简介：《6s模型操作说明1：大气传输的过程》是一份面向定量遥感、大气科学研究者与工程师的英文原版用户指南，对应6S模型（Second Simulation of the Satellite Signal in the Solar Spectrum）的官方操作说明，重点解决太阳-目标-传感器路径上大气吸收和散射对遥感信号影响的理解与模拟问题。压缩包仅含1个PDF文档，大小约664KB，来自6S User Guide Version 2（July 1997），篇幅完整，目录覆盖大气吸收效应、散射效应、Lambertian均匀目标与环境函数、内在大气反射率、飞机和高层目标模拟、目标方向效应、大气校正方案等内容，并专门讨论了吸收与散射的相互作用。文档还集成了CH4、N2O、CO等新气体的透过率计算，改进了瑞利散射和气溶胶散射的精度，采用逐次散射法并将光谱积分步长细化至2.5纳米，对于需要掌握6S模型原理、开展大气校正或地表参数反演的读者具有直接参考价值。附录部分包含计算机代码描述、输入输出示例和子程序清单，便于结合源码深入学习。该资源已有345人浏览学习，适合作为遥感大气校正方向的入门或进阶参考资料。

1. 大气传输：为什么“看得清”的窗口数据不能直接用

从事卫星反演的人大概都经历过这种无奈：拿到一景质量极佳的影像，传感器定标也没问题，但反演出的地表反射率就是不靠谱，要么偏暗，要么像蒙了一层雾。问题的根源，是这个领域一个常被低估的事实——6S模型所描述的大气传输过程，让卫星传感器收到的信号里，真正来自目标地表的能量往往连一半都不到。在 0.85μm 处，大气对目标信号的透过率约为 80%，而到了 0.45μm，这个数字会掉到 50%。换句话说，你用卫星影像直接当表面真值，误差起步就是 20%。6S（Second Simulation of the Satellite Signal in the Solar Spectrum）解决的就是这件事：把“太阳→大气→地表→大气→传感器”这条链路上每一步的衰减、叠加和转向都拆开算清楚。

这份用户手册的价值不在于教你怎么敲命令行，而在于它揭示了大气辐射传输的底层机制：哪些气体在哪个波段“偷”光子（吸收）、哪些粒子把光子“弹”到别的方向（散射）、散射的光子又是如何通过环境函数重新混入信号的。把这几层机制串起来，你才算真正看懂了卫星信号。

2. 吸收效应：为什么水汽和臭氧是主角，二氧化碳只能当配角

2.1 气体分子的“指纹”：吸收谱线如何决定卫星通道设计

大气分子对太阳辐射的吸收，本质上是一个量子过程。分子通过转动、振动或电子态的跃迁来吸收特定频率的光子。转动跃迁的能量很弱，对应微波和远红外波段；振动跃迁能量更大，在近红外打开一系列吸收谱带；电子跃迁能量最高，对应可见光和紫外区域的吸收带。因为跃迁只能发生在分立的能级之间，吸收系数随频率的变化极其剧烈，呈密集的谱线结构。

6S 手册把六种主要吸收气体分别做了梳理，特征波段非常清晰。水汽主要影响 0.7μm 以上的长波方向；臭氧的显著吸收出现在 0.55-0.65μm 之间，并且在 0.35μm 以下把地球观测通道几乎封死；二氧化碳的吸收出现在 1μm 之后，但它弱于水汽，只能在“水汽窗口”的缝隙里制造额外扰动；氧气则是一根很凶的强带，守在 0.7μm 附近；甲烷的两个带出现在 2.3 和 3.35μm；一氧化二氮的贡献集中在 2.9 和 3.9μm。

这解释了为什么卫星传感器设计有一个“大气窗口”的概念。在太阳光谱范围内，真正适合陆地观测的波段是：可见光的 0.40-0.75μm，以及近红外到中红外的 0.85、1.06、1.22、1.60、2.20μm 附近。这些窗口并不是“没有吸收”，而是吸收相对较弱、可以通过计算精确扣除。像 0.85μm 这个常用窗口，旁边就是水汽和氧气的吸收带边缘，通道稍宽一点，吸收订正的误差就会急剧放大。

2.2 从逐线积分到带模型：10cm⁻¹ 谱间隔里的工程智慧

理论上最精确的吸收计算方式是逐线积分（line-by-line）：把每条吸收谱线的位置、强度、线型都解析出来，逐点计算透过率。但这样做计算量大得可怕，一条水汽谱带里可能就有上万条吸收线，逐线积分在任何实用场景下都跑不动。

