張?zhí)忑垼?韋 晶*， 甘敬民， 朱倩倩， 楊東旭

1. 山東科技大學(xué)測繪科學(xué)與工程學(xué)院， 山東 青島 266590

2. 浙江旅游職業(yè)學(xué)院， 浙江 杭州 310000

利用MODIS近紅外數(shù)據(jù)反演大氣水汽含量研究

張?zhí)忑?， 韋 晶1*， 甘敬民1， 朱倩倩2， 楊東旭2

1. 山東科技大學(xué)測繪科學(xué)與工程學(xué)院， 山東 青島 266590

2. 浙江旅游職業(yè)學(xué)院， 浙江 杭州 310000

大氣水汽含量(precipitable water vapor, PWV)對(duì)遙感定量化及生態(tài)環(huán)境方面研究具有重要意義。 針對(duì)傳統(tǒng)水汽探測方法存在的問題， 提出一種基于多通道表觀反射率的ICIBR(improved continuum interpolated band ratio)水汽遙感反演方法。 該方法結(jié)合MODIS數(shù)據(jù)第17， 18和19三個(gè)近紅外通道的水汽吸收特點(diǎn)， 利用MODTRAN模型模擬大氣含水量與三個(gè)通道ICIBR之間的關(guān)系， 構(gòu)建了適用于MODIS數(shù)據(jù)的ICIBR大氣水汽含量定量反演模型。 基于提出的ICIBR水汽反演方法， 選擇北美洲南部典型干旱、 半干旱區(qū)德克薩斯州、 俄克拉荷馬州等地區(qū)為研究區(qū)， 使用不同時(shí)間的四期MODIS 1B數(shù)據(jù)進(jìn)行水汽反演實(shí)驗(yàn)。 同時(shí)， 選擇SuomiNet提供的GPS水汽地基觀測數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行精度驗(yàn)證以及MODIS大氣水汽產(chǎn)品(MOD05)進(jìn)行對(duì)比評(píng)價(jià)。 驗(yàn)證和對(duì)比結(jié)果表明： 該算法水汽反演結(jié)果與GPS水汽實(shí)測數(shù)據(jù)具有較高的一致性(r=0.967)， 均方根誤差為0.276 cm， 有71.08%的觀測點(diǎn)對(duì)滿足水汽反演誤差精度(EE～±0.05+0.15PWVgps)要求， 同時(shí)與MOD05大氣水汽產(chǎn)品相比， 該方法在反演精度和準(zhǔn)確估計(jì)方面有了較大提高， 能夠有效降低61%的水汽反演高估現(xiàn)象。 該方法較傳統(tǒng)算法更為簡易、 實(shí)用， 具有較高的整體水汽反演精度。

大氣水汽含量； ICIBR； MODIS； SuomiNet； MOD05

引 言

大氣水汽(precipitable water vapor， PWV)又稱為大氣可降水量， 在大氣中含量相對(duì)較少， 所占比例僅為0.1%～4%， 表現(xiàn)卻較為活躍， 是引起天氣變化的關(guān)鍵因素。 大氣水汽對(duì)可見光和紅外等波段具有明顯的吸收特性， 對(duì)電磁波吸收和發(fā)射、 大氣校正、 大氣垂直分布探測具有重要的影響； 同時(shí)， 水汽也是影響遙感定量反演及應(yīng)用的一個(gè)重要物理量[1]， 尤其對(duì)地表溫度(land surface temperature， LST)反演的影響較為明顯， 研究表明， 在使用分裂窗算法進(jìn)行地表溫度反演時(shí)， 1K溫度反演誤差則需要0.6 g·cm-2的大氣水汽數(shù)據(jù)支持[2]。 故科學(xué)準(zhǔn)確確定大氣中的水汽含量及空間分布， 不僅可以為遙感影像大氣校正和地表參量反演提供準(zhǔn)確的先驗(yàn)數(shù)據(jù)支持， 而且對(duì)研究生物圈水循環(huán)和能量交換有著重要的意義[3]。

