霾光譜特性分析與衛(wèi)星遙感識別算法

葛 巍、陳良富、司一丹、葛 強、范 萌*、李莘莘*

1. 中國科學(xué)院遙感與數(shù)字地球研究所遙感科學(xué)國家重點實驗室,北京 100101 2. 河南大學(xué)計算機與信息工程學(xué)院,河南 開封 475004

霾光譜特性分析與衛(wèi)星遙感識別算法

葛 巍1、陳良富1、司一丹1、葛 強2、范 萌1*、李莘莘1*

1. 中國科學(xué)院遙感與數(shù)字地球研究所遙感科學(xué)國家重點實驗室,北京 100101 2. 河南大學(xué)計算機與信息工程學(xué)院,河南 開封 475004

近年來、我國頻繁發(fā)生的灰霾污染事件和常態(tài)性的高細(xì)顆粒物濃度(PM2.5)、已經(jīng)引起了全世界范圍的廣泛關(guān)注。衛(wèi)星遙感能夠?qū)Υ髿馕廴具M行快速準(zhǔn)確地監(jiān)測。然而在大氣遙感領(lǐng)域具有代表性的中分辨率成像光譜儀(NASA/MODIS)、其云監(jiān)測和暗像元反演算法通常把灰霾當(dāng)做薄云、霧或地表亮目標(biāo)處理、無法反演霾天的氣溶膠光學(xué)厚度(aerosol optical depth,AOD)。筆者研究了云、霧、霾、地表覆蓋等不同像元在可見光、近紅外以及紅外通道的光譜特性。基于MODIS數(shù)據(jù)、參考相關(guān)的云監(jiān)測和氣溶膠反演算法、選取多個對灰霾敏感的光譜通道、計算表觀反射率和亮度溫度。針對不同波段、分別探討了霾與薄云、低層云、霧、濃密植被和地表亮目標(biāo)等像元之間的光譜差異、統(tǒng)計灰霾分布的閾值區(qū)間、并設(shè)計基于MODIS衛(wèi)星遙感數(shù)據(jù)的灰霾識別自動處理流程。通過對2008年華北平原春夏兩個重霾事件進行測試、該算法的霾分布監(jiān)測結(jié)果與衛(wèi)星真彩圖具有較好的一致性?；诒本┖拖愫覣ERONET站點觀測的高AOD數(shù)據(jù)、驗證了本算法的霾識別率接近80%、在一定程度能夠彌補MODIS標(biāo)準(zhǔn)氣溶膠算法用于灰霾天的不足。最后、分析了灰霾識別過程中的主要誤差來源、并提出了基于霾紋理特征、以及其他輔助數(shù)據(jù)支撐的改進方法。

霾； 光譜特性； MODIS； 表觀反射率； 亮度溫度

引 言

隨著我國社會經(jīng)濟的快速發(fā)展、以可吸入顆粒物(PM2.5)、NO2和SO2等為代表的大氣污染物排放大量增加、我國的空氣質(zhì)量狀況受到社會各界的廣泛關(guān)注。相關(guān)監(jiān)測結(jié)果表明、我國約三分之一的國土、近一半人口正在遭受灰霾的危害、特別是華北平原、珠江、長江三角洲、成渝等地區(qū)面臨更加嚴(yán)重的大氣污染。除了影響氣候變化和生態(tài)環(huán)境外、霾對公共健康帶來的負(fù)面效應(yīng)跟人類更加密切、如能夠誘發(fā)呼吸道系統(tǒng)疾病、心腦血管病、小兒佝僂病等多種疾病。目前環(huán)保部門主要從空氣質(zhì)量的角度關(guān)注霾天近地面的PM2.5、NO2和SO2等污染物濃度。這些近地面上“點”尺度的監(jiān)測、雖然可以及時了解監(jiān)測點附近的霾天污染狀況、但缺乏對大尺度的霾分布、霾光學(xué)特性、霾顆粒物濃度等的監(jiān)測能力。

