靜止與極軌氣象衛星監測沙塵的融合算法研究

曹廣真張鵬胡秀清陳林（中國氣象局中國遙感衛星輻射測量和定標重點開放實驗室，國家衛星氣象中心，北京 100081）

?

靜止與極軌氣象衛星監測沙塵的融合算法研究

曹廣真張鵬胡秀清陳林
（中國氣象局中國遙感衛星輻射測量和定標重點開放實驗室，國家衛星氣象中心，北京 100081）

摘要：為了綜合應用靜止氣象衛星與極軌氣象衛星沙塵監測的結果，更好地進行沙塵信息的判識，采用改進的證據理論方法，進行靜止衛星FY-2D/2E紅外差值沙塵指數（infrared difference dust index，IDDI）產品與極軌氣象衛星FY-3A沙塵強度指數（dust strength index，DSI）沙塵監測產品的融合處理，劃分沙塵發生過程中的有沙塵暴發生區、無沙塵暴發生區及可能沙塵暴發生區。融合結果與氣象站點觀測結果的對比分析表明，本算法可以將靜止氣象衛星與極軌氣象衛星遙感沙塵監測結果進行較好地融合，更好地劃分沙塵暴發生的區域，對于沙塵暴過程的監測、評估和分析有重要的參考價值和指導意義。

關鍵詞：靜止氣象衛星，極軌氣象衛星，紅外差值沙塵指數，沙塵強度指數，改進的證據理論，數據融合

0　引言

沙塵天氣是我國西北和華北北部地區經常出現的強災害性天氣。準確監測沙塵強度，分析沙塵天氣的時空分布特征，對于區域生態環境具有十分重要的意義。

傳統的沙塵監測方法主要是通過設立地面監測站點進行的，其優點在于可以實時實地進行連續觀測，缺點在于其受到人力、物力、財力和技術的限制，很難進行大規模布點，無法實現大范圍系統性沙塵暴發生、移動和沉降的監測。隨著遙感技術的不斷發展，不同平臺、不同空間分辨率、不同時間分辨率和不同譜段特征的遙感器陸續升空，衛星遙感技術克服了傳統監測方法中的缺點和不足，已成為沙塵區域分布和沙塵強度監測的重要技術手段。

紅外差值沙塵指數（infrared difference dust index，IDDI）是目前國內外靜止衛星沙塵暴業務產品生成廣泛采用的參數之一，其數值是衛星觀測到的實時目標亮溫與地表背景亮溫之差，其中地表背景亮溫是同時刻晴空大氣的地表亮溫。IDDI值越大，代表空氣中的沙塵越多，IDDI越小，代表空氣中的沙塵越少。歐洲科學家將其用于Meteosat長時間序列資料的處理，并將結果用于沙漠氣候的相關分析[1-2]。我國從20世紀90年代開始發展沙塵暴衛星遙感方法。鄭新江等[3-4]在90年代主要利用極軌氣象衛星NOAA/AVHRR的多通道數據進行沙塵目標判識，同時還開展了衛星遙感沙塵光學厚度和載沙量初步研究。胡秀清等[5]自2001年著手開展用靜止氣象衛星進行自動沙塵暴監測研究，并于2006年重點引入IDDI參數，開發了一套靜止氣象衛星沙塵暴自動監測業務算法，應用于GMS-5、GOES-9、我國風云二號靜止氣象衛星等遙感資料。張鵬等[6-7]以米散射理論為基礎，利用MODIS 的8.5μm、11μm和12μm通道紅外觀測，開發了一套MODIS沙塵暴定量遙感算法，除提供沙塵檢測產品外，還獲取沙塵氣溶膠光學厚度產品、沙塵粒子有效半徑產品和沙塵總量產品。隨著新一代極軌氣象衛星FY-3A/3B/3C的發射，我國沙塵定量產品的開發也得到發展，如已經業務運行的VIRR沙塵強度指數（dust strength index，DSI）產品，以及探索開發的沙塵高度產品等。另外，一些新的技術和方法，也不斷被探索應用到遙感沙塵信息的反演和應用上[8-10]。

