MODIS 影像气溶胶反演
一、MODIS 影像的辐射校正
在ENVI 5.0中打开MODIS影像的HDF文件就已经做了辐射校正，打开HDF文件的方法是File---->Open As---->EOS---->MODIS
打开后在数据列表中可以看到三个文件，第一个是发射率Emissive （band20-band36），第二个是辐射率Radiance（band1-band26）,第三个是反射率Reflectance（band1-band26），如图所示。
二、几何校正
2.1 发射率文件的几何校正
（1）Georeference MODIS 工具
ENVI5.0下有对特定传感器进行几何校正的工具，其中就有专门针对MODIS数据的几何校正，Geometric Correction——>Georeference by sensor——>Georeference MODIS
（2）选择发射率文件
（3）Georeference MODIS 参数设置
Georeference MODIS Parameters对话框中，选择投影信息见图，其中要注意保存GCP控制点以及对MODIS影像做双眼皮去除（在MODIS 1 B图像中,存在着重叠现象,俗称“双眼皮”现象(bow-tie effect) ,严重地影响着MODIS图像的应用），然后点击OK。
（4）发射率几何校正参数设置
Registration Parameters对话框中，注意分辨率是1000（默认）选择保存路径点击OK即可。
（5）发射率几何校正结果
2.2 反射率文件的几何校正
（1）Wrap from GCPs：Image to Map Registration 工具
发射率文件几何校正之后，可以利用导出的GCP控制点来校正其他文件。在工具箱中找Geometric Correction——>Registration——>Wrap from GCPs：Image to Map Registration工具。
（2）选择GCP 控制点文件
双击Wrap from GCPs：Image to Map Registration工具后打开选择GCP 控制点对话框，选择之前保持的GCP控制点文件。
（3）Image to Map 投影设置
接着打开Image to Map Registration 对话框，调整参数如图，注意更改分辨率为1000，然后点击OK。
（4）选择待校正影像，调整几何校正方法
选择待校正的反射率文件。打开Registration Parameters对话框参数设置如图，注意更改几何校正方法为Triangulation和重采样方法Bilinear，使之与发射率校正结果相匹配。（几何校正模型：RST为仿射变换模型、Polynomial为多项式模型、Triangulation为局部三角
网模型）
（5）反射率几何校正结果
（6）反射率校正结果与发射率校正结果对比
ENVI 5.0中提供了更多的图像间的对比查看，可以点击Views菜单选择创建多个视图，然后进行link查看，也可以将两个图像添加进一个视图利用影像查看功能查看。
2.3 角度数据集的几何校正
该实验数据采用的是MODIS L1B 1KM数据，其中包括了角度信息，但是角度数据集的行列号与科学数据集的行列号不同，因此如果想用校正发射率的GCP控制点来校正角度数据集必须在校正角度数据集之前进行重采样到行列号为1354 ,2030。
（1）打开角度数据集
角度数据集的打开不能和科学数据集一样直接打开，打开路径为
File ----> Open As ----> Generic Formats----> HDF,点击后选择HDF文件。选择四个角度数据集：卫星天顶角（SensorZ），卫星方位角（SensorA），太阳天顶角（SolarZ），太阳方位角（SolarA）。
（2）重采样工具
角度数据集的行列数是271*406的，而发射率的行列数是1354*2030的，因此要用之前的GCP文件来校正角度数据集必须重采样。重采样工具Raster Management——>Resize Data。
(3)重采样参数设置
在重采样参数设置窗口中，设置X Y的采样比例：X=4.9963 Y=5 点击Enter，即可采样到
1354*2030，选择重采样方法为Blinear。将四个角度数据进行重采样之后就可以进行几何校正了。
（4）角度数据集几何校正
角度数据的几何校正和发射率的几何校正是一样的，根据校正发射率产生的GCP控制点，利用Wrap from GCPs：Image to Map Registration 工具进行校正。
三、波段合成和裁剪
3.1 反射率和发射率的合成
（1）Layer Satacking 工具
在ENVI5.0 下打开之前校正好的反射率文件和发射率文件，利用Layer Stacking 工具进行合成，双击Layer Satacking 工具，打开参数设置窗口。
（2）空间裁剪
点击Import File…选择几何校正后的反射率文件和发射率文件，然后利用北京市的行政范围来裁剪，Spatial Subset——>ROI/EVF，选择Beijing.evf
（3）调整合成文件的顺序
点击Recorder File 调整顺序，必须是反射率在上，发射率在下。合
成结果如图所示
3.2 角度数据的合成
角度数据的合成和反射率发射率的合成是一样的，只是要注意角度数据的合成时的顺序是卫星天顶角（Sensor Zenith）、卫星方位角（Sensor Azimuth）、太阳天顶角（Solar Zenith）、太阳方位角（Solar Zenith），顺序如图所示，合成结果如图所示。
四、合成后处理
4.1 云检测
云检测工具是扩展工具，该工具实现对反射率和发射率的合成文件进行去云处理，将modis_cloud.sav文件放在ENVI 5.0安装目录下的Extensions文件夹下，重启ENVI即可看到modis_cloud工具。
（1）modis_cloud 工具
双击modis_cloud 工具，选择几何校正结果，就是反射率发射率合成裁剪后的结果。
4.2角度数据后处理
HDF中的角度数据是扩大了100倍的，所以在进行气溶胶反演之前要将角度合成数据乘以0.01。
