2016, 27 (5): 592-603
可见光红外光学成像遥感仪器既是气象卫星发展最早的对地观测仪器，也是最主要的仪器，是大气水汽、云、地表、海表光学特征和热学特征空间对地成像观测不可或缺的技术手段。这些观测结果在天气分析、数值天气预报模式辅助应用、气候研究和预测、环境与灾害监测和预警等方面发挥着主要的、不可或缺的作用。
本文的可见光红外光学成像遥感仪器是指具有以固定时间周期连续扫描、空间无缝采样成像能力的仪器。空间分辨率达几百米到一千米，幅宽为两三千公里。低轨具备单日完成白天和黑夜全球成像能力，高轨具备几十分钟到几分钟圆盘图成像能力和区域更高空间分辨率、更快速成像能力。由可见光、近红外、短波红外、中波红外和热红外多波段的几个或几十个光谱通道组成，光谱带宽一般为10 nm~1 μm，由分色片或滤光片分光，光谱范围覆盖0.4~15 μm。在低轨上一般是跨轨旋转扫描加卫星运动合成形成二维图像，在高轨上，早期自旋稳定平台是一维借助自旋扫描加另一维步进运动成像，先进的三轴稳定卫星平台上仪器二维扫描成像。功能齐全、性能先进的可见光红外光学成像遥感仪器可以观测反演得到很多地球物理变量，从地球大气方面的云分类和云微物理特征，气溶胶光学和物理特征，到陆地表面温度、光谱反射率及其衍生的陆地生态环境变量，以及海面温度、海洋水色及其衍生海洋生态环境变等。
从20世纪60年代初期开始，可见光红外光学成像遥感仪器已经有50多年的发展历程。大致可以分为3个阶段：①早期探索20年 (20世纪60—70年代)，以美国泰罗斯 (Television and Infra-Red Observation Satellite-8，TIROS-8) 卫星[1]，和雨云 (Nimbus)1号和2号卫星上安装的光导纤维摄像机等为代表的第1代可见光成像探索性仪器，开创了气象卫星对地观测先河；②初步应用20年 (20世纪80—90年代)，以美国NOAA卫星上的先进可见光红外旋转扫描辐射计 (Advanced Very High Resolution Radiometer，AVHRR) 等为代表，经过AVHHR/2/3不断发展，积累了30多年长时间序列历史数据，奠定了广泛应用基础；③稳定应用和进步发展10多年 (2000年以来)，以美国Terra和Aqua卫星上的中分辨率成像光谱辐射计 (Moderate-resolution Imaging Spectro-radiometer，MODIS) 为代表，相对于AVHRR/3，MODIS的功能、性能有了全面提高。之后出现了以美国苏密国家极轨合作计划 (Suomi National Polar-orbiting Partnership，Suomi NPP) 卫星上的可见光红外成像仪辐射计组件 (Visible/Infrared Imager Radiometer Suite，VIIRS)、中国风云三号气象卫星上的新中分辨率光谱成像仪 (Medium Resolution Spectral Imager，MERSI) 等仪器为代表的新一代可见光红外光学成像遥感仪器，其典型特征是光谱波段20个以上，波段带宽窄，一般为10~15 nm。光谱范围全面覆盖0.4~15 μm，辐射测量精度高。在指定条件下，信噪比 (Signal to Noise Ratio，SNR) 可以达几百乃至上千，噪音等效温差 (Noise Equvalent Temperature Difference, NEdT) 可达到0.05 K，甚至更优。空间分辨率最高可达200~300 m。
可见光红外光学成像遥感仪器在继承现代同类仪器先进性基础上持续发展和积累，延长历史数据时间序列；同时可以预见高精度可见光红外多角度、多通道、多极化光学成像仪等是新的发展方向。
1 可见光红外光学成像仪发展阶段据世界气象组织数据统计，从20世纪60年代开始，迄今为止世界各国已在轨观测使用过的可见光红外光学成像遥感仪器有近百台 (套)[2]。这些仪器从其功能和性能指标共性方面分析都可以归为本文所研究的可见光红外光学成像遥感仪器这一类型，每台仪器还有其各自特点，彼此之间存在一些差异。本文根据这些仪器的空间、时间、辐射和光谱4个维度的主要功能性能、在轨工作时间长短、在业界的影响力大小等因素，选择其中一些具有典型代表意义的仪器从技术指标和应用需求两个方面，综合分析环境气象卫星可见光红外光学成像遥感仪器半个多世纪的发展演化特点。
1.1 早期探索 1.1.1 AVCS美国第1代试验气象卫星TIROS系列经过7颗卫星摸索，于1963年12月21日发射了第8颗卫星，命名为TIROS-8，星上安装1台光导电视摄像系统 (Vidicon Camera System, VCS)，是第1代探索性卫星云图成像仪器的典型代表，它开创了气象卫星对地观测实用的先河，尽管它只是1台仅有1个可见光通道、视场角108°的云图成像电视摄像机。紧随其后的是Nimbus系列，其中的Nimbus 1号和2号卫星上安装了VCS。美国第2代气象卫星、第1代业务气象卫星环境科学和服务 (Environmental Science and Services Administration，ESSA) 系列的ESSA-1~ESSA-9，以及改进型TIROS业务卫星TIROS-M和NOAA-1安装了先进的光导电视摄像系统 (Advanced Vidicon Camera System，AVCS)[3]。AVCS也是1台单通道摄像机，光谱约为0.45~0.6 μm，以快照和800行×800像素扫描两种方式观测。在雨云卫星上，平行安装了3台AVCS，总幅宽为3500 km，空间分辨率为0.9 km。在ESSA卫星上只有1台AVCS，幅宽为3000 km，空间分辨率为3.7 km，仅日间工作，每天接近覆盖全球1次。
AVCS基本用途是获取云图，还未提出非常明确的辐射和光谱方面的定量探测概念，仅探索了卫星对地观测成像空间维和时间维关键技术和基本云图应用。
1.1.2 VHRR甚高分辨率辐射计 (Very High Resolution Radiometer, VHRR) 是改进型TIROS、美国第3代气象卫星系列NOAA-2，NOAA-3，NOAA-4，NOAA-5卫星上的主要对地观测仪器。这台典型的可见光红外光学成像遥感仪，从1972年的NOAA-2持续到1979年的NOAA-5。VHRR的主要用途是云图成像，包含可见光 (0.52~0.72 μm) 和红外 (10.5~12.5 μm) 两个光谱通道，跨轨扫描，扫描速度为每分钟400转，空间分辨率为0.9 km，幅宽为2580 km。日夜各获取全球图像1次。
从第1颗TIROS卫星算起，到1979年NOAA-5结束，美国极轨气象卫星的发展跨越了3代，走过了20年的历程，发展到VHRR可获取全球云图、海冰覆盖图像、云顶温度及高度、海面温度等数据，开启了气象卫星热红外成像观测之门，开始有了光谱定量的概念。
1.1.3 VISSR可见光红外旋转扫描辐射计 (Visible-Infrared Spin Scan Radiometer，VISSR) 是世界上第1台安装在静止轨道气象卫星上的光学成像仪器，它是美国静止轨道试验气象卫星同步气象卫星 (Synchronous Meteorological Satellite，SMS) 系列的两颗卫星SMS-1，SMS-2和第1代静止轨道业务环境气象卫星静止业务环境卫星 (Geostationary Operational Environmental Satellite，GOES) 系列的前3颗卫星GOES-1，GOES-2，GOES-3上安装的唯一对地观测仪器，两个系列前后持续时间从1974年到1993年。该仪器主要目的是云图圆盘图成像，包含可见光 (0.55~0.75 μm) 和红外 (10.5~12.6 μm) 两个光谱通道。卫星自身旋转形成东西方向连续扫描，南北方向机械步进，每30 min产生1幅全圆盘图像。可见光通道空间分辨率为0.9 km，红外通道为6.9 km。从GEOS-4到GOES-7 VISSR演变成可见光红外旋转扫描辐射大气探测仪 (VISSR Atmospheric Sounder，VAS)，它是通过滤光片辐射计技术在两通道可见光红外光学成像遥感仪VISSR和12通道的大气垂直探测仪VAS间进行功能切换，实现静止气象卫星上光学成像和大气探测功能，这也是世界上气象卫星首次实现光学成像仪器和大气探测仪器一体化，虽然不能同时使用。
