MODIS气溶胶光学厚度产品在地面PM_10_监测方面的应用研究
MODIS气溶胶光学厚度空气污染指数的关系研究
MODIS气溶胶光学厚度空气污染指数的关系研究随着我国国民经济迅速发展，城镇化加速，城市化进程中的问题也随之显现。
同时随着生活质量的提高，空气污染问题日益受到民众的重视。
本文试图利用MODIS遥感卫星数据得到的气溶胶光学厚度（AOT），以及由地面检测得到的空气污染指数（API）数据，分析两者之间的关系，对两者进行回归分析，建立两者之间的回归模型，最终可以由遥感得到的AOT数据计算得出地面API的数据。
由于AOT数据会受到气象因素和季节的影响，在建立回归模型的过程中，会分季节建立回归模型并引入一些主要的气象因子（风速、气压）对回归模型进行校正，以期获得较好的回归模型。
通过研究可以得到结论如下：1.没有气象因子参与时，夏季和秋季的拟合精度相对较高，分别为0.7215和0.6693。
2.考虑了气压和风速后，对模型精度提高显著，其中秋季和冬季的拟合精度都可以达到0.7258。
3.对气象要素分组后发现，在气压低于1010hpa的情况下，模型的预测精度相对较高，可达0.7349。
1.1相关概念简介1.1.1 MODIS简介从1991年起，美国NASA启动了为期20年的地球观测系统(EOS)计划。
在这个计划中，把区域性地表覆盖变化的趋势和模式、人类活动影响的观测分析、全球初级生产力动态变化以及自然灾害监测研究等作为长期地球环境变化研究的重要内容。
MODIS ( Moderate Resolution Imaging Spectrometer，中等分辨率成像光谱仪)是EOS计划中重要的传感器，现已搭载于两颗EOS卫星上（TERRA 卫星和AQUA卫星），于2000年上半年开始进行数据服务。
TERRA卫星是装载有MODIS传感器的极地轨道环境遥感卫星，发射于1999年12月18日。
TERRA卫星从北京地区上空的过境时间，一般在10:30 (北京时)之间，并呈周期变化。
它的地面重复周期为16天(即16天后卫星将于地方时的同一时间出现在同一地点的上空)。
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].。
MODIS卫星遥感北京地区气溶胶光学厚度及与地面光度计遥感的对比_毛节泰
MODIS 卫星遥感北京地区气溶胶光学厚度及与地面光度计遥感的对比Ξ毛节泰1) 李成才1)2) 张军华1)3) 刘晓阳1) 刘启汉2)1) (北京大学物理学院大气科学系,北京100871)2) (香港科技大学海岸与大气研究中心)3) (Department of Physics ,Dalhousie University ,Canada )提 要 介绍MODIS 卫星遥感气溶胶的方法,利用北京大学地面多波段太阳光度计的观测进行了对比,二者的相关性比较好。
给出了描述北京地区气溶胶光学厚度分布的几幅图片。
卫星遥感对于更好地研究空气污染提供了一种新手段,卫星遥感的气溶胶光学厚度弥补了地面观测空间覆盖不足的缺陷。
卫星遥感的气溶胶资料不仅对全球和区域气候研究而且对城市污染分析提供了丰富的资料。
关键词:卫星遥感 气溶胶光学厚度 地面光度计引 言 对流层气溶胶粒子来源于工业活动、生物燃烧等人为源以及沙尘、海洋粒子等自然源。
它们对太阳辐射的直接作用以及对云的微物理过程的影响、对大气化学过程的影响分别表现为对气候变化的直接强迫和间接强迫[1～5]。
由于大多气溶胶只有几天的生命期以及空间变化很大,利用卫星来观测全球气溶胶的分布和变化非常迫切[6,7]。
NASA 发射的Terra 卫星承载的MODIS 传感器具有36个通道,覆盖了紫外、可见、近红外、红外等通道,为反演气溶胶和地表特征提供了丰富的信息[8,9]。
卫星接收到的辐射来源于地球大气的散射以及地表反射的复杂相互影响,卫星遥感陆地气溶胶长期以来存在地表反射率和气溶胶光学特征两方面同时未知的难题。
Kaufman 等通过大量飞机试验发现对于植被密集的具有较低反照率的地表存在2.13μm 近红外通道反照率与0.47μm 、0.66μm 可见光通道反射率相关很好的结论,成功地运用于MODIS 的气溶胶反演[10,11]。
