利用多角度偏振數據反演華北地區灰霾氣溶膠

張鈺萌,王中挺

(1.河南理工大學,測繪與國土信息工程學院,河南 焦作 454000；2.環境保護部衛星環境應用中心,北京 100094)

利用多角度偏振數據反演華北地區灰霾氣溶膠

張鈺萌1,王中挺2*

(1.河南理工大學,測繪與國土信息工程學院,河南 焦作 454000；2.環境保護部衛星環境應用中心,北京 100094)

針對灰霾氣溶膠,利用多角度偏振數據進行了反演研究.在地面觀測數據的基礎上,模擬了衛星觀測的灰霾多角度偏振信號,發現利用近紅外波段偏振信息能更好地區分灰霾的輕重程度.在此基礎上,針對POLDER3的多角度偏振數據,考慮灰霾氣溶膠的組分構成,采用偏振反射率最優擬合的方法,建立了華北地區灰霾氣溶膠的反演算法.2010年2月23日的算法實驗表明,本算法在重霾發生時能較好地區分灰霾的輕重程度.而2009～2010年的反演結果與地面觀測結果有較好的相關性(相關系數在0.9左右),灰霾時AOD的反演誤差大約在10%左右.但本算法反演結果要整體低于地面觀測結果,原因可能是偏振信號對粗粒子不敏感以及地表類型數據更新較慢、灰霾各氣溶膠組分的線性組合假定.

多角度偏振；灰霾；氣溶膠；遙感

灰霾又稱大氣棕色云,也稱霾(煙霞),主要是指懸浮在大氣中的大量微小塵粒、煙粒等集合體,使大氣水平能見度降低到5km以下[1].近年來,我國的灰霾天氣頻繁出現,呈現出大范圍、區域性特征,尤其在京津冀等城市群表現更為明顯,嚴重影響到區域環境空氣質量.

由于灰霾粒子屬于氣溶膠,在現有的陸地氣溶膠衛星遙感反演技術基礎上可以實現對灰霾大范圍、區域性的監測[2-4].利用衛星遙感技術反演陸地氣溶膠,國內外學者提出了許多算法,按照觀測方式可以分為兩類,表觀反射率和偏振觀測.其中,利用表觀反射率數據探測陸地氣溶膠較常見的算法有:1)暗目標法,利用濃密植被在紅光、藍光等可見光波段的反射率較低的原理實現陸地氣溶膠反演[5-7];2)深藍算法,根據氣溶膠對藍光波段的衛星信號有顯著貢獻,基于地表反射率庫提取氣溶膠信息[8-9];3)多角度法,假定不同角度地表反射率比率隨波長變化較小,從多角度數據反演氣溶膠[10-11].而利用偏振數據觀測氣溶膠,一般是通過設定一組氣溶膠模式計算其大氣偏振反射率或氣溶膠光學厚度(AOD),利用多角度、多波段觀測進行最優擬合,實現AOD和氣溶膠模式的同時反演[12-14];Dubovik等[15]利用統計最優化方法從表觀反射率和偏振反射率數據反演氣溶膠光學性質以及氣溶膠粒子大小、形狀、組分等信息; Cheng等[16]和Wang等[17]結合表觀反射率和偏振觀測, 實現了陸地氣溶膠的反演.

由于在可見、近紅外波段范圍內,藍光波段氣溶膠散射最強,同時地表反射對表觀反射率的貢獻最小.因此,藍波段是利用表觀反射率信號反演陸地氣溶膠的主要波段.但在重霾污染情況下,一般AOD大于2[18],氣溶膠的散射較大,藍光波段的表觀反射率很容易達到飽和,無法準確提取AOD,較難區分灰霾的污染程度;而采用波長較長的紅光波段和近紅外波段則會受到地表反射的影響有較大誤差[9].而陸地地表偏振反射一般較小且隨波長變化不大[13],利用波長較長的紅光波段和近紅外波段的偏振觀測能更好地提取重霾污染情況下氣溶膠信息.