从20世纪70年代中期SMS-1发射起，到90年代中期的GOES-7结束，美国的第1代静止轨道气象卫星的发展经历了20年的历程。
VISSR的科学应用需求和工程技术指标基本上继承了前期极轨卫星系列VHRR的探索成果。后来世界上其他国家和地区高、低轨道气象卫星的发展也走了基本相同的路线。美国早期气象卫星也是当时世界上最先进的气象卫星，他们的探索成果为后继国家的气象卫星发展提供了许多学习和借鉴的经验。
1.2 初步应用 1.2.1 AVHRR20世纪70年代末期到80年代初期，可见光红外光学成像遥感仪器由探索走到了初步应用阶段，其典型代表就是在TIROS-N, NOAA-6，NOAA-8，NOAA-10等卫星上安装的先进的甚高分辨率辐射计AVHRR (Advanced Very High Resolution Radiometer)。AVHRR是4通道辐射计，光谱通道涵盖可见光、近红外、中波红外和热红外，是在VHRR两通道基础上的革新发展。可见光通道细分为可见光和近红外两个通道，增加了中波红外通道，热红外通道光谱区间宽度缩减到短波方向的一半，初现热红外分裂窗通道的雏形。跨轨扫描2048个连续像素，幅宽为2900 km，星下点空间分辨率为1.1 km，红外通道每天覆盖全球两次。AVHRR还进一步确定了具体的光谱和辐射测量技术指标，给出了各通道的中心波长，谱段区间范围，并第1次明确给出了规定能量输入条件下可见光通道信噪比 (SNR)、红外通道噪声等效温差 (NEdT) 两个具体的辐射测量精度指标，标志着可见光红外光学成像遥感仪器建立了时间、空间、光谱和辐射4个维度的综合定量指标体系，为观测数据实际应用奠定了基础。
AVHRR/2增加了另一个热红外长波分裂窗通道，其余指标未变化，进入了可见光、近红外、中红外、热红外两个分裂窗的5通道时代。安装在NOAA-7，NOAA-9，NOAA-11，NOAA-12，NOAA-13，NOAA-14共6颗极轨气象卫星上，一直持续到2007年。
AVHRR/3又增加了1.61 μm短波红外通道，原来的近红外通道光谱区间范围向短波方向缩减了0.1 μm，其余指标未变化 (详见表 1)，安装在NOAA-15，NOAA-16，NOAA-17，NOAA-18和Metop-A，Metop-B，Metop-C 7颗美欧的极轨气象卫星上，观测数据一直延续到了2016年。
|
表 1 AVHRR/3光谱和辐射特性 Table 1 The spectral and radiometric characterization of AVHRR/3 |
辐射定标精度及其稳定性是评价遥感数据能否定量应用，特别是能否形成气候数据集的一项重要指标。对于AVHRR这样到目前为止独一无二的长时间序列观测数据，在辐射定标的精度评价和改进方面有许多研究成果，一般地，AVHRR可见光近红外通道数据辐射定标精度最好可以达到5%[4-5]，红外通道数据可达到0.5 K[6-7]。
从1979年发射的NOAA-6开始到2016年结束服役的NOAA-19，AVHRR1/2/3总共积累了30多年的对地观测数据，在天气分析、气候预测和环境灾害业务等方面发挥了重大作用。使用AVHRR1/2/3数据反演获取了一批具有较高精度和稳定性、时间序列比较长的地球物理参量，如云量、云顶温度及高度、云光学厚度、水汽总量、归一化植被指数、叶面积指数、地表温度、火点和火灾分布、雪量和雪盖、海面温度及海冰覆盖等。
云是天气、气候研究中关注的热点，云对地球-大气系统能量平衡具有强烈的调节作用。云性质及其在不同空间和时间尺度上的变化对全球气候变化和各种尺度天气系统的影响不可忽视。了解云的物理性质有助于对天气变化的监测和预报、气候变化监测。
从早期探索阶段的云图解译，到后来的云参数定量化反演，云始终是气象卫星观测重点。云检测是大气、陆地、海洋参数反演的基础。基于NOAA/AVHRR数据，Rossow等[8-12]研发了ISCCP的云检测算法。Saunders等[13]研发了APOLLO算法 (the AVHRR Processing scheme OvercLoud Land and Ocean)。Stowe等[14-18]研发了CLAVR (the NOAA Cloud Advanced Very High Resolution Radiometer) 算法。这些云检测算法使用AVHRR资料，实现了对大多数云盖情况下的准确检测，但对于高云检测还存在缺陷，1.38 μm和二氧化碳吸收通道 (13.3，13.6，13.9 μm) 有助于高云，尤其是卷云的检测[19-20]，AVHRR还没有这些通道。
在云检测的基础上，利用AVHRR数据在云量、云顶温度/高度、云光学厚度、云顶粒子有效半径、云相态等云的宏观和微观参数反演方面均取得了较好的研究成果[21-34]。
自20世纪60年代开始利用卫星红外辐射计观测数据反演海表温度 (SST)，McClain等[35-36]利用NOAA资料首先开发了利用分裂窗区通道资料估算SST的线性算法，简称MCSST，算法的假设条件是水汽总量与分裂窗亮温差成线性变化关系。考虑了水汽总量与分裂窗亮温差间非线性关系后, Walton等[37-38]提出了交叉产品SST (CPSST) 和非线性SST (NLSST) 反演方法。Kilpatrick等[39]对利用NOAA数据反演SST的算法进行了总结，发展了长时间序列NOAA SST气候数据处理算法。
大气气溶胶遥感反演是AVHRR数据一个重要的应用方向，Geogdzhayev等[40]提出一种利用AVHRR通道1, 2数据反演海洋气溶胶光学厚度和Angstrom指数的改进算法，使用这一新算法处理了1983—1994年的全球AVHRR观测数据，卫星包括NOAA-7, NOAA-9, NOAA-11，得到了一组较长时间序列的海洋气溶胶光学厚度和Angstrom指数产品全球气候数据集。该数据集能够反映全球气溶胶年季和南北半球时空变化特征，并清楚地展现出1991年6月菲律宾Pinatubo火山爆发造成大气气溶胶含量倍增事件。同时也发现了一些影响反演的AVHRR辐射定标精度问题，尤其是低端深空定标是限制反演精度的主要因素，低端深空一个计数值的差异可导致光学厚度50%的变化、Angstrom指数0.4的变化。Mishchenko等[41]又将这一数据集扩展到1999年，2012年Mishchenko等[42]再次将这一数据集扩展到2005年。
1.2.2 VIRR可见光红外辐射计 (Visible and Infra-Red Radiometer, VIRR) 是中国风云极轨气象卫星的第1代FY-1C，FY-1D，第2代FY-3A，FY-3B，FY-3C 5颗卫星上安装的光学成像遥感仪器，共有10个光谱通道，包含4个可见光、1个近红外、2个短波红外、1个中波红外和2个热红外分裂窗通道。跨轨扫描2048个像素，覆盖宽度达2800 km，星下点空间分辨率为1.1 km，红外通道每天全球覆盖两次，可见光通道覆盖1次[43]。验证分析和研究表明，VIRR可见光通道辐射定标不确定性为5.5%~6.0%[44], 热红外通道4辐射定标精度为0.84 ±0.16 K，热红外通道5为-0.66 ±0.18 K[45]。从1999年FY-1C发射到2018年FY-3C结束业务运行，VIRR将积累整整20年10通道对地观测数据，这些数据将为天气分析、气候预测和环境灾害业务应用发挥积极作用。