城市气溶胶光学厚度同时反映了大气污染的污浊程度,高分辨率的卫星遥感提供了监测城市大气污染的可能性。
MODIS遥感陆地上空气溶胶光学特性研究共3篇
MODIS遥感陆地上空气溶胶光学特性研究共3篇MODIS遥感陆地上空气溶胶光学特性研究1MODIS遥感陆地上空气溶胶光学特性研究随着工业化和城市化的快速发展，大气污染问题日益严重。
空气中的颗粒物会影响人们的健康、能见度及气候等方面。
空气中的颗粒物和气态污染物称为大气气溶胶。
其中，固态颗粒物的光学特性特别重要，它们分别与大气的能量收支和大气辐射平衡方面有关。
此外，它们还对天气、气候和环境等方面有重要的影响。
当前，使用地球观测卫星遥感大气气溶胶的方法已经成为了研究大气气溶胶的重要手段之一。
其中，MODIS（Moderate Resolution Imaging Spectroradiometer）是NASA（美国国家航空航天局）发射的多通道遥感卫星仪器之一，可以高效地获取陆地和海洋地表的反射和发射特性。
近年来，量子比和吸收光学厚度等重要气溶胶光学特性已经有了相当的研究，但固定模型，例如SBDART模型等存在误差较高的缺点。
因此，为了更准确地获取陆地上空气溶胶光学特性，本文参考多篇文献，采用MODIS的数据进行了一系列的研究。
首先，本文采用了1km分辨率的MODIS数据，获取了整个中国大陆区域的两个典型时间点2010年1月1日和7月1日的反射比率和气溶胶光学厚度等参数。
接着本文利用这些数据，并结合AERONET的遥感平台数据和机载激光雷达数据，探究了气溶胶光学厚度与吸收的量子比之间的关系。
结果表明，气溶胶光学厚度与量子比之间具有明显的正相关关系，而该关系在不同季节、不同地区受到不同的气象条件的影响。
其次，本文研究了气溶胶光学厚度的变化趋势。
结果显示，气溶胶光学厚度在不同的季节内有不同的趋势。
在春季和夏季，气溶胶光学厚度具有显著的季节性变化，而在秋季和冬季，气溶胶光学厚度却很少发生显著的变化。
最后，本文还研究了不同地区和不同季节对气溶胶光学特性的影响。
研究结果表明，气溶胶光学特性在不同地区和不同季节具有显著的差异性。
长沙市MODIS气溶胶光学厚度与PM2.5浓度的相关性研究
长沙市MODIS气溶胶光学厚度与PM2.5浓度的相关性研究引言随着城市化的进程和工业化的发展，空气质量逐渐成为了人们关注的焦点。
PM2.5是空气污染的重要指标之一，其对人体健康和环境都有着重要的影响。
而气溶胶光学厚度（AOD）是衡量大气中颗粒物浓度的重要指标，通常情况下，AOD越大代表颗粒物浓度越高。
研究AOD与PM2.5浓度之间的相关性，对于科学地监测和预测空气质量具有重要的意义。
本文将以长沙市为例，使用MODIS遥感数据，探讨AOD与PM2.5浓度的相关性，并对相关研究进行分析和讨论。
一、长沙市空气质量概况长沙市位于湖南省中部，具有明显的季节性气候特点，夏季湿热，冬季寒冷，春秋温暖湿润。
受城市化和工业发展的影响，长沙市的空气质量一度备受关注。
在过去的几年里，受到工业和交通排放的影响，长沙市PM2.5浓度呈上升趋势，成为市民关注的焦点。
研究长沙市的空气质量状况以及影响因素，对于改善城市空气质量具有重要意义。
二、MODIS遥感数据获取为了研究AOD与PM2.5浓度的相关性，我们使用MODIS（Moderate Resolution Imaging Spectroradiometer）遥感数据。
MODIS是由美国国家航空航天局（NASA）和美国地球观测系统（EOS）合作开发的一款卫星遥感仪器，其覆盖全球范围，可以提供高质量的大气和地表观测数据。
通过获取MODIS遥感数据，我们可以获取长沙市的AOD数据，以及其他气象数据，为研究提供数据支持。
三、AOD与PM2.5浓度的相关性分析在获取了MODIS遥感数据后，我们首先对AOD数据进行处理和分析。
通过对AOD数据的时间序列分析，我们发现AOD的变化与季节、气象条件、以及周围环境有着密切的关系。
接下来，我们将AOD数据与当地实际的PM2.5浓度数据进行对比分析。
