基于Himawari-8衛星AOD產品的河南省能見度反演研究

許樂心，費 燁，李琳琳

(1.河南省氣象探測數據中心，鄭州 450003；2.國家氣象信息中心，北京 100081；3.三峽水利樞紐梯級調度通信中心，湖北宜昌 443000)

隨著經濟的發展，人類活動對環境的影響增大，水平能見度日益成為一個備受人們關注的氣象要素，它與交通運輸、空氣質量、人類健康息息相關。目前，氣象臺站使用水平能見度儀觀測地面能見度。由于氣象站點只是在一定范圍內具有代表性，觀測結果在空間上具有離散特征。而低能見度天氣的水平尺度變化范圍很廣，地面觀測站點的觀測結果不足以涵蓋尺度較大的低能見度天氣過程。隨著衛星遙感技術的發展，越來越多的遙感數據被應用于天氣監測、預報，防災減災之中。衛星觀測數據既可以做到空間上的大面積覆蓋，也可以實現與地面臺站觀測的同步進行。目前在氣溶膠研究、能見度反演、污染物分布及輸送等方面已經得到了很多成果[1-6]。例如，通過對Terra和Aqua的MODIS氣溶膠光學厚度(Aerosol Optical Depth，AOD)與地面能見度對比分析，證明了衛星的氣溶膠數據產品可用于能見度的研究[7-12]，常用的研究方法包括數理統計、氣溶膠標高法、數值模式、神經網絡等。Fu等[13]利用Terra/MODIS的AOD數據產品和AERONET數據建立混合線性效應模型來估測PM2.5濃度，結果顯示，在冬季時， MODIS的AOD數據的空間覆蓋率約為50%，通過增加AERONET的協同作用，能將AOD數據的空間覆蓋率提高至81%。氣溶膠標高法也常被用于建立氣溶膠光學厚度和地面能見度之間相互關系[14-16]。Kessner等[8]通過氣溶膠標高建立了AOD與地面能見度之間的重要聯系。張倩倩等[16]利用氣溶膠標高和乘冪公式分別建立能見度估算模型，提出乘冪公式對能見度4～10 km部分估算效果較好，在大值和小值區反演誤差較大；氣溶膠標高法在能見度大值和小值區反演具有明顯優勢，但在小值區反演會出現負值。馮沁等[17]將Terra和Aqua的MODIS和FY-2A/MERSI的AOD資料運用到同化預報試驗，可明顯降低空報和漏報率。不少學者將神經網絡方法應用于衛星的能見度反演研究中，建立了AOD估算能見度模型，取得很好的效果[18]。

日本氣象廳在2014年7月發射了新一代靜止氣象衛星Himawari-8，全區域的時間分辨率可以達到10 min/次，搭載的新型傳感器AHI(Advanced Himawari Imagery)波段包含了氣溶膠通道，在能見度反演方面潛力極大。因此本文的研究思路是利用Himawari-8的AOD數據產品，運用線性混合效應模型，將衛星的AOD數據產品作為固定因子，將觀測時間、臺站位置等因素作為隨機因子來反演河南省地面能見度，以提高地面能見度的時空分辨率，為霾天氣過程的預報、預警提供數據支撐。

1 數據和算法

1.1 數據來源

1.1.1 臺站數據 數據選用了2018年12月—2019年2月河南省119個國家地面觀測站的逐小時10 min水平能見度資料，氣象數據來自于CIMISS氣象數據統一服務接口提供的中國地面逐小時資料集。臺站分布如圖1所示。

圖1 河南省119個國家級地面觀測站分布

1.1.2 衛星數據產品 衛星數據是由日本Himawari-8衛星觀測，由國家氣象衛星中心定標、反演得到的氣溶膠光學厚度數據集產品。數據時段同為2018年12月—2019年2月。該氣溶膠數據產品的時間分辨率為10 min，空間分辨率約為2 km。數據通過ftp方式從國家氣象衛星中心獲取。

為驗證該套數據的可靠性，利用2018年12月美國Aqua衛星AOD數據產品對Himawari-8數據進行驗證。從NASA官網下載Aqua衛星L2級數據產品，該氣溶膠數據產品時間分辨率為5 min，空間分辨率約為3 km(https://ladsweb.modaps.eosdis.nasa.gov/search/order/1)。