1.2.3 IMAGERIMAGER是GOES卫星上的5通道光学成像仪器，继承GOES-4~GOES-7上的VAS成像部分功能，光谱通道包括1个可见光、2个中波红外和2个热红外分裂窗通道。IMAGER没有近红外和短波红外通道，有中波6.75 μm的水汽通道，突出了高轨气象卫星着重观测云和水汽的特点。IMAGER红外通道空间分辨率为4 km，可见光为1 km，每30 min完成1幅全圆盘图像，卫星平台三轴稳定。IMAGER东西向连续扫描，南北向步进完成全圆盘扫描。这种功能配置从GOES-8一直保持到GOES-11，时间从1994年到2011年。
从2001年发射的GOES-12开始，IMAGER的光谱通道进行了一些调整，进一步突出了云和水汽目标的观测重点，将通道3光谱区间从6.5~7.0 μm调整为5.8 ~7.3 μm，将通道5的光谱区间从11.5~12.4 μm调整为13.0~13.7 μm，其余指标未做调整 (详见表 2)，这一新观测模式将延续至GOES-15寿命末期的2020年。
|
|
表 2 IMAGER光谱和辐射特性 Table 2 The spectral and radiometric characterization of IMAGER |
据Yu等[46]用深对流和沙漠等目标的几种替代定标方法对GOES-12上IMAGER可见光通道7年观测数据的综合研究结果表明，IMAGER可见光通道的相对定标稳定可达到1%。水汽通道的辐射定标一直比较困难，Wang等[47]利用红外大气探测高光谱干涉仪IASI星下点同步观测数据给GOES-11，GOES-12卫星的IMAGER水汽通道定标，结果表明定标偏差为0.3±0.2 K。
从20世纪90年代中期，高轨气象卫星光学成像仪器开始进入实际应用阶段。GOES-8~GOES-15将能够积累25年的具有较高精度、持续稳定观测。从这些观测数据可以衍生获得水汽总量、云量、云顶温度/高度、云导风 (水平方向)，土壤湿度、地表温度、海面温度和海冰覆盖等地球物理参量。
随着静止气象卫星时间分辨率的提高，静止气象卫星数据在天气分析，尤其是短时临近预报中发挥了越来越重要的作用。在对流云识别和云顶特性监测分析中，多数研究利用1 h时间分辨率的数据，得到了较为满意的对流云顶性质的分析监测方法，发展了较好的对流云识别算法[48]。随着社会进步，对天气预报准确性的要求越来越高，对对流初生预报的需求也越来越迫切。Mecikalski等[49-50]利用连续时间分辨率为5~15 min的GOES 1 km分辨率可见光通道、48 km分辨率红外通道数据进行初生对流监测方法研究，结果表明：通过多通道组合形成的指标不仅可以很好地监测到对流云的发生，且可提前30~45 min预报对流的发生，这一研究成果为对流预报提供了良好的基础，方法命中率较高，超过90%，但同时虚警率较高，达到65%。
1.2.4 S-VISSR展宽的可见光红外旋转扫描辐射计 (Stretched Visible and Infrared Spin Scan Radiometer, S-VISSR) 是中国风云静止气象卫星序列FY-2C, 2D, 2E, 2F, 2G, 2H光通道6颗卫星上的光学成像仪器，包含可见光、中红外、中红外水汽和两个热红外分裂窗5个通道，自旋稳定卫星平台，东西向连续扫描、南北步进，空间分辨率红外通道为5 km，可见光通道1.25 km，每30 min成1幅圆盘图。业务运行时间从2004年到2020年，持续15年以上。
刘健等[51]利用FY-2C平均10 min观测时间分辨率的快速区域扫描数据，对2011年6月28—29日的一次强对流天气过程进行分析，充分利用静止气象卫星高时间分辨率观测数据在对流云发展演变过程中的作用，揭示出强对流云发展过程中的云系特征。Yang等[52]利用S-VISSR数据研究了2005—2012年中国及其邻区北方暖季节中尺度对流系统特征，取得了较好成果。
1.2.5 MVIRI气象卫星可见光红外成像仪 (Meteosat Visible Infra-Red Imager，MVIRI) 是欧洲静止气象卫星系列Meteosat-1~Meteosat-7共7颗卫星上的3通道光学成像仪器，可见光、中红外水汽和热红外通道，自旋体制工作方式，其主要功能、性能和其他同期同类卫星基本相同。MetSat-1~MetSat-7在轨时间从1978年开始，预计至2017年，将持续运行接近40年，算得上同一类型仪器持续时间最长。
1.3 稳定应用和进步发展 1.3.1 MODIS经过30多年的发展和积累，随着应用需求的日益旺盛和现代光、机、电、热技术的进步，到20世纪末至21世纪初，可见光红外光学成像遥感仪器在功能、性能及其稳定性和探测精度，以及应用的广度和深度等方面都发生了飞跃性进步。中分辨率光谱成像仪MODIS是典型代表。该仪器在光谱、辐射、空间、时间分辨率4个方面都有跨越性发展，满足了更高定标精度要求，是划时代的大发展，由此可见光红外光学成像遥感仪器进入了高精度稳定应用和进步发展阶段。
MODIS仪器由36个光谱波段组成 (详见表 3)，20个太阳反射波段，16个热红外波段，光谱范围为0.41~14.4 μm，波段1、波段2空间分辨率为250 m，波段3~7空间分辨率为500 m，波段8~36空间分辨率为1000 m，仪器设计寿命6年。为了保障在轨定标精度和稳定性，确保数据产品质量，包含一套完整的在轨定标系统：光谱-辐射定标组件，对于太阳发射波段有太阳漫反射器，太阳漫反射器稳定性监测器，对于红外波段有内黑体，宇宙冷空观测。所有定标器件的在轨实际性能指标都满足或优于设计目标，Aqua卫星MODIS中心波长大于0.5 μm太阳反射波段辐射响应年变化小于0.5%，0.412 μm的8波段年变化为3.6%，0.443 μm的9波段年变化为2.3%，0.469 μm的3波段年变化为1.6%，0.488 μm的10波段年变化为1.2%[53]；辐射热红外波段辐射响应非常稳定，几乎没有发现明显起伏，年变化小于0.5%[54]，其中的热红外分裂窗波段31、波段32所有探测器在轨噪声等效温差一直优于设计指标0.05 K，定标系数非常稳定，扫描之间的变化小于0.1%。Terra和Aqua两颗卫星上的MODIS热红外分裂窗波段之间定标差异小于0.1 K[55]。
|
|
表 3 MODIS光谱和辐射特性[56] Table 3 The spectral and radiometric characterization of MODIS (from reference [56]) |
自从Terra和Aqua卫星1999年、2002年发射以来，MODIS仪器已经观测获取了十几年的对地观测数据，连续产生40多种大气、陆地、海洋高质量科学数据产品。MODIS序列数据产品极大地增强了科学界对地球环境和气候变化的研究能力。
MODIS数据研究和应用程度之深、领域之广是目前任何同类卫星遥感仪器都无法匹敌的。
1.3.2 MERSI中分辨率光谱成像仪 (MERSI) 是中国第2代风云极轨气象卫星系列FY-3A (2008年发射)、FY-3B (2010年发射)、FY-3C (2013年发射)3颗卫星上的主要可见光红外光学成像遥感仪器，共有20个波段，其中在可见光、近红外和短波红外谱段有19个20 nm或50 nm带宽的窄带波段，1个2.5 μm带宽的热红外宽带波段，中心波长为11.5 μm，空间分辨率为250 m，另有470 nm，550 nm，650 nm，865 nm 4个中心波长的波段可见光空间分辨率也是250 m，其余波段空间分辨率为1000 m。仪器扫描幅宽达2900 km, 周期为1.5 s，跨轨10元 (空间分辨率1000 m波段) 或40元 (空间分辨率250 m波段) 多元并扫[57]。