利用统计学方法，我们计算AOD与PM2.5浓度的相关性系数，探讨二者之间的相关性。
我们还将使用空间统计方法，对长沙市不同区域的AOD与PM2.5浓度进行空间分布分析，以揭示二者之间的空间关系。
珠三角核心区域 MODIS气溶胶光学厚度与PM2.5浓度监测的相关性研究
珠三角核心区域MODIS气溶胶光学厚度与PM2.5浓度监测的相关性研究摘要：利用暗像元法，采用Terra/MODIS的MODISLLB数据为数据源，对珠三角地区的气溶胶光学厚度进行了反演，利用普通克里格插值对2013年珠三角核心区46个站点插值得到PM2.5质量浓度分布，将两者分别与珠三角核心区下垫面进行叠加分析，结果表明，PM2.5浓度和AOD值的变化均与城市下垫面密切相关。
建立PM2.5与AOD的相关模型，选出最优模型，进一步发现利用线性模型可以更好地利用卫星遥感数据对可吸入颗粒物进行监测，为评估区域空气质量提供一种有效途径。
关键词：MODIS；气溶胶光学厚度；PM2.5；地表类型；珠江三角洲1材料与方法1.1研究范围和数据来源本文根据地理位置和经济状况选取了深圳、广州、珠海、佛山、中山、东莞六个城市，将其定义为珠三角核心区。
在地理位置上，计算珠江三角洲的几何中心，发现恰好位于上述六座城市交汇的附近；根据政府统计数据对珠江三角洲九个城市2013年的人均GDP进行排序，发现前六位正是深圳、广州、珠海、佛山、中山、东莞六个城市，人均GDP均超过1万美元，从而确定了珠三角核心区的研究区域。
本文AOD反演的基础数据来源于MODIS卫星传感器观测数据；地面颗粒物监测数据来自于46个国控监测站点的PM2.5监测数据；土地利用类型的分类采用Landsat 8 OLI_TIRS 卫星数字产品。
1.2处理方法本文主要是针对珠三角地区核心区，基于TERRA卫星上获取的MODIS数据以及Landsat 8卫星遥感数据，分别提取MODIS AOD(气溶胶光学厚度)、土地利用分类，建立AOD 与PM2.5 的相关模型，并反演珠三角核心区的可吸入颗粒物浓度。
结合土地利用情况，研究PM2.5与下垫面的关系。
1.2.1提取AOD信息利用卫星遥感反演陆地气溶胶光学厚度(AOD)的难点在于气溶胶模式的确定和地表反射率贡献的去除。
MODIS气溶胶光学厚度产品应用论文
MODIS气溶胶光学厚度产品应用论文摘要：利用湿度订正和标高改正后的数据建立的模型，反映空气污染情况的精度有了提高，在步长为25的情况下，全年模型的拟合精度达到65.73%%，预测精度明显提高到了72.64%，结果应基本能满足空气污染等级监测的需要。
1 引言大气气溶胶的光学厚度是表征大气浑浊度的一个重要物理量，是确定气溶胶气候效应的一个关键因子，并在一定程度上能够反映区域大气的污染程度[1]。
本研究通过对MODIS气溶胶光学厚度和城市空气污染指数进行回归分析，从MODIS气溶胶光学厚度推算出城市空气污染指数。
用卫星遥感数据产品来替代需要通过繁复计算才得到的API值，以此来估算空气质量等级。
另外，对缺少地面观测台站的地区，通过遥感反演空气污染指数将具有更加实用的意义。
2 数据源简介本文气溶胶光学厚度（AOD）来源于中国气象科学数据共享服务网，时间跨度为2008年1月-2010年12月，是EOS.TERRA/MODIS传感器Level 2光学厚度产品。
空气污染指数（API）是一种反映和评价空气质量的方法[1]，来源于国家环境保护总局和环境监测总站网站。
气象数据包括相对湿度和水平能见度，均由中国气象科学数据共享服务网（http：///）提供。
3 研究过程本文使用284对MODIS Level 2气溶胶光学厚度产品的武汉地区AOD日均值和API、PM10浓度值数据进行回归分析，探讨卫星产品在空气质量监测中的应用；建立该地区AOD和API、PM10的回归模型，并分析了模型的模拟精度和预测精度。
284对数据中，提取出2008年-2009年共178组数据作为建模数据，2010年的106组数据作为验证数据。
本研究选用决定系数（coefficient of determination），这一指标来衡量实际数据与函数结果之间的差异。
