应用气象学报  2003, 14 (1): 8-16   PDF    
引用本文
谷松岩, 邱红, 冉茂农, 张文建. 用星载先进微波探测器（AMSU）资料开展区域地表洪涝分类监测[J]. 应用气象学报, 2003, 14(1): 8-16.
Gu Songyan, Qiu Hong, Ran Maonong, Zhang Wenjian. Flood Detection and Monitoring by Use of AMSU-A Microwave Data[J]. Journal of Applied Meteorological Science, 2003, 14(1): 8-16  
用星载先进微波探测器（AMSU）资料开展区域地表洪涝分类监测
谷松岩1, 邱红1, 冉茂农1, 张文建1     
1. 国家卫星气象中心，北京 100081;
2. 北京大学物理学院，北京 100871
2001-11-28 收到, 2001-12-27 收到修改稿.
资助项目: 本文由国家重点基础研究项目(G1998040909)资助    
摘要: 以微波辐射传输模式为基础，正演模拟分析星载先进微波探测器（AMSU）窗区通道微波亮温对地表洪涝信息的敏感性，结果表明中心频点分别为31.4、50.3和89.0 GHz的AMSU窗区通道2、3和15的微波亮温对地表洪涝特征敏感；以正演模拟计算结果为基础，选择对地表洪涝特征敏感的AMSU窗区通道为因子，组合形成AMSU洪涝指数AFI(AMSU Flooding Index)，进行地表洪涝区分类研究；地表洪涝分类结果与经机-地校验过的机载合成孔径雷达L-SAR资料分析结果进行对比分析，分类正确率可达73%。短时监测试验结果表明，应用美国第5代极轨业务环境卫星上装载的先进微波探测器（AMSU）微波资料可以在准全天候条件下，实现区域地表洪涝区分类实时监测，有效弥补红外和可见波段洪涝遥感探测技术在云天条件下无法实施的缺陷。
关键词: 先进微波探测器    洪涝指数    分类监测    
Flood Detection and Monitoring by Use of AMSU-A Microwave Data
Gu Songyan1, Qiu Hong1, Ran Maonong1, Zhang Wenjian1     
1. National Satellite Meteorological Center , CMA Beijing 100081;
2. Pek ing University , Beijing 100871
Abstract: The Advanced Microwave Sounding Unit-A (AMSU-A) is a new advanced generation microwave-sounding unit, and has great potential in land characteristic analysis, especially on flood detection and monitoring. The wetness index analysis method of flood detection and monitoring by using AMSU-A microwave data was tested over Boyang and Tongting lake areas in China during the 1998 summer. To accomplish this, the characteristics of microwave radiance transfer about AMSU-A channels are analyzed first and the result indicates that the window channels of AMUS-A can give more information about the surface flooding. Then a set of wetness indexed by combining three channels out of four AMSU-A window channels (ch1, ch2, ch3, & ch15) is developed. Thereafter the best wetness index which is sensitive to the land surface wetness changes is chosen to conduct the detection and monitoring, and the flooding area is classified into four situations: flooding, mudding, over wet, and back ground dry area. In the Cal/Val Test, and the data from China L-SAR aboard on the plane and Canadian Radar-SAR aboard on the Radarsat are used, the Cal/Val results is up to 73%. The future work will focus on the possible improvements in the algorithm and extend testing of the algorithm to other regions.
Key words: New-type of microwave sounding data     Surface wetness index     Flood area classification    
引言

AMSU是从美国第5代极轨业务环境卫星的第一颗星NOAA-15开始装载的星载先进微波探测器, 由ASMU-A和AMSU-B两部分组成。其中AMSU-A包括频率分布从23.8 GHz到89.0 GHz的15个微波探测通道, 可同时用于地表和大气的参数反演。当地面洪涝区上空有云层覆盖时, 以往洪涝区分类监测中经常使用的可见光和近红外波段的遥感手段无法再用来获取地表信息, 微波遥感成为唯一可行的遥感途径。AMSU是我国目前唯一可以业务获取的星载被动微波探测资料, 开展AMSU资料的洪涝监测应用研究具有业务应用前景。美国科学家N.C.Grody等人[1]曾利用AMS U通道1、2和3的组合来分析地表环境参数的变化, 取得了很好的应用效果。本文针对地表洪涝监测开展AMSU辐射传输正演模拟计算, 根据模拟计算结果, 为了在非强降水区有效克服大气的影响, 选用通道2、3和15的新的组合方式, 形成对地表洪涝区分类特征比较敏感的AMSU洪涝指数AFI (AMSU Flooding Index)。利用这一洪涝指数, 可以有效地将地表洪涝区分类为洪涝淹没区、泥泞区、过湿区和背景干燥区。

