基于連續MODIS真彩圖的霾監測預警新方法——以浙江省一次嚴重霾污染過程為例

高大偉 ,馬 浩 *,郁珍艷 ,張小偉 ,任 律 ,楊續超 (.浙江省氣候中心,浙江 杭州 3007；.浙江大學海洋學院,浙江 杭州 30058)

霾也稱灰霾,主要由懸浮在大氣中的顆粒物所造成.在自然條件下,顆粒物(大氣氣溶膠)會通過吸水而膨脹,導致體積增大,對太陽光的衰減(消光)增強,使能見度顯著降低,造成霾的發生,其本質為細粒子氣溶膠污染[1].霾降低了大氣能見度,使得空氣環境質量變差、進而威脅到人體健康[2-11].

衛星遙感技術在連續、大范圍監測氣溶膠方面具有無可比擬的優勢.相比地面觀測站點分布稀疏、數量有限,遙感可以提供時間連續的大范圍面狀霾監測數據,尤其是在污染物的生成及區域輸送監測、大面積污染事件的判識、污染物源解析等方面優勢明顯[12-16].長期以來,遙感技術致力于發展氣溶膠光學厚度(AOD)的反演算法并進行地面驗證、在此基礎上將反演得到的AOD與顆粒物濃度二者建立統計關系、進而定量推算出顆粒物濃度的時空分布[17-28](間接監測法).然而,上述反演算法基于的假定情景比較多,公式相對復雜;另外,由于 AOD 主要表征的是整個對流層顆粒物的垂向消光特性、而通常氣溶膠顆粒物監測儀器安置在近地面,這就使得 AOD反演結果往往需要進行大量的地面訂正才能應用于直接灰霾監測.此外,在 MODIS官方氣溶膠最新產品版本的算法中,仍然將中等程度以上的霾判識為薄云、霧或者亮目標進行掩膜處理[29-31],導致結果在很大程度上低估了霾的分布范圍和影響程度.除了利用 AOD反演開展灰霾識別外,也有學者探索直接利用遙感圖像特征(直接監測法)來判識灰霾.薛巖松等

[32]證實了MODIS圖像可見光1/4/3通道的灰度方差、邊緣能量與空氣污染之間有較好的統計關系,但其數據處理過程復雜、不利于灰霾的實時監測;劉勇洪[33]基于散射理論、色彩處理和閾值設置等方法,基于NOAA/AVHRR數據開展了霾識別,但該方法需要對圖像進行人工通道合成,且合成通道不固定、圖像分辨率相對較低(1km),從而也在一定程度上影響了遙感監測的效率和效果.從技術上來說,復雜算法和人工干預都難以保證灰霾監測的實時性,而對于灰霾這一空氣污染事件來說,“滯后監測”無異于“低效監測”,唯有保證其實時性,才能避免遙感手段在霾監測中的缺位,真正作為一種行之有效的監測手段應用于灰霾的識別.

本文立足于直接監測法,介紹了一種通過開源地理空間數據抽象庫 GDAL工具[34],從NASA Worldview[35]后臺服務準實時自動獲取攜帶地理信息的MODIS真彩圖產品的方法.通過一天兩次獲取用戶自定義區域的原始 250m分辨率產品,在此基礎上結合地面觀測數據和天氣形勢分析,初步建立了基于衛星遙感真彩圖產品的霾監測預警業務簡易流程.為了更好地反映方法的應用價值,基于該方法對 2014年11月9日～13日的一起浙江全省性大范圍霾污染事件進行了個例分析.

