基于GPS和MODIS数据的大气可降水量反演算法研究

基于高精度的PWVGPS与MODIS近红外三通道比值透射率间的关系建立MODIS大气可降水量新反演算法以提高反演精度。利用美国Kansas州和Oklahoma州2009年4月～9月间17期的MODIS数据和对应的SuomiNet网PWVGPS数据进行研究,发现Kaufman和Gao Bo-Cai算法反演的PWVMODIS系统性地偏低于PWVGPS,存在较大的反演误差。以高精度的PWVGPS为标准水汽值,研究PWVGPS与MODIS近红外第19波段的三通道比值透射率间的关系,建立了MODIS大气可降水量新反演算法,并利用研究区数据进行试验验证,结果表明新算法可大幅提高PWVMODIS的反演精度。     

黑龙江省大气水汽含量及其影响因素分析

大气水汽含量对海陆水循环、气溶胶和云的形成等具有重要作用,对其时空变化特征及其影响因素的研究具有十分重要的意义,而下垫面因素对其影响还有待进一步研究。以黑龙江省为研究区,基于MODIS、数字高程模型和探空数据,利用两通道和三通道比值法反演出大气水汽含量并进行精度评价。在此基础上,分析大气水汽含量的时空分布特征及其与下垫面之间的关系。研究结果表明:①两通道比值法要稍优于三通道比值法(与实测数据相关系数分别为0. 795和0. 754);②在4—7月间,黑龙江省西北部和东南部水汽含量低,而东部、西部水汽含量较高;③全省平均水汽含量整体呈上升趋势;④不同土地覆盖和地貌类型上空的水汽含量有着明显的差异。     

一种适用于ASTER数据同时反演大气水汽含量和地表温度的三通道算法

提出了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法,即利用ASTER数据的第12,13,14三个热红外波段建立三个热辐射传输方程。再利用MODTRAN软件分别模拟ASTER 12,13,14波段透过率与大气水汽含量的关系,通过分析可知ASTER三个热红外波段的透过率与大气水汽含量的关系可用近似线性方程表示,从而得到另外三个方程。这样就构成了一个包含六个未知数、六个方程的方程组,形成了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法。由于各参数都可以通过方程组计算出来,所以,这种算法仅需要ASTER数据就可反演出大气水汽含量与地面温度,且关键参数大气透过率的计算精度提升到了AS-TER数据一个像元（15×15）m2的程度。     

地物反射光谱对MODIS近红外波段水汽反演影响的模拟分析

在近红外辐射传输方程的基础上,利用近红外波段水汽的不同吸收属性,在MODTRAN的模拟下,深入分析了基于MODIS近红外数据的可降水汽反演算法,并着重讨论了地物反射光谱非线性在可降水汽反演中的影响。研究结果显示,当波段间反射率之比不等于1时,MODIS近红外波段反演水汽将存在较大偏差。同时,在地物光谱库基础上,计算了不同地物反射率比值,其分布表明,大部分地物波段反射率比值不等于1。研究表明,应用现有MODIS近红外波段水汽反演算法,如果不考虑地表反射率光谱变化的影响,由地表反射光谱造成的误差最大约为反射率比值与1偏差的15倍,同时,这一误差还与大气波段透过率之比有关。     

针对MODIS影像的劈窗算法研究

在分析热红外遥感和现有的劈窗算法的理论基础上,针对MODIS数据对劈窗算法进行了推导。通过对热辐射强度和温度之间的关系计算,对Planck函数进行了线性简化,同时分析了MODIS的波段设置特点。MODIS的近红外波段适宜于反演大气水汽含量,而大气透过率主要从MODIS的近红外波段数据反演得到大气水汽含量,并进而根据水汽含量与大气透过率的关系来进行估算。通过MODIS的可见光波段、近红外和中红外波段数据,完全可以获得地表温度反演所需要的基本参数,从而形成了针对MODIS数据的地表温度反演的劈窗算法。最后以环渤海地区为实验区,对本文提出的方法进行了实际应用分析。     

