热红外遥感中大气透过率的研究(一):大气透过率模式的构建

大气透过率是热红外遥感中的一个重要参数。通过辐射传输模型MODTRAN模拟热红外波段的大气透过率,构建了基于大气模型、气溶胶模型、水汽量、能见度和观测天顶角等5个因素的大气透过率查找表,分析了不同参数对热红外大气透过率光谱曲线的影响,通过方差分析确定了影响大气透过率的关键因子,针对不同类型的气溶胶模型,构建了基于水汽量、能见度和观测天顶角的常用卫星传感器热红外通道的大气透过率经验模式,解决了卫星热红外遥感中大气透过率精确计算的问题。     

基于辐射传输数值模型PCOART的大气漫射透过率精确计算

分析了中国第一颗海洋水色卫星(HY-1A)大气漫射透过率模型的计算精度,结果表明,当气溶胶光学厚度或天顶角较大时,该模型计算相对误差可>5%,最大可达50%以上,不适用于高纬度海区(纬度>60°).在此基础上,利用海洋-大气耦合矢量辐射传输数值计算模型PCOART,进行了大气漫射透过率的精确计算.通过与SeaWiFS精确大气漫射透过率查找表计算结果的比较,表明利用PCOART计算大气漫射透过率的相对误差<1.5%,且当观测天顶角<60°时,相对误差<0.5%,可以用来生成我国海洋水色卫星遥感器的精确大气漫射透过率查找表.     

大气气溶胶红外散射透过率计算研究

红外辐射在大气中传播时大气气溶胶散射是能量衰减的原因之一.通过考虑气溶胶密度随高度变化,结合大气能见度参数,建立了红外线在水平均匀传播和斜程传播下的大气气溶胶散射透过率计算方法.水平均匀传输下,在中长波波段对大气气溶胶散射透过率采用常规积分求均值方法计算,与采用波长中值的工程计算公式结果对比,表明工程计算公式具有足够的...     

用HJ-1B卫星数据反演地表温度的修正单通道算法

目前用于地表温度反演的单通道算法主要针对窄视场传感器建立.HJ-1B卫星红外相机为宽视场传感器,其热红外通道(IRS4)观测天顶角可达±33°以上,在地表温度反演时必须剔除传感器观测角度的影响.以大气辐射传输模拟为基础,建立了基于传感器观测天顶角-大气函数系数的修正单通道算法.针对HJ-1B卫星与Terra卫星过境时间...     

基于辐射传输的M'波段大气透过率实测和误差分析

采用自制的M'波段（4.605~4.755 m）红外辐射测量系统对阿里观测站、德令哈观测基地和怀柔观测基地的大气辐射进行实地测量,并对结果进行拟合和误差分析。首先,基于黑体定标结果和辐射传输方程,得到输出有效读数与平均大气透过率和天顶角的关系公式;在三个站点对不同天顶角下的大气红外辐射进行扫描测量,利用上述公式,拟合出M'波段平均大气透过率。结果表明,三地透过率的加权平均值分别为0.805、0.758、0.650,透过率随时间的起伏分别为0.081、0.250、0.073,高海拔的阿里观测站透过率最高。用MODTRAN软件模拟的平均透过率分别为0.851、0.805、0.615,与实测结果接近;误差分析表明:有效读数越大,传递误差越小,此方法的理论误差优于10%。文中提供了一种不依赖气象数据,实时获得大气透过率的方法。     

CART软件计算的红外大气透过率和实测值比较

初步完成了一套通用大气辐射传输软件的研制,它是一套基于我国大气模式的采用独特算法的大气辐射传输软件,可用来较快速地计算大气光谱透过率、大气热辐射、大气散射辐射和太阳直接辐照度,光谱分辨率为1cm-1。利用中近红外傅里叶光谱辐射计FTIR测得的水平红外大气透过率来验证CART软件计算水平路径上红外大气透过率的精度。比较结果表明：CART软件计算的水平大气透过率和实测值的误差最大小于0.1,均方根大约为0.04。这可以说明CART软件计算水平红外大气透过率是可靠的。     