1 分析方法

利用遥感手段获取地表下垫面的洪涝信息, 进行地表洪涝区分类研究, 并进而开展洪涝灾情评估, 一直是人们关注和期待的。受遥感仪器探测能力和遥感资料获取方式的制约, 全天候业务洪涝监测及评估问题, 始终没有得到解决。可以业务实时获取的AMSUA微波资料, 为云覆盖条件下地表洪涝区分类监测的业务实施提供了可能。微波遥感地表洪涝信息, 以主动方式最具优势, 但目前主动微波遥感资料的业务获取没有保障, 使得主动微波探测资料的业务应用受到限制。利用星载微波遥感资料 (SSM/ I) 开展被动微波遥感地表下垫面洪涝信息, 能有效提取地表洪涝区分类监测信息[2]。但SSM/I没有搭载在业务卫星上, 无法进行实时业务应用。我们工作的目的就是将SSM/I及其它被动微波探测地表洪涝信息的方法尝试应用于业务卫星NOAA-15及其后续星上的AMS U-A资料中, 弥补目前可见光和近红外洪涝业务监测技术在云天条件下无法探测的缺陷。

1.1 AMSU-A微波窗区通道对地表洪涝信息的敏感性分析

AMSU-A通道1为水汽吸收通道, 对近地层水汽比较敏感。通道2、3和15为窗区通道, 可以有效探测地表下垫面特征。其中通道15对大气中的强降水有散射效应。AMSU-A微波通道的亮温受地表和大气的双重影响, 对于权重函数比较低的窗区通道而言, 大气的影响相对较弱, 而来自地表的影响主要取决于地表的微波比辐射率, 进而与地表下垫面的介电常数直接相关。在微波波段影响介质介电常数的主要因素是下垫面介质中的含水量。当介质从纯水变化为理想的干物质时, 介电常数虚部会由80变化到5, 而地表微波比辐射率的变化范围会从0.5到0.95。不同的微波通道对地表洪涝特征的响应不尽相同, 地表洪涝特征在微波波段引起的下垫面的频散性成为扫频法微波地表探测的基础。利用扫频法从AMSU-A窗区通道数据中提取地表信息常用的方法有物理反演法和指数分析法。受AMSU-A空间分辨率的限制, 在地表洪涝信息提取时, 物理反演法很难克服亚像元组分不确定带来的影响。而利用多通道组合有效克服大气影响的指数分析法成为大范围地表洪涝信息提取, 地表洪涝监测的有效方法。N.C.Grody在他的地表水文产品中用AMSU-A通道1、2和3的组合来构成湿度指数, 取得了较好的应用效果[1]。但通道1位于水汽吸收线上, 水汽影响强烈, 给指数法的应用效果带来影响。重新选因子, 用新的通道组合方式来构成地表洪涝指数, 是我们开展AMSU-A洪涝监测应用研究的出发点。

AMSU-A的基本光谱特征如表 1所示。

利用AMSU-A窗区通道来分析地表洪涝区分类特性时, 如何描述地表下垫面的湿润状况, 是模拟分析的关键一步。对于45 km分辨率的AMS U-A像元来说, 很难保证像元中亚像元组分的唯一性, 更难保证各组分洪涝特征的一致性。AMSU-A一个像元的微波亮温, 反映了整个像元的综合遥感特性。将组分复杂、45 km分辨率的AMSU-A像元的地表遥感特征抽象为由绝对干燥的等效干地表和充分饱和的、积水覆盖的等效水体表面按等效水体面积百分比f的混合[2], 可以使问题大为简化。f值的大小并不等同于真实像元中实际水体所占的面积百分比, 而只是当真实像元与理想的由干土壤和水体组成的混合像元具有相同微波辐射特性时, 所应该具有的等效的水体面积百分比。极端情况下完全由干燥土壤组成的像元, f值为0;完全由水体覆盖的像元, f值为1。这样描述后, AMSU混合像元的地表微波比辐射率可简化表示为[2]:

表 1 AMSU-A微波通道的光谱特性

(1)