但是，遙感技術進行沙塵監測同樣具有局限性。由于成像原理不同和技術條件的限制，任何單一的遙感手段獲取的數據在幾何、光譜和空間分辨率等方面存在明顯的局限性和差異性，不能夠全面反映沙塵目標物的特征，應用范圍有限。通過建立有效的多源信息融合方法，進行多源遙感沙塵信息的融合，實現遙感觀測彼此之間的優勢互補，全面監測并分析沙塵過程，將有助于對沙塵形成機理的科學認識，更好地科學指導沙塵天氣的防治、城市生態環境建設等工作。為了從多源遙感沙塵監測結果中判斷有沙塵暴發生區、無沙塵暴發生區以及可能沙塵暴發生區，開展彼此之間的融合處理十分必要。本文采用改進的證據理論方法，進行靜止衛星FY-2D/FY-2E IDDI沙塵監測產品與極軌氣象衛星FY-3A DSI產品的融合處理，劃分沙塵發生過程中的有沙塵暴發生區、無沙塵暴發生區及可能沙塵暴發生區。

1　數據源及其特征

FY-2D IDDI產品：基于FY-2D L1級數據所開發的沙塵監測產品，時間頻次1h，逢半點生成。空間分辨率5km。

FY-2E IDDI產品：基于FY-2E L1級數據所開發的沙塵監測產品，時間頻次1h，逢整點生成。空間分辨率5km。

FY-3A DSI產品：基于FY-3A L1級數據所開發的沙塵強度監測產品，時間頻次1次/d，生成時間視衛星過境時間而定，對于北京及周圍地區一般是地方時上午10:30左右。空間分辨率1km。

2　融合方法

2.1證據理論

證據理論，又稱Dempster-Shafer（D-S）理論[11]，是一種處理不確定性信息的理論。在D-S證據理論中，首先將待識別對象所有可能類型的集合所構成的空間定義為識別框架Θ，Θ中所有子集組成的集合中任何假設集合A的基本概率賦值函數BPAF為m(A)，信任函數Bel(A)和似然函數Pls(A)表示問題的不確定性。

雖然D-S理論提供了相關證據的合成方法，能融合多個證據源提供的證據，但其合成公式存在不足，尤其是證據之間存在沖突時，合成結果有可能違背常理，已經有不少工作從不同角度對其進行了改進[12-14]。本文采用綜合考慮證據本身的確信度和證據對辨別框架中子集的平均支持度兩個方面進行證據間的加權合成，對傳統的證據理論進行了改進，降低了證據合成過程中證據之間的沖突，我們曾將該方法較好用于多時相微波遙感圖像地表變化檢測[14]，主要步驟如下：

1）通過證據mj的不確定熵E(Amj)計算其確信度C(Amj)：

C(mj)=1表示證據mj的確信度為100%，包含的有用信息最多，而C(mj)=0則表示其確信度為0，不包含任何有用信息。

2）利用計算所得的確信度作為權值更新證據對辨別框架Θ及其他焦元Ai的基本概率賦值，并實現基本概率賦值的歸一化處理，得：

3）利用以上更新后的基本概率賦值，修改證據組合規則：

2.2BPAF的定義

BPAF的定義通過FY-2D/2E IDDI產品或FY-3A DSI產品定義：

其中，d代表FY-2D/2E IDDI產品或FY-3A DSI，a取為最大IDDI值或DSI值的倒數，因為IDDI值或DSI數值越大，沙塵暴發生與否判決的不確定性越小，。

2.3融合、判別及變化類型的檢測

根據BPAF計算有沙塵暴發生及無沙塵暴發生的基本概率賦值、各證據的確信度和證據對有沙塵暴發生及無沙塵暴發生的平均支持度，然后采用改進后的合成規則進行合并運算，得到所有證據的BPAF，作為進行判別的基礎。在判別時，使用的規則如下:

目標類別應具有最大的基本概率賦值；

目標類別的基本概率賦值與其他類別的基本概率賦值差值必須大于某閾值，即表示每一證據對所有不同類的支持程度應保持足夠大的差異；

不確定性概率必須小于某閾值，即對目標類別的無知程度或證據的不確定性不能太大；

目標類別的基本概率分布值必須大于不確定性概率值，即對某目標知道很少時，不能對其分類。

3　實驗

選擇2012年4月27日發生在北京及其周邊地區的一次沙塵過程，選用時間相近的FY-3A DSI產品，以及FY-2D和FY-2E IDDI產品，采用改進證據理論進行三者之間的融合，劃分有沙塵暴發生區、無沙塵暴發生區和可能沙塵暴發生區。其中FY-3A DSI的獲取時間是世界時3:50，FY-2D IDDI的獲取時間是世界時3:30，FY-2E IDDI是世界時3:00。