实测数据参数拟合的红外大气透过率仿真

计算红外大气透过率的常规方法主要有经验公式法和专业软件计算法,前者存在较大的误差,后者的计算过程复杂且对红外仿真系统的移植和兼容困难,因此,本文基于具体地区多年实测大气数据,利用分子的单线吸收法计算不同温度下的水蒸气和二氧化碳的吸收系数;然后,对不同高度分布的温度、压强以及气溶胶后向散射系数的解析式进行分月拟合。在此基础上,实现红外辐射大气透过率的仿真建模。仿真结果与主流专业软件MODTRAN自定义模式下的精确计算结果很接近,而且本方法使用简单、移植性强,在工程应用上具有一定的参考价值。     

基于中国典型地区大气模式的红外透过率变化特征

利用已经建立的通用大气辐射传输软件(CART)中嵌入的我国典型地区大气模式,分析了红外波段大气透过率随月份的变化特征,并分析了用国外模式近似可能带来的误差.结果分析表明:我国典型地区大气透过率随月份变化很大,夏季比冬季要小10%以上,相邻两个月之间的红外大气透过率之差可能达到10%左右;采用近似国外模式带来的误差可达到50%以上.这些结果进一步说明:在大气遥感、目标辐射测量、图像仿真和光电工程的设计与性能评估等方面的研究中,我国区域内的大气透过率的准确计算必须考虑我国的大气模式及月份.     

红外大气透过率的计算模式

建立了一套具有自主知识产权的红外大气透过率模式(IATM),光谱分辨率为1 cm-1,可较快速地计算空间任意两点的红外大气光谱透过率.大气分子吸收计算是采用基于精确的LBLRTM逐线积分算法而提出的一种非线性拟合算法,结合了最新的HITRAN2004数据库中的分子吸收线参数,除了保留MODTRAN中的几种气溶胶衰减的计...     

激光红外大气传输透过率模型研究

为了提高激光红外传输在工程应用方面的精度,以辐射传输理论为基础,考虑大气湿度、温度、能见度等容易测量的因素,建立了大气透过率衰减的简化模型。利用模型,对不同波长的激光在各种大气环境及传输路径下的透过率进行了计算,并与商用软件的计算结果进行对比。实验结果表明:简化模型减小了运算量;晴朗大气,简化模型与软件计算结果在特定波段比较接近,最小相对误差低至0.005%。     

通用大气辐射传输软件(CART)分子吸收和热辐射计算精度验证

为检验通用大气辐射传输软件CART分子吸收和热辐射的计算精度,利用精确的逐线积分法（LBLRTM）和广泛使用的中分辨率大气传输模式（MODTRAN4.0）,就CART软件计算的晴空大气分子吸收透过率和热辐射进行对比验证。模拟了水平距离、观测天顶角和观测点高度对光电工程各观测波段内平均大气透过率和积分辐射的影响特性。结果表明:CART软件分子吸收的计算精度优于MODTRAN4.0软件,大气热辐射的计算精度和MODTRAN4.0相当。     

基于遥感反演的地球红外背景建模

模拟地球红外辐射背景的前提是要获取可靠的全球表面温度。利用卫星遥感数据可以反演得到较精确的地表温度。反演算法采用了应用广泛的分裂窗算法,并将反演结果绘制成了全球表面温度分布图。同时,建立了完整的地球红外辐射亮度模型,考虑不同地域、纬度和季节模式下的大气辐射亮度和大气衰减。通过遥感反演技术与红外辐射建模技术的结合,最终完成了任意波段全球红外辐射背景亮度的计算与图像生成。结果表明:模拟的地球红外辐射图像效果精细,真实反映了地球背景的红外辐射特征,在空间目标的热环境分析,以及空间红外探测与隐身技术的研究等方面具有重要的应用价值。     