1.2 反演算法

本文使用的算法是線性混合效應模型，這個模型的特點是在進行建模時既包含固定因子又包含隨機因子。現實中有很多數據問題是不能簡單地采用普通線性回歸處理的。固定效應一般是那些可以預測的因素，能夠完整地劃分總體；而隨機效應則更多是因為個體差異導致，并且同一個體在不同的重復測量中也存在組內隨機差異。

假設能見度和1/AOD存在線性關系[8]，不同的臺站，這兩者之間的線性關系會存在差異，即線性方程的斜率項和截距項是不同的。不同的日期、相對濕度、甚至于大氣環流形勢等等都會對能見度有影響。線性混合效應模型能夠綜合考慮這些因素的影響，可以將時間、相對濕度、臺站經緯度信息作為隨機因子，建立如下模型。

(1)

其中，i代表站點，j代表時間，Vi,j代表不同臺站不同時間的地面水平能見度，τi,j代表不同臺站不同時間的AOD，α和β分別為截距和斜率項，μj，υj分別代表時間隨機因子對截距和斜率產生的隨機效應，si代表臺站經緯度信息、相對濕度等因素產生的隨機截距項，εi,j為隨機誤差項。

2 Himawari-8衛星氣溶膠數據產品質量驗證

大量研究成果證明，Terra和Aqua的MODIS的AOD產品精度相對可靠[19-20]。由于Himawari-8為地球同步衛星，其氣溶膠產品的時間分辨率可以達到10 min，空間分辨率約為2 km。與Terra和Aqua極軌衛星相比，Himawari-8在時間分辨率上有很大的優勢，將Himawari-8的氣溶膠數據應用到研究中，可提高大氣能見度反演的時間精度。為驗證Himawari-8氣溶膠數據產品的可靠性，先利用Aqua/MODIS數據產品對Himawari-8的AOD數據進行了質量對比。

圖2給出了兩套衛星數據AOD產品在2018年12月16日14時的分布情況。通過對比可以看出，Himawari-8衛星的AOD數據產品的空間覆蓋率要比Aqua衛星AOD數據產品的高，Aqua衛星由于其極軌衛星的特點，受到AOD反演方法的限制，在河南東北部地區和西部地區靠近圖像邊緣沒有反演得到AOD數據。

圖2 2018-12-16T14 Himawari-8(a)和Aqua(b)衛星AOD產品對比

為了定量討論Himawari-8衛星AOD數據產品的質量，這里需要先對兩套衛星資料進行數據匹配。Aqua是極軌衛星，相對太陽靜止，Aqua的過境時間為地方時13:30。因Himawari-8衛星AOD數據產品的時間分辨率為10 min，Aqua衛星氣溶膠數據產品的時間分辨率為5 min，以Aqua過境時間為時間基點，選擇和Aqua過境時間最近的Himawari-8衛星氣溶膠產品匹配。另Himawari-8衛星氣溶膠產品的空間分辨率為2 km，Aqua衛星氣溶膠產品的的空間分辨率為3 km，因而以Aqua衛星產品數據經緯度為中心，±1.5 km范圍內所有的Himawari-8的AOD數據做空間平均，得到空間分辨率為3 km的Himawari-8 AOD數據。

通過匹配得到2018年12月兩套AOD產品關系(圖3)。兩套衛星數據2018年12月在河南地區共有41 194對匹配數據，相關系數達到了0.87(通過了0.05顯著性檢驗)。圖中散點的顏色代表在對應位置散點出現頻率的大小，顏色越接近紅色，表示該數值出現頻率越高。兩套衛星AOD產品數值分布相近，一致性很好，大部分數值均集中在AOD=1以內。通過和理想的y=x曲線對比，AOD=0.61是兩條直線的交點，在AOD小于0.61時，相比于Aqua，Himawari-8的AOD數值略微偏小；在AOD大于0.61時，Himawari-8的AOD數值略微偏大。兩套數據產品最大差異不超過0.11，因此Himawari-8的AOD數值產品是可靠的。

