注册 登录 English Version
平台载荷 | 浏览量 : 922 下载量: 751 CSCD: 1 更多指标
  • 导出

  • 分享

  • 收藏

  • 专辑

    • 高光谱红外传感器在轨光谱定标

    • Research on on-orbit spectral calibration method of hyperspectral infrared sensor

    • 马晨阳

      12

      钱永刚

      1

      李坤

      1

      王宁

      1

      马灵玲

      1

      邱实

      1

      高彩霞

      1

      李传荣

      1
    • 2021年25卷第8期 页码:1618-1632   

      纸质出版日期: 2021-08-07

    • DOI: 10.11834/jrs.20211282     

    扫 描 看 全 文

  • 引用

    阅读全文PDF

  • 马晨阳,钱永刚,李坤,王宁,马灵玲,邱实,高彩霞,李传荣.2021.高光谱红外传感器在轨光谱定标.遥感学报,25(8): 1618-1632 DOI: 10.11834/jrs.20211282.
    Ma C Y,Qian Y G,Li K,Wang N,Ma L L,Qiu S,Gao C X and Li C R. 2021. Research on on-orbit spectral calibration method of hyperspectral infrared sensor. National Remote Sensing Bulletin, 25(8):1618-1632 DOI: 10.11834/jrs.20211282.
  •  
  •  
    论文导航

    摘要

    高光谱红外传感器高精度在轨光谱定标是红外遥感定量反演及应用的重要前提。本文针对大气红外探测仪AIRS(Atmospheric Infrared Sounder)的观测数据,分析传感器等效入瞳亮温与大气透过率光谱中的吸收线特征,基于NODD和包络线去除的光谱归一化处理,融合多种光谱匹配算法构建非线性代价函数,提出了一种无需地表实测数据支持的高光谱红外传感器光谱定标方法。与JPL官方定标结果相比,中心频率定标精度优于0.0154 cm-1,中心频率及半峰全宽的偏移量分别在±0.02 cm-1及±0.1 cm-1以内,相对偏移量分别在0.2%—1.9%与0.5%—12.0%。最后,本文详细分析了大气上行辐射、下垫面类型及空间采样点数量对定标算法的影响。

    Abstract

    During the entire operating life of a spaceborne sensor, the sensor’s spectral capability would be affected by optical device displacement, mechanical vibration, space environmental rays, etc. As a means to determine the spectral performance parameters of infrared hyperspectral sensors, high precision on-orbit spectral calibration is an essential prerequisite for quantitative remote sensing retrieval and application. Therefore, a fast and efficient spectral calibration method for hyperspectral mid-infrared and thermal infrared sensors needs to be constructed.

    In this paper, we established a spectral calibration method to retrieve the array centroid and Full Width at Half Maximum (FWHM) simultaneously in the absence of surface measurements. The method is mainly based on the atmospheric absorption line’s characteristics of the on-orbit effective brightness temperature (without the influence of atmospheric upward radiance) and the atmospheric transmittance spectrum, meanwhile, the spectral performance parameters were calibrated using a cost function composed of multiple spectrum matching algorithms. Before spectrum matching, it is necessary to perform Normalized Optical Depth Derivative (NODD) and continuum removal on the spectrum data.

    The Atmospheric Infrared Sounder (AIRS) spectral calibration results shown that the calibration accuracy of centroid frequency is better than 0.0154 cm-1, besides, the shift of centroid and FWHM are within ±0.02 cm-1 and ±0.1 cm-1, respectively. In other words, the centroid frequency and FWHM fluctuate within the 0.2%—1.9% and 0.5%—12.0% mean value of an array declared FWHM.

    This study demonstrated the utility of this method which can determine the mid-infrared and thermal infrared array spectral status change with high accuracy and stability. At the same time, we analyzed the sensitivity of this calibration method to atmospheric upward radiance, surface type, and the number of sampling points. The results confirmed that the influence of surface types on calibration accuracy is tolerable. Moreover, when the upward atmospheric radiance is accurately eliminated and the number of spatial sampling points is greater than 20, the spectral calibration result is reliable.

    关键词

    光谱定标; 中心频率; FWHM; 光谱匹配; 逐步精化; AIRS

    Keywords

    spectral calibration; centroid frequency; FWHM; spectral matching; stepwise refinement; AIRS

    1 引言

    星载高光谱红外传感器可以获取大气及地物精细的热辐射光谱信息。近年来,随着卫星探测技术的不断发展,高光谱红外遥感在地表/大气参量反演、风场测量、气象预报、灾害监测等方面发挥着独特的作用(

    Aumann等,2004;Fourri’e等,2003;Kodaz等,2009程洁 等,2007朱金顺 等,2021)。具有代表性的高光谱红外传感器主要有大气红外探测仪AIRS(Atmospheric Infrared Sounder)、红外大气探测干涉仪IASI(Infrared Atmospheric Sounding Interferometer)、跨轨红外探测仪CrIS(Cross-track Infrared Sounder)及风云四号所搭载的干涉式大气垂直探测仪GIIRS(Geostationary Interferometric Infrared Sounder)等(Le Marshall等,2006冯绚 等,2019吴骅 等,2021段四波 等,2021)。

    在星载传感器整个运行生命周期中,传感器光谱响应会受到光学器件位移、机械振动、太空环境射线、太阳光照射等影响发生性能衰减。高光谱传感器在轨光谱定标精度很大程度上影响着遥感反演产品的质量(