香港地区大气加权平均温度建模与研究

在地基GPS水汽反演过程中,针对因大气加权平均温度的精度而影响大气可降水量计算结果精度的问题,文中采用回归分析方法对香港地区2006-2016年的探空数据进行研究,构建适用于香港地区的单因子以及多因子两种大气加权平均温度计算模型.并使用两种模型分别预测2017年加权平均温度,与多种经验公式结果以及真值进行对比,单因子和多因子模型与真值的偏差在-5～5K范围内分别占比80.72%和85.26%,明显优于其他经验公式;且按季节分别建模对大气加权平均温度计算结果的精度并没有明显提高,但按昼夜分别建模能够使计算结果的精度得到明显的提高.因此为了能够使水汽反演计算时的精度得到提升,应当使用当地多年的探空气象资料构建适用于当地的加权平均温度计算模型,对于提高GPS反演大气水汽总量的精度具有重要意义.     

TRMM/VIRS热红外通道陆地大气可降水汽总量分裂窗反演

大气水汽对全球以及区域气候变化有重要的影响,精确获取水汽数据是非常重要的研究方向。TRMM(热带降雨观测计划)卫星上搭载的VIRS传感器(可见光/红外扫描仪)在降雨观测中应用广泛,但是目前很少有研究将其用于水汽反演。本文尝试使用VIRS的两个红外分裂窗通道(10.8μm和12μm),通过建立改进的方差协方差比值分裂窗方法进行水汽反演。首先对TRMM/VIRS数据和方差协方差比值法进行了介绍,接着针对VIRS数据特点,利用MODTRAN辐射传输模式和探空大气廓线数据模拟回归了大气透过率和水汽的定量关系,最后利用VIRS遥感数据开展了水汽反演试验。由于红外波段分裂窗水汽反演算法只适合于晴空条件下,因此在云雨识别的时候,为了保证时空一致性,采用TRMM提供的基于微波成像仪TMI的云中液态水信息来对晴空与否进行判断。水汽反演结果首先与地基GPS大气水汽观测值进行了比较,均方根误差为5.76 mm;其次和MODIS卫星水汽反演结果进行了面状对比,二者显示出了高度的区域一致性。验证结果表明,TRMM/VIRS的水汽反演结果精度较高,具有进行业务化推广的潜力,丰富了水汽数据的来源,同时也对利用风云系列卫星传感器数据进行热红外通道的水汽反演具有借鉴意义。     

利用微波辐射计AMSR-E的京津冀地区大气水汽反演

目的 发展了微波遥感水汽反演算法,对于裸露地表,通过极化差比值形式消除地表信息对大气水汽反演的干扰;针对非裸露地表,首先反演了地表发射率并对不同波段地表发射率之间的关系进行分析,进而建立了非裸露地表上空大气水汽的反演算法。本文算法的反演结果与GPS探测结果的对比显示均方根误差为7.4mm,与MODIS大气水汽产品空间分布特征的对比也显示了两者较高的区域一致性。最后对京津冀平原地区和山地地区的水汽进行了时间序列的分析。     

旱区大气水汽含量遥感反演算法研究

针对旱区大气水汽含量难以获取,且精度不高的问题,该文利用Landsat8两个热红外波段,基于SWCVR算法构建旱区大气水汽含量反演模型。与气象站实测数据进行验证,其均方根误差为0.31 g/cm~2,绝对误差为0.25 g/cm~2;与MOD05水汽产品对比发现,两者水汽的平均值分别为2.63和2.37 g/cm~2,且空间分布基本一致,但空间分辨率和成像时间的不同,导致存在一定差异性。结果表明,针对Landsat8热红外遥感数据,30×30的窗口大小最优,既保留了中高空间分辨率的优点,又获得了具有实用价值的精度;基于SWCVR算法的大气水汽含量反演方法在风沙滩地区具有较好的应用。     