圖1和圖2分別顯示了FY-2D和FY-2E的IDDI產品，IDDI的數值變化范圍分別為0～30、0～50,其數值的大小反映了空氣中沙塵的多少。IDDI大于0的區域，被認為是有沙塵暴發生區，否則為無沙塵暴發生區。圖3顯示了FY-3A DSI產品，DSI的數值變化范圍為0～64,其數值大小反映沙塵強度的強弱。DSI大于0的區域，被認為是有沙塵暴發生區，否則為無沙塵暴發生區。對比圖1、圖2和圖3可以看出，雖然時間間隔不長，但不同衛星平臺監測的有、無沙塵暴發生的區域卻有較大差別。圖4顯示了采用改進的證據理論方法對圖1—圖3的沙塵信息產品進行融合處理所得的沙塵暴發生區劃分結果，除了有沙塵暴發生區和無沙塵暴發生區，還劃分了可能沙塵暴發生區。

圖1　FY-2D IDDI產品（世界時3:30）Fig.1　FY-2D IDDI（UTC3:30）

圖2　FY-2E IDDI產品（世界時3:00）Fig.2　FY-2E IDDI（UTC 3:00）

為了檢驗和分析所劃分的沙塵暴發生區的準確性，根據“現在天氣現象電碼表”選取2012年4月27日世界時3:00的站點觀測，分別疊加在圖1—圖4上，其中品紅色圓點表示觀測時有“塵”、“沙”的站點，代表可能有沙塵暴發生的情況，黑色圓點表示“觀測時有沙塵暴”的站點，代表有沙塵暴發生的情況。從圖1 FY-2D IDDI產品與站點觀測的疊加可以看出，FY-2D IDDI與品紅色圓點的觀測一致性較好，但與黑色圓點的觀測一致性不理想，說明FY-2D對于可能沙塵暴發生的監測準確性較高，但對有沙塵暴發生的監測準確性不夠。而從圖2 FY-2E IDDI產品與站點觀測的疊加可以看出，FY-2E的IDDI與黑色圓點的觀測一致性較好，但與品紅色圓點的觀測一致性卻不理想，說明FY-2E對于有沙塵暴發生的監測準確性較高，但對可能沙塵暴發生的監測準確性不高，圖3是FY-3A DSI產品與站點觀測的疊加，總體顯示了與圖2相似的一致性特征，但FY-3A DSI與黑色和品紅色圓點的觀測一致性較高一些，說明其不論對有沙塵暴發生，還是對可能沙塵暴發生的監測準確性都較FY-2E高。而圖4 FY-2D/2E/3A融合沙塵監測結果與站點觀測的疊加則顯示了很好的一致性，說明融合結果對于有沙塵暴發生與可能沙塵暴發生監測的準確性與可靠性。

圖3　FY-3A DSI產品（世界時3:50）Fig.3　FY-3A DSI（UTC 3:50）

4　結論

采用綜合考慮證據的確信度和證據對辨別框架中子集的平均支持度的改進的證據理論方法，進行靜止衛星FY-2D/FY-2E IDDI沙塵監測產品與極軌氣象衛星FY-3A DSI沙塵產品的融合處理，劃分沙塵發生過程中的有沙塵暴發生區、無沙塵暴發生區和可能沙塵暴發生區。通過各監測結果與站點觀測的疊加顯示，說明了融合結果對有沙塵暴發生與可能有沙塵暴發生監測的準備性與可靠性。

隨著我國新一代極軌氣象衛星風云三號業務化經驗的積累以及新一代靜止氣象衛星試驗星2016年按計劃即將發射，我國的沙塵暴遙感監測能力將大大提高，監測水平將大大增強，不僅可以提供高時間分辨率、高空間分辨率和高光譜分辨率的真彩色或假彩色沙塵暴監測圖像，還可以通過逐漸完善的業務系統及時提供定量的沙塵暴監測產品，也將為本文方法的進一步發展、改進以及更好的應用提供豐富、科學的數據源，以更準確地進行沙塵過程的監測。

圖4　FY-2D/2E/3A 融合沙塵監測產品Fig.4　Fusion result of FY-2D/2E/3A dust products

參考文獻

[1]Legrand M,Plana-Fattori A,N'Doumé,C.Satellite detection of dust using the IR imagery of Meteosat.1.Infrared difference dust index.Journal of Geophysical Research,2001,106(D16):18251-18274.