3.1 直接比较利用该地区 MODIS 卫星遥感的全年AOD值与API、PM10污染物浓度进行一元二次回归拟合。
MODIS遥感气溶胶光学厚度产品在地面能见距中的应用
一
引 言
煤 炭是上 海 能 源 的主 力 品种 。 目前 ， 海 能 源 结 构 上 中 ， 占总消费量 的比重 超 过 ６ ， 环境 造 成 很 大 的压 煤 成 对
力… １。近年 来 ， 海 市 机 动 车 数 量 保 持 大 幅 度 上 升 趋 上
般而 言 ， 气溶 胶 浓度 可以从 垂 直和水 平 两种 方式 对
污染物排放， 上海市的大气污染类型已由原来单纯的煤烟
型 污染 发 展 为 现 在 的 石 油 型 与 煤 烟 型 并 重 的复 合 型 污 染 ， 重要 的特 征 就 是细 粒子 污 染 和 光 化 学 污 染 的加 Ｊ其
重， 综合表现为大气能见距降低。
大气 气溶胶 是影 响 地一 气 系统 辐 射 平 衡 的一 个 重 要
车尾气 污染 相 当 突 出 ， 为 影 响 环 境 空气 质 量 的 主 要 原 成
因［ 引。
由于上 海市 内大量 施 工 工地 、 露 地 面 的存 在 ， 裸 以及
煤堆场 和其他料 堆 的露 天 堆放， 面扬 尘 污染 非 常严 地
重 Ｌ ， 得上海市 空气 中 的 ＴＰ 量 浓度偏 高 。由于 上海 ５使 Ｊ Ｓ质 燃 料结 构 的不合理 ， 以及大 量 固定源 、 动源 、 流 无组 织源 的
ＭＯ Ｉ ＤＳ遥感气溶胶光学厚 度产品在 地面能见距 中的应 用
孙娟 ，束炯 ，鲁 小琴 ，段玉森
（． ． 华东师范大学地理信息科学教育 部重点实验 室， １ ４ ２ 上海 ２ ０２ ３ 中国气象局上海 台风研究所 ， ０ ６； ． ０ 上海 ２０ ３） ０ ｏｏ Nhomakorabea摘
要 ： 用气象站点能见距的历 史资料和 Ｎ Ｓ 利 Ａ Ａ的 Ｍ １ ＯＤＳ卫星遥 感手段 获取 １ｋ ＊１ｋ 分辨 率的气溶 胶光学厚度资料 ， ０ｉ ０ｉ ｎ ｎ 建
MODIS气溶胶光学厚度产品在武汉市大气污染研究中的应用
封面示例：学号_ 2010301110007学院归档号_________（黑体5号）武汉大学本科毕业论文（1号宋体居中）MODIS气溶胶光学厚度产品在武汉市大气污染研究中的应用（2号黑体居中，标题行间距为32磅）院（系）名称：资源与环境科学学院专业名称：地理学基地班学生姓名：付志伟指导教师：胡勇副教授（宋体小3）二○一四年五月学术声明示例：郑重声明（宋体粗体2号居中）本人呈交的学位论文，是在导师的指导下，独立进行研究工作所取得的成果，所有数据、图片资料真实可靠。
尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含他人享有著作权的内容。
对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确的方式标明。
本学位论文的知识产权归属于培养单位。
（宋体4号）本人签名：日期：二O一四年五月摘要现代社会经济发展迅速，同时由于产业发展不均衡等原因自然环境急剧恶化，资源消耗严重，大气污染成为人们日益关切的问题。
空气污染指数(Air Pollution Index，API)是关系大众生产生活的一个重要指标。
因此，及时有效的地对空气质量情况进行监测及科学、准确的预报预测，是实现改善大气状况的第一步。
我们现在最常用的API获取方式是地面基站实时监测，而大气污染的遥感监测也日益受到各国的重视。
本文主要通过中分辨率成像光谱辐射仪(Moderate Resolution Imaging Srcctroradiomater，M0DIS)二级产品气溶胶光学厚度(Aerosol Optical Depth，AOD)数据与武汉地区的API、PM10质量浓度做相关性分析，尝试建立它们之间的相关模型。
但AOD与API的直接回归分析显示其相关性并不好，而经过API提取出的PM10与AOD相关性要强一些，但两个回归模型精度都很一般。
而利用相对湿度和气溶胶标高等气象条件进行校正后，AOD与API、PM10的相关性都有明显提高，模型精度也都很可观。
