陳明，王永前，吳錫

(1.成都信息工程大學 資源環(huán)境學院，成都 610225；2.成都信息工程大學 計算機學院，成都 610225)

0 引言

大氣中的水分僅占全球總水量的極小比例，但在水文循環(huán)過程中起著關鍵作用，與大氣環(huán)流和氣候變化關系密切[1]。水汽是影響地球能量循壞的溫室氣體之一，對全球氣候變暖有著顯著的作用[2]。青藏高原地區(qū)上空的大氣水汽分布以及變化與亞洲季風、東亞大氣環(huán)流以及全球氣候變化息息相關[3]。因此，準確地獲取青藏高原大氣水汽含量及其分布對于氣候變化的相關研究具有重要意義。

大氣水汽的獲取方法有很多，主要有探空法、地基法和衛(wèi)星遙感探測法[4]。探空法和地基探測的水汽精度普遍較高，但是只能進行點觀測，且數量有限[5]。利用不同時空分辨率的衛(wèi)星遙感數據反演大氣水汽可以克服探空法和地基探測水汽的不足。目前，根據所利用遙感數據波段的不同，衛(wèi)星遙感反演大氣水汽可以分為熱紅外、可見光近紅外和微波[6]。一般在晴空條件下，利用近紅外或熱紅外觀測的遙感數據可以反演出準確的大氣水汽含量[7-8]。近紅外及紅外遙感容易受云、霧和其他天氣狀況的影響，因此它的觀測能力受到限制。微波波段可以在減少大氣約束的情況下估算大氣水汽，能夠獲得有云條件下的大氣水汽[9]。因此，如何利用微波波段反演大氣水汽算法具有重要的意義。

水汽在微波波段中(1～300 GHz)有兩條轉動吸收譜線，一條在22.235 GHz，另一條在183.31 GHz[10]。因此，利用微波進行大氣水汽的反演，也多圍繞著這兩個波段展開。Wang等[11]提出了一種利用AMSR-E的18.7 GHz和23.7 GHz亮溫極化差反演大氣水汽的參數化模型。經驗反演方法是直接建立遙感信號與變量之間的關系，通過增加輸入輸出數據對，提高估算的穩(wěn)定性和精度[12]。新的發(fā)展趨勢是大量使用機器學習方法，用于訓練的輸入輸出數據多來自于測量數據或者是基于物理模型模擬。Zabolotskikh等[13]利用AMSR2數據采用神經網絡方法反演海洋上空的大氣水汽含量，具有較好的效果。Lee等[14]利用三種機器學習方法(隨機森林、神經網絡、梯度提升)，基于葵花八號衛(wèi)星的熱紅外波段數據進行大氣水汽反演，并基于歐洲中期天氣預報中心的水汽數據對反演結果進行驗證，三種方法效果較好。多種機器學習方法的反演結果較好，但是基于AMSR2數據采用機器學習方法反演大氣水汽的研究較少。

青藏高原地理位置特殊，是我國的水汽輸送中轉站[15]。衛(wèi)星遙感反演水汽主要在晴空條件下，對于有云條件下大氣水汽研究較少。本文基于AMSR2數據，利用隨機森林模型，在青藏高原地區(qū)反演有云和晴空條件下的大氣水汽，并利用ERA-Interim再分析數據對其進行對比分析。本文為青藏高原及其周邊地區(qū)大氣水汽的獲取提供方法支撐。

1 研究區(qū)與數據源

1.1 研究區(qū)概況

青藏高原位于26°00′N～39°47′N，73°19′E～104°47′E之間，一般海拔在3 000～5 000 m之間，平均海拔超過4 000 m，不僅是我國長江、黃河的發(fā)源地，也是東亞、東南亞和南亞許多大河流的發(fā)源地，被稱為“世界屋脊”[16]。青藏高原總面積約為2.5×106km2，擁有獨特的地形地貌，地表類型較為多樣化。近年來青藏高原各地區(qū)上空云量較多，尤其是青藏高原東南部地區(qū)?；?016—2021年的MODIS云產品數據得到青藏高原地區(qū)云出現(xiàn)概率分布圖?？梢园l(fā)現(xiàn)，青藏高原云出現(xiàn)的概率大體呈現(xiàn)為從西北方向向東南方向遞增，青藏高原東南部地區(qū)云出現(xiàn)概率高達0.9。