法國的POLER系列是發展較為成熟的多角度偏振傳感器,其中,POLDER3自2004年發射至2013年退役,已連續獲取近10年的觀測數據,具有0.49μm、0.67μm和0.865μm共3個偏振波段,能在16個角度獲取觀測數據.而未來將有多個多角度偏振載荷發射,如高分五號衛星的DPC相機(計劃2017年發射)、歐洲的3MI相機(計劃2020年發射)等[19].利用POLDER的氣溶膠產品,Tanré等[20]、Kacenelenbogen等[21]研究了其在生物燃燒和顆粒物反演方面的應用.但是,目前還沒有專門針對我國常見的灰霾污染,綜合研究灰霾粒子偏振特性,重點考慮重霾污染,開展多角度偏振信號反演灰霾氣溶膠的研究.

本文針對POLDER3載荷的波段特征,分析了我國華北地區灰霾尤其是重霾污染時的多角度偏振信號,對POLDER3的多角度偏振數據進行氣溶膠模式最佳擬合,構建了灰霾氣溶膠的多角度偏振反演算法,最后收集華北地區的POLDER3數據并結合北京地區AERONET地基觀測產品,對算法完成了驗證與分析.

1 灰霾多角度偏振特征分析

研究表明[22],陸地氣溶膠可以看成是由若干基本氣溶膠組分混合而成.地面觀測表明[23-25],灰霾氣溶膠主要由水溶型、沙塵型、黑碳型等3種基本氣溶膠組分組成,水溶型氣溶膠所占比例最大.本文采用的基本氣溶膠組分的物理性質(包括復折射指數、譜分布函數等)從OPAC數據庫[22]獲取.其中,譜分布函數采用單對數正態分布的形式.

式中:C是歸一化粒子數常數;σ是標準偏差;rm是平均半徑.

在氣溶膠組分的物理性質基礎上,本文采用米理論計算各氣溶膠組分的散射矩陣等參數,進而利用RT3模型[26],采用倍加累加法完成輻射傳輸計算,模擬得到衛星觀測的多角度偏振信號,以分析灰霾的多角度偏振特征.

1.1 各波段偏振反射率模擬

POLDER3提供了0.49,0.67,0.865μm共3個波段的偏振探測結果,為分析各波段偏振觀測對灰霾AOD的敏感性,模擬了衛星觀測偏振反射率隨AOD變化.結合地面觀測結果,設置各組分在0.44μm波段消光系數比例為:水溶型70%、黑碳型15%、沙塵型15%.太陽天頂角為30°,觀測天頂角從-60～60°變化,相對方位角為0°,AOD設為0.5、1、2、4共4個值.地表類型設為植被,采用半經驗模型[27]模擬.

從圖1可以看出,由于分子散射的影響, 0.49μm的偏振反射信號對灰霾氣溶膠AOD的變化不敏感,各AOD下的偏振反射信號較為接近,AOD為2和4時的偏振信號甚至已經大部分重合;0.67μm的偏振反射信號已經能夠區分各灰霾AOD,但還較為接近;0.865μm的偏振反射信號在各灰霾AOD下都有較大差異,最適宜用于灰霾氣溶膠的反演.

圖1 三個波段在四個灰霾AOD下的偏振反射率Fig.1 Polarized reflectance of four AOD in three bands

1.2 組分變化模擬

多角度偏振數據不僅能獲取灰霾的AOD信息,而且對組分信息也較為敏感.本文模擬了0.865μm波段不同氣溶膠組分比例下的衛星觀測信號,以考察多角度偏振信號對灰霾氣溶膠組分的敏感性.假定0.865μm波段灰霾AOD為2,水溶型氣溶膠所占比例從50%增長到85%,黑碳型氣溶膠則從35%降低到0%,沙塵型氣溶膠所占比例固定為15%.

（4）激光淬火掃描方式 激光淬火的掃描方式有圓形或矩形光斑的窄帶掃描和線形光斑的寬帶掃描。窄帶掃描的硬化帶寬度與光斑直徑相近，一般在5mm以內。對于要求大面積硬化時，必須逐條地進行掃描，掃描帶之間需要重疊，重疊部分將留下回火軟化帶。回火軟化帶的寬度與光斑特性有關，一般均勻矩形光斑產生的回火軟化帶較小。為了減少軟化帶的不良影響，需采用寬帶掃描技術。寬帶掃描將聚焦的圓光斑變成線光斑，掃描寬度大為提高。

從圖2可以看出,隨著水溶型氣溶膠所占比例的降低,整體偏振反射率逐步下降,隨著散射角的增加,偏振反射率的變化逐漸減小.因此,可以看出,不同氣溶膠組分對偏振反射率也有較大的影響.