利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染
利用MODIS光学厚度遥感产品研究北京及周边地区的大气污
染
利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染
对2001年在北京地区利用太阳光度计观测的气溶胶光学厚度和NASA发布的MODIS气溶胶产品进行了比较,验证了这一卫星遥感产品的可靠性;比较了2001年MODIS气溶胶光学厚度(AOD)产品和由空气污染指数(API)计算的每日平均可吸入颗粒物(PM10)浓度,得到了比较高的相关系数,证实该气溶胶产品可用于污染分析.将北京地区AOD 与气象能见度观测资料进行比较,得到了不同季节的气溶胶"标高".利用统计的不同季节的气溶胶标高,从光学厚度的季节分布得到了能见度(能见距离)的季节分布.气溶胶光学厚度图像的个例分析表明,除局地排放外,周边区域(主要为西南和南向)的输送对北京市区的空气污染贡献份额较大.卫星遥感气溶胶可以比较直观地再现污染物的区域分布和输送,不仅为研究全球气候变化也为研究区域环境的空气质量提供了一种有效手段.
作者：李成才毛节泰刘启汉刘晓阳刘桂青朱爱华作者单位：李成才(北京大学物理学院大气科学系,北京,100871;香港科技大学海岸与大气研究中心,香港九龙)
毛节泰,刘晓阳,刘桂青,朱爱华(北京大学物理学院大气科学系,北京,100871)
刘启汉(香港科技大学海岸与大气研究中心,香港九龙)
刊名：大气科学 ISTIC PKU英文刊名：CHINESE JOURNAL OF ATMOSPHERIC SCIENCES 年，卷(期)：2003 27(5) 分类号：X51 关键词：气溶胶光学厚度大气污染能见度。
- 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)。
北京大学学报（自然科学版），第46卷，第2期，2010年3月Acta Scientiarum Naturalium Universitatis Pekinensis ，Vol.46，No.2（Mar.2010）国家自然科学基金（40575001，40775002）和国家高技术研究发展计划专项经费（2006AA06A303）资助收稿日期：2009-02-27；修回日期：2009-04-08MODIS 气溶胶光学厚度产品在地面PM 10监测方面的应用研究何秀1邓兆泽1李成才1，覮刘启汉2王美华1刘晓阳1毛节泰11.北京大学物理学院大气科学系，北京100871；2.香港科技大学环境研究所，香港；覮通讯作者，E-mail ：ccli@摘要利用MODIS （中分辨率成像光谱仪）两年的气溶胶光学厚度（AOD ）产品与北京地区API 转化得到的PM 10质量浓度、北京大学站点直接监测的PM 10质量浓度以及香港元朗站点监测的PM 10质量浓度做相关性分析，发现二者的直接相关程度较低。
将AOD 除以气溶胶季节标高，得到地面消光系数，与地面PM 10质量浓度相关性提高。
对地面消光系数进行相对湿度订正，得到计算的质量浓度，与地面实际观测的PM 10质量浓度相关性进一步提高。
经过两年时间资料的对比分析，证实气溶胶遥感光学厚度经过垂直和湿度影响订正后，可以应用于地面PM 10监测。
关键词MODIS ；气溶胶光学厚度；PM 10中图分类号P407；X831Application of MODIS AOD in Surface PM 10EvaluationHE Xiu 1，DENG Zhaoze 1，LI Chengcai 1，覮，Alexis Kai-Hon LAU 2，WANG Meihua 1，LIU Xiaoyang 1，MAO Jietai 11.Department of Atmospheric Sciences ，School of Physics ，Peking University ，Beijing 100871；2.Institute for Environment ，The Hong Kong University of Science and