高反射率地区气溶胶光学厚度遥感反演_现状及展望_孙林
气溶胶光学厚度遥感反演方法研究

气溶胶光学厚度遥感反演方法研究气溶胶光学厚度是指大气中可见光波段的气溶胶对光的吸收和散射能力,是研究大气污染和气候变化的重要参数之一。
随着遥感技术的发展,气溶胶光学厚度的遥感反演方法也越来越多样化。
本文将围绕气溶胶光学厚度的遥感反演方法展开探讨,并介绍其中几种常用的方法。
首先,我们来介绍一种基于太阳辐射的反演方法,即通过观测太阳辐射在大气中的衰减程度来推导气溶胶光学厚度。
该方法的基本原理是:利用太阳辐射的特定波段观测数据,与大气传输模型进行比对,通过比较模型计算的大气透过率和实际观测得到的透过率之间的差异,推导出气溶胶光学厚度。
这种方法的优点是简单且操作直观,但是需要准确的大气传输模型和太阳辐射观测数据。
另一种常用的反演方法是利用遥感数据中的多光谱信息进行反演。
这种方法利用多光谱数据中不同波长的光谱信息和气溶胶光学特性之间的关系,从而反演出气溶胶光学厚度。
常用的多光谱遥感数据包括MODIS卫星的数据和Landsat卫星的数据。
这种方法的优点是获取的数据较全面和准确,但是对大气参数和气溶胶光学特性的准确性要求较高。
此外,还有一些基于亮温数据的反演方法。
亮温是指地物在遥感图像中反射和辐射出的热能,不同的地物有不同的亮温值。
利用亮温数据可以推导出地表和大气的温度分布,从而推导出气溶胶光学厚度。
这种方法适用于全球遥感数据,但是对地表和大气温度的准确性有一定要求。
在不断深入研究中,一些新的反演方法也得到了发展。
例如,基于人工神经网络的反演方法。
通过训练神经网络,能够从遥感数据中学习到气溶胶光学厚度和其他大气参数之间的复杂非线性关系,从而实现准确的反演。
这种方法的优点是能够适应复杂的遥感数据,减少传统方法中的模型假设和参数要求,提高了反演的准确性。
综上所述,气溶胶光学厚度的遥感反演方法多样化且不断发展。
通过太阳辐射观测、多光谱数据分析、亮温数据推算和人工神经网络等方法,可以准确地反演出气溶胶光学厚度。
未来随着遥感技术的不断进步,反演方法将更加精细化和高效化,为大气污染和气候变化研究提供更加可靠的数据支持。
中国地区MODIS气溶胶光学厚度产品综合验证及分析

中国环境科学 2020,40(10):4190~4204 China Environmental Science 中国地区MODIS气溶胶光学厚度产品综合验证及分析李忠宾1,2,王楠3,张自力4,王甜甜5,陶金花2,王萍1,马双良3,徐奔奔2,范萌2*(1.山东科技大学测绘科学与工程学院,山东青岛 266590;2.中国科学院空天信息创新研究院,遥感科学国家重点实验室,北京 100101;3.河南省生态环境监测中心,河南郑州 450046;4.浙江省生态环境监测中心,浙江杭州 310012;5.江苏省环境监测中心,江苏南京 210019)摘要:讨论了2000年02月~2019年08月不同分辨率、算法中等分辨率成像光谱仪(MODIS)气溶胶光学厚度(AOD)产品在不同季节、区域、下垫面条件下中国区域的精度和适用性,在像元尺度上对比了重采样降低分辨率后的多角度大气校正(MAIAC)AOD数据与其他产品的精度.研究表明:在同等验证条件下,相较于暗目标算法(DT)、深蓝算法(DB)和暗目标与深蓝结合算法(DTB),1km MAIAC AOD产品在中国地区与AERONET站点AOD观测数据整体一致性最高,R2达到0.891,均方根误差(RMSE)仅为0.126,超过75%的验证样本落在期望误差线(EE)范围内;同时,该产品受季节、区域和下垫面变化影响也最小,其中秋季R2达到0.917,RMSE为0.111,样本落在EE内的比例达到80.11%.3km DT算法AOD产品在植被覆盖率较大的森林和农田区域优于1km MAIAC AOD产品,在植被覆盖率较小的草地和城市区域则差于1km MAIAC AOD产品,且该产品在不同季节均存在AOD高估问题,其中,夏季高估程度最高(平均相对误差(RMB)=1.622,AOD值高估62.2%).DB在长三角和珠三角地区存在AOD被低估的现象.DTB算法兼顾了DT算法和DB算法的优缺点,DTB算法AOD产品的相关性一般高于DB算法 AOD产品,样本被高估程度一般低于DT算法 AOD产品.通过重采样方法降低1km MAIAC AOD 产品分辨率后,相同尺度下的MAIAC AOD数据精度优于DT算法、DB算法和DTB算法AOD产品,因此,MAIAC算法更适用于小尺度城市群集中区域的大气环境监测.关键词:气溶胶光学厚度;多角度大气校正;中等分辨率成像光谱仪;全球气溶胶自动观测网;中国中图分类号:X513 文献标识码:A 文章编号:1000-6923(2020)10-4190-15Validation and analyzation of MODIS aerosol optical depth products over China. LI Zhong-bin1,2, W AN G N an3, ZHAN G Zi-li4, W AN G Tian-tain5, TAO Jin-hua2, W AN G Ping1, MA Shuang-liang3, XU Ben-ben2, FAN Meng2* (1.College of Geomatics, Shandong University of Science and Technology, Qingdao 266590, China;2.State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, China Academy of Sciences, Beijing 100101, China;3.Henan Province Ecological Environment Monitoring Centre, Zhengzhou 450046, China;4.Zhejiang Province Ecological Environment Monitoring Centre, Hangzhou 310012, China;5.Jiangsu Province Environmental Monitoring Center, Nanjing 210019, China). China Environmental Science, 2020,40(10):4190~4204Abstract:A new multi-angle atmospheric correction (MAIAC) algorithm was applied for the Moderate-resolution Imaging Spectroradiometer (MODIS) to provide global aerosol optical thickness (AOD) product with 1km resolution. The dark target (DT), the dark blue (DB) and the combined DT and DB (DTB) algorithms have also been optimized and updated. In this paper, the accuracy and applicability of 5MODIS AOD products with different resolutions over China were verified and analyzed in terms of season, region and landcover type. Moreover, the resampled MAIAC AOD data was compared with other AOD products on the pixel scales. Our results showed that compared with DT, DB and DTB AOD products, 1km MAIAC AOD product had a best agreement with the ground-based AERON ET measurements with overall R2 of 0.891, Root Mean Squared Error (RMSE) of0.126 and = Expected Error (EE) larger than 75%, and its accuracy was least impacted by season, region and landcover type. Especially, the R2 of 1km MAIAC AOD reached to 0.917 and the RMSE was only 0.111, and there was 80.11% of 1 km MAIAC AOD falling in the expected error envelops. The reliability of 3km DT AOD was higher than that of 1km MAIAC AOD over the regions larger fraction of vegetation cover (e.g. forest and cropland), while it was lower than that of 1km MAIAC AOD for grassland and urban regions with smaller fraction of vegetation cover. 