衛(wèi)星遙感具有大面積覆蓋、準(zhǔn)實時獲取等特點、對于顆粒物污染可以進行快速準(zhǔn)確地監(jiān)測。霾顆粒物主要是由空氣中懸浮著的極小的、相對濕度較小的微粒組成、從定義來看霾是大氣氣溶膠的一種類型[1]。但是、目前國內(nèi)外流行的衛(wèi)星傳感器和反演算法、通常只在晴天條件下、才能對大氣氣溶膠進行較好的監(jiān)測。以氣溶膠觀測領(lǐng)域具有代表性的NASA對地觀測系統(tǒng)EOS/MODIS為例、它不能提供我國霾天的氣溶膠光學(xué)厚度產(chǎn)品。這主要是因為：首先、氣溶膠產(chǎn)品生產(chǎn)過程中需要剔除云的影響、而以MODIS數(shù)據(jù)為代表的多通道云檢測算法、通常錯誤地將霧霾等重污染情況識別成薄云、低層云等[2-3]。另外、MODIS標(biāo)準(zhǔn)的暗像元算法、通常只在濃密植被地區(qū)具有較好效果、對反射率較高的亮目標(biāo)地區(qū)并不適用[4]。而霧霾天較強的氣溶膠多次散射、通常使得衛(wèi)星觀測的可見光至近紅外波段具有較強的反射、進一步導(dǎo)致暗像元算法將霧霾當(dāng)作高反射地表而不進行處理。第三、地基觀測表明、霾粒子的光學(xué)特性明顯不同于晴天氣溶膠[5]、傳統(tǒng)的晴天氣溶膠模式也不適用于霾光學(xué)厚度反演[3]。以上原因從深層次可以進一步解釋為：歐美等發(fā)達國家大氣污染現(xiàn)象相對較少、導(dǎo)致其研究灰霾的衛(wèi)星監(jiān)測算法動力不足。近年來、國內(nèi)外學(xué)者逐漸嘗試解決該領(lǐng)域的相關(guān)科學(xué)問題。如MODIS氣溶膠標(biāo)準(zhǔn)算法從第五、六版本起、就不斷更新它的氣溶膠識別閾值[6],嘗試反演極端事件情況下的AOD。Remer等討論了不同空間尺度對云和重污染情況下氣溶膠反演的影響[7]。Shang等對比了晴天和重污染情況下云量、云相態(tài)和云頂壓強的不同[8]。但總的來說、目前國內(nèi)外關(guān)于霧霾分布和光學(xué)厚度的衛(wèi)星遙感研究還相對較少。

本文主要從衛(wèi)星遙感角度研究霾的光譜特性和識別算法。其中第二部分主要對霾、云、地表等像元在可見光與紅外通道的光譜特性進行分析、第三部分構(gòu)建基于MODIS的多通道反射率與亮溫閾值、第四部分介紹了霾識別的數(shù)據(jù)處理流程、最后給出了霾的遙感識別結(jié)果并對誤差進行了分析。

1 霾的光譜特性分析

1.1 霾可見光反射光譜特征

衛(wèi)星在可見光波段(0.38～0.74 μm)測量主要來自地面、云等反射的太陽輻射。在特定的太陽高度角下、衛(wèi)星接收到的輻射信號、以及反映在遙感影像上的色調(diào)、通常與物體的反射率成正比。從定量遙感角度來看、云和氣溶膠等反映在衛(wèi)星信號上的強度可以用光學(xué)厚度來表示。相對于云和氣溶膠來說、霾的光學(xué)厚度通常介于1～3之間； 晴天的氣溶膠光學(xué)厚度通常比較小、值域在0.7以下； 而云的光學(xué)厚度則可高達10以上。從圖像處理角度來看、霾與晴空區(qū)之間通常沒有明顯的邊界、而云通常與晴空區(qū)之間的邊界比較明顯。

