基于MODIS遥感数据的气溶胶光学厚度反演技术研究

周强波

(核工业二三〇研究所，湖南长沙 410007)



基于MODIS遥感数据的气溶胶光学厚度反演技术研究

周强波

(核工业二三〇研究所，湖南长沙 410007)

摘要[目的]研究基于MODIS遥感数据的气溶胶光学厚度反演技术，揭示气溶胶空间分布和时间变化特征。[方法]利用MODIS遥感数据中的MOD021KM与MOD03角度数据，采用6S辐射传输模型建立查找表，选取2015年3～9月某市以晴天为主的MODIS遥感影像，利用ENVI软件处理该时间段内质量相对较高的一系列遥感影像数据，提取处理后的Band 1红波段(0.66 μm)、Band 3蓝波段(0.47 μm)与Band 7近红外波段(2.10 μm)的数据对大气气溶胶光学厚度(AOD值)进行反演。[结果]AOD值与PM10浓度结果类似，呈正态分布，与事先预期的负关系相反。[结论]利用MODIS遥感数据反演AOD值可以在宏观上指示空气污染的分布区域，对大气污染的预报与治理有一定的参考作用。

关键词MODIS；暗像元算法；AOD；反演；PM10浓度

近年来，随着我国城市覆盖率的增大和经济的快速发展，机动车数量逐步增加，致使空气质量每况愈下。据统计，2015年我国长江、珠江三角洲及京津冀3个主要城市群的平均能见度约为7.0 km，上海地区的平均能见度仅有6.1 km。而造成城市能见度下降的主要原因是雾霾[1-3]。因此，大气气溶胶粒子监测技术的研究势在必行。目前，我国使用地面建立空气质量监测站，通过地面监测站获得相关大气数据监测大气气溶胶。这种方式不仅需要大量时间与人力，成本也相当高。在无地面监测站点的情况下，凭借模拟空气质量的数值也可以估算气溶胶光学厚度，但是由于数值模拟需要详细的污染物排放信息和大量的气象与地理初始信息[4-5]，实际中难以精确估计和获得这些信息。卫星遥感技术观测范围大，可以高频率获取数据，将卫星遥感技术与地基监测站配合起来，可较真实地模拟大气环境实时动态，采用卫星观测反演气溶胶光学厚度可实现实时监测气溶胶。笔者利用MODIS遥感数据，结合暗像元法，以6S辐射模型为基础模型，在ENVI平台下反演了2015年3～9月某市AOD值(AOD值指无云大气铅直气柱中气溶胶散射造成的消光系数在垂直方向上的积分，是描述气溶胶对太阳光产生衰减作用强弱的因子[6]，同时也可描述大气的浑浊度)，并结合当日地面监测站获取的PM10浓度，分析了PM10与AOD值的相关性，通过MODIS遥感数据宏观监测地面大气污染状况，旨在为大气污染的预报与治理提供参考与借鉴。

1材料与方法

1.1MODIS遥感数据预处理

1.1.1数据合成。根据暗像元法的原理选择满足短波长条件的分辨率为250 m的1波段(620～670 nm)，500 m的3波段(459～479 nm)和7波段(2 105～2 155 nm)用于气溶胶光学厚度反演。数据的合成包括反射率和发射率的合成及角度数据的合成。

利用ENVI将已经校正后的发射率Emissive(band20-band36)与反射率Reflectance(band1-band26)文件合成为文件A(图1)。提取用于几何校正MOD02数据的MOD03数据中的经度、纬度、高度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角7个元数据合并为1个ENVI标准文件B。从合成的标准文件A中提取Band 1波段(0.66 μm)，Band 3波段(0.47 μm)，Band 7波段(2.10 μm)再合成1个ENVI标准文件(图2)。

1.1.2合成后处理。虽然MODIS遥感影像具有覆盖广、信息量大的优点，但是这些优点也为影像的使用带来了弊端，大范围的影像难以兼顾覆盖区域的天气情况，因此MODIS遥感影像极易受到云层的干扰。在利用MODIS遥感影像进行AOD反演时，要对反射率和发射率的合成文件进行去云处理。云检测的原理是云在可见光和红外波段有较高的反射率，可见光波段反射率会随着云下地物种类的不同而变化，云的反射率明显高于云下地物种,并随着厚度、高度的变化而变化，利用这些特性可以区分云与晴空地物。