傳統(tǒng)的大氣水汽含量探測方法主要通過地面架設(shè)有限地基觀測站點(diǎn)進(jìn)行觀測， 并根據(jù)相關(guān)參數(shù)計(jì)算得到， 該方法獲取的大氣水汽數(shù)據(jù)精度和時(shí)間分辨率較高， 但空間范圍較小且費(fèi)時(shí)費(fèi)力， 代價(jià)昂貴[4]。 隨后， 國內(nèi)外學(xué)者從探空實(shí)驗(yàn)、 GPS(global position system)衛(wèi)星技術(shù)以及微波輻射計(jì)等多個(gè)方面進(jìn)行深入研究。 Fourin等[5]將太陽反射光作為輻射源， 用近紅外一個(gè)水汽吸收通道和大氣窗口通道測定大氣水汽含量， 取得了較好的水汽反演結(jié)果， 與實(shí)際探空數(shù)據(jù)間的誤差為15%； 隨著GPS衛(wèi)星技術(shù)的發(fā)展， Bevis等[6]提出基于地基GPS技術(shù)探測大氣水汽含量的方法， 而GPS易受到3 km以下低層大氣多種誤差源的影響， 導(dǎo)致精度難以達(dá)到水汽數(shù)據(jù)的使用要求； 陳洪濱等[7]利用太陽紅外波段數(shù)據(jù)反演大氣水汽含量， 通過與實(shí)測數(shù)據(jù)對(duì)比驗(yàn)證了反演結(jié)果的可靠性； 胡秀清等[8]利用940 nm通道透過率與水汽量常數(shù)關(guān)系， 考慮了光譜響應(yīng)函數(shù)及不同大氣模式的影響， 發(fā)現(xiàn)忽略氣溶膠散射和分子散射后， 大氣透過率近似等于水汽透過率， 并成功進(jìn)行水汽反演實(shí)驗(yàn)， 取得了較高的反演精度； 黃意玢等[9]通過6S(second simulation of the satellite signal in the solar spectrum)模型模擬4個(gè)通道的反射率之比與大氣廓線的關(guān)系， 模擬結(jié)果同實(shí)際探空結(jié)果比較， 相對(duì)誤差在6%以下。

隨著衛(wèi)星遙感技術(shù)的發(fā)展， 衛(wèi)星觀測因其宏觀而連續(xù)、 信息量大、 方便等特點(diǎn)， 被廣泛應(yīng)用到大氣、 地表參數(shù)的定量遙感反演研究中， 尤其是近紅外遙感技術(shù)的飛速發(fā)展， 為大氣水汽含量的準(zhǔn)確快速獲取提供了新的思路。 當(dāng)前使用最為廣泛的近紅外水汽反演方法為通道比值法， 主要包括二通道比值法和三通道比值法[10]。 兩種水汽反演算法的基本原理基本一致， 主要是根據(jù)水汽在不同光譜范圍的吸收特性， 特征選擇水汽吸收通道和大氣窗口通道的比值來計(jì)算大氣透過率， 繼而反演大氣水汽含量。 前者是基于MODIS(MODerate resolution imaging spectroradiometer)數(shù)據(jù)第19通道和第2通道計(jì)算大氣透過率， 利用Gao和Kaufman[13]實(shí)驗(yàn)得到的大氣透過率和大氣水汽含量函數(shù)關(guān)系計(jì)算大氣水汽含量； 后者是對(duì)二通道比值法的改進(jìn)， 增加了MODIS傳感器第5通道以及對(duì)水汽吸收特性敏感性不同的17, 18通道， 通過構(gòu)建查找表或?qū)⒋髿馔高^率和大氣水汽含量函數(shù)關(guān)系[11]應(yīng)用于17, 18, 19通道， 對(duì)三者加權(quán)平均計(jì)算得到大氣水汽含量。 17和18通道分別在濕潤、 干旱條件下對(duì)水汽的吸收作用較為敏感， 19通道為水汽吸收的綜合通道[12]。