圖2 不同水溶型氣溶膠組分比例的偏振反射率隨散射角變化Fig.2 Polarized reflectance of different water-soluble aerosol component percent

2 算法原理與反演方法

只考慮地表直接散射,大氣層頂偏振反射率Rpol可以用下式表示:

地表的多角度偏振特征采用半經驗模型[27]描述:

式中:Fp為地物的菲涅爾反射系數; ρ和β是隨地表覆蓋類型調整的系數;θv,θs,?分別為觀測天頂角、太陽天頂角、相對方位角.

考慮到大氣影響,地表偏振貢獻可以表示為[13]:

式中: M為大氣質量數; τm為大氣分子光學厚度; τa為AOD; c為與氣溶膠強前向散射有關的系數,一般設置為0.5.

綜合利用式(2)～(4),從衛星觀測的數據去除地表影響,得到大氣的偏振信息,進而可以反演獲得氣溶膠信息.在實際應用中,一般是預設一組氣溶膠模式,結合2N個(2個波段:0.67μm和0.865μm, N個角度:最多16個)衛星觀測結果,根據觀測幾何利用矢量輻射傳輸模式計算各氣溶膠模式在不同AOD下的偏振反射率,求取其與衛星觀測的偏振反射率之間的標準偏差η,η最小的氣溶膠模式和AOD即為反演得到的氣溶膠模式和AOD.

為加快反演速度,簡化查找表設計,本文針對水溶型、黑碳型和沙塵型等氣溶膠組分分別構建查找表,在反演中將水溶型、黑碳型和沙塵型氣溶膠組分的偏振信號、和按比例a1、a2和a3進行線性組合,得到灰霾氣溶膠的偏振反射率:

針對華北地區的灰霾氣溶膠,參照該地區的地面觀測結果[23-25],該地區灰霾氣溶膠主要由水溶型、沙塵型、黑碳型等3種組分構成,以水溶型氣溶膠為主.結合地面觀測結果,同時考慮到沙塵型氣溶膠偏振信號較弱,將其所占比例固定為15%;而水溶型和黑碳型氣溶膠所占比例分別在55%～85%和0～30%之間變化.在反演時,混合不同比例的水溶型、黑碳型、沙塵型氣溶膠得到不同的氣溶膠模式;然后,結合查找表,利用式(6)得到不同氣溶膠模式的多角度偏振反射率;最后,利用式(5)計算各氣溶膠模式的多角度偏振反射率與衛星觀測信號的標準偏差η,標準偏差η最小的氣溶膠成分組合為反演得到的氣溶膠模式.

3 結果驗證與分析

選用2010年2月23日過境我國華北地區的一景POLDER3數據進行了反演試驗.從圖3假彩色合成圖可以看出,華北地區出現大范圍灰霾,北京、唐山等地的灰霾稍重于山東、河北南部,而北京、承德的灰霾污染程度較為接近.云標識圖表明,由于厚霾的高反射特性,POLDER3官方的產品將河北北部、北京、天津等地大部分霾象元識別為云.從本算法的反演結果可以看出,多角度偏振數據能較好的反演灰霾分布,在被誤標識為云的區域也獲得了結果,而且反演結果也能明顯的區分灰霾的輕重狀況,尤其是區分了河北北部與北京的輕重.

圖3 2010年2月23日華北地區灰霾AOD反演結果Fig.3 Retrieved haze AOD image over North China Plain in Feb. 23, 2010

為進一步驗證反演結果,收集了2009～2010年過境華北地區的POLDER3數據反演氣溶膠,同時使用AERONET北京站的地面觀測數據完成算法驗證.為統一比較,衛星觀測和地面觀測的AOD利用Angstrom公式統一轉換為0.55μm波段的光學厚度.為減小大氣的區域不穩定性影響,選取地面站點周圍10km范圍的POLDER3有效反演像元的AOD取空間平均得到衛星觀測數據;參照Goloub等[28]的研究方法,去除標準差小于20%值以去除時間變化大的數據,選取衛星過境前后1小時內的地面觀測值取時間平均得到地面觀測數據.共獲得87d有效對比驗證數據.驗證結果如圖4所示,可以看出本算法與地面觀測數據有較好的相關性,相關系數大于0.9,但反演結果要明顯小于地面觀測數據.