（1）band math 工具
（2）角度数据波段运算b1*0.01
（3）选择角度合成文件
（4）保存角度数据处理结果
五、气溶胶反演
气溶胶反演工具（modis_aerosol_inversion.sav）也是扩展工具，放在ENVI5.0安装目录下的Extensions文件夹下重启ENVI即可。
5.1 选择云检测结果
5.2 选择角度合成结果
5.3 选择查找表文件
查找表文件是个通用的文本文件，该查找表适合3-9 月的MODIS 影像。
5.4 保存气溶胶反演结果
5.5 掩膜
打开result结果数据，选择Raster Management——>Apply Mask工具。
5.6查看反演结果
landsat 遥感影像地表温度反演教程
基于辐射传输方程的Landsat数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC8LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 标识日期采集时间中心经度中心纬度LC8LGN002016/7/263:26:56 ………………………… 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。 （1）热红外数据辐射定标
选择Radiometric Correction/Radiometric Calibration。在File Selection对话框中， 选择数据LC8LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（），打开Radiometric Calibration面板。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC8LGN02_MTL_MultiSpectral” 进行辐射定标。 因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings， 如下图。
注意与热红外数据辐射定标是的差 别，设置后Scale factor值为。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取； 5)选择传感器类型：Landsat-8 OLI；其对应的传感器高度以及影像数据的分辨 率自动读取； 6) 设置研究区域的地面高程数据；
遥感反演PM2.5的文献阅读笔记
一、PM2.5遥感反演基本原理 卫星遥感反演大气气溶胶是基于卫星传感器探测到的大气上界的表观反射率，也是卫星传感器接收到的辐射值L 。 ))(1/(),(),(),,,(''0ρτρμτμτμμτa s a s a d v s a S T F L L -?+Φ= 0L 为整层大气反射的太阳辐射，主要来自于大气中分子和气溶胶的散射贡献； ) ,(s a d F μτ为太阳下行总辐射；),(s a T μτ为传感器和目标物之间的透过率；'ρ为地表反射率； )(a S τ为大气半球反照率。 由上式可看出卫星观测到的反射率既是AOD 的函数，又是下垫面反射率的函数，如果知道下垫面反射率，并根据不同地区的气溶胶特征确定大气气溶胶的模型就可以得到AOD 。 因此利用AOD 与地面监测指标之间的数学关系，进而建立相应的数学统计模型，这就是基于卫星遥感反演AOD 进而通过统计模型预测PM2.5的基本原理和思路。 二、遥感数据源 目前能用于反演PM2.5的遥感传感器主要有云－气溶胶光达和红外探险者卫星观测器CALIPSO 、中分辨率成像光谱仪MODIS 、多角度成像光谱仪MISR 、多角度多通道偏振探测器 POLDER 、大气臭氧总量绘图仪TOMS 和TOMS 的后继者臭氧监测仪OMI 。 目前应用最多的传感器主要是MODIS 和MISR 。 三、PM2.5时空分布计算方法 利用遥感反演的AOD 结合影响PM2.5的其他因素，采用统计方法间接计算PM2.5时空分布是当前主要的方法。 其计算方法大体可以分为简单线性模型、多元线性回归模型、人工智能模型和广义加法模型4种。 简单线性模型是利用近地面监测站的PM2.5浓度与AOD 之间的简单二元关系建立的，是较早用于PM2.5反演的模型构建方法。 多元线性回归模型除了考虑AOD 外，还将与PM2.5有相关性的湿度、温度、风速、气溶胶类型、大气边界层高度等因素作为自变量，因此多自变量进行PM2.5多元线性回归，其精度得到显著的提高。 由于PM2.5浓度的时空分布受到气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响，具有较强的非线性特性。有学者采用神经网络模型、支持向量机模型、贝叶斯网络算法、基因算法等人工智能算法进行PM2.5时空分布计算，取得较好的应用效果。 广义相加模型GAM 是线性模型非参数化的扩展将一些与因变量间存在的复杂非线性关系的自变量以不同函数加和的形式拟合入模型可以探索到变量间非单调非线性关系从中找
遥感反演土壤湿度的主要方法
遥感反演土壤湿度的主要方法 遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。 1.1 微波遥感土壤湿度法 分主动微波遥感监测法和被动微波遥感监测法两种。此方法物理基础坚实，即土壤的介电特性 和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。 1.1.1 主动微波遥感监测法 以应用x波段侧视雷达为主，主要是后向反射系数法。因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。国内李杏朝据微波后向反射系数法，用x波段散射计测量土壤后向反射系数，与同步获得的X 波段、HH极化机载SAR图像一起试验监测土壤水分；田国良等在河南也应用此方法也进行土壤水分研究。主动微波遥感土壤水分精度较高，且可以全天候使用，成为监测水分最灵活、最适用、最有 效的方法，随着大量的主动微波遥感器的卫星（ERS系列、EOS、SAR、Radar sat、ADEOS、TRMM 等）的发射升空，将使微波遥感的成本不断下降，逐渐被应用于实践 1.1.2 被动微波遥感监测法 原理同主动微波遥感法。