基于Himawari-8衛星的沙塵監測

，， ，，，

(1.山東科技大學 測繪科學與工程學院，山東 青島 266590； 2.北京師范大學 全球變化與地球系統科學研究院，北京 100875)

沙塵暴是在特定的地理環境和下墊面條件下，由特殊的氣象條件形成的一種較為常見的自然現象[1]。世界沙塵暴多發區主要分布于北非、中東、中亞及東南亞、北美及澳大利亞，我國新疆、甘肅等西北部地區屬于中亞沙塵暴區，華北北部地區屬于東亞沙塵暴區。沙塵暴發生時常伴有大風，可造成交通受阻、供電中斷、埋壓農田，嚴重時可導致房屋倒塌、引發火災、人畜傷亡等，沙塵暴中產生的沙塵還會造成空氣和水源污染，引起呼吸系統疾病。沙塵災害所造成的生態環境和間接經濟損失難以估量[2]。開展沙塵監測不僅對沙塵災害預警和生態環境影響評價具有重要意義，而且對人類社會生活和全球氣候變化產生深遠影響。

沙塵暴的遙感監測多指利用衛星數據分析判識沙塵暴的起源、傳輸路徑、影響范圍和強度變化，并對沙塵暴的形成、發展、擴散進行動態監測。目前，用于沙塵災害監測的手段有地面定點觀測和衛星遙感監測，而沙塵暴常發生在人跡罕至的沙漠及其臨近的干旱和半干旱地區，常規的地面觀測站點受自然環境條件影響，難以實現對沙塵暴的長期監測和預報[3]；由于人力、物力、財力和技術等諸多因素的限制，很難通過大規模構建地面觀測站實現沙塵暴的監測。近幾十年來，具有高時空分辨率和高光譜分辨率的新型傳感器不斷服務于人類，使得運用遙感技術監測沙塵災害成為可能。靜止氣象衛星由于其高時間分辨率的特點，在沙塵動態監測中具有無可比擬的優勢，同時還可與地面觀測數據在精度上相互驗證，深化了沙塵監測的定量化研究[4]。

國內外專家針對沙塵暴的遙感監測方法進行過大量研究，主要涉及氣象學、地質學、地理學、災害預報、數值模擬等多個領域，在沙塵暴的遙感監測方法上已取得一些關鍵性進展。Shenk 和Curran[5]，Carlson[6]、Griggs[7]利用氣象衛星單通道(可見光或紅外通道)進行沙塵監測，由于沙塵暴發生時復雜的大氣環境，單一通道對于沙塵和云的區分很困難，存在一定局限性；Ackerman[8]針對中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer，MODIS)數據，最早提出分裂窗亮溫差值算法，利用8.5、11、12 μm三個熱紅外波段綜合提取沙塵的思路，對后續多通道沙塵監測的研究提供重要參考；鄭新江等[9]根據3.75 μm和11 μm波段的反射輻射特性，與可見光1.06 μm反射率之間建立統計關系，提出了沙塵識別的新方法；范一大等[10]針對改進型甚高分辨率輻射儀(advanced very high resolution radiometer，NOAA/AVHRR)數據，提出基于查找表變換和經驗模型的兩種沙塵暴信息提取新方法，并通過多光譜合成影像分別對沙塵暴的信息提取和強度監測進行探討；羅敬寧等[11]利用美國第五代極軌氣象衛星NOAA KLM系列衛星和“風云一號”(FY-1)C/D數據，根據近紅外1.6 μm波段特性，設計出沙塵強度定量描述的新方法，為多源遙感數據沙塵監測結果的對比提供了重要思路；Huang等[12]利用MODIS和被動微波輻射計(advanced microwave scanning radiometer-EOS，AMSR-E)數據，基于11、12 μm熱紅外輻射亮溫差與微波波段89和23.8 GHz的極化輻射亮溫差，協同完成沙塵遙感識別，為后續微波數據在沙塵遙感監測中的應用提供了指導；劉三超等[13]基于MODIS Terra和Aqua數據，白天采用熱紅外亮溫差與多光譜組合閾值法提取沙塵信息，夜晚則僅用紅外波段亮溫差值法提取沙塵信息，MODIS數據在沙塵監測中表現出巨大潛力；羅敬寧等[14]利用風云三號衛星數據，綜合考慮不同波段的反射輻射特性，提出全球沙塵遙感識別方法和DDI沙塵強度指數，為定量分析全球沙塵強度提供依據。此外，通過不同天氣沙漠地表輻射收支特征[15]和沙塵氣溶膠垂直廓線[16]提取沙塵，為沙塵監測拓展了新思路。

