基于Himawari 8的沙塵遙感監測與應用

邱 昀,李令軍,鹿海峰,趙文慧,姜 磊,張立坤,王新輝

?

基于Himawari 8的沙塵遙感監測與應用

邱 昀,李令軍*,鹿海峰,趙文慧,姜 磊,張立坤,王新輝

(北京市環境保護監測中心,北京 100048)

基于Himawari 8靜止衛星數據實現了沙塵天氣24h動態遙感監測.通過對Himawari 8通道15、13、11亮溫值、通道15與13亮溫差(BT15-BT 13)、通道13與11亮溫差(BT13-BT 11)進行時間序列分析和直方圖統計,發現在所選通道中,各地物亮溫值分布較為接近,冰云亮溫值約為220~250K;沙塵、水云和高緯度地表亮溫值約為260~270K;低云、霧和中緯度地表亮溫值約為270~290K.通道13對識別沙塵較為敏感,沙塵在通道13的亮溫值明顯低于通道11和15,在BT15-BT13亮溫差值圖上沙塵區存在明顯高值, 在BT13-BT11亮溫差值圖上為負值,明顯低于其他地物.相關性分析結果顯示,BT15-BT13和 BT13-BT11與地面PM10濃度在0.01水平上顯著相關.通過BT15-BT13、BT13-BT11和通道13進行假彩色合成生成的沙塵遙感結果與氣象數據,地面PM10數據,激光雷達數據相結合,可對華北地區沙塵污染的起源,形成過程和行進軌跡進行24h的三維動態觀測.

沙塵；亮溫差；亮溫；Himawari 8

沙塵天氣是指風將大量沙塵卷入大氣中導致水平能見度小于1km的災害性天氣現象[1].由于裸露土地較多缺少植被覆蓋加之春季氣象條件活躍,我國北方地區春季經常受到沙塵天氣影響[2].

2017年5月3日~4日,北方地區遭受強沙塵天氣影響,導致北方多地出現空氣質量下降.沙塵常規的地面氣象觀測與污染監測費時費力,而且覆蓋范圍有限.為對沙塵過程進行實時動態監測,衛星遙感技術成為監測沙塵天氣過程的重要手段[3].沙塵遙感監測主要是利用懸浮的沙塵粒子與大氣中其他物質對不同通道散射和吸收特性上的差異這一特征,從衛星影像上判實沙塵暴發生位置及其移動軌跡[3-5].

沙塵遙感衛星包括極軌衛星和靜止衛星兩種[6].基于極軌衛星NOAA的多通道沙塵遙感監測方法經過多年的發展完善較為成熟,具有低軌高分辨率的優點[4],但對觀測區域的觀測頻次較低.靜止衛星可對所覆蓋的固定區域進行高頻次的觀測,頻次達分鐘級[6],可實現對沙塵過程的實時晝夜監測.

歐洲很多學者利用靜止衛星MSG對撒哈拉沙漠的沙塵暴進行遙感觀測[5,7-11],發現沙塵粒子的消光特性在10μm左右通道較為顯著可用于沙塵識別,并且沙塵天氣下區域相對濕度較低,水氣在8.7μm通道特征顯著,可用于區別沙塵區和非沙塵區[5,11].同時,沙塵氣溶膠光學厚度增加會增強BT12-BT11 和BT11-BT8.5的亮溫差[9].因此,通常使用8.5,11, 12μm通道進行亮溫差計算后,用BT12-BT10.8,BT10.8-BT8.7和10.8μm通道進行假彩色合成對沙塵遙感觀測.我國沙塵遙感監測研究主要基于風云2和3號氣象衛星[12-13],使用其8~12μm通道[14-17]以及紅外分裂窗通道進行沙塵識別,紅外分裂窗通道不僅可識別出強沙塵,對弱沙塵也有很好的識別效果[18-32].