1 資料和方法

1.1 基于MODIS真彩色圖的霾監測

通常在可見光衛星遙感影像的紅、綠和藍色(RGB)三通道真彩色(True-Color)合成影像中,由于衛星傳感器大多在地球大氣層之外,白天大氣中散射現象的存在必然會使得進入傳感器的光線受到損失(尤其是瑞利散射對可見光中波長較短的藍光影響更大),從而在整體效果上大大降低了影像的對比度和清晰度,圖像整體偏暗,圖像細節丟失嚴重,即使通過后期圖像增強、拉伸等調整方法往往也難以呈現出符合或接近人肉眼自然所見的圖像顏色(圖1a和b).此外,大氣污染物分布在衛星圖片中通常又是弱信號,容易被隱藏和掩蓋,因此氣象、環保等部門現有通過本地衛星天線接收處理得到的影像真彩圖在霾的業務監測服務中效果均不理想.相比而言,NASA MODIS官方發布的全球真彩色圖產品因影像中各地物信息非常貼近人肉眼所見,云、海洋、地表等紋理層次分明,且煙、霾和沙塵等細節在圖中能直觀清晰展示.目前相關真彩圖合成技術成熟穩定,已被官方直接應用于全球近實時空氣質量的業務監測(圖1c).大尺度且連續的遙感真彩圖產品的最大優勢在于:不但不同程度的霾在圖中都有不同體現,而且大氣環流、天氣現象、區域響應等信息都蘊藏在豐富的圖像信息和細節中,因此便于業務人員在日常工作中結合天氣學理論對本地區霾的發生、發展和未來演變趨勢進行有針對性的預測.相對于傳統監測手段,NASA MODIS官方發布的全球真彩色圖產品具有較大優勢,然而目前以此為載體的本地相關霾監測業務尚未建立和形成.為了解決這一問題,本文作者提出了一套簡單的基于連續 MODIS真彩圖的霾監測預警業務流程(圖2).

圖1 MODIS 250m分辨率真彩圖影像對比(2014年1月14日Aqua)Fig.1 MODIS 250m True-Color images with different treatments

圖2 基于MODIS真彩圖產品的浙江省霾監測預警業務流程Fig.2 Operational flowchart of haze pollution monitoring and early warming in Zhejiang based on MOIDS True-Color image series

1.2 MODIS真彩圖數據自動獲取方法

NASA地球觀測數據與信息系統(EOSDIS)目前主要通過Worldview進行包括 MODIS在內的相關產品互聯網實時發布共享,Wordview保證全球每日最新衛星過境實時數據從接收、到經過大數據處理直至最后產品生成并完成上傳在線發布只需要2.5～3h左右,這就為開展對時效要求較高的大尺度觀測對象(諸如森林火點、洪澇以及空氣質量監測等)保證了服務的時效性,優勢明顯.其采用全球影像瀏覽服務(Global Image Browse Service, GIBS)[36-37]技術支持的交互瀏覽方式來抓取其后臺使用的數據,并使用Openlayers作為其遙感影像庫. GIBS作為NASA EOSDIS的核心組件,將全球遙感影像數據以地圖瓦片(Tile)形式存放到預先定義好的不同分辨率分級層中(表 1),并通過瓦片形式對外發布,以支持被標準的影像服務獲取.GIBS通過與 EOS科學數據產品科學家小組密切合作,不定期擴充數據產品,以求在NASA EOS對地觀測科學數據產品的可視化表達上獲得最佳效果.

表1 全球經緯度投影MODIS真彩圖瓦片地圖分級及對應相關參數Table 1 Mapping of resolutions levels for WGS 84/Lat-lon/Geographic (EPSG∶4326)

GIBS后臺采用了NASA自主研發的TWMS(Tiled Web Map Service)機制,并通過引入“地圖瓦片”技術,來大大縮短Web端影像的交互響應時間,并為本地影像快速獲取提供服務支持[35].官方提供了獲取Worldview產品相地圖瓦片的4種途徑和方式,分別為:①WMTS、②TWMS、③谷歌地球KML格式文件和④GDAL腳本工具獲取支持[38].本文所建立的本地霾監測預警流程中就是借助第 4種方法,利用 GDAL腳本工具gdal_translate實現了將 Worldview網站上所見MODIS 250m分辨率真彩圖產品自動下載到本地,通過簡單簡單加工包裝,并結合地面站點和天氣形式分析,及時開展并提供霾監測預警服務.GIBS官網上提供了詳細實例,由于篇幅有限,具體產品下載方法和技術細節可以參考相關技術文檔[38-39].

