基于MODIS遙感數據的氣溶膠光學厚度反演技術研究

周強波

(核工業二三〇研究所，湖南長沙 410007)

?

基于MODIS遙感數據的氣溶膠光學厚度反演技術研究

周強波

(核工業二三〇研究所，湖南長沙 410007)

摘要[目的]研究基于MODIS遙感數據的氣溶膠光學厚度反演技術，揭示氣溶膠空間分布和時間變化特征。[方法]利用MODIS遙感數據中的MOD021KM與MOD03角度數據，采用6S輻射傳輸模型建立查找表，選取2015年3～9月某市以晴天為主的MODIS遙感影像，利用ENVI軟件處理該時間段內質量相對較高的一系列遙感影像數據，提取處理后的Band 1紅波段(0.66 μm)、Band 3藍波段(0.47 μm)與Band 7近紅外波段(2.10 μm)的數據對大氣氣溶膠光學厚度(AOD值)進行反演。[結果]AOD值與PM10濃度結果類似，呈正態分布，與事先預期的負關系相反。[結論]利用MODIS遙感數據反演AOD值可以在宏觀上指示空氣污染的分布區域，對大氣污染的預報與治理有一定的參考作用。

關鍵詞MODIS；暗像元算法；AOD；反演；PM10濃度

近年來，隨著我國城市覆蓋率的增大和經濟的快速發展，機動車數量逐步增加，致使空氣質量每況愈下。據統計，2015年我國長江、珠江三角洲及京津冀3個主要城市群的平均能見度約為7.0 km，上海地區的平均能見度僅有6.1 km。而造成城市能見度下降的主要原因是霧霾[1-3]。因此，大氣氣溶膠粒子監測技術的研究勢在必行。目前，我國使用地面建立空氣質量監測站，通過地面監測站獲得相關大氣數據監測大氣氣溶膠。這種方式不僅需要大量時間與人力，成本也相當高。在無地面監測站點的情況下，憑借模擬空氣質量的數值也可以估算氣溶膠光學厚度，但是由于數值模擬需要詳細的污染物排放信息和大量的氣象與地理初始信息[4-5]，實際中難以精確估計和獲得這些信息。衛星遙感技術觀測范圍大，可以高頻率獲取數據，將衛星遙感技術與地基監測站配合起來，可較真實地模擬大氣環境實時動態，采用衛星觀測反演氣溶膠光學厚度可實現實時監測氣溶膠。筆者利用MODIS遙感數據，結合暗像元法，以6S輻射模型為基礎模型，在ENVI平臺下反演了2015年3～9月某市AOD值(AOD值指無云大氣鉛直氣柱中氣溶膠散射造成的消光系數在垂直方向上的積分，是描述氣溶膠對太陽光產生衰減作用強弱的因子[6]，同時也可描述大氣的渾濁度)，并結合當日地面監測站獲取的PM10濃度，分析了PM10與AOD值的相關性，通過MODIS遙感數據宏觀監測地面大氣污染狀況，旨在為大氣污染的預報與治理提供參考與借鑒。

1材料與方法

1.1MODIS遙感數據預處理

1.1.1數據合成。根據暗像元法的原理選擇滿足短波長條件的分辨率為250 m的1波段(620～670 nm)，500 m的3波段(459～479 nm)和7波段(2 105～2 155 nm)用于氣溶膠光學厚度反演。數據的合成包括反射率和發射率的合成及角度數據的合成。

利用ENVI將已經校正后的發射率Emissive(band20-band36)與反射率Reflectance(band1-band26)文件合成為文件A(圖1)。提取用于幾何校正MOD02數據的MOD03數據中的經度、緯度、高度、太陽天頂角、太陽方位角、衛星天頂角和衛星方位角7個元數據合并為1個ENVI標準文件B。從合成的標準文件A中提取Band 1波段(0.66 μm)，Band 3波段(0.47 μm)，Band 7波段(2.10 μm)再合成1個ENVI標準文件(圖2)。

1.1.2合成后處理。雖然MODIS遙感影像具有覆蓋廣、信息量大的優點，但是這些優點也為影像的使用帶來了弊端，大范圍的影像難以兼顧覆蓋區域的天氣情況，因此MODIS遙感影像極易受到云層的干擾。在利用MODIS遙感影像進行AOD反演時，要對反射率和發射率的合成文件進行去云處理。云檢測的原理是云在可見光和紅外波段有較高的反射率，可見光波段反射率會隨著云下地物種類的不同而變化，云的反射率明顯高于云下地物種,并隨著厚度、高度的變化而變化，利用這些特性可以區分云與晴空地物。