值得指出，植被在地表过程研究中的影响突出，为了消除植被的影响，必须同时重视植被的遥感监测，建立相关的计算模型。Teng等通过实验得出在浓密植被覆盖区土壤湿度监测中应避免使用19GHZ波段，此时SMMR 的6.6GHZ波段比SSM／I的19GHZ在遥感监测土壤湿度信息方面的精度更高。说明在植被较密时，为了消除植被对土壤湿度反演的影响，应尽量 选择波段较长的微波辐射计。 1.2 作物植被指数法 采用此方法是基于植被在可见光部分叶绿素吸收了70％-90％红光，反射了大部分绿光，而由 于叶肉组织的作用，后行叶片在近红外波段的反射较强。通过各光谱波段所反射的太阳辐射的比来 表达，这就叫植被指数。常用的植被指数有：归一化植被指数（Normal Difference Vegetation Index, NDVI）、比值植被指数（Ratio Vegetation Index, RVI）距平植被指数（Average Vegetation Index, AVI）和植被条件指数（Vegetation Condition Index，VCI）。 1.3 热红外遥感监测法 土壤热惯量和土壤水分的关系密切，即土壤水分高，热惯量大，土壤表面的昼夜温差小，反之 亦然。热红外遥感手段主要利用地表温度日变化幅度、植被冠层和冠层空气温差、表观热惯量、热 模型（蒸散比）估测土壤含水量[5]。 土壤热惯量法是土壤热特性的综合性参数，定义为： P = tCm (1) (1)式中：P为热惯量（J/m2 k?S1/2）；ρ为密度（kg/m3 ）；C为比热（J/kg?k）；λ为热导率。在实际工作中，常用表观热惯量来代替P： ATI=(1一A)／(Td-Tn) (2) 式中：Td、Tn分别为昼夜温度，A为全波段反照率。
利用MODIS的L1B数据反演气溶胶的流程如下
利用MODIS的L1B数据反演气溶胶的流程如下： 该方案中的数据和算法介绍： 1、MODIS数据是采用的MODIS L1B 1KM数据。应严格按照说明进行操作，例如数据是1km的，数据的合成是反射率在上，发射率在下等，下面将详细介绍各个步骤。 2、这是在ENVI 5.0下做的北京市气溶胶反演，具体包括MODIS影像（HDF）的辐射校正、几何校正、云检测、气溶胶反演。 3、气溶胶反演算法采用经典的暗像元法（DDV）也叫浓密植被法，因此对于冬季反演的气溶胶效果不好。 4、气溶胶反演的查找表是利用IDL调用6S辐射模型得到的，采用的是一般的参数，因此3-9月期间都可以用这一个查找表进行气溶胶反演，也可以自己制定查找表。 5、七纬查找表，从左向右，依次为太阳天顶角，卫星天顶角，相对方位角，P0、T、 S （辐射传输方程参数），最后一列为气溶胶光学厚度（AOD） 6.感兴趣的可以提供用到的modis云检测工具和气溶胶反演工具以及详细的pdf文档。 MODIS数据下载地址：https://www.360docs.net/doc/f48848557.html,/data/search.html
一、MODIS影像的辐射校正 在ENVI 5.0中打开MODIS影像的HDF文件就已经做了辐射校正，打开HDF文件的方法是File->Open As->EOS->MODIS,打开后在数据列表中可以看到三个文件，第一个是发射率Emissive（band20-band36），第二个是辐射率Radiance（band1-band26）,第三个是反射率Reflectance（band1-band26），如图1所示。 图1 ENVI5.0打开HDF文件 二、几何校正 2.1发射率文件的几何校正 （1）Georeference MODIS工具 ENVI5.0下有对特定传感器进行几何校正的工具，其中就有专门针对MODIS数据的几何校正，如图2 Georeference MODIS工具的位置。
地表温度反演实验报告
遥感原理与及应用 地表温度反演实验报告 专业：地理信息系统 班级： XXXXXXXX 姓名： XXX 学号： XXXXXX 成绩： 指导教师： XXX 2014年12月17日 一. 实验目的 1. 根据实际需要，学会在网上（如中国科学院遥
感与数字地球研究所数据共享网）下载研究区内的遥感数据； 2. 掌握在ENVI中实现简单的地表温度反演的原理与步骤。 二. 实验任务 1. 在中国科学院遥感与数字地球研究所数据共享网上订购并下载覆盖郫县的TM影像； 2. 在ENVI中实现简单的地表温度反演算法。 三. 实验数据 在中国科学院遥感与数字地球研究所数据共享网上下载的覆盖郫县地区的TM影像。
四. 实验原理 图1 TM 影像地表温度反演流程 1. 地表温度(Land Surface Temperature)反演公 式为: 2 1(1)K LST K In R ε=+， 其中，R m DN d =?+，2111607.76K W m sr m μ---=???，21260.56K K =。 2. 根据TM 辐射定标原理，热红外波段表观辐亮 度可以进一步写作: max min 6min 255L L R DN L -=?+， 其中LmaxBand6=15.303 , LminBand6=1.238。 3. 地表比辐射率ε为同温度下地表辐射能与黑体 辐射能的比率，其可以表示为: 1.0090.047(In )(0)NDVI NDVI ε=+>，
其中，4343 TM TM NDVI TM TM -=+，当0NDVI <=时(如水体)地表比辐射率取常数1。 五. 实验步骤 1. TM 数据下载 数 据查询和下载网址https://www.360docs.net/doc/f48848557.html,/query.html ，界面如图2 所示。 图2 中国科学院遥感与数字地球研究所数据共享 网址界面
多源遥感数据反演土壤水分方法