1.2 霾近紅外反射光譜特征

在近紅外(0.7～2.5 μm)的水汽強吸收通道、霾粒子的反射貢獻主要來源于其有效半徑。監(jiān)測發(fā)現(xiàn)我國頻發(fā)的灰霾是由高濃度的細(xì)顆粒物組成、包括黑碳、有機顆粒物、硫酸鹽、硝酸鹽、銨鹽等[1]、粒子直徑相對較小(0.001～10 μm)、平均1～2 μm。由于霾顆粒物能夠散射波長較長的太陽光、因而從遙感影像上看起來呈黃色或灰白色。云和霧粒子是由液態(tài)水或冰晶組成的、其散射光與波長關(guān)系不大、在遙感影像上通常看起來呈白色。

1.3 霾熱紅外輻射光譜特征

在中紅外、遠(yuǎn)紅外通道(2.5～25 μm)上云、霧、霾、地表等具有不同的亮度溫度。由于霾主要分布于邊界層、受下墊面影響較大、因此它與地表的亮溫差較小、而與云(尤其是高層冷云)的亮溫差則較大。因此、可以通過設(shè)定不同紅外通道亮溫和亮溫差閾值來進行霾像元識別。

2 基于反射率與亮溫的霾識別閾值算法

參考相關(guān)云檢測[9-12]和氣溶膠反演算法[6]、選取如下MODIS 10個對云、水汽、溫度、氣溶膠、地表等有較強敏感性的波段進行研究(見表1)[13]。其中、可通過MODIS 1～19與26通道計算可見光與近紅外波段的表觀反射率、通過20～25與27～36通道輻亮度計算中紅外波段的亮度溫度。

表1 MODIS霾識別的敏感波段

霾檢測閾值是根據(jù)2008年春夏華北平原的典型灰霾過程、基于MODIS數(shù)據(jù)進行統(tǒng)計分析獲得。具體的閾值設(shè)定是首先選取霾發(fā)生天的衛(wèi)星數(shù)據(jù)、通過對真彩影像的分析、并輔助相關(guān)的氣象和地基觀測資料、勾畫出大致的霾發(fā)生范圍、并按可信度進行簡單區(qū)分。在此基礎(chǔ)上、計算不同通道的表觀反射率和亮度溫度、并分析它們在霾區(qū)域的值域分布。最后、綜合多個霾天過程、針對每個通道盡量設(shè)置較寬的閾值范圍以減少誤判。如圖1顯示了2008年3月11日華北平原MODIS真彩色合成圖、從衛(wèi)星圖像上可以看出河北及山東大部、河南北部發(fā)生了陰霾天氣； 北京、河南西南部有云層覆蓋、但是云下的霾也很嚴(yán)重； 渤海上空受大霧籠罩。

圖1 2008年3月11日MODIS數(shù)據(jù)真彩色合成圖

2.1 可見光與近紅外通道的反射率閾值

2.1.1 MODIS可見光通道反射率

首先運用MODIS數(shù)據(jù)可見光通道1(0.66 μm)和3(0.47 μm)、利用云、霧和霾反射率的差異進行檢測、主要剔除厚云、濃霧、潔凈地表等對霾檢測的干擾、當(dāng)研究區(qū)域的反射率差異較大時、該方法比較有效。如圖2、紅藍波段厚云和濃霧的反射率遠(yuǎn)大于霾覆蓋的反射率、其值在0.4以上； 而潔凈大氣下陸地的反射率最大值也不超過0.2、可以從某種程度上區(qū)分霾和潔凈大氣下的濃密植被。綜合考慮霾檢測的準(zhǔn)確性、最終將通道1和3的反射率閾值分別定為[0.13～0.32]與[0.25～0.4]。這一值域范圍在保證大部分厚云被排除的同時、防止了將較重的霾及較亮的地物誤判為云。

圖2 2008年3月11日MODIS數(shù)據(jù)(a)通道1反射率; (b)通道3反射率

2.1.2 MODIS近紅外與可見光波段的反射率比值

MODIS通道2(0.87 μm)與通道1的反射率比ρ0.87/ρ0.66對云、水體和霾有著不同的值。如圖3(a),對云而言、在這兩個光譜上的反射率相近、介于0.9～1.1之間。對于水體而言、其紅光波段的反射率約為近紅外波段的2倍、使該比值大約為0.5左右； 而當(dāng)霾發(fā)生時、該比值顯著增加(總是大于1)。通過對多時相MODIS數(shù)據(jù)的比較、最終將閾值范圍定為[1～2.4]。