1.2 數據源

1)遙感數據。

(1)AMSR2數據。2012年，日本宇宙航空研究開發(fā)機構發(fā)射了高級微波掃描輻射計二號(advanced microwave scanning radiometer 2，AMSR2)，作為AMSR-E的替代品。AMSR2搭載在GCOM-W1衛(wèi)星上，是一種用于測量大氣表面和地球表面的微弱微波發(fā)射的工具[17]。AMSR2提供了在地球上空約700 km處對微波傳播和散射強度的精確測量。AMSR2的白天和夜間信息每兩天能覆蓋99%以上的地球表面。在水平和垂直極化下，AMSR2包含7個頻率通道，有6個頻率(6.9、10.6、18.7、23.8、36.5、89 GHz)用來得到亮溫，7.3 GHz頻率是用來減輕射頻干擾。傳感器分辨率隨著頻率變化而變化，范圍約為5 km(89 GHz)到60 km(6.9 GHz)，其中18.7 GHz和23.8 GHz通道的分辨率為22 km[18]。與MODIS和AIRS等其他傳感器相比，AMSR2的微波測量受多云條件和其他大氣效應的影響較小，因此本文采用AMSR2升軌的中等分辨率L1B雙極化亮溫數據。AMSR2升軌一般在世界時六點左右過境青藏高原地區(qū)。通過G-portal平臺下載研究區(qū)2017年1月和7月的AMSR2 L1B亮溫數據。

(2)數字高程模型數據。數字高程模型(digital elevation model，DEM)是利用地形高程數據實現(xiàn)對地形曲面的數字化模擬，DEM的高程數據一般指的是絕對高程(即從標準水平面起算)。通過“地理空間數據云”平臺下載了研究區(qū)2017年SRTMDEMUTM數字高程產品，分辨率為90 m，投影方式為WGS 1984。

對下載的影像做如下預處理。①提取研究區(qū)域。利用IDL軟件對AMSR2 L1B亮溫數據及DEM高程數據進行重采樣、重投影(WGS1984)、拼接以及裁剪，得到青藏高原地區(qū)影像。②提取亮溫和高程信息。為了得到在晴空和有云條件下GPS站點對應位置的高質量亮溫及高程數據，首先，根據AMSR2影像的掃描時間選擇時間相近(正負半小時)的葵花八號衛(wèi)星的云產品數據，得到GPS站點周圍3×3區(qū)域的像元值，若9個像元值中有超過5個像元是云像元，則該點為云像元，否則為晴空像元。然后，得到有云和晴空GPS站點的各頻率水平及垂直極化的亮溫和高程。

2) GPS水汽。通過西藏自治區(qū)獲得青藏高原GPS水汽站的觀測資料?；贗DL，首先，獲取AMSR2掃描時間的前后15分鐘時間段的平均GPS水汽值，剔除無效GPS觀測水汽值；其次，結合葵花衛(wèi)星云分類產品獲取青藏高原有云像元的GPS水汽值；最后，得到2017年1月和7月共 2 803個GPS水汽樣本數據。具體信息見表1。

表1 青藏高原GPS有效站點水汽統(tǒng)計

3)再分析數據。歐洲中期天氣預報中心(ECMWF)發(fā)布了對全球大氣數據集的ERA-Interim再分析資料，數據提供時間范圍為1979—2019年。再分析數據包含一天四次(00、06、12、18 UTC)，預報數據在世界時00和12點提供了四種步長(3、6、9、12)[19]。結合AMSR2升軌過境青藏高原的時間，在ECMWF 官網下載研究區(qū)2017年7月每天6點(UTC)的ERA-Interim水汽數據，分辨率為0.125°×0.125°。已有研究表明，ERA-Interim水汽數據能夠很好地展示青藏高原地區(qū)的水汽含量及其分布情況[20-21]，因此以該數據為參考，對比分析反演結果。

2 研究方法

2.1 變量選取

遺傳算法是一種受查爾斯·達爾文自然選擇思想啟發(fā)的數學模型[22]。機器學習中遺傳算法可以用來篩選變量以創(chuàng)建更優(yōu)的預測模型。其基本原理是通過適應函數確定方向，通過選擇、交叉和突變組合，不斷地迭代搜索最優(yōu)的變量[23]?；陔S機森林回歸模型估算大氣水汽是以不同時空分辨率的遙感影像為主要數據源。以往較多研究是基于AMSR2 23.8 GHz和18.7 GHz等波段組合反演水汽。Du等[24]在考慮地形影響的基礎上，利用AMSR2數據，運用參數化算法反演了大氣水汽。因此，本文選取了13個潛在變量因子參與變量篩選(表2)。