其中εws, εds和εw分别是像元等效微波比辐射率以及等效干地表和等效水体的微波比辐射率; f为等效水体面积百分比, 其含义为与组分不确定的、真实的AMSU-A像元的微波比辐射率相等的理想的由干土壤和湿土壤组成混合像元中, 等效水体所占的面积百分比。f值的引入为微波辐射传输的模拟计算带来方便, 但同时又引出如何在f值的概念下建立AMSU-A像元各组分真实微波比辐射率与像元等效微波比辐射率之间关系的新的问题。

假设AMS U-A像元由干土壤 (εds)、水体 (εw) 和比辐射率未知部分 (εx) 组成。其中比辐射率未知部分有可能是潮湿土壤、植被覆盖区等复杂下垫面。3部分占像元的面积百分比分别为a、b和c, a +b +c=1。按照等效水体面积百分比的概念和上面的式 (1), 我们有:

(2)

总存在一个等效的水体面积百分比f满足上式, 但同时也有同一等效水体面积百分比对应着不同的AMSU-A组分分布特征的情况, 后面一种情况会给洪涝分析结果带来误判。对AMSU-A进行亚像元分析, 可以提高洪涝监测分析结果的正确率。引入f值, 可以使微波正演和反演分析绕过像元组分未知、不确定这一难题。同时, 在后面确定分类阈值时, 也要用到f值来建立L-SAR不同分辨率资料间分类结果的相互关系。AMS U-A的优势在于它对一般的气溶胶、云和轻微降水等大气中悬浮物的穿透性上。当云雨的遮蔽使红外和可见通道的探测结果无法应用时, AMS U-A资料的应用可以有效弥补这些不足。

AMSU-A各微波通道的微波亮温对f值变化的响应各不相同, 图 1是AMS U-A正演模式模拟计算的结果。正演辐射传输模式选用气压层光学厚度模式 (PLOD), 从0.1到1050 hPa间, 等压面分为42层。大气廓线选用1976年版美国标准大气廓线[3]。

图 1. AMSU-A通道亮温对等效水体面积百分比的响应分析 (曲线1、2、3、… …、9分别对应着水体面积百分比f值0.1、0.2、0.3、… …、0.9)

AMSU-A窗区通道2和3受大气的影响很小, 权重函数峰值高度比较低, 通道的主要信息来自地面。从图 1中可以看到, 当像元水体面积百分比f值从0.1变化到0.9时, 窗区通道微波亮温的变化量可高达100 K。而对于以氧气为主要吸收气体的非窗区通道 (AMS U-A通道4~14), 通道微波亮温的变化量很小, 尤其是对于部分大气温度探测通道 (AMS U-A通道7~14), 当反映地表洪涝状况的像元等效水体面积百分比f值从0.1变化到0.9时, 通道微波亮温几乎不变。非窗区通道对地表特征变化不敏感的根本原因是这些通道的权重函数峰值位置比较高, 通道的主要信息来自地表以上大气的不同层次。上述的模拟分析都是在晴空大气条件下进行的, 此时对强降水敏感的AMSU-A通道15具有与通道2和3相同的特性。当反映像元地表洪涝特征的f值从小逐渐变大时, AMSU-A通道2、3和15的亮温值正相关, 单调递增。这一分析结果为AMSU-A洪涝指数的因子选取, 提供了依据。

1.2 AMSU-A洪涝指数及其特性的模拟分析

上面单通道地表特征敏感性分析表明, AMS U-A通道2、3和15(中心频率分别为31.4 GHz、50.3 GHz和89.0 GHz) 的通道亮温都与地表洪涝特征正相关。定义通道2、3和15通道亮温的线性组合为AMSU-A洪涝指数 (AFI), 以IAFI记之。表达式如下:

(3)

