2020, Vol. 50
2. 国家卫星气象中心，北京100081;
3. 北方工业大学，北京 100144
卫星遥感在大尺度环境监测、全球和气候变化研究中占有重要地位。中国已经发射了气象、海洋、陆地资源等多个系列遥感卫星，随着卫星定量产品在全球变化、环境监测、数值预报预测等领域中的应用日益深入，对我国自主卫星观测数据质量的要求也日益提升。为了提高卫星数据的辐射精度和稳定度，需要通过发射前测试，深入了解并刻画遥感器的辐射响应特性，并进行在轨的辐射定标与检验监测。
对于光学遥感器，在红外发射波段，国内外都已经基于星上黑体实现了实时的绝对辐射定标，并依靠与高精度的高光谱遥感器的互定标，显著提升了不同遥感器辐射观测数据间的一致性。但是，反射太阳波段的问题依然比较多，国内外的差距显著。在反射波段，遥感器在轨响应的时间变化显著，特别是波长小于500 nm的短波部分[1-2]，同时遥感器的辐射特性复杂，具有偏振、入射角、温度等敏感性[3-4]。
由于发射前测试有限、无可靠星上定标等原因，为保障卫星遥感器太阳反射波段的在轨辐射观测数据质量，需要采取替代方法进行遥感器在轨辐射特性和质量分析。目前，针对遥感器反射波段的定标分析多集中在辐射响应的时变特征上[5-9]。通过对沙漠、冰川、深对流云、月球等多种稳定目标的高频次跟踪可以获得遥感器辐射响应的时间变化特性，但是，无法获得角度和偏振等响应特性。以国外高精度遥感器为辐射参考，基于同时星下点数据比对，可完成相近波段的辐射精度评估[10-11]。由于极轨卫星间的交点数据多集中在两极地区，加之对星下点附近观测数据的限定，评估结果存在空间代表性不足的缺陷。
通过在轨定标检验分析发现，卫星数据在空间分布、扫描、偏振依赖等方面的质量问题对于建立和完善精细化的在轨辐射定标，提高在轨定标精度和稳定度是十分重要的。
地球观测模拟是进行遥感器指标设计、遥感算法研制、在轨定标检验的重要手段。海洋覆盖了地球表面约71%，其中75%以上的区域为贫瘠水体。深海水体(水深> 1 000 m)和贫瘠水体(叶绿素a浓度 < 0.1 mg/m3)的离水辐亮度对于大气顶辐射的贡献蓝光(443 nm)约为14%和17%，绿光(551 nm)约为8%和7%，更长波长的贡献更小[12]。该区域的水体特性单一，大气气溶胶含量低，具有良好的环境清洁性和时空稳定性，有利于较可靠的模拟遥感器的入瞳观测。
本文提出了一种基于6SV矢量辐射传输模式的全球洋面目标卫星观测模拟，以及基于双差分析的太阳反射波段卫星观测质量分析方法，针对Aqua MODIS和FY-3B MERSI的可见光波段，实现了全球深海晴空目标的卫星入瞳反射率模拟，获得了相对于全球洋面目标观测模拟的FY-3 BMERSI辐射偏差，以及相对于Aqua MODIS的偏差特征。
1 遥感器简介气象卫星作为中国发展时间最长的民用卫星，是能够提供长时间序列、全球观测的重要天基观测载体。第二代极轨气象卫星风云三号(FY-3)系列的四颗卫星(A/B/C/D)可分别提供自2008、2010、2013和2017年以来的全球观测资料。
中分辨率光谱成像仪(MERSI)是FY-3上搭载的关键光学成像载荷，与MODIS类似，可用于陆地、海洋和大气等方面的应用研究。MERSI采用45°扫描镜和消旋K镜实现跨轨多探元并扫，星下点空间分辨率为250 m(每个波段40个探元)和1 000 m(每个波段10个探元)，可在星下点±55°的视场内进行对地观测，每次扫描区域约2 900 km(跨轨)×10 km(沿轨，星下点)，提供每天一次的全球覆盖。MERSI具有多个反射太阳波段，覆盖了412~2 130 nm的光谱范围，具体设计指标参见表 1(根据FY-3B MERSI)。
|
表 1 FY-3B MERSI反射波段主要指标 Table 1 Main specifications of FY-3B MERSI solar bands |
在每个扫描周期内MERSI完成对深冷空间(Space View，SV)、地球目标(Earth View，EV)、星上定标器和星上黑体的观测。由于采用多探元扫描，探元间的差异导致原始数据图像存在扫描方向的条带。在反射波段，通过星上实时校正(基于发射前的线性校正系数)和基于全球直方图匹配的查找表方式地面校正，完成了探元间的归一化。在探元间一致性校正的基础上，采用线性定标方程完成辐射定标(辐射定标系数由替代方法确定)，获得大气顶反射率。表 2列出了研究中采用的Aqua MODIS反射波段的主要设计指标。
|
|