多源遥感数据反演土壤水分方法 张友静1,王军战2,鲍艳松3 (11河海大学水文水资源与水利工程科学国家重点实验室,江苏南京 210098;21中国科学院寒区旱区环境与工程研究所, 甘肃兰州 730000;31南京信息工程大学大气物理学院,江苏南京 210044) 摘要:基于AS AR 2APP 影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用T M 和MOD I S 影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现T M 影像提取的归一化水分指数(NDW I )反演精度较好,相关系数达到0187。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为019,均方根误差为3183%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。 关键词:土壤含水量;多源遥感数据;水云模型;AS AR;多尺度 中图分类号:P33819 文献标志码:A 文章编号:100126791(2010)022******* 收稿日期:2009203209 基金项目:国家自然科学基金资助项目(40701130;40830639) 作者简介:张友静(1955-),男,江苏南京人,教授,主要从事遥感机理与方法研究。E 2mail:zhangyj@hhu 1edu 1cn 土壤含水量是地表和大气界面的重要状态参数,并直接影响地表的热量和水量平衡,因而受到水文、气象和农业灌溉等多个学科的关注。微波土壤水分遥感研究始于20世纪80年代,其中最具代表性的是U laby 利用试验数据得出土壤后向散射系数的主导因素为粗糙度和含水量 [1]。80年代后,Dobs on 和U laby 利用车载、高塔、航空平台的微波数据研究了土壤湿度反演的最佳工作模式,并一致认为小角度入射后向散射系数对土壤湿度最敏感[2]。随着微波散射模型不断发展,相继出现微波散射的小扰动模型、几何光学模型、物 理光学模型、两尺度模型和积分方程模型A I E M 。Dobos on 等在物理模型和试验研究的基础上各自建立了经验和半经验模型,成功地反演了裸土的土壤含水量 [324]。2000年以来,随着Rardrsat,E NV I S AT AS AR 传感器发射,基于卫星雷达数据的土壤湿度反演逐步开展。李震等综合主动和被动微波数据,建立一种半经验模型,用于估算地表土壤水分的变化 [526]。研究表明AS AR 数据在半干旱区农田土壤湿度反演方面具有独特的优势[729]。 在植被覆盖条件下,微波信号的组成十分复杂。研究提取植被覆盖下的土壤湿度信息的重点在于如何有效的分离出植被对微波的散射信号,以便用土壤的后向散射信号估算植被覆盖下的土壤含水量。直接用多频同步微波遥感数据通过理论模型或数值模拟求解植被对微波的散射信号[9],具有很好的同步性和物理意义。但遥感数据获取较为困难,同时求解所需的地面同步观测的数据要求很高,因而区域尺度的监测应用还有待深入研究。根据植被的生物、物理特征与植被散射信号之间的关系,采用同步光学遥感数据反演植被散射信号是近年来的研究热点[9211]。但在植被特征参数表达农作物后向散射信号的能力评价、模型参数的识别以及整体求解方案等方面的研究较少。此外,为满足土壤水分监测和灌溉决策的需求,还需研究不同时空分辨率数据反演植被散射信号的能力。本文根据水云模型,研究多尺度下不同植被特征参数与小麦含水量的关系,采用将所有参数放入统一框架下估算的策略,构建了结合光学和微波遥感数据的土壤水分估算模型,并分析了模型参数的敏感性。经准同步实测数据检验,小麦覆盖下土壤水分的估算达到了较高的精度。 第21卷第2期 2010年3月 水科学进展ADVANCES I N WATER SC I ENCE Vol 121,No 12 M ar .,2010
北京市气溶胶(PM10、PM2.5)反演与预警系统
说明：此文件为报名时必须要提交的文件，作为报名的一个重要组成部分不可缺少，如参赛小组不提交该文档，则报名无效 Esri 2012 中国大学生GIS软件开发竞赛 项目计划书 （D-ENVI/IDL开发组适用） 参赛作品名称北京市气溶胶（PM10、PM2.5）反演与预警系统 团队成员姓名 学校/院系聊城大学环境与规划学院 队长及联系电话 快递地址 邮编252059 队长电子邮箱 （说明：2012年4月30日集中报名截至后，选手仍然可以报名参赛，但组委会将不再提供参赛软件。） 竞赛官方讨论站点：https://www.360docs.net/doc/f48848557.html, 参赛须知： 所有参赛作品必须是原创作品，并且参赛者均须保证其提交的作品是由其本人或所属参赛团队原创并拥有、以前从未被发表或发布或许可给第三方发表或发布、以及不损害任何第三方的名誉权、隐私权等任何权利。参赛作品的原创版权归参赛团队所有，竞赛组委会仅拥有对获奖作品进行展示及推广的权利。如果提交作品，则意味着接受并遵守参赛要求和参赛规则。
项目计划书提交时间: 即日起至2012年4月30日截止。 项目计划书提交流程: （1）在报名系统选择报名小组，并依次填加小组成员及指导老师； （2）下载该项目计划书，完整填写后，在报名小组信息中相应位置进行上载（请注意项目计划书文件的大小，尽量不要超过1.5m）； （3）组委会在收到该文件后，会给予审核，审核通过后，系统自动赋予参赛编号。 项目计划书应包括如下内容（请以此为模板填写）： 一、项目概述 1. 引言 近二十多年来，随着我国工业化和城市化进程加快，各种大气污染物高强度、集中性的排放，大大超过了环境承载力， 导致空气质量严重下降。大气污染不仅影响城市景观，还会严重危害公众健康，已成为影响我国城市和区域可持续发展的重 要因素。 气溶胶即悬浮在气体中的固体颗粒物和液体微粒与气体载体共同组成的多相体系，其动力学直径大约在0.001um—100um 之间，直径<10um的可吸入颗粒物(PM10)和直径小于2．5um的可入肺颗粒物(PM2.5)对人体健康有巨大危害。气溶胶颗粒的增 加是近年来城市及郊区频现“灰霾”天气的一个重要原因。而且，气溶胶（PM10、PM2.5）的污染会严重影响人的身体健康， 据统计由于气溶胶的污染，北京市人口寿命平均减少五年左右。 2. 