MODIS近紅外通道18(0.936 μm)位于低層水汽的強吸收帶中、霾發(fā)生時地面的輻射很難到達傳感器、所以可以用通道18與通道2的比值(ρ0.936/ρ0.87)區(qū)分霾與潔凈大氣覆蓋的地表。如圖3(b)所示、該比值在有霾覆蓋區(qū)域低于潔凈大氣下的地表反射率、在有霾覆蓋的陸地表最大值不超過0.6、而在潔凈大氣覆蓋的陸地表基本都大于0.5。通過多時相MODIS遙感數(shù)據(jù)分析、將值域范圍定為[0.25～0.6]。

圖3 2008年3月11日MODIS數(shù)據(jù)(a) 通道2與通道1反射率比; (b)通道18與通道2反射率比

2.1.3 MODIS近紅外波段反射率

MODIS通道26 (1.38 μm)處于水汽的強吸收帶上。如圖4(a)反射率ρ1.38可以較有效地檢測出卷云、因為卷云通常位于對流層上層、絕大部分水汽在卷云下方、當(dāng)卷云存在時、衛(wèi)星將觀測到很強的被卷云散射的太陽輻射、一般都在0.03以上。通過多時相MODIS遙感數(shù)據(jù)分析、將值域范圍定為[0～0.025]。

MODIS第7通道(2.1 μm)位于大氣窗口、潔凈天氣溶膠的影響在此通道比可見光波段小15～30倍、可以忽略不計。然而2.1 μm波段的表觀反射率在霾天時受大氣散射影響比較強、如圖4(b)、霾發(fā)生區(qū)域的表觀反射率值明顯高于潔凈大氣覆蓋下濃密植被區(qū)域、所以可以通過設(shè)定2.1 μm閾值區(qū)分霾與潔凈大氣覆蓋下的濃密植被。通過多時相MODIS遙感數(shù)據(jù)分析、將值域范圍定為[0.1～0.35]。

圖4 2008年3月11日MODIS數(shù)據(jù)(a)通道26反射率; (b)通道7反射率

2.2 紅外通道的亮溫閾值

2.2.1 MODIS紅外通道亮度溫度

霾與云的主要區(qū)別之一就是霾具有較高的亮溫、可以選取MODIS的第31(11 μm)、35(13.9 μm)通道、設(shè)定簡單的值域進行霾與中高層冷云的區(qū)分。圖5顯示了MODIS中紅外通道的亮溫分布、有云區(qū)域的亮溫一般都非常低、而霾覆蓋地區(qū)的亮溫就要高出很多。通過對多時相MODIS數(shù)據(jù)分析、最終將BT11和BT13.9亮溫閾值范圍分別設(shè)為[280～300]和[230～250]。

2.2.2 MODIS紅外通道亮溫差

在陸地面上、發(fā)射率隨波長變化、為了避免地面發(fā)射率隨波長變化、可以選擇MODIS中紅外波段兩個光譜相近通道20與22的亮溫差(BT3.7-BT3.9)來進行霾檢測。如圖6(a)和(b),霾覆蓋的下墊面的亮溫要高于厚云、高云覆蓋區(qū)域、但是其亮溫差[圖6(c)]要比有云區(qū)的亮溫差低得多、一般都在12K以下。通過對霾發(fā)生過程的MODIS影像分析、最終將霾識別閾值范圍定為[0～12]。

圖5 2008年3月11日MODIS數(shù)據(jù)(a)通道31亮溫; (b)通道35亮溫

中紅外波段3.7 μm包含物體自身發(fā)射和其反射太陽的輻射、而且以反射太陽輻射所占的份額居多、其中強度與粒子的有效半徑成反比?？梢酝ㄟ^MODIS 11和3.7 μm之間的亮溫差(BT3.7-BT11)進行像元識別。由于霾粒子小于云霧粒子、其亮溫差BT3.7-BT11通常介于云和潔凈大氣覆蓋的地表之間[如圖6(d)]。通過多時相MODIS遙感影像分析、將BT3.7-BT11閾值設(shè)為[10～20]。