表 2 Aqua MODIS反射波段主要指标 Table 2 Main specifications of Aqua MODIS solar bands |
通过以下方案针对全球深海区域进行晴空大气顶辐射模拟仿真：
(1) 计算区域选择：特性稳定的深海海洋，水深超过1 000 m。
(2) 卫星数据提取：采用1 km分辨率的L1B产品，为了降低计算的数据量，在行和列方向进行间隔5点的抽样，采用3×3窗口像元均值进行计算。利用865 nm波段的反射率，以及波段的方差系数进行云和其他干扰的滤除；借鉴洋面云检测时耀斑角的取值(36°)[13]，为尽可能避免太阳耀斑的影响，计算时耀斑角需大于40°。
(3) 环境数据：主要采用卫星观测产品，考虑到多天合成产品可以消除扫描几何的影响，表面和大气特性参数选用月平均产品。水体上行辐射数据采用Aqua MODIS的遥感反射比产品(波段1、3、4，8-14)，基于中心波长信息，通过样条插值方式获得MERSI波段对应的遥感反射比；气溶胶光学厚度数据采用Aqua MODIS的气溶胶产品, 气溶胶模型采用海洋型；风场、气压、水汽含量等数据采用NCEP再分析产品。
(4) 辐射传输计算：采用辐射传输模型6SV[14]，基于观测几何、遥感器光谱响应函数、表面和大气特性参数等，计算晴空目标区的大气顶反射率。
2.2 辐射偏差分析对每组遥感器观测值和模式模拟值，定义相对于模拟值的观测偏差与相对偏差：
| $ Dif = {R^{{\rm{Mea}}}} - {R^{{\rm{Sim}}}}, $ | (1) |
| $ PDif = {R^{{\rm{Mea}}}}/{R^{{\rm{Sim}}}} - 1。$ | (2) |
其中：RSim是模拟的大气顶表观反射率；RMea是遥感器观测值。
对于MERSI和MODIS中心波长相近的波段对，以Aqua MODIS为参考，引入大气顶辐射的模式模拟值作为中介，通过双差方式定义待评估遥感器MERSI相对于参考仪器MODIS的观测偏差ΔDif，以及MERSI相对于MODIS的相对偏差ΔPDif[2]：
| $ \Delta Dif = (R_{{\rm{MERSI}}}^{{\rm{Mea}}} - R_{{\rm{MESRI}}}^{{\rm{Sim}}}) - (R_{{\rm{MODIS}}}^{{\rm{Mea}}} - R_{{\rm{MODIS}}}^{{\rm{Sim}}}), $ | (3) |
| $ \Delta PDif = \Delta Dif/R_{{\rm{MODIS}}}^{{\rm{Mea}}}。$ | (4) |
由于将大气顶辐射的模式模拟值作为中介，通过双差方式可以削弱辐射传输计算固有误差的影响；若遥感器的观测偏差Dif与观测几何不相关，双差方式也将削弱将参考遥感器和待评估遥感器观测结果进行直接比较时所存在的观测几何不一致的影响。
FY-3B和Aqua的赤道升交点均为当地时13:30。进行一天内的双差计算时，观测间差通常在1 h以内，暂不对观测时间差进行限制。具体的匹配波段见表 3。
|
|
表 3 双差分析匹配波段 Table 3 Matching bands in double difference |
以定标良好的传感器Aqua MODIS的观测值作为大气顶辐射“真值”，可以评估大气顶辐射观测模拟的效果。采用MODIS v6版的L1B数据，对波段1、3、4、8、9、10、11和12进行了分析。
辐射传输正演模拟能力在大天顶角和高气溶胶含量时的不确定度较大，因此，在进行数据分析时对天顶角和气溶胶光学厚度进行了限定，太阳和卫星天顶角需小于70°，这会损失部分扫描边缘的数据；550 nm气溶胶光学厚度需小于0.2，这可以滤除非洲西海岸、印度大陆周边等陆源影响较大的深水区域。
图 1和2以MODIS波段3(469 nm)为例给出了2011年1月1日观测反射率、模拟反射率以及两者偏差的全球分布图。由图可见，观测模拟可以很好的复现实际观测的空间分布特征。平均来看，对地扫描时，由于大气后向散射效应，晴空总辐射在扫描起始最大，随着扫描角的增大呈先降后增趋势(自西向东)。对观测与模拟辐射值的线性相关分析则表明两者具有良好的一致性(见图 3), 图中红线为线性回归拟合结果，各波段回归分析的参数列于表 4。系数a, b分别是线性回归方程的斜率和截矩项(y=ax+b)，R是相关系数，mRsim和mRmea分别为模拟与观测值的均值，mDif和mPDif分别为观测与模拟值的偏差和相对偏差的均值。可以看出，相关系数随着波长的增大而减小，在蓝波段均高于0.97；模拟值通常较观测值略偏低。红光波段1的模拟效果相对最差，高值区的模拟结果偏低明显，导致拟合斜率最小，截距为正值。
