利用深蓝算法从HJ_1数据反演陆地气溶胶_王中挺
卫星遥感细颗粒物(PM2.5)监测技术指南HJ 1264
卫星遥感细颗粒物（PM2.5）监测技术指南1 适用范围本标准规定了卫星遥感细颗粒物监测的方法、结果验证、质量控制等内容。
本标准适用于陆地区域卫星遥感细颗粒物监测工作，作为地面监测手段的补充，用于掌握大范围细颗粒物空间分布规律及变化趋势。
2 规范性引用文件本标准引用了下列文件或其中的条款。
凡是注明日期的引用文件，仅注日期的版本适用于本标准。
凡是未注日期的引用文件，其最新版本（包括所有的修改单）适用于本标准。
HJ 93 环境空气颗粒物（PM10和PM2.5）采样器技术要求及检测方法HJ 653 环境空气颗粒物（PM10和PM2.5）连续自动监测系统技术要求及检测方法HJ 655 环境空气颗粒物（PM10和PM2.5）连续自动监测系统安装和验收技术规范HJ 817 环境空气颗粒物（PM10和PM2.5）连续自动监测系统运行和质控技术规范3 术语和定义下列术语和定义适用于本标准。
3.1气溶胶光学厚度 aerosol optical depth（AOD）从地面到大气层顶垂直路径中整层气溶胶消光系数的总和，量纲为1。
3.2像元PM2.5浓度 pixel PM2.5 concentration卫星观测1个像元范围内的近地面大气细颗粒物平均质量浓度，计量单位为μg /m3。
3.3行星边界层高度 planetary boundary layer height（PBLH）行星边界层也称摩擦层或大气边界层，是对流层的最下层，一般自地面到1 km～2 km高度；行星边界层高度是指从地面到行星边界层顶的高度，表示污染物在垂直方向能被热力湍流所扩散的范围。
3.4地理加权回归 geographically weighted regression（GWR）一种用回归原理研究具有空间（或区域）分布特征的两个或多个变量之间数量关系的方法，在数据处理时考虑局部特征作为权重。
4 总则4.1 监测原理根据PM2.5质量浓度与AOD、吸湿增长因子、密度、半径、消光效率因子及行星边界层高度等因素的转化关系计算PM2.5质量浓度。
利用MODIS的L1B数据反演气溶胶的流程如下
利用MODIS的L1B数据反演气溶胶的流程如下：该方案中的数据和算法介绍：1、MODIS数据是采用的MODIS L1B 1KM数据。
应严格按照说明进行操作，例如数据是1km的，数据的合成是反射率在上，发射率在下等，下面将详细介绍各个步骤。
2、这是在ENVI 下做的北京市气溶胶反演，具体包括MODIS影像（HDF）的辐射校正、几何校正、云检测、气溶胶反演。
3、气溶胶反演算法采用经典的暗像元法（DDV）也叫浓密植被法，因此对于冬季反演的气溶胶效果不好。
4、气溶胶反演的查找表是利用IDL调用6S辐射模型得到的，采用的是一般的参数，因此3-9月期间都可以用这一个查找表进行气溶胶反演，也可以自己制定查找表。
5、七纬查找表，从左向右，依次为太阳天顶角，卫星天顶角，相对方位角，P0、T、S （辐射传输方程参数），最后一列为气溶胶光学厚度（AOD）6.感兴趣的可以提供用到的modis云检测工具和气溶胶反演工具以及详细的pdf文档。
MODIS数据下载地址：一、MODIS影像的辐射校正在ENVI 中打开MODIS影像的HDF文件就已经做了辐射校正，打开HDF文件的方法是File->Open As->EOS->MODIS,打开后在数据列表中可以看到三个文件，第一个是发射率Emissive（band20-band36），第二个是辐射率Radiance（band1-band26）,第三个是反射率Reflectance（band1-band26），如图1所示。
图1 打开HDF文件二、几何校正发射率文件的几何校正（1）Georeference MODIS工具下有对特定传感器进行几何校正的工具，其中就有专门针对MODIS数据的几何校正，如图2 Georeference MODIS工具的位置。
图2 Georeference MODIS工具的位置（2）选择发射率文件双击Georeference MODIS工具，打开输入MODIS数据对话框，选中发射率文件，点击OK，如图3所示。
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊叶绿素a浓度是反映湖泊水体营养状态的一项关键指标，对于环境保护和生态研究具有重要意义。
遥感技术因其具有无损、快速、连续观测、大范围覆盖等优点，被广泛应用于湖泊叶绿素a浓度反演研究中。
本文将介绍基于我国环境卫星HJ-1A卫星CCD数据的湖泊叶绿素a浓度反演方法。
一、HJ-1A卫星CCD数据特点HJ-1A卫星CCD传感器是我国自主研发的一种光学成像科学仪器，具有多谱段、高空间分辨率、高重复率等特点，可以提供较高质量的地表覆盖信息。
其中，蓝光波段(charl)和绿光波段(char2)的空间分辨率为30m×30m，重复率为2-4天，是进行湖泊水质反演的比较理想数据。
二、湖泊叶绿素a浓度反演方法1. 反演模型选择湖泊叶绿素a浓度反演方法种类繁多，目前应用较广的包括SGLI、FLH、CYAN等模型。
研究表明，在HJ-1A卫星CCD数据下，FLH模型和CYAN模型的拟合效果较好，并具有可操作性和适应性。
因此，本文将以FLH模型作为示例进行介绍。
2. 数据预处理为了保证数据质量，进行湖泊叶绿素a浓度反演前，需要进行数据预处理。
首先，对原始CCD数据进行辐射校正处理，将其转换为反射率数据；其次，根据海陆分界线和悬浮物浓度进行水体分类；最后，剔除亮斑和阴影区域。
FLH模型是一种基于浮游植物荧光辐射模型的湖泊叶绿素a浓度反演方法。
该模型将水体中的荧光辐射量分解为某一波长下的背景辐射和荧光辐射两部分，其中荧光辐射与浮游植物叶绿素a浓度成正比，可以反演得到湖泊叶绿素a浓度信息。