图1　发射率与反射率文件合成Fig. 1　The files’ composition of emissivity and reflectivity

图3　云检测结果Fig. 3　The result of cloud detection

在ENVI 中加载扩展工具modis_cloud，对反射率和发射率的合成文件以及角度合成文件进行云检测。检测结果如图3所示。

1.2气溶胶光学厚度反演试验

图4　AOD反演流程Fig. 4　The process of AOD inversion

1.2.1气溶胶反演过程。①读取MOD021KM影像数据，对数据进行辐射校正(所用数据已经做过辐射校正)，利用ENVI软件对影像去除蝴蝶金效应。提取MOD021KM文件中的发射率文件(Emissive)，用Georeference MODIS工具进行几何校正，同时导出GCP控制点文件；②调用ENVI中的“影像地图配准”工具，加载校正发射率文件时导出的GCP控制点文件对反射率文件(Reflectance)进行几何校正；③将几何校正后的发射率文件与反射率文件合成1个ENVI标准文件(合成时反射率应在上，发射率应在下)，从该文件中再将Band 1波段(0.66 μm)、Band 3波段(0.47 μm)、Band 7波段(2.10 μm)合成1个ENVI标准文件。对这个ENVI标准文件进行云检测处理，保存处理结果；④利用导出的GCP控制点文件对角度数据集进行几何校正，将校正后的数据合成1个ENVI标准文件；⑤根据在6S大气辐射传输模型中输入相关参数，建立AOD查算表(LUT)。⑥在ENVI中加载AOD反演工具modis_aerosol_inversion，生成反演结果。反演过程见图4。1.2.2反演试验。利用MOD02与MOD03数据，对某市2015年3～9月进行了气溶胶光学厚度的反演。在试验中，为了减小观测角度对卫星反演结果的影响，尽量选取位于轨道中间的图像数据。

该研究所采用的反演查找表是将AOD值定义在0～2。在理想条件下，AOD值为0时，表示空气中气溶胶粒子无限多，光线在经过大气层时完全被反射回去；AOD值为2时，表示空气中无气溶胶粒子光线经过大气剖面时不发生反射现象。考虑到天气对影像质量因素的影响，以及反演结果效果不一，笔者仅列出部分气溶胶反演(21组反演结果中的8张)(图5)。

暗像元法对于冬季反演的气溶胶效果不好，对于3～9月期间反演的效果较好，因此研究时间跨度为3～9月，而某市4～6月降雨量较大，占全年降水量的50%。考虑到影像自身的质量因素，为保证反演效果，选择MODIS影像数据时以天气晴朗的日期为准，影像的日期不能保证连续，且存在一定的间距。

图5　某市气溶胶反演结果Fig. 5 Results of aerosol retrieval in a given city

从选取的反演结果可以看出，不同时间及地点AOD值有很明显的变化。时间维度上可以看出，3～7月的气溶胶反演结果一般较低，而8月反演结果较高。原因可能是3～7月降水较多，有利于污染物的扩散和输送；8月是收割季节，随着农作物的收割，裸露土地面积增大，致使大气中气溶胶数量增多，同时试验地区以水稻为主，收割以后留下的稻草多采用焚烧的方式，这也加剧了大气中气溶胶数量的增加。

2结果与分析

图6　试验区空气质量监测站分布Fig. 6 Distribution of air quality monitoring in test ara

试验地区共有9个空气质量监测点，分别为试验区外事办公室、试验区林业公司、林业科学研究所、京东镇政府、建工学校等。分布情况见图6。统计这9个站点的颗粒物监测数据的平均值[7]，取2015年3～9月1、5、10、15、20、25、30日的PM10浓度。

由表1可知，由于3～7月多雨，天气变化快，温度起伏大，7～9月夏季天气炎热干旱，因此试验区的PM10浓度在3～7月期间起伏较大，最大值可达到142 μg/m3，最小为16 μg/m3，而在7～9月相对较为平稳，均值为73 μg/m3。

实际中，地面上的工业分布、居民分布、交通等因素都会在空间上对气溶胶的分布产生很大影响。研究区域内不同地点的气溶胶光学厚度也不同，把研究区域内反演得出的气溶胶光学厚度确定为1个常数并不合理。同时由于试验区各气溶胶监测站点仅支持实时查询，并不支持历史查询，获取到的PM10浓度是整个实验区的历史平均浓度。因此，笔者选取气溶胶光学厚度反演结果中“省站”所处位置的AOD值。

由表1可知，PM10浓度与AOD值存在一定关系。理论上AOD值应该随着与PM10浓度的增大而减小，考虑到气溶胶空间分布复杂，同时反演出的AOD数据受到各种因素的影响，AOD值与PM10浓度不应该是简单的正比例线性关系。

通过AOD值与PM10浓度散点分布关系发现，当AOD值为1.20时，PM10浓度达到最大值，AOD值为0～1.20时，AOD值随着PM10浓度的增大而增大，与实际不符；AOD值为1.20～2.00时，AOD值随着与PM10浓度的增大而减小，与事实较为符合。