3km DT AOD was always overestimated, especially, the most overestimation of 3km DT AOD by 62.2% (RMB=1.622) was in the summer. Although the DB algorithm was more applicable for the regions with bright surface (e.g. urban regions), the DB AOD product showed a significant underestimation over Yangtze River Delta (YRD) and Pearl River Delta (PRD) regions. The DTB AOD product combined the advantages of DT and DB AOD products. The correlation between the DTB AOD and the AERON ET was always higher than that between the DB AOD and the AERON ET AOD, and the overestimation of DTB AOD retrievals was lower than that of DT ones. With the same resolutions, the accuracy of the MAIAC AOD收稿日期:2020-03-09基金项目:国家重点研发计划(2017YFB0503901);国家自然科学基金重点项目(41830109);国家自然科学基金面上项目(41871254)* 责任作者, 助理研究员,*****************.cn10期李忠宾等:中国地区MODIS气溶胶光学厚度产品综合验证及分析 4191was better than DT, DB and DTB AOD products. Therefore, the MAIAC algorithm was more suitable to the air monitoring of urbanagglomerations.Key words:aerosol optical thickness;multi-angle implementation of atmospheric correction;moderate resolution imaging spectroradiometer;aerosol robotic network;China气溶胶光学厚度(AOD)可以通过卫星传感器观测数据反演获取[1-3].目前,应用较为广泛的气溶胶探测传感器是中等分辨率成像光谱仪(MODIS), MODIS 是Terra和Aqua卫星上搭载的主要传感器之一,两颗星相互配合每1~2d可重复观测整个地球表面,得到36个波段(分辨率:250m(bands 1~2); 500m(bands 3~7); 1000m(bands 8~36))的观测数据.但由于气溶胶来源组成复杂多变,浓度、物理、化学和光学特性具有时空差异性,对于中国地区MODIS气溶胶产品的适用性仍需要与地面卫星基站进行对比验证.目前,气溶胶光学厚度反演结果可以从AERONET[4](美国NASA全球气溶胶观测网)、CARSENET(中国气溶胶地基遥感观测网)等地面观测站获取,利用站点获取的AOD结果可以用于验证MODIS AOD产品的准确性和适用性.车慧正[5]通过与AERONET、CARSNET站点数据对比分析了DT 算法C6.0、C6.1版本AOD产品在中国地区的适用性;张朝阳[6]利用AERONET站点数据验证了MAIAC算法在中国地区反演AOD的准确性,并得出了MAIAC AOD产品秋季反演精度高、算法反演精度受水体影响大的结论.但是,已有的验证方法均是分别获取不同分辨率产品与AERINET的精度验证结果,然后直接对比不同分辨产品精度.本文在已有研究基础上,利用Terra(2000年2月~2019年8月)和Aqua(2002年6月~2019年8月)卫星MODIS C6.0多角度大气校正(MAIAC)算法和C6.1暗目标算法(DT)、深蓝算法(DB)、暗目标与深蓝算法结合(DTB)4种不同算法的AOD产品与中国区域AERONET站点数据进行精度验证,讨论了不同季节、区域、下垫面条件下4种产品在中国的准确性.并提出新的产品精度验证思路,通过重采样降低1km MAIAC AOD数据分辨率,在像元尺度上对比了重采样后的MAIAC AOD数据与其他产品的精度.1研究方法1.1卫星地基数据1.1.1 MODIS数据 DT算法是Kaufman等在利用大量数据的基础上提出的AOD反演算法,该算法是建立在浓密植被像元、暗目标红、蓝波段反射率较低,并与红外波段反射率之间存在相关关系的理论基础上,将中红外通道表观反射率近似看作此通道的地表反射率,进而得到红蓝波段的地表反射率,根据选择的气溶胶模型的查找表反演AOD.基于DT算法的AOD产品分为C6.0 3km (MxDO4_3K)和C6.1 10km分辨率(MxDO4_L2),其中,x为O代表Terra卫星产品,x为Y代表Aqua卫星产品[7].DB算法是假设蓝波段在亮目标地区地表反射率远低于其他波段地表反射率,根据历史的地表反射率产品建立蓝波段地表反射率库,进而反演亮目标地区AOD,如城市、沙漠地区等[8].基于DT算法的AOD产品为C6.1 10km分辨率(MxDO4_L2)产品.DTB算法结合了DT与DB算法的优点,根据归一化植被指数(NDVI)进行反演AOD:NDVI<0.2时,采用DB算法反演AOD;NDVI>0.3时,采用DT算法反演AOD; 0.2<N DVI<0.3时,采用两种算法反演结果的平均值.基于DTB算法的AOD产品为C6.1 10km分辨率(MxDO4_L2)产品.MAIAC是一种新的气溶胶反演算法[9],该算法假设空间是均匀稳定的,在考虑双向表面反射率影响的基础上,利用时间序列数据动态解耦气溶胶和陆地反射贡献求算AOD[10-11].本文所使用的Aqua 和Terra卫星的1km分辨率MAIAC AOD产品为MCD19A2.土地类型数据采用500m分辨率的MODIS MCD12Q1数据,该数据是根据每年Aqua和Terra卫星数据采取监督分类决策树方法提取不同的土地覆盖特征形成的数据分类产品,共分为17种土地覆盖类型.本文根据不同土地覆盖类型对气溶胶反演算法的影响程度,选择了5种土地覆盖类型下垫面,分别为:森林、草地、农田、城市和水体,对比分析了不同算法在不同下垫面的数据精确性.1.1.2 AERON ET站点数据 全球气溶胶观测网4192 中国环境科学 40卷AERONET[12]是美国宇航局NASA建立的全球气溶胶光学特性监测网络.通过在全世界代表区域设立气溶胶卫星观测站点,获取全球气溶胶参数的基准数据,用于研究气溶胶在全世界范围内的光学分布特征及物理化学特性.AERONET气溶胶观测网采用法国CIMEL CE318太阳光度计,通过测量不同波段、不同方向、不同时间的辐射亮度,获取大气整层的AOD.气溶胶产品的等级分为Level 1.0、Level 1.5、Level 2.0.2000~2019年,中国区域共58个AERONET站点开展连续或阶段性观测.本文采用中国区域的气溶胶站点56个,其中部分站点例如宁波站缺少甚至没有Level 2.0级数据,便采用Level 1.5级数据代替[6,13-14].站点位置、下垫面地表类型、所属区域如图1所示.图1 AERON ET中国地区地面监测站点分布Fig.1 Map of the AERONET sites in China通过相邻两个波段500nm和675nm的Ångström指数内插获取550nm Ångström指数,进而求得550nm的AOD[15-16]. 其相应的计算公式如公式(1)、式(2)所示.()()500675500675ln/ln500/675ττα−=− (1)()500675550675500/675αττ−−= (2) 式中:500τ和675τ分别为波长500nm和675nm的AOD值,500~675α为500~675nm的Ångström指数,550τ为内插所得550nm的AOD值.1.2验证方法1.2.1时空匹配窗口 本文通过AERONET站点数据与卫星数据直接匹配,筛选出与AERONET站点时间和空间一致的卫星数据,用以评估卫星数据的准确性和适用性.在气溶胶信息是均匀的假设下,由于AERONET站点数据与卫星数据时间不一致,且卫星数据中与AERONET站点经纬度相同的像元数量少,因此,设立一个时间窗口对站点数据进行筛选,求取AERONET站点平均值;以AERONET站点经纬度作为空间窗口中心像元,计算该窗口下卫星数据的平均值[17].用于筛选AERONET数据的时间窗口包括: 瞬时窗口是±30min[18-19]、±60min[20].根据卫星过境及数据获取时间,本文选择的时间窗口为±30min,±60min的时间窗口时间间隔过大,会增添数据不确定性.10km DT、DB、DTB产品常用的空间窗口为50km×50km,MAIAC产品适合的空间窗口是25km×25km,为了对比不同分辨率AOD产品的准确性,选择统一的空间窗口是30km×30km.表1中国地区AERONET地面站点信息统计Table 1 Detailed information about the AERONET sites in china类型编号站点名称经度(°E) 纬度(°N) 观测时间数据版本1 Asia1 87.65 43.783 2007-08 level2.02 Jingtai 104.1 37.3332008-02~2008-05 level2.03 Lanzhou_City 103.853 36.048 2009-10~2009-12 level2.04 Litang 100.262 29.976 2011-10 level2.05 Mt_WLG 100.896 36.2832009-09~2013-07 Level1.5 6N AM_CO 90.962 30.7732006-09~2018-03 level2.07 QOMS_CAS 86.948 28.365 2009-10~2018-09 level2.08 SACOL 104.137 35.9462006-07~2013-05 level2.0草地9 Muztagh_Ata 75.039 38.408 2011-06~2011-10 level2.010 Yufa_PEK 116.184 39.3092006-08~2006-09 level2.011 SON ET_Xingtai 114.36 37.182 2016-05~2016-05 Level1.5农田12 Zhangye 100.276 39.0792008-04~2008-06 level2.010期李忠宾等:中国地区MODIS气溶胶光学厚度产品综合验证及分析 4193续表1 类型编号站点名称经度(°E) 