FLH模型计算公式如下：(1) į(π)L=Kd(π)L[į(π)TOA−ρW(π)](2) F(πm)=Fb(πm)+Fchla(πm)其中，į(π)L为接收器接收的所测辐照度，Kd(π)L为水体吸收系数，L为波长，π为波段，į(π)TOA为卫星接收器接收到的顶面辐射度，ρW(π)为水体反射率，F(πm)为波长为πm的光学深度，Fb(πm)为背景值，Fchla(πm)为叶绿素a对光学深度的贡献。
利用深蓝算法从HJ_1数据反演陆地气溶胶_王中挺
than 0.5, the accuracy of deep blue algorithm can satisfy the aerosol monitoring using HJ-1 data, and aerosol model can
greatly influence the results.
Key words: aerosol, HJ-1, deep blue, AERONET/PHOTONS
data by dark dense vegetation (DDV) or contrast reduction algorithm. In this paper, based on the algorithm which was developed
by Hsu, et al.(2004), the deep blue algorithm is applied to CCD/HJ-1. First, the database of land surface reflectance is built from
Environment Satellite 1 (HJ-1), the new satellite developed by China, is used for environment and disaster monitoring. In the first step, there are two optical satellites (HJ-1A, HJ-1B) and one Synthetic Aperture Radar (SAR) satellite (HJ-1C). In September 2008, HJ-1A and HJ-1B were launched. There are two CCD cameras in each optical satellite with spatial resolution of 30 m. Each CCD camera includes four bands (430—520 nm, 520—600 nm, 630—690 nm and 760—900 nm). The swath of every CCD camera is 360 km. Combining HJ-1A and HJ-1B, repetition cycle of HJ-1 is 2d. DDV method can be applied to HJ-1 for dense vegetation areas (Wang, et al., 2009; Sun, et al., 2006; Sun et al., 2010). But, DDV method cannot work over bright-reflecting surface with
深蓝算法反演陆地气溶胶
式中选择北京为实验区，分别提取了2008-12-06、 2009-05-26两天的数据进行反演实验，获得的AOD结果 如图5所示
本算法反演得到的气溶胶光学厚度为550 nm，为用于遥 感反演结果的验证，采用Angstrom公式(Ång-ström， 1964)将AERONET/PHOTONS得到的气溶胶光学厚度转化 为550 nm。
结果反演
（1）地表反射率获取 首先，根据过境时间抽取地表反射率图像；然后，计算待 反演像元的大地坐标，投影转换为经纬度坐标，在地表反 射率图像中寻找最近点；接着，对获得的MODIS第3波段 地表反射率进行修正，获得CCD相机的地表反射率。 （2）AOD反演 根据计算得到的观测几何(太阳天顶角、观测天顶角和相 对方位角)，对查找表进行线性插值，得到不同光学厚度下 的大气参数S、ρ0和T(μs)T(μv)，代入式(2)获得不同气溶 胶光学厚度下的表观反射率；然后，利用CCD相机的地表 反射进行线性插值，得到气溶胶光学厚度。 （3）结果输出 在获得气溶胶光学厚度后，对结果图像进行平滑处理，以 消除大气的不稳定性。。
误差分析及讨论
MOD09产品的误差影响 地表反射率的精确确定对气溶胶的反演至关重要， Kaufman 等(1997)指出，0.01的地表反射率误差会带来大 约0.1的气溶胶光学厚度的误差。研究表明(Vermote和 Kotchenova，2007)，MODIS第3波段的地表反射率产品 有51.30%处于较好的水平，误差可以控制在±(0.005+5%) 的范围内。本文加入(0.005+5%)的误差进行模拟计算以研 究地表反射率误差带来的影响，结果见图8。
liu等2002hsu等人20042006根据在红光和蓝光波段aod对天顶辐亮度有显著的贡献提出了基于地表反射率库的深蓝deepblue算法利用seawifs图像建立了地表反射率库在aod较小时仅使用蓝光数据进行反演aod较大时则综合使用红光和蓝光数据进行反演此方法已成功应用于撒哈拉沙漠阿拉伯半岛等干旱半干旱地区
耦合京津冀气溶胶模式的HJ-1卫星CCD数据大气校正
