其自身質(zhì)量約為5 300 kg，整體輸出功率大于3 200 W。為確保其搭載的儀器可以同時進(jìn)行大量的數(shù)據(jù)傳輸，星上內(nèi)部采用1553B+Spacewire 數(shù)據(jù)總線技術(shù)。FY4A 衛(wèi)星總共搭載了3 臺儀器，即閃電成像儀（Lighting Mapping Imager，LMI）、靜止軌道干涉式紅外垂直探測儀（Geostationary Interferometric Infrared Sounder，GIIRS）和多通道掃描輻射成像儀（Advanced Geostationary Radiation Imager，AGRI）。其中，AGRI 目前已躋身于世界靜止軌道成像儀最先進(jìn)行列，并可以替換FY2 的可見光紅外掃描輻射計（Visible and Infrared Spin Scan Radiometer，VISSR）。AGRI 可以每15 min 生成一副全圓盤影像觀測，共擁有14 個通道，其中2 個可見光通道（紅、藍(lán)光）以及近紅外和熱紅外通道等。除可見光和近紅外通道，AGRI 的空間分辨率在4 km。自FY4A 發(fā)射之后，為了充分發(fā)揮AGRI的高頻次、高精度的定量化觀測作用，國內(nèi)外學(xué)者圍繞AGRI 展開了各個通道的靈敏度評價、定標(biāo)精度評價等定量應(yīng)用的實驗，并取得了較好的結(jié)果。

實驗基于團(tuán)隊自主研發(fā)的FY4A/AGRI 云識別數(shù)據(jù)集進(jìn)行對云頂高度反演分析研究。該云識別數(shù)據(jù)集采用AGRI 的6 個通道結(jié)合正交偏振云-氣溶膠偏振雷達(dá)（Cloud Aerosol Lidar with Orthogonal Polarization，CALIOP）探測結(jié)果搭建數(shù)據(jù)庫，通過多通道的閾值篩選得到云識別結(jié)果，詳細(xì)原理和驗證在此不進(jìn)行贅述。利用此數(shù)據(jù)結(jié)果，對基于AGRI 的云頂高度反演進(jìn)行數(shù)據(jù)前處理。

1.2 CALIPSO/CALIOP 介紹

“云-氣溶膠激光雷達(dá)和紅外探測者衛(wèi)星觀測”（Cloud-Aerosols Lidar and Infrared Pathfinder Satellite Observations，CALIPSO）是美國國家航空航天局（NASA）于1998 年同法國國家航天中心（CNES）一起合作，并實施建造。其主要功能是提供全球云和氣溶膠在大氣中的垂直探測剖面數(shù)據(jù)，并將這些數(shù)據(jù)用于研究云和氣溶膠在調(diào)節(jié)全球氣候中的作用，以及兩者之間在大氣中的相互影響。CALIPSO衛(wèi)星主要儀器由寬視場相機(jī)（Wide Field Camera，WFC）、紅外成像輻射計（Infrared Imager Radiometer，IIR）、CALIOP（Cloud Aerosol Lidar with Orthogonal Polarization）。1994 年9 月20 日，“發(fā) 現(xiàn)號”航天飛機(jī)進(jìn)行了激光雷達(dá)的空間技術(shù)實驗（Lidar In-space Technology Experiments，LITE），論證了空間激光雷達(dá)在氣溶膠和云研究中的潛力。LITE 成為世界上第一個地球軌道激光雷達(dá)的實驗。CALIOP 是世界上第一臺星載云和氣溶膠激光雷達(dá)，共有3 個收發(fā)通道，分別為1 064 nm 通道、532 nm垂直通道和平行通道。CALIOP 可探測到532 nm 的垂直剖面退偏比廓線，即532 nm 的垂直與平行通道的后向散射強(qiáng)度信號之比，進(jìn)而得到被測粒子的不規(guī)則程度。CALIOP 還提供了顏色比，即1 064 nm處的后向散射強(qiáng)度與532 nm 處的總后向散射強(qiáng)度之比，顏色比值的大小與粒子大小成正相關(guān)。CALIPSO 衛(wèi)星是美國A-Train 衛(wèi)星編隊的一顆衛(wèi)星，屬于太陽同軌道衛(wèi)星，于北京時間中午12：00、夜間00：00 左右飛過我國華北地區(qū)。因為以16 日為一個軌道重復(fù)周期，每天的星下點軌道略有偏差，大致在1.5°左右。其搭載的云-氣溶膠交偏振激光雷達(dá)CALIOP 主要有Level 1B、Level 2 Profile 以及Level 2 VFM 等數(shù)據(jù)，數(shù)據(jù)主要為CALIOP 二級VFM，數(shù)據(jù)中提供云和氣溶膠類型及位置的信息。