圖4 算法結果驗證Fig.4 Validation of our algorithm

同時驗證了在灰霾發生時算法的反演結果共獲取11對比對數據.如圖5所示,可以看出反演結果與地面觀測結果有較好的相關性(相關系數大于0.8),但明顯小于地面觀測結果.在修正了反演的整體偏差后,共有4個比對結果落在10%誤差范圍內,平均的相對誤差可以控制在10%左右.研究表明[13],多角度偏振信號反演的AOD主要體現細粒子貢獻,一般來說,地基觀測站點得到的總光學厚度要明顯大于多角度偏振算法得到的結果.但本算法僅選取灰霾發生時的數據進行驗證,地面觀測[29]表明,灰霾發生時,細粒子氣溶膠總體積所占比例增加到70%.因此,在考慮粗粒子的影響進而修正反演的整體偏差后,本算法對以細粒子為主的灰霾可以獲得較好的反演精度.

圖5 灰霾算法結果驗證Fig.5 Validation of AOD fromour algorithm

4 討論

4.1 地表偏振模型影響

在反演中采用半經驗模型模擬地表偏振反射,根據NDVI和地表類型調整地表偏振模型參數.由于地表類型采用IGBP分類數據和LC2000數據[30],數據基本超過10a,不能及時反映地表變化較快地區的地表類型變化,會對反演帶來誤差.本文模擬了地表類型從森林變化為低植被時對灰霾氣溶膠反演的影響.

圖6 地表類型誤判時反演結果Fig.6 The error fromwrong land cover type

模擬參數設置如下:各組分消光系數比例,水溶型70%,黑碳型15%,沙塵型15%;太陽天頂角為36°,觀測天頂角從-60～60°變化共16個,相對方位角為0°;AOD設為0～4變化.

從圖6可以看出,在AOD較大時(大于0.5),由于地表偏振貢獻要小于大氣偏振貢獻,當地表類型從森林變化為低植被時,反演的AOD誤差較小,絕對誤差小于0.1,相對誤差基本在10%以下,且隨著AOD的增加,誤差有明顯的降低.但AOD較小時(小于0.5),地表偏振貢獻較大,絕對誤差最大超過0.3.

4.2 線性組合氣溶膠組分的影響

在灰霾的多角度偏振反演中,為加快反演速度,結合Levy等[6]的研究成果,采用線性組合各基本組分氣溶膠信號的方法模擬混合氣溶膠的偏振反射率.而在實際情況中,由于多次散射的影響,隨著組分比例的變化,偏振反射率并非由各組分的信號線性組合得到.為簡化分析過程,選取水溶型和黑碳型氣溶膠進行混合模擬灰霾氣溶膠偏振反射信號,水溶型氣溶膠所占比例為85%,黑碳型為15%.混合氣溶膠偏振反射率的計算是通過將兩種氣溶膠層各等分為5層,交替疊加的方式實現. AOD固定為2.

圖7 混合氣溶膠偏振反射率與線性組合各組分偏振反射率對比Fig.7 The comparison between mixed aerosol and linear adding aerosol

從圖7可以看出,由于不同組分氣溶膠之間的多次散射,帶來了偏振信號的降低,利用線性組合各組分信號得到的偏振反射率要稍微高于模擬得到的混合氣溶膠偏振反射率,二者差距整體在5%以內.因此,本文采用線性組合各組分氣溶膠信號得到的偏振反射率會高估混合氣溶膠的偏振反射率,進而會對反演的AOD低估,還需在下一步的工作中改進算法以修正誤差.

5 結論

5.1 與表觀反射率數據相比,由于地表偏振反射較小,采用多角度偏振數據能更好的反演灰霾AOD.

5.2 與0.49μm和0.67μm波段相比,隨著波長的增長,利用0.865μm波段的多角度偏振信號,在重霾情況下,能更好的區分灰霾的輕重程度.

5.3 2010年2月23日重霾發生時的算法實驗結果表明,多角度偏振數據能較好的反演灰霾分布,而且反演結果也能明顯的區分重霾的輕重程度.

5.4 利用2009-2010年數據進行的算法驗證表明,本算法與地面觀測數據有較好的相關性,在灰霾發生時,AOD的反演誤差可以控制在10%左右.

但本算法獲得結果要整體低于地面觀測結果,可能是偏振信號對粗粒子不敏感、地表類型數據更新較慢、灰霾信號采用各氣溶膠組分線性組合獲得等原因有關,還需要在下一步的工作中加以改進.

