基于FY-4A衛(wèi)星的沙塵暴識(shí)別方法研究與比較

中圖分類號(hào)：TN92；P405 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2096-4706（2025）12-0001-06

Research and Comparison of Dust Storm ldentification Methods Based on FY-4A Satellite

ZHANG Xiang （InnerMongolia Autonomous Region Meteorological Data Center，Hohhot Oloo51，China）

Abstract： Satelite remote sensing technology is now widely used to monitor the dust storm process in space and time. Fengyun-4MeteorologicalSatelite（FY-4A）isanewgenerationof geostationaryremotesensingmeteorologicalsatelitesin China，ad itsMulti-channel Advanced GeosynchronousRadiation Imager （AGRIplaysanactiverole industidentificationin Asia.Severaldust recognitionmethods basedonsatelitedataincludingdustrecognition method basedonRGB images，BTD （Brightness TemperatureDierence），NDDI（NormalizedDiference Dust Index）andMachine Learing-baseddustetrieval methods，areapliedtotheL1dataof theFY-4AsateliteAGRItorealizetheidentificationofust.Through individualcase analysis，theexperimentalresultsarefurtherstudiedandcompared.Theresultsshowthatmostofthedustidentfcationmethods appliedtothFY-4Asatelitecandstinguishthesurface，cloudsandust，andthnidentifythedust.Fortheidentifcationethod basedophysicalcaracteristics，duettedifereceintebandsofdifrentsatelites，tetresholduiversalityis poo，and there arecases ofsmall dustidentificationand misjudgmentof dust in someareas.Basedonthe Machine Leaming method，it canefectivelyidentifythdustange，whichhasstrongapplicabilityandbroadaplicationprospects.Fialltheapplicationof satelite-based duststormidentificationmethodsissummarized，and further prospects fordustidentificationare given.

Keywords： FY-4A satellite; dust storm; RGB image; BTD; NDDI; Machine Learming

0 引言

沙塵暴是一種災(zāi)害性的天氣現(xiàn)象，在全球氣候變化中扮演著重要的角色，對(duì)人類的健康和生態(tài)系統(tǒng)產(chǎn)生了非常不利的影響，有可能造成人員傷亡和經(jīng)濟(jì)損失[1-2]。沙塵暴在春夏季的干旱和半干旱部分地區(qū)比較常見，而在中亞沙塵區(qū)內(nèi)，中國(guó)北方是沙塵多發(fā)的區(qū)域之－[3-4]。2021年3月14日至16日期間，我國(guó)北方大部分區(qū)域出現(xiàn)了揚(yáng)沙或浮塵，部分地區(qū)出現(xiàn)了沙塵暴，該沙塵過(guò)程也影響到了長(zhǎng)江部分地區(qū)，是近10年中國(guó)遭遇強(qiáng)度最大、范圍最廣的一次，多地出現(xiàn)了嚴(yán)重的空氣污染，并且內(nèi)蒙古部分地區(qū)因沙塵天氣出現(xiàn)了緊急停課的情況[5]。隨著氣象衛(wèi)星技術(shù)的逐步發(fā)展，衛(wèi)星遙感技術(shù)已經(jīng)愈發(fā)成熟，其可以大范圍連續(xù)地監(jiān)測(cè)沙塵暴的發(fā)生和移動(dòng)過(guò)程[7，現(xiàn)已廣泛應(yīng)用于沙塵暴識(shí)別和監(jiān)測(cè)其中。FY-4A衛(wèi)星作為我國(guó)第二代靜止軌道氣象衛(wèi)星，搭載了先進(jìn)的觀測(cè)儀器，其時(shí)空分辨率較高，對(duì)我國(guó)北方的沙塵監(jiān)測(cè)起到積極的作用[8]。