纬度(°N) 观测时间数据版本13 XiangHe 116.962 39.7542001-03~2019-09 level2.014 Shouxian 116.782 32.5582008-05~2008-12 level2.015N UIST 118.717 32.2062008-03~2010-04 level2.016 PKU_PEK 116.184 39.5932006-08~2008-08 level2.017 Hefei 117.162 31.9052005-01~2008-11 level2.018 Kashi 75.93 39.5042019-03~2019-04 level2.019 Minqin 102.959 38.6072010-05~2010-06 level2.0 农田20 Liangning 122.701 41.5122005-04~2005-06 level2.021 Beijing 116.381 39.9772001-03~2019-03 level2.022 Beijing-CAMS 116.317 39.933 2012-08~2019-08 level2.023 Beijing_PKU 116.31 39.992 2016-07~2019-08 Level1.524 Beijing_RADI 116.379 40.005 2010-01~2019-08 level2.025 AOE_Baotou 109.629 40.852 2014-09~2019-08 level2.026 Hangzhou_City 120.157 30.29 2008-04~2009-02 level2.027N ingbo 121.547 29.862007-08~2008-08 Level1.528 Zhongshan_Univ 113.39 23.06 2011-11~2012-03 level2.029 Shanghi_Minhang 121.397 31.13 2008-03~2009-02 Level1.530 Shijiazhuang-CHEY 114.55 38 2013-12~2014-01 Level1.531 Shijiazhuang-SZF 114.458 38.017 2013-12~2014-01 Level1.532 SON ET_Harbin 126.614 45.705 2016-05~2016-06 Level1.533 SON ET_N anjing 118.957 32.115 2016-05 Level1.534 SON ET_Shanghai 121.481 31.284 2016-05 Level1.535 XuZhou-CUMT 117.142 34.217 2013-06~2019-04 Level1.536 Hong_Kong_Sheung 114.117 22.483 2012-03~2019-05 level2.037 Yulin 109.717 38.2832001-05~2002-10 level2.038 SON ET_Zhoushan 122.188 29.994 2016-05 Level1.5 城市39 Hong_Kong_PolyU 114.18 22.303 2005-11~2017-03 level2.040 Huang_Shan 118.15 30.13 2006-11 level2.041 Qiandaohu 119.053 29.5562007-08~2008-10 level2.042 Xinglong 117.578 40.3962006-02~2014-11 level2.043 Hangzhou-ZFU 119.727 30.257 2007-08~2007-11 level2.0森林44 Lingshan_Mountain 115.496 40.054 2014-05 level2.045 Hong_Kong_Hok_Tsui 114.258 22.21 2006-02~2010-07 level2.046 Taihu 120.215 31.4212005-09~2016-07 level2.0 水体47 SON ET_Hefei 117.162 31.905 2016-05~2016-06 Level1.51.2.2 AERONET站点土地覆盖类型 通过500m 分辨率的MODIS MCD12Q1数据划分AERONET 站点位置所属土地类型,56个站点中选择47个所属土地类型分别为森林、草地、农田、城市、水体的站点,作为不同土地覆盖类型下精度验证的试验对象.该47个站点名称均为公知公用,站点具体信息如表1所示,土地覆盖类型为其它的9个站点信息不在表中罗列.1.2.3统计方法 AERONET站点数据与卫星数据匹配完成后,期望误差(EE)用于评估卫星反演结果的质量,针对DT、DB、DTB算法,EE的计算公式为±(0.05+0.15AOD)[21],适用于MAIAC算法的EE 为±(0.05+0.15AOD)和±(0.05+0.2AOD)[22].为统一计算,本文选取的EE为±(0.05+0.15AOD).相关系数用于评价卫星反演结果与AERONET站点数据的离散性,均方根误差(RMSE)用于验证卫星反演结果与AERONET站点数据差异性,平均相对误差(RMB)用于计算卫星AOD反演值与AERONET站点值之间的数值差距.2结果与分析2.1总体验证分析图2显示,5种卫星AOD结果与AERONET 站点数据具有良好的相关性.MAIAC算法R2最高为0.891,RMSE仅为0.126,且该算法符合EE的数据占76.28%.RMB为1.084,比AERONET AOD值4194 中 国 环 境 科 学 40卷高估8.4%. 3km DT 和10km DT 、DB 、DTB 产品在EE 区间内的占比分别为48.81%、50.16%、58.94%和57.20%,普遍低于MAIAC 反演结果,其中,3km 和10km DT 算法均存在AOD 高估的现象,AOD 值高估53.4%、49.6%(RMB 为分别1.534、1.496),3km 、10km DT 算法AOD 产品被高估的数据所占比为48.42%、46.35%,这主要与地表反射率被高估有关.10km 尺度的3个算法中,DTB 算法相比于DT 和DB 算法系统误差更小,反演精度更高,DTB AOD 产品RMSE 为0.177因此,在总体精度方面,MAIAC AOD 产品在中国地区具有更高的精度和适用性.0.10.20.30.40.50.60.70.80.91R²RMSE Within EE RMB验证结果R 2图2 MODIS AOD 产品与中国地区AERONET 站点数据的验证结果 Fig.2 Validation results of MODIS AOD products and AERONET site data in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果2.2 不同下垫面类型验证不同土地下垫面类型对辐射的吸收和反射影响均不同,地表反射率值直接影响了AOD 的值.如图3所示,农田的5种MODIS AOD 产品精度均较图2中总体精度普遍提高.其中,1km MAIAC 算法满足EE 数据占比为79.23%,较总体精度提高了3%,该算法也是5种AOD 产品中符合EE 数据占比最高的算法.针对DT 算法, 10km 的AOD 产品在期望误差线内的数据占比接近70%,大于EE 的数据占比为28.91%,并未出现在图2中的明显高估现象(AOD 值高估46.35%).而10km DB AOD 产品则由于受到农田中植被强吸收的影响,地表反射率被高估,导致其小于EE 的数据占比略高于总体AOD 约8%.同时鉴于10km DT 算法在农田下垫面类型表现出的高精度,DTB AOD 产品在农田区域满足EE 误差线的数据所占比(61.23%)较总体DTB AOD 提高了4%,高估的数据所占比(34.70%)较总体DTB AOD 降低了3%.5种AOD 产品中,MAIAC 算法RMSE 最低,DB 算法RMSE 最高.相关性方面,3km 和10km DT 算法R 2均大于0.9,1km MAIAC 算法R 2为0.905,略低于DT 算法.DB 算法在下垫面为农田区域的AOD 反演结果则存在较大的系统误差,相比于其他4种产品精度较低,R 2最低.针对森林下垫面类型,通过将5种MODIS AOD 产品与森林类AERONET 站点观测结果进行比对验证(图4),DT 和DTB AOD 数据落在EE 区间内的比例均超过70%,其中,3km DT AOD 产品达到78.52%,但是RMB 为0.952,AOD 值被低估4.8%.10km DB 和1km MAIAC AOD 数据落在EE 区间内的比例相对较低.5种AOD 产品中,除DB 算法R 2仅为0.673.数据离散度最好的是3km DT 算法,R 2达到0.896,且其RMSE 最小仅为0.091.因10期 李忠宾等:中国地区MODIS 气溶胶光学厚度产品综合验证及分析 4195此, 3km DT AOD 反演结果更适用于下垫面类型为森林的区域.0.10.20.30.40.50.60.70.80.91R ²RMSE Within EE RMB验证结果图3 MODIS AOD 产品与AERONET 站点农田类型数据验证结果Fig.3 Validation results of MODIS AOD products against AERONET over Farmland in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果-0.200.20.40.60.81验证结果图4 MODIS AOD 产品与森林类型AERONET 站点数据验证结果Fig.4 Validation results of MODIS AOD products against AERONET over Forest in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果如图5所示,下垫面为草地类型DT 和DTB AOD 数据落在EE 范围内的比例相较于农田和森林2种类型偏低.5种MODIS AOD 产品中,1km MAIAC AOD 产品在森林下垫面的精度验证指标最高,适用性最好, RMSE 仅为0.090,样本符合EE 的比例为78.40%.10km DTB 算法反演精度次之,虽高于单一的DT 和DB 的算法精度,但显著低于1km MAIAC 算法, RMSE 为0.172,样本符合EE4196 中 国 环 境 科 学 40卷的比例为65.81%.