2 區(qū)云頂高度反演原理

2.1 基于衛(wèi)星遙感的云分類

紅外分裂窗查算表方法基于AGRI 的11 μm 和12 μm 紅外通道亮溫數(shù)據(jù)結(jié)合主動式高精度設(shè)備測量儀器得到云頂高度參數(shù)，共同建立云頂高度查找表。此方法需要采用11 μm 通道亮溫數(shù)據(jù)和11、12 μm 通道的亮溫差（Brightness Temperature Difference，BTD）進(jìn)行聯(lián)立，所用AGRI通道見表1。主動式高精度探測設(shè)備需具有垂直高度相關(guān)信息并與衛(wèi)星儀器探測到的紅外數(shù)據(jù)進(jìn)行時空匹配，再提取其距離地面最高的云頂高度像素并進(jìn)行在查算表中填充。

表1 FY4A/AGRI 實驗選取的通道Tab.1 Channels selected for FY4A/AGRI experiment

11、12 μm 的長波分裂窗紅外通道對于如積云、積雨云、層積云這樣高度較低或云層較厚的云類其發(fā)射率一致可看為1。同樣對于這兩個通道來說，卷云具有較小發(fā)射率且兩通道探測結(jié)果存在差異。長波紅外窗口通道主要是由于吸收了較少的水汽并且12 μm 通道的吸收大于11 μm 通道，存在以下關(guān)系：

而探測器接收到的輻射亮度

I

可以表示為

又因為

式中：

I

為衛(wèi)星探測器在云區(qū)接收到的總輻射，即黑體云頂?shù)妮椛浼由洗髿獾妮椛洹?p>

式中：

I

為衛(wèi)星探測器在無云區(qū)域接收到的總輻射亮度。

因此，根據(jù)式（3）～式（4），可以將式（2）進(jìn)一步變換得到

因此，利用式（1），將11、12 μm 通道值相減可以得到

圖1 各云類的分類閾值圖Fig.1 Threshold diagram of cloud classification

2.2 構(gòu)建紅外分裂窗查算表

利用主動式高精度測量儀器CALIOP 得到的云頂高度信息，聯(lián)合FY4A-AGRI 的兩通道BTD 值和11 μm 通道亮溫，建立中高緯度（北緯40°以上）不同季節(jié)和多種云類型的云頂高度查找表。選取2019 年的數(shù)據(jù)建立對查算表，并利用該表進(jìn)行反演。從分裂窗數(shù)據(jù)中得到兩個通道的BTD 值和11 μm 通道的亮溫值，在查表中核對計算后得到云頂高度。實驗采用該表方法反演云頂高度的步驟具體如下：

步驟1

選取FY4A-AGRI 的分裂窗通道圖像數(shù)據(jù)，分別對11

、

12 μm 通道亮溫和載有主動遙感探測儀器CALIOP 的二級VFM 數(shù)據(jù)進(jìn)行前處理。

步驟2

通過利用VFM 數(shù)據(jù)的垂直探測特性，得到云頂高度數(shù)據(jù)。利用AGRI 的分裂窗數(shù)據(jù)計算得到BTD 值和11 μm 的亮溫數(shù)據(jù)。上述數(shù)據(jù)分別前處理后進(jìn)行時空匹配。

步驟3

將VFM 數(shù)據(jù)的云頂高度數(shù)據(jù)與BTD值和11 μm 的亮溫數(shù)據(jù)相對應(yīng)，分別對不同云類不同季節(jié)進(jìn)行分類。選取北緯40°以上地區(qū)，對匹配數(shù)據(jù)進(jìn)行填充后得到查算表數(shù)據(jù)庫。

步驟4

利用實時的AGRI數(shù)據(jù)對分裂窗通道進(jìn)行預(yù)處理后得到BTD 值和11 μm 的亮溫結(jié)果，并與建立的查算表進(jìn)行對比，得到相匹配的云頂高度數(shù)據(jù)。