本研究選取了2014年1月14日下午我國東部地區(范圍:111.2898°E～122.7128°E; 21.5016°N～42.5682°N)的MODIS Aqua 250m原始分辨率真彩圖數據作為樣例進行測試分析:獲取的產品如圖 1c所示(這里作了簡單的行政矢量邊界疊加和Geotif到JPG格式的轉化).通過對比可見:默認的 MODIS三通道真彩色合成圖(圖 1a)中,地表暗淡,中、高云過亮,圖像整體失真嚴重,霾在圖中的分布不能很好的呈現;而經過ENVI軟件對數據拉伸、色彩增強后(圖1b),盡管地表區域有所變亮,霾有所體現,但是拉伸后的圖像中的中、高云區域白色過亮,出現色彩過飽和,不同云紋理變化等細節丟失,且基于每次影像的圖像增強顯示方案不固定;圖 1c為通過本文方法下載獲得的對應NASA MODIS 250m真彩圖產品,相比而言,圖中不但云、地表、海洋以及黃土高原的千溝萬壑紋理清晰、層次分明、色彩自然逼真,符合人們肉眼所見,而且我國中東部大范圍的霾也在圖中清晰可見.

為了驗證獲取的 NASA MODIS真彩圖產品對我國中東部地區霾的指示效果,我們將下載獲得的 MODIS真彩圖數據中的 R、G和 B三波段數據與對應時次來自環保部門對應地面站點的 AQI、PM2.5和 PM10等小時監測數據進行多元線性回歸分析.由于浙江省氣象部門能夠獲取到的全國環保站點監測小時數據是從2014年10月開始,因此挑選了一個我國中東部地區晴空少云時次(2014年12月8日Aqua)的NASA MODIS 250m真彩圖和距離當日衛星過境時次最接近(14:00)的全國環保部門逐小時監測數據,在剔除出現明顯野值及缺測數據、以及通過在GIS軟件中同時疊加MODIS真彩圖和地面站點地理位置、人工交互判識剔除云覆蓋區域地面站點后,對站點AQI、PM2.5和PM10數據分別與R、G和B三波段數據進行多元線性回歸分析.圖3為2014年12月8日MODIS下午星的 250m分辨率真彩圖上疊加的晴空區域地面觀測站點的地理位置分布.統計結果顯示(表 2):AQI、PM2.5和 PM10數據分別與 MODIS真彩圖中的R、G和B通道值都具有較好的相關性,相關系數依次為0.62、0.65和0.59,且全部通過了顯著性水平為 0.01的統計檢驗,其中PM2.5與 RGB之間的相關性最高,說明 MODIS真彩圖產品能夠較好地表征細顆粒物污染.多元回歸統計結果表明:NASA MODIS 真彩圖產品在統計學上高度可信.

圖3 2014年12月8日14∶00我國中東部地區MODIS 250m分辨率真彩圖疊加當日對應時次無云區域地面顆粒物監測站點分布Fig.3 MODIS True-Color image in East China on Dec.8 14∶00, 2014 with cloud-free particle matter ground stations

表2 無云區域地面AQI、PM2.5和PM10分別與MODIS 250m真彩圖的R、G、B三通道多元線性回歸結果Table 2 Multiple linear regression results between AQI,PM2.5, PM10 and MODIS true color R, G, B channel values with cloud-free regions

2 MODIS真彩圖產品在浙江省霾監測預警中的應用

浙江省氣候中心利用MODIS 250m真彩圖產品對霾開展連續追蹤監測,并結合地面觀測和天氣形勢分析等手段進行疊加判識,對霾事件進行綜合監測預警.相關技術流程(圖2)自2014年9月進入業務試運行階段以來,已經成功預報多起浙江省大范圍的、較嚴重的霾污染事件,在少云時次平均可以在污染發生前提前2～3d實現預警,本文選取了2014年11月9日～13日浙江全省性大范圍霾污染事件進行分析.

2.1 MODIS真彩圖連續觀測和850hPa風場對比分析

MODIS 250m分辨率真彩圖連續跟蹤監測表明:2014年11月9日(圖4a),晴空區域可見最嚴重的霾主要分分布在華北和黃淮大部地區,其西部和北部分別被太行山脈和燕山所阻隔;在 850hPa偏西北氣流的影響下(圖5a),10日下午衛星遙感晴空處可見(圖 4b),霾有緩慢東移南下向山東半島、河北、河南以及安徽、江蘇北部擴散和聚集趨勢,并導致渤海、黃海海域上空較 9日有明顯的霾聚集;11～12日在 850hPa較強西北氣流的作用下(圖5b),上述地區的霾和長江中下游地區的云系主體迅速南壓,12日上午(圖 4c)霾主體已主要位于皖南、滬和浙北地區;至 12日下午(圖 4d),霾在地形的影響下繼續向南擴散,浙江省北部和中北部地區都受到了影響(浙南部分地區由于有云層覆蓋).