虽然农田、森林和草地均为植被覆盖的下垫面类型,但下垫面为草地类型的不同算法MODIS AOD 产品精度均较农田和森林类型偏低.0.10.20.30.40.50.60.70.80.9R²RMSE Within EE RMB验证结果R 2图5 MODIS AOD 产品与草地类型AERONET 站点数据验证结果Fig.5 Validation results of MODIS AOD products against AERONET over Grass in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果0.20.40.60.81R²RMSEWithinEERMB验证结果R 2图6 MODIS AOD 产品与城市类型AERONET 站点数据验证结果Fig.6 Validation results of MODIS AOD products against AERONET over Urban in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果5种MODIS AOD 产品与城市类型AERONET 站点数据验证结果如图6所示.1km MAIAC AOD 共提取9295个样本,落在EE 范围内的数据占比为75.81%.受到地表覆盖类型的变化,与农田、草地、森林区域主要由暗目标植被区域构成相比,城市地区主要以高反射的人工建筑群为主,10km 和3km10期 李忠宾等:中国地区MODIS 气溶胶光学厚度产品综合验证及分析 4197DT AOD 样本落在EE 范围内的比例仅为38.96%和25.55%.AOD 产品精度较低存在显著高估现象严重(RMB 为1.706、1.918;AOD 值被高估70.6%、91.8%).其中,在高反射率的城市区域,DTB AOD 产品综合了DT 和DB 两个算法优势,R 2为三者中最大,RMSE 为三者中最小, 52.41%数据满足EE 的要求.相较与其他4种产品,1km MAIAC AOD 产品在城市地区的精度最高,有效数据量最大,RMSE 为0.130,落在EE 范围内的样本比例达到75.81%.针对水体下垫面,5种MODIS AOD 产品与地面数据的相关性普遍低于农田、森林、草地和城市下垫面类型,1km MAIAC 算法的相关性最好.-0.200.20.40.60.81验证结果图7 MODIS AOD 产品与水体类型AERONET 站点数据验证结果Fig.7 Validation results of MODIS AOD products against AERONET over Water in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果2.3 不同季节验证分析我国的气溶胶模式存在较大的季节和区域差异性,春季沙尘天气[23]会影响粗细粒子比例,夏秋季秸秆焚烧、森林火灾等生物质燃烧会影响气溶胶的吸收特性.植被等季节特性差异也会直接影响地表反射率,进而影响AOD 反演精度.本文分季节评估了5种MODIS AOD 产品在春(3~5月,图8)、夏(6~8月,图9)、秋(9~11月,图10)和冬季(12、1和2月,图11)的准确性和适用性.5种MODIS AOD 产品中,1km MAIAC AOD 产品在春、夏、秋3个季节中均数据质量最高,精度最高,其中秋季4566个样本落在EE 线内的比例达到80.11%,RMSE 为0.111,且与AERONET 站点数据的相关性最高(R 2=0.917).春季和夏季1km MAIAC AOD 产品样本落在EE 范围内的比例均低于秋季.其中,春季MAIAC 算法AOD 值低估5.6%;春季和夏季RMSE 分别为0.138和0.158,均高于秋季,但远低于同时期其它4种产品的RMSE 值.冬季1km MAIAC 算法验证结果则略差于3km DT 算法,但其产品有效样本数量(N =4901)显著高于3km DT AOD 产品(N =468),区域适用性更高.3km 和10km DT AOD 产品在4个季节均存在不同程度的高估现象,其中,春季和夏季AOD 样本落在大于EE 范围的比例均超过50%, DT 算法夏季AOD 值分别高估62.2%、62.5%,上述2个产品在春夏两季的RMSE 均大于0.2,反演精度较低;虽然冬季3km 和10km DT 算法RMSE 仅为0.085和0.098,4个季节中离散程度最低,但样本数量显著偏低,不适用于冬季大区域范围AOD 监测.针对10km 尺度的3种AOD 产品,春夏两季DTB 算法AOD 反演结果最优,秋季DT 、DB 和DTB 3个算法AOD 产品精度均相对较高,冬季DT 算法AOD 反演结果最优.4198 中 国 环 境 科 学 40卷-0.200.20.40.60.81验证结果图8 春季MODIS AOD 产品与AERONET 站点数据验证结果Fig.8 Validation results of MODIS AOD products and AERONET site data for Spring in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果0.20.40.60.81R²RMSE Within EE RMB验证结果R 2图9 夏季MODIS AOD 产品与AERONET 站点数据验证结果Fig.9 Validation results of MODIS AOD products and AERONET site data for Summer in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果10期 李忠宾等:中国地区MODIS 气溶胶光学厚度产品综合验证及分析 41990.20.40.60.81R²RMSEWithin EERMB验证结果R 2图10 秋季MODIS AOD 产品与AERONET 站点数据验证结果Fig.10 Validation results of MODIS AOD products and AERONET site data for Autumn in Chinaa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果0.20.40.60.81R²RMSE Within EE RMB验证结果R 2图11 冬季MODIS AOD 产品与AERONET 站点数据验证结果Fig.11 Validation results of MODIS AOD products and AERONET site data for Winter in Chinaa:10km DT ;b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果2.4 不同区域验证分析由于AERONET 站点在我国分布并不均匀,主要集中在东部经济发达地区.为研究MODIS AOD 产品在不同区域的准确性,本文选取京津冀、珠三角和长三角地区3个典型区域(图1)进行讨论,其中,这3个地区的AERONET 站点数分别为10、8和12个.京津冀地区验证结果如图12所示,1km MAIACAOD 产品误差最小(RMSE=0.132),与AERONET 站点数据相关性最高(R 2=0.902),且落在EE 范围内的数据比例超过75%.DB 算法主要适用于城市亮地表地区,有效样本数达到13955个,显著高于其他4种算法,但与地面站点AERONET 监测结果相关性较低.受城市建筑物的影响,3km 和10km 2种尺度的DT 算法在京津冀区域均存在AOD 值高估的现象,AOD 值分别高估61.4%、57.5%.0.20.40.60.81R²RMSEWithin EERMB验证结果R 2图12 京津冀地区MODIS AOD 产品与AERONET 站点数据验证结果 Fig.12 Validation results of MODIS AOD products and AERONET site data at BTHa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果受水体与城市地表反射率的影响,DT 算法在长三角地区AOD反演结果高估现象较京津冀地区更加严重,其中,10km DT AOD 验证样本数据有63.75%被高估,AOD 值高估41.2%.与京津冀地区相似,长三角地区DB AOD 产品在有效样本数和满足EE 的样本数据比例方面均表现较好,但反演误差较大,RMSE 在这两个地区均大于0.2.DB 算法在京津冀地区AOD 值高估31.1%,在长三角地区AOD 值低估12.2%.1km MAIAC 算法在长三角地区的RMSE 为0.170,满足期望误差的数据比例为61.87%,较京津冀地区低13%(图13).与京津冀和长三角地区相比,由于珠三角地区云量偏多,AERONET 站点数较少,因此MODISAOD 验证样本数较少.珠三角地区1km MAIAC AOD 产品样本落在EE 范围内的比例达到82.73%, RMSE 仅为0.074,优于京津冀和长三角地区,R 2为0.847,次于京津冀地区.DB 算法在珠三角地区反演效果较京津冀和长三角地区有所提高,但仍存在AOD 低估的现象(RMB=0.861,AOD 值低估13.9%), 3km 和10km DT 算法AOD 产品满足EE 线的数据比例均超过70%.DTB AOD 产品样本被高估的比例较京津冀和长三角地区有显著降低,但高估现象仍未被完全解决.与长三角地区类似,珠三角地区DB 算法对地表反射率计算偏低,导致存在AOD 被严重低估现象,约41.56%的数据被低估,且AERONET 站点数据相关性较差,R 2仅为0.499(图14).