基于葵花8号卫星数据的气溶胶反演算法及其在雾霾过程监测中的应用

doi:10.7523/j.issn.2095-6134.2019.05.013

中国科学院大学学报 ›› 2019, Vol. 36 ›› Issue (5): 671-681.DOI: 10.7523/j.issn.2095-6134.2019.05.013

基于葵花8号卫星数据的气溶胶反演算法及其在雾霾过程监测中的应用

牛晓君¹, 唐家奎¹, 张自力², 崔林丽³, 幸炜鹏¹, 宋艺¹

1. 中国科学院大学资源与环境学院, 北京 100049;
2. 浙江省环境监测中心, 杭州 310015;
3. 上海市气象科学研究所, 上海 200030

收稿日期:2018-03-22 修回日期:2018-05-22 发布日期:2019-09-15
通讯作者: 唐家奎
基金资助:
中国科学院战略性先导科技专项资助（XDA20050103）和国家自然科学基金（41571352）资助

The method of aerosol retrieval using Himawari-8 satellite data and its application in monitoring haze process

NIU Xiaojun¹, TANG Jiakui¹, ZHANG Zili², CUI Linli³, XING Weipeng¹, SONG Yi¹

1. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China;
2. Zhejiang Province Environmental Monitoring Center, Hangzhou 310015, China;
3. Shanghai Institute of Meteorological Science, Shanghai 200030, China

Received:2018-03-22 Revised:2018-05-22 Published:2019-09-15

摘要/Abstract

摘要： 雾霾灾害的发生具有时空动态变化特征。葵花8号卫星是日本气象厅发射的新一代静止气象卫星，具有观测范围广、观测频率高、空间分辨率高等特点，非常适合雾霾过程的动态监测。本文提出利用葵花卫星可见光波段数据及地表反射率比值反演气溶胶光学厚度的新算法，并在北京区域选择2017年5月17日和18日两个雾霾日进行反演实验。反演结果分别与国际AERONET 3个站点Beijing、Beijing-CAMS和Beijing-PKU站观测数据，葵花官方气溶胶产品，MODIS官方气溶胶产品对比分析。结果表明，本文提出算法的反演结果，在反演精度、有效反演空间范围、有效反演时间范围、空间分辨率等方面均为最优。最后通过对北京区域两个雾霾日小时级气溶胶AOD反演结果的时空分析，探讨雾霾过程的时空动态变化。从AOD反演结果时间序列图像中，清楚地看到雾霾污染中心的移动方向及加重或减轻的动态变化状况，说明应用葵花卫星数据反演气溶胶对雾霾过程的监测具有较大的应用潜力。

关键词: 葵花8号卫星, 气溶胶, 雾霾, 光学厚度

Abstract: Haze disaster is characterized by spatio-temporally dynamic changes.Himawari-8 is a new generation of geostationary meteorological satellite launched by Japan Meteorological Agency, and it is very suitable for haze process dynamic monitoring due to its observational ability in wide range, high frequency, and high spatial resolution. A new algorithm was proposed to retrieve aerosol optical thickness using the ratio of Himawari-8 visible band surface reflectivity, and the retrieval evaluation experiments were carried out on May 17, 2017 and May 18, 2017, the two haze days, in Beijing area. The retrieval results showed that the proposed method is the best in retrieval accuracy, retrieval effective spatial and temporal ranges, and spatial resolution by comparing the results with the observation data of the three international AERONET sites of Beijing, Beijing-CAMS, and Beijing-PKU, the Himawari-8 official aerosol products, and the MODIS official aerosol products. Finally, based on the analysis of hourly-level AOD retrieval results on the two haze dates, temporal changes of the haze process in Beijing area were discussed. Based on the retrieval images of the time series, we clearly observe the moving direction of the pollution center and the increasingly or decreasingly dynamic changes of the haze, which shows that the proposed Himawari-8 algorithm has potential application for the dynamic monitoring of haze process.

Key words: Himawari-8 satellite, aerosol, haze, AOD

中图分类号:

TP722.6

牛晓君, 唐家奎, 张自力, 崔林丽, 幸炜鹏, 宋艺. 基于葵花8号卫星数据的气溶胶反演算法及其在雾霾过程监测中的应用[J]. 中国科学院大学学报, 2019, 36(5): 671-681.

NIU Xiaojun, TANG Jiakui, ZHANG Zili, CUI Linli, XING Weipeng, SONG Yi. The method of aerosol retrieval using Himawari-8 satellite data and its application in monitoring haze process[J]. , 2019, 36(5): 671-681.