圖4 2014年11月9日～12日期間基于連續MODIS 250m分辨率真彩圖浙江省霾監測預警Fig.4 An early warming of haze pollution in Zhejiang during Nov.9 to Nov.12, 2014 based on MODIS 250m True Color image series gives

2.2 地面空氣質量監測站點數據

相同時段我國中東部地區地面站點的AQI觀測數據(圖 6)證實了遙感真彩圖產品所反映的情況:10～11日污染物主體主要聚集在華北和黃淮等地(圖 6a,b),并隨弱冷空氣(圖 5a)有向東、向南緩慢滲透趨勢;隨著11日開始850hPa西北風風力增強(圖 5b),聚集于華北和黃淮等地的空氣污染氣團主體迅速向東南沿海方向移動,12日10時監測顯示(圖6c)江蘇南部、上海等地 AQI指數普遍較高,達到重度污染等級,與此同時浙江省北部地區(包括嘉興、杭州、寧波和舟山等地)普遍出現中度、局部重度污染;12日19時(圖6e)隨著冷空氣迅速過境,江蘇南部和上海等地的霾污染已經出現減輕趨勢,最嚴重的霾主要位于浙江省中北部地區;到 13日凌晨,空氣污染物主體已經南下遷移至包括金華、臺州和衢州在內的浙中地區上空;同日13時(圖6g)地面監測結果顯示霾主體進一步向南移動,主要位于浙南山區中,并且影響程度進一步減弱.

圖5 2014年11月9日20∶00(a)和2014年11月11日20∶00(b)850hPa風場分布Fig.5 Distribution of 850hPa wind fields on Nov.9 20∶00, 2014(a) and Nov.11 20∶00, 2014(b)

圖 6 2014 年 11 月 10 日 6∶00(a)、11 月 11 日 9∶00(b)、11 月 12 日 10∶00(c)、11 月 12 日 15∶00(d)、11 月 12 日 19∶00(e)、11月13日3∶00(f)、11月13日11∶00(g)我國中東部地區地面觀測站點空氣質量指數AQI動態監測Fig.6 Continuous AQI based on ground monitoring in Eastern China during Nov.10 to 13, 2014

2.3 霾過程對浙江省不同地區的影響及大尺度特征

圖7中5個站點可在很大程度上可以代表浙北、浙中北、浙東沿海、浙中和浙南5個不同區域的變化特征.可以看到,在研究時段內,各個站點基本都以北-西北風為主,且風力不強,從而為先前聚集在浙江北面空氣污染氣團向南遷移并發生影響提供了有利的氣象條件;同時,各個站點AQI的峰、谷值與水平能見度之間都呈現出較好的負相關關系.從出現時間來看,各站AQI峰值出現的時間先后順序大致為:嘉興、舟山→杭州→金華→麗水,呈現出明顯的自北而南逐漸推遲的特點,這與冷空氣過程影響浙江省的時間順序完全一致.從各個站點的AQI峰值來看:由于受污染物擴散及地形影響,呈現出北高南低的分布特征,浙北地區的嘉興和杭州的 AQI峰值都達到 270以上,而處于浙南山區的麗水只有160左右;由于舟山地處海島,具有較好的污染物擴散能力,因此雖然位于浙北地區,舟山地區的此次過程AQI峰 值也相對較低(200左右).

圖7 2014年11月8日20∶00～11月14日20∶00浙江省嘉興、杭州、舟山、金華和麗水5個地面觀測站AQI、能見度和風向風速逐小時變化Fig.7 Hourly variation of AQI, visibility, surface wind direction and speed at five cities of Zhejiang during Nov.8 20∶00 to Nov.14 20∶00, 2014

結合 MODIS真彩圖產品對比分析,可以看到2014年11月9日～13日我國中東部地區霾主體的動態變化過程基本和天氣過程中所反映的冷鋒云系推進方向相一致.隨著冷空氣過境南壓,11月 13日白天開始浙江省北部地區空氣質量已逐漸轉好.通過對 MODIS真彩圖連續追蹤,結合地面站點觀測和天氣圖綜合分析,可以判定這是一起典型的外源輸入引起的浙江全省自北而南的大范圍空氣污染事件.

