基于靜止衛(wèi)星GOCI傳感器的大氣污染過(guò)程AOD監(jiān)測(cè)

張玉環(huán),毛慧琴,厲 青,王中挺,張麗娟,馬鵬飛,周春艷,陳 輝,陳翠紅

?

基于靜止衛(wèi)星GOCI傳感器的大氣污染過(guò)程AOD監(jiān)測(cè)

張玉環(huán),毛慧琴*,厲 青,王中挺,張麗娟,馬鵬飛,周春艷,陳 輝,陳翠紅

(環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心,北京 100094)

針對(duì)北京及周邊地區(qū)2017年11月2~8日的一次污染過(guò)程,利用韓國(guó)靜止衛(wèi)星COMs1GOCI數(shù)據(jù),對(duì)北京地區(qū)進(jìn)行AOD監(jiān)測(cè).AOD反演采用時(shí)間序列迭代算法,根據(jù)地表反射率隨時(shí)間慢變而大氣氣溶膠隨時(shí)間快變的理論,采取最小值擬合的方式,獲取氣溶膠光學(xué)厚度數(shù)據(jù).反演結(jié)果與地基AERONET監(jiān)測(cè)結(jié)果具有很好的一致性,兩者的相關(guān)系數(shù)2大于0.89.AOD監(jiān)測(cè)結(jié)果表明,GOCI傳感器1次/h的監(jiān)測(cè)頻率,可以很好地展現(xiàn)北京地區(qū)大氣污染過(guò)程的開(kāi)始,發(fā)展及消散過(guò)程,可以展示出一天之內(nèi)AOD的變化,為大氣污染監(jiān)測(cè)以及氣候變化研究提供依據(jù).

氣溶膠光學(xué)厚度；靜止衛(wèi)星；高時(shí)間分辨率；大氣污染

大氣氣溶膠光學(xué)厚度可以反映出大氣污染程度.目前,常用的用于氣溶膠光學(xué)厚度監(jiān)測(cè)極軌衛(wèi)星傳感器(TERRA/AQUA MODIS、PARASOL POLDER、NPP VIIRS、FY3MERSI等),一天一次或者數(shù)天一次的監(jiān)測(cè)頻率,不能很好地滿足環(huán)境應(yīng)急監(jiān)測(cè)的需求,高時(shí)間分辨率的大氣監(jiān)測(cè)只能依靠于靜止衛(wèi)星.早期的靜止衛(wèi)星主要是應(yīng)用于氣象部門(mén),空間分辨率較低,隨著衛(wèi)星技術(shù)的發(fā)展,新一代靜止衛(wèi)星兼具了高的時(shí)間分辨率和較高的空間分辨率,為大氣監(jiān)測(cè)提供了新的數(shù)據(jù)源.

2010年6月26日,韓國(guó)首顆地球靜止軌道衛(wèi)星——通信-海洋-氣象衛(wèi)星-1(COMs-1)發(fā)射成功, 2010年7月13日發(fā)回首批遙感圖片.衛(wèi)星上搭載的GOCI傳感器是世界首個(gè)搭載于靜止衛(wèi)星上的海洋水色成像儀[1].GOCI以8個(gè)波段(2個(gè)近紅外波段和6個(gè)可見(jiàn)光波段)成像,空間分辨率為500m,當(dāng)?shù)貢r(shí)間9:00–16:00(GMT +9)每小時(shí)成像一次[2],觀測(cè)區(qū)域?yàn)橐皂n國(guó)為中心,(2500′2500)km2的范圍,中心經(jīng)緯度為(130°E,36°N).GOCI雖設(shè)計(jì)為海洋傳感器,在進(jìn)行海洋觀測(cè)的同時(shí)也給其觀測(cè)范圍內(nèi)的廣大陸地區(qū)域(中國(guó)的華北地區(qū),朝鮮,韓國(guó),日本等)提供豐富的觀測(cè)數(shù)據(jù),加上一天8次的觀測(cè)頻率,使其在陸地區(qū)域的觀測(cè)也有很大潛力.