在前人研究的基礎(chǔ)上， 考慮了地表反射差異對(duì)大氣水汽含量反演的影響， 模擬并分析MODIS數(shù)據(jù)17, 18和19通道與大氣水汽含量的關(guān)系， 基于差分吸收原理， 本文提出一種適用于MODIS數(shù)據(jù)的基于多通道反射比值大氣水汽反演方法， 選擇北美洲南部美國德克薩斯州和俄克拉荷馬州等地區(qū)為研究區(qū)， 進(jìn)行大氣水汽反演實(shí)驗(yàn)， 并使用SuomiNet提供的GPS地基觀測數(shù)據(jù)和MODIS水汽產(chǎn)品(MOD05)對(duì)反演結(jié)果進(jìn)行精度驗(yàn)證和對(duì)比分析。

1 研究區(qū)與數(shù)據(jù)源介紹

選擇北美洲南部的美國德克薩斯州、 俄克拉荷馬州以及墨西哥北部地區(qū)(26°N～40°N， 94°W～110°W)作為研究區(qū)(圖1)。 該地區(qū)氣候多樣， 主要以高原山地氣候， 溫帶大陸性氣候， 亞熱帶季風(fēng)氣候?yàn)橹鳎?年降水量一般在500～1 000 mm； 研究區(qū)地勢整體西高東低， 東部及北部為密西西比平原， 西部及南部為落基山脈和墨西哥高原， 中部和西部地區(qū)多為山谷山丘， 植被覆蓋稀疏， 東部地區(qū)多為草原， 兩者分別占研究區(qū)總面積的55%和35%。

圖1 研究區(qū)地理位置

MODIS是搭載在地球觀測系統(tǒng)(earth observing system， EOS)中的太陽同步極地軌道衛(wèi)星(Aqua和Terra星)上的中等分辨率成像光譜儀。 MODIS具有36個(gè)離散光譜通道， 能夠?qū)崿F(xiàn)0.4～14.2 μm全光譜范圍覆蓋， 空間分辨率分別為250， 500和1 000 m， 每一到兩天可實(shí)現(xiàn)一次全球覆蓋。 表1為MODIS數(shù)據(jù)大氣水汽含量的主要探測通道。 選擇空間分辨率為1 km的MOD02數(shù)據(jù)進(jìn)行水汽反演實(shí)驗(yàn)。

SuomiNet是由美國國家科學(xué)基金會(huì)資助， 各個(gè)參與計(jì)劃的高校共同建立的實(shí)時(shí)地基GPS觀測網(wǎng)絡(luò)， 其在美國境內(nèi)外分布有300多個(gè)GPS實(shí)測站點(diǎn)， 不同時(shí)間段內(nèi)由不同的GPS測站進(jìn)行記錄， 且參與測量的GPS測站數(shù)量會(huì)有差異， 同時(shí)每個(gè)站點(diǎn)提供時(shí)間分辨率為30 min的GPS大氣水汽實(shí)測記錄， 其觀測精度可以達(dá)到1～2 mm[13]。

表1 主要的MODIS大氣水汽近紅外探測通道

MOD05是由NASA MODIS發(fā)布的大氣可降水量產(chǎn)品， 其包括5 min段、 逐日、 月和旬產(chǎn)品， 空間分辨率為1 km。 該產(chǎn)品在假設(shè)下墊面單一的條件下， 使用DISORT輻射傳輸模型， 計(jì)算并建立大氣水汽含量、 水汽透過率等各數(shù)據(jù)項(xiàng)的查找表， 利用940 nm水汽吸收通道反演得到晴空條件下大氣水汽含量[14]。

2 大氣水汽遙感反演方法

2.1 近紅外水汽反演基本原理

MODIS衛(wèi)星傳感器在近紅外波段(0.85～1.25 μm)不同波長處接收到的輻射亮度可以表示為

(1)

式中，λ代表波長，Lsensor(λ)為傳感器接收到的輻射亮度，Lsun(λ)為大氣頂層太陽輻射亮度，T(λ)為大氣透過率，ρ(λ)為地表反射率，Lpath(λ)為大氣程輻射。 研究表明在波長0.85～1.25 μm間， 不同地物的反射率和波長之間存在較強(qiáng)的線性關(guān)系[15]， 在晴朗無云的地區(qū)， 熱紅外波段受大氣的影響較小， 與單次反射相比， 大氣程輻射的影響較小， 可以忽略不計(jì)[16]。

(2)

方程兩邊同時(shí)除以Lsun(λ)得到近紅外通道的表觀反射率

(3)