通過對比 MODIS可見光真彩圖(圖 4)和地面站點觀測(圖6)還可以看到:河南、安徽、江蘇等地目前的地面監測站點分布都比較稀疏且不均勻,不能反映當地霾分布的具體特征,而MODIS真彩圖產品可以提供更細致的面狀連續的觀測信息;此外,受制于海上無法布放觀測站點,地面觀測無法提供海上空氣質量數據,MODIS真彩圖卻可以提供包括近海在內的霾分布的大范圍整體特征.然而需要指出的是,在受到云層遮蓋的地區,MODIS真彩圖無法獲取當地的霾信息.因此在霾的監測預警業務中,衛星遙感真彩圖產品和地面站點監測技術各有優勢,若能將二者結合起來,將在很大程度上提高預警準確率.已有的研究表明:我國的大氣污染已經從 20世紀 80年代的點污染發展到 90年代的城市污染,21世紀開始演變為區域性、復合型大氣污染[40-41],這就迫切需要利用衛星遙感的優勢從更大的區域尺度上進行解析和判識.

2.4 討論

本文提出的方法充分發揮了當今Web大數據共享和衛星遙感大范圍面狀監測的優勢,直接運用NASA MODIS技術上成熟優秀的真彩圖產品,通過后期少量加工處理便可直接服務于當地氣象部門霾監測預警業務,繞過了遙感業務中原本需要本地 PC機處理大范圍海量原始數據和真彩圖合成算法等在軟硬件各個環節上的諸多瓶頸,在準確性、簡潔性、高效性上均達到了較高的水平.各級氣象部門從事大氣環境監測預報的業務人員可以將本文介紹的技術方法融入當地空氣質量監測預報流程中,作為一種新的技術手段更好地服務于環境氣象業務,尤其是可用于鑒別本地較嚴重的霾污染事件是否為外源輸入性污染.為霾污染治理的區域聯防聯動,整體規劃提供科學指導[41].

本文所介紹的技術手段和污染個例,還只是基于連續的MODIS 250m分辨率真彩圖產品,并結合地面觀測和天氣形勢分析實現的定性霾監測預報.此外,中國氣象局風云衛星遙感數據服務網站上[42]也提供了基于風云三號 MERSI 250m全球真彩圖產品發布,通過類似的技術,也可以實現對該產品的近實時下載,以更好地滿足業務時效要求.隨著風云三號后續衛星的發射和相關技術的不斷成熟,MODIS、FY3-MERSI、NPP-VIIRS等組網以后每天可以提供更密時次間隔的衛星遙感過境真彩圖產品,屆時衛星遙感真彩圖產品在區域尺度霾跟蹤監測預報方面將會提供更多時空變化細節并發揮更大的優勢.但是應當指出,衛星遙感要想更好地融入空氣污染監測預報業務、為其提供更多的科學數據支撐,離不開遙感本身的技術進步和反演算法的不斷改進,當前衛星氣溶膠光學厚度遙感能力有限和針對霾的反演算法精度不高仍然是制約著霾遙感監測水平的瓶頸性問題.

3 結論

3.1 本文介紹了運用開源地理空間數據抽象庫GDAL從NASA MODIS全球近實時衛星遙感影像服務Worldview網站上下載MODIS 250m分辨率真彩色圖產品的技術方法,以及基于該方法開展霾監測預警業務的整體流程.對我國東部400多個地面站點顆粒物數據與 MODIS 250m真彩圖產品的R、G和B三通道數據進行多元線性回歸,統計結果表明兩者之間存在較好的相關性、特別是后者與PM2.5相關性最高,說明該產品能夠較好地反映細顆粒物的濃度分布.

3.2 通過對MODIS 250m分辨率真彩圖產品的連續追蹤,結合地面觀測資料和天氣形勢進行綜合分析,對2014年11月9日～13日發生在我國中東部地區的一次大范圍霾污染事件進行了有效判識,成功預測出了此次大范圍霾污染過程對浙江省的影響(提前2d左右),并將該起事件定性為一次典型的外源輸入性污染物導致的浙江省大范圍空氣污染事件.