项目背景/选题动机/目的 目前国内对气溶胶的监测依靠环保部门地面采集、监测网络等方式获得数据，这种方式费时、费力、昂贵，对于发展中 国家更是如此。同时气溶胶的时空特征存在巨大差异，而地基测站很少，所以地基观测方式难以实现大范围监测。 相比于传统的监测手段，卫星遥感技术具有宏观性强，能快速获取地表的空间变化和时间动态变化信息等特点，在环境 质量现状和应急监测方面具有明显的优势，卫星观测反演气溶胶的方法已成为越来越重要的气溶胶监测手段。 二、需求分析 1. 概要 【指出项目的需求，该系统主要解决的实际问题】 由于地面监测的局限性，辅以遥感动态监测气溶胶成为不二之选，本系统基于高时间分辨率的MODIS 影像和高空间分辨率的环境减灾卫星影像、TM影像反演北京市气溶胶时空分布，在反演气溶胶的基础上分析气溶胶与PM10和PM2.5的关系，从而得到PM10和PM2.5的时空分布图。结合植被覆盖度、地表温度、相对湿度、地形（DEM）以及气象等多种影响因子来综合分析与气溶胶和PM10、PM2.5的关系。最后利用数据挖掘CART算法以多种影响因子为自变量实现气溶胶的预警。从而帮助受污染城市对气溶胶（PM10、PM2.5）进行预防和治理，给城市人民一个清爽的空气，一个健康的身体。 2. 应用领域/实用性分析 【指出项目的应用领域及实用性】 本系统是对城市气溶胶进行动态监测与预警，可以用来监测城市大气状况，尤其是对人身体健康影响很大的PM10、PM2.5。以此来帮助城市人民预防和治理大气污染，还城市人民一个清新的家园。 三、系统功能概述 【针对需求，对系统的设计概念和功能进行描述】 本系统是C/S和B/S相结合的，在C/S端系统主要分为三大功能模块：1.基于多种影像的气溶胶反演 2.分析影响气溶胶产生以及分布的因子 3.利用CART算法对气溶胶进行预警；在B/S端主要是发布气溶胶 现状分布图、和各种因子之间的分析结果以及预测的气溶胶时空分布图供不同用户（林业局、交通局、国土资源局、城市普通人民）浏览与分析。图1是基于StarUML软件制作的用例图（Use Case Diagram）。
基于单窗算法反演地表温度的ENVI操作教程
单窗算法反演地表温度教程 1.1 算法原理 1.1.1 单窗算法 单窗算法(M Ｗ算法)是覃志豪于2001年提出的针对ＴM 数据只有一个热红外波段的地面温度反演算法。经过众多学者验证,单窗算法具有很高的反演精度，且同样适用于ＥTM ＋和land ｓat 8数据。公式如下: 式中,LS Ｔ为地表温度（Ｋ),T ｓｅns ｏr 是传感器上的亮度温度（K)，T a 是大气平均温度(K ）;a 、b 为参考系数，当地表温度为0-７0℃时,a = -６７.3５５351，ｂ = ０.４５860６；C 、D 为中间变量,计算公式为： 式中，为地表比辐射率,为地面到传感器的大气总透射率。 因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度Ｔa 。 1.1.2 参数计算 1.1. 2.1 辐射亮温计算 利用Pla ｎck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。公式如下 6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+-- =
式中，T senso 为亮度温度值;λL 影像预处理后得到的光谱辐射值,单 位为 )/(2m sr m w μ??，K １ 、Ｋ2为常量,可由数据头文件获取。 计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN 转换为热辐射强度值,公式如下： 式中,ＭL 为增益参数,A Ｌ为偏移参数，该参数可直接在影像通文件数据中获取，且ＥＮV Ｉ软件中已经集成,不需要自己在查找。 1.1. 2.2 地表比辐射率计算 根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种,因此针对混合像元尺度上的地表比辐射率通过下式来估算： 式中,为混合像元的地表比辐射率；P V 为植被覆盖率；R Ｖ为植被的温度比率;R M 为建筑表面的温度比率; V 表示植被法地表比辐射率,ｍ表示建筑表面的地表比辐射率;d 表示辐射校正项。 根据覃志豪经验公式， V ＝０.986;m =0.97２。
近地表气温遥感反演方法(定)
近地表气温遥感反演方法研究进展 摘要：气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。结合遥感的空间分辨率高，覆盖面广，资料同步性强的特点，运用遥感方法反演气温弥补了传统方法的缺点，气象卫星的发展，为其提供了技术平台支持。本文从近地表气温反演的各种不同的方法进行阐述，分别从半统计方法、统计方法、多因子分析方法和遗传算法方面进行叙述。 关键词：气温；遥感；反演方法这 1.引言 气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。由于近地球表面气温控制着大部分陆地表面过程(如光合作用、呼吸作用及陆地表面蒸散过程等)，因此，气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数输入因子[1,2]。高山、水体、植被以及土壤含水量等，以至于表现出很大的空间异质性。我们常常听说的气温，是有气象观测站在植有草皮的观测场所中离地面1.5米高的百叶箱中的温度表测得的。由于温度表保持了良好的通风性并避免了阳光直接照射，因而具有较好的代表性，这个温度基本上反映了观测地点(当地)的气温。但是随着数值预报的发展，常规的探测手段越来越不能满足现代业务预报的需要。特别是在海洋，沙漠，沙漠等的荒僻的地区，基本不可能设立气象站点，即使设立站点也十分稀疏，这就使得我们所获取的气温资料十分有限，要想研究特定位置的气温水平空间分布状况及其内部结构特征等都有一定的困难。同时在不同地形和不同景观条件下，一个气象站观测的数据能够代表的范围有很大差别，即使通过空间内插过程也不能够获得满意的气温空间分布，从影响模型模拟结果[3]。 