云頂高度反演實驗流程如圖2 所示。

圖2 云頂高度反演實驗流程Fig.2 Experimental process of cloud top height inversion

實驗分別針對不同季節(jié)、云類，選取北緯40°以上地區(qū)建立查算表，有效規(guī)避了該方案的局限性。AGRI 數(shù)據(jù)預(yù)處理階段可以有效規(guī)避衛(wèi)星天頂角所帶來的探測精度下降的問題。利用衛(wèi)星數(shù)據(jù)進(jìn)行云頂高度反演，采用此方法具有較高的可行性。

在AGRI 一級數(shù)據(jù)和VFM 數(shù)據(jù)時空匹配之后，首先需要篩選北緯40°以上的區(qū)域，將緯度大于北緯40°的區(qū)域為查算表填充的條件。根據(jù)圖1 不同云類的大致閾值分類，將云分為卷云、厚卷云、積云、積雨云和其他類型云共5 種類型。之后，建立這5種云類型的查算表，并進(jìn)行相應(yīng)的填充。將2019 年數(shù)據(jù)分成4 個季節(jié)，其中，3、4、5 月為春季，6、7、8 月為夏季，9、10、11 月為秋季，12、1、2 月為冬季。可以分別得到不同云類型、不同季節(jié)的查算表并進(jìn)行分析。

2.3 查算表優(yōu)化

通過對上述的實踐，初步得到了查算表。但查算表還較為粗糙，有大量的重復(fù)值影響計算效率和反演時間，需對查算表進(jìn)行降重。查算表中存在AGRI 的BTD 值和11 μm 的亮溫數(shù)據(jù)重復(fù)，但是匹配的CALIOP-VFM 數(shù)據(jù)出現(xiàn)云頂高度信息不同的情況。出現(xiàn)這種情況有2 種原因：1）數(shù)據(jù)在時間匹配上的問題。由于云受大氣湍流的影響較為明顯，且變化也比較快，而VFM 數(shù)據(jù)來自極軌衛(wèi)星，且一個數(shù)據(jù)所跨的時間范圍大約在1 h 以上，即使選取北緯40°以上的數(shù)據(jù)，也會出現(xiàn)掃描先后的問題。而AGRI 數(shù)據(jù)來源于靜止衛(wèi)星，在于VFM 數(shù)據(jù)空間上所能匹配的地區(qū)AGRI 可以快速甚至相當(dāng)于瞬時數(shù)據(jù)。由于云層變化較快導(dǎo)致CALIOP 探測滯后，從而出現(xiàn)在2 個數(shù)據(jù)時間窗變大的問題，影響查算表填充數(shù)據(jù)的質(zhì)量。2）CALIOP 探測靈敏度較高，容易出現(xiàn)AGRI 的BTD 值和11 μm 通道的亮溫數(shù)據(jù)重復(fù)而VFM 數(shù)據(jù)十分接近的情況。為此，在查算表中對同樣的11 μm 十分亮溫和BTD 亮溫差值對應(yīng)不同高度的數(shù)據(jù)進(jìn)行了處理和整合。首先，在查算表中找出相同特征值，提取不同高度的數(shù)據(jù)并進(jìn)行保存；之后，判斷這種數(shù)據(jù)每一批相同的重復(fù)個數(shù)，如果重復(fù)個數(shù)為2，則進(jìn)行平均處理；如果為3，則選擇其中位數(shù)；如果為4，則刪去一個所匹配到高度最高數(shù)據(jù)對和高度最低的數(shù)據(jù)對，并進(jìn)行平均計算；如果大于4，則刪去2 個高度極值之后取中位數(shù)進(jìn)行替換。因此，將重復(fù)個數(shù)大于5 個的部分進(jìn)行如下分析。