高分五号热红外传感器多通道SST反演

2018-05高分五号（GF-5）卫星发射升空,其上搭载的全谱段成像仪在热红外8—13 μm谱段范围内具有4个温度反演通道（B09,B10,B11,B12）,空间分辨率设计优于40 m,在国内民用传感器领域实现了由单通道向多通道、中空间分辨率向高空间分辨率的跨越式突破,使得GF-5卫星热红外数据在地表热环境遥感领域具有极其重要应用价值。本研究基于GF-5的4个热红外通道的通道响应函数,利用全球742条TIGR（Thermodynamic Initial Guess Retrieval）探空廓线数据,进行不同观测角度、水汽含量和海表发射率条件下的MODTRAN4.0（Moderate resolution atmospheric Transmittance and Radiance code4.0)辐射传输过程模拟,基于模拟结果分别对两通道、三通道和四通道劈窗算法海表温度SST（ Sea Surface Temperature）反演系数进行修订,并分析观测角度、水汽含量和海表发射率对不同通道组合的精度影响,并通过GF-5卫星实际反演的SST结果进行验证。GF-5全谱段成像仪SST反演两通道劈窗算法组合共有6种,即B09-B10、B09-B11、B09-B12、B10-B11、B10-B12、B11-B12;三通道劈窗算法组合共有4种,即B09-B10-B11、B09-B10-B12、B09-B11-B12、B10-B11-B12;四通道劈窗算法组合1种,即B09-B10-B11-B12。通过对不同通道组合形式研究发现,水汽含量对SST反演精度有较大的影响,且温度反演的精度随着水汽含量的增加而降低;其次是观测角度,SST反演精度随着观测天顶角的增大而降低;最后是发射率的影响,两通道、三通道和四通道劈窗算法SST反演精度随着发射率的变化总体在0.1 K以内变化。最后以大亚湾核电站周围海域为验证区,用GF-5热红外遥感影像进行SST的反演并做误差分析,结果表明B09-B10通道SST反演实际误差为0.57 K,反演精度较高,实际误差与理论模拟误差相差0.24 K,差异的来源主要包括辐射定标和传感器噪声等要素影响,其他通道形式反演精度有待于传感器响应稳定后进一步验证。     

成都地区地基GPS观测网遥感大气可降水量的初步试验

利用首个成都地区地基GPS观测网2004年7～9月30s间隔的测量数据，通过Bernese GPS SoftwareV4．2解算出30min间隔的天顶总延迟量，结合自动气象站获得的气象资料计算出30min间隔的GPS遥感的大气可降水量。与根据气象探空站探测资料算出的可降水量进行统计对比，确定出本次GPS遥感可降水量试验的精度为3．09mm，两种可降水量时间序列呈现高度的一致性。同时验证了计算对流层加权平均温度的Bevis经验公式在成都地区的适用性。     

Experiment on driving precipitable water vapor from ground-based GPS network in Chengdu Plain

The estimates of total zenith delay are derived using Bernese GPS Software V4. 2 based on GPS data every 30 s from the first measurement experiment of a ground-based GPS network in Chengdu Plain of Southwest China during the period from July to September 2004. Then the estimates of 0.5 hourly precipitable water vapor (PWV) derived from global positioning system (GPS) are obtained using meteorological data from automatic weather stations (AWS). The comparison of PWV derived from GPS and those from radiosonde observations is given for the Chengdu station, with RMS (root mean square) differences of 3.09m. The consistency of precipitable water vapor derived from GPS to those from radiosonde is good. It is concluded that Bevis’ empirical formula for estimating the weighted atmospheric mean temperature can be applicable in Chengdu area because the relationship of GPS PWV with Bevis’ formula and GPS PWV with radiosonde method shows a high correlation. The result of this GPS measurement experiment is helpful both for accumulating the study of precipitable water vapor derived from GPS in Chengdu areas located at the eastern side of the Tibetan Plateau and for studying spatial-temporal variations of regional atmospheric water vapor through many disciplines cooperatively.     