常用于沙塵監測的衛星以極軌衛星為主，由于重訪周期較長，圖像獲取時間間隔較大，沙塵暴的動態監測受到很大限制。Himawari-8衛星是下一代地球同步氣象衛星的先驅，其攜帶的AHI傳感器有16個波段，觀測頻率為每10 min一次，可以提高對沙塵暴的監測、預測精度。本研究基于日本新一代靜止氣象衛星Himawari-8的超高時間分辨率以及足以媲美極軌衛星空間分辨率的優異特性，運用Himawari-8衛星主載荷AHI傳感器數據對沙塵進行了遙感監測。基于Himawari-8 AHI的波段設計，分析多類型沙塵光譜特性，結合沙塵監測的物理原理，提出中紅外和熱紅外通道亮度溫度差值的組合閾值法對沙塵動態監測，并以一個典型沙塵天氣的實例，對方法的可行性進行了驗證。

1 沙塵遙感反演原理與方法

1.1 沙塵遙感原理

沙塵中包含大量礦物質，沙塵粒子本身能發射長波輻射，也能吸收地面向上的長波輻射，同時還能通過對太陽輻射的吸收和散射共同影響地球輻射收支和能量平衡，表現出光譜特征的差異性[9]。空中懸浮的沙塵粒子的輻射特性與粒子的大小、形狀、質地和濃度密切相關，其中粒徑大小是決定沙塵散射特性的重要因素[17]。不同強度的沙塵天氣，沙塵粒徑差異較大，其粒徑范圍為0.01～100 μm。隨著沙塵粒徑的增大，在前向方向集中的散射能量越多，同時吸收消光也逐漸增加，從而散射比下降[9]。沙塵遙感監測主要依據沙塵層與其他地物(云、地表)在散射和輻射特性上的差異來提取沙塵信息[18]。

表1 Himawari-8 AHI主要技術參數

圖1 第7波段與紅外各波段亮溫差

根據沙塵遙感的基本原理和反射輻射特性，對Himawari-8衛星的AHI載荷數據多光譜通道進行綜合分析，能較好地識別下墊面的沙塵信息。

表1為Himawari-8 AHI的主要技術參數。共有16個波段，包括3個可見光波段、3個近紅外波段和10個紅外波段。與Himawari-7相比，其頻段數目大幅度增加，不僅大幅提高觀測性能，還提高了空間分辨率。如Himawari-7可見光波段的空間分辨率僅為1 km，而Himawari-8則達0.5 km；Himawari-7近紅外波段的空間分辨率僅為4 km，而Himawari-8紅外波段達1 km。中紅外通道(3.9 μm)主要包含了地物的輻射和反射信息，測量發現，該通道疊加了更多的沙塵反射信息[14]，對沙塵有明顯反映，因此可用作沙塵反演中沙塵判識的主要依據。Ackerman等[19]發現熱紅外大氣窗口區8～12 μm的亮度溫度差可減小地面影響，可用來較好地研究沙塵暴。對提取的典型地物進行統計分析，采用3.9 μm波段與熱紅外各波段分別進行差值計算，分析發現沙塵在第7波段亮度溫度(用BT7表示，后面依此遞推)與11、12、13、14波段亮度溫度的差值與其他地物有明顯差別，可將其作為判識依據。如圖1所示。

從圖2可以看出，雖然第7波段與11、12、13、14波段的亮度溫度差值明顯高于其他地物，但與沙漠類型非常接近，因此單獨分析沙塵和沙漠在第7波段與11、12、13、14波段亮溫差(圖2)，發現BT7與BT13的差異明顯。因此，可利用BT7與BT13的差值作為沙塵與沙漠區分的依據。

圖2 沙塵與沙漠亮溫差對比

當沙漠、云、裸土、植被等干擾類別存在時，為了驗證提取算法的有效性，從2016—2017年幾次典型沙塵天氣的Himawari-8影像中，用圖像處理軟件提取各種地物類型的純凈像元值，統計分析不同地物類型在第7波段與11、12、13、14波段的亮度溫度差值，并計算其均值與標準差，如圖2、圖3所示。發現BT7與BT13的差值可以很好地區分沙塵與沙漠；BT7與BT11、BT12、BT14的差值可以將沙塵與其他地物類型相區分。