由于出現(xiàn)特征重復(fù)且目標(biāo)值不重復(fù)的數(shù)據(jù)有限，很多重復(fù)個數(shù)并沒有大于5 個，較多的查算表無法進(jìn)行箱型圖的可視化繪制。冬季厚卷云特征重復(fù)部分的箱型圖如圖3 所示，春季積云特征重復(fù)部分的箱型圖如圖4 所示。縱坐標(biāo)為高度，橫坐標(biāo)為AGRI 的11 μm 通道的亮溫值（TB_11）。每個箱形中綠色線條對應(yīng)縱坐標(biāo)的數(shù)值，代表此特征重復(fù)組的中位數(shù)。圖3 中，隨著11 μm 通道亮溫逐漸增加，冬季厚卷云的云頂高度也逐步增加；圖4 中，春季積雨云的云頂高度隨11 μm 積雨通道亮溫逐漸增加而有降低的趨勢，其原因主要是因為低亮溫的云頂溫度較低，除了大氣逆溫干擾外，此時的云頂高度也相對較高。對箱型圖中選取綠色線的部分來代替其他重復(fù)特征數(shù)據(jù)所對應(yīng)的高度。其做法具有提高計算效率、節(jié)省反演時間、有利于實時檢測、節(jié)省數(shù)據(jù)內(nèi)存等優(yōu)點。同時，剔除匹配高度的最大值和最小值，可以有效地防止在上文所述在時空匹配上所產(chǎn)生的誤差，有利于提高數(shù)據(jù)的準(zhǔn)確性。

圖3 冬季厚卷云箱型Fig.3 Box chart of winter thick cirrus cloud

圖4 春季積云箱型Fig.4 Spring cumulus box chart

2.4 云高反演模型

將查算表（Look Up Table，LUT）按照不同類型進(jìn)行上述整理后，可以利用查算表建立查算模型。

本次利用AGRI 反演云頂高度模型的流程如圖5 所示。云頂高度反演模型的搭建主要有以下步驟：

從實驗室測試設(shè)備的先驅(qū)發(fā)展成為歐洲最大的電子測量儀器制造廠商，羅德與施瓦茨公司在無線通信和測量領(lǐng)域已成為最具影響的跨國公司之一。該公司在全球雇員大約為7 500人，業(yè)務(wù)遍布全球主要市場。如今，該公司在世界各地?fù)碛?0多家子公司和辦事處，建立了一個國際化的服務(wù)和銷售網(wǎng)絡(luò)，確保就近為客戶提供便利的支持與服務(wù)。

圖5 云頂高度反演模型流程Fig.5 Flow chart of the cloud top height inversion model

步驟1

讀取數(shù)據(jù)和預(yù)處理。

步驟2

選擇北緯40°以上我國東北地區(qū)為反演數(shù)據(jù)。

步驟3

進(jìn)行云識別計算。

步驟4

對不同云類型進(jìn)行分類后按照不用季節(jié)進(jìn)行查找。首先，將探測像元的11 μm 通道到亮溫與算表中11 μm 通道亮溫數(shù)據(jù)（TB11）做差（

X

為11 數(shù)據(jù)通道的亮溫數(shù)據(jù)），如果絕對值（abs）小于1 K 則取出該像元的BTD 在查算表中的最佳擬合位置，得到其對應(yīng)的高度數(shù)據(jù)并進(jìn)行輸出；如果絕對值大于1 K，則選取其像素點附近的云頂高度，如果其像素附近沒有云高數(shù)值，那么則輸出錯誤值-9 999。最后，再將數(shù)據(jù)進(jìn)行加工打包，畫圖得到結(jié)果。為了使結(jié)果看上去更加美觀，以及在不影響結(jié)果并且可能更加突出云層之間的空間高度變化關(guān)系，對數(shù)據(jù)結(jié)果進(jìn)行加工，選取高斯濾波的方案，具體二維公式如下：

式中：

x

、

y

為圖像中的像素位置信息；

G

（

x

，

y

）為某像素點經(jīng)過高斯平滑后的結(jié)果；

σ

為高斯的核，其數(shù)值取決于核的寬度，即像素點周圍的參與加權(quán)計算的范圍，核的寬度取3×3 的網(wǎng)格。

3 結(jié)果與討論

3.1 不同季節(jié)的云頂高度對比

通過上述對查算表，建立查算模型，分別對4 個季節(jié)進(jìn)行反演。以CALIOP-VFM 數(shù)據(jù)為真值進(jìn)行精度檢驗，并選取同一時刻的官方二級數(shù)據(jù)進(jìn)行橫向?qū)Ρ?，以此來驗證此方法對于靜止衛(wèi)星在中高緯度地區(qū)的影響。選取的時間春季為2020 年5 月1 日下午1 時、夏季為2020 年8 月1 日12 時、秋季為2020年10 月1 日12 時、冬季為2020年1月1日12時的AGRI 和CALIOP數(shù)據(jù)。