圖6 2008年3月11日MODIS數(shù)據(jù)(a)通道20亮溫; (b)通道22亮溫; (c)通道20與通道22亮溫差; (d)通道20與通道31亮溫差

Fig.6 Brightness temperatures at MODIS (a) Channel 20; and (b) Channel 22; The brightness temperature differences (c) between MODIS Channel 20 and 22; and (d) between MODIS Channel 20 and 31 on March 11,2008

3 霾識別數(shù)據(jù)處理流程

霾識別數(shù)據(jù)處理流程需要首先對MODIS L1B數(shù)據(jù)進行預(yù)處理、獲取不同通道的反射率與亮溫值。根據(jù)章節(jié)3設(shè)定的閾值、分別進行厚云、高云、薄云、中低云、霧、濃密植被覆蓋的下墊面以及亮目標(biāo)地區(qū)的像元識別。霾掩碼在不同通道閾值的基礎(chǔ)上不斷優(yōu)化生成、具體如下：

(1)MODIS數(shù)據(jù)預(yù)處理

首先對MODIS數(shù)據(jù)進行輻射定標(biāo)、根據(jù)定標(biāo)參數(shù)的增益和偏移、將DN值轉(zhuǎn)換為大氣層頂表觀反射率ρTOA與輻亮度L。進而通過普朗克公式[式(1)]、將輻亮度轉(zhuǎn)換為亮度溫度。

Mλ(T)=2πhc2λ-5[exp(hc/λkT)-1]-1

(1)

Mλ(T)為輻射出射度、h為普朗克常數(shù)、k為玻爾茲曼常數(shù)、c為光速。據(jù)上式得式(2)

(2)

BTi是MODIS第i波段的亮溫、Li是MODIS第i波段的輻亮度、λi是第i波段的有效中心波長、C1和C2為常數(shù)。

(2)霾與厚云、高層冷云的識別

對于云和霾的檢測首先從容易識別的厚云、高層冷云開始。通過對云和各種下墊面在紅藍通道上的光譜分析、選擇MODIS通道1和3反射率進行厚云檢測。高層冷云相對霾覆蓋地表來說具有較低的亮溫。MODIS第31通道(BT11)的輻射主要來自下墊面、大氣的貢獻相對較小、其亮溫閾值對于較冷的高云檢測效果比較好。MODIS中紅外波段通道20與22的亮溫差(BT3.7-BT3.9)主要用于剔除比較亮的云、另外碎積云及高層冷云也能檢測出來。

(3)霾與高層薄云、中低云、濃霧的識別

MODIS第26通道反射率ρ1.38對于來自下墊面的反射會由于霾層中大量水汽的吸收而減弱、可以設(shè)定合適的閾值有效的檢測高層薄卷云； MODIS第35通道通常用于檢測云高、對于高層薄云比較敏感； 結(jié)合MODIS可見光通道1與近紅外通道2、通道18、設(shè)定反射率比值ρ0.87/ρ0.66和ρ0.936/ρ0.87、對于排除部分高層薄云、碎云、積云具有明顯優(yōu)勢； 由于低層云、霧粒子遠(yuǎn)大于霾粒子、可以通過MODIS 11和3.7 μm之間的亮溫差(BT3.7-BT11)進行霾與中低云、濃霧的識別。

(4)霾與地表像元的識別

NASA/MODIS暗像元算法反演全球氣溶膠產(chǎn)品時、選擇短波近紅外通道2.12 μm反射率進行濃密植被的識別、并根據(jù)0.66 μm的反射率對網(wǎng)格內(nèi)像元進一步篩選、排除掉較亮的像元[6]。然而、霾天大氣散射較強、霾在2.12和0.66 μm處的反射率較高、即通常被認(rèn)為不處理的亮目標(biāo)地表。因此、有必要選擇MODIS第1、2、7、18和20通道從地表像元中進一步識別霾。另外、由于霾發(fā)生時水汽含量相對潔凈大氣覆蓋的下墊面明顯偏大、可以用通道18與通道2的比值(ρ0.936/ρ0.87)、區(qū)分霾與濃密植被和亮目標(biāo)地表。