耦合京津冀气溶胶模式的HJ-1卫星CCD数据大气校正谢东海;程天海;吴俣;余洁;郭红;钟若飞【摘要】Current atmospheric correction of HJ-1 CCD does not take the aerosol models of Chinese specific regions into consider-ation.This paper proposes a method of atmospheric correction coupling local aerosol models.Choosing Beijing-Tianjin-Hebei re-gion as the study area,aerosol model parameters of the method on the foundation of AERONET inversion are analyzed and four types of aerosol model parameters of Beijing-Tianjin-Hebei regions are clustered to build the lookup table for the inversion of aerosol optical ck of SWIR (2.12μm)in the bands of HJ-1 CCD ,the blue(0.43~0.52μm)and red(0.63~0.69μm)cannot be calculated like the MODIS.So the ratio of blue and red is used as the basis of error equation for aerosol optical depth retrieval,with no need of ground target reflectance.HJ-1 CCD data after atmospheric correction are compared with MO-DIS surface product data (MOD09)and ASD measurements.The results show that the reflectance obtained by the atmospheric correction is close to the ASD measurement results,and there is a strong correlation with MOD09,the average correlation coeffi-cient in the red band reached more than 0.8,the one of blue band affected by molecule mostly is up to 0.75.%针对目前 HJ-1 CCD大气校正没有考虑中国地区气溶胶模式的问题，提出一种耦合中国地区局部气溶胶模式的大气校正方法。
大气气溶胶卫星遥感反演研究综述
大气气溶胶卫星遥感反演研究综述作者：苏倩欣李婧陈敏瑜来源：《科技创新导报》2019年第36期摘; ;要：大气污染已成为全球性问题，日益严重的大气气溶胶污染是当前大气研究的热点。
卫星遥感凭借大空间大尺度、多时相监测气溶胶的优势，成为大气环境研究最重要的监测方法之一。
本文立足于大气气溶胶卫星遥感技术，总结了反演气溶胶光学厚度的基本原理及方法;并从气溶胶光学厚度的时空分布、与颗粒物浓度关系、对大气污染的影响3方面，阐述了气溶胶光学厚度的应用研究进展。
最后，总结了当前大气气溶胶反演存在的问题和发展趋势，希望未来在反演模型的适用性、反演精度的提高等方面有所突破。
关键词：气溶胶; 卫星遥感; 气溶胶光学厚度; 颗粒物浓度; 大气污染1950s以来，大气污染已成为全球性的环境污染问题之一。
其影响及人群健康问题得到了全世界学者的关注，相关研究已在全球展开并不断深入[1]。
氣溶胶是指大气中悬浮的固体和液体微粒共同组成的多项体系，当以大气为载体时称之为大气气溶胶，其尺度范围大约在0.001～10μm之间[2];除一般无机元素外，其化学组分还有元素碳（EC）、有机碳（OC）、有机化合物（尤其是挥发性有机物（VOC）、多环芳烃（PAH）和有毒物）、生物物质（细菌、病菌、霉菌等）[3-4]。
大气中气溶胶的含量虽少，但对大气中的物理化学过程、气候系统都起着重要的作用[5]。
近年来世界范围雾霾天气的出现大大降低了城市的能见度[6]，给人民的健康生活带来了极大的不便，因此十分有必要对大气气溶胶进行监测与治理。
传统的对大气气溶胶监测的方法主要以地面实时监测为主，无法满足环境监测实时、动态的要求，而遥感监测正好弥补了这一不足，具有广阔的应用前景。
目前对气溶胶的遥感反演研究主要集中在气溶胶光学厚度、气溶胶浓度等的反演方面[7]，本文以综述的形式，总结了气溶胶卫星反演的主要算法、研究内容及发展方向，为气溶胶卫星遥感反演研究提供参考。
1; 卫星遥感反演原理和方法1.1 卫星遥感反演AOD的基本原理气溶胶光学厚度（Aerosol Optical Depth，AOD）定义为介质消光系数在垂直方向上的积分，用以描述气溶胶对光的削减作用。
HJ-1A高光谱数据的大气水汽含量反演
多 ， 大气水 汽含量 恰恰 集 中在 ３ｋ 以下 的低层 大 而 ｍ 气， 因此 Ｇ Ｓ遥感 大气 水 汽 的精 度还 难 以满 足 大 气 Ｐ
校正中对水汽参数的要求 。
胡 秀清 、 张玉香 等利用 ＭＯ Ｔ Ａ ３７模 式模 ＤＲ Ｎ． 拟 出太 阳辐射计 ９ ０ｎ 通 道 透 过率 与水 汽 量关 系 ４ ｍ 常数 ， 考虑 了通 道 的 光谱 响应 函数 和不 同大气 模 式 的影 响 ， 拟结 果 表 明窄通 道 （ 于 １ ｍ） 模 小 ０ｎ 上述 关