云頂高度4 個季節(jié)的結(jié)果與二級數(shù)據(jù)結(jié)果對比如圖6 所示。從圖6（a）反演結(jié)果顯示，在黑龍江地區(qū)和內(nèi)蒙古北部地區(qū)都出現(xiàn)了云頂高度較高的云區(qū)，在內(nèi)蒙古與外蒙古的交接處也有云層較高的區(qū)域。黑龍江地區(qū)云高兩張圖都大致在9 km 的高度，內(nèi)蒙古北部的云頂高度更是接近12 km。云頂高度數(shù)值在空間分布的趨勢清晰，并且在內(nèi)蒙古最北處的云高低值區(qū)也有所體現(xiàn)。但是，部分地區(qū)存在噪點需要進(jìn)一步提高。夏季是對流云高發(fā)季，由圖6（b）中的結(jié)果可知，位于我國黑龍江南至牡丹江地區(qū)橫跨佳木斯市一直到我國邊境，存在云頂高度較高的云區(qū)。根據(jù)其高度和形狀，可以判斷為積雨云，且此積雨云的尺度較大?？梢郧逦乜吹皆祈敻叨扰c空間分布的特性，判斷各地區(qū)大致的天氣狀況，即在吉林和內(nèi)蒙古交界處的對流云。圖6（c）位于內(nèi)蒙古北部和黑龍江西北部，存在高值區(qū)。由于秋季降雨多為層狀降雨云為主，根據(jù)圖6 給出的結(jié)果，可以較清晰地判斷各地區(qū)大致的天氣狀況。在圖6（d）中，吉林北部以及內(nèi)蒙古北面邊境地區(qū)有高云云區(qū)。位于黑龍江綏化地區(qū)以及內(nèi)蒙古西北部地區(qū)的實驗，云頂高度反演結(jié)果高至9 km。從云頂高度變化趨勢來看，內(nèi)蒙古和黑龍江交界處的低值區(qū)有較好的體現(xiàn)。在圖像的后期加工上，仍可以進(jìn)一步提高。

圖6 AGRI 云頂高度反演區(qū)域分布Fig.6 Regional distribution of cloud top height retrieved by AGRI

3.2 反演結(jié)果精度驗證

圖7 CALIPSO 試驗區(qū)域飛行路徑Fig.7 Flight path diagram of CALIPSO test area

在數(shù)據(jù)匹配和質(zhì)量控制上，首先，將北緯40°以下的數(shù)據(jù)進(jìn)行剔除。其次，將時空匹配到的非云像素點進(jìn)行剔除。另外，實驗將匹配數(shù)據(jù)進(jìn)行質(zhì)量控制，采用標(biāo)準(zhǔn)化誤差篩選，具體方法為

式中：

X

為向量中某個真實值，在實驗中則為CALIOP 與AGRI 時空匹配后的CALIOP 某一位置的云頂高度數(shù)據(jù)；

Y

為向量中某個待測值，為第

i

個AGRI 反演的云頂高度值；

ε

為匹配點中的第

i

個偏差值；

N

為分別進(jìn)行精度驗證的2 個數(shù)所匹配的個數(shù)值。

式中：

S

為標(biāo)準(zhǔn)偏差。

式中：

e

為第

i

個匹配數(shù)值的標(biāo)準(zhǔn)化誤差。

e

的大小對數(shù)據(jù)的可靠性具有一定影響，選取的

e

范圍為［-3，3］，即若第

i

對匹配數(shù)據(jù)的標(biāo)準(zhǔn)化誤差值

e

∈[-3，3]，則進(jìn)行保存，否則將被剔除。最后將匹配的數(shù)據(jù)進(jìn)行散點圖的繪制，得到如圖8所示的精度檢驗結(jié)果。

圖8 精度檢驗散點圖Fig.8 Scatter diagrams of precision tests

續(xù)圖8 精度檢驗散點圖Continue fig.8 Scatter diagrams of precision tests

圖（8）左列為云頂高度反演4 個季節(jié)的個例以VFM 數(shù)據(jù)結(jié)果為真值的散點圖，縱坐標(biāo)為反演結(jié)果，橫坐標(biāo)為對應(yīng)時空的CALIPSO-VFM 云頂高度結(jié)果；右邊列圖表示利用AGRI 的二級云頂高度數(shù)據(jù)，該數(shù)據(jù)采用CO薄片法。4 個季節(jié)的個例結(jié)果以CALIOP 數(shù)據(jù)結(jié)果為真值的散點圖。散點圖中給出了擬合線和相關(guān)系數(shù)（