6S 的解法是带模型。它把太阳光谱按 10cm⁻¹ 宽度切成均匀间隔，借助 HITRAN 数据库获取每个间隔内的谱线信息。10cm⁻¹ 这个宽度是精心选的：太宽，会把谱线结构抹平，损失透过率的谱形信息；太窄，每个间隔里包含的吸收线太少，统计模型就不适用了。这个宽度刚好保证两个条件——既能描述透过率的谱变化，又让每个间隔内有足够多的吸收线供统计建模。

带模型选了两种随机指数形式：Goody 模型用于水汽，Malkmus 模型用于其它气体。选择逻辑是水汽的谱线分布更接近随机分布假设，而其它气体用 Malkmus 的改进形式更贴合逐线结果。当多种气体在同一间隔内都有吸收时，6S 直接把各气体透过率相乘作为总透过率，这个做法隐含了一个假设——各气体的吸收线在谱带内的位置互不相关。

def gaseous_transmittance(wavenumber_cm1, gas_profile, model="malkmus"): """ 计算单个 10cm-1 间隔内的气体透过率。 wavenumber_cm1: 当前间隔的中心波数 gas_profile: 该气体在传输路径上的光学等效含量 model: "malkmus" 或 "goody" """ # 等效吸收系数，来自 HITRAN 在 10cm-1 间隔内的谱线统计 W = equivalent_absorption_width(gas_profile, wavenumber_cm1) if model == "malkmus": # Malkmus 随机指数带模型：透过率只由平均等效宽度决定 T_gas = math.exp(-math.pi * W / 2.0 / math.sqrt(1.0 + W / beta)) else: # Goody 模型适用于水汽，参数 beta 不同 T_gas = math.exp(-W / math.sqrt(1.0 + W / beta_goody)) return T_gas

这段伪代码对应了 6S 中 ABSTRA 子程序的核心逻辑。关键在于equivalent_absorption_width这个函数——它把一条非均匀路径上用逐线积分求得的吸收折算成等效均匀路径，再代入带模型。这样处理以后，每小时的大气状态都能复用同一套谱线统计参数，只需要改廓线，这也是 6S 能保持较高效率的原因之一。

2.3 吸收和散射不是两件事：为什么总透过率不能简单相乘

初学者容易犯的错误是：把吸收透过率和散射透过率分开算，最后相乘当作总透过率。6S 明确指出，吸收与散射之间存在耦合作用。光子是先被散射改变方向，还是先被吸收吃掉，会改变它在大气中的实际路径长度，进而影响被吸收的概率。

手册里给了一个近似方案：吸收作为校正因子单独计算，但散射过程使用的光学厚度要扣除吸收成分。更具体地说，6S 把吸收处理成“路径上的修正因子”，在计算散射辐射传输时，对每条有效路径都乘以对应的吸收透过率。这个耦合近似在大多数遥感场景下足够精确，但在水汽吸收带上，散射路径显著拉长，误差会比较突出。

这也是为什么 6S 的精度声明里特意提到“用 2.5nm 的光谱积分步长”而不是更粗的步长——吸收透过率的谱变化太快，步长太粗会漏掉吸收线的细节，导致订正结果系统性偏差。

3. 散射效应：从路径辐射到环境函数的多级光子账本

3.1 表面照明的三笔账：直射、漫射和“陷阱”

散射是大气传输里最难建模的部分，因为它不像吸收那样只要乘一个衰减因子就行。光子被分子或气溶胶散射后并没有消失，而是改变方向继续传播。一部分光子被弹回太空（路径辐射，不携带任何地表信息），另一部分成为地表照明的漫射分量，还有一部分在地表和大气之间来回弹射（陷阱效应）。

6S 用代数形式把这三笔账算得很清楚。设太阳天顶角的余弦为 μs，地表漫射透过率为 td(μs)，大气球面反照率为 S。到达地表的向下总照度可以写成：

地表总照明 = 直射分量 e^(-τ/μs) + 漫射分量 td(μs) + 陷阱效应带来的增亮项

其中陷阱效应是一个几何级数：td(μs)·ρt·S + td(μs)·(ρt·S)² + …，收敛为 td(μs)·ρt·S/(1-ρt·S)。这个级数收敛得非常快，通常一到两个来回的弹射就足够，因为 S 一般只有 0.05-0.30，地表反射率也不高，乘积的二次项已经很小。