传 感 器 设 有 可 用 于 大 气 水 汽含 量 的反 演 的 通 道 。 目前 基 于 ｍ ｄｓ的 大 气 水 汽 含 量 的 反 演 算 法 已基 本 成 熟 ， ｏｌ 本 文在 ｍ ｄｓ ｏｉ 水汽含 量反 演研 究的基础上 ， 讨 了 Ｉｌ ＨＳ 数据反 演大气水汽含 量的可行 性 ， 探 Ｌ— Ｉ 并在 探讨结论 的基 础 上 采 用 ｍｏｔ ｎ模 拟 的方 法 提 出 了 ／ ｄｒ ａ － ／ Ｊ—Ｈ Ｉ 大 气 水 汽 总 量反 演 算 法 。 通过 成 功 的 应 用 证 明 了 Ｈ —Ｈ Ｉ Ｓ的 Ｊ Ｓ 大
Ｒ ＡＮ ｎ ｍｖ ｓ ｔ ｅ ｆ ａ ｉｉ ｔ ｅ ｄ ｂ ｅ ａ ｐｉ ａ ｏ ｓ ａ ｄ ｐ ｅ ｅ ｓｂ ｌ ｙ ｉ ｄ ｅ ｙ ｔ ｐ ｌ ｔ ｎ ． ｈ ｉ ｎ ｈ ｃｉ
Ｋｅ ｒ ｓ： ｙ ｗｏ ｄ ＨＪ— ＨＳ ；ＭＯＤＩ Ｉ Ｓ；ｔｅｔｔｌ ｏ ｔｎ ｆａｍｏ ｐ ｅ ｃｗａｅ ａ ｏ ；ＭＯＤＴ ｈ ｏａ ｎｅ ｔｏ ｔ ｓ ｈ ｒ ｔｒｖ ｐ ｒ ｃ ｉ ＲＡＮ
气 水 汽含 量 反 演 的 可行 性 。
关 键词 ： Ｊ Ｈ —ＨＳ； Ｏ Ｉ； 气水 汽 总 含 量 ； Ｄ Ｒ Ｎ ＩＭ Ｄ Ｓ 大 ＭＯ Ｔ Ａ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Received: 2011-06-11; Accepted: 2011-10-12 Foundation: National Basic Research Program (973 Program) (No.2010CB950801) First author biography: WANG Zhongting (1980— ), male, engineer, received the Ph.D. degree in Cartography and Geographical Information Systems in 2008 from Graduate School of Chinese Academy of Sciences. His research interest is atmospheric aerosol remote sensing. He has published more than 20 papers. E-mail: yzh_4_2002@
MODerate-resolution Imaging Spectroradiometer (MODIS) spectral reflectance product. Second, after analyzing relationship be-
tween CCD camera reflectance and MODIS, the reflectance of MODIS are corrected to CCD camera of HJ-1. Third, aerosol
WANG Zhongting, et al.: HJ-1 terrestrial aerosol data retrieval using deep blue algorithm
597
little vegetation. In this paper, based on deep blue algorithm, the relationship
1. Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China; 2. Institute of Remote Sensing Applications of Chinese Academy of Sciences, Beijing 100101, China;
optical depth (AOD) is retrieved from apparent reflectance in the first band of CCD/HJ-1. Finally, AODs over Beijing area
are retrieved from December 2008 to October 2009, and the results are validated by ground-based measurement of Beijing
3. China University of Geosciences, Beijing 100083, China
Abstract: Aerosol is an important index in atmosphere monitoring. Disadvantages exist when monitoring aerosol from HJ-1
data by dark dense vegetation (DDV) or contrast reduction algorithm. In this paper, based on the algorithm which was developed
by Hsu, et al.(2004), the deep blue algorithm is applied to CCD/HJ-1. First, the database of land surface reflectance is built from
than 0.5, the accuracy of deep blue algorithm can satisfy the aerosol monitoring using HJ-1 data, and aerosol model can
greatly influence the results.
Key words: aerosol, HJ-1, deep blue, AERONET/PHOTONS
station in the PHOtométrie pour le Traitement Opérational de Normalisation Satellitaire (PHOTONS) network included in