-0.200.20.40.60.81验证结果图13 长三角地区MODIS AOD 产品与AERONET 站点数据验证结果 Fig.13 Validation results of MODIS AOD products and AERONET site data at YRDa:10km DT; b:10km DB; c:10km DTB ; d:3km DT; e:1km MAIAC; f:验证结果-0.200.20.40.60.81验证结果图14 珠三角地区MODIS AOD 产品与AERONET 站点数据验证结果 Fig.14 Validation results of MODIS AOD products and AERONET site data at PRDa:10km DT; b:10km DB; c:10km DTB; d:3km DT; e:1km MAIAC; f:验证结果2.5 不同像元尺度验证分析随着区域化和精细化空气质量监测要求的提高,高空间分辨率的AOD 产品应用需求不断增加.但目前相关研究多针对不同分辨率的MODIS AOD 产品精度分开进行独立评价,尚未有研究将5种MODIS AOD 产品统一到相同的空间尺度下进行综合评价.本文利用1km 分辨率的MAIAC 算法反演的AOD 产品,通过重采样降低数据空间分辨率的方法将1km MAIAC AOD 产品与3km DT AOD 产品、10km DT 、DB 和DTB AOD 产品统一空间尺度,分析在相同空间尺度下1km AOD 产品与低分辨率AOD 产品的适用性差异.在3km 像元尺度上,首先将1km MAIAC AOD 产品空间重采样至3km 分辨率,然后利用AERONET 监测数据分别与3km MAIAC AOD 数据和3km DT AOD 产品进行比对分析,比对过程中直接提取AERONET 地面站点对应的3km AOD 单像元数值,不使用窗口进行样本筛选和平均处理(图15).结果表明,在同一空间尺度下,3km MAIAC AOD 单像元数据在观测误差、与地基数据相关性和有效样本数等方面均优于同分辨率的3kmDT AOD 单像元值.3km MAIAC AOD 单像元数据有效样本数(N =18790)为3km DT AOD 的2.44倍;R 2达到0.880,较3km DT AOD 高0.035;RMSE 仅为0.129,较3km DT AOD 低0.084.3km MAIAC AOD 落在EE 范围内的样本数据比例达到74.73%,远高于3km DT AOD 48.81%的比例值,且并未出现如3km DT AOD 产品那样显著的高估现象.ab0.10.20.30.40.50.60.70.80.91R²RMSE Within EE RMB验证结果R 2图15 3km 尺度下,MAIAC 和DT AOD 产品与AERONET站点数据验证结果Fig.15 Validation results of MAIAC and DT AOD productsagainst AERONET site at 3km resolutiona 3km DT;b 3km MAIAC;c 验证结果10km 像元尺度上,与3km 数据处理方法类似,利用AERONET 监测数据分别与10km MAIAC AOD 数据和10km DT 、DB 、DTB AOD 产品进行单像元比对分析(图16).10km MAIAC AOD 和10km DT AOD 在观测误差、地基数据相关性和有效样本数等方面均略优于3km 空间尺度的2种对应数据.同一空间尺度下, 10km MAIAC AOD 单像元数据精度显著优于其他3种10km AOD 产品.综合图15和图16可以看出,虽然1km MAIAC AOD 产品重采样至较低分辨率时,重采样后的分辨率越低,AOD 数据精度和适用性越高,但提高程度有限,且高分辨率的MAIAC AOD 数据仍优于低分辨率的DT 、DB 和DTB AOD 产品,因此,在小区域尺度上,综合AOD 反演精度和分辨率考虑,1km MAIAC AOD 具有更高的适用性.0.10.20.30.40.50.60.70.80.91R²RMSE Within EE RMB验证结果R 2图16 10km 尺度下,MAIAC 和DTB 、DT 、DB AOD 产品与AERONET 站点数据验证结果Fig.16 Validation results of MAIAC 、DTB 、DT and DT AOD products against AERONET site at 10km resolutiona:10km DT; b:10km DB; c:10km DTB; d:1km MAIAC; e:验证结果2.6讨论因此,综合AOD反演精度和分辨率考虑, MAIAC算法AOD产品精度优于其它4种AOD产品.而且,MAIAC算法AOD产品具有更高的分辨率,3km、10km分辨率AOD产品具有观测范围广等特点,适合应用于大宽幅区域环境监测.MAIAC算法AOD产品具有空间分辨率高、数据精细化等优点,更适用于小尺度城市群集中区域的大气环境监测,能够为小尺度城市群污染颗粒物预防、大气污染治理提供可靠的参考资料,具有很大的应用前途.3结论3.1总体精度上,1km MAIAC AOD产品相较其他4种产品,在中国地区具有更高的精度和适用性. 3.2下垫面类型,1km MAIAC AOD产品在草地和城市类型AERONET站点验证精度最高,且其有效样本数和适用性也普遍高于其他4种产品.DT算法在植被覆盖率较高的森林、草地、农田区域反演精度相对较高,其中,3km DT算法在森林区域最优(R2=0.896,RMSE=0.091),落在EE区间内的数据比例达到78.52%.对于水体类型,5种产品精度均偏低.3.3季节方面,1km MAIAC AOD产品受季节变化影响最小,在春、夏、秋3个季节均优于其他4种产品,DT算法在不同季节均有AOD高估现象,其中,夏季高估程度最高(>EE超过50%).DB算法在春夏秋3季系统性误差较小,但在冬季存在高估现象.DTB算法兼顾了DT和DB算法的优缺点,AOD产品结果受季节影响小.3.4区域方面,MAIAC算法在京津冀、长三角和珠三角地区的AOD产品优于其它4种,且在珠三角地区反演精度最高(=EE=82.73%,RMSE=0.074).受城市人工建筑高反射率的影响,DT算法京津冀、长三角地区存在AOD高估的现象.DB算法虽更适合于城市区域AOD反演,但在长三角和珠三角地区存在AOD被低估的现象,且在珠三角地区被低估程度最高.针对10km尺度的3个产品,在上述3个地区DTB AOD产品的相关性均高于DB AOD产品,样本被高估程度均低于DT AOD产品.3.5像元尺度,通过重采样降低1km MAIAC AOD 数据分辨率有利于提高其精度和适用性,但由于改善程度的有限,且高分辨率的MAIAC AOD单像元数据仍优于低分辨率的DT、DB和DTB AOD单像元数据,并很大程度上改善了高估和低估问题.参考文献:[1] 李婷苑,谭浩波,王春林,等.卫星遥感AOD反演地面细颗粒物浓度方法与效果 [J]. 中国环境科学, 2020,40(1):13-23.Li T Y, Tan H B, Wang C L, et al. The method and the correspongding effect of ground fine partical concentration retrieved by satellite remote sensing AOD [J]. China Environmental Science, 2020,40(1): 13-23.[2] 丁莹,冯徽徽,邹滨,等.长株潭城市群气溶胶时空分布与传输规律 [J]. 中国环境科学, 2020,40(5):1906-1914.Ding Y, Feng H H, Zou B, et al. Spatial-temporal distribution and transport characteristic of aerosol in Changsha- Zhuzhou-Xiangtan urban agglomeration [J]. China Environmental Science, 2020,40(5): 1906-1914.[3] 唐志伟,许潇锋,杨晓玥,等.基于卫星资料的华东地区气溶胶三维分布特征研究 [J]. 中国环境科学, 2019,39(9):3624-3634.Tang Z W, Xu X F, Yang X Y, et al. Characteristics of three- dimensional aerosol distribution in Eastern China based on satellite data [J]. China Environmental Science, 2019,39(9):3624-3634.[4] 贺欣,周茹,姚媛,等.基于AERONET的中国地区典型站点气溶胶类型变化特征 [J]. 中国环境科学, 2020,40(2):485-496.He X, Zhou R, Yao Y, et al. The spatiotemporal variations of aerosol types in representative sites of China basing on the Aerosol Robotic N etwork (AERON ET) [J]. China Environmental Science, 2020, 40(2):485-496.[5] Che H, Yang L, Liu C, et al. Long-term validation of MODIS C6andC6. 1Dark Target aerosol products over China using CARSN ET and AERONET [J]. Chemosphere, 2019,236:124268.[6] Zhang Z, Wu W, Fan M, et al. Evaluation of MAIAC aerosol retrievalsover China [J]. Atmospheric Environment, 2019,202:8-16.[7] Wei J, Li Z, Peng Y, et al. MODIS Collection 6.1aerosol optical depthproducts over land and ocean: validation and comparison [J].Atmospheric Environment, 2019,201:428-440.