國(guó)內(nèi)外基于衛(wèi)星遙感數(shù)據(jù)的沙塵識(shí)別方法大致分為基于沙塵物理特性的識(shí)別方法和基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法。20世紀(jì)后期以來(lái)，科學(xué)家們利用可見光、紅外以及熱紅外等數(shù)據(jù)，對(duì)沙塵暴進(jìn)行了識(shí)別和監(jiān)測(cè)[9-10]。Norton等[1]利用地球同步衛(wèi)星資料計(jì)算海洋上的沙塵氣溶膠，能夠較好地識(shí)別出沙塵的大致范圍。Ackerman等[12]利用3.7和 11μm 處的輻射溫差來(lái)監(jiān)測(cè)沙塵暴，并且將衛(wèi)星觀測(cè)結(jié)果與地面能見度進(jìn)行比較，證明了使用衛(wèi)星跟蹤沙塵暴的可行性。隨后Ackerman等[13]引入波長(zhǎng)為8.5、11和 12μm 的紅外通道，基于BT11-BT12和BT8-BT11之間的亮溫差跟蹤沙塵。Qu等[14]提出了一種利用MODIS反射率測(cè)量的歸一化差分沙塵指數(shù)（NDDI），使用2.13和 0.469μm 波段計(jì)算沙塵指數(shù)，其中當(dāng)NDDI小于0時(shí)為云，NDDI大于0.28時(shí)為沙塵。

上述這些方法的有效性受衛(wèi)星的光譜范圍和閥值限制，而基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法更加靈活，并且不需要假定的閾值[15]。Souri等[1]研究了基于物理方法和隨機(jī)森林（RF）分類器的MODIS圖像沙塵暴檢測(cè)能力，實(shí)驗(yàn)表明基于經(jīng)驗(yàn)性的物理方法性能弱于隨機(jī)森林。Shi等[提出一種基于支持向量機(jī)（SVM）的遙感沙塵暴自動(dòng)檢測(cè)方法，該方法使用MODISL1數(shù)據(jù)，將不同波段的進(jìn)行結(jié)合，實(shí)驗(yàn)表明組合的波段比其他單個(gè)波段能更準(zhǔn)確地識(shí)別沙塵暴。

文章介紹幾種熱門的基于衛(wèi)星識(shí)別沙塵的方法，將這些方法應(yīng)用到FY-4A衛(wèi)星上，以實(shí)現(xiàn)沙塵暴的識(shí)別。進(jìn)一步討論這幾種方法的有效性，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析及展望，這些方法的研究對(duì)后續(xù)FY-4A衛(wèi)星在沙塵識(shí)別和監(jiān)視中起到積極的作用。

1衛(wèi)星數(shù)據(jù)與沙塵識(shí)別方法

1. 1 FY-4A衛(wèi)星

FY-4A衛(wèi)星于2016年12月發(fā)射，是我國(guó)第二代靜止軌道氣象衛(wèi)星，也是我國(guó)首顆地球同步軌道三軸穩(wěn)定定量遙感衛(wèi)星，其在2018年提供數(shù)據(jù)服務(wù)，定點(diǎn)于東經(jīng) 104.7^° 上空。FY-4A衛(wèi)星在國(guó)際上實(shí)現(xiàn)了多項(xiàng)核心關(guān)鍵技術(shù)的突破，其裝載的多通道掃描輻射成像儀（AGRI）、干涉式大氣垂直探測(cè)儀（GIIRS）和閃電成像儀（LMI）等先進(jìn)的儀器，整體的性能達(dá)到了國(guó)際先進(jìn)行列，全面提高了對(duì)地球表面和大氣物理參數(shù)的探測(cè)能力，其中AGRI的成像通道共14個(gè)，覆蓋了可見光、短波紅外、中波紅外和長(zhǎng)波紅外等波段，時(shí)間分辨率為 15min ，如表1所示。

表1FY-4A衛(wèi)星AGRI參數(shù)

1.2 沙塵識(shí)別方法

1.2.1 RGB方法

沙塵RGB圖像使用不同亮溫通道的差異區(qū)分沙塵、云和地表，并且紅外波段能夠在白天和晚上都能觀察到沙塵。在沙塵RGB圖像上，沙塵在白天呈現(xiàn)粉紅色/洋紅色，在夜晚的顏色取決于沙塵的高度，只要有足夠的厚度和密度，沙塵在RGB圖像中也可以與沙漠等陸地表面和海洋區(qū)分開來(lái)。沙塵RGB圖像的合成常使用紅外波段，例如日本Himawari-8衛(wèi)星使用了8.6、10.4和 12.4μm 這三個(gè)通道進(jìn)行合成沙塵RGB圖像，計(jì)算方法和閾值選定表2所示。FY-4A衛(wèi)星比Himawari-8衛(wèi)星少了兩個(gè)通道，但紅外的波長(zhǎng)相近，也可使用該方法合成沙塵RGB圖像。