    高海亮 等,2014),因此,有必要对星载传感器生命周期内的光谱性能进行长期监测。星载传感器在轨光谱定标旨在动态监测其光谱响应参数并恢复其光谱性能。高光谱传感器光谱性能参数主要指各个通道/阵列的中心频率与半峰全宽FWHM(Full Width at Half Maxima),两者直接决定传感器光谱响应函数SRF(Spectral Response Function)的形状。

    目前,高光谱传感器在轨光谱定标方法主要分为星上标准灯光谱定标法和基于大气吸收特征的光谱匹配定标法。其中,星上标准灯光谱定标法需要卫星载荷配备相应的光谱定标设备,SBUS便是采用了此类方法(

    李占峰 等,2013)。基于大气吸收特征的光谱匹配定标方法也是目前最常用方法之一。例如,Green等(2003)利用地表同步测量数据模拟星上辐亮度光谱,并在氧气吸收带内进行模拟/星上辐亮度的光谱匹配,实现了对Hyperion的在轨光谱定标;Brazile等(2008)利用水汽、氧气等吸收谱段内的星上光谱与太阳夫朗禾费线进行光谱匹配,完成对CHRIS和GOME等传感器的光谱性能评价;Gao等(2004)通过表观反射率与包含光谱偏移信息的大气透过率之间的光谱匹配,实现了对高光谱传感器AVIRIS、PHILLS和Hyperion的在轨中心波长定标;Wang等(2010)基于Gao的研究,在表观反射率与大气透过率光谱匹配的过程中加入Powell优化算法,实现对Hyperion各通道中心波长与FWHM的同时反演;另外,针对于高光谱红外传感器,Blumstein等(2004)基于GEISA 2003光谱数据库模拟入瞳辐亮度,通过水汽、氧气及氨气吸收带内的模拟/星上入瞳辐亮度光谱匹配,实现对IASI分阵列光谱定标;Gaiser等(2003)在水汽、二氧化碳等吸收带内,利用传感器多星下点平均入瞳辐亮度与模拟辐亮度的光谱匹配,得到AIRS传感器中心频率的偏移量;CrIS发射入轨时间较晚,其在轨光谱定标手段相对完善,既可以使用星上标准氖灯进行实时的相对光谱定标,又可以通过星上/模拟辐亮度光谱匹配方法,或是使用IASI入瞳辐亮度的卷积光谱与CrIS星上辐亮度进行匹配,实现对CrIS中心频率的绝对定标(Strow等,2013)。

    综上所述,目前高光谱红外传感器光谱定标存在过分依赖于地表实测数据、需假设FWHM不变等缺点。本文针对业务化运行近20年的AIRS高光谱红外传感器进行在轨光谱性能动态评价,拟在无地表实测信息的情况下,利用入瞳亮度温度光谱特性及大气吸收谱线位置,采用逐步精化方法实现AIRS传感器在轨光谱定标。

    2 数据

    AIRS高光谱红外传感器搭载于Aqua卫星,于2002-05-04发射升空,光谱范围从中红外覆盖至热红外谱段:649.62—2665.24 cm-1,标称光谱分辨率为λ/Δλ=1200,星下点空间分辨率为13.5 km。本文采用经过地理配准与辐射定标的AIRS L1B辐亮度数据进行光谱定标研究。同时,为尽可能避免太阳辐射的影响,AIRS L1B数据的获取时刻应处于当地夜间。

    中分辨率成像光谱仪MODIS(Moderate-resolution Imaging Spectroradiometer)MYD35 L2云产品可提供有效的云覆盖及阴影信息,空间分辨率为250 m。由于AIRS提供的13.5 km云产品对混合像元中云特征的处理不完善,且其在中纬度复杂地形上存在较多的云检测误差(

    Tobin等,2006);又考虑到MODIS与AIRS搭载于同一平台,AIRS L1B与MYD35 L2数据具有较高的重叠率与时间吻合度,因此本文选用MYD35 L2用于辅助AIRS数据进行云判别。鉴于上述两种数据的空间分辨率差异,需要对MYD35 L2产品进行空间配准及升尺度处理,并将AIRS L1B中含云概率低于3%的像元视为无云像元。

    为获取大气透过率及大气上行辐射等数据,需要利用卫星过境时刻观测区上空的垂直大气廓线数据及辅助数据进行辐射传输的模拟。本文选取的是全球大气成分再分析廓线数据EAC4(ECMWF Atmospheric Composition Reanalysis 4),该数据中包含水汽、一氧化碳、臭氧和一氧化氮等多种痕量气体的混合比,廓线共有60层,空间分辨率为0.75°×0.75°,时间分辨率为3 h。同时,本文采用法国空间研究中心提供的自动大气吸收图谱辐射传输模型4A/OP(Operational Release for 4A [Automatized Atmospheric Absorption Atlas]Radiative Transfer Model)进行光谱数据模拟,其光谱分辨率最高可达5.10-4 cm-1,参数设置见表1

    表1  4A/OP参数设置
    Table 1  4A/OP input parameters
    参数名称参数设置
    计算模式 仪器响应函数卷积模式
    光谱分辨率/(cm-1 0.01
    地表发射率 1.0
    地表温度/K 300
    大气顶层压强/(hPa/km) 0.05
    大气底层压强/(hPa/km) 1013.25
    观测天顶角/方位角 AIRS L1B 数据角度信息
    光谱范围/(cm-1 630—2680
    大气廓线 EAC4廓线数据
    气体混合比计算 参照EAC4输入气体类型
    icon 下载:  导出CSV icon 下载:  下载表格图片