R

）。

首先，反演結(jié)果和二級數(shù)據(jù)的散點圖中散點位置都比較類似。反演數(shù)據(jù)和二級數(shù)據(jù)都與CALIOP的云頂高度結(jié)果相關(guān)性較高。在春季橫向精度檢驗結(jié)果中，明顯地看出此次個例的精度檢驗匹配了兩類云，一類的云頂高度集中在4 km 以下，另一類的云頂高度集中在12 000 m 的高空。二級數(shù)據(jù)存在異常值，絕大部分原因是圖像后期處理所產(chǎn)生的現(xiàn)象。為了可以更加直觀地看出云頂高度的變化趨勢，從而在精度上進(jìn)行了一些犧牲。反演結(jié)果散點較為緊實，但在高度大約為4 km 區(qū)域，反演的AGRI 結(jié)果精度不高，在4 km 區(qū)域AGRI 和CALIOP 所匹配到的數(shù)據(jù)中，AGRI 有較多的相同值，但是相較于CALIOP 探測結(jié)果有所區(qū)別，可能是查算表所搭建的數(shù)據(jù)庫中數(shù)據(jù)量不夠所導(dǎo)致。在夏季的散點圖中，結(jié)果的相關(guān)性相較于其他3 個季節(jié)最高，反演的結(jié)果與CALIOP 探測結(jié)果相關(guān)性達(dá)到0.95，而二級數(shù)據(jù)也高達(dá)0.84。從季節(jié)對比來看，反演結(jié)果和二級數(shù)據(jù)夏季表現(xiàn)的效果相較于其他3 個季節(jié)相關(guān)性最好。在秋季的散點圖中，反演的個例結(jié)果相關(guān)性為0.71，相較于其他3 個季節(jié)相關(guān)性偏低。其主要原因是位于7 000 m 的云頂高度的數(shù)據(jù)與CALIOP所探測到的結(jié)果出現(xiàn)了偏離，可能是由于CALIOP一個數(shù)據(jù)大約含蓋100 min 的數(shù)據(jù)信息。而AGRI往往15 min 便可打包成一個數(shù)據(jù)。但云的時空變化較大導(dǎo)致了兩儀器在探測上產(chǎn)生偏離，從而引起檢驗精度的下降。冬季結(jié)果的選取時間為2020 年1 月1 日中午，反演結(jié)果部分地區(qū)云頂高度要高于二級結(jié)果。通過與CALIOP 探測的結(jié)果對比，二級數(shù)據(jù)結(jié)果散點圖中擬合線的斜率要低于反演的結(jié)果散點圖中擬合線。可能是由于二級數(shù)據(jù)均衡化而采用了大量的平滑處理，導(dǎo)致其云頂高低普遍降低。但同樣存在與春季結(jié)果類似的問題，即由于數(shù)據(jù)庫的數(shù)據(jù)不夠豐富而導(dǎo)致部分高度精度下降。因此，數(shù)據(jù)庫部分仍需要進(jìn)一步提高。

為了更加直觀地反映此方法在利用AGRI 上的可靠性，對上述4 個結(jié)果進(jìn)行了精度統(tǒng)計。其中，包含平均偏差（ME）、均方根誤差（RMSE）以及平均相對偏差（MRE），見表2。表中，AGRI 和AGRI_L2表示反演和二級數(shù)據(jù)分別以CALIOP 為真值進(jìn)行的橫向?qū)Ρ冉Y(jié)果?？傮w上看，反演4 個季節(jié)的統(tǒng)計結(jié)果精度較好。ME 有3 個季節(jié)的個例結(jié)果小于±500 m，而最高的夏季ME 僅為749.31 m。RMSE 大約在1.2 km，冬季僅為1.0 km 左右。MRE 在4 個季節(jié)的結(jié)果中都在20% 左右，其中，秋季高達(dá)21.75%，而夏季最低僅為10.89%。通過對4 個季節(jié)分別建立查算表，發(fā)現(xiàn)其結(jié)果都較為穩(wěn)定且都有較好的精度表現(xiàn)。春季和秋季的ME 要明顯小于夏季和冬季的結(jié)果，這2 個季節(jié)ME 都在±300 以內(nèi)。其次，秋季的RMSE 和MRE 相較于夏季要略低一些。因此可以說明，雖然在ME 上春季和秋季的結(jié)果差不多，但是從RMSE 和MRE 上看，春季的結(jié)果相較于秋季結(jié)果與真值更加貼合且穩(wěn)定。反演的4個季節(jié)結(jié)果中，春季的泛化誤差最小。而在其他3個季節(jié)中，冬季的RMSE 最低，說明冬季的結(jié)果與CALIOP 探測的結(jié)果趨勢最為相似。而夏季的平均相對誤差僅為10.89%，說明夏季結(jié)果的偏差結(jié)果最為穩(wěn)定。秋季的ME 要明顯優(yōu)于夏季和冬季的結(jié)果，雖然秋季的結(jié)果穩(wěn)定性相對較低，但其在精度上有較高的表現(xiàn)。通過進(jìn)行季節(jié)性對比，從精度檢驗個例中可以看出，4 個季節(jié)的統(tǒng)計結(jié)果都具有一定的可靠性。其中，春季的統(tǒng)計結(jié)果相較于其他3個季節(jié)相對更優(yōu)，而冬季結(jié)果與真值最為同步，夏季結(jié)果最為穩(wěn)定，秋季結(jié)果雖然穩(wěn)定性有所下降，但絕大部分結(jié)果精度較高。