而遥感具有覆盖面广，空间分辨率高，资料同步性强的特点，所以利用卫星遥感手段资料反演近地表的大气温度就弥补了传统手段的缺陷，不论在现实意义还是经济意义上，都是非常重要的。随着大气科学理论和遥感探测技术的迅速发展，在全球大气观测系统中，卫星探测技术将会成为中流砥柱。同时，从60年代有了气象卫星之后，给遥感反演温度提供了可靠的现实依据。 目前反演大气参数的方法基本可以分为三类：物理方法、半统计方法和统计方法。物理方法是从辐射传输方程出发，根据已知的一些大气知识对方程进行简化，从而达到求解的目的，至今对它们的物理机制认识得还很不清楚，所以极大地限制了该方法的应用与发展。半统计方法是采用物理方法与实测资料的结合，建立个大气参数间的关系，然后利用实测资料进行各参数的反演。目前在该领域采用比较多的是统计方法，它主要包括单因子线性回归分析方法、多元统计方法、Bowen 比分析方法、遗传算法和神经网络方法等，利用这些方法时需考虑多种影响因素，从而建立各因素之间的相互关系[4]。 本文具体从半统计方法和统计方法对气温反演进行研究，着重论述了统计方法反演近地表气温，考虑了热红外和微波两个波段对气温的反演。
陆地气溶胶光学厚度反演原理与方法
陆地气溶胶光学厚度遥感监测原理与方法 大气气溶胶是由大气介质和混合于其中的固体或液体颗粒物共同组成的多相体系。粒子的直径多在10-3～102μm之间。气溶胶光学厚度指无云大气铅直气柱中气溶胶散射造成的消光程度，是大气遥感的重要指标，也是衡量大气污染的重要指标。 利用卫星遥感进行气溶胶监测主要有暗目标法（Kaufman et al,1988）、结构函数法(Tanré et al.,1988)、多角度偏振法(Herman et al,1997)等。目前环境一号卫星CCD相机和超光谱相机的波段设置条件下，暗目标法可得到较好的应用，同时环境一号卫星CCD相机的高空间分辨率，为结构函数法的应用提供了可能。由于环境一号卫星各相机的工作方式的（非偏振）限制，目前尚无法应用多角度偏振方法，环境一号后续星将加入偏振传感器。 1.暗目标法 在可见近红外波段，传感器接收到的信号，既是气溶胶光学厚度的函数，又是下垫面地表反射率的函数。当地表反射率很小时，卫星观测的辐射值主要是大气的贡献，能够提取大气气溶胶信息，暗目标法就是利用浓密植被地区红蓝波段的辐射值和气溶胶光学厚度的这种关系反演气溶胶光学厚度。 2.结构函数法 对于高反射率地区，地表反射率较大，传感器测量的辐射值主要是地表的贡献项，对气溶胶的变化不再敏感，这时使用基于地表反射率的方法反演气溶胶光学厚度非常困难。 结构函数法是早期研究陆地污染气溶胶采用的卫星遥感算法。该算法假设同一个地区一段时间内地表反射率是不变的，利用“清洁日”大气作为参考，反演“污染日”大气的气溶胶光学厚度。利用结构函数法可以反演城市地区的气溶胶分布状况。 3.多角度偏振方法 大气中的气溶胶和大气分子与入射太阳辐射相互作用，除了可以散射和吸收入射辐射，还可以使入射辐射发生偏振，卫星通过测量后向散射的偏振特性，可以得到气溶胶信息。利用偏振信息进行气溶胶反演，具有受地表影响小、能够反演气溶胶物理性质的优势。
ENVI支持下地表温度反演
[转载]ENVI下利用ETM+数据反演地表温度 (2012-05-15 08:31:18) 转载▼ 标签： 转载 原文地址：ENVI下利用ETM+数据反演地表温度作者：ENVIIDL 地表温度作为地球环境分析的重要指标，而遥感技术作为现代重要的对地观测手段，使得基于遥感图像的地表温度反演的研究越来越多。主要的地表温度反演方法有：大气校正法，单窗算法，单通道法等等。本文介绍用辐射传输方程法对地表温度进行反演。 技术流程： 例子数据为2002年9月2日的襄樊市Landsat ETM+数据。根据数据的特点以及地表温度反演研究的技术要求，采用的技术路线为：先对Landsat ETM+数据进行预处理：数据读取、辐射定标、大气校正、襄樊区域裁剪，利用大气校正，即：辐射传输方程法对其影像热红外波段数据进行操作反演，实现襄樊市地区的地表真实温度的反演研究。具体的处理流程如下：
具体的实现步骤如下： 第一步：准备数据 热红外数据使用的是Landsat的第六波段，已经做了传感器定标、几何校正、工程区裁剪，详细流程参考上面的流程图。文件为TM6-rad-subset-jz-xiangfan.img。
由TM影像（已经过大气校正）生成的NDVI数据，已经利用主菜单->Basic Tools- >Resize Data（SFatial/SFectral）重采样为60米分辨率，与TMi6数据保持一致，文件名为：TM-NDVI-60m.img。 第二步：地表比辐射率计算 物体的比辐射率是物体向外辐射电磁波的能力表征。它不仅依赖于地表物体的组成， 而且与物体的表面状态(表面粗糙度等)及物理性质(介电常数、含水量等)有关，并随着所测 定的波长和观测角度等因素有关。在大尺度上对比辐射率精确测量的难度很大，目前只是 基于某些假设获得比辐射率的相对值，本文主要根据可见光和近红外光谱信息来估计比辐 射率。 (一)植被覆盖度计算 计算植被覆盖度Fv采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下： F V = (NDVI- NDVI S)／(NDVI V - NDVI S) （2） 其中，NDVI为归一化差异植被指数，取NDVI V = 0.70和NDVI S = 0.00，且有，当某 个像元的NDVI大于0.70时，F V取值为1；当NDVI小于0.00，F V取值为0。 利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入： （b1 gt 0.7）*1+（b1 lt 0.）*0+（b1 ge 0 and b1 le 0.7）*（(b1-0.0)/(0.7-0.0)）b1:选择NDVI图像 得到植被盖度图像。 (二)地表比辐射率计算
landsat 遥感影像地表温度反演教程