参考文献

[1] 王桥,厉青,高健,等.PM_2.5卫星遥感技术及其应用[M].北京:中国环境出版社,2017.
[2] 戴羊羊,李成范,周时强,等.基于遥感的上海地区雾霾监测研究[J].测绘工程,2015(12):29-32.
[3] 任通,高玲,李成才,等.利用风云2C静止卫星可见光资料反演气溶胶光学厚度[J].北京大学学报(自然科学版),2011,47(4):636-646.
[4] 毛节泰,刘莉.GMS5卫星遥感气溶胶光厚度的试验研究[J].气象学报,2001,59(3):352-359.
[5] 张军华,斯召俊,毛节泰,等.GMS卫星遥感中国地区气溶胶光学厚度[J].大气科学, 2003, 27(1):23-35.
[6] 高玲,任通,李成才,等.利用静止卫星MTSAT反演大气气溶胶光学厚度[J].气象学报,2012,70(3):598-608.
[7] 陈健,周杰,李雅雯.基于静止卫星GOCI数据的陆地上空气溶胶光学厚度遥感反演[J].遥感技术与应用,2017,32(6):1 040-1 047.
[8] Moulin C, Dulac F, Lambert C E, et al. Long-term daily monitoring of Saharan dust load over ocean using Meteosat ISCCP-B2 data:2. Accuracy of the method and validation using Sun photometer measurements[J]. Journal of Geophysical Research Atmospheres, 1997, 102(D14):16 959-16 969.
[9] Wang J, Christopher S A, Reid J S, et al. GOES 8 retrieval of dust aerosol optical thickness over the Atlantic Ocean during PRIDE[J]. Journal of Geophysical Research Atmospheres, 2003, 108(D19):1-53.
[10] Prados A I, Kondragunta S, Ciren P, et al. GOES aerosol/smoke product (GASP) over North America:comparisons to AERONET and MODIS observations[J]. Journal of Geophysical Research Atmospheres, 2007, 112(D15):1-15.
[11] Zou X, Zhuge X, Weng F. Characterization of bias of advanced Himawari imager infrared observations from NWP background simulations using CRTM and RTTOV[J]. Journal of Atmospheric & Oceanic Technology, 2016, 33(12):2 553-2 567.
[12] Kurihara Y, Murakami H, Kachi M. Sea surface temperature from the new Japanese geostationary meteorological Himawari-8 satellite[J]. Geophysical Research Letters, 2016, 43(3):1 234-1 240.
[13] Shang H Z, Chen L F, Letu H S, et al. Development of a daytime cloud and haze detection algorithm for Himawari-8 satellite measurements over central and eastern China[J]. Journal of Geophysical Research Atmospheres, 2017, 122(6):3 528-3 543.
[14] Daisaku U. Aerosol Optical Depth product derived from Himawari-8 data for Asian dust monitoring[R]. Meteorological Satellite Center Technical Note, 2016, 61:59-63.
[15] Sekiyama T T, Yumimoto K, Tanaka T Y, et al. Data assimilation of Himawari-8 aerosol observations:Asian dust forecast in June 2015[J]. SOLA-Scientific Online Letters on the Atmosphere, 2016, 12:86-90.
[16] 葛邦宇,杨磊库,陈兴峰,等.暗目标法的Himawari-8静止卫星数据气溶胶反演[J].遥感学报,2018,22(1):38-50.
[17] Wang W, Mao F Y, Du L, et al. Deriving hourly PM_2.5 concentrations from Himawari-8 AODs over Beijing-Tianjin-Hebei in China[J]. Remote Sensing, 2017, 9(8):858.
[18] 郭强,唐家奎,何文通,等.利用MODIS可见光波段反演陆地气溶胶光学厚度[J].地理与地理信息科学,2015,31(2):38-43.
[19] Vermote E F, Tanre D, Deuze J L, et al. Second simulation of the satellite signal in the solar spectrum, 6S:an overview[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(3):675-686.
[20] Flowerdew R J, Haigh J D. An approximation to improve accuracy in the derivation of surface reflectances from multi-look satellite radiometers[J]. Geophysical Research Letters, 2013, 22(13):1 693-1 696.
[21] 吕春光,田庆久,王磊,等.利用Landsat-8 OLI反演大气气溶胶的可见光谱段地表反射率估算[J]. 遥感信息,2015(1):43-50.
[22] 麻盛芳.MODIS地表反射率产品支持的HJ-1CCD数据高精度大气纠正[D].青岛:山东科技大学,2013.
[23] Sayer A M, Thomas G E, Grainger R G, et al. Use of MODIS-derived surface reflectance data in the ORAC-AATSR aerosol retrieval algorithm:impact of differences between sensor spectral response functions[J]. Remote Sensing of Environment, 2012, 116(2):177-188.
[24] 郭强.京津冀地区气溶胶光学厚度及空气质量指数遥感反演研究[D].北京:中国科学院大学,2014.
[25] Herold M, Gardner M E, Roberts D. Spectral resolution requirements for mapping urban areas[J]. IEEE Transactions on Geoscience & Remote Sensing, 2003, 41(9):1 907-1 919.
[26] 李成才,毛节泰,刘启汉,等.利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染[J].大气科学,2003,27(5):869-880.
[27] 王静,杨复沫,王鼎益,等.北京市MODIS气溶胶光学厚度和PM_2.5质量浓度的特征及其相关性[J]. 中国科学院研究生院学报,2010,27(1):10-16.