2014年10月,日本發射了Himawari 8地球同步衛星,空間分辨率高達500m,時間分辨率高達10mins.為提高對我國北方地區沙塵天氣遙感監測頻次,提高沙塵識別精度.實現晝夜連續的沙塵災害動態監測.本研究分析了Himawari8衛星數據特征,確定了用于判別沙塵暴的假彩色合成通道,提出了基于Himawari 8衛星影像的沙塵識別方法,并通過了地面監測結果驗證.最后利用衛星遙感和地面監測數據詳細分析了2017年5月3~4日影響我國北方廣大地區的一次典型沙塵污染過程.

1 數據和方法

本研究基于Himawari8衛星數據的沙塵遙感方法,監測范圍涵蓋我國廣大北方地區(具體102.07°E~122.42°E,32.58°N~46.92°N).Himawari8衛星共有16個通道,本研究使用Himawari8的通道11、13和15進行沙塵識別,各通道參數如表1所示.通道13和15屬于紅外通道,可以實現對沙塵的晝夜監測,且在這兩個通道上沙塵比地面亮溫值低,同時比同高度的云亮溫值高.通道11為水汽通道,在這個通道上沙塵區域表現為干區.

本研究使用的地面數據為PM10小時濃度值,分別使用北京、張家口、石家莊、大同以及北京市定陵、海淀萬柳、順義24h的PM10濃度值繪制時間變化曲線,與影像數據進行比對與相關性分析以及顯著性檢驗,驗證沙塵遙感結果的準確性.使用的風向、風速和相對濕度等氣象數據來自北京氣象臺.

表1 通道參數

用于驗證沙塵垂直過程的激光雷達數據來自于北京怡孚和融科技有限公司生產的EV-LIDAR 微脈沖激光雷達.本次探測工作使用的是安裝于定陵和琉璃河的兩臺激光雷達,使用波長為532nm,空間垂直分辨率為15m,單脈沖輸出能量10 μJ,數據分析時采用觀測的10min 平均數據,激光雷達接受回波盲區設定為105m,105m 以下的數據不進行分析[19].

2 案例分析

2.1 氣象數據與天氣形勢演變

從天氣實況圖(圖1)中可以看到,受東移發展的蒙古氣旋后部上升氣流影響,2017年5月3~4日北方多地出現沙塵天氣導致區域PM10濃度上升.3日蒙古國和內蒙古中西部出現大范圍沙塵天氣,沙塵隨西北氣流逐漸向東南方向移動(圖1a). 4日凌晨至上午,京津冀地區由均壓場轉受西部弱高壓影響(圖1b),高空氣流下沉運動增強,中低空均轉為一致的偏北氣流,上游沙塵開始影響北京.下午到夜間,西部高壓減弱消失,北部低壓發展,京津冀平原區風向又由偏北轉偏南,且風速較小,浮塵消散緩慢,滯留在華北區域.5日上午,京津冀地區再次轉受高壓前部影響,在較強偏北風的作用下,沙塵持續向下游飄散,沙塵影響過程結束.

2.2 沙塵過程遙感監測分析

(a)通道11、13、15亮溫值, PM10濃度時間序列 (b)北方沙塵區域亮溫值統計直方圖

PM10濃度變化曲線(圖2a)看,內蒙古呼和浩特市受沙塵影響較為嚴重,12:00PM10濃度開始呈現上升趨勢,19:00呼市PM10濃度大幅上升.為探討沙塵的遙感屬性,本研究選取5月3日24:00的Himawari8衛星數據,分別提取呼和浩特市中心點位(111.73E,40.83N)通道11、13、15的亮溫值,得到24h亮溫值變化曲線.圖2a所示,3個通道亮溫值較為接近,從12:00起,隨著沙塵的到來,3個通道亮溫值也隨之升高并維持在270K上下,且通道13的亮溫值開始逐漸明顯低于其他2個通道,其中15:00通道13與另2個通道的亮溫差值最大.結合PM10地面監測濃度,可以看出 PM10地面濃度升高晚于通道亮溫值,主要由于高空的沙塵需要一段時間下沉到地面.