3.3 在無云或少云時次,衛星遙感可見光真彩圖的出現對于地面觀測站點有限且分布不均、海上又缺乏有效觀測數據的大氣環境監測的業務現狀是一個很好的補充.本文提出的利用 GDAL工具進行NASA MODIS 250m分辨率真彩圖產品下載的技術業務上簡單、穩定、實用,圖像紋理清晰、層次分明.連續的MODIS真彩圖的最大優勢在于:不僅霾的分布情況和污染程度在圖像中清晰可見(無云或少云情況下),還能為相關業務部門提供更多的大氣環流、天氣形勢、氣候背景和自然災害等信息,在很大程度上反映了衛星綜合觀測的集成結果,具有較好的應用潛力.

[1]吳 兌,廖碧婷,陳慧忠,等.珠江三角洲地區的灰霾天氣研究進展 [J]. 氣候與環境研究, 2014,19(2):248-264.

[2]Dockery D W, Pope C A, Xu X, et al. An association between air pollution and mortality in six U.S. cities [J]. The New England Journal of Medicine, 1993,329(24):1753-1759.

[3]Pope C A. Review: Epidemiological Basis for Particulate Air Pollution Health Standards [J]. Aerosol Science and Technology,2000,32:1,4?14.

[4]Wallace L. Correlations of Personal Exposure to Particles with Outdoor Air Measurement: A Review of Recent Studies [J].Aerosol Science and Technology, 2000,32(1),15?25.

[5]Pop C A, Burnett R T, Thun M J, et al. Lung cancer,Cardiopulmonary Mortality, and Long-term Exposure to Fine Particulate Air Pollution [J]. The Journal of the American Medical Association, 2002,287(9):1132-1141.

[6]Kan H D, Chen B H. Analysis of exposure-response relationships of air particulate matter and adverse health outcomes in China [J].Journal of Environment and Health, 2002,19(6),422?424.

[7]WHO (World Health Organization). Air quality guidelines for Europe global update 2005 [R]. Conpenhagen: World Health Organization Reginal Office for Europe, 2006.

[8]吳 兌.珠江三角洲城市群區域大氣灰霾形成機制及其預測預報,控制方法研究 [C]//第二屆粵港澳可持續發展研討會論文集. 香港:香港工程師學會, 2003:61-62.

[9]吳 兌.華南氣溶膠研究的回顧與展望 [J]. 熱帶氣象學報,2003,19(S):145-151.

[10]吳 兌.近十年中國灰霾天氣研究綜述 [J]. 環境科學學報,2012,32(2):257-269.

[11]李正強,許 華,張 瑩,等.基于衛星數據的灰霾污染遙感監測方法及系統設計 [J]. 中國環境監測, 2014,30(3):159-165.

[12]劉 璇,朱 彬,侯雪偉,等.基于衛星遙感和地面觀測資料的霾過程分析—以長江三角洲地區一次嚴重霾污染過程為例 [J].中國環境科學, 2015,35(3):641-651.

[13]陳燁鑫,朱 彬,尹 聰,等.基于衛星遙感和地面觀測資料分析蘇皖兩省一次空氣污染過程 [J]. 中國環境科學, 2014,34(4):827-836.

[14]Kaufman Y J, Tanré D, Boucher O. A satellite view of aerosols in the climate system [J]. Nature, 2002,419(6903):215-223.

[15]King M D, Kaufman Y J, Tanré D, et al. Remote Sensing of Tropospheric Aerosols from Space: Past, Present, and Futrue [J].Bulletin of the American Meteorological Society, 1999,80(11):2229-2259.

[16]王耀庭,王 橋,王艷嬌,等.大氣氣溶膠性質及其衛星遙感反演[J]. 環境科學研究, 2005,18(6):27-33.

[17]Hsu N C, Tsay S C, King M D, et al. Aerosol properties over bright-reflecting source region [J]. IEEE Transactions on Geoscience and Remote Sensing, 2004,42(3):557-569.

[18]Li C, Lau A K, Mao J, et al. Retrieval, validation, and application of the 1-km aerosol optical depth from MODIS measurement over Hong Kong [J]. IEEE Transactions on Geoscience and Remote Sensing, 2005,43(11):2650-2658.