基于辐射传输方程的Landsat 数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC8LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration 。在File Selection 对话框中，选择数据LC8LGN02_MTL_Thermal ，单击Spectral Subset 选择Thermal Infrared1（），打开Radiometric Calibration 面板。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“进行辐射定标。 Settings ，如下图。 2、大气校正
本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取； 5)选择传感器类型：Landsat-8 OLI；其对应的传感器高度以及影像数据的分辨率自动读取； 6) 设置研究区域的地面高程数据； 7)影像生成时的飞行过境时间：在layer manager中的Lc8数据图层右键选择View Metadata，浏览time字段获取成像时间； 注：也可以从元文件“”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:； 8) 大气模型参数选择：Sub-Arctic Summer（根据成像时间和纬度信息选择）； 9) 气溶胶模型Aerosol Model：Urban，气溶胶反演方法Aerosol Retrieval：2-band（K-T）； 10) 其他参数按照默认设置即可。 11) 多光谱参数设置中， K-T反演选择默认模式：Defaults->Over-Land Retrieval standard （600:2100） 波谱响应函数：默认指向.. \Program Files\Exelis\ENVI51\classic\filt_func\ 把它重新指向：..\Program Files\Exelis\ENVI51\resource\filterfuncs\ 注：这是因为版本的一个小bug，即Classic中的L8的波谱响应函数不正确，另外一个一劳永逸的方法是：将
操作-大气校正,辐射定标,气溶胶反演
基于RS\GIS监测洪灾变化上机操作实例 基本原理： ①大气校正 遥感图像在获取过程中，受到大气吸收与散射、传感器定标、地形等因素的影响，且会随时间的不同而有所差异。利用多时相遥感图像的光谱信息检测地物变化的重要前提是要消除不变地物的辐射值差异。 大气校正的目的是消除大气和光照等因素对地物反射的影响，大多数情况下，大气校正是反演地物真实反射率的过程。 目前可以进行大气校正的模块有很多种，如最早的MODTRAN 4+，6S (Second Simulation of the Satellite Signal in the Solar Spectrum)，ACORN，ATREM，在ERDAS IMAGINE 8.7上的模块ATCOR，以及ENVI上的模块FLAASH（基于MODTRAN）。 FLAASH可对LANDSAT，SPOT，A VHRR，ASTER，MODIS，MERIS，AATSR，IRS等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析。下面的大气纠正步骤，都是基于FLAASH进行的。 ②辐射定标 当我们拿到一幅原始影像，先要进行辐射定标，目的是把图像上的DN（Digital Number）值转为辐亮度或者是反射率。辐射定标的结果可以是表观辐亮度（L），也可以是表观反射率（ρ）。 计算表观辐亮度（L）的公式为： Radiance=（（Lmax-Lmin）/（Qcalmax-Qcalmin）*（Qcal-Qcalmin）+Lmin ① 其中：Radiance 是表观辐亮度，注意单位是W/m2·sr·μm；Qcal为像元DN 值（也就是影像数据本身）；Qcalmax为传感器处最大辐亮度值所对应的DN值，一般为255；Qcalmin 为传感器处最大辐亮度值所对应的DN值，一般为0；Lmax 和Lmin是从参数表中查询，Lmin为光谱辐亮度的最小值，单位同L；Lmax为光谱辐亮度的最大值，单位同L。 计算表观反射率（ρ）的公式为： ρ =π*L*d2/（ESUN*cos（θ））② 其中：ρ为表观反射率；L为①式中计算出来的表观辐亮度；d为日地距离；ESUN为大气层外的太阳辐射，也可以说是传感器接收处的太阳辐射；θ为太阳天顶角（这个可以通过影像的元数据获取）。以上参数可以查询下表获得。
landsat 遥感影像地表温度反演 教程(大气校正法)
基于辐射传输方程的Landsat数据地表温度反演教 程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 标识日期采集时 间 中心经度中心纬度 LC81280402016208LGN002016/7/263:26:56106.1128830.30647…………………………注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程
三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。
Scale factor 不能改变，否则后续计算会报错。保持默认1即可。 Scale factor 不能改变，否则后续计算会报错。保持默认1即可。 （2）多光谱数据辐射定标 选择要校正的多光谱数 据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，如下图。
landsat遥感影像地表温度反演教程(大气校正法)
基于辐射传输方程的Landsat数据地表温度反演教程一、数据准备 Landsa 8遥感影像数据一景，本教程以市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标