對3日15:00 3個通道影像進行亮溫統計,結果顯示(圖2b),研究區域內3個通道亮溫值分布在220~290K之間,亮溫值在220~250K區間的主要是溫度較低的高層云,如冰云、水云[34];270~290K區間的主要是低層云、霧以及中緯度地表[34-36].分布在250~270K區間的像素數最多,主要為沙塵和緯度較低的高緯度地表[36].由于影像中亮溫值處于260~270K區間的像素數較多且高緯度亮地表的亮溫值也在這個區間,所以無法使用該區間用于沙塵識別,因此本研究利用沙塵區域通道13亮溫值明顯低于其他通道這一特點進行沙塵區提取,分別計算BT15-BT13和BT13-BT11并繪制5月3日24h變化曲線.

圖3 呼和浩特市BT15-BT13和BT13-BT11亮溫差變化曲線

表2 不同地物亮溫(差)值統計(K)

結果如圖3所示,12:00受沙塵影響,BT15- BT13亮溫差值明顯增大,差值由負轉正,而BT13- BT11亮溫差則減少,由正變負.同樣,統計15:00影像中亮溫差值分布情況,結果發現沙塵區BT15- BT13亮溫差明顯高于其他區域,同時BT13-BT11亮溫差明顯低于其他區域.結合對沙塵較為敏感的通道13的影像,統計出不同地物的亮溫值分布情況如表2所示.

忽然，樹枝搖晃起來，葉子上的水落下來，灑了秀容月明一身。秀容月明驚訝得抬起頭，他看到了一顆顆黑紫色的桑棗，也看到樹丫上坐著一個少女，赤著腳，一雙亮晶晶的眼睛正盯著他，看他濕淋淋的樣子，少女咯咯咯地笑起來。

統計結果可以看到,通道13亮溫值相近無法區分的地物在BT15-BT13和BT13-BT11亮溫差值上會有明顯差異,因此將BT15-BT13、 BT13-BT11和通道13進行RGB假彩色合成,生成我國北方地區沙塵遙感圖,圖中沙塵區域呈紫紅色.該圖不僅可以突出沙塵區域展現沙塵移動過程,同時還可以觀測到地表和大氣中云霧的各種物理形態,圖中冰云呈深紅色,水云呈棕黃色,霧呈黃綠色,低云呈褐色,高緯度冷地表呈亮黃色,中緯度地表呈藍色.

圖4 2017年5月3~4日北方地區沙塵遙感

對北方地區遙感監測圖(圖4)統計得出,本次沙塵天氣于2017年5月3日凌晨起源于蒙古國南部和內蒙古中西部.自5月3日6:00,沙塵從內蒙古中段北部進入我國并向東向南移動,下午14:00陜西、山西北部相繼出現沙塵天氣.至18:00,沙塵影響到河北西北部,開始影響到華北地區,進入華北平原區后沙塵強度有所減弱,表現為遙感影像上紫紅色沙塵區顏色變淺.5月4日凌晨,沙塵影響到京津冀地區.4日上午8:00,第2股沙塵進入我國,從內蒙中部向西南移動至京津冀平原,于晚間進入華北平原.

據統計,2次沙塵過程影響到北方地區面積共84.8萬km2,覆蓋北方地區京、津、冀、魯、豫、晉、陜、遼,內共9個省市.其中內蒙古大部、陜西、山西北部,河北西北部為強沙塵天氣, 當地PM10濃度值達2000~2500μg/m3,進入華北平原區后沙塵強度有所減弱,PM10濃度值在1000μg/m3左右.

2.3 地面驗證

沙塵遙感結果顯示,沙塵過境呼和浩特后影響到山西北部,從河北西北部進入京津冀平原區,因此選取路徑上受沙塵天氣影響的4個北方地區城市(大同,張家口,石家莊,和北京),從遙感影像中提取通道數據,結合地面監測PM10顆粒物濃度驗證遙感監測結果的準確性.