    3 理论方法

    3.1 热辐射传输理论

    在局地热平衡及地表为朗伯体的假设下,根据基尔霍夫定律(Kirchhoff’s law),中红外夜间及热红外辐射传输方程可以表示为

    B(Ti)=τi(εiB(Ts)+(1-εi)Ratmi)+Ratmi
    (1)

    式中,B(Ti)为入瞳辐亮度;Ti为入瞳亮温;B为普朗克函数;τi为由地表到传感器的大气总透过率;εi为地表发射率;Ts为地表温度;RatmiRatmi分别为上/下行大气自身发射的热辐射。

    3.2 光谱定标方法

    3.2.1 基本原理

    根据式(1),大气上行热辐射Ratmi本身是波长的函数,且独立于地表发射率、地表温度及大气透过率存在。在光谱定标过程中,传感器观测数据中所含有的大气上行辐射信息会无形增加大气透过率与入瞳亮温之间的非线性效应,影响定标结果(

    王天星 等,2010)。因此,本文光谱定标方法中需要去除大气上行辐射的影响。当大气上行辐射已知时,式(1)可作如下变换:

    B(T*i) = B(Ti)-Ratmi=τi(εiB(Ts)+(1-εi)Ratmi)
    (2)

    式中,T*i记为等效入瞳亮温;B(T*i) 为等效入瞳辐亮度。此处可以将等效入瞳辐亮度视为大气透过率与离地辐亮度(εiB(Ts)+(1-εi)Ratmi)的乘积。根据图1,当地表温度为300 K且无太阳辐射影响时,在中热红外谱段上,离地辐亮度光谱远比大气透过率光滑,因此等效入瞳辐亮度中的竖线状光谱特征主要来自于大气的吸收效应,根据该思想,等效入瞳辐亮度光谱中吸收线的位置应与大气透过率保持一致。同时,通过对比图1图2,等效入瞳亮温光谱相较于等效入瞳辐亮度来讲更接近大气透过率光谱的形状,因此可以通过等效入瞳亮温与大气透过率光谱匹配的方式确定传感器的光谱性能变化,这为光谱定标提供了新思路。

    为了由模拟数据计算得到通道等效的大气透过率及大气上行辐射,需要利用各个通道的SRF将4A/OP模拟的高光谱数据进行光谱卷积,公式如下(

    Green,1998):

    Li=υmaxυminSi(v,vc,Δυc,υFWHM,ΔυFWHM)L(υ)dυυmaxυminSi(υ,υc,Δυc,υFWHM,ΔυFWHM)dυ
    (3)

    式中,Li为通道等效光谱数据;SivvcΔvcvFWHMΔvFWHM)为通道i的高斯型光谱响应函数,vcΔυc分别对应中心频率标称值及中心频率偏移量,υFWHMΔυFWHM分别为FWHM标称值及FWHM偏移量;Lv)为模拟的高光谱数据。

    fig

    图1  大气透过率、等效入瞳辐亮度与离地辐亮度

    Fig.1  The contrast of atmospheric transmittance, effective radiance and surface radiance

    icon 下载:  原图 | 高精图 | 低精图
    fig

    图2  大气透过率与等效入瞳亮温

    Fig.2  The contrast between atmospheric transmittance and effective brightness temperature

    icon 下载:  原图 | 高精图 | 低精图

    3.2.2 基于NODD和包络线去除的光谱归一化

    在两条光谱曲线极为相似且单位不一致的情况下,难以通过简单计算的方式直接提取两光谱的共性特征,因此在光谱匹配前,需要对等效入瞳亮温光谱及大气透过率光谱分别进行归一化光学厚度微分NODD(Normalized Optical Depth Derivative)及包络线去除处理(

    Gao等,2004),以突出大气吸收的线状特征,并保证处理后的光谱具有相同的数量级与变化趋势。

    NODD方法首先对光谱数据取自然对数;再计算相邻数据点之间的差值,生成衍生光谱;其次将衍生光谱减去其均值,去除地表特性影响;最后对光谱进行归一化处理。包络线去除法首先将极值中的最大值点作为端点,计算其与剩余极值点的斜率;然后将斜率绝对值的最小值点视为新端点迭代计算斜率,直至最后一个极值点;再连接所有端点形成包络线,并完成对包络线的归一化处理。

    fig

    图3  光谱定标技术路线

    Fig.3  Technical route of spectral calibration in this paper

    icon 下载:  原图 | 高精图 | 低精图

    图4图5分别展示了当AIRS传感器某热红外阵列无光谱偏移时,经过NODD与包络线去除后的等效入瞳亮温及大气透过率光谱,可见两光谱重叠度极高,再次印证了基于吸收线特征,通过两光谱的匹配计算确定中热红外传感器光谱性能参数的方案是可行的。

    3.2.3 光谱匹配

    本文所采用的光谱匹配算法主要有光谱夹角法、光谱欧式距离法和相关系数法(

    Neville等,2003Guanter等,2006),公式如下:

    fSA=2πcos-1(Ni=1LiRiNi=1L2iNi=1R2i)
    (4)
    fD=1NNi=1(Li-Ri)2
    (5)
    fCC=Ni=1(Li-ˉL)(Ri-ˉR)2Ni=1(Li-ˉL)2Ni=1(Ri-ˉR)2
    (6)