圖1　發射率與反射率文件合成Fig. 1　The files’ composition of emissivity and reflectivity

圖3　云檢測結果Fig. 3　The result of cloud detection

在ENVI 中加載擴展工具modis_cloud，對反射率和發射率的合成文件以及角度合成文件進行云檢測。檢測結果如圖3所示。

1.2氣溶膠光學厚度反演試驗

圖4　AOD反演流程Fig. 4　The process of AOD inversion

1.2.1氣溶膠反演過程。①讀取MOD021KM影像數據，對數據進行輻射校正(所用數據已經做過輻射校正)，利用ENVI軟件對影像去除蝴蝶金效應。提取MOD021KM文件中的發射率文件(Emissive)，用Georeference MODIS工具進行幾何校正，同時導出GCP控制點文件；②調用ENVI中的“影像地圖配準”工具，加載校正發射率文件時導出的GCP控制點文件對反射率文件(Reflectance)進行幾何校正；③將幾何校正后的發射率文件與反射率文件合成1個ENVI標準文件(合成時反射率應在上，發射率應在下)，從該文件中再將Band 1波段(0.66 μm)、Band 3波段(0.47 μm)、Band 7波段(2.10 μm)合成1個ENVI標準文件。對這個ENVI標準文件進行云檢測處理，保存處理結果；④利用導出的GCP控制點文件對角度數據集進行幾何校正，將校正后的數據合成1個ENVI標準文件；⑤根據在6S大氣輻射傳輸模型中輸入相關參數，建立AOD查算表(LUT)。⑥在ENVI中加載AOD反演工具modis_aerosol_inversion，生成反演結果。反演過程見圖4。1.2.2反演試驗。利用MOD02與MOD03數據，對某市2015年3～9月進行了氣溶膠光學厚度的反演。在試驗中，為了減小觀測角度對衛星反演結果的影響，盡量選取位于軌道中間的圖像數據。

該研究所采用的反演查找表是將AOD值定義在0～2。在理想條件下，AOD值為0時，表示空氣中氣溶膠粒子無限多，光線在經過大氣層時完全被反射回去；AOD值為2時，表示空氣中無氣溶膠粒子光線經過大氣剖面時不發生反射現象。考慮到天氣對影像質量因素的影響，以及反演結果效果不一，筆者僅列出部分氣溶膠反演(21組反演結果中的8張)(圖5)。

暗像元法對于冬季反演的氣溶膠效果不好，對于3～9月期間反演的效果較好，因此研究時間跨度為3～9月，而某市4～6月降雨量較大，占全年降水量的50%。考慮到影像自身的質量因素，為保證反演效果，選擇MODIS影像數據時以天氣晴朗的日期為準，影像的日期不能保證連續，且存在一定的間距。

圖5　某市氣溶膠反演結果Fig. 5 Results of aerosol retrieval in a given city

從選取的反演結果可以看出，不同時間及地點AOD值有很明顯的變化。時間維度上可以看出，3～7月的氣溶膠反演結果一般較低，而8月反演結果較高。原因可能是3～7月降水較多，有利于污染物的擴散和輸送；8月是收割季節，隨著農作物的收割，裸露土地面積增大，致使大氣中氣溶膠數量增多，同時試驗地區以水稻為主，收割以后留下的稻草多采用焚燒的方式，這也加劇了大氣中氣溶膠數量的增加。

2結果與分析

圖6　試驗區空氣質量監測站分布Fig. 6 Distribution of air quality monitoring in test ara

試驗地區共有9個空氣質量監測點，分別為試驗區外事辦公室、試驗區林業公司、林業科學研究所、京東鎮政府、建工學校等。分布情況見圖6。統計這9個站點的顆粒物監測數據的平均值[7]，取2015年3～9月1、5、10、15、20、25、30日的PM10濃度。

由表1可知，由于3～7月多雨，天氣變化快，溫度起伏大，7～9月夏季天氣炎熱干旱，因此試驗區的PM10濃度在3～7月期間起伏較大，最大值可達到142 μg/m3，最小為16 μg/m3，而在7～9月相對較為平穩，均值為73 μg/m3。

實際中，地面上的工業分布、居民分布、交通等因素都會在空間上對氣溶膠的分布產生很大影響。研究區域內不同地點的氣溶膠光學厚度也不同，把研究區域內反演得出的氣溶膠光學厚度確定為1個常數并不合理。同時由于試驗區各氣溶膠監測站點僅支持實時查詢，并不支持歷史查詢，獲取到的PM10濃度是整個實驗區的歷史平均濃度。因此，筆者選取氣溶膠光學厚度反演結果中“省站”所處位置的AOD值。

由表1可知，PM10濃度與AOD值存在一定關系。理論上AOD值應該隨著與PM10濃度的增大而減小，考慮到氣溶膠空間分布復雜，同時反演出的AOD數據受到各種因素的影響，AOD值與PM10濃度不應該是簡單的正比例線性關系。

通過AOD值與PM10濃度散點分布關系發現，當AOD值為1.20時，PM10濃度達到最大值，AOD值為0～1.20時，AOD值隨著PM10濃度的增大而增大，與實際不符；AOD值為1.20～2.00時，AOD值隨著與PM10濃度的增大而減小，與事實較為符合。