|
图 1 Aqua MODIS波段3 (469 nm)模拟(Rsim)与观测(Rmea)大气顶反射率的空间分布图(2011年1月1日) Fig. 1 Simulated (Rsim) and measured (Rmea) TOA reflectance of Aqua MODIS band 3 (469 nm) on 1 Jan. 2011 |
|
图 2 MODIS波段3观测与模拟的偏差(Dif)分布 Fig. 2 Difference (Dif) between measured and simulated reflectance of MODIS band 3 |
|
(红色直线为线性回归线。Red line is the linear regression line. ) 图 3 MODIS波段3观测与模拟反射率的散点图 Fig. 3 Scatterplot of simulated and measured reflectance of MODIS band 3 |
|
|
表 4 MODIS观测与模拟反射率的线性回归和偏差统计结果 Table 4 Statistics of linear regression and difference between simulated and measured reflectance for MODIS |
对MERSI的波段1、2、3、8、9、10、11和12进行了分析。MERSI没有可靠的反射波段星上定标，其业务产品采用替代的定标方案，由于定标参数更新不及时和定标辐射基准采用等问题导致产品存在一定的辐射偏差。基于观测模拟开展MERSI在空间方面的偏差特性分析时，为避免MERSI辐射观测系统性偏差的影响，对业务产品的定标截距进行了微调，使得星下点对应的观测偏差均值与MODIS的相当。图 4和5以FY-3B MERSI波段1(470 nm)为例分别给出了2011年1月1日观测反射率、模拟反射率以及两者偏差的全球分布图，图 6为观测与模拟的散点图。各波段回归分析的参数列于表 5。与MODIS的结果类似，观测与模拟辐射值的相关系数随着波长的增大而减小，蓝波段的相关系数均高于0.97。但是，MERSI观测与模拟的拟合斜率相对于相近波段的MODIS通常更偏离1。与MODIS类似，MERSI在红光波段的模拟结果最差，拟合斜率最小，截距为正值，究其原因可能为气溶胶模型适用性的影响。
|
图 4 FY-3B MERSI波段1(470 nm)模拟(Rsim)与观测(Rmea)大气顶反射率的空间分布图(2011年1月1日) Fig. 4 Simulated (Rsim) and measured (Rmea) TOA reflectance of FY-3B MODIS band 1 (470 nm) on 1 Jan. 2011 |
|
图 5 MERSI波段1观测与模拟的偏差(Dif)分布 Fig. 5 Difference (Dif) between measured and simulated reflectance of MERSI band 1 |
|
图 6 MERSI波段1观测与模拟大气顶反射率散点图 Fig. 6 Scatterplot of simulated and measured reflectance of MERSI band 1 |
|
|
表 5 MODIS观测与模拟反射率的线性回归和偏差统计结果 Table 5 Statistics of linear regression and difference between simulated and measured reflectance for MODIS |
为了进一步分析偏差随扫描方向的变化特征，分别将MODIS和MERSI的观测与模拟的偏差针对不同的对地扫描角进行了统计。图 7以蓝、绿波段为例给出了MODIS和MERSI随着扫描角变化的Dif均值曲线。可以看出，MERSI和MODIS类似，观测与模拟的偏差在星下点的两侧不同，起始侧(扫描角为负)的偏差较结束侧(扫描角为正)的偏低；在星下点附近±20°的扫描范围内，MERSI与MODIS的误差接近，在扫描的两端，两者存在明显的差异。虽然MERSI的扫描幅宽大于MODIS，相同扫描角对应的实际太阳/卫星观测几何有差异(主要在扫描的起止边缘位置)，两者的观测几何在统计意义上是接近的。同时，由于MERSI采用45°扫描镜，扫描时地物入射到镜面的夹角不变，因此，忽略扫描镜入射角的影响，偏差所反映出的与扫描角相关的特征应主要来自于仪器偏振响应的影响。已有研究表明，偏振影响的辐射校正系数(pc=Refmea/Reftrue，Reftrue为校正值)通常在扫描结束侧大于1，而在扫描起始侧小于1[1, 16]。这种校正趋势与图 7所反映的不同扫描侧的误差特征相互补，通过校正可以使得偏差对扫描角的依赖性降低。