MERSI在辐射、光谱和时间分辨率方面接近同期世界水平，最具特色的是5个250 m空间分辨率波段的优势，这在同期同类卫星尚属于首次。①1个250 m空间分辨率热红外波段，更高的空间分辨率图像可揭示出地表、海表和云更多的热红外细节特征，信息更加丰富；②红光谱段和近红外谱段2个波段250 m空间分辨率可产生更高分辨率的植被指数，对于发现更多陆地生态系统特征提供了基础数据产品；③蓝、绿、红谱段3个250 m可见光波段可合成出真彩色图像，更加利于用户识别、判断、分析和理解地表、海表和云的丰富细节特征信息。
利用红外高光谱大气探测仪CrIS同步观测数据对FY-3C/MERSI的热红外波段辐射响应性能研究结果[58]表明：MERSI和CrISl亮度温度具有很好的一致性，偏差呈现正态分布，平均偏差为-0.18±0.83 K。
2016年底即将发射的FY-3D卫星，其光学成像仪器MERSI-Ⅱ是MERSI的升级版，在原有基础上增加了4个中红外波段，将原来热红外宽波段分为两个250 m空间分辨率的两个分裂窗波段，共25波段，各波段提高了辐射测量精度。MERSI-Ⅱ将在FY-3系列未来每颗卫星上安装，至少可以持续到2025年以后。
1.3.3 VIIRS可见光红外成像仪 (VIIRS) 是美国2011年发射的新一代极轨环境气象卫星系列Suomi NPP卫星上主要光学仪器，共有22光谱波段，谱段范围为412 nm~12.4 μm。仪器跨轨扫描幅宽达3000 km，周期为1.786 s，16元或32元并扫。VIIRS有16个星下点750 m中分辨率波段，每个波段16个探测单元，其中11个太阳反射波段、5个热辐射波段；5个星下点375 m高分辨率波段，每个波段32个探测单元，其中3个太阳反射波段、2个热辐射波段；1个全色谱段 (0.5~0.9 μm)750 m空间分辨率昼夜波段。
该仪器在光谱、辐射方面继承了许多MODIS先进科学技术成果，在空间采样方面使用独特的非均匀采样技术，使得星下点到扫描边缘的像元空间一致性得到很大改善。相关定标研究结果表明[59]，VIIRS类似MODIS太阳反射波段和MODIS的辐射定标偏差大部分在2%之内，热辐射波段可达到0.1 K的一致性[60]。VIIRS将在美国联合极轨卫星系统 (Joint Polar Satellite System, JPSS) 系列的JPSS-1, JPSS-2, JPSS-3, JPSS-4的4颗卫星上安装，至少延续到2038年。
MERSI-Ⅱ，VIIRS，以及Metop-SG系列 (2021—2042年) A1，A2，A3 3颗卫星上的MetImage属于相同水平，代表了未来世界各国极轨气象卫星可见光红外光学成像遥感仪器的主要发展方向。
1.3.4 AHI先进的葵花成像仪 (Advanced Himawari Imager，AHI) 是日本2015年发射的葵花8号三轴稳定静止气象卫星上的主要光学成像遥感仪器，设计寿命为15年。其圆盘图 10 min成像，局部区域扫描图像可以更快，可达到2.5 min。主要用途是亚太区域云图分析和短时临近天气预报、数值天气预报应用、云导风、水汽图像分析和环境监测。该仪器包含16个光谱通道，光谱范围为430 nm~13.40 μm，包括可见光、近红外、短波红外、中红外和热红外。空间分辨率645 nm的通道为500 m，分辨率为455 nm，510 nm，860nm的通道为1000 m，其余12个短波红外、中红外和热红外通道为2000 m。
初步验证研究结果[61]表明，AHI图像导航定位精度可达到1 km；红外通道的辐射定标精度为0.2 K，且未发现明显昼夜变化。利用数值天气预报模式和辐射传输模式在晴空条件下AHI红外通道7~16的数据初步同化试验结果发现[62]，总体上AHI观测和模式模拟结果具有较好的一致性，通道7~14发现有1 K左右的冷偏差，而长波通道15和16冷偏差大约为2~3 K，3个水汽通道8，9，10偏差为1.5 K，其余通道为1 K左右。
美国未来 (2016—2035年) 第3代环境气象业务卫星系列GOES-R，GOES-S，GOES-T，GOES-U 4颗卫星上的主要光学成像仪器ABI (Advanced Baseline Imager)、中国未来 (2016—2040年) 静止气象卫星系列风云四号的FY-4A，FY-4B，FY-4C，FY-4D，FY-4E，FY-4F，FY-4G 7颗卫星上的光学成像仪AGRI (Advanced Geostationary Radiation Imager)、欧洲未来 (2019—2039年) 第3代Metesat卫星系列的MTG-I1, MTG-I2, MTG-I3, MTG-I4 4颗卫星上的FCI (Flexible Combined Imager) 的科学技术指标体系都和AHI基本类似，各自略有特点，这一技术体系将是未来世界各国静止气象卫星可见光红外光学成像遥感仪器的主要方向。
2 可见光红外光学成像遥感仪器创新发展经过21世纪10年代新一轮的探索和发展，环境气象卫星可见光红外光学成像遥感仪器现在以及未来十几年主流业务技术体制发展方向已经基本明确，极轨卫星上以MERSI-Ⅱ，VIIRS，以及Metop-SG系列的MetImage为代表；静止轨道卫星上以ABI，AGRI，FCI为代表。
作为环境气象卫星光学成像遥感仪器一个新的发展方向，多角度多通道多极化成像仪 (Multi-viewing Multi-channel Multi-polarisation Imager，3MI) 是创新发展，将安装在Metop-SG的A1，A2，A3 3颗卫星上，持续时间为2021—2042年。3MI多角度、多通道、多极化成像仪，在原有光学成像仪器时间、空间、光谱和辐射4个维度基础上增加了极化维度测量，必然可以得到前所未有的新信息。3MI在POLDER-3/PARASOL的基础上，在整个光谱覆盖范围、空间分辨率和刈幅三方面均有提高。3MI的刈幅宽度2200 km，空间分辨率为4 km，包含12个带宽10 nm, 20 nm, 40 nm的光谱波段 (410~2130 nm)，详见表 4，其中9个含-60°, 0°, +60° 3个角度极化通道，14个不同观测角度，由近红外和短波红外两个模块构成。
3MI主要任务是为气候监测、数值天气预报模式、大气化学研究和空气质量监测提供大气气溶胶粒子观测信息[63]。大气气溶胶关乎人类生活质量和健康，目前，这也是现代气候模拟中最大的不确定性因素。利用3MI观测数据可反演得到地表反照率、短波双向反射率、云短波反射率，云滴谱、冰云粒子有效半径、植被指数、水汽总量以及气溶胶关键参数，如气溶胶光学厚度、粒子类型和尺度、折射率指数、球度和高度指数等，这些数据有助于深入研究气溶胶、云的辐射和微物理特性，帮助改进气溶胶、空气质量预报模型的性能。
3 结论回顾环境气象卫星可见光红外光学成像遥感仪器50多年的发展历程，涉及的内容非常广泛，世界各国已发射的卫星上安装的此类仪器就有近百台 (套) 之多，其中大多仪器观测数据的应用领域涵盖大气科学、气候学、陆地生态环境和海洋科学等诸多学科门类。从这近百台 (套) 仪器中，选择不同时期在轨的12种作为典型代表，结合仪器功能、性能技术指标和应用需求进行了解剖分析，梳理了其历史发展脉络，并探讨未来的主流业务发展方向和创新发展趋势。