Experiment on Driving Precipitable Water Vapor from Ground-Based GPS Network in Chengdu Plain

The estimates of total zenith delay are derived using Bernese GPS Software V4. 2 based on GPS data every 30 s from the first measurement experiment of a ground-based GPS network in Chengdu Plain of Southwest China during the period from July to September 2004. Then the estimates of 0.5 hourly precipitable water vapor (PWV) derived from global positioning system (GPS) are obtained using meteorological data from automatic weather stations (AWS). The comparison of PWV derived from GPS and those from radiosonde observations is given for the Chengdu station, with RMS (root mean square) differences of 3.09m. The consis- tency of precipitable water vapor derived from GPS to those from radiosonde is good. It is concluded that Bevis’ empirical formula for estimating the weighted atmospheric mean temperature can be applicable in Chengdu area because the relationship of GPS PWV with Bevis’ formula and GPS PWV with radiosonde method shows a high correlation. The result of this GPS measurement experiment is helpful both for accumu- lating the study of precipitable water vapor derived from GPS in Chengdu areas located at the eastern side of the Tibetan Plateau and for studying spatial-temporal variations of regional atmospheric water vapor through many disciplines cooperatively.     

成都地区大气平均温度建模及其在GPS/PWV计算中的应用研究

地基GPS气象学的关键技术是在于通过垂直方向上GPS信号的湿分量延迟值来确定大气可降水量-PWV,而这两个物理量间进行转换时需要用到一个关键性的参数——大气加权平均温度。本文首先讨论了估算加权平均温度的几种方法,然后利用成都地区2005年全年的大气探空数据,采用回归分析方法,建立了适合成都地区的大气加权平均温度模型,精度为±2.21K。最后将该公式应用到成都地区PWV的计算中,得到了非常理想的效果。     

针对MODIS近红外数据反演大气水汽含量研究

遥感反演大气水汽含量对进行天气预报、遥感大气校正、气候变化及水循环等研究具有重要意义。首先，通过对大气辐射传 输方程的推导，改进了三通道算法； 然后，模拟了在不同传感器视角条件下，大气水汽含量与MODIS 17、18、19通道大气透过率之 间的关系，解决了传感器视角问题，提出了针对MODIS数据的大气水汽含量计算方法； 最后，在IDL 6.0环境下，编程实现了该方法 ，并对2003年6月14日的一景图像进行了反演，结果表明，本文提出的方法是可行的。     

地基GPS水汽反演中区域大气加权平均温度模型

利用地基GPS反演可降水量,需要准确求得水汽转换参数。为了提高区域GPS大气水汽反演的精度,分析了大气加权平均温度的时空特性及其与地面温度之间的函数关系;利用江苏地区2003—2011年的气象探空数据建立了适用于江苏地区的局地大气加权平均温度计算模型。比较江苏模型、Bevis模型和李建国模型求得的大气加权平均温度值,江苏模型的精度较Bevis模型和李建国模型分别提高33.14%和9.28%。由江苏模型得到的可降水量内符合精度约为11.12 mm,较GAMIT软件结果精度提高约7.91%。     

区域大气加权平均温度模型构建与适用性分析

加权平均温度作为GNSS水汽反演的重要参数,直接影响大气可降水量的反演精度,而建立区域化加权平均温度模型有助于提高水汽反演精度。利用香港探空站2012-2015年数据资料,在分析加权平均温度与地面气象要素关系的基础上,运用最小二乘原理探究最优回归方程系数,回归建立了区域加权平均温度的单因素模型和多因素模型。结果表明:多因素模型精度高于单因素模型,但并不显著,Bevis经验公式应用于香港区域时不满足精度要求;对模型精度和适用性进行了分析比较,表明文中建立的模型精度较高,能更好满足水汽遥感高精度的要求。      

一种多因子加权平均温度模型的构建方法

针对在地基GNSS水汽反演的过程中,天顶湿延迟转换为大气可降水量时如何建立精确的大气加权平均温度(Tm)模型的问题,该文在建立Tm模型前全面考虑了对Tm有显著影响的变量并选择最优回归子集。但分析发现,最优回归子集中各变量之间存在较强的相关性,这将会导致变量之间存在多重共线性,从而影响模型的稳定性和可靠性。选择2013—2015年相关气象数据作为变量并应用岭回归的方法削弱变量之间的多重共线性,建立稳定的多因子Tm回归模型。并利用该模型分别预测2016年1—12月、2019年1—7月的Tm,均方根误差分别为2.3 K和2.0 K,预测精度较高,这将为高精度的水汽反演奠定较好的数据基础。