結果顯示,自5月3日下午16:00,大同、張家口、石家莊、北京通道13亮溫值依次大幅上升,升至270~280K(圖5a).同一時段,大同地區BT15-BT13亮溫差值16:00也明顯升高至大于1K,隨后張家口、石家莊、北京也依次升高; BT13-BT11亮溫差值也相應顯著下降至小于0K.對比地面PM10濃度監測數據,4個城市PM10濃度也依次升高至1000~2000μg/m3,由于沙塵從高空沉降到地面需要一段時間,因此地面PM10濃度大幅上升時間晚于影像數據.5月4日受云影響亮溫值及差值波動顯著,8:00~ 12:00云層過境大同、張家口,使兩市通道值13亮溫值有下降波動,亮溫值降至260K以下,相應BT15- BT13值下降至-2~0K, BT13-BT11值上升至0~3K. 20:00后云層移動至北京、石家莊,受云層影響亮溫值及差值也相應響應變化.沙塵經過大同、張家口進入京津冀平原區后沙塵強度有所減弱.大同、張家口地面PM10濃度為1500~2000μg/m3,進入石家莊、北京后降至1000μg/m3左右.相應在遙感影像上(圖4)沙塵區進入華北平原后變為淺紫紅色.

(a)亮溫值與地面PM10顆粒物濃度時間序列,(b)亮溫差時間序列

表3 PM10濃度和亮溫差相關性分析

注:**表示在0.01水平(雙側)上顯著相關;樣本容量194.

將強沙塵時段(即PM10大于500μg/m3)的地面PM10濃度分別與遙感影像提取的BT15- BT13、BT13-BT11亮溫差值進行相關性統計分析,結果(表3)顯示BT15-BT13、BT13-BT11亮溫差值,通道13亮溫值與PM10濃度在0.01水平上顯著相關,相關系數分別為0.44,0.548和0.448. BT15-BT13、BT13- BT11亮溫差值和通道13亮溫值三者之間也有顯著的相關性.遙感結果(圖4)與地面形勢圖(圖1)一致,因此遙感監測結果較為準確.

2.4 北京沙塵污染過程分析

結合地面監測PM10濃度數據,激光雷達監測結果,沙塵遙感結果以及氣象數據,可對北京地區沙塵污染的起源,形成過程和行進軌跡進行三維立體的動態追蹤監測和分析.氣象數據(圖6b)顯示,4日0:00~6:00北京受西北風作用,風力為5~6m/s導致當地PM10濃度突增至1000μg/m3,同時相對濕度降低至30%以下.選取定陵、海淀區萬柳、順義新城3個點位觀察地面PM10濃度變化情況.結果顯示(圖6a),定陵地面PM10濃度最先開始升高,在西北風作用下,北京地區地面PM10濃度呈現由西向東依次升高.

圖7 定陵、海淀萬柳、順義新城亮溫和亮溫差變化曲線

(a)為消光系數,(b)為退偏比

3 結論

3.1 Himawari 8通道11、13、15亮溫值對沙塵、云以及不同地物等響應各異.沙塵在通道13的亮溫值明顯低于通道11和15,在通道15與13的亮溫差明顯高于其他地物,且其在通道13與11的亮溫差為負,明顯低于其他地物.據此利用BT15-BT13、 BT13-BT11和通道13進行RGB假彩色合成能夠實現沙塵的動態遙感監測.

3.2 與地面監測對比分析,沙塵遙感監測結果較為可靠.從合成影像中提取亮溫值及其差值與PM10濃度地面監測數據比較,相關性分析結果表明遙感結果與地面PM10濃度值在0.01水平顯著相關.

3.3 2017年5月3~4日北方地區的沙塵天氣過程主要是受到西北冷空氣帶來的兩股沙塵影響,沙塵影響內蒙古,陜西、山西北部從河北西北部進入京津冀平原區,后向南擴散至山東、河南北部,隨氣團轉向后滯留在華北平原區,影響面積達84.8萬km2.

3.4 沙塵自西向東過境北京,垂直方向上特征表現為,先在北京上空積聚,一段時間后開始下沉影響近地面,使近地面可吸入顆粒物濃度升高.

[1] 李令軍,高慶生.2000年北京沙塵暴源地解析[J]. 環境科學研究, 2001,14(2):1-3.

[2] 連品潔,劉 佳.我國沙塵天氣頻次逐年減少專家解析沙塵天氣成因[N]. 人民日報, 2017-04-17(9).