|
图 7 MODIS与MERSI观测与模拟的偏差(Dif)随扫描角的变化 Fig. 7 Difference (Dif) between measured and simulated reflectance of MODIS and MERSI along scan angles |
鉴于辐射传输模式模拟结果存在不确定性，因此采用双差方式查看MERSI相对于MODIS的偏差。图 8给出了基于洋面目标辐射观测模拟的MERSI波段1、2、3和9与MODIS对应波段的双差分布ΔPDif。图中明显呈现了与扫描相关的空间分布特征。基于数据分析发现，ΔPDif的正负与两者扫描角的一致性有关。与图 7所反映的现象一致，当MERSI和MODIS的扫描处于不同方向时，如MERSI扫描角为负，MODIS扫描角为正，则ΔPDif偏负；如MERSI扫描角为正，MODIS扫描角为负，则ΔPDif偏正。因此，只选取±20°扫描角范围内的数据进行双差统计，结果如图 9所示。以辐射传输模拟作为桥梁，晴空洋面观测时，FY-3B MERSI可见光波段的辐射观测值与Aqua MODIS的相对偏差(ΔPDif)均值可在5%以内。
|
图 8 MERSI波段1、2、3和9与MODIS对应波段的双差(ΔPDif)空间分布图 Fig. 8 Double difference (ΔPDif) between MERSI and MODIS bands |
|
图 9 MERSI与MODIS对应波段的双差(ΔPDif)均值 Fig. 9 Mean value of double difference (ΔPDif) between MERSI and MODIS bands |
基于快速辐射传输模式，大洋区作为相对稳定、均匀的大面积目标，已被成功用于微波和热红外波段的卫星数据质量诊断监测，促进了卫星数据质量的提升。反射波段由于快速辐射传输模式的发展问题，同类应用相对滞后。本文提出了一种基于全球洋面目标观测模拟的遥感器反射波段观测质量分析方法，并针对FY-3B MERSI和Aqua MODIS进行了初步应用，可针对辐射低端目标获得辐射偏差的空间分布特征，特别是扫描方向的。研究表明，虽然由于遥感器目标杂散干扰等原因的影响，观测模拟值有系统性低估的趋势，通过与参考仪器MODIS的偏差特征进行对比分析，发现MERSI存在与对地扫描角相关的误差特征，主要由仪器响应的偏振影响所致。以全球深海区域晴空入瞳观测模拟为辐射参考，基于大样本统计，可完成基于目标观测模拟的辐射质量比对评估，考虑到观测模拟可能存在的误差，进一步引入参考仪器，以模式观测模拟为桥梁，基于双差分析可获得相对于参考仪器的误差分布(需对扫描角进行限定)。虽然基于辐射传输的观测模拟存在不确定性，但是相对于传统的定标检验方法，该方法可以提供具有足够时空覆盖的分析样本，用以分析辐射偏差的分布特征，发现卫星数据在空间分布、扫描、偏振依赖等方面的质量缺陷，进而推进国产遥感器反射波段定标检验研究的精细化。
可靠的大气顶辐射模拟是该方法的基础。作为输入的环境参数数据，如水体遥感反射比是可能的计算误差源。水体遥感反射比是采用MODIS产品的10个波段，基于中心波长信息，通过样条插值方式获得MERSI波段对应值。对于计算的大部分波段，MERSI(波段1、2、3、8、9、10、13)和MODIS最临近的中心波长差异较小(5 nm以内)，而MERSI波段11(520 nm)和12(565 nm)，与MODIS最临近的中心波长差异相对较大(约10 nm)。根据实测光谱和Wei & Li(2016)进行的全球水体分类结果，水体光谱较为平滑，通常不同类型水体光谱在488和555 nm附近存在拐点，600~700 nm基本为单调递减变化，因此水体光谱插值不会对结果带来显著影响，但仍需基于实测光谱和波段光谱响应函数进行量化评估。