陷阱效应常常被忽略，但它在地表反照率高、大气气溶胶多的情况下并不算小。例如沙漠地表反射率 0.4，大气球面反照率 0.15，一次陷阱增亮就是 0.06，相当于地表反射信号被抬高了 6%，这对定量反演来说已经是必须订正的量级。

3.2 环境函数 F(r)：邻近像元的“光污染”如何量化

地表不是均匀的。当一个像元是亮目标、周围是暗背景时，卫星传感器收到的亮像元信号里，混入了周围环境散射进来的暗背景光子。6S 为此引入了环境函数的概念。

关键定义是一个加权平均地表反射率 ⟨ρ(M)⟩：以目标像元 M 为原点，乘以权重函数 e(x,y,V)——即位于 (x,y) 处的单位各向同性光源对漫射透过率的贡献。在垂直观测或接近垂直观测的情况下（天顶角小于 30°），这个权重只与距离 r 有关，积分变成极坐标形式。

C 计算目标尺寸对环境等效反射率的影响 SUBROUTINE ENVIRO(R, F, DELTA) C R - 目标半径(km) C F - 环境权重函数, F(r) = 2*pi*∫ p(r')r'dr' C DELTA- 积分步长 DOUBLE PRECISION R, F, DELTA, SUMP, RP, P SUMP = 0.0D0 RP = 0.0D0 DO 10 I = 1, INT(R/DELTA) RP = RP + DELTA P = ENV_KERNEL(RP) SUMP = SUMP + P * RP * DELTA 10 CONTINUE F = 1.0D0 - 2.0D0 * 3.14159265D0 * SUMP RETURN END

ENV_KERNEL就是权重函数 p(r)，它描述距离目标 r 处的一个环形区域对漫射透过率的单位贡献。函数形态取决于气溶胶的光学厚度和散射相函数。6S 的做法是把它预先离散化成表，运行时用积分求 F(r)。有了 F(r) 后，环境等效反射率就是：

⟨ρ(M)⟩ = ρc·F(r) + ρe·(1-F(r))

它表达的含义是：离目标越近的像元对信号污染越大，越远的像元权重越小。F(r) 收敛到 1 的速度决定了环境效应的有效尺度。在气溶胶光学厚度 0.2、可见光波段下，这个尺度大约是几百米到几公里。这也是为什么在高分辨率影像里，用 6S 做校正时必须显式启动环境函数选项；而低分辨率影像（如 1km 级）里，环境效应基本已经包含在单像元内部了。

3.3 内在大气反射率：那片“没有目标的信号”从哪里来

6S 定义了一个关键的参考状态：当传感器下方是黑色目标（地表反射率为 0）时，传感器仍然能收到信号，这个信号就叫内在大气反射率 ρa。它完全来自大气本身对太阳光的散射——分子瑞利散射和气溶胶散射把一部分太阳光直接弹向了空间方向。

ρa 可以粗略分解为瑞利贡献和气溶胶贡献之和。手册明确提醒：这个分解只在较长波长下近似成立，在短波方向，瑞利和气溶胶多次散射之间的耦合会让单纯相加失效。实际 6S 中，ρa 通过逐次散射（successive orders of scattering）方法精确计算。

这个量的重要性在于：它在 6S 核心方程里是第一个相加项。无论地表反射率是多少，传感器永远先看到大气自身的散射信号，这层“雾”是大气校正中最难去除的部分——因为它与地表信号之间不是简单加减关系，而是耦合在一起。

4. 6S 的核心方程：表观反射率怎么拆成四项还能闭合

4.1 等效反射率：把辐亮度归一化到同一把尺子

卫星传感器测量的是辐亮度 L，单位是 W·m⁻²·sr⁻¹·μm⁻¹。但辐射传输方程习惯用反射率来表达，因为反射率不随太阳高度角和太阳常数变化。6S 定义等效反射率：

ρ* = π·L / (Es·μs)

其中 Es 是大气层顶的太阳辐照度，μs 是太阳天顶角的余弦。这样一归一化，传感器的辐亮度观测值就被映射到 0-1 区间的反射率尺度上，与地表反射率直接可比。

4.2 一个方程吃下所有机制：四项加法与几何级数闭合

6S 手册的精华在第三章那个看似简单的公式。对均匀朗伯地表，表观反射率可以写作：

ρ*(μs, μv, φs-φv) = ρa(μs, μv, φs-φv) + [T(μs) / (1 - ρt·S)] · (ρt·e^(-τ/μv) + ρt·td(μv))