the worldwide Aerosol Robotic Network (AERONET). The validation and discussions show that, when AODs are greater
1007-4619 (2012) 03-596-15
Journal of Remote Sensing 遥感学报
HJ-1 terrestrial aerosol data retrieval using deep blue algorithm
WANG Zhongting1, LI Qing1, WANG Qiao1, LI Shenshen2, CHEN Liangfu2, ZHOU Chunyan1, ZHANG Lijuan1, XU Yongjun3
There are two difficulties in aerosol optical depth (AOD) retrieval: aerosol model and the removal of surface contribution. Usuallyly. There are some methods to remove surface contribution, such as dark dense vegetation (DDV), contrast reduction and deep blue algorithm. Because of low reflectance over dense vegetation in red and blue bands, DDV method (Kaufman & Sendra, 1988; Kaufman, et al., 1997) removes surface contribution, which has been successfully applied to MODIS assisted by short-wave infrared (SWIR) band (2100 nm). For bright-reflecting regions, based on atmospheric transmittivity,
1 INTRODUCTION
Aerosol is a suspension of fine solid or liquid particles in air whose radius range from 0.001 μm to 20 μm. Troposphere aerosol is generated by the natural and human activities. Because aerosol can strongly absorb and scatter radiance in visual and near infrared wavelengths, aerosol plays a key role in global climate evolution, and increased aerosol is linked to health hazards. By remote sensing, aerosol can be rapidly, cheaply monitored in large areas.
of typical surface between MODIS/TERRA and CCD/HJ-1 is analyzed. Then the algorithm for CCD/HJ-1 data is presented. Finally, retrieved AODs over Beijing are validated by groundbased measurements of AERONET/PHOTONS, and uncertainties of MOD09 product, aerosol model, BRDF, and spatial resolution are discussed.
Environment Satellite 1 (HJ-1), the new satellite developed by China, is used for environment and disaster monitoring. In the first step, there are two optical satellites (HJ-1A, HJ-1B) and one Synthetic Aperture Radar (SAR) satellite (HJ-1C). In September 2008, HJ-1A and HJ-1B were launched. There are two CCD cameras in each optical satellite with spatial resolution of 30 m. Each CCD camera includes four bands (430—520 nm, 520—600 nm, 630—690 nm and 760—900 nm). The swath of every CCD camera is 360 km. Combining HJ-1A and HJ-1B, repetition cycle of HJ-1 is 2d. DDV method can be applied to HJ-1 for dense vegetation areas (Wang, et al., 2009; Sun, et al., 2006; Sun et al., 2010). But, DDV method cannot work over bright-reflecting surface with