[19]Levy R C, Remer L A, Mattoo S, et al. Second-generation operational algorithm: Retrieval of aerosol properties over land from inversion of Moderate resolution Imaging Spectroradiometer spectral reflectance [J]. Journal of Geophysical Research, 2007,112(D13211):doi:10.1029/2006JD007811

[20]Gupta P, Christopher S A. Seven year particulate matter air quality assessment from surface and satellite measurements [J].Atmospheric Chemistry and Physics, 2008,8(1):3311-3324.

[21]周春艷,柳卿火,唐 勇,等.MODIS氣溶膠C004,C005產品的對比分析及其在中國北方地區的適用性評價 [J]. 遙感學報,2009,13(5):1-9.

[22]Wang Z, Chen L, Tao J, et al. Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method [J]. Remote Sensing of Environment, 2010,114(1):50-63.

[23]何 秀,鄧兆澤,李成才,等.MODIS氣溶膠光學厚度產品在地面PM10監測方面的應用研究 [J]. 北京大學學報(自然科學版),2010,46(2):178-184.

[24]鄭卓云,陳良富,鄭君瑜,等.高分辨率氣溶膠光學厚度在珠三角及香港地區區域顆粒物監測中的應用研究 [J]. 環境科學學報,2011,31(6):1155-1161.

[25]王中挺,厲 青,王 橋,等.利用深藍算法從HJ-1數據反演陸地氣溶膠 [J]. 遙感學報, 2012,16(3):596-610.

[26]高大偉,徐宏輝,郁珍艷,等.MODIS氣溶膠光學厚度在臨安大氣顆粒物監測中的應用 [J]. 環境科學研究, 2012,25(7):739-744.

[27]李莘莘,陳良富,陶金花,等.城市與冬季北方亮目標地區氣溶膠光學厚度反演 [J]. 中國科學:地球科學, 2012,42(8):1253-1263.

[28]盛 莉,黃敬峰,郭瑞芳,等.綜合利用環境星CCD和紅外數據反演大氣氣溶膠光學厚度 [J]. 紅外與毫米波學報, 2013,32(6):277-282.

[29]King, M D, Menzel W P, Kaufman Y J, et al. Cloud and Aerosol Properties, Precipitable Water, and Profiles of Temperature and Water Vapor From MODIS [J]. IEEE Transsactions on Geoscience and Remote Sensing, 2003,41(2):442-458.

[30]Liang S L, Zhong B, Fang H L. Improved estination of aerosol optical depth from MODIS imagery over land surfaces [J].Remote Sensing of Environment, 2006,104(4):416-425.

[31]張玉環,李正強,侯偉真,等.利用HJ-1CCD高分辨率傳感器反演灰霾氣溶膠光學厚度 [J]. 遙感學報, 2013,17(4):964-969.

[32]薛巖松,俞 樂,徐鵬瑋,等.遙感影像小波特征與城市大氣污染相關性對比分析 [J]. 環境科學學報, 2010,30(3):565-571

[33]劉勇洪.基于 NOAA/AVHRR衛星資料的北京地區霾識別研究[J]. 氣象, 2014,40(5):619-627.

[34]Downloading GDAL/OGR Source[EB/Z]. http://trac.osgeo.org/gdal/wiki/DownloadSource.

[35]Worldview[EB/Z]. https://earthdata.nasa.gov/labs/worldview/.

[36]GIBS[EB/Z]. https://earthdata.nasa.gov/about-eosdis/sciencesystem-description/eosdis-components/global-imagery-browseservices-gibs.

[37]GIBS Available Imagery Products[EB/Z]. https://wiki.earthdata.nasa.gov/display/GIBS/GIBS+Available+Imagery+Products.

[38]GIBS API for Developers [EB/Z]. https://wiki.earthdata.nasa.gov/display/GIBS/GIBS+API+for+Developers#GIBSAPIforDevelopers-Script-levelAccessviaGDAL..

[39]李民錄.GDAL源碼剖析與開發指南 [M]. 北京:人民郵電出版社, 2014:582-584.

[40]Chan C K, Yao X. Air pollution in mega cities in China [J].Atmospheric Environment, 2008,42(1):1-42.

[41]王躍思,姚 利,王莉莉,等.2013年元月我國中東部地區強霾污染成因分析 [J]. 中國科學:地球科學, 2014,44:15-26.

[42]風云三號全球衛星影像[EB/Z]. http://fy3.satellite.cma.gov.cn/PortalSite/Maps/ArssMaps.aspx.