其中系数β可以利用AMSU-A正演模拟分析得到, 计算结果β为2.3182。正演模拟分析时, 利用已知的大气廓线库 (包含1000多条陆地区域大气廓线) 资料计算AMS U-A各通道亮温, 进一步可得到通道3与通道2以及通道15与通道3之间的通道亮温差。利用最小二乘法得到两组通道亮温差之间的线性拟合曲线。此时, 两组通道亮温差之间的相关系数约为0.8913。得到AMSU-A洪涝指数 (AFI) 与AMSU-A通道亮温差之间的关系后, 继续通过正演模拟分析的方法, 从水体面积百分比f出发, 计算得到陆表微波比辐射率[4], 经大气辐射传输计算, 得到AMSU-A各通道亮温。利用前面得到的洪涝指数 (AFI) 与通道亮温差之间的关系, 计算得到洪涝指数 (AFI) 值。进而可得到等效水体面积百分比f与AFI的相互关系。从图 2中可以看到等效水体面积百分比f与AMSU-A洪涝指数 (AFI) 在整个f变化域中并不单调对应。与AMSU-A通道2亮温组合, 当通道2亮温小于某一阈值 (例如小于140 K) 时, AFI与等效水体面积百分比f的对应关系为单调递减; 通道2亮温高于这一阈值时, 对应关系为单调递增。水体面积百分比f在一定程度上反映了地表的干湿状况, 上面的模拟分析结果表明, 当地表比较干, f值小于0.6时 (相应的通道2亮温大于140 K), 随着像元水体面积百分比的增加, 洪涝指数 (AFI) 增加。当地表比较湿, f值大于0.6时 (相应的通道2亮温小于140 K), 随着像元水体面积百分比的增加, 洪涝指数 (AFI) 反而减小。实际应用中, 结合通道2亮温值, 可以合理确定洪涝指数 (AFI) 随水体面积百分比 (f) 变化的拐点, 以便更好地分析地表的洪涝状况。

图 2. 洪涝指数和通道2亮温随水体面积百分比的变化曲线

2 AMSU-A地表洪涝区分类试验 2.1 资料说明

AMSU-A资料AMS U微波通道具有成像和探测双重功能, 主要用来反演大气温度和湿度的垂直分布廓线。其中AMSU-A窗区通道的地表遥感应用正逐步为人们所认知。1998年长江流域发生了特大洪灾, 地表洪涝区分类特征研究从AMSU-A预处理后生成的业务数据集L1C数据做起。AMSU-A的L1C数据已经经过定标转换及格式变换, 成为亮温数据。分析数据选取7月底到8月底期间鄱阳湖和洞庭湖流域有降水过程时的资料。7月底和8月初两次强降水过程之后, 收集NOAA-15过境时的AMS U-A观测资料, 得到7月31日和8月3日、4日及8月23日和8月24日的轨道资料, 用于地表洪涝区分类特征研究。

L-SAR资料L-SAR为国产机载合成孔径雷达。1998年8月2日至3日长江第3次洪峰过境时, 搭载在中国科学院遥感应用研究所“奖状”飞机上的L-SAR雷达系统从空中获取到鄱阳湖和洞庭湖流域的SAR图像资料, 图像原始分辨率为3 m ×3 m。在本文的应用研究中, 使用根据L-SAR资料制作的、经机-地校验过的洪涝淹没分布图[5], 用来做地表洪涝区分类结果的精度检验。使用时, 对L-SAR资料进行了图像重投影和资料重采样等处理, 将L-SA R资料匹配到AMSU-A资料像元网格上。共收集到7月31日、8月2日、8月3日和8月25日等时段的L-SAR雷达地表洪涝区分类结果资料。

NOAA-15 AVHRR资料文中用到的AVHRR资料为1998年洪水期间经星-地校验过的AVHRR水情监测图[5]。共收集到可用资料8景。其中鄱阳湖4景、洞庭湖4景, 时间为1998年7月31日、8月3日、8月4日和8月23日。

2.2 AMSU-A地表洪涝区分类阈值方案

分类阈值是通过与L-SAR观测分类结果的对比分析得到的。对比分析时, 首先将LSAR分类结果粗化到与AMSU-A相当的空间分辨率。在L-SAR地表洪涝区分类结果资料中, 地表洪涝区被分类为正常水域, 被淹农田, 被淹居民区, 被淹林地、草地, 及未淹地表。实际上, 我们得到的L-SA R地表洪涝区分类结果资料中只含有两类像元:水体 (被淹像元) 和非水体 (未被淹像元)。在将L-SAR地表洪涝区分类结果资料粗化到AMSU-A分辨率的过程中, 像元中水体和非水体的比例发生很大变化。粗化的第一步是将L-SAR的分类结果粗化到NOAA-15的AVHRR资料的分辨率 (以L-SAR*标记), 并与同时刻星-地校验过的AVHRR资料的分类结果进行对比分析。此时, 1个L-SAR*像元相当于33×33个原始L-SAR像元。当一个L-SAR*像元中原始资料中水体像元个数占到像元总个数 (33 ×33) 的70 %时, L-SAR*标识出的水体覆盖区域与AVHRR的监测分类结果吻合得最好, 相关系数达到98.4 %。所以规定L-SAR*资料中水体判识的阈值为70 %。根据L-SAR*像元中原始水体像元个数比进一步可划分出过湿区、泥泞区, 与之相对应的水体像元个数比分别为60 %和40 %。当L-SA R*像元的原始水体像元所占个数低于20 %时, 定义为干区。在此基础上继续粗化L-SAR*资料, 得到与AMSU-A分辨率相当的地表洪涝区分类结果资料, 以L-SAR**记之。此时, L-SAR**资料被分为4层:水体淹没区、泥泞区、湿区和干区。