    式中,fSAfDfCC分别为两光谱间的光谱夹角、欧式距离及相关系数;N为待定标通道的数量;LiRi分别代表等效入瞳亮温光谱与大气透过率光谱;ˉLˉR分别为两光谱的平均值。等效入瞳亮温及大气透过率光谱中的吸收线状特征越相似,两光谱间的光谱夹角与欧式距离就越小,相关系数则越大。

    3.2.4 代价函数构建

    围绕上述光谱特征提取方法与光谱匹配算法,本文构建了一个非线性代价函数作为判据条件,判断等效入瞳亮温光谱与大气透过率光谱是否完全重合,并以此确定传感器的光谱性能参数。代价函数具体形式如下:

    fcost=(fSAER+fSANODD)+(fDER+fDNODD)fCCER+fCCNODD
    (7)

    式中,fcost为代价函数;fSAERfDERfCCER分别为经过包络线去除后等效入瞳亮温及大气透过率的光谱夹角、欧氏距离与相关系数;fSANODDfDNODDfCCNODD分别为经过NODD处理后两光谱的光谱夹角、欧式距离及相关系数。

    fig

    图4  经过NODD处理后的光谱

    Fig.4  The spectrum reshaped by NODD method

    icon 下载:  原图 | 高精图 | 低精图
    fig

    图5  经过包络线去除后的光谱

    Fig.5  The spectrum reshaped by continuum removal method

    icon 下载:  原图 | 高精图 | 低精图

    当代价函数fcost出现局部极小值,或是代价函数二阶导数大于其均值与其方差的和(根据高斯概率分布,确定fcost斜率剧烈变化处的坐标点)时,可认为满足等效入瞳亮温光谱与大气透过率光谱完全重合的要求,并将对应的中心频率及FWHM的偏移量作为光谱定标结果。

    3.2.5 逐步精化迭代求解光谱性能参数

    本文基于构建的代价函数,采用逐步精化方法实现对中心频率与FWHM偏移量的优化:(1)中心频率偏移量初判,以0.05 cm-1为步长由0向正负两极不断调整通道中心频率Δυc,FWHM偏移量ΔυFWHM不作改变,当fcost满足3.2.4中光谱重合条件时,将对应的中心频率偏移量Δυ0c作为初步结果;(2)FWHM偏移量初判,在上一步基础上,以0.01 cm-1为步长分别由Δυ0c向正负两极调整Δυc,由0向正负两极调整ΔυFWHM,当fcost满足光谱重合条件时,将中心频率及FWHM的偏移量进一步记为Δυ'cΔυ'FWHM;(3)中心频率与FWHM偏移量的精化处理,以0.001 cm-1为步长分别由Δυ'c向正负两极调整Δυc,由Δυ'FWHM向正负两极调整ΔυFWHM,当fcost满足光谱重合条件时,记中心频率和FWHM的偏移量分别为Δυ''cΔυ''FWHM,并作为光谱定标的最终结果。

    4 定标结果

    AIRS传感器共有17个阵列,喷气推进实验室JPL(Jet Propulsion Laboratory)官方将每个阵列所覆盖的光谱范围划分为若干区域,并且推荐其中的34个区域用于各阵列的光谱定标。限于篇幅限制,本文仅以其中8个隶属于不同AIRS探测器阵列的定标区域为代表,进行光谱性能评价,详见表2图6

    表2  待定标AIRS阵列详情
    Table 2  Details of AIRS arrays for spectral calibration
    阵列

    所选定标区域的

    光谱范围/cm-1

    定标区域对应的通道编号平均FWHM/cm-1
    M-02b 2218.3080—2229.5910 1905—1917 1.8148
    M-04d 1254.0400—1258.8980 1334—1343 1.0143
    M-05 1118.3410—1122.5950 1228—1236 1.016
    M-06 1029.6200—1035.0890 1067—1079 0.8552
    M-08 886.0470—890.4100 717—730 0.6198
    M-09 790.6800—797.1160 446—464 0.6566
    M-10 745.3800—751.1230 331—349 0.5807
    M-11 712.1600—717.4060 219—237 0.5131
    icon 下载:  导出CSV icon 下载:  下载表格图片
    fig

    图6  所选定标区域的光谱位置

    Fig.6  The spectral position of candidate region for spectral calibration

    icon 下载:  原图 | 高精图 | 低精图

    根据图3技术路线,定标过程中,需要选择观测天顶角小于6°的像元的入瞳辐亮度作为输入,以避免大观测角度下大气路径的影响。同时考虑到,AIRS作为光栅分光式传感器,其各个通道的中心频率与FWHM理论上与光栅特性有关,经过初步试验,同一阵列各通道中心频率及FWHM的偏移量基本一致,因此针对每个阵列仅给出一组光谱定标结果即可。

    4.1 AIRS光谱性能逐月变化结果

    本文选取2013年12个月的AIRS数据分析季节等因素对光谱定标的影响,揭示AIRS中心频率与FWHM一年内的变化规律。AIRS传感器各阵列光谱性能参数的逐月变化如图7所示。