式中，ρ*(λ)為表觀反射率。 940 nm附近的分子散射對(duì)大氣水汽的吸收影響較小， 其影響可以不計(jì)[17]， 因此可認(rèn)為水汽吸收和氣溶膠散射是兩個(gè)獨(dú)立的過程。 因此， 940 nm附近大氣透過率可表示為

(4)

式中Ta(λ)和Twv(λ)分別表示氣溶膠散射和大氣水汽吸收。 940 nm附近的地表雙向反射率變化較慢、 氣溶膠的散射隨波長變化不明顯， 而水汽吸收隨波長的變化劇烈響應(yīng)[18]， 可以得到

(5)

2.2 改進(jìn)的大氣水汽反演方法

基于差分吸收原理， Carrere和Conel提出一種適用于AVIRIS(airborne visible infrared imaging spectrometer)機(jī)載高光譜數(shù)據(jù)的CIBR(continuum interpolated band ratio)大氣水汽含量反演方法[式(6), 圖2(a)][19]。 該方法基于輻射亮度反演大氣水汽含量， 在地表反射較高的地區(qū)， 可以實(shí)現(xiàn)大氣水汽的較高精度反演， 但算法受到地表反射的影響較大， 在裸土等反射率較低的區(qū)域水汽反演精度較差。 MODIS數(shù)據(jù)擁有較好的光譜分辨率和時(shí)間分辨率， 能夠?qū)崿F(xiàn)對(duì)大氣水汽的快速監(jiān)測， 并且在近紅外范圍設(shè)計(jì)了三個(gè)對(duì)水汽吸收敏感性不同的通道， 結(jié)合使用則可實(shí)現(xiàn)更高精度的反演[11, 13]。 將CIBR方法分別應(yīng)用于MODIS第17、 18和19近紅外通道， 基于表觀反射率對(duì)每個(gè)通道構(gòu)建一個(gè)ICIBR， 利用MODTRAN(MODerate spectral resolution atmospheric TRANsmittance algorithm and computer model)分別模擬大氣水汽含量和三個(gè)波段ICIBR的關(guān)系， 構(gòu)建水汽反演模型， 提出一種改進(jìn)的ICIBR (improved-continuum interpolated band ratio)大氣水汽含量反演方法。

(6)

(7)

式中L(λ)為對(duì)應(yīng)波長λ處的輻射亮度。c1和c2分別為系數(shù)。 對(duì)于MODIS而言， 在940 nm附近最近的兩個(gè)大氣窗口通道分別為2和5通道， 且根據(jù)差分吸收原理可用第2和第5波段中心波長0.865和1.240 μm代替上式中的λ1和λ2。 利用表觀反射率反演大氣水汽含量的原理， 對(duì)式(6)進(jìn)一步推導(dǎo)， 得到17， 18和19通道表觀反射率的ICIBR表達(dá)式[式(7)]， 式中λn分別為第n波段中心波長； 在n取值不同的情況下，c1和c2的取值如表2所列。

圖2 CIBR算法原理示意圖(a)及ICIBR與

使用MODTRAN模型模擬ICIBR與大氣水汽含量之間的關(guān)系。 MODTRAN是美國空軍地球物理實(shí)驗(yàn)室開發(fā)的用做模擬大氣效應(yīng)的輻射傳輸模型， MODTRAN已成為被廣泛認(rèn)可的標(biāo)準(zhǔn)模式， 被廣泛應(yīng)用到大氣透過率， 大氣背景輻射等量的模擬[20]。 以中緯度夏季大氣模式， 鄉(xiāng)村型氣溶膠模

表2 不同近紅外通道的c1和c2值

式為例， 對(duì)ICIBR與大氣水汽含量之間關(guān)系進(jìn)行模擬實(shí)驗(yàn)。 模擬試驗(yàn)中將大氣水汽含量范圍設(shè)置為0～7 cm， 步長為0.05 cm， 得到140組不同大氣水汽含量下的ICIBR模擬結(jié)果[圖2(b)]， 擬合得到大氣水汽含量與ICIBR17， ICIBR18和ICIBR19的關(guān)系[式(8)—式(10)]。 為簡便和準(zhǔn)確確定三個(gè)通道大氣水汽含量分量的權(quán)重關(guān)系， 使用多元統(tǒng)計(jì)回歸方法對(duì)模擬結(jié)果進(jìn)行擬合， 得到ICIBR大氣水汽反演模型[式(11)]。