氣溶膠光學(xué)厚度反演的關(guān)鍵在于大氣氣溶膠模式的建立和地氣混合信號(hào)中地表貢獻(xiàn)的去除.氣溶膠光學(xué)厚度衛(wèi)星遙感反演算法主要是根據(jù)傳感器特性選擇不同的地氣分離方法,進(jìn)而形成了不同的大氣氣溶膠反演算法.比較成熟的暗目標(biāo)法,利用暗地表短波紅外通道、紅光通道、藍(lán)光通道之間的地表反射率關(guān)系進(jìn)行地氣分離,已經(jīng)成功應(yīng)用于MODIS等傳感器[3-4];另外深藍(lán)算法基于地表反射率庫(kù)進(jìn)行地表信號(hào)的去除,基于SeaWIFS數(shù)據(jù)用于沙漠等干旱地區(qū)[5-6];結(jié)構(gòu)函數(shù)算法可以用于亮地表,在SPOT、AVHRR[7]、TM等數(shù)據(jù)上有較好的應(yīng)用[8-9];另外有針對(duì)多角度偏振數(shù)據(jù)的偏振算法等[10-11],均有較多的應(yīng)用.

對(duì)于靜止衛(wèi)星GOCI傳感器,具有針對(duì)同一地點(diǎn)觀測(cè)角度不變,太陽(yáng)角度隨時(shí)間緩慢變化的特性.本文基于時(shí)間序列算法,利用GOCI數(shù)據(jù)針對(duì)2017年11月2日到8日,北京及周邊地區(qū)的一次完整的空氣污染過(guò)程進(jìn)行全程AOD監(jiān)測(cè),并進(jìn)行了AOD驗(yàn)證.

1 原理與方法

1.1 基本原理

傳感器獲得的大氣層頂觀測(cè)輻射是程輻射、地表反射率和環(huán)境因子共同作用的結(jié)果.考慮大氣作用,水汽、O2、CO2、O3等氣體的吸收,氣體分子和氣溶膠的散射及非均一地表等因素的影響,假設(shè)地表朗伯體、大氣水平均一,在可見(jiàn)光、近紅外波段衛(wèi)星獲取的信號(hào)可寫(xiě)為公式如下:

式中:ν=cosν,s=coss,ν、s分別為觀測(cè)天頂角與太陽(yáng)天頂角;(ν)為傳感器接收到的輻射亮度,0(ν)為觀測(cè)方向的路徑輻射項(xiàng);為地表反射率;為大氣下界的半球反射率;π×0為大氣層頂與太陽(yáng)光垂直方向的通量密度.

衛(wèi)星遙感陸地上空氣溶膠光學(xué)厚度起始于大氣上界表現(xiàn)反射率的觀測(cè)值,不考慮氣體吸收,利用入射太陽(yáng)輻射項(xiàng)0s歸一化上式,那么衛(wèi)星觀測(cè)的表觀反射率為:

式中:TOA是表觀反射率;ν,s分別為觀測(cè)天頂角與太陽(yáng)天頂角;0是大氣的路徑輻射項(xiàng)等效反射率;(s)和(v)分別為太陽(yáng)方向和衛(wèi)星方向的大氣透過(guò)率;為大氣的球面反照率;為地表反射率.

氣溶膠反演的核心是地氣分離,即從衛(wèi)星接收到的信號(hào)中提取出大氣信息.在陸地氣溶膠反演中,首先要解決地表反射率和氣溶膠模型這兩個(gè)未知參數(shù)的確定方法問(wèn)題.為了根據(jù)表觀反射率數(shù)據(jù)反演出氣溶膠光學(xué)厚度值,一般需要合理的假定一個(gè)氣溶膠模型,根據(jù)假定的氣溶膠模型來(lái)確定單次散射反照率和氣溶膠相函數(shù).在確定氣溶膠模型和表反射率的基礎(chǔ)上,可以計(jì)算氣溶膠光學(xué)厚度值.