    图中,中心频率正偏移表示中心频率向高光谱频率(短波)方向偏移,反之表示向低频(长波)方向偏移;FWHM正偏移表示其宽度变宽,反之变窄。整体上,各个阵列中心频率偏移量大致处于±0.02 cm-1以内,而FWHM偏移量处于±0.1 cm-1的范围内,且逐月波动较为明显。通过对比AIRS L1B数据中官方估算的中心频率偏移量,并以均方根误差RMSE(Root Mean Squared Error)作为评价指标,各个阵列中心频率定标精度总体上优于0.0153 cm-1,除波动性较大的阵列M-05、M-06及M-08外,其余阵列中心频率定标精度优于0.0085 cm-1;随着阵列所处光谱频率变低,各阵列中心频率的逐月波动性具有相应减弱的趋势。

    fig
    icon 下载:  | 高精图 | 低精图

    图7  AIRS传感器逐月光谱定标结果及变化趋势

    Fig.7  Spectral calibration result and tend of AIRS sensor month by month

    就FWHM的光谱定标结果来讲,相较于标称值,各个阵列的FWHM相对偏移量最大不超过±11%,大多数情况在±5%以内。鉴于各个阵列FWHM逐月变化情况,阵列M-06及M-10的波动性较大,稳定性较差。

    4.2 AIRS光谱性能逐年变化结果

    为探究AIRS传感器自发射后长时序的光谱性能变化情况,本文选择了2003年—2019年每年8月份的AIRS L1B数据进行光谱定标分析,评价传感器光谱性能逐年变化规律,光谱定标结果如图8所示。

    可以直观得到,各个阵列中心频率逐年偏移量在±0.02 cm-1内变化;除中红外阵列M-02b外,其他阵列的FWHM偏移量大致在±0.1 cm-1内变化。

    统计结果表明,中心频率总体定标精度优于0.0154 cm-1;逐月光谱定标中精度较低的M-05、M-06及M-08阵列,其逐年的中心频率定标精度同样较低,除去这3个阵列,RMSE总体低于0.0108 cm-1。就阵列所处的光谱位置而言,长波红外探测器阵列中心频率的年波动性要明显弱于处于短波红外阵列;阵列M-04d、M-08、M-09及M-10的中心频率随着时间变化有着明显的正偏移趋势,阵列M-02b的中心频率随时间变化不明显,其他阵列的中心频率具有明显的负偏移趋势。

    FWHM逐年的相对偏移量最大不超过±12%,平均处于±6%之内;根据趋势线方程,阵列M-02b、M-09、M-10及M-11的FWHM随时间变化有着明显的变窄趋势;就波动性而言,阵列M-02b、M-05、M-06、M-08及M-09的FWHM波动较为明显,其他阵列相对稳定。

    fig
    icon 下载:  | 高精图 | 低精图

    图8  AIRS传感器逐年光谱定标结果及变化趋势

    Fig.8  Spectral calibration result and tend of AIRS sensor year by year

    值得注意的是,部分阵列在个别月份/年份的中心频率定标结果会超出官方标称的不确定度范围,经过分析,原因可能有如下几个方面:(1)不同月份/年份数据对应观测区内的下垫面状态可能发生微小变化,在后续研究中需对下垫面类型进行严格限制;(2)定标所使用的数据量仍然过少,难以避免数据不稳定所带来的影响,在后续研究中可使用多组AIRS L1B数据、廓线数据及其他辅助数据综合考量传感器的光谱性能;(3)大气水汽含量过多导致大气吸收过强,反而弱化了等效入瞳辐亮度光谱中的吸收线状特征,在后续研究中可以考虑加入水汽含量修正项以保证定标精度。

    总体来讲,根据逐月及逐年的光谱定标结果,参考官方标称的各阵列中心频率偏移量,本文光谱定标方法的精度优于0.0154 cm-1,并能够同时适用于中红外及热红外阵列;此外,依据定标结果,AIRS各阵列中心频率基本在0.2%—1.9%的FWHM标称值内波动,而FWHM大体发生了0.5%—12.0%不等的变化,这与AIRS传感器设计之初的性能指标相吻合。

    5 敏感性分析

    在光谱定标研究过程中,为探究环境等要素对定标精度的影响,本文围绕大气上行辐射、下垫面类型与空间采样点数量等因素开展敏感性分析。

    5.1 大气上行辐射对光谱定标结果的影响

    理论上,当定标过程中存在大气上行辐射时,会增加定标结果中的非线性误差,本节对大气上行辐射进行不同程度的剔除,分析定标精度对于不同比例残余的大气上行辐射的敏感程度。

    图9所示,当完全剔除大气上行辐射时,即大气上行辐射比例为0,各阵列中心频率偏移量在±0.02 cm-1以内,FWHM偏移量处于±0.05 cm-1的范围内,这与逐年/逐月的定标结果相吻合。随着残余大气上行辐射的比例逐渐增大,各个阵列的光谱性能参数出现了不同程度的偏差。不难发现,阵列M-05、M-06及M-08的中心频率偏移较大,考虑其在逐月/逐年光谱定标中相对较低的精度,判断这些阵列对大气上行辐射的敏感性较高,稳定性较差;除阵列M-02b、M-08外,随着大气上行辐射比例的增加,其余阵列FWHM的抖动较为明显,说明大部分阵列FWHM的定标结果对大气上行辐射有着极强的敏感性。

    fig
    icon 下载:  | 高精图 | 低精图

    图9  大气上行辐射对光谱定标结果的影响

    Fig.9  Influence of atmospheric upward radiance on spectral calibration result

    根据表3表4,除阵列M-10外,其余阵列中心频率定标深受大气上行辐射的干扰,其中阵列M-02所受影响最大,逐月整体定标精度降低313%,逐年整体定标精度降低211%。综合来讲,各个阵列光谱定标精度过度依赖于准确的大气校正。