1.2 沙塵識別算法

由于Himawari-8衛星的時間分辨率高，且為靜止衛星，幅寬較大，同一景圖像上，相同地物的亮度溫度也存在差異，導致不同時間的沙塵監測效果不同。若對所有時刻的影像都采用同一種方法，精度無法達到要求。因此以當地時間16時(UTC=8)為時間節點，分別進行分析，具體的技術路線詳見圖4。

圖3 不同波段不同地物亮溫差均值的單倍標準差

首先，對影像進行云檢測，剔除云對沙塵識別的影響；其次，對識別沙塵的閾值進行分析，確定合適的沙塵提取閾值；最后，根據沙塵閾值進行沙塵提取，下面對流程圖中的關鍵技術進行逐個介紹。

1.2.1 云檢測

與下墊面相比，云一般有很高的反射率，同時其溫度又相對較低[19]。利用藍光通道的表觀反射率大于閾值和熱紅外15通道的亮度溫度小于閾值可以很好地把云檢測出來。判識條件：

ρBlue>TBlue_Cloud，

(1)

圖4 沙塵反演技術流程圖

(2)

其中：ρBlue為藍光通道表觀反射率；TBlue_Cloud為藍光通道表觀反射率度閾值；BTTIR為熱紅外15通道亮度溫度；TTIR_Cloud為熱紅外15通道亮度溫度閾值。

1.2.2 沙塵閾值判識

1.2.2.1 基本閾值判識

中紅外3.9 μm通道對沙塵有明顯的反映，采用3.9 μm通道作為主要判識依據，判識條件為：

BTB07>TTIR_Dust 1。

(3)

其中：BTB07為3.9 μm通道的亮度溫度；TTIR_Dust 1為3.9 μm通道亮度溫度閾值。這里采用經驗閾值法(TTIR_Dust 1約300 K左右)，以此作為沙塵判識首要條件。

1.2.2.2 中紅外與熱紅外通道差值

通過對沙塵與其他地物的遙感光譜特性分析發現，中紅外3.9 μm通道與熱紅外通道的差值具有明顯差異。在實際應用中，采用3.9 μm與8.6、9.6、10.4、11.2 μm通道之間的差值(brightness temperature differenec,BTD)組合作為沙塵判識的主要依據，計算公式為：

BTDi=BT3.9-BTi。

(4)

其中：i=11、12、13、14；BT3.9為3.9 μm通道的亮度溫度；BT11、BT12、BT13、BT14分別為8.6、9.6、10.4、11.2 μm通道的亮度溫度。采用經驗閾值法(BTDi一般取值為20～60 K)，可作為沙塵識別的主要條件。

1.2.3 沙塵強度指數

1.6 μm近紅外波段對沙塵反映明顯，可以較好地描述沙塵暴特征[11]。與可見光波段相比，該波段受到大氣分子和微粒氣溶膠干擾較小，在沙塵監測中具有較高的穩定性，對多顆衛星資料研究發現，沙塵強度與1.6 μm反射率之間存在線性一致關系，可以很好解決沙塵監測的標準同一化[11]。沙塵強度(dust index，DI)計算公式：

DI=10×e0.8×R1.6-1 。

(5)

其中：R1.6為近紅外1.6 μm波段測得的反射率。

研究發現，北京時間16時之后，采用上述方法可以較好地對沙塵進行識別。但北京時間16時之前，沙塵漏判誤判較多，針對這一情況，增加BT7與BT14的差值加以判斷：當BT7-BT14大于閾值，雖然沙塵誤判問題得到解決，但是仍有嚴重漏判；Himawari-8衛星數據包含11、12 μm波段附近的熱紅外分裂窗通道，干燥沙塵對11、12 μm的輻射有不同的吸收衰減[11]，因此，當BT7-BT14小于閾值時結合BT14-BT15大于0作為識別沙塵的條件。改進以后，北京時間16時之前沙塵監測結果的漏判和誤判問題得以解決。