4 霾識別結(jié)果與分析

4.1 霾識別結(jié)果

為了驗證算法的適用性、選擇我國霧霾頻發(fā)的華北平原作為實驗區(qū)。圖7分別展示了2008年春夏兩個霧霾過程。其中、華北平原春冬季霾[圖7(a),(b),(c)]發(fā)生時大氣層通常比較穩(wěn)定、氣象條件不太利于污染物的擴散、若無降雨等天氣影響、霾分布范圍較廣且持續(xù)時間較長。通過目視解譯、從真彩色合成圖[圖7(a)]可以看出、陰霾覆蓋了華北平原大部分地區(qū)、其中河北南部、山東東部等地區(qū)霾濃度較高、真彩圖色調(diào)較灰； 山西、安徽、江蘇等地霾相對較輕、真彩圖中可以透過霾看到下墊面濃密植被分布。圖7(b)顯示了MODIS氣溶膠標(biāo)準(zhǔn)產(chǎn)品缺少霾發(fā)生區(qū)域的光學(xué)厚度。圖7(c)顯示了基于多通道閾值的華北平原霾衛(wèi)星遙感識別結(jié)果、與真彩圖灰色調(diào)區(qū)域?qū)?yīng)較好。圖7(d),(e),(f)展示了華北平原夏季的霾過程、通常由于較強的光化學(xué)反應(yīng)和顆粒物吸濕增長引起。對應(yīng)的MODIS產(chǎn)品[圖7(e)]同樣無法反演河北大部以及河南北部的霾發(fā)生區(qū)域的氣溶膠光學(xué)厚度。我們的霾識別結(jié)果[圖7(f)]有效的彌補了MODIS標(biāo)準(zhǔn)產(chǎn)品的不足。

圖7 基于MODIS數(shù)據(jù)的衛(wèi)星真彩圖(a,d); MODIS氣溶膠產(chǎn)品(b,e); 霾分布識別結(jié)果(c,f)

評價定量遙感效果的黃金標(biāo)準(zhǔn)是采用地基真值進行驗證。如衛(wèi)星遙感的氣溶膠光學(xué)厚度產(chǎn)品通常采用地基AERONET觀測網(wǎng)數(shù)據(jù)進行驗證。為了進一步評價霾識別結(jié)果、處理了AERONET北京站和香河站的AERONET Level 2.0數(shù)據(jù)、并選取2008年春夏61個光學(xué)厚度大于0.7的樣本。驗證結(jié)果表明、本文的霾識別算法能夠匹配49個樣本點、霾識別率接近80%(49/60),而同期的MODIS標(biāo)準(zhǔn)產(chǎn)品只匹配了29個數(shù)據(jù)、識別率低于50%。

4.2 霾識別誤差分析

霾識別的精度主要受薄云、低層云、輕霧、亮地表等因素影響?；诳梢姽馀c近紅外通道反射率可以在一定程度上將霾區(qū)別出來、但是從統(tǒng)計結(jié)果上看、盡管霾反射率分布有一定的特殊性、與薄云等像元重合的部分也非常明顯。因此利用表觀反射率用于霾和薄云、亮地表等區(qū)分存在一定誤差?；诩t外通道亮溫及亮溫差閾值對于剔除較冷的云層效果較好、但由于霾和低層云主要分布于邊界層、受下墊面影響較大、通過簡單亮溫設(shè)定對區(qū)分低層云、潔凈天亮地表、以及有霾覆蓋的下墊面效果并不理想。針對霧與霾伴生出現(xiàn)的現(xiàn)象、本算法目前還難以區(qū)分。