[8] Tao M, Chen L, Wang Z, et al. Evaluation of MODIS Deep Blueaerosol algorithm in desert region of East Asia: ground validation and intercomparison [J]. Journal of Geophysical Research: Atmospheres, 2017,122(19):10357-10368.[9] Xie G, Wang M, Pan J, et al. Spatio-temporal variations and trends ofMODIS C6. 1Dark Target and Deep Blue merged aerosol optical depth over China during 2000~2017 [J]. Atmospheric Environment, 2019, 214:116846.[10] Lyapustin A, Wang Y, Laszlo I, et al. Multiangle implementation ofatmospheric correction (MAIAC): 2. Aerosol algorithm [J]. Journal of Geophysical Research: Atmospheres, 2011,116(D3).DOI:10.1029/ 2010jd014986.[11] Lyapustin A, Wang Y, Korkin S, et al. MODIS Collection 6MAIACalgorithm [J]. Atmospheric Measurement Techniques, 2018,11(10): 5741-5765.[12] Holben B N, Eck T F, Slutsker I, et al. AERON ET—A federatedinstrument network and data archive for aerosol characterization [J].。
基于随机森林模型的中国气溶胶光学厚度反演及变化分析

基于随机森林模型的中国气溶胶光学厚度反演及变化分析目录1. 内容描述 (2)1.1 研究背景与意义 (2)1.2 研究内容与方法 (4)1.3 文献综述 (6)2. 数据收集与处理 (8)2.1 数据来源与格式 (9)2.2 数据预处理 (9)2.2.1 数据清洗 (11)2.2.2 数据归一化 (12)2.2.3 数据分割 (12)3. 随机森林模型构建 (12)3.1 模型原理简介 (14)3.2 模型参数设置 (15)3.3 模型训练与验证 (17)4. 气溶胶光学厚度反演 (18)4.1 反演算法介绍 (19)4.2 反演结果展示 (21)4.3 反演精度评估 (22)5. 气溶胶光学厚度变化分析 (23)6. 结果讨论与影响因素分析 (25)6.1 反演结果的可能原因 (26)6.2 影响气溶胶光学厚度的因素分析 (28)6.2.1 大气环流 (29)6.2.2 地表覆盖 (31)6.2.3 人为活动 (32)7. 结论与展望 (33)7.1 研究结论总结 (35)7.2 政策建议与未来研究方向 (36)1. 内容描述本文将聚焦于基于随机森林模型的中国气溶胶光学厚度反演及变化分析。
气溶胶光学厚度作为大气环境领域的重要参数,对于研究空气质量、气候变化以及环境影响具有重要意义。
随着工业化和城市化进程的加快,中国地区的气溶胶光学厚度呈现出复杂多变的特征,对其进行准确反演和变化分析尤为关键。
本文将首先介绍气溶胶光学厚度的基本概念及其重要性,阐述其在环境保护和气候研究中的应用价值。
将详细介绍随机森林模型的基本原理及其在气溶胶光学厚度反演中的应用优势。
通过结合中国地区的气象数据、遥感数据等多源数据,利用随机森林模型进行气溶胶光学厚度的反演,分析其时空分布特征。
在此基础上,进一步探讨气溶胶光学厚度的变化趋势及其影响因素,包括自然因素(如风场、气象条件等)和人为因素(如工业排放、交通排放等)。
将结合相关案例,分析气溶胶光学厚度变化对空气质量、气候变化等方面的影响。
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。
气溶胶的光学厚度与反射率比的处理方法

气溶胶的光学厚度与反射率比的处理方法高飞【摘要】气溶胶光学厚度与气溶胶反射率比都是大气校正所需的重要大气参数,同时也是海洋水色卫星主要的数据产品,它们的测量精度将直接影响到卫星数据产品正演的精度和卫星数据产品的应用.文章在简述气溶胶光学厚度与气溶胶反射率比的基本测量原理和处理方法的基础上,结合多次试验数据结果进行简要的评价.【期刊名称】《海洋技术》【年(卷),期】2003(022)001【总页数】4页(P25-28)【关键词】海洋水色;大气校正;气溶胶光学厚度【作者】高飞【作者单位】国家海洋技术中心,天津 300111【正文语种】中文【中图分类】基础科学第 22 卷第 1 期2003年 3 月海洋技术OCEAN TECHNOLOGYVol.22,No.1March,2003气溶胶的光学厚度与反射率比的处理方法高飞(国家海洋技术中心,天津 300111 )摘要:气溶胶光学厚度与气溶胶反射率比都是大气校正所需的重要大气参数,同时也是海洋水色卫星主要的数据产品,它们的测量精度将直接影响到卫星数据产品正演的精度和卫星数据产品的应用。
文章在简述气溶胶光学厚度与气溶胶反射率比的基本测量原理和处理方法的基础上,结合多次试验数据结果进行简要的评价。
关键词:海洋水色;大气校正;气溶胶光学厚度中图分类号:P412文献标识码:B文章编号:1003-2029(2003)01-0025-04 1 简述海洋水色大气校正是海洋水色卫星遥感器获取海面光学参数的重要环节。
在卫星遥感器高度处接收到的总辐射信号中来自大气的辐射信号占约90% ,要从卫星接收总辐射信号中提取出海洋水色信号,即正演出携带海洋生物光学信息的离水辐射率,就必须消除大气辐射信号的影响。
在大气校正过程中,L与 e 都是大气校正所需的重要大气参数,ra是大气中气溶胶光学厚度,e 是气溶胶反射率比。
L与 e 参数的测量将直接影响到卫星数据产品正演的精度,因此应用恰当的处理方法来获得 Ta 与 e 参数是现场大气参数测量的重点。
一种反演气溶胶光学厚度的改进方法

一种反演气溶胶光学厚度的改进方法何涛;赵凤生【摘要】The algorithm to retrieve the aerosol optical depth over land has been completely restructured to produce the collection 005 products based on the algorithm by Levy et al. But the accuracy of the MODIS aerosol optical depth (AOD) products still has very large differences for different seasons and geographic locations in China. In order to improve the accuracy of aerosol retrieval products, an easier and faster algorithm for retrieval of aerosol optical depth over land with MODIS IB data is introduced. This algorithm deals with the surface reflectance relationships is the same way as MODIS V5. 2 algorithm. In order to better represent aerosol properties in China, the size distribution and refractive index of aerosol have been improved. Considering the fine structure of the aerosol size distribution has a little effect on satellite remote sensing of aerosol optical depth, this algorithm use the Junge aerosol size distribution to approximate the aerosol size distribution in an actual atmosphere. The real and imaginary index of refractive is 1. 5 and 0. 005, respectively. The complex refractive index is assumed for all wavelengths(0. 47,0. 55,0. 66^m and 2. 1 fjLm).In order to verify the accuracy and regional applicability of this algorithm, aerosol optical depth is derived with this algorithm using the MODIS IB data at Taihu and Xianghe, and this retrieval result is compared with equivalent measurements from AERONET (Aerosol Robotic NETwork) site (Level 2. 0 data). The MODIS/AOD product and IB data fromSeptember 2006 to June 2008 at Taihu (MODISI/AOD product and IB data from May 2008 to July 2009 at Xianghe) has been matched with L2. 