2 實例分析

本研究選取Himawari-8衛星2016年5月5日UTC 2:00～9:00的數據，為便于觀察沙塵的時空變化，選擇每小時1景影像，經過預處理后得到研究區域的16個波段的影像，利用真彩色合成影像可以從目視解譯的角度對沙塵進行判識，如圖5所示，上圖為Himawari-8真彩色影像圖，下圖為沙塵反演結果。可以看出，這次沙塵天氣從上午10點已經在內蒙古中部地區形成，逐漸向東北方向傳輸擴散，持續時間長，而且影響范圍較廣。

為了驗證沙塵識別算法的可行性，以OMI反演的紫外氣溶膠指數(aerosol index，AI)產品為參考，對反演結果進行了驗證。AI指數是識別沙塵氣溶膠的關鍵參數，在東亞大陸具有很好的一致性，其分辨率較高為13 km×24 km，每天提供的數據幾乎可以覆蓋全球[20]。AI指數主要通過對比觀測到的兩個紫外線波段(354、388 nm)的反射輻射，來提取沙塵氣溶膠含量，云和其他非吸收性氣溶膠AI指數的數值非常小，接近于零；而對沙塵等吸收性氣溶膠，AI指數為正值，且數值相對較大[21]。圖6為2016年5月5日北京時間13時沙塵監測結果與OMI沙塵結果的對比，表明該算法能夠有效地提取出沙塵區域，提取結果與OMI AI產品具有較好的時空一致性。

圖5 2016年5月5日真彩色合成影像與沙塵監測結果圖

3 結論

Himawari-8衛星的超高時間分辨率極大地改善了沙塵監測研究的時效性，為持續動態追蹤、定位沙塵暴的起源、傳輸和擴散奠定了基礎，其攜帶的AHI傳感器可以獲取多個沙塵敏感波段數據，可有效分析和監測沙塵信息。

考慮中紅外3.9 μm通道和多個熱紅外等通道的反射輻射特性，提出中紅外和熱紅外通道亮度溫度差值的組合閾值法，可準確判別沙塵的發生情況。本方法簡單可靠，白天和夜晚都適用。通過對長時間序列影像沙塵監測結果之間的對比分析，可以實時、準確地捕捉沙塵的影響范圍和強度，用OMI AI產品驗證分析Himawari-8衛星沙塵提取結果，沙塵范圍與強度基本一致，可以滿足業務化監測的需求。

圖6 OMI氣溶膠指數與沙塵監測結果對比圖

參考文獻：

[1]潘耀忠,范一大,史培軍,等.近50年來中國沙塵暴空間分異格局及季相分布-初步研究[J].自然災害學報,2003,12(1):1-8.

PAN Yaozhong,FAN Yida,SHI Peijun,et al.Spatial variation and seasonal distribution of dust-storm in China in resent 50 years:A preliminary study[J].Journal of Natural Disasters,2003,12(1):1-8.

[2]趙仕偉,胥永文,史薈燕,等.我國沙塵災害遙感監測研究與展望[J].氣象與環境科學,2009,32(4):65-68.

ZHAO Shiwei,XU Yongwen,SHI Huiyan,et al.Research and prospect of remote sensing monitoring on Chinese sand-dust disaster[J].Meteorological and Environmental Sciences,2009,32(4):65-68.

[3]史培軍,嚴平,高尚玉,等.我國沙塵暴災害及其研究進展與展望[J].自然災害學報,2000,9(3):71-77.

SHI Peijun,YAN Ping,GAO Shangyu,et al.The duststorm disaster in China and its research progress[J].Journal of Natural Disasters,2000,9(3):71-77.

[4]范一大,史培軍,王秀山,等.中國北方典型沙塵暴的遙感分析[J].地球科學進展,2002,17(2):289-294.

FAN Yida,SHI Peijun,WANG Xiushan,et al.The analysis of typical dust storm in northern China by remote sensing[J].Advance in Earth Sciences,2002,17(2):289-294.

[5]SHENK W E,CURIAN R J.The detection of dust storms over land and water with satellite visible and infrared measurements[J].Monthly Weather Review,1974,102:830-837.

[6]CARLSON T N.Atmospheric turbidities in Saharan dust outbreaks as determined by analysis of satellite brightness data[J].Monthly Weather Review,1979,107:322-335.

[7]GRIGGS M.Measurements of atmospheric aerosol optical thickness over water using ERTS-1 data[J].Journal of the Air Pollution Control Association,1975,25(6):622-626.