这个公式里每一项都有明确物理对应。第一项 ρa 是内在大气反射率，来自大气散射的“背景噪声”。第二项包含一个分数 T(μs)/(1-ρt·S)，其中 T(μs) = e^(-τ/μs) + td(μs) 是太阳到地表路径上的总透过率，分母里的 1-ρt·S 则是地表-大气间多次反弹的几何级数收敛项。最后括号里，ρt·e^(-τ/μv) 是地表反射信号直接到达传感器的部分，ρt·td(μv) 是地表反射后被大气散射回传感器的漫射分量。

这里有一个互易性原理的应用：td(μs) 和 t'd(μv) 在数学上是同一个函数。也就是说，太阳下行漫射透过率等于地表上行漫射透过率，只是因为观测天顶角替换了太阳天顶角。这个对称性让 6S 只需要计算一次漫射透过率函数。

4.3 从正演到反演：大气校正本质上是一个反问题

6S 不仅仅做正演模拟。大气校正意味着：已知表观反射率 ρ* 和大气参数（光学厚度、气溶胶类型、水汽含量），反解地表反射率 ρt。这需要把上面的方程对 ρt 求逆。

def atmospheric_correction(rho_star, T_s, T_v, S, rho_a, tau, mu_v, t_diffuse): """ 从表观反射率 rho_star 反演地表反射率。 使用不动点迭代：rho_star = rho_a + T_s/(1-rho*S) * (rho*e^-tau/muv + rho*t_diffuse) """ # 第一步：直接用直射项近似 T_total = T_s # 太阳路径总透过率 direct_trans = math.exp(-tau / mu_v) # 迭代目标：找到 rho 使正演方程等于 rho_star rho = (rho_star - rho_a) / (T_total * direct_trans) for _ in range(10): rho_new = (rho_star - rho_a) * (1 - rho * S) / (T_total * (direct_trans + t_diffuse)) if abs(rho_new - rho) < 1e-6: break rho = rho_new return rho

迭代的关键是分母中的 (1-ρ·S) 项——它让方程变成了一个轻微的非线性问题。对大多数地表（反射率小于 0.5），迭代三四次就收敛到 1% 以内。但如果地表反射率特别高（如雪面 0.9），S 又大，这个时候收敛变慢，必须小心设定初始值。

6S 的大气校正方案还额外考虑了环境反射率。在非均匀地表情况下，需要先算出环境等效反射率 ⟨ρ(M)⟩，然后把方程中的 ρt 替换为像元反射率与目标反射率的加权组合。这一步是大多数商业遥感软件里最容易被跳过或者简化处理的地方。

4.4 输入参数表：一次运行需要准备什么

每个参数列都对应着 6S 源码里的一个独立模块。这也解释了为什么 6S 被称为“第二代太阳光谱卫星信号模拟”——它不是简单的比尔定律衰减，而是把大气当作一个参与辐射传输的介质来完整建模。

5. 使用避坑：6S 模拟中容易翻车的六个细节

5.1 波长单位混用：μm 与 cm⁻¹ 的换算陷阱

现象：输入 0.55μm 的波段参数，结果透过率曲线整体偏移，吸收带位置对不上。

原因：6S 内部使用波数（cm⁻¹）来划分谱段，外部输入常用微米（μm）。一个波段区间换算成波数区间时，边界是 1/λ 关系，不熟悉的人容易直接用波段中心波长换算，导致区间两端不一致。

解决：换算全程用波数边界值，不要用中心波长。0.55μm 对应约 18182cm⁻¹，但一个 10cm⁻¹ 宽度的间隔在短波方向和长波方向的实际物理宽度不同，必须逐点换算。

5.2 把气溶胶散射系数当光学厚度

现象：同一组气溶胶参数，每次运行结果差一大截，甚至出现负反射率。

原因：气溶胶光学厚度、散射光学厚度和吸收光学厚度是三个不同的量。6S 内部使用单次散射反照率（SSA）把二者分开，用户输入总光学厚度后，代码默认按选定气溶胶模式的 SSA 拆分。如果把散射系数直接当作总光学厚度填进去，等于人为放大了散射成分。