1.2 AOD反演方法

氣溶膠光學(xué)厚度反演算法基于以下兩個(gè)假設(shè)[12]:(1)氣溶膠光學(xué)特性隨時(shí)間變化快速隨地點(diǎn)變化緩慢,可假定一個(gè)小的區(qū)域范圍內(nèi),認(rèn)為此范圍內(nèi)氣溶膠光學(xué)特性不變;(2)地表反射率特性隨時(shí)間變化緩慢,隨地點(diǎn)變化迅速,可假定一個(gè)小的時(shí)間間隔(例如1天),認(rèn)為在此時(shí)間間隔內(nèi)地表反射率特性幾乎不變.在以上兩個(gè)假設(shè)的基礎(chǔ)上,短時(shí)間內(nèi)兩景衛(wèi)星影像表觀反射率的差異可以認(rèn)為主要是由于大氣光學(xué)特性差異引起的.GOCI為靜止衛(wèi)星傳感器,同一地理位置的觀測(cè)角度保持不變,只有太陽(yáng)角度隨著觀測(cè)時(shí)間而緩慢變化.對(duì)于相鄰兩時(shí)相的GOCI影像,則大氣氣溶膠特性差異是造成表觀反射率差異的主要因素.基于既定的氣溶膠模型以及氣溶膠光學(xué)厚度范圍(例如550nm處氣溶膠光學(xué)厚度:0~2)建立查找表,即可通過(guò)TOA反射率數(shù)據(jù)來(lái)確定地表反射率和AOD的關(guān)系.

基于以上理論,在氣溶膠光學(xué)厚度反演算法中,氣溶膠光學(xué)厚度可以通過(guò)相鄰時(shí)相兩幅衛(wèi)星影像地表反射率差異最小擬合獲取.擬合時(shí)根據(jù)以下代價(jià)函數(shù)公式(3),用于描述相鄰時(shí)相兩幅影像地表反射率的差異程度[12],通過(guò)代價(jià)函數(shù)的最小化來(lái)取得相鄰兩幅影像地表反射率差異最小,認(rèn)為此時(shí)對(duì)應(yīng)的氣溶膠光學(xué)厚度和地表反射率為真實(shí)值.

式中:為波長(zhǎng);(,)是圖像中選定的子區(qū)域的像元坐標(biāo),在此子區(qū)域內(nèi),認(rèn)為AOD沒(méi)有發(fā)生變化,本研究中選定2乘以2個(gè)像元區(qū)域作為子區(qū)域;TOA是衛(wèi)星觀測(cè)表觀反射率;LUT是基于查找表查找出的表觀反射率為T(mén)OA時(shí)、氣溶膠光學(xué)厚度為AOD時(shí)對(duì)應(yīng)的地表反射率數(shù)據(jù);、表示時(shí)間序列圖像的第d和第d;surf為初始地表反射率,初始地表反射率是第一次進(jìn)行迭代反演時(shí)的一個(gè)約束條件,研究中選取了臨近時(shí)間的MODIS地表反射率8d合成的產(chǎn)品,作為第一次迭代計(jì)算時(shí)的約束條件,后面迭代計(jì)算時(shí),采用前一天反演AOD后得到的地表反射率數(shù)據(jù)作為初始地表反射率.具體算法流程如圖1所示.

本研究在進(jìn)行AOD反演時(shí),為了降低地表BRDF(Bidirectional Reflectance Distribution Function)的影響,每次反演時(shí)采取的兩景時(shí)間序列圖像均為相鄰天、同一時(shí)刻的成像數(shù)據(jù).針對(duì)這樣的兩景數(shù)據(jù),衛(wèi)星觀測(cè)角度不變,只有太陽(yáng)角度隨日期緩慢變化.

圖1 氣溶膠光學(xué)厚度反演算法流程

2 結(jié)果與討論

2.1 數(shù)據(jù)的選取

選取GOCI衛(wèi)星2017年11月2日到2017年11月8日之間,每天成像時(shí)間分別為1:16、2:16、3:16和4:16、5:16、6:16、7:16(GMT)的圖像,所選數(shù)據(jù)為GOCI網(wǎng)站發(fā)布的L1B數(shù)據(jù)[1].研究區(qū)域選擇中國(guó)北京市及周邊的區(qū)域,如圖2所示.

本文在云識(shí)別方面,選取與GOCI Level 1B 數(shù)據(jù)相對(duì)應(yīng)的L2P 產(chǎn)品(由韓國(guó)海洋衛(wèi)星中心KOSC提供的 GDPS軟件生產(chǎn)),L2P產(chǎn)品里面包含云識(shí)別數(shù)據(jù)[13-14],AOD反演時(shí)用此數(shù)據(jù)去除云像元[15-16].