(8)

(9)

(10)

PWV=0.326×PWV17+0.369×PWV18+

0.566×PWV19(R2=0.935)

(11)

2.3 精度評(píng)價(jià)方法

選擇SuomiNet提供的GPS水汽地基實(shí)測數(shù)據(jù)對(duì)本文水汽反演結(jié)果進(jìn)行精度驗(yàn)證。 為減小時(shí)空匹配誤差， 選用SuomiNet站點(diǎn)中心與MODIS傳感器過境時(shí)間最為接近的至少兩組觀測數(shù)據(jù)取的平均值作為該點(diǎn)的水汽真實(shí)值進(jìn)行驗(yàn)證。 同時(shí)， 獲取對(duì)應(yīng)時(shí)相的5min段MOD05大氣水汽產(chǎn)品與本文大氣水汽反演結(jié)果進(jìn)行對(duì)比分析。

為定量化評(píng)價(jià)反演方法的有效性和準(zhǔn)確性， 選用相關(guān)系數(shù)(r)分析反演結(jié)果與地基觀測數(shù)據(jù)的相關(guān)性， 使用均方根誤差[RMSE， 式(12)]、 平均相對(duì)誤差[MRE， 式(13)]、 絕對(duì)相對(duì)誤差[MAE， 式(14)]分析反演結(jié)果誤差與不確定性。 同時(shí)， 本文引入水汽反演估計(jì)誤差[EE， 式(15)]評(píng)估不同大氣水汽產(chǎn)品的合理估計(jì)程度。 式中PWVgps為GPS地基觀測站點(diǎn)大氣水汽含量實(shí)測值，PWVretri為大氣水汽含量反演值。

(12)

(13)

(14)

EE=±(0.05+0.15×PWVgps)

(15)

3 結(jié)果與討論

選擇研究區(qū)晴空下云量較少、 數(shù)據(jù)質(zhì)量較好的4景MODIS數(shù)據(jù)， 影像獲取時(shí)間分別為2008年6月3日， 2009年6月16日， 2011年6月13日和2012年8月19日， 使用構(gòu)建

圖4 水汽反演結(jié)果、 MOD05大氣水汽產(chǎn)品

Fig.4 Validation and comparison between retrieved PWV (a), MOD05PWV product (b) and the GPS PWV measurements

的ICIBR模型進(jìn)行大氣水汽含量反演實(shí)驗(yàn)。 圖3分別為反演得到的不同時(shí)間的大氣水汽含量空間分布圖。

從圖3可以看出， 研究區(qū)中西部地區(qū)大氣水汽含量整體較低， 而東部和西南部地區(qū)， 尤其是沿海地區(qū)大氣水汽含量整體較高。 近海區(qū)域與西北部山區(qū)相比大氣水汽含量相差較大， 大氣水汽含量相差的最大值可達(dá)到3 cm， 墨西哥灣附近大氣水汽含量高于2.7 cm， 墨西哥高原大氣水汽含量在0.2～1.6 cm之間， 而西南部落基山脈山兩側(cè)大氣水汽含量僅為0.3 cm。 由于海洋的作用， 沿海地區(qū)大氣水汽含量明顯高于其他地區(qū)； 內(nèi)陸距海較遠(yuǎn)， 海洋輸送的水汽受高大山脈的阻擋， 導(dǎo)致大氣水汽含量較低。