表2基于Himawar _i-8 衛(wèi)星的沙塵RGB組成參數(shù)表

1.2.2 BTD方法

亮溫差BTD方法使用兩個(gè)紅外通道之間的差異用來(lái)區(qū)分地表、云和沙塵，是識(shí)別沙塵應(yīng)用最廣泛的技術(shù)。BTD方法識(shí)別沙塵是利用了熱紅外線區(qū)域獨(dú)特的沙塵光譜特征，沙塵在波長(zhǎng)為11和 12μm 時(shí)，其亮度溫度的差值小于云的亮度溫度差值。計(jì)算式為：

BT=BT₁₁-BT₁₂

BTD方法使用閾值來(lái)區(qū)分沙塵和云的情況，如果計(jì)算出的BTD值小于設(shè)定閾值，該像素被歸類為沙塵。

1.2.3 NDDI方法

歸一化差值沙塵指數(shù)NDDI方法使用可見光0.469μm 和近紅外 2.13μm 進(jìn)行計(jì)算，計(jì)算式為：

式中， ρ_2.13 和 ρ_0.469 表示大氣頂部 2.13 和 0.469μm 波段的反射率。

在可見光至近紅外光譜（即 0.4～2.5μm ）上，反射光譜中沙塵的光譜特征一般呈現(xiàn)增加的趨勢(shì)，峰值在 2.13μm 左右，而云則呈現(xiàn)相反的趨勢(shì)，峰值最高點(diǎn)在 0.469μm ，最低點(diǎn)在 2.13μm 。因此，NDDI計(jì)算出的正值為沙塵，負(fù)值為云，接近零的值為晴空表面。當(dāng)使用MODIS資料識(shí)別沙塵時(shí)，NDDI小于0時(shí)為云，NDDI大于0.28為沙塵。

1.2.4機(jī)器學(xué)習(xí)方法

基于機(jī)器學(xué)習(xí)的沙塵識(shí)別是一種基于數(shù)據(jù)驅(qū)動(dòng)的方法，可以從給定的訓(xùn)練數(shù)據(jù)集通過(guò)自學(xué)習(xí)的方式來(lái)識(shí)別到沙塵的存在。基于機(jī)器學(xué)習(xí)的沙塵識(shí)別方法主要包括輸入數(shù)據(jù)、標(biāo)記數(shù)據(jù)和機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)。輸入數(shù)據(jù)主要來(lái)自衛(wèi)星觀測(cè)數(shù)據(jù)，包括反射率，亮度溫度，太陽(yáng)高度角或者一些地形輔助等數(shù)據(jù)，對(duì)一些冗余的特征應(yīng)該被刪除，以避免預(yù)測(cè)準(zhǔn)確性的降低；標(biāo)記數(shù)據(jù)常用的方法為根據(jù)沙塵站點(diǎn)來(lái)劃分沙塵和非沙塵，或使用沙塵指數(shù)來(lái)標(biāo)記沙塵和非沙塵像素點(diǎn)，通過(guò)這些方法制作標(biāo)記數(shù)據(jù)集；使用多種機(jī)器學(xué)習(xí)方法（XGBoost、SVM、RF等）對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練并驗(yàn)證，最終選擇最佳方法。

2 方法實(shí)現(xiàn)與分析

針對(duì)國(guó)際時(shí)間2021年3月15日00、02、04和06時(shí)中國(guó)北方出現(xiàn)的沙塵天氣過(guò)程進(jìn)行研究和分析，并且使用第一章介紹的方法實(shí)現(xiàn)沙塵識(shí)別。