[1] World Meteorological Organization 2005. WMO-No.782-Aerodrome Reports and Forecasts: A User’s Handbook to the Codes [R] Geneva-Switzerland, 2005.

[2] 王新輝,蘇 林,陶明輝,等.基于星地同步觀測的華北平原中部背景地區冬季霾污染過程 [J]. 中國環境科學, 2016,36(6): 1610-1620.

[3] Li S, Chen L, Xiong X, et al. Retrieval of the Haze Optical Thickness in North China Plain Using MODIS Data [J]. IEEE Transactions on Geoscience and Remote Sensing, 2013,51(5):2528-2540.

[4] 王中挺,厲 青,李莘莘,等.基于環境一號衛星的霾監測應用[J]. 光譜學與光譜分析, 2012,32(3):775-780.

[5] Kaufman Y J, Wald A, Remer L A, et al. Flynn. Remote sensing of aerosol over the continents with the aid of a 2.2 μmchannel [J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 36:1286-1298.

[6] Levy R C, Remer L A, Mattoo S, et al. Second-generation operational algorithm: Retrieval of aerosol properties over land frominversion of Moderate Resolution Imaging Spectroradiometerspectral reflectance [J]. Journal of Geophysical Research D. Atmosphere, 2007,112(13):D13211,doi:10.1029/ 2006JD007811.

[7] Jackson J M, Liu H, Laszlo I, et al. Suomi-NPP VIIRS aerosol algorithms and data products [J]. Journal of Geophysical Research D. Atmosphere, 2013,118:12,673–12,689.

[8] Hsu C N, Tsay S C, King MD, et al. Aerosol Properties Over Bright-Reflecting [J]. IEEE Transactions on Geoscience and Remote Sensing, 2004,42(3):557-569.

[9] Hsu C N, Tsay S C, King MD. Deep Blue Retrievals of Asian Aerosol Properties During ACE-Asia [J]. IEEE Transactions on Geoscience and Remote Sensing, 2006,44(11):557-569.

[10] Veefkind J P, de LeeuwG, Durkee P. Retrieval of aerosol optical depth over land using two-angle viewsatellite radiometry during TARFOX [J]. Geophysical Research Letter, 1998,25:3135–3138.

[11] Diner D J, Martonchik J V, Kahn R A, et al. Using angular and spectral shape similarity constraints to improve MISR aerosol and surface retrievals over land [J]. Remote Sensing of Environment, 2005,94:155-171.

[12] Herman M, Deuzé J L, Devaux C, et al. Remote sensing of aerosols over land surfaces including polarization measurements and application to POLDER measurements [J]. Journal of Geophysical Research, 1997,102(D14):17039-17049.

[13] Deuzé J L, Bréon F, Devaux C, et al. Remote sensing of aerosols over land surfaces fromPOLDER-ADEOS 1polarized measurements [J]. Journal of Geophysical Research, 2001, 106(D5):4913-4926.

[14] 陳 澄,李正強,侯偉真,等.動態氣溶膠模型的PARASOL多角度偏振衛星氣溶膠光學厚度反演算法 [J]. 遙感學報, 2015, 19(1):25-33.

[15] Dubovik O, Herman M, Holdak A, et al. Statistically optimized inversion algorithmfor enhanced retrieval of aerosol properties fromspectral multi-angle polarimetric satellite observations [J]. Atmospheric Measurement Techniques, 2011,4:975-1018.

[16] Cheng T, Gu X, Xie D, et al. Aerosol optical depth and fine-mode fraction retrieval over East Asia using multi-angular total and polarized remote sensing [J]. Atmospheric Measurement Techniques Discussions, 2011,4:5689-5716.

[17] Wang Z T, Chen L F, Li Q, et al. Retrieval of Aerosol Size Distribution fromMulti-angle Polarized Measurements Assisted by Intensity Measurements Over East China [J]. Remote Sensing of Environment, 2012,124:679–688.

[18] 王 朔,趙衛雄,徐學哲,等.北京一次嚴重霧霾過程氣溶膠光學特性與氣象條件 [J]. 中國環境科學, 2016,36(5):1305-1312.

[19] Kokhanovsky A A, Davis A B, Cairns B, et al. Space-Based Remote Sensing of Atmospheric Aerosols: The Multi-Angle Spectro-Polarimetric Frontier [J]. Earth Science Reviews, 2015,(2015), doi:10.1016/j.earscirev.2015.01.012.