基于葵花8号卫星数据的气溶胶反演算法及其在雾霾过程监测中的应用

The method of aerosol retrieval using Himawari-8 satellite data and its application in monitoring haze process

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	魏文斐, 刘立超, 陈彬, 檀赛春, 石广玉, 谢敏. 生物气溶胶及其气候效应[J]. 中国科学院大学学报, 2018, 35(3): 320-326.
[2]	张凤霞, 李正强, 李凯涛, 张莹. 京津唐地区气溶胶直接辐射强迫的遥感观测[J]. 中国科学院大学学报, 2016, 33(2): 155-161.
[3]	张志薇, 王宏斌, 张镭, 田鹏飞, 王瑾, 王腾蛟. 中国地区3个AERONET站点气溶胶直接辐射强迫分析[J]. 中国科学院大学学报, 2014, 31(3): 297-305.
[4]	高艳春, 吴涧. 气溶胶影响中国东部微量降水的初步分析[J]. 中国科学院大学学报, 2014, 31(3): 314-321.
[5]	王轩, 陈建华, 耿春梅, 任丽红, 陈建民, 叶兴南, 杨文. 北京冬季气溶胶吸湿性的观测与分析[J]. 中国科学院大学学报, 2014, 31(3): 322-328.
[6]	张小玲, 唐宜西, 熊亚军, 张仁健, 孟伟, 曹晓彦. 华北平原一次严重区域雾霾天气分析与数值预报试验[J]. 中国科学院大学学报, 2014, 31(3): 337-344.
[7]	张芷言, 王宝民, 邓雪娇, 谭浩波, 李菲, 邓涛. 广州地区PM₁质量浓度对能见度的影响以及气溶胶吸湿增长因子[J]. 中国科学院大学学报, 2014, 31(3): 397-402.
[8]	陈彬, 石广玉, 王宏. 敦煌地区气溶胶垂直分布的观测研究[J]. 中国科学院大学学报, 2014, 31(3): 431-438.
[9]	饶加旺, 马荣华, 段洪涛. 基于实测数据的太湖上空气溶胶单次散射反照率特征分析[J]. 中国科学院大学学报, 2014, 31(2): 284-287.
[10]	王静, 杨复沫, 王鼎益, 贺克斌. 北京市MODIS气溶胶光学厚度和PM_2.5质量浓度的特征及其相关性[J]. 中国科学院大学学报, 2010, 27(1): 10-16.
[11]	熊晓洁; 钟珂; 亢燕铭. 两种送风方式下室内空气污染物的浓度分布特征[J]. 中国科学院大学学报, 2007, 24(5): 590-596.
[12]	杨通在; 王丽雄; 姜涛; 龙开明; 刘雪梅; 杨天丽. 锂同位素在气溶胶特性示踪研究中的应用[J]. 中国科学院大学学报, 2007, 24(5): 597-600.
[13]	张二科; 曹军骥; 王旭东; 张国彬; 张正模; 杜娜; 沈振兴. 敦煌莫高窟室内外空气质量的初步研究[J]. 中国科学院大学学报, 2007, 24(5): 612-618.
[14]	韩道文; 刘文清; 张玉钧; 陆亦怀; 刘建国; 赵南京. 温度和相对湿度对气溶胶质量浓度垂直分布的影响[J]. 中国科学院大学学报, 2007, 24(5): 619-624.
[15]	庄马展. 厦门市大气气溶胶化学特征研究[J]. 中国科学院大学学报, 2007, 24(5): 657-660.