以1998年8月4日的AMSU-A、AVHRR资料和1998年8月3日的LSAR资料为分析样本, 经相关分析得到AMSU-A洪涝指数AFI的分类阈值。此时, AMSU-A洪涝指数AFI的分类结果与L-SAR**的分类结果相关系数最大。双参数组合的分类阈值如表 2所示。

表 2 双参数分类阈值表

2.3 地表洪涝区分类结果分析

根据上面的分类阈值, 对1998年7月31日、8月4日和8月24日的AMSU-A资料进行地表洪涝区分类, 结果如图 3所示。从图 3的分类结果可以看出, 尽管AMS U-A的空间分辨率在地表洪涝监测中不占有优势, 但微波通道的准全天候特性, 尤其是对非强降水的云区而言, 其可探测性独具优势。有效弥补了可见光和红外探测技术对云区覆盖地表探测的盲区。AMS U-A窗区通道多通道组合, 清晰分类出洪涝淹没区、泥泞区、湿区和背景干燥区。

图 3. 洪涝监测分类结果图 (图中白色陆地区域中的黑色为水体, 包括正常水体和洪涝淹没区; 深灰色为泥泞区; 浅灰色为湿区; 白色为正常干区; 其它的黑色为卫星轨道未覆盖区域、海域和强降水区)

经与独立样本7月31日、8月2日和8月25日机载合成孔径雷达L-SAR**资料的对比分析, 正确率可达73 %。正确率按如下算式计算:

(4)

其中Ff为L-SAR**和AMSU-A的分类结果均为洪涝区的像元数; Mm为L-SAR**和AMSU-A的分类结果均为泥泞区的像元数; Ww为L-SAR**和AMSU-A的分类结果均为过湿区的像元数; B b为L-SAR**和AMS U-A的分类结果均为背景干燥区的像元数; S s为分析样本总个数; X为所有两种资料分类结果一致的像元总数。正确率=(23 +6 +2 +13) /60=73 %。分类结果正确率如表 3所示。

表 3 分析结果正确率检验

3 结论

通过AMSU-A的正演模拟分析及地表洪涝状况的实际分类监测, 得到如下几点主要结论:

(1) AMSU-A窗区通道对地表洪涝特征敏感;

(2) 多通道组合可以有效减小大气对AMSU-A窗区通道的影响, 提高AMS U-A窗区通道对地表洪涝特征的探测能力;

(3) 利用AMSU-A多通道组合分类监测方法, 可以将地表洪涝区有效分类为洪涝淹没区、泥泞区、过湿区和背景干燥区;

(4) AMSU-A微波资料对地表洪涝区的分类监测可以有效弥补洪涝区上空有云层覆盖, 可见光和红外等遥感手段无法使用时, 现有监测手段的不足;

(5) 强降水对AMS U-A通道有很强的影响, 使得AMSU-A资料的地表洪涝区分类监测应用受到限制。

本项应用研究试验为利用AMSU-A窗区通道多通道组合技术开展准全天候区域地表洪涝分类监测提供了示范。

参考文献
[1] Grody N C,Weng F, Ferraro F. Application of AMSU for obtaining hydrological parameters. 6th Microwave Specialists Meeting, Florence, Italy, March, 1999.
[2] Basist A, Grody N C, Peterson C N. Using the special sensor microwave sensor microwave/image to monitor land surface temperature, and snow cover. J. Appl. Meteor., 1998, 37: 889～911.
[3] Jun Li, Wolf W W, Menzel P. Global soundings of the atmosphere from ATOVS measurements: The algorithm and validation. J. Appl. Meteor., 2000, 39: 1248～1268.
[4] Jones A S, Vonder Harr T H. Retrieval of microwave surface emittance over land using coincident microwave and infrared satellite measurement. J. Geophy. R., 1997, 102, D12: 13609～13626.
[5] 国家遥感中心编. 中国特大洪灾遥感图集. 北京: 北京大学出版社,1999. 14～20,48～56.