0 AOD product from AERONET stations during the same period. Data from the AERONET are averaged within 30 min before and after the satellite's passing, and the MODIS data are averaged over a 10 km (15 km at Xianghe) area centered at the ground stations.The comparison results show that the standard deviation of the new algorithm inversion results and L2. 0 AOD product at Taihu is 0. 429. The standard deviation of the MODIS/AOD product and L2. 0 AOD product at Taihu is 0. 693. Accordingly, the standard deviations of two comparison experiment at Xianghe are 0. 493 and 0. 542, respectively. These results show that this algorithm retrieval results have good consistency with the sun photometer observational results at Taihu and Xianghe. The retrieval algorithm is more accurate than the current MODIS aerosol algorithm and its inversion results are reasonable. In addition, the settings for aerosol model and optical properties are simple and convenient in the new algorithm, which can effectively reduce the computational time for looking-up table and the iteration time for solving equations.%该文提出了一种简单快速反演气溶胶光学厚度的方法,该算法对地表反照率的处理与MODlS V5.2算法相同,但气溶胶谱分布假定为Junge谱,设置了新的气溶胶参数.应用2006年9月6日-2008年6月10日太湖MODIS观测资料和2008年5月20日-2009年7月6日香河MODIS观测资料进行反演,并将反演结果与AERONET(AErosol RObotic NETwork)站点资料进行对比,以检验算法的适用性和精度.对比结果显示:该算法在太湖的反演结果与AERONET太湖站反演结果对比的标准偏差为0.429,而MODIS卫星AOD产品与AERONET太湖站反演结果对比的标准偏差为0.693;相应在香河的两种反演结果与地面观测对比的标准偏差分别为0.493和0.542.该算法的反演误差小于MODIS 现行算法,反演结果合理,具有较好的适用性,说明这种方法在这两个区域具有更高的反演精度.【期刊名称】《应用气象学报》【年(卷),期】2011(022)006【总页数】10页(P663-672)【关键词】MODIS;6S;卫星遥感;气溶胶光学厚度(AOD)【作者】何涛;赵凤生【作者单位】中国气象科学研究院,北京100081;国家卫星气象中心,北京100081;山东省济南市环境监测中心站,济南250014;国家卫星气象中心,北京100081【正文语种】中文该文提出了一种简单快速反演气溶胶光学厚度的方法,该算法对地表反照率的处理与MODIS V5.2算法相同,但气溶胶谱分布假定为Junge谱,设置了新的气溶胶参数。
MODIS高分辨率气溶胶光学厚度反演及验证

Retrieval, Validation of High Resolution MODISAerosol Optical DepthsWei Chen, Lei Yan, Hongzhao Tang Institute of Remote Sensing and GISPeking UniversityBeijing, Chinawchen@Chengcai Li School of Physics Peking University Beijing, China ccli@Abstract—Atmospheric correction plays an important role in quantitative application of remote sensing images. And aerosol particles are the most uncertain factor in atmospheric correction. NASA has been distributing 10km resolution Aerosol Optical Depths (AOD) product for most area of globe since 2000 after the launching of MODIS. And this AOD product has been applied to image atmospheric corrections. However, aerosol varies tremendously and 10km resolution AOD product may not be adequate in atmospheric correction of local scale. For correcting images more accurately, we retrieve 1km resolution AOD product with MODIS operational algorithm. The result demonstrates that the two product prove to be similar in large scale but 1km resolution AOD product could be able to illustrate the dramatic variations of local scale while 10km resolution AOD product could not.Keywords-MODIS;AOD;Retrieve;Atmospheric CorrectionMODIS高分辨率气溶胶光学厚度反演及验证陈伟1,晏磊1,李成才2,唐洪钊11.北京大学遥感与地理信息系统研究所,北京,中国,1008712.北京大学物理学院,北京,中国,1008711.wchen@,2. ccli@【摘要】遥感影像的大气效应校正是影响其定量化应用的重要环节。
卫星遥感气溶胶光学厚度的相关研究综述

卫星遥感气溶胶光学厚度的相关研究综述作者:顾俊杰戴一枫金林林来源:《科技资讯》2017年第19期摘要:我国利用卫星遥感技术反演气溶胶光学厚度的研究,至今已有近20年的历史,期间积累了大量的研究成果,尤其是近几年因大气污染问题日益突出,受到人们广泛关注,该方面研究文献大量增加。
其中包含了不同地区卫星遥感气溶胶光学厚度的反演验证、气溶胶光学厚度时空特征分析;卫星遥感气溶胶光学厚度与大气污染相关性以及气溶胶光学厚度在大气污染检测中的作用;卫星遥感气溶胶光学厚度与人体健康相关性研究等等。
该文综述摘录了2005年至2016年的部分文献资料,并主要列举气溶胶反演在污染以及人体健康方面的研究,并对今后的研究方向做了展望。
关键词:气溶胶光学厚度卫星遥感综述中图分类号:X51 文献标识码:A 文章编号:1672-3791(2017)07(a)-0219-03近年来,环境污染问题日益凸显,大气气溶胶污染逐渐成为人们关注的焦点。
气溶胶污染物不仅在大气中停留时间久,可吸附大量有毒害物质,且输送距离长。
其中细颗粒物不仅造成雾霾、灰霾天气,且由于粒径极细,可深入到细支气管和肺泡,引起肺部疾病,心脑血管疾病等。
我国的《环境空气质量标准》(GB3095-2012)中就包含了两项颗粒物指标的检测,分别是细颗粒物(PM2.5)、可吸入颗粒物(PM10)。
通过对中国环境保护部近几年的数据分析[1]进行横向对比,不难发现机动车消耗燃油排放的氮氧化物占据了排放总量中相当一部分比例,再进行纵向对比,可以看出我国大气污染虽然呈现逐年下降的趋势,但是污染类型由煤烟型逐渐向煤烟、机动车尾气两者的混合类型发展。
因此,如何有效的监测大气气溶胶污染,是目前以及未来的科研重点。
1 卫星遥感气溶胶光学厚度的相关研究2005年,李成才等[2]利用MODIS反演的气溶胶光学厚度与北京市空气污染指数相结合,分析了两者的相关性,经过垂直标高订正以及大气湿度订正后,其相关性较高,可作为对地面颗粒污染检测的一种方法,为卫星气溶胶产品应用于大气污染研究提供了示范。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
度增加; 另一方面是向下反射地表反射辐射, 使辐射亮度降低。通常情况下, 在地表反射率较
低时, 传感器接收的辐射值随气溶胶的增多而迅速增大。浓密植被法就是利用在浓密植被地
区红蓝波段的地表反射率和气溶胶光学厚度的这种关系, 反演气溶胶光学厚度的。随着地表
1 引言
大气气溶胶是指悬浮于大气中的具有一定稳定性的固体和液体微粒组成的分散体系, 它的粒径范围可以从 10-3μm 到 102μm。气溶胶在地球大气辐射收支平衡和全球气候变化中 扮演着重要的角色, 它通过两种机制对气候变化产生影响, 一方面, 气溶胶通过散射和吸收 太阳辐射以及地面辐射直接影响着地- 气系统的辐射收支平衡[1]; 另一方面, 大量的气溶胶 粒子作为云凝结核, 可以使单位体积的云粒子数量增加、云滴半径减小, 增加云的短波反射 率, 同时增加云的生命时间, 这种变化不但影响地气系统的短波辐射, 而且对长波辐射也会 产生影响[2, 3]。因此, 精确测量气溶胶, 对于研究气候变化具有重要意义。