Technology ，Hong Kong ；覮Corresponding Author ，E-mail ：ccli@ AbstractThis study was based on two-year MODIS aerosol optical depth （AOD ）product and PM 10mass concentrationscalculated from Air Pollutant Index （API ）in Beijing and the hourly averaged measurements at Peking University in Beijing and Yuen Long station in Hong Kong.The direct correlation between AOD and PM 10mass concentration was found relatively low.The correlation coefficient between aerosol surface extinction （achieved from dividing AOD by seasonal aerosol scalar heights ）and PM 10mass concentration increased to some extent.The correlation further improved after considering the influence of relative hfumidity （RH ）on aerosol optical properties.This comparison verified that the MODIS AOD can be applied in the evaluation of surface PM 10mass concentration after taking aerosol vertical distribution and influence of RH into consideration.Key wordsMODIS ；AOD ；PM 10城市气溶胶问题越来越严峻，尤其是最近几年来，PM 10成为我国大中城市的首要污染物［1-3］，严重影响着居民的生存环境。
在地面建立观测站，对气溶胶进行全天候的连续观测，可以直接得到反映污染物地面浓度的信息，从而对提出合理的排放控制建议有帮助。
赵越等［2］利用北京20余站PM 10的监测资料分析得出，北京西南部和南部较其他地区污染严重，且北京地区背景浓度很高。
张菊等［4］利用北京城区和郊区地面监测站点近20年的监测资料，发现北京的空气污染处于由煤烟型向机动车尾气型转变的过程。
尽管许多城市都在其主要地带建立了地面环境监测站来监测颗粒物以及污染气体浓度871第2期何秀等：MODIS气溶胶光学厚度产品在地面PM10监测方面的应用研究等，但是这些站点往往比较稀疏，难以全面反映气溶胶粒子的空间分布。
卫星遥感可以提供广阔范围内的气溶胶的区域分布，在污染物监测、污染事件的确定、污染源解析以及污染物的区域输送方面有广泛的应用。
气溶胶遥感资料尤其是气溶胶光学厚度（AOD）产品应用于大气污染研究中，能极大弥补地面监测站的不足。
Chu等［5］利用MODIS Level2产品气溶胶光学厚度的数据，研究了全球、区域和局地大气污染状况，证实了用气溶胶光学厚度监测大气污染的可行性。
Wang等［6］发现美国Jefferon县7个站点的小时平均PM2.5质量浓度与MODIS气溶胶光学厚度有很好的相关性（R=0.7），并指出MODIS的气溶胶光学厚度可以用于定量评估空气质量等级，在无云的情况下可以达到90%的准确率。
Engel-Cox等［7］利用MODIS2002年3月到9月的AOD数据定量分析，发现卫星遥感资料与地面污染物质量浓度在美国东部和中西部地区具有较高的相关性，并且指出卫星数据在区域尺度的空气质量监测方面有重要的应用潜力。
国外已有许多研究者利用MODIS的AOD来预报地面颗粒物的浓度，用于空气质量的监测［8-10］。