圖2 2017年11月4日03:16研究區(qū)域真彩圖

2.2 反演結(jié)果

2017年11月4日到7日北京地區(qū)有一次污染過(guò)程.污染過(guò)程由2017年11月4日開(kāi)始,空氣質(zhì)量為良;5日大氣污染物開(kāi)始聚集,空氣質(zhì)量為輕度污染;6日空氣質(zhì)量繼續(xù)變差,空氣質(zhì)量為中度污染,污染影響范圍最大;7日大氣污染消散,空氣質(zhì)量轉(zhuǎn)好,空氣質(zhì)量狀況為輕度污染,8日空氣質(zhì)量轉(zhuǎn)為優(yōu).GOCI AOD反演結(jié)果如圖3所示.

2017年11月4日12:16(北京時(shí)間)反演結(jié)果(圖3a)顯示,研究區(qū)域內(nèi)北部絕大部分地區(qū)AOD均為0.1左右,只有南部部分區(qū)域AOD較大,為0.3左右,局部達(dá)到了0.5,但是整體空氣質(zhì)量良好;2017年11月5日9:16(圖3b), AOD增長(zhǎng)明顯,北京城區(qū)AOD高達(dá)1.0,空氣輕度污染,并且AOD高值區(qū)域呈東北-西南走向條帶狀分布,AOD高值區(qū)域分布于北京-廊坊-保定一帶,研究區(qū)域內(nèi)只有北京西部山區(qū)以及張家口地區(qū)AOD仍舊較低,空氣質(zhì)量良好;2017年11月5日白天,AOD持續(xù)增長(zhǎng),為大氣污染物的積累階段,到13:16(圖3d),北京-廊坊-保定一帶的AOD達(dá)到了1.2左右,大氣狀況持續(xù)變差;2017年11月6日上午AOD(圖3e、圖3f)達(dá)到了此次污染過(guò)程的最高值,北京-廊坊-保定污染核心區(qū)域的AOD部分超過(guò)了1.3,污染范圍擴(kuò)大,唐山市、天津市AOD增長(zhǎng)明顯,空氣質(zhì)量下降,張家口地區(qū)空氣質(zhì)量也有所下降,到11月6日下午,整體研究區(qū)域AOD略有下降(圖3g)但是北京-廊坊-保定核心區(qū)域空氣質(zhì)量仍舊處于中度污染;2017年11月7日(圖3i)空氣質(zhì)量好轉(zhuǎn),北京-廊坊-保定重污染條帶特征消失,北京市區(qū)AOD在0.4左右,研究區(qū)域西北部AOD達(dá)到此次污染過(guò)程之前的水平,為0.1左右,研究區(qū)域內(nèi)僅有南部區(qū)域AOD略高,為0.5左右,為此次污染過(guò)程的消失階段,整體空氣質(zhì)量回歸良好水平.

時(shí)間表示為世界時(shí)間

2.3 結(jié)果驗(yàn)證

在對(duì)GOCI氣溶膠光學(xué)厚度結(jié)果進(jìn)行驗(yàn)證時(shí),首選AErosol RObotic NETwork (AERONET)觀測(cè)網(wǎng)地基太陽(yáng)光度計(jì)實(shí)測(cè)數(shù)據(jù),在研究區(qū)域內(nèi),選擇擁有正常觀測(cè)的長(zhǎng)期AERONET站點(diǎn)香河(116.962°E, 39.754°N)、RADI(中國(guó)科學(xué)院遙感與數(shù)字地球研究所:116.379°E,40.005°N)、CAMS(中國(guó)氣象科學(xué)研究院116.317°E,39.933°N),采用了Level 1.5數(shù)據(jù)進(jìn)行驗(yàn)證.

AERONET實(shí)測(cè)數(shù)據(jù)中沒(méi)有550nm波段,可根據(jù)實(shí)測(cè)氣溶膠光學(xué)厚度結(jié)果和?ngstr?m參數(shù)公式,利用太陽(yáng)光度計(jì)實(shí)測(cè)的440nm和870nm處的氣溶膠光學(xué)厚度,計(jì)算出550nm處的氣溶膠光學(xué)厚度值,并與GOCI反演的結(jié)果進(jìn)行對(duì)比[17-18].

式中:τ()是550nm處的氣溶膠光學(xué)厚度,是氣溶膠濁度系數(shù);是?ngstr?m指數(shù);為波長(zhǎng),單位為mm.

驗(yàn)證結(jié)果如圖4所示.由圖4可以看出,GOCI AOD反演結(jié)果與AERONET實(shí)測(cè)結(jié)果在各驗(yàn)證站點(diǎn)均有很好的一致性,在4個(gè)站點(diǎn)的相關(guān)系數(shù)2為0.89~0.90,斜率0.88~1.00.