表2 參與變量篩選的13個潛在預測變量

利用python構建遺傳算法(迭代次數10)，從13個潛在變量選取敏感變量。圖1為在迭代過程中，每個潛在變量被選取的次數。36.5 GHz和18.7 GHz亮溫(水平和垂直極化)和DEM被選中了10次；23.8 GHz的水平亮溫被選中了10次，其垂直極化下的亮溫被選中了6次；89 GHz的亮溫(水平和垂直極化)只被選中了1次。23.8 GHz位于大氣水汽吸收帶附近，23.8 GHz通道對大氣水汽反應敏感[25]。地形強迫作用對溫度和水汽的分布有很大影響，水汽密度隨著對流層高度呈指數遞減趨勢[26]。地表溫度是大氣水汽反演必不可少的參數，而地表溫度的估算基本是基于36.5 GHz亮溫[27]。因此，本研究選擇23.8、36.5、18.7 GHz頻率的水平(H)和垂直(V)極化下的亮溫和高程來參與模型構建。

圖1 潛在變量被選取的次數

2.2 樣本數據準備

AMSR2 亮溫(除了7.3、10.6、89 GHz)和 DEM作為隨機森林回歸模型的輸入變量，GPS/PWV為模型的目標變量。為了得到最優(yōu)模型，除了將像元按照晴空和有云分類，還需將樣本數據集按照季節(jié)分類(1月為干季、7月為濕季)，劃分為不同的樣本數據集。在樣本數據集中隨機選擇85%的數據作為訓練樣本集，剩下的15%作為模型的驗證數據集。

2.3 隨機森林回歸模型

隨機森林算法是集成學習眾多方法里的一種代表性方法[28]。隨機森林算法在以決策樹為基學習器構建Bagging集成的基礎上，進一步在決策樹的訓練過程中引入了隨機屬性變量選擇。具體來說，隨機森林算法中，每一棵CART使用的訓練數據集是從總數據集有放回的隨機選擇，對于基決策樹的每個結點，都是從所有特征集中隨機挑選特征[29]。

在python環(huán)境中，利用敏感變量構建隨機森林回歸模型以及對變量進行重要性排序。有兩個需要調優(yōu)的基本模型參數：樹的數量(K)和在每個節(jié)點拆分時隨機抽樣的變量數量(m)。除了兩個最具代表性的參數外，其他參數都是通過應用默認值來使用的。為了得到最優(yōu)參數，以1為間隔，對K和m的取值范圍分別設置為0～1 000、0～30。

2.4 評價指標

機器學習回歸模型的常用評價指標有均方根誤差(RMSE)、平均絕對誤差(MAE)、平均絕對比例誤差(MAPE)、皮爾遜相關系數(R)、方差等。本文采用R、RMSE和MAE作為評估模型預測能力的評價指標。R可以反映出預測值與實測值之間的相關性強度，RMSE和MAE越小代表著模型預測結果越準確。

3 結果與分析

3.1 模型實現(xiàn)

在不同大氣條件和不同季節(jié)下，以隨機森林算法為基礎，通過變量選取和參數優(yōu)化，得到模型預測值與實測值之間的擬合關系。圖2為GPS水汽與模型預測的水汽之間的散點圖。

圖2 隨機森林回歸模型精度評價

分析可得以下結論。①基于隨機森林回歸模型預測的大氣水汽和GPS水汽有顯著的相關性，RMSE和MAE整體值較小。有云像元反演的三個模型精度都很高，說明隨機森林回歸模型用來反演多云地區(qū)的大氣水汽是可行的。整體而言，相較于所有有云樣本數據參與構建的模型，按季節(jié)構建的模型精度更優(yōu)。干季有云像元大氣水汽預測值和GPS水汽相關性高達0.928，RMSE為1.15 mm，MAE接近0；濕季有云像元大氣水汽預測值和GPS水汽相關性為0.882，RMSE為4.08 mm，MAE為3.08 mm；所有有云像元大氣水汽預測值和GPS水汽相關性高達0.919，RMSE為4.74 mm，MAE為3.39 mm。干季有云像元水汽反演精度高于濕季，7月的青藏高原地區(qū)是雨季，呈多云，有云像元數量高于晴空，水汽含量高。②在干、濕季節(jié)中，有云像元反演精度略高于晴空像元。以GPS水汽為參考，干季有云和晴空像元的R分別為0.928和0.901，RMSE分別為0.127 cm和0.119 cm，MAE分別為0.095 cm和0.088 cm；濕季有云和晴空像元的R分別為0.882和0.845，RMSE分別為0.408和0.530，MAE分別為0.308 cm和0.439 cm。結果表明，AMSR2水汽反演精度受云層的影響較小。