3期
孙 林 等: 高反射率地区气溶胶光学厚度遥感反演: 现状及展望
71
服地基探测的不足, 为人们实时了解大区域范围内的气溶胶变化提供了可能。 近年来, 卫星遥感反演气溶胶光学厚度已经取得了很多的研究成果, 发展了多种气溶胶
光学厚度反演算法 , [5 ̄11] 流行的反演算法中, 针对海洋上空气溶胶光学厚度的反演方法目前 比较成熟, 已经获得了较高的精度, 取得了较好的应用效果, 如利用 NOAA/AVHRR 数据反 演海洋上的气溶胶光学厚度已经业务化[6]。在红蓝波段地表反射率较低的浓密植被地区, 气 溶 胶 的 光 学 厚 度 反 演 也 已 经 达 到 了 较 高 的 精 度[5 ̄9]。 而 对 于 干 旱 、半 干 旱 以 及 城 市 等 高 反 射 率地区, 气溶胶的光学厚度反演仍面临严峻的挑战, 主要是因为在以上地区, 地表的非均一 性使地表反射率的精确确定非常困难, 另外, 当地表反射率升高时, 气溶胶指示作用降低[5]。 研究人员为解决高反射率地区的气溶胶光学厚度反演问题, 提出了一系列的反演算法。本文 总结了对高反射率地区气溶胶光学厚度的反演成果, 分析了各方法在应用中的优势和不足。 文章最后分析了高反射率地区气溶胶光学厚度反演的发展前景。
收稿日期: 2006- 03; 修订日期: 2006- 04. 基金项目: 国家自然科学基金项目( 40371087) , 中国科学院知识创新工程重要方向项目( KZCX3- SW- 338) 。 作者简介: 孙林( 1975- ) , 男, 博士, 研究方向为大气探测与遥感。E- mail: sunlin6@126.com
这里要求的暗像元( 区域) 是与明亮像元( 区域) 相对而言的, 并不局限于水体以及浓密植被
等特定地区, 能够在一定程度上解决亮地表上空气溶胶光学厚度反演问题。
对于一个理想的薄层大气, 传感器上接收到的辐亮度值可作以下单次散射线性近似:
L(λ)=L0(λ)+L1(λ)+ρs(λ)
(3)
λ为波长, 其它各参数与式( 1) 相同。与公式( 3) 中的关系类似, 光谱反射率可以表示为
气溶胶光学厚度是气溶胶最重要的参数之一, 是表征大气混浊度的重要物理量, 也是确 定 气 溶 胶 气 候 效 应 的 一 个 关 键 因 子[4]。 气 溶 胶 光 学 厚 度 探 测 的 研 究 近 年 来 得 到 了 快 速 的 发 展。探测气溶胶光学厚度可以采用地基探测方法和卫星遥感方法, 地基探测方法主要是使用 太阳分光光度计进行探测, 为了解气溶胶的分布及变化规律, 各相关机构布设了大量的地基 观测站。地基探测可以比较准确地测量气溶胶信息, 但获取的只是空间点上的数据, 不能反 映大区域气溶胶时空分布。遥感技术具有覆盖面积广、信息获取方便、快捷等特点, 相对于地 面观测可以更高效地获取大气气溶胶信息。因此, 使用卫星遥感反演气溶胶光学厚度可以克
通过经验公式直接获取。选择已知地表反射率的两个相邻的明暗像元( 区域) , 根据方程( 7)
和( 8) 就可以计算出当时的气溶胶光学厚度。
与传统的暗背景法比较, 高反差地表法反演气溶胶光学厚度受地表类型的限制相对较
小, 具有更广泛的应用区域, 可以反演稀疏植被以及城市等地区的气溶胶光学厚度, 尤其对
摘 要: 气溶胶在地球大气辐射收支平衡和全球气候变化中扮演着重要的角色。利用卫星数据反 演水体、浓密植被等暗背景上空的气溶胶光学厚度已经达到了较 高 的 精 度 , 而 对 于 干 旱 、半 干 旱 以及城市等高反射率地区, 气溶胶光学厚度反演仍面临严峻挑战。高反射率地区气溶胶光学厚度 反演的困难主要是地表反射率的确定精度较低; 气溶胶的指示作用随着地表反射率的升高而降 低。为精确反演高反射率地区的气溶胶光学厚度, 国内外开展了大量的研究工作。本文介绍了对 比算法、高反差地表法等几种主要的反演方法 , 介绍了这些方法的 理 论 基 础 , 指 出 了 它 们 的 优 势 与不足, 并分析了高反射率地区气溶胶光学厚度反演的发展前景。 关 键 词: 高反射率地区; 气溶胶光学厚度; 反演 中图分类号: P 402
72
地理科学进展
25 卷
像计算出实际的 Δρi, j, 最后就可以根据公式(2)计算出每一幅图像的光学厚度。 对比算法由于较少的受到地表反射率大小的限制, 因此可应用于干旱和半干旱地区以
及城市地区气溶胶光学厚度的反演[11,14]。Holben 等人的研究表明, 在浓密植被缺乏的干旱和 半干旱地区, 对比算法反演的 AVHRR 数据的气溶胶光学厚度, 其精度约在 0.1 ̄0.2 左右[14]。
第 25 卷 第 3 期 2006 年 5 月
地理科学进展 PROGRESS IN GEOGRAPHY
Vol.25, No.3 May, 2006
高反射率地区气溶胶光学厚度遥感反演: 现状及展望
孙 林, 柳钦火, 刘 强, 陈良富
( 中国科学院遥感应用研究所, 北京师范大学, 遥感科学国家重点实验室, 北京 100101)
反射率的增大, 辐射值随气溶胶的增加而增大的幅度变慢, 当反射率增大到一定程度时, 辐
射值不随气溶胶的增加而变化, 或随气溶胶的增加而呈现降低的趋势, Fraser 等人的研究表
明, 在高地表反射率条件下, 使用传统的基于地表反射率的方法分离传感器信息中的气溶胶
信息和地表信息非常困难[13]。为了解决高地表反射率对气溶胶监测的限制, Tanré等提出了
( 6)
解线性方程( 5) 、( 6) 得到:
T(λ)=C(λ)/C0(λ)
( 7)
(1) (2)
(1) (2)
其中, C(λ)=ρa - ρa , C0(λ)=ρs - ρs
根据 Lambert- Beer 定律, 大气透过率和光学厚度 τ(λ)具有以下关系:
T(λ)=e- τ(λ)
( 8)
这里的光学厚度包括气体分子产生的光学厚度, 以及气溶胶散射的光学厚度, 前者可以
( 1)
其中: L 是传感器接收到的辐射亮度值, L0 为经过大气直接散射的太阳辐射, τa 为大 气的光学厚度, 包括气体分子的光学厚度和气溶胶粒子的光学厚度, μs 为太阳天顶角的余 弦值, μv 为传感器天顶角的余弦值, Ф为相对方位角, s 为大气半球反射率, ρs 为地表反射 率, T 为大气透过率, Fd 为下行辐射。
于城市地区, 由于地表类型多样, 容易选取高反差地表。Isakov 等用高反差地表法反演了拉
2.2 高反差地表法 高反差地表法是由 Kondratyev 等在 20 世纪 70 年代提出的用于反演晴空条件下陆地上
空的气溶胶光学厚度 。 [12,16] 这一方法反演气溶胶光学厚度是在两个空间位置比较靠近的区
3期
孙 林 等: 高反射率地区气溶胶光学厚度遥感反演: 现状及展望
73
域, 假设大气的光学特性不变, 选择明、暗两种对比明显的像元( 区域) 反演气溶胶光学厚度,
以下关系:
ρa(λ)=ρ0(λ)+ρs(λ)T(λ)
( 4)
其中 ρa(λ)是传感器上接收到的光谱反射率( 表观反射率) ; ρ0(λ)是经过大气直接反射的
光谱反射率( 漫反射率) , 选择两种地表, 有
(1)
(1)
ρa (λ)=ρ0(λ)+ρs (λ)T(λ)
( 5)
(2)
(2)
ρa (λ)=ρ0(λ)+ρs (λ)T(λ)
2 研究现状
高反射率地区气溶胶光学厚度反演方法主要有: 对比算法、高反差地表法、多星协同方 法、基于地表反射率数据库或模型的方法等。下面分别介绍它们的发展状况。
2.1 对比算法
卫星传感器接收到的辐射值, 可以由下式表示:
L(τa , μs , μv , Ф)=L0(τa , μs , μv , Ф)+Fd(τa, μs)T(τa , μv) ρs /[1- s(τa)ρs]
影响对比算法反演精度的因素主要有以下几个方面: 1) 目标物地表反射率的稳定性 对比算法使用的是一系列图像, 反演中假定不同图像的对应像元具有同样的反射率。但 图像的配准精度、图像获取的时间间隔、以及雨雪等天气条件的影响, 都会使地表反射率发 生变化, 进而影响对比算法的精度。当图像的空间分辨率较小时, 很难找到大面积的同一类 地物, 这就要求图像配准达到较高的精度才能满足反射率的稳定性要求; 当图像获取的时间 间隔较长时, 地表植被生长, 水汽蒸发等因素都会使地表反射率发生变化; 遇到雨、雪等天气 时, 图像的反射率会有较大的变化。 2) 地表的二向反射特性 对比算法应用于 TM 等高分辩率的图像时, 选取一幅清晰图像即可完成短时间序列内 一组图像气溶胶光学厚度的反演。但对于分辨率相对较低的图像, 如 MODIS, MISR 等, 各图 像的对应像元的几何条件存在差异, 将受到地表二向反射特性的影响, 由此计算出的气溶胶 光学厚度将会产生较大的误差[5]。为解决这一问题, Holben 等从一系列不同几何条件的清晰 图像中寻找几何条件相似的图像反演气溶胶光学厚度[14], 这种方法能够较好的解决因为受 到地物二向相性反射的影响而产生的误差, 但由于大部分的极轨卫星重复观测时间较长, 以 及云、雾等天气的影响, 短时间内一系列几何条件相似的图像选取非常困难, 从而大大降低 了对比算法的应用。 3) 清晰图像的选取 在对比算法中, 清晰图像的选择是根据图像的清晰程度确定的, 不同研究人员使用不同 的标准, 具有很强的主观性。对清晰图像的气溶胶光学厚度的估计误差会直接影响待反演目 标 图 像 的 反 演 精 度 。Tanré等 人 提 出 使 用 太 阳 分 光 光 度 计 测 量 气 溶 胶 光 学 厚 度 以 确 定 清 晰 图像的气溶胶光学厚度[11], 这对提高 TM 等空间分辨率较高的卫星图像的反演精度效果明 显, 但对于 MODIS、MISR 等空间分辨率较低的图像, 由于气溶胶剧烈的空间变化特性, 这种 方法仍然不能很好的解决清晰图像选取带来的误差问题。 4) 临近像元的选择 对比算法要求寻找两个或两块亮度对比明显的像元或区域, Δρi, j 的大小对最终的反演 精度具有较大的影响[11]。对临近像元选择的这一要求, 使得对比算法在沙漠等大范围地表相 对均一的地区, 气溶胶光学厚度反演精度受到影响[14]。 对比算法目前仍处于探索阶段, 仅用于局部地区特定时间内气溶胶光学厚度反演, 把该 方法用于全球尺度范围内气溶胶光学厚度反演, 仍存在较大的困难。