环境气象卫星可见光红外光学成像遥感仪器的50多年的发展历程可以分为3个阶段：①早期探索20年 (20世纪60—70年代)，以AVCS等为代表，这是第1代探索性仪器，开创了气象卫星对地观测的先河；②初步应用20年 (20世纪80—90年代)，以AVHRR等为代表，基本形成了初步应用局面，同时欧洲、中国等也开始发展自己的环境气象卫星光学成像遥感仪器；③稳定应用和进步发展10多年 (2000年以来)，以MODIS为基础，先后出现了VIRS，MERSI等仪器为代表的新一代极轨卫星可见光红外光学成像遥感仪器，其典型特征是光谱波段20个以上；波段带宽窄，一般为10~15 nm；光谱范围全面覆盖0.4~15 μm；辐射测量精度高，在指定条件下，SNR可以达几百乃至上千，NEdT可达到0.05 K，甚至更优；空间分辨率为200~1000 m。MERSI-Ⅱ，VIIRS，MetImage类型仪器代表了未来世界各国极轨气象卫星可见光红外光学成像遥感仪器主流业务发展趋势。
静止气象卫星以在轨的AHI以及即将在轨的ABI，AGRI等为代表，其典型特点是光谱通道15个以上，谱段带宽较窄，光谱范围全面覆盖0.4~15 μm，辐射测量 (SNR或NEdT以及辐射定标精度) 精度高，空间分辨率为500~2000 m，圆盘图成像速度可以达到分钟级，区域扫描速度更快。AHI，ABI，AGRI，FCI的科学技术指标体系将是未来世界各国静止气象卫星可见光红外光学成像遥感仪器主流业务发展趋势。
可见光红外光学成像遥感仪器在继承现代同类仪器先进性基础上持续发展，不断积累，稳定延长历史数据时间序列；同时，可以预见，高精度可见光、红外多角度、多通道、多极化光学成像仪是一个新的发展方向。
| [1] | Wikipedia.Television Infrared Observation Satellite.Wikipedia, 2016. |
| [2] | WMO.WMO OSCAR.List of all Instruments.2015. |
| [3] | Rao P K, Holmes S J, Anderson R K, 等编. 许健民, 方宗义, 徐建平, 等译. 气象卫星——系统、资料及其在环境中的应用. 北京: 气象出版社, 1994. |
| [4] | Schmidt M, King E A, McVicar T R. A method for operational calibration of AVHRR reflective time series data. Remote Sens Environ, 2008, 112, (3): 1117–1129. DOI:10.1016/j.rse.2007.07.015 |
| [5] | Trishchenko A P, Li Z. A method for the correction of AVHRR onboard IR calibration in the event of short-term radiative contamination. Int J Remote Sens, 2001, 22, (17): 3619–3624. DOI:10.1080/01431160152609362 |
| [6] | Mittaz J, Harris A. A physical method for the calibration of the AVHRR/3 thermal IR channels.Part Ⅱ:An in-orbit comparison of the AVHRR longwave thermal IR channels on board metop-A with IASI. J Atmos Ocean Technol, 2011, 28, (9): 1072–1087. DOI:10.1175/2011JTECHA1517.1 |
| [7] | Raja M, Wu X Q, Yu F F. Extended Inter-comparison of collocated MetOp-A AVHRR-IASI brightness temperature data and its implication for AVHRR calibration. Atmospheric and Environmental Remote Sensing Data Processing and Utilization Ⅵ:Readiness for GEOSS Ⅳ, 2010, 781107. DOI:10.1117/12.861265 |
| [8] | Rossow W B, Garder L C. Validation of ISCCP cloud detections. J Climate, 1993, 6, (12): 2370–2393. DOI:10.1175/1520-0442(1993)006<2370:VOICD>2.0.CO;2 |
| [9] | Rossow W B, Schiffer R A. ISCCP cloud data products. Bull Am Meteor Soc, 1991, 72, (1): 2–20. DOI:10.1175/1520-0477(1991)072<0002:ICDP>2.0.CO;2 |
| [10] | Seze G, Rossow W B. Time-cumulated visible and infrared radiance histograms used as descriptors of surface and cloud variations. Int J Remote Sens, 1991, 12, (5): 877–920. DOI:10.1080/01431169108929702 |
| [11] | Rossow W B. Measuring cloud properties from space:A review. J Climate, 1989, 2, (3): 201–213. DOI:10.1175/1520-0442(1989)002<0201:MCPFSA>2.0.CO;2 |
| [12] | Rossow W, Mosher F. ISCCP cloud algorithm intercomparison. J Climate Appl Meteor, 1985, 24, (9): 877–903. DOI:10.1175/1520-0450(1985)024<0887:ICAI>2.0.CO;2 |
| [13] | Saunders R W, Kriebel K T. An improved method for detecting clear sky and cloudy radiances from AVHRR data. Int J Remote Sens, 1988, 9, (1): 123–150. DOI:10.1080/01431168808954841 |
| [14] | Stowe L L, Davis P, McClain E P. Evaluating the CLAVR (clouds from AVHRR) phase I-cloud cover experimental product. Adv Space Res, 1995, 16, (10): 21–24. DOI:10.1016/0273-1177(95)00374-N |
| [15] | Stowe L L, Vemury S K, Rao A V. AVHRR clear sky radiation data sets at NOAA/NESDIS. Adv Space Res, 1994, 14, (1): 113–116. DOI:10.1016/0273-1177(94)90358-1 |