北京及周邊地區(qū)的反演結(jié)果與地基結(jié)果的相關(guān)性(2大于0.89)略高于GOCI官方AOD在整個(gè)東亞地區(qū)的結(jié)果(2大于0.8)[19-20].同時(shí),GOCI具有一小時(shí)一次的監(jiān)測(cè)頻率,可以實(shí)時(shí)連續(xù)的提供大氣污染區(qū)域的監(jiān)測(cè)結(jié)果,比起極軌衛(wèi)星,能更好的反應(yīng)出大氣變化的特性,是大氣監(jiān)測(cè)的一個(gè)重要技術(shù)手段.

3 結(jié)論

3.1 2017年11月4日到7日北京地區(qū)有一次污染過(guò)程.污染過(guò)程由2017年11月4日開(kāi)始,空氣質(zhì)量為良;5日大氣污染物開(kāi)始聚集,空氣質(zhì)量為輕度污染;6日空氣質(zhì)量繼續(xù)變差,為中度污染,影響范圍最大,尤其是北京中部南部地區(qū),AOD達(dá)到1.5左右;7日大氣污染消散,空氣質(zhì)量轉(zhuǎn)好.

3.2 北京及周邊地區(qū)的反演結(jié)果與地基結(jié)果具有較好的相關(guān)性(2大于0.89). GOCI具有一小時(shí)一次的監(jiān)測(cè)頻率,可以實(shí)時(shí)連續(xù)的提供大氣污染區(qū)域的監(jiān)測(cè)結(jié)果,比起極軌衛(wèi)星,能更好的反映出大氣變化的特性,是大氣監(jiān)測(cè)的一個(gè)重要技術(shù)手段.由GOCI 反演的AOD結(jié)果可以明顯看出,2017年11月3日到7日北京地區(qū)一次污染過(guò)程中的空氣質(zhì)量輕度污染、中度污染、良好情況下對(duì)應(yīng)的不同的AOD的分布趨勢(shì)及變化規(guī)律.因此,高時(shí)間分辨率的GOCI影像具有詳細(xì)監(jiān)測(cè)空氣污染過(guò)程的優(yōu)勢(shì).

[1] Ryu J H, Han H J, Cho S, et al. Overview of geostationary ocean color imager (GOCI) and GOCI data processing system (GDPS) [J]. Ocean Science Journal, 2012,47(3):223-233.

[2] Faure F, Coste P, Kang G. The GOCI instrument on COMs mission – the first geostationary ocean color imager [C]//Proceedings of the International Conference on Space Optics (ICSO), 2008,6:1-6.

[3] 王中挺,厲 青,陶金花,等.環(huán)境一號(hào)衛(wèi)星CCD相機(jī)應(yīng)用于陸地氣溶膠的監(jiān)測(cè)[J]. 中國(guó)環(huán)境科學(xué), 2009,29(9):902-907.

[4] Kaufman Y J, Tanré D, Remer L, et al. Operational remote sensing of tropospheric aerosol over the land form EOS-moderate resolution imaging spectroradiometer [J]. Journal of Geophysical Research, 1997,102(14):17051-17067.

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

[6] Hsu C N, Tsay S C, King M D, et al. Deep blue retrievals of Asian aerosol properties during ACE-Asia [J]. IEEE Transactions Geoscience and Remote Sensing, 2006,44(11):3180–3195.

[7] Holben B, Vermote E, Kaufman Y J, et al. Aerosol retrieval over land from AVHRR data-application for atmospheric correction [J]. IEEE Transactions on Geoscience and Remote Sensing, 1992,30(2):212- 222.

[8] Tanré D, Deschamps P Y, Devaux C, et al. Estimation of Saharan aerosol optical thickness from blurring effects in Thematic Mapper data [J]. Journal of the Atmospheric Sciences, 1988,93(D12):15, 955–15,964.

[9] 孫 林,柳欽火,劉 強(qiáng),等.高反射率地區(qū)氣溶膠光學(xué)厚度遙感反演:現(xiàn)狀及展望[J]. 地理科學(xué)進(jìn)展, 2006,25(3):70-78.