    表3  大气上行辐射对中心频率逐月光谱定标结果的影响
    Table 3  Influence of atmospheric upward radiance on the accuracy of monthly centroid calibration /cm-1
    阵列大气上行辐射比例/%
    0255075100
    M-02b 0.00703 0.02707 0.02128 0.02630 0.02903
    M-04d 0.00856 0.01616 0.01539 0.01871 0.01842
    M-05 0.01304 0.01834 0.02095 0.02304 0.05962
    M-06 0.01524 0.01173 0.01581 0.01755 0.02428
    M-08 0.01258 0.01000 0.01141 0.01223 0.02654
    M-09 0.00866 0.00879 0.00887 0.01221 0.06333
    M-10 0.00834 0.00915 0.00999 0.00993 0.00968
    M-11 0.00656 0.01198 0.01131 0.01209 0.01287

    注:  结果采用RMSE表示。

    icon 下载:  导出CSV icon 下载:  下载表格图片
    表4  大气上行辐射对中心频率逐年光谱定标结果的影响
    Table 4  Influence of atmospheric upward radiance on the accuracy of annual centroid calibration /cm-1
    阵列大气上行辐射比例/%
    0255075100
    M-02b 0.00970 0.02688 0.02359 0.02814 0.03021
    M-04d 0.01090 0.01736 0.01770 0.03053 0.02141
    M-05 0.01547 0.03516 0.03253 0.01581 0.06712
    M-06 0.01470 0.01929 0.02194 0.02070 0.02209
    M-08 0.01333 0.01150 0.01288 0.01401 0.01661
    M-09 0.00779 0.01755 0.01498 0.01755 0.01549
    M-10 0.00839 0.00860 0.01130 0.00780 0.00905
    M-11 0.00608 0.01039 0.01034 0.01172 0.01510

    注:  结果采用RMSE表示。

    icon 下载:  导出CSV icon 下载:  下载表格图片

    5.2 下垫面类型对光谱定标结果的影响

    根据理论,本文光谱定标方法并不需要地表实测数据的辅助,但实际上,地表并非真正的朗伯体,其异质性很高,导致不同地表类型下的等效入瞳亮温存在差异,进一步影响光谱定标的精度。为探究这种影响,本文选择了城市、沙漠、森林、草原和海洋共5种下垫面类型的数据进行光谱定标分析,结果如图10所示。

    由图可得,基于不同的下垫面,各阵列光谱定标结果较为相近。各阵列中,阵列M-08中心频率的定标精度基本不受下垫面类型的影响,而就FWHM而言,阵列M-11 FWHM定标结果对下垫面类型的敏感度最低。参考官方标称的中心频率偏移量,各下垫面类型对应的定标精度优于0.0108 cm-1,利用海洋下垫面数据的定标结果最优,精度高达0.0060 cm-1,通过分析,本文认为由于水体表面的异质性相比其他地表类型较低,且其辐射特性较为稳定,因此在光谱定标中需尽可能使用海洋区域的数据,以保证光谱定标的可靠性。

    fig
    icon 下载:  | 高精图 | 低精图

    图10  不同下垫面对光谱定标结果的影响

    Fig.10  Influence of different surface types on spectral calibration results

    5.3 空间采样点数量对光谱定标结果的影响

    本文以阵列M-02b、M-05、M-09及M-10为例,针对空间采样点数量进行敏感性分析。在光谱定标过程中,对天顶角6°以内的AIRS L1B像元点进行空间随机采样,当所使用空间采样点的数量越多时,定标结果理应越可靠,图9所展示的利用不同数量空间采样点的定标结果便证实了这一点。

    fig
    icon 下载:  | 高精图 | 低精图

    图11  空间采样点数量对光谱定标结果的影响

    Fig.11  Influence of the number of spatial sampling points on spectral calibration results

    根据结果,中红外阵列M-02b的定标结果对于空间采样点数量的敏感性最低;整体来讲,FWHM的定标结果相较于中心频率,更易受到空间采样点数量的影响;同时,随着采样点数量的增加,各阵列光谱性能参数逐渐趋于稳定,稳定时中心频率偏移量处于±0.01 cm-1之内,FWHM的偏移量处于±0.025 cm-1以内;当空间采样点数量超过20个时,可以基本认为光谱定标结果是有效可靠的。

    6 结论

    本文基于中热红外谱段夜间高光谱数据中的大气吸收谱线特性,通过定义不包含大气上行辐射的等效入瞳辐亮度,分析总结出传感器等效入瞳亮温的光谱特征与大气透过率有直接关系,利用二者进行迭代光谱匹配与代价函数计算,并借助逐步精化法搜寻得到中心频率及FWHM的偏移量,实现了对中热红外高光谱传感器AIRS的光谱定标研究。

    根据AIRS逐月/逐年光谱定标结果,各阵列中心频率及FWHM分别在±0.02 cm-1与±0.1 cm-1的范围内波动;对比官方估算的中心频率偏移量,本文定标精度优于0.0154 cm-1;参考各阵列平均FWHM,中心频率的相对偏移量约为0.2%—1.9%,FWHM相对偏移量在0.5%—12.0%。