| [16] | Stowe L L, Davis P A, Mcclain E P. Scientific basis and initial evaluation of the CLAVR-1 global clear/cloud classification algorithm for the advanced very high resolution radiometer. J Atmos Ocean Technol, 1999, 16, (6): 656–681. DOI:10.1175/1520-0426(1999)016<0656:SBAIEO>2.0.CO;2 |
| [17] | Heidinger A K.CLAVR-x Cloud Mask Algorithm Theoretical Basis Document (ATBD), NOAA/NESDIS/Office of Research and Applications, Washington, DC, USA, 2004. |
| [18] | Vemury S, Stowe L L, Anne V R. AVHRR pixel level clear-sky classification using dynamic threshold (CLAVR-3). J Atmos Ocean Technol, 2001, 18, (2): 169–186. DOI:10.1175/1520-0426(2001)018<0169:APLCSC>2.0.CO;2 |
| [19] | Gao B C, Goetz A F H, Wiscombe W J. Cirrus cloud detection from airborne imaging spectrometer data using the 1.38 micron water vapor band. Geophys Res Lett, 1993, 20, (4): 301–304. DOI:10.1029/93GL00106 |
| [20] | Baum B A, Wielicki B A. Cirrus cloud retrieval using infrared sounding data:Multilevel cloud errors. J Appl Meteorol, 1994, 33, (1): 107–117. DOI:10.1175/1520-0450(1994)033<0107:CCRUIS>2.0.CO;2 |
| [21] | Nakajima T, King M D. Determination of the optical thickness and effective particle radius of clouds from reflected solar radiation measurements.Part Ⅰ:Theory. Journal of the Atmospheric Sciences, 1990, 47, (15): 1878–1893. DOI:10.1175/1520-0469(1990)047<1878:DOTOTA>2.0.CO;2 |
| [22] | Ou S C, Liou K N, Takano Y, et al. Remote sounding of cirrus cloud optical depths and ice crystal sizes from AVHRR data:Verification using FIRE Ⅱ IFO measurements. J Atmos Sci, 1995, 52, (23): 4143–4158. DOI:10.1175/1520-0469(1995)052<4143:RSOCCO>2.0.CO;2 |
| [23] | Nakajima T Y, Nakajma T. Wide-area determination of cloud microphysical properties from NOAA AVHRR measurements for FIRE and ASTEX Regions. J Atmos Sci, 1995, 52, (23): 4043–4059. DOI:10.1175/1520-0469(1995)052<4043:WADOCM>2.0.CO;2 |
| [24] | Ackerman S A, Moeller C C, Strabala K I, et al. Retrieval of effective microphysical properties of clouds:A wave cloud case study. Geophys Res Lett, 1998, 25, (8): 1121. DOI:10.1029/98GL00042 |
| [25] | Baum B A, Yang P, Nasiri S, et al. Bulk scattering properties for the remote sensing of ice clouds.Part Ⅲ:High-resolution spectral models from 100 to 3250 cm-1. J Appl Meteorol Climatol, 2007, 46, (4): 423–434. DOI:10.1175/JAM2473.1 |
| [26] | Baum B A, Yang P, Heymsfield A J, et al. Bulk scattering properties for the remote sensing of ice clouds.Part Ⅱ:Narrowband models. J Appl Meteorol, 2005, 44, (12): 1896–1911. DOI:10.1175/JAM2309.1 |
| [27] | Baum B A, Heymsfield A J, Yang P, et al. Bulk scattering properties for the remote sensing of ice clouds.Part Ⅰ:Microphysical data and models. J Appl Meteorol, 2005, 44, (12): 1885–1895. DOI:10.1175/JAM2308.1 |
| [28] | Ou S C, Liou K N, Caudill T R. Remote sounding of multilayer cirrus cloud systems using AVHRR data collected during FIRE-Ⅱ-IFO. J Appl Meteorol, 1998, 37, (3): 241–254. DOI:10.1175/1520-0450-37.3.241 |
| [29] | Kawamoto K, Nakajima T. A global determination of cloud microphysics with AVHRR remote sensing. J Climate, 2001, 14, (9): 2054–2068. DOI:10.1175/1520-0442(2001)014<2054:AGDOCM>2.0.CO;2 |
| [30] | 赵凤生, 丁强, 孙同明, 等. 利用NOAA-AVHRR观测数据反演云辐射特性的一种迭代方法. 气象学报, 2002, 60, (5): 594–601. DOI:10.11676/qxxb2002.070 |