2.1 RGB方法實(shí)現(xiàn)

FY-4A衛(wèi)星的沙塵RGB方法使用表2中方法和參數(shù)，合成圖1所示的RGB圖像。圖像中沙塵區(qū)域呈現(xiàn)紅色或粉色，其避免了可見光在夜晚不能夠使用的缺陷，但在山東、江蘇等地區(qū)沙塵處于沉降階段，地表和沙塵易混淆，無(wú)法準(zhǔn)確地區(qū)分開。由于合成方法是針對(duì)Himawari-8，F(xiàn)Y-4A衛(wèi)星合成沙塵RGB圖片沙塵范圍和清晰度略有下降，要提高FY-4A衛(wèi)星合成沙塵RGB圖片的質(zhì)量，需要不斷調(diào)整合成方法和閾值選取。

圖12021年3月15日使用FY-4A衛(wèi)星數(shù)據(jù)合成沙塵RGB圖像

2.2 BTD方法實(shí)現(xiàn)

FY-4A衛(wèi)星沙塵BTD方法使用中心波長(zhǎng)為10.8和 12.0μm 進(jìn)行計(jì)算，并且當(dāng) BTDlt;-1 時(shí)判定為沙塵，否則為非沙塵。如圖2所示，深色部分為沙塵識(shí)別區(qū)域，其中四個(gè)時(shí)次都能夠反映出西北地區(qū)沙塵情況；山東、江蘇等地區(qū)的沙塵識(shí)別范圍偏小問(wèn)題；（c）和（d）中青海地區(qū)出現(xiàn)了誤識(shí)別的情況。

圖22021年3月15日使用FY-4A衛(wèi)星計(jì)算BTD方法識(shí)別沙塵

2.3 NDDI方法實(shí)現(xiàn)

使用FY-4A衛(wèi)星中心波長(zhǎng)為 2.22μm 和 0.47μm 計(jì)算NDDI值，設(shè)定閾值大于0.28為沙塵，如圖3所示，沙塵區(qū)呈現(xiàn)紅色，由于衛(wèi)星波段和閾值的差異，導(dǎo)致該方法沙塵識(shí)別有較大的誤差。

圖32021年3月15日使用FY-4A衛(wèi)星計(jì)算NDDI方法識(shí)別沙塵

2.4機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)

文章實(shí)現(xiàn)的機(jī)器學(xué)習(xí)識(shí)別沙塵方法中，通過(guò)衛(wèi)星云圖、全國(guó)國(guó)家氣象站點(diǎn)數(shù)據(jù)、環(huán)境觀測(cè)站點(diǎn)數(shù)據(jù)為依據(jù)，標(biāo)記形成沙塵區(qū)域樣本，其中選擇了2021年2個(gè)典型的沙塵過(guò)程，分別為過(guò)程1 （2021/03/14-16）和過(guò)程2（2021/04/15-16），共標(biāo)記了沙塵發(fā)生天中的45幅衛(wèi)星圖像；將全國(guó)國(guó)家氣象站點(diǎn)數(shù)據(jù)最近格點(diǎn)的FY-4A衛(wèi)星14個(gè)通道值作為輸入數(shù)據(jù)，形成像素級(jí)沙塵樣本，并按照有沙塵（dust）和無(wú)沙塵（1）進(jìn)行了分類，形成了樣本195010條，訓(xùn)練樣本含100397條（9006dust；913911），測(cè)試樣本含9817條（1507dust；83101）；使用XGBoost方法對(duì)樣本進(jìn)行訓(xùn)練。如圖4所示，訓(xùn)練出模型后，對(duì)沙塵進(jìn)行反演，沙塵區(qū)呈現(xiàn)紅色，在山東、江蘇等地區(qū)的沙塵識(shí)別范圍較BTD方法大，并且連續(xù)性較好，在青海等部分地區(qū)也存在誤判情況。