[8]ACKERMAN S A.Remote sensing aerosols using satellite infrared observation[J].Journal of Geophysical Research,1997,102(D14):17069-17079.

[9]鄭新江,陸文杰,羅敬寧.氣象衛星多通道信息監測沙塵暴的研究[J].遙感學報,2001,5(4):300-305.

ZHENG Xinjiang,LU Wenjie,LUO Jingning.Research on the duststorm monitoring using multi-channel meteorological satellite data[J].Journal of Remote Sensing,2001,5(4):300-305.

[10]范一大,史培軍,潘耀忠,等.基于NOAA/AVHRR數據的區域沙塵暴強度監測[J].自然災害學報,2001,10(4):46-51.

FAN Yida,SHI Peijun,PAN Yaozhong,et al.Monitoring the intensity of regional dust storm using NOAA/AVHRR data[J].Journal of Natural Disasters,2001,10(4):46-51.

[11]羅敬寧,范一大,史培軍,等.多源遙感數據沙塵暴強度監測信息可比方法[J].自然災害學報,2003,12(2):28-34.

LUO Jingning,FAN Yida,SHI Peijun,et al.Information-comparable method of monitoring the intensity of dust storm by multisource data of remote sensing[J].Journal of Natural Disasters,2003,12(2):28-34.

[12]HUANG J P,GE J M,WENG F Z,et al.Detection of Asia dust storms using multisensory satellite measurements[J].Remote Sensing of Environment,2007,110(2):186-191.

[13]劉三超,柳欽火,高懋芳.利用Terra和Aqua雙星MODIS數據協同研究沙塵暴[J].武漢大學學報(信息科學版),2006,31(12):1051-1054.

LIU Sanchao,LIU Qinhuo,GAO Maofang.On Asian dust storm in China by combining daytime and nighttime Terra and Aqua MODIS data[J].Geomatics and Information Science of Wuhan University,2006,31(12):1051-1054.

[14]羅敬寧,徐喆,亓永剛.基于風云三號衛星的全球沙塵遙感方法[J].中國沙漠,2015,35(3):690-698.

LUO Jingning,XU Zhe,QI Yonggang.Global dust remote densing with the FengYun-3 satellite[J].Journal of Desert Research,2015,35(3):690-698.

[15]李帥,胡列群,何清,等.塔克拉瑪干沙漠腹地地表輻射收支特征研究[J].中國沙漠,2012,32(4):1035-1044.

LI Shuai,HU Liequn,HE Qing,et al.Surface radiation budget in hinterland of the Taklimakan desert[J].Journal of Desert Research,2012,32(4):1035-1044.

[16]鄭有飛,劉貞,劉建軍,等.中國北部一次沙塵過程中沙塵氣溶膠的時空分布及輸送特性[J].中國沙漠,2013,33(5):1440-1452.

ZHENG Youfei,LIU Zhen,LIU Jianjun,et al.The Spatio-temporal distribution and transport behavior of a dust event in north China[J].Journal of Desert Research,2013,33(5):1440-1452.

[17]LU H Y,SUN D H.Pathway of dust input to the Chinese Loess plateau during the last glacial and interglacial periods[J].Catena,2000,40(3):251-261.

[18]張樹譽,梁生俊,盧西順.衛星遙感在陜西沙塵天氣監測中的應用[J].陜西氣象,2001(6):31-32.

ZHANG Shuyu,LIANG Shengjvn,LU Xishun.Application of satellite remote sensing in monitoring dust weather in Shaanxi province[J].Shaanxi Meteorology,2001(6):31-32.

[19]ACKERMAN S A,STRABALA K I,MENEEL W P,et al.Discriminating clear sky from clouds with MODIS[J].Journal of Geophysical Research Atmospheres,1998,103(D24):32141-32157.

[20]YANG Y K,SUN L,ZHU J S,et al.A simplified Suomi NPP VIIRS dust detection algorithm[J].Journal of Atmospheric and Solar-Terrestrial Physics,2017,164:314-323.

[21]劉貞,張雪姣,鄭有飛,等.基于CALIPSO對中國春季一次沙塵暴的研究[J].環境科學學報,2016,36(12):4315-4327.

LIU Zhen,ZHANG Xuejiao,ZHENG Youfei,et al.Spatio-temporal distribution and transport behavior of a dust event based on the CALIPSO in China[J].Acta Scientiae Circumstantiae,2016,36(12):4315-4327.