大多數(shù)霾是在穩(wěn)定的天氣條件下形成的、從圖像處理角度來看、其亮度變化不明顯。而由于云的形態(tài)眾多、邊界不像霾區(qū)那么整齊。所以可以通過選取合適區(qū)域范圍、計算某個像元與周邊數(shù)據(jù)的反射率/亮溫差異(如方差)、對霾、云的識別進行優(yōu)化。霧和霾的存在都會降低空氣透明度、霾天發(fā)生時能見度通常在1～10 km之間、而霧天則降低到1 km以內(nèi)。為了減少霾像元的誤判、在霾光學(xué)厚度反演結(jié)束后、可以設(shè)定不同能見度對應(yīng)的光學(xué)厚度閾值進一步區(qū)分霧、霾與晴天亮地表。由于霾天發(fā)生時空氣濕度相對較高、但低于霧天、也可以通過水汽含量等輔助數(shù)據(jù)對霾識別算法進行糾正。另外、衛(wèi)星遙感也可以提供云頂高度、云壓、云光學(xué)厚度等參數(shù)、可以輔助進行云和霧霾的區(qū)分[8]。

5 結(jié) 論

NASA對地觀測系統(tǒng)EOS/MODIS的遙感監(jiān)測產(chǎn)品中只有晴天氣溶膠光學(xué)厚度、很多情況下將霾作為地表亮目標(biāo)、薄云或者霧處理、通常不能反演霾天的氣溶膠光學(xué)厚度。霾的識別問題目前在國內(nèi)外還沒有進行系統(tǒng)研究。借鑒MODIS云檢測算法、通過分析云、霧、霾、地表等在可見光和紅外通道光譜特性不同、設(shè)定MODIS多個敏感波段的閾值。在霾分布的衛(wèi)星遙感產(chǎn)品生產(chǎn)過程中、首先完成了MODIS數(shù)據(jù)的表觀反射率、亮度溫度計算等預(yù)處理工作、進而由易到難分別實現(xiàn)霾與厚云、高層冷云、高層薄云、中低云、濃霧、地表像元等的區(qū)分。通過展示2008年春夏兩個灰霾過程、提出的霾監(jiān)測算法可以彌補MODIS標(biāo)準(zhǔn)氣溶膠產(chǎn)品在霾發(fā)生區(qū)域的不足、與真彩圖對應(yīng)的重污染區(qū)域一致性也較好。誤差分析表明霾識別的精度主要受薄云、低層云、輕霧、亮地表等因素影響、而通過計算機圖像紋理、水汽、能見度、云參數(shù)等數(shù)據(jù)和輔助手段、可以降低霾識別的誤差。

目前、霾識別算法已經(jīng)應(yīng)用到環(huán)境保護部衛(wèi)星環(huán)境中心業(yè)務(wù)系統(tǒng)中、并成功監(jiān)測到2013年1月27日我國140萬km2的灰霾分布(來自新聞聯(lián)播http://news.xinhuanet.com/energy/2013-01/31/c_124302447.htm)。在本算法的基礎(chǔ)上、Li等通過進一步解決地表噪聲去除和霾氣溶膠模式問題、反演了霾天情況下的氣溶膠光學(xué)厚度[3]、該算法彌補了MODIS晴天產(chǎn)品的在我國的不足。未來、通過大氣化學(xué)模式等輔助數(shù)據(jù)支撐、我們將在本算法的基礎(chǔ)上對不同類型的灰霾(如工業(yè)污染、生物質(zhì)燃燒、沙塵傳輸)和污染源進行解析。由于閾值識別算法都有一定的時空局限性、本文列出的相關(guān)閾值主要也是針對華北平原春夏季的灰霾情況進行提取、擴展到更大范圍還需要考慮區(qū)域和季節(jié)的差異進行調(diào)整。隨著我國風(fēng)云、環(huán)境、高分系列遙感衛(wèi)星相繼成功發(fā)射、上面搭載的傳感器某些波段與MODIS具有相似性。而我國頻發(fā)的重霧霾事件、也使得本研究對于國產(chǎn)衛(wèi)星在我國特有的大氣污染監(jiān)測具有借鑒意義。

[1] WU Dui(吳 兌). Acta Scientiae Circumstantiae(環(huán)境科學(xué)學(xué)報),2012,32(2): 257.