表2 與二級數(shù)據(jù)橫向?qū)Ρ冉Y(jié)果Tab.2 Horizontal comparison results of AGRI AND AGRI_L2 data

通過與二級數(shù)據(jù)橫向?qū)Ρ?，可以判斷利用AGRI 進(jìn)行紅外分裂窗查算表的方法對云頂高度進(jìn)行反演在結(jié)果上具有可行性。運用靜止衛(wèi)星對我國中高緯度地區(qū)進(jìn)行此方法的云頂高度反演，同樣具有較好的表現(xiàn)。由于CALIOP 波長較CPR 波長短，所以衰減較高。尤其是對降水云和對流云以及云層較厚的云，其衰減較為明顯，但對于聯(lián)合建立云頂高度查算受其影響較小。另外可以看出，雖然AGRI 屬于靜止衛(wèi)星儀器，容易受到緯度影響，但是通過與CALIOP 的云頂高度結(jié)果進(jìn)行檢驗后發(fā)現(xiàn)，即使受到影響但精度依然可信?？紤]到單個時刻的對比結(jié)果具有偶然性，選取春季2020 年5 月1—10 日的數(shù)據(jù)，夏季為2020 年8 月1—10 日的數(shù)據(jù)，秋季和冬季分別選取2020 年10 月1—10 日和2020 年1 月1—10 日的數(shù)據(jù)，分別用于對季節(jié)的分析。

由于VFM 數(shù)據(jù)在不同高度的分辨率不同，當(dāng)高度小于8 km 時，空間分辨率為333 m，8～20 km 的空間分辨率為1 km，且AGRI 的官方和本次實驗的結(jié)果空間分辨率都為4 km。對于有云的情況，一個AGRI 的像素至少可以匹配到4 個VFM 的云頂高度值。若AGRI 匹配的VFM 云頂高度值少于4，則可能為云的邊界或者是受CALIOP 儀器所限。為了盡可能排除該影響，本文將AGRI 單個像元與VFM 數(shù)據(jù)匹配，剔除匹配VFM 云頂高度值小于4 個的情況。同時，若該像元滿足上述條件，在此基礎(chǔ)上本實驗繼續(xù)做移差處理，即匹配的VFM 值中的最大值減去最小值，且滿足≤2 km 的條件，則滿足數(shù)據(jù)匹配的要求。做該處理主要是由于不同云類型對應(yīng)的云頂高度不同，考慮到4 km 的像元可能恰好掃面到多種不同類型的云過渡區(qū)，因此將該情況同樣進(jìn)行了剔除。通過上述的質(zhì)量控制方法，得到如圖9 所示的不同季節(jié)上的橫向?qū)Ρ冉Y(jié)果。圖中，左側(cè)散點圖的橫坐標(biāo)為CALIOP 的探測數(shù)據(jù)，縱坐標(biāo)為本實驗反演的云頂高度結(jié)果；右側(cè)散點圖的縱坐標(biāo)為二級云頂高度產(chǎn)品結(jié)果，橫坐標(biāo)相同。從總體上看，各季節(jié)的相關(guān)系數(shù)