数据质量的筛选控制是影响基于观测模拟比对的数据质量分析的重要因素，包括对观测和模拟结果的筛选。虽然文中利用观测反射率和空间均匀性进行云污染的剔除，对水深、气溶胶光学厚度、天顶角、耀斑角等参数进行了限定，但是对气溶胶类型、水体光谱等影响辐射传输计算的因素尚未作具体约束，后续拟引入气溶胶波长指数、叶绿素浓度等作为补充约束条件，细化质控筛选，进一步提高结果的可靠性。同时，结合MERSI的再定标处理，拟深入开展数据质量问题诊断分析，在冷空数据污染、非线性分析的基础上，为辐射定标质量的多侧面评估反馈提供支持。
| [1] |
Xiong X, Sun J, Xie X, et al. On-orbit calibration and performance of Aqua MODIS reflective solar bands[J]. IEEE Trans Geosci Remote Sensing, 2010, 48(1): 535-546. DOI:10.1109/TGRS.2009.2024307
(  0) |
| [2] |
Sun L, Hu X, Guo M, et al. Multi-site calibration tracking for FY-3A MERSI solar bands[J]. IEEE Trans Geosci Remote Sensing, 2012, 50(12): 4929-4942. DOI:10.1109/TGRS.2012.2215613
( 0) |
| [3] |
Eplee R E, Meister G, Patt F S, et al. On-orbit calibration of SeaWiFS[J]. Applied Optics, 2012, 51(36): 8702-8730. DOI:10.1364/AO.51.008702
( 0) |
| [4] |
Meister G, Franz B A, Kwiatkowska E J, et al. Corrections to the calibration of MODIS Aqua ocean color bands derived from SeaWiFS data[J]. IEEE Trans Geosci Remote Sens, 2012, 50(1): 310-319. DOI:10.1109/TGRS.2011.2160552
( 0) |
| [5] |
孙凌, 郭茂华, 徐娜, 等. 基于敦煌场地定标的FY-3 MERSI反射太阳波段在轨响应变化分析[J]. 光谱学与光谱分析, 2012, 32(7): 1869-1877. Sun L, Guo M H, Xu N, et al. On-orbit response variation analysis of FY-3 MERSI reflective solar bands based on Dunhuang site calibration[J]. Spectroscopy and Spectral Analysis, 2012, 32(7): 1869-1877. DOI:10.3964/j.issn.1000-0593(2012)07-1869-09 ( 0) |
| [6] |
Sun L, Hu X, Xu N, et al. Postlaunch calibration of FengYun-3B MERSI reflective solar bands[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(3): 1383-1392. DOI:10.1109/TGRS.2012.2217345
( 0) |
| [7] |
Chen L, Hu X Q, Xu N, et al. The application of deep convective clouds in the calibration and response monitoring of the reflective solar bands of FY-3A/MERSI (Medium Resolution Spectral Imager)[J]. Remote Sensing, 2013, 5(12): 6958-6975. DOI:10.3390/rs5126958
( 0) |
| [8] |