红外辐射大气透射率求解模型的建立与分析

红外辐射大气透射率对目标辐射的测量精度影响很大。分析了红外辐射在大气中的传输衰减,建立了红外辐射大气透射率的求解模型。利用编制的红外辐射大气透射率计算程序研究了特定辐射路径下的大气透射率在一日内的变化情况,对不同气象条件和辐射路径下的大气透射率进行了计算,研究了大气温度、相对湿度、路径起始高度、辐射路程、天顶角对大气透射率的影响,并对计算结果进行了分析。计算结果对精确计算红外辐射大气透射率和研究气象条件、路径几何参数对红外辐射大气透射率的影响具有一定的指导意义。     

通用大气辐射传输软件(CART)大气散射辐射计算精度验证

为检验通用大气辐射传输软件（CART）计算大气分子、气溶胶散射辐射的计算精度,在大观测天顶角、太阳天顶角、观测与太阳方位角之差、散射相函数不对称因子变化范围内,就CART 软件模拟的单次散射辐射和多次散射辐射,分别与MODTRAN5.0 计算的单次散射辐射和离散坐标辐射传输软件（DISORT）计算的多次散射辐射进行比较分析。结果表明:CART 软件计算的单次散射辐射与MODTRAN5.0 的相对偏差一般小于10%,最大相对偏差为15%;CART 计算的多次散射辐射与精确的DISORT 算法的相对相差小于2.5%。CART 在包括多次散射在内的大气背景辐射计算方面具有较有高的计算精度和效率。     

762 nm氧分子吸收带在非均匀大气中不同投射角的大气透过率准确模型

762 nm氧分子吸收带的大气透过率模型用包含温度和气压的多项式表示,其多项式系数表示为入射角的余弦的另一个幂级数.类似地,还给出了平均大气透过率模型.数值试验表明,在绝大多数情况下,透过率模型与平均透过率模型的拟合误差(RMS)分别小于0.0001和0.0005,其极大误差分别小于0.0005和0.003.此二模型已用于从空间探测气压廓线的研究.此外,还给出了大气透过率间隔误差的订正方法.     

Methods of calculating atmospheric transmittance and radiance in the infrared

Radiation from remotely sensed objects in the earth's environment is attenuated in its passage through the atmosphere. In the infrared region of the spectrum, this is caused, for clear-sky conditions, mainly through absorption by atmospheric molecular species, i.e., the atmospheric gases. Molecular absorption is characterized by a highly variable, more-or-less random, frequency dependence which is difficult, if not impossible, to describe analytically in detail. On the other hand, most experimental work requiring an understanding of atmospheric attenuative phenomena is accomplished with instrumental spectral resolutions that are coarse enough to smooth out much of the spectral detail in molecular line structure. Therefore, methods are described for calculating atmospheric transmittance and radiance to correspond to spectral resolutions of those instruments used in remote sensing. These methods involve either numerical integration of the exact line structure over the desired spectral interval, or the use of band models derived from artificially created line structure. Limitations of these calculations are discussed in the light of factors such as the fidelity of model atmospheres used to simulate real ones and the utility of different routines regarding computer time and accuracy. A short section covers the effect of scattering.     

Autonomous atmospheric compensation (AAC) of high resolution hyperspectral thermal infrared remote-sensing imagery

Atmospheric emission and absorption significantly modify the thermal infrared (TIR) radiation spectra from Earth's land surface. A new algorithm, autonomous atmospheric compensation (AAC), was developed to estimate and compensate for the atmospheric effects. The algorithm estimates from hyperspectral TIR measurements two atmospheric index parameters, the transmittance ratio, and the path radiance difference between strong and weak absorption channels near the 11.73 /spl mu/m water band. These two parameters depend on the atmospheric water and temperature distribution profiles, and thus, from them, the complete atmospheric transmittance and path radiance spectra can be predicted. The AAC algorithm is self-contained and needs no supplementary data. Its accuracy depends largely on instrument characteristics, particularly spectral and spatial resolution. Atmospheric conditions, especially humidity and temperature, and other meteorological parameters, also have some secondary impacts. The AAC algorithm was successfully applied to a hyperspectral TIR data set, and the results suggest its accuracy is comparable to that based on the in situ radiosonde measurements.