R

都大于0.6。另外，對于AGRI_L2云頂高度產(chǎn)品在不同季節(jié)都存在低估的現(xiàn)象，同樣在本次實驗中春季結(jié)果較為明顯，其原因可能是受多層云的干擾。AGRI 探測的是整層大氣柱的亮溫，若是在多層云的情況下，CALIIOP 只提取最上層的云頂高度作為其云頂高度結(jié)果。因此，該誤差是導(dǎo)致AGRI 結(jié)果低估的主要原因。

圖9 季節(jié)散點圖Fig.9 Seasonal scatter diagrams

續(xù)圖9 季節(jié)散點圖Continue fig.9 Seasonal scatter diagrams

為了更直觀地體現(xiàn)該方案反演云頂高度的可行性，分別計算不同的統(tǒng)計結(jié)果，結(jié)果如圖10 所示。圖10（a）為AGRI_L2 產(chǎn)品和本次反演結(jié)果與VFM數(shù)據(jù)在不同季節(jié)上的RMSE 和ME。其中，藍(lán)色線為AGRI_L2 產(chǎn)品對比結(jié)果，紫色線為本次反演對比結(jié)果。實線表示RMSE，虛線表示ME?？梢钥闯?，AGRI_L2 產(chǎn)品不同季節(jié)的RMSE 結(jié)果普遍在2.5～3.5 km 之間，而本實驗結(jié)果的RMSE 普遍在1.5～2.0 km 之間。AGRI_L2 數(shù)據(jù)在夏季的結(jié)果較好，其ME 小于500 m。圖10（b）為AGRI_L2 產(chǎn)品和本次反演結(jié)果與VFM 數(shù)據(jù)在不同季節(jié)上的MRE 和相關(guān)系數(shù)（

R

）。其中，深藍(lán)色線為AGRI_L2產(chǎn)品對比結(jié)果，橙色線為本次反演對比結(jié)果。實線表示MRE，虛線表示

R

。通過對比可以發(fā)現(xiàn)，本次反演結(jié)果冬季和夏季的相關(guān)系數(shù)大于二級數(shù)據(jù)結(jié)果，MRE 也略優(yōu)于二級產(chǎn)品。

圖10 精度檢驗雷達(dá)圖Fig.10 Radar chart for accuracy test

4 結(jié)束語

基于2019 年的AGRI 一級數(shù)據(jù)以及地理信息數(shù)據(jù)，提取出紅外分裂窗區(qū)通道，并選取對應(yīng)時間的CALISPO-VFM 數(shù)據(jù)；建立2019 年的北緯40°以上不同季節(jié)不同云類型的紅外分類窗查算表；利用2020 年不同季節(jié)的個例對其進(jìn)行云識別計算后，再到查算表中選取其對應(yīng)的云頂高度值。將結(jié)果進(jìn)行平滑降噪處理后得到東北地區(qū)云頂高度分布圖，得到以下結(jié)論：

1）在4 個季節(jié)的分布圖中，可以清晰看出云頂高度在東北地區(qū)的分布情況，4 個季節(jié)都具有較好的結(jié)果。

2）從4 個季節(jié)的統(tǒng)計結(jié)果來看，RMSE 上都小于2.3 km。說明反演結(jié)果與CALIOP 探測結(jié)果具有較高的一致性，結(jié)果的穩(wěn)定性較好，受季節(jié)的影響在可控范圍以內(nèi)，但秋季仍可以進(jìn)一步提高。

3）與VFM 數(shù)據(jù)進(jìn)行精度對比的相關(guān)系數(shù)在4個季節(jié)中都高于0.6，效果較好。此方具有較高的可信度。在橫向?qū)Ρ戎校迷摲椒ɑ贏GRI結(jié)果精度不亞于官方采用的CO薄片法的二級數(shù)據(jù)。該方法估算的RMSE 和相對誤差較小，在反演過程中不需要其他數(shù)據(jù)進(jìn)行輔助計算，節(jié)省了計算資源，提高了計算效率。部分云類在某些數(shù)值區(qū)間上的精度需要進(jìn)一步提高，查算表數(shù)據(jù)量應(yīng)進(jìn)一步豐富。

4）無論是AGRI 二級云頂高度數(shù)據(jù)還是本次反演結(jié)果，都有不同程度低估的現(xiàn)象，可能是多層云所造成的，該推斷仍需要進(jìn)一步實驗。