王玲, 胡秀清, 郑照军, 等. 联合南北极冰雪目标的FY-3A/MERSI辐射定标跟踪监测[J]. 光学学报, 2018, 38(2): 0212003-1-0212003-11. Wang L, Hu X Q, Zheng Z J. Radiometric calibration tracking detection for FY-3A/MERSI by joint use of snow targets in south and north poles[J]. Acta Optica Sinica, 2018, 38(2): 0212003-1-0212003-11. ( 0) |
| [9] |
陈林, 张鹏, 吴荣华, 等. 月球目标监测风云二号静止气象卫星可见光辐射响应变化[J]. 遥感学报, 2018, 22(2): 211-219. Chen L, Zhang P, Wu R H, et al. Monitoring radiometric response change of visible band for FY-2 geostationary meteorological satellite by lunar target[J]. Journal of Remote Sensing, 2018, 22(2): 211-219. ( 0) |
| [10] |
Sun L, Xu N, Hu X, et al. The radiometric performance of FY-3A/B MERSI reflective solar bands[J]. Proc SPIE, 2014, 9264: 9264011-1-9264011-15.
( 0) |
| [11] |
Xu N, Chen L, Wu R, et al. In-flight intercalibration of FY-3C visible channels with AQUA MODIS[J]. Proc SPIE, 2014, 9264: 926408-1-926408-10.
( 0) |
| [12] |
Franz B A, Kwiatkowska E J, Meister G, et al. Moderate resolution imaging spectroradiometer on Terra: limitations for ocean color applications[J]. J Applied Remote Sensing, 2008, 2(1): 023502-1-023502-17.
( 0) |
| [13] |
Ackerman S A, Strabala K I, Menzel W P, et al. Discriminating clear-sky from clouds with MODIS[J]. J Geophys Res, 1998, 103(D24): 32141-32157. DOI:10.1029/1998JD200032
( 0) |
| [14] |
Kotchenova S Y, Vermote E F, Matarrese R, et al. Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part I: Path Radiance[J]. Applied Optics, 2006, 45(26): 6762-6774. DOI:10.1364/AO.45.006762
( 0) |
| [15] |
Meister G, Kwiatkowska E J, Franz B A, et al. Moderate-resolution imaging spectroradiometer ocean color polarization correction[J]. Appl Opt, 2005, 44(26): 5524-5535. DOI:10.1364/AO.44.005524
( 0) |
| [16] |
Sun L, Gao L, Cao D, et al. On-orbit polarizationsensitivity evaluation of FY-3B MERSI[J]. Proc SPIE, 2018, 10631: 1063116-1-1063116-10.
( 0) |
2. National Satellite Meteorological Center, Beijing 100081, China;
3. North China Umiversity of Technology, Beijing 100144, China