[3] 方宗義,張運剛,鄭新江,等.用氣象衛星遙感監測沙塵暴的方法和初步結果[J]. 第四紀研究, 2001,21(1):48-55.

[4] 韓 濤,李耀輝,郭 鈮.基于EOS/MODIS資料的沙塵遙感監測模型研究[J]. 高原氣象, 2005,24(5):757-764.

[5] Klüser L, Schepanski K.Remote sensing of mineral dust over land with MSG infrared channels: A new Bitemporal Mineral Dust Index [J]. Remote sensing of environment, 2009,113(9):1853-1867.

[6] 張 林.為何要有極軌和靜止兩種氣象衛星？[N].《中國氣象報》, 2016-12-25(3).

[7] Zhang P. Technical note: Quantitative monitoring of a Saharan dust event with SEVIRI on Meteosat-8 [J]. International Journal of Remote Sensing, 2007,28(10):2181-2186.

[8] Sannazzaro F, Corrado R, Filizzola C, et al. A new algorithm to detect desert dust outbreaks using MSG-SEVIRI data [C]//Eumetsat Meteorological Satellite Conference &, American Meteorological Society. 2014:486-471.

[9] Legrand M, Vergédépré G, Pancrati O. Remote sensing of dust in Africa using MSG/SEVIRI: Towards a multichannel dust index [C]//Msg Rao Workshop. Second MSG RAO Workshop, 2004:1-4

[10] Pierangelo C, Chédin A, Heilliette S, et al. Dust altitude and infrared optical depth from AIRS [J]. 2004,4(7):1813-1822.

[11] Schmetz J, Pili P, Tjemkes S, et al. An Introduction to Meteosat Second Generation (MSG). [J]. Bulletin of the American Meteorological Society, 2002,83(7):977-992.

[12] 范一大,史培軍,羅敬寧.沙塵暴衛星遙感研究進展[J]. 地球科學進展, 2003,18(3):367-373.

[13] 胡秀清.中國北方沙塵暴的靜止氣象衛星遙感監測研究[D]. 北京:北京師范大學, 2004.

[14] 曹廣真,張 鵬,胡秀清,等.靜止與極軌氣象衛星監測沙塵的融合算法研究[J]. 氣象科技進展, 2016,6(1):116-119.

[15] 周 紀,唐 艷,宮阿都,等.利用靜止氣象衛星數據提取沙塵信息[J]. 中國礦業大學學報, 2009,38(5):149-154.

[16] 鄭永光,陳 炯,陳明軒,等.北京及周邊地區5~8月紅外云圖亮溫的統計學特征及其天氣學意義[J]. 科學通報, 2007,52(14):1700- 1706.

[17] 李亞春,孫 涵,徐 萌,等.白天低云大霧衛星遙感監測方法的初步研究[C]//海峽兩岸空間資訊與防災科技研討會, 2001:10-14.

[18] 楊 嵐,魏 鳴,徐永明.長江三角洲霧的MODIS遙感檢測[J]. 科技創新導報, 2008,(13):1-1.

[19] 石琳琳,李令軍,李 倩,等.2016年北京市春節大氣顆粒物污染特征激光雷達監測分析[J]. 環境科學, 2017,38(10):4092-4099.

[20] 羅敬寧,徐 喆,亓永剛.基于風云三號衛星的全球沙塵遙感方法[J]. 中國沙漠, 2015,35(3):690-698.

[21] 楊志華,張 旭,毛煒嶧.基于FY-3B/VIRR數據的新疆沙塵天氣遙感監測應用研究[J]. 沙漠與綠洲氣象, 2014,8(5):48-52.

[22] 涂乾光,郝增周,潘德爐,等.基于MTSAT衛星的海上沙塵自動監測[J]. 光學學報, 2011,31(12):251-259.

[23] 胡秀清,盧乃錳,張 鵬.利用靜止氣象衛星紅外通道遙感監測中國沙塵暴[J]. 應用氣象學報, 2007,18(3):266-275.

[24] 李海萍,熊利亞,莊大方.中國沙塵災害遙感監測研究現狀及發展趨勢[J]. 地理科學進展, 2003,22(1):45-52.