解决：输入前确认你手上的参数是总光学厚度、散射光学厚度还是消光系数。仪器测得的通常是总光学厚度（如太阳光度计反演结果），不要把消光系数直接填进去而不乘路径长度。

5.3 角度定义混淆：天顶角还是高度角

现象：中午的影像（太阳高度角 60°）模拟出来信号异常低，像日落一样。

原因：6S 要求输入的是天顶角的余弦 μs，不是太阳高度角。60° 高度角对应 30° 天顶角，把 60 当 30 填进去，余弦值错误，整个几何计算就全错了。

解决：写一个小函数处理角度输入，明确标注每个输入框对应的物理量。我一般在代码里定义一个deg_to_mu()函数，所有角度统一经过它转换，杜绝手动心算。

5.4 水汽含量超范围

现象：近红外波段（如 0.85μm）的大气透过率出现负值或大于 1 的异常。

原因：6S 的带模型参数是从标准廓线标定的，水汽含量超出标定范围后，Malkmus 模型的外推行为不可控。特别是在湿热天气下地面实测水汽含量可达 5-6 g/cm²，超出默认热带模式范围。

解决：先检查输入的水汽含量是否在模式范围内。如果超出，老老实实改用自定义大气廓线选项，载入实测探空数据，不要继续用标准模式的外推。

5.5 非均匀地表忘记环境项

现象：高分辨率影像上的城市-农田边界处，校正后出现明显的负反射率条带。

原因：开启了环境函数但没有提供正确的目标半径，或者根本没有开启环境函数选项。6S 默认假设均匀地表，目标反射率直接套用方程，忽略邻近像元贡献。边界处亮暗差异大，环境信号被加到了错误的目标上。

解决：对高分辨率数据，显式设置环境函数，并输入目标像元的物理尺寸（以 km 为单位）。边界区域可以对比开/关环境函数的结果，差异大的就是环境效应强的区域。

5.6 忽略了订正后的负值物理含义

现象：大气校正后影像出现大面积负反射率，尤其在水体和阴影区域。

原因：当传感器信号非常弱时，减去大气路径辐射 ρa 后剩余为负值。这在物理上不可能，说明输入的 ρa 偏大，或目标反射率接近零但噪声存在。

解决：把负值像元归零只是治标。真正要检查的是气溶胶光学厚度是否输入过大，以及无云像元筛选是否严格——薄云会显著抬升 ρa，导致暗目标订正后为负值。

6. 设计取舍：6S 为什么执着于“近似模型”而不是“精确计算”

现在回看 6S 的整体设计，会发现一个贯穿始终的取舍：它在精度和速度之间，选择了一条非常务实的中间道路。逐线积分在理论上是精确的，但一套全球遥感数据要处理几百个通道、上亿个像元，逐线积分根本不可能进入业务化流程。带模型在 10cm⁻¹ 间隔内牺牲了谱线细节，换来了数量级上的速度提升，同时把精度控在了遥感应用可接受的范围。

另一个值得品味的设计选择是对标准大气模式的依赖。6S 不是拿着实时探空廓线做辐射传输，而是预设了几种标准大气模式（如美国 1962 标准大气），用户只需选择模式或输入少量修正参数。这意味着精度上限取决于模式的代表性——你用中纬度夏季模式去模拟北极冬季的场景，误差自然大。设计者用这个取舍换来了代码的简洁性和运行效率，同时保留了自定义廓线的接口，把扩展能力交给用户。

还有光谱积分步长从 5S 的 10nm 改进到 2.5nm，这个细节其实反映了一个更深的机制理解：吸收带和散射连续谱耦合时，粗的积分步长会同时平均掉吸收线中心和线翼的透过率差异，导致订正后的信号在吸收带边缘出现“台阶”伪影。2.5nm 的选择不是随意加密，而是论文中用逐线积分做过验证后找到的平衡点。

从我自己的使用习惯来说，6S 给我最大的教训是：任何大气校正结果都必须先做正演一致性检查——用反演出的地表反射率重新跑一遍正演，看表观反射率能否还原到原值。这一步不值钱，但能挡住绝大部分参数输入错误。从那以后，我每次用 6S 或任何辐射传输模型做反演，都要强制走一遍这个正演-反演闭环，确认误差在可接受范围内再提交结果。

希望帮到你。

本文还有配套的精品资源，点击获取