地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射 定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection对话框 中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset 选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。
因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，如下图。 注意与热红外数据辐射定标是的差 别，设置后Scale factor值为0.1。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候；
Landsat8 TIRS 地表温度反演
热红外遥感（Infrared Remote Sensing）是指传感器工作波段限于红外波段范围之内的遥感。即利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。目前有很多的卫星携带了热红外传感器，包括ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。 目前，地表温度反演算法主要有以下三种：大气校正法（也称为辐射传输方程：Radiative Transfer Equation——RTE）、单通道算法和分裂窗算法。 本实例是基于大气校正法，利用Landsat8 TIRS反演地表温度。 基本原理：首先估计大气对地表热辐射的影响, 然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度, 再把这一热辐射强度转化为相应的地表温度。 具体实现为：卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。卫星传感器接收到的热红外辐射亮度值Lλ的表达式可写为（辐射传输方程）： Lλ = [εB(T S) + (1-ε)L↓]τ+ L↑（1.1） 式中，ε为地表比辐射率，T S为地表真实温度(K)，B(T S)为黑体热辐射亮度，τ为大气在热红外波段的透过率。则温度为T的黑体在热红外波段的辐射亮度B(T S)为： B(T S) = [Lλ - L↑- τ(1-ε)L↓]/τε（1.2） T s可以用普朗克公式的函数获取。
T S = K2/ln(K1/ B(T S)+ 1) （1.3） 对于TM，K1 =607.76 W/(m2*μm*sr)，K2 =1260.56K。 对于ETM+，K1=666.09 W/(m2*μm*sr)，K2 =1282.71K。 对于TIRS Band10，K1= 774.89 W/(m2*μm*sr)，K2 = 1321.08K。 从上可知此类算法需要2个参数：大气剖面参数和地表比辐射率。大气剖面参数在NASA提供的网站(https://www.360docs.net/doc/f48848557.html,/)中，输入成影时间以及中心经纬度可以获取大气剖面参数。适用于只有一个热红外波段的数据，如Landsat TM /ETM+/TIRS数据。 主要内容就是使用BandMath工具计算公式（1.2）和公式（1.3），处理流程如下图所示。
气溶胶光学厚度的高光谱遥感反演及其环境效应
气溶胶光学厚度的高光谱遥感反演及其环境效应 【摘要】：气溶胶是研究全球气候变化和大气污染的重要参数，也是进行定量遥感必须获得的参数。本文针对人口密集、工业化程度高的城市区域范围，探索高光谱数据遥感反演气溶胶光学厚度的方法，应用中科院上海技术物理研究所自行研制的模块化成像光谱仪(OMIS)，结合MODIS卫星资料和地面太阳光度计监测，试图形成“星载—机载—地面”三个高度立体遥测，实现城市气溶胶光学厚度的反演，并进一步研究其环境效应。具体工作及结果如下：1)比较分析各种气溶胶光学厚度遥感反演方法的适用性和局限性，并介绍了太阳光度计地基遥测原理。2)分别介绍了MODIS、OMIS和地基高光谱数据的特点及数据预处理过程、分析典型地物的光谱特征。3)采用高反差地表法，对2002年10月7日的机载OMIS高光谱数据，进行了气溶胶光学厚度反演的尝试性试验，给出了初步的反演结果，在502-590nm波段处的气溶胶光学厚度值在0.175-0.314之间。反演结果符合当天的空气质量状况，与能见度进行比较，以证明反演结果的正确性，说明利用高光谱、高空间分辨率的机载遥感数据可以反演城市气溶胶光学厚度。4)进行大气辐射传输模型的模拟与分析，利用MODIS红、蓝通道数据分析地表反射率、气溶胶类型、气溶胶组份、水汽、臭氧等因素对气溶胶反演的影响；建立了表观反射率—地表反射率—气溶胶光学厚度之间的查算表，结合城市地表特点，探索基于MODIS数据的双目标对比法进行气溶胶光学厚度的反演。5)利用地
面站点能见度和卫星遥感的气溶胶光学厚度资料，建立了一个二者之间季节平均的简单关系，得到上海地区各季的气溶胶标高在春季、夏季、秋季和冬季分别为：1251m，1957m，791.7m和776.4m；并利用标高数据和气溶胶光学厚度的季节分布，反演上海地区区域能见度的季节平均分布，证实上海城区在冬春季平均能见度较差，市区中心能见度在10km以下；低能见度中心分布明显，且主要分布在杨浦、桃浦、吴淞等工业区范围。6)利用MODIS气溶胶产品及太阳光度计实测数据，分析上海及周边地区气溶胶光学厚度的时空变化特征；将MODIS气溶胶产品与地面污染资料、气象资料进行比较分析，发现AOD与PM_(10)的相关性最好，出现AOD大值的日子里相对湿度大，风速较低，能见度低，大气相对比较稳定，不利于污染物的稀释扩散。 7)通过因子分析，选取公因子F1(污染因子)、F2(温度气压因子)、F3(湿度和辐射因子)、F4(风速因子)、F5(气溶胶光学厚度)作为评价大气污染程度的主要影响因子，以MODIS遥感的气溶胶产品作为衡量大气浑浊度和气溶胶污染等级划分的指标，将气溶胶污染划分为：弱、较弱、中等、较强、强五级。【关键词】：气溶胶光学厚度(AOD)模块化成像光谱仪(OMIS)中分辨率成像光谱仪(MODIS)太阳光度计 【学位授予单位】：华东师范大学 【学位级别】：博士 【学位授予年份】：2006