[25] 黃麗坤,王廣智,王 琨.哈爾濱市沙塵期大氣顆粒物物化特征及傳輸途徑分析[J]. 中國環境科學, 2014,34(8):1920-1926.

[26] 陳 靜,張艷品,楊 鵬,等.石家莊一次沙塵氣溶膠污染過程及光學特性[J]. 中國環境科學, 2016,36(4):979-989.

[27] 楊 欣,陳義珍,劉厚鳳,等.北京春季一次沙塵氣溶膠污染過程觀測[J]. 中國環境科學, 2017,37(1):87-94.

[28] 劉筱冉,王金艷,邱繼勇,等.沙塵天氣對蘭州市大氣污染物置換和疊加作用[J]. 中國環境科學, 2018,38(5):1646-1652.

[29] 劉 超,張碧輝,花 叢,等.風廓線雷達在北京地區一次強沙塵天氣分析中的應用[J]. 中國環境科學, 2018,38(5):1663-1669.

[30] 周 旭,張 鐳,郭 琪,等.強沙塵暴的數值模擬及PM10濃度的時空變化分析[J]. 中國環境科學, 2017,37(1):1-12.

[31] 陳躍浩,景元書,高慶先.西北地區氣候因素與北京市沙塵天氣的關系研究[J]. 中國環境科學, 2015,35(3):683-693.

[32] 熊 潔,趙天良,韓永翔,等.1995~2004年東亞沙塵氣溶膠的模擬源匯分布及垂直結構[J]. 中國環境科學, 2013,33(6):961-968.

[33] 李金香,李 峰.北京市一次沙塵過程中降水化學組分的監測分析[J]. 中國環境科學, 2012,32(12):2149-2154.

[34] 徐成鵬,葛覲銘,黃建平,等.基于CALIPSO星載激光雷達的中國沙塵氣溶膠觀測[J]. 中國沙漠, 2014,34(5):1353-1362.

[35] 張亞妮,張碧輝,宗志平,等.影響北京的一例沙塵天氣過程的起沙沉降及輸送路徑分析[J]. 氣象, 2013,39(7):911-922.

[36] 陳躍浩,高慶先,高文康,等.沙塵天氣對大氣環境質量影響的量化研究[J]. 環境科學研究, 2013,26(4):364-369.

Dust remote sensing monitoring and application based on Himawari 8.

QIU Yun, LI Ling-jun*, LU Hai-feng, ZHAO Wen-hui, JIANG Lei, ZHANG Li-kun, WANG Xin-hui

(Beijing Municipal Environmental Monitoring Center, Beijing 100048, China)., 2018,38(9)：3305~3312

Dust was monitored hourly based on Himawari 8data. Time series analysis and histogram statistic methods were used for analyzing the brightness temperature of Band15, 13, 11, BT15-BT 13 and BT13-BT 11. The results showed that each object shared the similar value range based on the selected Bands. The Brightness Temperature (BT) of ice cloud was about 220~250K; the BT of dust, water cloud and cold land was about 260~270K; and the BT of low cloud, fog and warm land was about 270~290K. Band13 was sensitive to identify dust because of the low BT value over dust area. The differences of BT in two infrared channels can clearly distinguish dust from other objects. The value of BT15-BT13 was high and the value of BT13-BT11 was low in dust area. The results of correlation analysis showed that BT15-BT13 and BT13-BT11 were significantly related to the ground PM10concentration at the 0.01level. BT15-BT13, BT13-BT11 and BT13 were used for false color composite for dust monitoring. Combine meteorological data, ground PM10data, Lidar and satellite remote sensing results, the source, formation process and moving track of dust weather can be monitored hourly from 3dimensions.

dust；brightness temperature difference；brightness temperature；Himawari 8

X87

A

1000-6928(2018)09-3305-08

邱 昀(1992-),女,北京人,碩士,主要從事衛星遙感在環境中的應用研究.

2018-01-22

市委、市政府重點工作及縣政府應急項目(Z161100001116013)

* 責任作者, 教授級高工, lilj2000@126.com