圖42021年3月15日使用機(jī)器學(xué)習(xí)方法沙塵分類結(jié)果

3沙塵識(shí)別方法比較分析

現(xiàn)有的基于物理特性的方法通常需要設(shè)定閾值，具有極大的復(fù)雜性和不確定性，尤其是不同衛(wèi)星的傳感器差異導(dǎo)致方法通用性較差，如基于FY-4A衛(wèi)星的NDDI方法沙塵識(shí)別，并且NDDI方法對(duì)沙塵濃度和沙塵高度不敏感，即使在高密度沙塵暴中也顯示出較低的值，難區(qū)分灰塵和明亮的表面，不適用于云層、裸露地面和其他地面目標(biāo)的混合物。為了解決此問(wèn)題，NDDI方法多與BTD方法結(jié)合進(jìn)行識(shí)別沙塵，但是BTD方法也受沙塵礦物成分、沙塵高度和地表反射率的影響，需要在不同的區(qū)域地形等情況下，調(diào)整閾值來(lái)識(shí)別沙塵。基于機(jī)器學(xué)習(xí)的沙塵識(shí)別方法是數(shù)據(jù)驅(qū)動(dòng)的，它從給定的數(shù)據(jù)集中進(jìn)行學(xué)習(xí)，并可以集成來(lái)自不同衛(wèi)星傳感器的數(shù)據(jù)信息，然而這種類型的方法高度依賴訓(xùn)練數(shù)據(jù)集，如果訓(xùn)練數(shù)據(jù)集有偏差，則分類結(jié)果也可能有偏差，基于機(jī)器學(xué)習(xí)方法的FY-4A沙塵識(shí)別在部分地區(qū)存在沙塵誤判情況，可能存在非沙塵樣本標(biāo)記為沙塵樣本的情況。具體如表3所示。

表3FY-4A衛(wèi)星沙塵識(shí)別方法

（續(xù)表）

4結(jié)論

將多種沙塵識(shí)別方法應(yīng)用于FY-4A衛(wèi)星上，實(shí)現(xiàn)了對(duì)沙塵的識(shí)別，并評(píng)估了這些方法識(shí)別沙塵的有效性，主要結(jié)論如下：

1）基于物理特性的識(shí)別方法能夠有效識(shí)別沙塵區(qū)域，但是由于波段和閾值的限制，沒(méi)有體現(xiàn)出FY-4A衛(wèi)星應(yīng)用的性能，后續(xù)針對(duì)FY-4A波段進(jìn)行方法閾值調(diào)整或波段重新選擇，進(jìn)而進(jìn)行改進(jìn)和提高沙塵的識(shí)別。

2）基于機(jī)器學(xué)習(xí)方法的FY-4A沙塵識(shí)別，能夠反映出沙塵情況，具有較強(qiáng)的沙塵識(shí)別能力，應(yīng)用效益較強(qiáng)，可對(duì)沙塵樣本重新調(diào)整、參數(shù)調(diào)優(yōu)等，提高沙塵識(shí)別。

衛(wèi)星遙感的不斷發(fā)展和識(shí)別沙塵方法的創(chuàng)新，提高了沙塵暴預(yù)報(bào)預(yù)警能力，并為政府決策部門提供及時(shí)有效的信息，并且可以提前發(fā)布預(yù)警信息和部署防范措施，從而降低沙塵暴帶來(lái)的危害和損失。機(jī)器學(xué)習(xí)方法憑借能夠在大量氣象要素或地理數(shù)據(jù)中獲取關(guān)系或發(fā)現(xiàn)趨勢(shì)，并且能避免閾值的不確定性，受到越來(lái)越多的關(guān)注。進(jìn)一步開發(fā)更高效的機(jī)器學(xué)習(xí)識(shí)別方法，并且嘗試將基于物理特性的方法和機(jī)器學(xué)習(xí)方法進(jìn)行整合是未來(lái)研究的重要方向之一。

參考文獻(xiàn)：

[1]BADDOCKMC，STRONGCL，MURRAYPS，

etal.Aeolian Dust asa Transport Hazard [J].Atmospheric

Environment，2013，71：7-14.

[2]KWONHJ，CHOSH，CHUNY，etal.Effectsof

the Asian Dust Events on Daily Mortality in Seoul，Korea[J].

Environmental Research Section，20o2，90：1-5.

[3]WUYAO，WENBO，LIAS，etal.SandandDust

Storms in Asia：A Call for Global Cooperation on Climate Change

[J].TheLancetPlanetaryHealth，2021，5（6）：329-330.