[2]Brooks N.Dust-climate interactions in the Sahel-Sahara zone of Northern Africa,with particular reference to late twentieth century Sahelian drought.Climatic Research Unit,University of East Anglia,Norwich U K,2000.

[3]鄭新江,羅敬寧,陸文杰,等.2000年3—4月衛星監測沙塵天氣分析.遙感信息,2000(2):26-27.

[4]鄭新江,陸文杰,羅敬寧.氣象衛星多通道信息監測沙塵暴的研究.遙感學報,2001,5(4):300-306.

[5]胡秀清,盧乃錳,張鵬.利用靜止氣象衛星紅外通道遙感監測中國沙塵暴.應用氣象學報,2007,18(3):266-275.

[6]Zhang P,Lu N,Hu X,et al.Identification and physical retrieval of dust storm using three MODIS thermal IR channels.Global and Planetary Change,2006,52:197-206.

[7]張鵬,張興贏,胡秀清,等.2006年一次沙塵活動的衛星定量遙感和分析研究.氣候與環境研究,2007,12(3):302-308.

[8]徐輝,余濤,顧行發,等.利用分裂窗通道比輻射率遙感判識沙塵氣溶膠研究.光譜學與光譜分析,2013,33(5):1189-1193.

[9]王玲,李正強,李東輝,等.基于遙感觀測的折射指數光譜特性反演大氣氣溶膠中沙塵組分含量.光譜學與光譜分析,2012,32(6):1644-1649.

[10]曹廣真,張鵬,陳林,等.地面能見度觀測在衛星遙感IDDI指數中的融合應用.遙感技術與應用,2013,28(4):588-593.

[11]Klein L A.Sensor and data fusion concepts and application(second edition).Bellingham:SPIE Optical Engineering Press,1999.

[12]Yager R.On the dempster shafer framework and new combination rules.Information Sciences,1987,41:93-137.

[13]孫全,葉臭清,顧偉康.一種新的基于證據理論的合成公式.電子學報,2000,8:117-119.

[14]Cao G Z,Hou P,Jin Y Q,et al.Fusion of features in multitemporal SAR imagery to detect changes in urban areas.International Journal of Remote Sensing,2009,30:5989–6001.

Study on the Fusion of Dust Products of Geostationary and Polar-Orbiting Meteorological Satellites Based on Improved Evidence Theory Algorithm

Cao Guangzhen,Zhang Peng,Hu Xiuqing,Chen Lin
(Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites,National Satellite Meteorological Centre,Beijing 100081)

Abstract:The objective of this study was to integrate the advantages of multi-source remote sensing to monitor dust storms and better discriminate between regions where dust storms occur.Firstly,The traditional evidence theory algorithm was improved by not only considering the certainty of the evidence,but also considering the average level of support for the subsets of evidence in the discrimination framework in the process of evidence combination by reducing the conflict between synthesized data.Then the algorithm is applied to the FY-2D/2E infrared difference dust index(IDDI)and the FY-3A dust strength index(DSI)to categorize the study region as either a dust storm area,non-dust storm area,or possible dust storm area.Finally,the result was validated and analyzed using the monitored data from ground stations.Both the accuracy and reliability of the dust monitoring results were considerably improved using our method.

Keywords:geostationary meteorological satellite,polar-orbit meteorological satellite,infrared difference dust index,dust strength index,improved evidence theory algorithm,data fusion

通信作者：曹廣真（1976—），Email:caogz@cma.gov.cn

收稿日期：2015年9月3日；修回日期：2015年12月20日

DOI：10.3969/j.issn.2095-1973.2016.01.018

資助信息：北京市科技新星項目（2010B037）；國家自然科學基金（41475031）