[20] Tanré D, Bréon F M, Deuzé J L, et al. Global observation of anthropogenic aerosols fromsatellite [J]. Geophysical Research Letters, 2001,28(24):4555-4558.

[21] Kacenelenbogen M, Léon J F, Chiapello I, et al. Characterization of aerosol pollution events in France using ground-based and POLDER-2satellite data [J]. Atmospheric Chemistry Physics, 2006,6:4851-4866.

[22] Hess M, Kocpke P, Schult I. Optical Properties of Aerosols and Clouds: The Software Package OPAC [J]. Bulletin of the American Meteorological Society, 1998,79(5):831-844.

[23] Li Z, Gu X, Wang L, et al. Aerosol physical and chemical properties retrieved fromground-based remote sensing measurements during heavy haze days in Beijing winter [J]. Atmospheric Chemistry and Physics, 2013,13:10171-10183.

[24] 魏 鵬,李正強,王 堰,等.灰霾污染狀況下氣溶膠組分及輻射效應的遙感估算 [J]. 遙感學報, 2013,17(4):1021-1031.

[25] 王 玲,李正強,李東輝,等.基于遙感觀測的折射指數光譜特性反演大氣氣溶膠中沙塵組分含量 [J]. 光譜學與光譜分析, 2012,32(6):1644-1649.

[26] Evans K F, Stephens G L A. NewPolarized Atmospheric Radiative Transfer Model [J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 1991,46(5):413-423.

[27] Nadal F, Bréon F M. Parameterisation of surface polarized reflectance derived fromPOLDER spaceborne measurements [J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(3):1709-1718.

[28] Goloub P, Tanré D, Deuzé J L, et al. Validation of the first algorithmapplied for deriving the aerosol properties over the ocean using the POLDER/ADEOS measurements [J]. IEEE Transactions on Geoscience and Remote Sensing, 1999,37(3):1586-1596.

[29] 謝一凇,李東輝,李凱濤,等.基于地基遙感的灰霾氣溶膠光學及微物理特性觀測 [J]. 遙感學報, 2013,17(4):970-980.

[30] Maignan F, Bréon F M, Fédèle E, et al. Polarized reflectances of natural surfaces: Spaceborne measurements and analytical modeling [J]. Remote Sensing of Environment, 2009,113:2642–2650.

致謝：本文的POLDER3多角度偏振一級數據從法國空間中心獲得,米理論及RT3運算程序由美國科羅拉多大學的F.Evans教授提供,OPAC氣溶膠特性由德國慕尼黑大學的M Hess教授和I Schult教授提供,AERONET/PHOTONS北京站的氣溶膠地面觀測數據由中國科學院大氣物理所的陳洪濱教授、法國的Philippe Goloub教授提供,在此表示感謝.

Haze retrieving over North China Plain frommulti-angle polarized data.

ZHANG Yu-meng1, WANG Zhong-ting2*.
(1.School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454000, China；2.Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China). China Environmental Science, 2017,37(2)：460～466

For haze aerosol, the retrieval frommulti-angle polarized data was studied. Based on ground-based measurements, we simulated multi-angle polarized satellite signal of the haze, and it was shown that by near infrared data, the concentration of heavy haze was recognized well. Then, aimed to multi-angle polarized signal of POLDER3, in consideration of aerosol components of the haze, the haze was retrieved by best fitting method of polarized reflectance. The experiment in Feb. 23, 2010 showed that, by our algorithm, the aerosol optical depth (AOD) of haze can be retrieved well. The AOD of our algorithmfrom2009 to 2010 was close to that of ground-based measurements (correlation coefficient was about 0.9), and the retrieval error was about 10%. But AOD of our algorithmwas lower than that of ground-based measurements, and the reasons may be the underestimation of coarse particle for multi-angle polarized signal, the dated data of land classification, the assumption that haze signal is linear added by that of aerorol componets, and so on.

multi-angle polarized；haze；aerosol；remote sensing

X51

A

1000-6923(2017)02-0460-07

張鈺萌(1988-),男,河南鄭州人,河南理工大學博士研究生,研究方向為大氣遙感等.

2016-06-20

國家自然科學基金(41301358)

* 責任作者, 高級工程師, wzt_07@126.com