分別獲取對(duì)應(yīng)時(shí)間的GPS水汽地基觀測數(shù)據(jù)和MOD05水汽產(chǎn)品， 水汽反演結(jié)果進(jìn)行精度驗(yàn)證和對(duì)比分析， 共獲得352組有效觀測點(diǎn)對(duì)。 圖4分別為水汽反演結(jié)果和MODIS水汽產(chǎn)品與GPS水汽實(shí)測數(shù)據(jù)的精度驗(yàn)證對(duì)比散點(diǎn)圖， 圖中黑色實(shí)線表示y=x， 黑色虛線表示水汽誤差線(EE)， 紅色表示線性擬合曲線。 由圖4可以看出， 與MODIS大氣水汽產(chǎn)品(r=0.932， RMSE=0.589， MAE=0.509， MRE=1.248)相比， 我們的大氣水汽反演結(jié)果與GPS水汽地基觀測數(shù)據(jù)具有更高的相關(guān)性(r=0.967)， 具有較小的均方根誤差(RMSE=0.276)、 絕對(duì)相對(duì)誤差(MAE=0.216)和平均相對(duì)誤差(MRE=0.967)， 有71.08%的觀測點(diǎn)對(duì)滿足水汽誤差觀測精度要求， 能夠降低約61%的MODIS水汽產(chǎn)品的高估現(xiàn)象。

4 結(jié) 論

從原理上說明了晴空條件下利用表觀反射率反演大氣水汽含量的可行性， 基于表觀反射率提出了一種改進(jìn)的ICIBR大氣水汽含量反演方法， 選擇下墊面植被覆蓋稀疏的美國南部地區(qū)為研究區(qū)， 選擇不同時(shí)期的4景MODIS影像數(shù)據(jù)進(jìn)行大氣水汽反演試驗(yàn)， 并分別獲取對(duì)應(yīng)的GPS大氣水汽地基觀測數(shù)據(jù)和當(dāng)前的MODIS大氣水汽產(chǎn)品(MOD05)對(duì)大氣水汽反演結(jié)果進(jìn)行精度驗(yàn)證和對(duì)比分析， 結(jié)果表明， 該算法具有較高的整體大氣水汽反演精度， 水汽反演結(jié)果與GPS地基觀測數(shù)據(jù)具有較高的相關(guān)性(r=0.967)， 整體估計(jì)誤差較小(RMSE=0.276)， 有超過70%的觀測點(diǎn)對(duì)滿足水汽誤差精度要求， 對(duì)比結(jié)果表明本水汽產(chǎn)品反演精度較MOD05大氣水汽產(chǎn)品(r=0.932， RMSE=0.589)有了顯著提高， 有效降低了反演結(jié)果的不確定性。

[1] ZHANG Sheng-lan, LIU Hai-lei, DENG Xiao-bo, et al(張升蘭, 劉海磊, 鄧小波, 等). Remote Sensing Technology and Application(遙感技術(shù)與應(yīng)用), 2014, 29(4): 575.

[2] ZHOU Yi, QIN Zhi-hao, BAO Gang(周 義, 覃志豪, 包 剛). Spectroscopy and Spectral Analysis(光譜學(xué)與光譜分析), 2014, 34(2): 364.

[3] Schroedter-Homscheidt M, Drews A, Heise S. Remote Sensing of Environment, 2008, 112(1): 249.

[4] GU Xiao-ping, WANG Xin-ming, WU Zhan-ping, et al(谷曉平, 王新明, 吳戰(zhàn)平, 等). Plateau Meteorology(高原氣象), 2009, 28(2): 446.

[5] Frouin R, Deschamps P Y, Lecomte P. Journal of Applied Meteorology, 1990, 29(6): 448.

[6] Bevis M, Businger S, Chiswell S, et al. Journal of Applied Meteorology, 1994, 33: 379.

[7] CHEN Hong-bin, Lü Da-ren, WEI Chong, et al(陳洪濱, 呂達(dá)仁, 魏 重, 等). Scientia Atmosphere Sinica(大氣科學(xué)), 1996, 6: 757.

[8] HU Xiu-qing, ZHANG Yu-xiang, HUANG Yi-fen, et al(胡秀清, 張玉香, 黃意玢, 等). Meteorological Science and Technology(氣象科技), 2001, 3: 12.

[9] HUANG Yi-fen, DONG Chao-hua(黃意玢, 董超華). Journal of Applied Meteorological Science(應(yīng)用氣象學(xué)報(bào)), 2002, 13(2): 184.

[10] LI Hong-lin, LI Wan-biao(李紅林, 李萬彪). Acta Scientiarum Naturalium Universitatis Pekinensis(北京大學(xué)學(xué)報(bào)·自然科學(xué)版), 2008, 44(1): 121.