| [31] | Liu Jian, Dong Chaohua. Using satellite data to analyze properties of cloud particles size on the top of cloud. J Infrared Millim Waves, 2002, 21, (2): 4–8. |
| [32] | Liu Jian, Zhu Yuanjing, Zhao Bolin, et al. Appl ication study on detecting multilayer cloud's properties by satellite data. J Infrared Millim Waves, 2004, 23, (6): 408–412. |
| [33] | 刘健. FY-2云检测中动态阈值提取技术改进方法研究. 红外与毫米波学报, 2010, 29, (4): 288–292. |
| [34] | 傅云飞. 利用卫星双光谱反射率算法反演的云参数及其应用. 气象学报, 2014, 72, (5): 1039–1053. DOI:10.11676/qxxb2014.087 |
| [35] | McClain E P, Pichel W G, Walton C C, et al. Multi-channel improvements to satellite-derived global sea surface temperatures. Adv Space Res, 1982, 2, (6): 43–47. |
| [36] | McClain E P, Pichel W G, Walton C C. Comparative performance of AVHRR-based multichannel sea surface temperatures. J Geophys Res Ocean, 1985, 90, (C6): 11587–11601. DOI:10.1029/JC090iC06p11587 |
| [37] | Walton C C. Nonlinear multichannel algorithms for estimating sea surface temperature with AVHRR satellite sata. J Appl Meteorol, 1988, 27, (2): 115–124. DOI:10.1175/1520-0450(1988)027<0115:NMAFES>2.0.CO;2 |
| [38] | Walton C C, Pichel W G, Sapper J F, et al. The development and operational application of nonlinear algorithms for the measurement of sea surface temperatures with the NOAA polar-orbiting environmental satellites. J Geophys Res, 1998, 103, (C12): 27999. DOI:10.1029/98JC02370 |
| [39] | Kilpatrick K A, Podestá G P, Evans R. Overview of the NOAA/NASA advanced very high resolution radiometer pathfinder algorithm for sea surface temperature and associated matchup database. J Geophys Res, 2001, 106, (C5): 9179. DOI:10.1029/1999JC000065 |
| [40] | Geogdzhayev I V, Mishchenko M I, Rossow W B, et al. Global two-channel AVHRR retrievals of aerosol properties over the ocean for the period of NOAA-9 observations and preliminary retrievals using NOAA-7 and NOAA-11 data. J Atmos Sci, 2002, 59, (3): 262–278. DOI:10.1175/1520-0469(2002)059<0262:GTCARO>2.0.CO;2 |
| [41] | Mishchenko M I, Geogdzhayev I V, Liu L, et al. Aerosol retrievals from AVHRR radiances:Effects of particle nonsphericity and absorption and an updated long-term global climatology of aerosol properties. J Quant Spectrosc Radiat Transf, 2003, 79-80: 953–972. DOI:10.1016/S0022-4073(02)00331-X |
| [42] | Mishchenko M I, Liu L, Geogdzhayev I V, et al. Aerosol retrievals from channel-1 and-2 AVHRR radiances:Long-term trends updated and revisited. J Quant Spectrosc Radiat Transf, 2012, 113, (15): 1974–1980. DOI:10.1016/j.jqsrt.2012.05.006 |
| [43] | Dong C, Yang J, Zhang W, et al. An overview of new Chinese weather satellite FY-3A. Bull Am Meteorol Soc, 2009, 90, (10): 1531–1544. DOI:10.1175/2009BAMS2798.1 |
| [44] | Gao C, Zhao Y, Li C, et al. An investigation of a novel cross-calibration method of FY-3C/VIRR against NPP/VIIRS in the Dunhuang test site. Remote Sensing, 2016, 8, (1): 77–98. |
| [45] | Xu N, Chen L, Hu X, et al. Assessment and correction of on-orbit radiometric calibration for FY-3 VIRR thermal infrared channels. Remote Sens, 2014, 6, (4): 2884–2897. DOI:10.3390/rs6042884 |
| [46] | Yu F, Wu X. An integrated method to improve the GOES Imager visible radiometric calibration accuracy. Remote Sens Environ, 2015, 164: 103–113. DOI:10.1016/j.rse.2015.04.003 |