[10] Deuzé J L, Goloub P, Herman M, et al. Estimate of the aerosol properties over the ocean with POLDER [J]. Journal of Geophysical Research, 2000,105:15329-15346.

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

[12] Hagolle O, Dedieu G, Mougenot B, et al.Correction of aerosol effects on multi-temporal images acquired with constant viewing angles: Application to Formosat-2images [J]. Remote Sensing of Environment, 2008,112(4):1689-1701.

[13] Han H J, Ryu J H, Ahn Y H. Development the Geostationary Ocean Color Imager (GOCI) Data Processing System (GDPS) [J]. Korean J Remote Sens, 2010,26(2):239-249.

[14] Ryu J H, Han H J, Cho S, et al.Overview of geostationary ocean color imager (GOCI) and GOCI data processing system (GDPS) [J]. Ocean Science Journal, 2012,47(3):223-233.

[15] Choi Y S, Ho C H. Validation of the cloud property retrievals from the MTSAT-1R imagery using MODIS observations [J]. International Journal of RemoteSensing, 2009,30:5935?5958.

[16] Choi Y S, Ho C H, Ahn M H, et al. An exploratory study of cloud remote sensing capabilities of the Communication, Ocean and MeteorologicalSatellite (COMS) imagery [J]. International Journal of Remote Sensing, 2007,28:4715?4732.

[17] ?ngstr?m A. On the atmospheric transmission of sum radiation on dust in air [J]. Geogr Annual, 1929,2:156-165.

[18] Dubovik O, King M D. A flexible inversion algorithm for retrieval of aerosol optical properties from sun and sky radiance measurements [J]. Journal of Geophysical Research, 2000,105:20673–20696.

[19] Park M E, Song C H, Park R S, et al. New approach to monitor transboundary particulate pollution over Northeast Asia [J]. Atmospheric Chemistry and Physics, 2013,14(2):659-674.

[20] Xiao Q, Zhang H, Choi M, et al. Evaluation of VIIRS, GOCI, and MODIS Collection 6AOD retrievals against ground sunphotometer observations over East Asia [J]. Atmospheric Chemistry and Physics, 2016,16(3):1255-1269.

致謝：感謝韓國(guó)宇航研究院提供的COMs1GOCI衛(wèi)星數(shù)據(jù),使用了AERONET的Beijing_CAMS、Beijing_RADI、XiangHe站點(diǎn)的觀測(cè)數(shù)據(jù),作者在此對(duì)上述機(jī)構(gòu)和維護(hù)AERONET站點(diǎn)的首席科學(xué)家表示衷心的感謝.

An AOD monitoring of air pollution process based on GOCI data.

ZHANG Yu-huan, MAO Hui-qin*, LI Qing, WANG Zhong-ting, ZHANG Li-juan, MA Peng-fei, ZHOU Chun-yan, CHEN Hui, CHEN Cui-hong

( Environmental Satellite Application Center, State Environmental Protection Ministry, Beijing 100029, China)., 2018,38(10)：3647~3653

An serious air pollution episode over Beijing and surrounding area have persisted from November 2 to 8, 2017. In order to monitor and analyze this air pollution, a remote sensing inversion of time series iterative algorithm (TSIA) was used to retrieval the aerosol optical depth (AOD) for the particle pollutants based on COMs1(Communication、Ocean & Meteorological Satellite-1) GOCI (The Korea Geostationary Ocean Color Imager) data. The core idea of TSIA is the surface reflectance variations is minimized by a reasonable assumption of aerosol changing quickly but earth’s surface changing slowly over time. The results show that the AOD over Beijing and around area has a fairly good relationship with2of greater than 0.89 compared with the ground-based measurements from Aerosol Robotic NETwork (AERONET). The high monitoring frequency of GOCI (once per hour in daylight) could capture the air pollution trends better from forming to dissipation, which can be of great assistance in climate change researches and environmental monitoring.

aerosol optical depth；geostationary satellite；high temporal resolution；air pollution

X831

A

1000-6923(2018)10-3647-07

張玉環(huán)(1984-),女,山東濟(jì)寧人,高級(jí)工程師,博士,主要從事大氣環(huán)境遙感監(jiān)測(cè)研究.發(fā)表論文10余篇.

2018-02-06

國(guó)家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目(2016YFC0206202)

* 責(zé)任作者, 高級(jí)工程師, huiqin.mao@hotmail.com