[11] Kaufman Y J, Gao B C. IEEE Transactions on Geosciences and Remote Sensing, 1992, 30(5): 871.

[12] LIU Yu-jie, YANG Zhong-dong (劉玉潔, 楊忠東). The Principle and Algorithm of MODIS Remote Sensing Information Processing(遙感信息處理原理與算法). Beijing: Science Press(北京: 科學(xué)出版社), 2001. 66.

[13] Ware R H, Fulker D W, Stein S A, et al. Bulletin of the American Meteorological Society, 2000, 81(4): 677.

[14] MENG Xian-hong, Lü Shi-hua, ZHANG Tang-tang(孟憲紅, 呂世華, 張?zhí)锰?. Journal of Infrared and Millimeter Waves(紅外與毫米波學(xué)報(bào)), 2007, 26(2): 107.

[15] Gao B C, Alexander F H Geotz. Journal of Geophysical Research, 1990, (95): 3549.

[16] MAO Ke-biao, QIN Zhi-hao(毛克彪, 覃志豪). Remote Sensing Information(遙感信息), 2004, 4: 47.

[17] Vermote E F, Tanre D, Deuze J L, et al. IEEE Transactions on Geoscience and Remote Sensing, 1994, 35(3): 675.

[18] Gao B C, Kaufman Y J. Journal of Geophysical Research Atmospheres, 2003, 108(13): 4389.

[19] Schl?pfer D, Borel C, Keller J， et al. Remote Sensing of Environment, 1998, 65: 353.

[20] Sun L, Wei J, Bilal M, et al. Remote Sensing, 2016, 8： 23.

*Corresponding author

Precipitable Water Vapor Retrieval with MODIS Near Infrared Data

ZHANG Tian-long1, WEI Jing1*, GAN Jing-min1, ZHU Qian-qian2, YANG Dong-xu2

1. Geomatics College, Shandong University of Science and Technology, Qingdao 266590, China

2. Zhejiang Tourism College, Hangzhou 310000, China

Precipitable water vapor (PWV) shows great significance in remote sensing quantitative application and ecological research. Aiming at solving the problems of traditional methods, an Improved Continuum Interpolated Band Ratio (ICIBR) algorithm was proposed based on the ratios of apparent reflectance of multi-channels in this paper. The ICIBR algorithm considers the absorption characteristics of water vapor absorption in three MODIS near infrared channels (Bands 17, 18 and 19) and the relationship between the PWV and the ICIBRs of above three channels were simulated by using the MORTRAN model. Then the PWV retrieval model for MODIS data was constructed. Texas, Oklahoma region, a typical arid/semi-arid areas, located in North South America were selected as the study area and four different MODIS 1B data were obtained to perform PWV retrieval experiments using the ICIBR algorithm. Last, the corresponding GPS PWV ground observation data provided by SuomiNet and the MODIS PWV product (MOD05) were obtained to verify the experiment results. Evaluation and comparison results showed that the PWV retrievals showed a higher consistency (r=0.967) with the GPS ground measured PWV data with smaller RMSE～0.276 cm and a total of 71.08% of observation points falling within PWV Expected Errors (EE～±0.05+0.15PWVgps). Moreover, the ICIBR algorithm showed an obviously great improvement in PWV estimation, which can effectively reduce 61% overestimation of PWV retrievals than MOD05 PWV products. This new algorithm is more simple and practical with an overall more reliable retrieval accuracy.

Precipitable water vapor (PWV); Improved continuum interpolated band ratio (ICIBR); MODIS; SuomiNet; MOD05

Jan. 4, 2016; accepted May 12, 2016)

2016-01-04，

2016-05-12

國家科技支撐計(jì)劃課題(2012BAH27B00)和研究生科技創(chuàng)新基金項(xiàng)目(YC150103)資助

張?zhí)忑垼?1994年生， 山東科技大學(xué)測繪學(xué)院本科生 e-mail: 15726254726@163.com *通訊聯(lián)系人 e-mail: weijing_rs@163.com

TP79

A

10.3964/j.issn.1000-0593(2016)08-2378-06