[4]潘耀忠，范一大，史培軍，等.近50年來(lái)中國(guó)沙塵暴

空間分異格局及季相分布初步研究[J].自然災(zāi)害學(xué)報(bào)，2003，

12（1）：1-8.

[5]段伯隆，劉新偉，郭潤(rùn)霞，等．“3·15”北方強(qiáng)沙塵暴

天氣成因分析[J].干旱氣象，2021，39（4）：541-553.

[6]LUOJN，HUANGFX，GAOS，etal.Satellite

Monitoring of the Dust Storm overNorthern China on 15 March

2021[J/OL].Atmosphere，2022，13（2）：157（2022-01-19）

https：//doi.org/10.3390/atmos13020157.

[7] ESMAILLI O，TAJRISHY M，ARASTEHPD.Results

of the 50 Year Ground-Based Measurements in Comparison

with Satellite Remote Sensing of Two Prominent Dust Emission

Sources Located in Iran [J].Proceedings of SPIE-The International

Society for Optical Engineering，2006，6362（1）：21-28.

[8]魯文強(qiáng)，毛維娜，黃勇，等.靜止氣象衛(wèi)星測(cè)定軌技

術(shù)發(fā)展綜述[J].國(guó)外電子測(cè)量技術(shù)，2021，40（4）：47-52.

[9] ZHOU Y，LEVYRC，REMERLA，et al.Dust

Aerosol Retrieval over the Oceanswith the MODIS/VIIRS Dark-

Target Algorithm：1. Dust Detection [J/OL].Earth and Space

Science，2020，7（10）：e2020EA001221（2020-10-06）.

https：//doi.0rg/10.1029/2020EA001222.

[10] LIJ，MAN S W，LEE KH，et al.Review of Dust

Storm Detection Algorithms for Multispectral Satellite Sensors [J/

OL].Atmospheric Research，2021，250：105398（2020-12-10）.

https：//doi.org/10.1016/j.atmosres.2020.105398.

[11] NORTONCC，MOSHERFR，HINTONB，et

al.AModel forCalculatingDesert Aerosol Turbidity overthe

Oceans from Geostationary Satellite Data [J].Journal of Applied

Meteorology，1980，19（6）：633-644.

[12]ACKERMANSA.UsingtheRadiativeTemperature

Difference at 3.7 and 11μm to Tract Dust Outbreaks [J].Remote

Sensing of Environment，1989，27（2）：129-133.

[13] ACKERMAN S A. Remote Sensing Aerosols Using

Satellite Infrared Observations [J/OL].Journal of Geophysical

Research：Atm0spheres，1997，102（D14）：（1997-07-01）.

https：//doi.0rg/10.1029/96JD03066.

[14] QUJJ，HAO X，KAFATOSM，et al.AsianDust

Storm Monitoring Combining Terra and Aqua MODIs SRB

Measurements [J].IEEE Geoscience amp; Remote Sensing Letters，

2006，3（4）：484-486.

[15] LEE J， SHI Y R，CAI C，et al. Machine Learning

Based Algorithms for Global Dust Aerosol Detection from Satellite

Images： Inter-Comparisons and Evaluation [J/OL].Remote

Sensing，2021，13（3）：456（2021-01-28）.https：//doi.

org/10.3390/rs13030456.

[16] SOURI AH，VAJEDIAN S.Dust Storm Detection

Using Random Forests and Physical-Based Approaches over the

Middle East [J].Journal of Earth System Science，2015，124（5）：

1127-1141.

[17] SHI L M，ZHANG JH，ZHANG D，et al.

Developing a Dust Storm Detection Method Combining Support

VectorMachineand SatelliteData in Typical Dust RegionsofAsia

[J/OL].Advances in Space Research，2019，65 （4）：（2020-

01-20） .https：//doi.org/10.1016/j.asr.2019.11.027.

作者簡(jiǎn)介：張翔（1990一），男，漢族，安徽蚌埠人，工程師，碩士研究生，研究方向：人工智能在氣象上的應(yīng)用。