[2] Liang S,Zhong B,Fang H. Remote Sensing of Environment,2006,104(4): 416.

[3] Li S,Chen L,Xiong X,et al. IEEE Transactions on Geoscience and Remote Sensing,2013,51(5): 2528.

[4] Li S,Chen L,Tao J,et al. Science China Earth Sciences,2012,55(9): 1545.

[5] Wang Y,Zhuang G S,Sun Y L,et al. Atmospheric Environment,2006,40(34)：6579.

[6] Levy R C,Mattoo S,Munchak L A,et al. Atmospheric Measurement Techniques,2013,6: 989.

[7] Remer L A,Mattoo S,Levy R C,Atmospheric Measurement Techniques,2012,5(7): 1823.

[8] Shang H Z,Chen L F,Tao J H,et al. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2014,7(12): 4879.

[9] Platnick S,King M D,Ackerman S A ,et al. IEEE Transactions on Geoscience and Remote Sensing,2003,41(2): 459.

[10] Stubenrauch C J,Rossow W B,Kinne S,et al. Bulletin of the American Meteorological Society,2013,94(7): 1031.

[11] MA Hui-yun,LI De-ren,LIU Liang-ming,et al(馬慧云,李德仁,劉良明、等). Geomatics and Information Science of Wuhan University(武漢大學(xué)學(xué)報信息科學(xué)版),2007,32(6): 506.

[12] Letu H,Nagao T M,Nakajima T Y,et al. Applied Optics,2014,53(31): 7523.

[13] Xiong X,Chiang K,Sun J,et al. Advances in Space Research,2009,43(3): 413.

*Corresponding authors

Haze Spectral Analysis and Detection Algorithm Using Satellite Remote Sensing Data

GE Wei1,CHEN Liang-fu1,SI Yi-dan1,GE Qiang2,FAN Meng1*,LI Shen-shen1*

1. State Key Laboratory of Remote Sensing Science,Institute of Remote Sensing and Digital Earth of Chinese Academy,Beijing 100101,China 2. Computer and Information Engineering College,Henan University,Kaifeng 475004,China

Frequent occurring of haze pollution events and high fine particulate matter (PM2.5) concentration in China have attracted more and more attention in the world. Satellite remote sensing can be used to characterize the air pollution. However,haze is usually misidentified as fog,thin cloud or bright surface in NASA’s Moderate Resolution Imaging Spectrometer (MODIS) cloud and clear days’ aerosol products,and the retrieval of its optical properties is not included in MODIS cloud detection and dark target algorithm. This approach first studies the spectral characters of cloud,fog,haze,and land cover pixels. Second,following the previous cloud detection and aerosol retrieval literatures,a threshold algorithm is developed to distinguish haze from other pixels based on MODIS multi-band apparent reflectance and brightness temperature. This algorithm is used to detect the haze distribution over North China Plain in 2008 spring and summer. Our result shows a good agreement with the true-color satellite images,which enhances MODIS’s ability to monitor the severe air pollution episodes. In addition,the high AOD data from Beijing and Xiang Aerosol Robotic NETwork (AERONET) sites indicate nearly 80% haze days are detected by our approach. Finally,we analyze the errors and uncertainties in haze detection algorithm,and put forward the potential improvements.

Haze; MODIS; Spectral analysis; Apparent reflectance; Brightness temperature

Oct. 8,2015; accepted Feb. 1,2016)

2015-10-08、

2016-02-01

國家自然科學(xué)基金面上項目(41471367、41571417)資助

葛 巍、1981年生、中國科學(xué)院遙感與數(shù)字地球研究所博士研究生 e-mail: gw7319@163.com *通訊聯(lián)系人 e-mail: lishenshen@126.com

TP79

A

10.3964/j.issn.1000-0593(2016)12-3817-08