表12015年3～9月不同站点的PM10浓度与AOD值

Table 1TheAODvalue of PM10in different stations from March to September 2015

日期DatePM10ug/m3AOD值AODvalue日期DatePM10ug/m3AOD值AODvalue2015-03-01161.7920150-6-20232015-03-05672015-06-25560.622015-03-10961.312015-06-30522015-03-151132015-07-01672015-03-20632015-07-05512015-03-25951.062015-07-101421.192015-03-24952015-07-15241.932015-03-30602015-07-20802015-04-01702015-07-25732015-04-051311.302015-07-30842015-04-101002015-08-01341.722015-04-15781.262015-08-06562015-04-19282015-08-10722015-04-251.252015-08-15581.472015-04-25352015-08-18582015-04-301372015-08-20580.742015-05-011151.682015-08-25532015-05-03902015-08-30732015-05-10611.352015-09-01742015-05-15652015-09-04852015-05-201331.142015-09-05851.332015-05-25442015-09-10532015-05-30602015-09-15711.262015-06-01682015-09-20502015-06-05622015-09-251160.692015-06-101091.642015-09-30422015-06-151111.68

3结论与讨论

(1)该研究选择暗像元算法作为AOD反演的基本算法，结合6S辐射传输模型对2015年3～9月某市及其周边地区AOD值进行反演，将得到的结果与某市空气质量监测站监测得到的PM10浓度数据对比分析其相关性，得到以下结论：MODIS反演得到的AOD值与可吸入颗粒物PM10的浓度有一定关系，且AOD值与可吸入颗粒物PM10的浓度关系能够揭示出试验区气溶胶空间分布和时间变化特征。

(2)利用MODIS数据反演气溶胶光学厚度的过程中仍存在以下不足：受暗像元算法的局限，用MODIS数据反演试验区冬季AOD值的效果很差，不可行。且该研究反演所采用的数据空间分辨率为1 km，仅能大致模拟出气溶胶的区域分布，在精度方面有待提高。随着科技的进步及遥感探测技术和科学监测技术的发展，未来利用卫星影像实时、动态、大范围监测及预测PM10将更加有效和精确。

参考文献

[1] 范辰乾．基于MODIS数据的气溶胶光学厚度与PM2.5浓度关系研究[D]．济南：山东师范大学，2014．

[2] 徐祥德，周丽，周秀骥，等．城市环境大气重污染过程周边源影响域[J]．中国科学，2004，34(10)：958-966．

[3] 吴兑．关于霆与雾的区别和灰霆天气预警的讨论[J]．气象，2005，31(4)：3-7.

[4] 张丽娟.北京市MODIS遥感气溶胶光学厚度与空气质量关系研究[D]．北京：中国地质大学，2009．

[5] 王耀庭．基于遥感与地面监测数据的城市气溶胶定量反演研究[D]．南京：南京师范大学，2006．

[6] 张小强．基于MODIS数据的城市地区气溶胶光学厚度遥感反演研究[D]．兰州：兰州大学，2009．

[7] 南京空气质量指数(AQI)-PM2.5查询[EB/OL].[2016-02-03].http：//www.tianqihoubao.com/aqi/nanchang.html.

Inversion Technology of Aerosol Optical Depth Based on MODIS Remote Sensing Data

ZHOU Qiang-bo

(Research Institute No. 230, CNNC, Changsha, Hunan 410007)

Abstract[Objective] To research the inversion technology of aerosol optical depth base on MODIS remote sensing data, and to reveal the spatial distribution and time variation characteristics of aerosol. [Method] MOD021KM and MOD03 angle data from MODIS remote sensing data was applied. A lookup table was established by the 6S radiation transfer models. The MODIS remote-sensing images in mainly sunny days in a given city from March to September 2015 were taken as the primary data. A series of remote sensing image data with relatively high quality in this time quantum was used by using ENVI software treatment. Data of the processed band 1( the red band 0.66 μm), band 3(the blue band 0.47 μm) and band 7(near-infrared band 2.1 μm) was extracted to invert the aerosol optical depth (AOD). [Result] AOD value and the PM10concentration showed normal distribution, and had simple negative correlation with the expected results. [Conclusion] Inversion of aerosol optical depth based on MODIS remote sensing data can indicate the distribution region of air pollution at macro level, and provides reference to the forecast and control of air pollution.

Key wordsMODIS; Dark pixel algorithm; AOD; Inversion; PM10concentration

作者简介周强波(1984- )，男，江西抚州人，工程师，从事测绘(GPS/GIS/RS)研究。

收稿日期2016-02-25

中图分类号S 127

文献标识码A

文章编号0517-6611(2016)10-069-05