| [47] | Wang L, Cao C, Goldberg M. Intercalibration of GOES-11 and GOES-12 water vapor channels with MetOp IASI hyperspectral measurements. J Atmos Ocean Technol, 2009, 26, (9): 1843–1855. DOI:10.1175/2009JTECHA1233.1 |
| [48] | Meng Z, Zhang Y. On the squall lines preceding landfalling tropical cyclones in China. Mon Wea Rev, 2012, 140: 445–470. DOI:10.1175/MWR-D-10-05080.1 |
| [49] | Mecikalski J R, Bedka K M. Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime GOES imagery. Mon Wea Rev, 2006, 134: 49–78. DOI:10.1175/MWR3062.1 |
| [50] | Mecikalski J R, Bedka K M, Paech S J, et al. A statistical evaluation of GOES cloud-top properties for nowcasting convective initiation. Mon Wea Rev, 2008, 136: 4899–4914. DOI:10.1175/2008MWR2352.1 |
| [51] | 刘健, 蒋建莹. FY-2C高时间分辨率扫描数据在强对流云团监测中的应用研究. 大气科学, 2013, 37, (4): 873–880. DOI:10.3878/j.issn.1006-9895.2012.12062 |
| [52] | Yang X, Fei J, Huang X, et al. Characteristics of mesoscale convective systems over China and its vicinity using geostationary satellite FY2. J Clim, 2015, 28, (12): 4890–4907. DOI:10.1175/JCLI-D-14-00491.1 |
| [53] | Xiong X, Sun J, Xie X, et al. On-orbit calibration and performance of Aqua MODIS reflective solar bands. IEEE Trans Geosci Remote Sens, 2010, 48, (1): 535–546. DOI:10.1109/TGRS.2009.2024307 |
| [54] | Xiong X, Chiang K, Sun J, et al. NASA EOS Terra and Aqua MODIS on-orbit performance. Adv Space Res, 2009, 43, (3): 413–422. DOI:10.1016/j.asr.2008.04.008 |
| [55] | Xiong X, Wu A, Cao C. On-orbit calibration and inter-comparison of Terra and Aqua MODIS surface temperature spectral bands. Int J Remote Sens, 2008, 29, (17-18): 5347–5359. DOI:10.1080/01431160802036300 |
| [56] | Maccherone B.MODIS Web. http://modis.gsfc.nasa.gov/data/dataprod, 2014. |
| [57] | Yang Z, Lu N, Shi J, et al. Overview of FY-3 payload and ground application system. IEEE Trans Geosci Remote Sens, 2012, 50, (12): 4846–4853. DOI:10.1109/TGRS.2012.2197826 |
| [58] | Xu H, Xu N, Hu X. Inter-Calibration of Infrared Bands of FY-3C MERSI and VIRR Using Hyperspectral Sensor CrIS and IASI.Proc. SPIE 9264, Earth Observing Missions and Sensors:Development, Implementation, and Characterization Ⅲ, 92640B, 2014. |
| [59] | Uprety S, Cao C. Suomi NPP VIIRS reflective solar band on-orbit radiometric stability and accuracy assessment using desert and Antarctica Dome C sites. Remote Sens Environ, 2015, 166: 106–115. DOI:10.1016/j.rse.2015.05.021 |
| [60] | Cao C, Xiong J, Blonski S, et al. Suomi NPP VIIRS sensor data record verification, validation, and long-term performance monitoring. J Geophys Res Atmos, 2013, 118, (20): 11664–11678. DOI:10.1002/2013JD020418 |
| [61] | Okuyama A, Andou A, Date K, et al. Preliminary validation of Himawari-8/AHI navigation and calibration. SPIE, 2015, 9607: 96072E. |
| [62] | Da C. Preliminary assessment of the advanced Himawari imager (AHI) measurement onboard Himawari-8 geostationary satellite. Remote Sens Lett, 2015, 6, (8): 637–646. DOI:10.1080/2150704X.2015.1066522 |
| [63] | Manolis I, Grabarnik S, Caron J, et al. The MetOp Second generation 3MI Instrument. Proc SPIE, 2013, 5: 88890J. |
| [64] | Nazionale C, Aeronautica C, Pratica V, et al.METOP-SG 3MI (Multi-viewing Multi-channel Multi-polarization Imaging), a Powerful Observing Mission for Future Operational Applications.Daniele BIRON.EUMETSAT Meteorological Satellite Conference, Vienna, 2013. |