3.2 與MODIS水汽產品比較

已有研究表明，MODIS水汽產品可以較好地反映青藏高原地區(qū)的水汽特征[30]，光學遙感受天氣影響較大，而微波具有一定的穿透性。因此，將GPS實測值作為參考，分別評估利用AMSR2數據采用隨機森林回歸模型反演的水汽和MODIS水汽產品數據在青藏高原有云條件下的精度。

基于模型反演的有云像元，選出相應的MOD05近紅外和熱紅外有云像元，結果如圖3所示。由圖3可知，干季MOD05近紅外和熱紅外的有云像元水汽與GPS水汽R均低于0.6，普遍低于真實值。干季AMSR2有云像元水汽反演結果與GPS的觀測水汽結果符合良好，RMSE為0.11 cm，MAE為0.082 cm;濕季AMSR2有云像元水汽反演結果與GPS水汽的R為0.847，RMSE為0.274 cm。濕季MOD05近紅外和熱紅外的有云像元水汽與GPS水汽之間的相關性很低，R分別為0.38和0.308。MODIS現(xiàn)有的水汽產品數據在晴空條件下具有較高的精度，但是對于有云條件下的水汽反演明顯不足。因此，基于AMSR2和高程數據利用隨機森林算法反演的有云像元大氣水汽含量精度高于光學遙感有云像元水汽的反演精度。

圖3 AMSR2水汽和MOD05(近紅外/熱紅外)水汽與GPS遙感水汽之間的關系圖

3.3 青藏高原大氣水汽反演

AMSR2需要兩天遙感影像覆蓋整個青藏高原，本研究采用濕季有云條件下的隨機森林回歸模型估算2017年7月1日—2日兩天的大氣水汽，并合成完整的青藏高原地區(qū)大氣水汽。大氣水汽含量由東南向西北方向減小，高原東南地區(qū)和西南地區(qū)為水汽分布的高值區(qū)，其中高原東南地區(qū)最濕，其含量可高達5 cm。反演結果表明，青藏高原地區(qū)大氣中的水汽呈現(xiàn)南濕北干的空間分布特征，該結論與周長艷等[31]的結論一致。

為了驗證AMSR2亮溫數據反演的青藏高原大氣水汽含量及分布，本文選用了再分析ERA-Interim水汽數據與其進行對比分析。青藏高原大氣水汽分布情況與隨機森林回歸模型反演大氣水汽分布圖相比，具有較好的一致性。為了更好地對比分析AMSR2和ERA-Interim的大氣水汽數據，將ERA-Interim大氣水汽數據進行空間插值至AMSR2大氣水汽數據的空間分辨率，并進行點對點的匹配。以AMSR2大氣水汽數據為參照面，利用評價指標，分析其與ERA-Interim大氣水汽數據之間的相關關系?？梢园l(fā)現(xiàn)，AMSR2和ERA-Interim的大氣水汽數據顯著相關，兩者大氣水汽的RMSE為5.48 mm，MAE為4.35 mm。

4 結束語

青藏高原及其周邊地區(qū)的大氣水汽含量時空分布對全球和區(qū)域的氣候變化、大氣循環(huán)等有著重大影響。近年來，機器學習在遙感領域一直為熱點問題，其中，隨機森林算法憑借其高效、準確的性能被廣泛應用于遙感估算。本文基于GPS實測大氣水汽數據、AMSR2亮溫數據，利用隨機森林算法構建非線性回歸模型，對青藏高原多云地區(qū)大氣水汽含量進行了遙感估算與分析，得到以下結論。

1)AMSR2亮溫數據結合隨機森林算法適用于青藏高原有云地區(qū)的大氣水汽含量反演。無論是干季還是濕季，利用AMSR2反演有云像元的大氣水汽的精度較高，其中有云像元的水汽估算精度高于晴空像元，濕季模型擬合預測的水汽精度低于干季。與MODIS水汽產品相比較，AMSR2反演的有云像元水汽含量準確性更高，可以用來彌補光學遙感反演水汽的不足。

2)23.5 GHz是大氣水汽吸收帶，水汽密度隨著對流層高度呈指數遞減趨勢。研究表明，AMSR2 23.5 GHz和36.5 GHz頻率的亮溫和DEM高程是隨機森林回歸模型中對大氣水汽含量具有重要意義的預測變量。大氣水汽估算涉及的變量較多，會受到不止一種因素的影響。

3)由于衛(wèi)星遙感數據的分辨率、大氣水汽本身特性等眾多限制因素影響，對有云像元水汽反演而言，按季節(jié)分類構建的模型精度高于所有樣本數據參與模型的精度。濕季模型估算2017年7月1日—2日的青藏高原大氣水汽，水汽分布為南濕北干，與2017年7月1日—2日的再分析ERA-Interim水汽分布趨勢基本一致。