基于GF-5 DPC数据的云参量反演研究

云是由大气中水滴、冰晶遇冷凝结聚集而形成的,地球表面大约50⁷0%以上区域被覆盖。大量存在的云,会直接影响到遥感影像数据的质量,降低了数据的可用率;同时云也影响着全球大气辐射,主要通过与太阳辐射的相互作用,对地球大气辐射平衡及气候变化有着重要的影响,是地球辐射收支平衡的重要组成部分。其中云参量是气候变化、环境监测和气象预报中的重要输入数据,云参量的准确反演将直接影响上述应用结果的可信度。我国于2018年05月09日在太原卫星发射中心成功发射了高分五号（GF-5）卫星,它搭载了大气气溶胶多角度偏振探测仪（DPC）,是中国首颗具有多角度偏振观测能力的星载探测器,也是目前世界上唯一在轨的多角度偏振探测仪器。DPC通过对云进行多角度偏振观测,获取云的强度辐射和偏振辐射信号,为云的监测和参量反演提供了更多有效的观测信息,提高了云参量反演的能力。本文将基于DPC数据,结合载荷自身所具备的特点和云的偏振特性,进行云识别、云相态判识和云光学厚度的反演研究。云参量反演的关键在于云识别的准确性,本文基于具有多光谱和多角度偏振特性的DPC数据构建了云判识算法模型。在DPC云判识算法模型中,首先将地表分为陆地和海洋地表,并单独进行云判识;同时相对于原有遥感数据云判识算法中较为固定的云判识阈值,根据统计发现在陆地上空的蓝光波段、海洋上空的近红外波段以及氧A吸收波段在不同区域和时间下云检测阈值存在很大的差异,本研究将针对上述的三个云判识算法构建动态云检测阈值库,同时针对特殊地表构建了陆地和海洋上空的沙漠、裸土亮地表库和冰雪覆盖地表库,可以在一定程度上提高特殊地表上空的云判识结果的准确性。针对陆地上空的云检测,分别进行了亮地表判识、蓝光动态云判识、氧A表观压强动态云判识和偏振云判识,获取云、晴空和不确定结果。针对海洋上空的云检测,分别进行了氧A表观压强动态云判识、近红外动态云判识和偏振云判识,同样获取云、晴空和不确定结果。在上述DPC云判识的结果中,由于冰雪地表与云具有较为相似的光谱反射信息,所以针对DPC云判识结果进行冰雪覆盖表面的订正,该方法主要是基于云和冰雪在氧A表观压强、蓝光、红外和近红波段反射率存在差异,并辅以冰雪地表库,最终将被误判识为云像元的冰雪给剔除,以此获得更为准确的云判识结果。同时在构建的动态云检测算法基础上,构建了一套基于DPC数据的云置信度评价标准,将最终DPC云识别结果分为100%高置信度云、晴空和低于100%低置信度云、晴空四类。将上述构建的动态云检测算法应用到DPC数据进行云检测,并将云检测结果与MODIS、CALIPSO的云判识结果进行比对,发现单轨数据的云识别结果准确性在90%以上,其中全天候云判识全球覆盖结果的准确性在80%以上,这也验证了DPC云判识结果的准确性和可信度。在获取准确的DPC云检测结果的基础上,开展了云相态和云光学厚度反演研究。在DPC数据的云相态判识中,由于水云液滴和冰晶粒子的散射和吸收特性不同,加之偏振辐射强度相比总辐射强度对多次散射不敏感,对水云液滴的单次散射敏感,这就形成了具有代表性的水云云虹现象。根据大气辐射传输模拟获得,在140°散射角附近水云存在明显的865 nm偏振反射率峰值,基于该特性构建了60¹40°的偏振反射率曲线斜率判识、100°和140°偏振反射率比值判识、75¹20°的偏振反射率中立点判识和140¹80°的偏振反射率标准差判识四个判识标准,并以此构建了DPC数据的云相态判识算法模型。基于上述DPC云相态判识算法模型获得的水云和冰云结果,分别开展了DPC水云和冰云光学厚度反演。在DPC云光学厚度反演中,首先利用UNL-VRTM矢量辐射传输模型,模拟分析了有云条件下670 nm和865 nm波段的反射率和偏振反射率对云光学厚度的敏感性,发现偏振对光学厚度较大情况下的云不敏感,证明了可采用670和865 nm两个波段的反射率（标量）来反演云的光学厚度。其次分析了水云云滴有效粒子半径、冰云体散射模型、冰云有效粒子半径、地表反射率和气溶胶对于云光学厚度反演的影响,发现了随着云有效粒子半径的增大,云粒子对反射率的敏感性在逐渐减弱;同时地表反射率随着云光学厚度的增加其对辐射数据的贡献逐渐减弱,但高地表反射率却仍然存在着很大的影响;在冰云粒子的体散射模型选择上,选择了Baum等提供的SC、ASC和GHM散射模型,通过分析发现ASC相对于SC和GHM散射模型受到有效粒子半径的影响是比较小的,相对而言更适用于冰云光学厚度的反演。针对DPC数据的云光学厚度反演中,陆地上空选取了670 nm波段,海洋上空选取了865 nm波段,水云和冰云模型上分别选择了标准水滴模型和ASC模型进行云光学厚度反演。在DPC的云参量反演中,基于构建的偏振多角度云相态识别算法模型对DPC数据进行云相态识别,并将最终的结果与MODIS和CALIPSO结果进行对比,发现DPC水云识别的准确性为93.70%,冰云识别的准确性为85%。基于构建的DPC云光学厚度反演算法模型并对DPC数据进行云光学厚度反演,将最终云反演结果与MODIS的云光学厚度结果进行比对,获得了水云光学厚度反演结果的R²为0.86,冰云的R²为0.81。从DPC云相态和光学厚度的验证结果中,可以看出DPC云相态和云光学厚度反演结果具有较高的准确和可信度。本文构建的DPC云识别、云相态和云光学厚度反演算法模型为我国刚刚升空的GF-5 DPC数据提供了云识别和云参量反演产品,为下一步大气污染物反演和气象预报等应用提供了前提和保障。