    最后,本文分析了光谱定标结果对于大气上行辐射、下垫面类型及空间采样点数量的敏感性。分析结果说明,当大气上行辐射剔除不完全时,会大幅度降低光谱定标精度;下垫面类型对于各阵列定标结果的影响不一,但影响并不直接,建议选择海洋型下垫面数据开展光谱定标;当空间采样点数量少于20个时,会明显影响热红外阵列光谱性能参数的定标结果,随着参与计算的采样点数量的增加,定标结果逐渐趋于稳定,因此空间采样点数量尽可能多于20个。

    综合研究结果,本文光谱定标精度基本处于官方标称的不确定度范围之内,说明本文定标方法是可靠的且结果是可信的。需要说明的是,本文仅针对于部分阵列进行了光谱定标,虽然定标结果较为理想,但是需要进一步验证该方法在整个中热红外谱段上的可靠性;再者,可以考虑加入大气水汽含量修正项并使用成熟的优化算法进一步提高计算效率与定标精度。

    致谢

    感谢GES DISC提供的AIRS L1B数据;感谢GSFC提供的MODIS MYD35 L2数据;感谢Copernicus与ECMWF提供的EAC4数据。

    参考文献(References)

    Aumann H H, Gregorich D T, Gaiser S L and Chahine M T. 2004. Application of Atmospheric Infrared Sounder (AIRS) data to climate research//Proceedings Volume 5570, Sensors, Systems, and Next-Generation Satellites VIII. Maspalomas, Canary Islands, Spain: SPIE [DOI: 10.1117/12.565712] [百度学术] 

    Blumstein D Chalon G, Carlier T, Buil C, Hebert P, Maciaszek T, Ponce G, Phulpin T, Tournier B, Simeoni D, Astruc P, Clauss A, Kayal G and Jegou R. 2004. IASI instrument: technical overview and measured performances//Proceedings Volume 5543, Infrared Spaceborne Remote Sensing XII. Denver, Colorado, United States: SPIE [DOI: 10.1117/12.560907] [百度学术] 

    Brazile J, Neville R A, Staenz K, Schläpfer D, Sun L X and Itten K I. 2008. Toward scene-based retrieval of spectral response functions for hyperspectral imagers using Fraunhofer features. Canadian Journal of Remote Sensing, 34(S1): S43-S58 [DOI: 10.5589/m07-069] [百度学术] 

    Cheng J, Liu Q H and Li X W. 2007. Review of trace gases inversion utilizing space-borne hyperspectral infrared remote sensor data. Remote Sensing Information, (2): 90-97 [百度学术] 

    程洁, 柳钦火, 李小文. 2007. 星载高光谱红外传感器反演大气痕量气体综述. 遥感信息, (2): 90-97 [DOI: 10.3969/j.issn.1000-3177.2007.02.021] [百度学术] 

    Duan S B, Ru C, Li Z L, Wang M M, Xu H Q, Li H, Wu P H, Zhan W F, Zhou J, Zhao W, Ren H Z, Wu H, Tang B H, Zhang X, Shang Guo F and Qin Z H. 2021. Reviews of methods for land surface temperature retrieval from Landsat thermal infrared data. National Remote Sensing Bulletin, 25(8): 1591-1617 [百度学术] 

    段四波, 茹晨李召良王猛猛徐涵秋历华吴鹏海占文凤周纪赵伟任华忠吴骅唐伯惠张霞尚国琲覃志豪. 2021. Landsat卫星热红外数据地表温度遥感反演研究进展. 遥感学报25(8):1591-1617DOI:10.11834/jrs.20211296 [百度学术] 

    Feng X, Li L B, Chen B Y, Zou Y P and Han C P. 2019. Post-launch calibration and validation of the Geostationary Interferometric Infrared Sounder (GIIRS) on FY-4A. Journal of Infrared and Millimeter Waves, 38(5): 648-654 [百度学术] 

    冯绚, 李利兵, 陈博洋, 邹曜璞, 韩昌佩. 2019. 风云四号A星干涉式大气垂直探测仪在轨定标及性能评价. 红外与毫米波学报, 38(5): 648-654 [DOI: 10.11972/j.issn.1001-9014.2019.05.016] [百度学术] 

    Fourri'e N and Thépaut J. 2003. Evaluation of the AIRS near-real-time channel selection for application to numerical weather prediction. Quarterly Journal of the Royal Meteorological Society, 129(592): 2425-2439 [DOI: 10.1256/qj.02.210] [百度学术] 

    Gaiser S L, Aumann H H, Strow L L, Hannon S E and Weiler M. 2003. In-flight spectral calibration of the atmospheric infrared sounder. IEEE Transactions on Geoscience and Remote Sensing, 41(2): 287-297 [DOI: 10.1109/TGRS.2003.809708] [百度学术] 

    Gao B C, Montes M J and Davis C O. 2004. Refinement of wavelength calibrations of hyperspectral imaging data using a spectrum-matching technique. Remote Sensing of Environment, 90(4): 424-433 [DOI: 10.1016/j.rse.2003.09.002] [百度学术] 

    Gao H L, Gu X F, Yu T, Xie Y, Sun Y and Zheng F J. 2014. In-flight spectral calibration of oxygen absorption channels of hyperspectral sensor. Acta Photonica Sinica, 43(10): 1028001 [百度学术] 

    高海亮, 顾行发, 余涛, 谢勇, 孙源, 郑逢杰. 2014. 氧气吸收通道的高光谱传感器在轨光谱定标. 光子学报, 43(10): 1028001 [DOI: 10.3788/gzxb20144310.1028001] [百度学术] 