圖3 Aqua衛星和Himawari-8衛星的AOD數據的散點密度及相關性分析

3 能見度反演模型驗證與應用

使用線性混合效應模型對Himawari-8的AOD和河南省臺站觀測的能見度數據進行建模。通過驗證發現臺站觀測的1 min水平能見度和10 min水平能見度在數值上差別不大，因此使用10 min水平能見度。采用交叉驗證的方法，隨機挑選80%的AOD數據進行建模，將剩余20%的數據計算得到能見度數據，通過和臺站觀測的能見度對比來驗證模型效果。由于AOD數據產品是格點數據，臺站數據是離散型的，因而需先進行空間匹配，將AOD格點場的數據插值到臺站。采用平均插值算法，即以臺站位置作為中心，±5 km范圍Himawari-8的AOD的算術平均值來進行空間匹配，得到與臺站數據一一對應的逐小時的AOD數據用于建模。通過多次參數試驗，當臺站位置和觀測時間作為影響斜率的隨機因子時模型效果最優。

將所獲取的2018年整個冬季能見度和衛星數據進行逐小時匹配、逐小時建模，考慮到能見度的演變在時間上具有連續性，添加建模時次的前兩個小時衛星數據作為模型的時間隨機因子，當模型可用站點數超過30時，進行建模并計算該模型的決策系數。在回歸模型中，決定系數越高，代表可以被解釋的程度越高，回歸模型的效果越好。由于靜止衛星在夜間時段沒有數據，且AOD數據產品在反演時受到云等的影響，可建模時段主要集中在10—15時。從建模的統計結果上看，決策系數的數值范圍為0.24到0.96。通過繪制箱線圖(圖4)可以看出，去除部分異常數據，模型的決策系數大部分集中在0.4以上，逐小時的決策系數中值均在0.7以上，證明模型是可靠的。

圖4 2018年冬季數據模型決策系數箱線

為了驗證模型的反演效果，選取2018年12月16日06UTC數據所建模型，將空間匹配后的AOD數據代入模型，得到各臺站的反演能見度數據集，并與臺站觀測能見度進行對比。如圖5所示，能見度的計算值與臺站觀測值相關系數可以達到0.82，通過了顯著性檢驗。觀測能見度和反演能見度的數值大部分集中在5～20 km之間，能見度的觀測平均值為11.3 km，衛星反演平均值為11.8 km，絕對平均誤差為1.69，均方根誤差為3.72 km。模型計算的能見度與觀測能見度具有很好的一致性。

圖5 觀測能見度與模型計算能見度的散點密度及相關性分析

應用上述模型，將分辨率為2 km的Himawari-8衛星AOD數據代入到模型中，即可計算得到空間分辨率為2 km的河南省格點能見度產品。選取2018年12月16日14時個例來說明反演效果，模型反演的格點能見度與觀測能見度對比如圖6所示。通過模型計算得到的能見度(圖6 a)與臺站觀測能見度(圖6 b)分布基本一致，河南省的西北部地區能見度較大，空氣質量較好；在安陽、濮陽、新鄉、焦作等豫北地區有一片區域能見度較小；重污染地區主要位于豫南。反演的能見度空間分布要比臺站觀測精細很多，能見度的空間分辨率得到了顯著提高。

4 結論

利用Himawari-8衛星的AOD數據產品和河南省地面氣象觀測資料，分析了Himawari-8的AOD數據產品與Aqua衛星AOD數據產品的一致性， 并建立了能見度的線性混合效應模型。

圖6 2018-12-16T14河南省能見度分布(a：模型反演；b：臺站觀測)

模型選取衛星AOD數據產品作為模型的固定因子，將臺站位置和觀測時間作為隨機因子，利用模型反演得到河南省高分辨率的能見度圖。主要結論如下。

(1)Himawari-8衛星的AOD產品與Aqua 的AOD產品一致性較好，相關系數達到0.87，通過了0.05的顯著性檢驗。

(2)通過建立線性混合效應模型，反演得到的能見度與觀測的能見度相關系數達到了0.82，通過了0.05的顯著性檢驗，觀測能見度的平均值為11.3 km，反演能見度的平均值偏差僅為0.5 km。

(3)根據模型反演了2018年12月16日14時的地面能見度。結果表明，模型的模擬結果與觀測數據分布特征基本一致，空間分辨率明顯提高，可達2 km。