李成才等［11-15］利用MODIS 气溶胶光学厚度分析了北京、香港、四川等地气溶胶时空分布特点，并将AOD与地面观测资料比较，得到较好的相关性，认为用MODIS气溶胶光学厚度研究城区空气污染具有可行性。
徐祥德等［16］通过气溶胶卫星遥感-地面观测变分分析揭示了北京周边地区气溶胶污染及污染源的区域性影响特征，提出了北京城市大气环境污染机理与调控原理。
气溶胶监测中两个非常重要的物理量，气溶胶光学厚度和地面气溶胶的质量浓度，各自具有明确的物理意义，如果将两者联系起来，可以通过卫星遥感为地面空气质量监测提供更多的信息。
卫星遥感的气溶胶光学厚度代表垂直方向上消光系数总的积分，与气溶胶消光系数的垂直分布和气溶胶总浓度有关；而地面颗粒物的浓度还受地面排放源和混合层高度、风向、风速等扩散条件的影响。
考虑气溶胶消光系数的垂直分布，对AOD进行订正以后得到地面消光系数，它和地面可吸入颗粒物（PM10）质量浓度的相关系数会显著提高。
除此之外，地面监测质量浓度的时候有一个干燥的过程，代表比较固定的、较低相对湿度下的质量浓度，而卫星遥感的气溶胶光学厚度是在环境相对湿度下进行的，因此对卫星产品还应该进行湿度方面的订正。
本文利用MODIS网站提供的Level2的产品，逐步进行垂直方向上的订正和湿度订正后，与地面观测的气溶胶质量浓度作对比分析，证实了MODIS气溶胶遥感产品在城市大气污染PM10质量浓度监测方面有重要应用价值。
1仪器和数据搭载在Terra和Aqua卫星上的中分辨率成像光谱仪（MODIS），是目前气溶胶探测的一个重要仪器。
MODIS探测仪可以提供从可见光、近红外到红外共36个通道的探测资料，具有较高的空间分辨率，扫描宽度为2330km，可见光1通道（660nm）和2通道（860nm）具有250m的星下点分辨率；可见光3—7通道具有500m的星下点分辨率，为陆地、海洋、大气、气溶胶以及云的观测提供了高分辨率的监测，目前得到广泛的应用。
文中所用资料是MODIS Level2的气溶胶数据集（Version5），星下点分辨率为10km，时间从2005年1月到2006年12月。
空气污染指数（API）是一个可被公众理解的、直观的空气质量指数，是衡量空气质量的重要指标，由环保部门通过对PM10，SO2和NO2等污染物浓度在各个环境监测站点的小时监测数据计算得出。
中国大陆城市一般通过对几种污染物浓度在城市中各个监测点的日平均值，按照分段线性关系分别折算成API，再在几种污染物的API中取最大值，作为该城市的当日的API，相应的物种作为首要污染物。
在我国的大多数城市中，全年大约85% 90%的首要污染物为可吸入颗粒物［11］。
本文采用的API数据，来自北京市环保局（http：//）2005年到2006年公布的空气污染指数。
在北京地区，本文还使用了直接在北京大学观测的PM10质量浓度，该数据来自安装在北京大学物理学院楼顶（116.37毅E，39.98毅N）的环境颗粒物监测仪（Tapered Element Oscillating Microbalance，简称TEOM）。
环境颗粒物监测仪R驭P1400a采用石英微量振荡天平测定大气中气溶胶质量浓度，当颗粒物在滤膜上连续聚集，滤膜质量增加，其振荡频率同时相应的减少，根据频率的变化，结合自动记录的大气采样流量和温度数据，计算出在相应时间间隔内所累积的颗粒物总质量和质量浓度。
TEOM总流量为16.7L/min，其中主流量为15.6L/min。
TEOM971北京大学学报（自然科学版）第46卷①He Xiu ，Li Chengcai ，Mao Jietai ，et al.The dependence of aerosol light extinction on the relative humidity in Beijing and Hong Kong采样头架设在物理楼顶的一个观测室屋顶。
为了消除湿度的影响，该仪器有一个加热装置，样品被加热到50益。
将仪器输出的5分钟数据经过质量控制，平均后得到逐时平均数据。
香港地面颗粒物浓度来自香港科技大学从香港环保署（HKEPD ）取得的资料，观测站位于香港元朗，仪器也是TEOM 。