    Green R O. 1998. Spectral calibration requirement for Earth-looking imaging spectrometers in the solar-reflected spectrum. Applied Optics, 37(4): 683-690 [DOI: 10.1364/AO.37.000683] [百度学术] 

    Green R O, Pavri B E and Chrien T G. 2003. On-orbit radiometric and spectral calibration characteristics of EO-1 Hyperion derived with an underflight of AVIRIS and in situ measurements at Salar de Arizaro, Argentina. IEEE Transactions on Geoscience and Remote Sensing, 41(6): 1194-1203 [DOI: 10.1109/TGRS.2003.813204] [百度学术] 

    Guanter L, Richter R and Moreno J. 2006. Spectral calibration of hyperspectral imagery using atmospheric absorption features. Applied Optics, 45(10): 2360-2370 [DOI: 10.1364/AO.45.002360] [百度学术] 

    Kodaz H, Özşen S, Arslan A and Güneş S. 2009. Medical application of information gain based artificial immune recognition system (AIRS): diagnosis of thyroid disease. Expert Systems with Applications, 36(2): 3086-3092 [DOI: 10.1016/j.eswa.2008.01.026] [百度学术] 

    Le Marshall J, Jung J, Zapotocny T, Derber J, Treadon R, Lord S, Goldberg M and Wolf W. 2006. The application of AIRS radiances in numerical weather prediction. Australian Meteorological Magazine, 55(3): 213-217 [百度学术] 

    Li Z F, Wang S R, Huang Y and Yu X Y. 2013. Research on high-accuracy in-flight spectral calibration of the solar backscattered ultraviolet spectroradiometer. Acta Optica Sinica, 33(2): 0228002 [百度学术] 

    李占峰, 王淑荣, 黄煜, 于向阳. 2013. 紫外臭氧垂直探测仪高精度在轨光谱定标方法研究. 光学学报, 33(2): 0228002 [DOI: 10.3788/AOS201333.0228002] [百度学术] 

    Neville R A, Sun L X and Staenz K. 2003. Detection of spectral line curvature in imaging spectrometer data//Proceedings Volume 5093, Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery IX. Orlando, Florida, United States: SPIE [DOI: 10.1117/12.487342] [百度学术] 

    Strow L L, Motteler H, Tobin D, Revercomb H, Hannon S, Buijs H, Predina J, Suwinski L and Glumb R. 2013. Spectral calibration and validation of the Cross-track Infrared Sounder on the Suomi NPP satellite. Journal of Geophysical Research: Atmospheres, 118(22): 12486-12496 [DOI: 10.1002/2013JD020480] [百度学术] 

    Tobin D C, Revercomb H E, Knuteson R O, Lesht B M, Strow L L, Hannon S E, Feltz W F, Moy L A, Fetzer E J and Cress T S. 2006. Atmospheric Radiation Measurement site atmospheric state best estimates for Atmospheric Infrared Sounder temperature and water vapor retrieval validation. Journal of Geophysical Research: Atmospheres, 111(D9): D09S14 [DOI: 10.1029/2005JD006103] [百度学术] 

    Wang T X, Yan G J, Ren H Z and Mu X H. 2010. Retrieval of spectral characteristics of hyperspectral sensor and retrieval of reflectance spectra. Spectroscopy and Spectral Analysis, 30(10): 2714-2718 [百度学术] 

    王天星, 阎广建, 任华忠, 穆西晗. 2010. 高光谱传感器光谱性能参数反演与反射率恢复. 光谱学与光谱分析, 30(10): 2714-2718) [DOI: 10.3964/j.issn.1000-0593(201010-2714-05] [百度学术] 

    Wang T X, Yan G J, Ren H Z and Mu X H. 2010. Improved methods for spectral calibration of on-orbit imaging spectrometers. IEEE Transactions on Geoscience and Remote Sensing, 48(11): 3924-3931 [DOI: 10.1109/TGRS.2010.2067220] [百度学术] 

    Wu H, Li X J, Li Z L, Duan S B and Qian Y G. 2021. Hyperspectral thermal infrared remote sensing:current status and perspectives. National Remote Sensing Bulletin, 25(8):1567-1590 [百度学术] 

    吴骅,李秀娟, 李召良, 段四波, 钱永刚. 2021. 高光谱热红外遥感: 现状与展望. 遥感学报, 25(8): 1567-1590 [DOI: 10.11834/jrs.20211306] [百度学术] 

    Zhu J S, Ren H Z, Ye X, Zeng H, Nie J, Jiang C C and Guo J X. 2021. Ground validation of land surface temperature and surface emissivity from thermal infrared remote sensing data:A review. National Remote Sensing Bulletin, 25(8): 1538-1566 [百度学术] 

    朱金顺, 任华忠, 叶昕, 曾晖, 聂婧, 蒋晨琛, 郭金鑫. 2021. 热红外遥感地表温度与发射率地面验证进展. 遥感学报, 25(8): 1538-1566 [DOI: 10.11834/jrs.20211299] [百度学术] 

    文章被引用时,请邮件提醒。
    提交

    相关作者

    暂无数据

    相关机构

    北京大学遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室
    河北省气象科学研究所
    遥感科学国家重点实验室中国科学院遥感应用研究所
    中国科学院研究生院
    武汉大学测绘遥感信息工程国家重点实验室
    0