表12015年3～9月不同站點的PM10濃度與AOD值

Table 1TheAODvalue of PM10in different stations from March to September 2015

日期DatePM10ug/m3AOD值AODvalue日期DatePM10ug/m3AOD值AODvalue2015-03-01161.7920150-6-20232015-03-05672015-06-25560.622015-03-10961.312015-06-30522015-03-151132015-07-01672015-03-20632015-07-05512015-03-25951.062015-07-101421.192015-03-24952015-07-15241.932015-03-30602015-07-20802015-04-01702015-07-25732015-04-051311.302015-07-30842015-04-101002015-08-01341.722015-04-15781.262015-08-06562015-04-19282015-08-10722015-04-251.252015-08-15581.472015-04-25352015-08-18582015-04-301372015-08-20580.742015-05-011151.682015-08-25532015-05-03902015-08-30732015-05-10611.352015-09-01742015-05-15652015-09-04852015-05-201331.142015-09-05851.332015-05-25442015-09-10532015-05-30602015-09-15711.262015-06-01682015-09-20502015-06-05622015-09-251160.692015-06-101091.642015-09-30422015-06-151111.68

3結論與討論

(1)該研究選擇暗像元算法作為AOD反演的基本算法，結合6S輻射傳輸模型對2015年3～9月某市及其周邊地區AOD值進行反演，將得到的結果與某市空氣質量監測站監測得到的PM10濃度數據對比分析其相關性，得到以下結論：MODIS反演得到的AOD值與可吸入顆粒物PM10的濃度有一定關系，且AOD值與可吸入顆粒物PM10的濃度關系能夠揭示出試驗區氣溶膠空間分布和時間變化特征。

(2)利用MODIS數據反演氣溶膠光學厚度的過程中仍存在以下不足：受暗像元算法的局限，用MODIS數據反演試驗區冬季AOD值的效果很差，不可行。且該研究反演所采用的數據空間分辨率為1 km，僅能大致模擬出氣溶膠的區域分布，在精度方面有待提高。隨著科技的進步及遙感探測技術和科學監測技術的發展，未來利用衛星影像實時、動態、大范圍監測及預測PM10將更加有效和精確。

參考文獻

[1] 范辰乾．基于MODIS數據的氣溶膠光學厚度與PM2.5濃度關系研究[D]．濟南：山東師范大學，2014．

[2] 徐祥德，周麗，周秀驥，等．城市環境大氣重污染過程周邊源影響域[J]．中國科學，2004，34(10)：958-966．

[3] 吳兌．關于霆與霧的區別和灰霆天氣預警的討論[J]．氣象，2005，31(4)：3-7.

[4] 張麗娟.北京市MODIS遙感氣溶膠光學厚度與空氣質量關系研究[D]．北京：中國地質大學，2009．

[5] 王耀庭．基于遙感與地面監測數據的城市氣溶膠定量反演研究[D]．南京：南京師范大學，2006．

[6] 張小強．基于MODIS數據的城市地區氣溶膠光學厚度遙感反演研究[D]．蘭州：蘭州大學，2009．

[7] 南京空氣質量指數(AQI)-PM2.5查詢[EB/OL].[2016-02-03].http：//www.tianqihoubao.com/aqi/nanchang.html.

Inversion Technology of Aerosol Optical Depth Based on MODIS Remote Sensing Data

ZHOU Qiang-bo

(Research Institute No. 230, CNNC, Changsha, Hunan 410007)

Abstract[Objective] To research the inversion technology of aerosol optical depth base on MODIS remote sensing data, and to reveal the spatial distribution and time variation characteristics of aerosol. [Method] MOD021KM and MOD03 angle data from MODIS remote sensing data was applied. A lookup table was established by the 6S radiation transfer models. The MODIS remote-sensing images in mainly sunny days in a given city from March to September 2015 were taken as the primary data. A series of remote sensing image data with relatively high quality in this time quantum was used by using ENVI software treatment. Data of the processed band 1( the red band 0.66 μm), band 3(the blue band 0.47 μm) and band 7(near-infrared band 2.1 μm) was extracted to invert the aerosol optical depth (AOD). [Result] AOD value and the PM10concentration showed normal distribution, and had simple negative correlation with the expected results. [Conclusion] Inversion of aerosol optical depth based on MODIS remote sensing data can indicate the distribution region of air pollution at macro level, and provides reference to the forecast and control of air pollution.

Key wordsMODIS; Dark pixel algorithm; AOD; Inversion; PM10concentration

作者簡介周強波(1984- )，男，江西撫州人，工程師，從事測繪(GPS/GIS/RS)研究。

收稿日期2016-02-25

中圖分類號S 127

文獻標識碼A

文章編號0517-6611(2016)10-069-05