基于靜止衛(wèi)星GOCI傳感器的大氣污染過程AOD監(jiān)測

張玉環(huán),毛慧琴,厲 青,王中挺,張麗娟,馬鵬飛,周春艷,陳 輝,陳翠紅

?

基于靜止衛(wèi)星GOCI傳感器的大氣污染過程AOD監(jiān)測

張玉環(huán),毛慧琴*,厲 青,王中挺,張麗娟,馬鵬飛,周春艷,陳 輝,陳翠紅

(環(huán)境保護部衛(wèi)星環(huán)境應(yīng)用中心,北京 100094)

針對北京及周邊地區(qū)2017年11月2~8日的一次污染過程,利用韓國靜止衛(wèi)星COMs1GOCI數(shù)據(jù),對北京地區(qū)進行AOD監(jiān)測.AOD反演采用時間序列迭代算法,根據(jù)地表反射率隨時間慢變而大氣氣溶膠隨時間快變的理論,采取最小值擬合的方式,獲取氣溶膠光學(xué)厚度數(shù)據(jù).反演結(jié)果與地基AERONET監(jiān)測結(jié)果具有很好的一致性,兩者的相關(guān)系數(shù)2大于0.89.AOD監(jiān)測結(jié)果表明,GOCI傳感器1次/h的監(jiān)測頻率,可以很好地展現(xiàn)北京地區(qū)大氣污染過程的開始,發(fā)展及消散過程,可以展示出一天之內(nèi)AOD的變化,為大氣污染監(jiān)測以及氣候變化研究提供依據(jù).

氣溶膠光學(xué)厚度；靜止衛(wèi)星；高時間分辨率；大氣污染

大氣氣溶膠光學(xué)厚度可以反映出大氣污染程度.目前,常用的用于氣溶膠光學(xué)厚度監(jiān)測極軌衛(wèi)星傳感器(TERRA/AQUA MODIS、PARASOL POLDER、NPP VIIRS、FY3MERSI等),一天一次或者數(shù)天一次的監(jiān)測頻率,不能很好地滿足環(huán)境應(yīng)急監(jiān)測的需求,高時間分辨率的大氣監(jiān)測只能依靠于靜止衛(wèi)星.早期的靜止衛(wèi)星主要是應(yīng)用于氣象部門,空間分辨率較低,隨著衛(wèi)星技術(shù)的發(fā)展,新一代靜止衛(wèi)星兼具了高的時間分辨率和較高的空間分辨率,為大氣監(jiān)測提供了新的數(shù)據(jù)源.

2010年6月26日,韓國首顆地球靜止軌道衛(wèi)星——通信-海洋-氣象衛(wèi)星-1(COMs-1)發(fā)射成功, 2010年7月13日發(fā)回首批遙感圖片.衛(wèi)星上搭載的GOCI傳感器是世界首個搭載于靜止衛(wèi)星上的海洋水色成像儀[1].GOCI以8個波段(2個近紅外波段和6個可見光波段)成像,空間分辨率為500m,當(dāng)?shù)貢r間9:00–16:00(GMT +9)每小時成像一次[2],觀測區(qū)域為以韓國為中心,(2500′2500)km2的范圍,中心經(jīng)緯度為(130°E,36°N).GOCI雖設(shè)計為海洋傳感器,在進行海洋觀測的同時也給其觀測范圍內(nèi)的廣大陸地區(qū)域(中國的華北地區(qū),朝鮮,韓國,日本等)提供豐富的觀測數(shù)據(jù),加上一天8次的觀測頻率,使其在陸地區(qū)域的觀測也有很大潛力.

氣溶膠光學(xué)厚度反演的關(guān)鍵在于大氣氣溶膠模式的建立和地氣混合信號中地表貢獻的去除.氣溶膠光學(xué)厚度衛(wèi)星遙感反演算法主要是根據(jù)傳感器特性選擇不同的地氣分離方法,進而形成了不同的大氣氣溶膠反演算法.比較成熟的暗目標(biāo)法,利用暗地表短波紅外通道、紅光通道、藍(lán)光通道之間的地表反射率關(guān)系進行地氣分離,已經(jīng)成功應(yīng)用于MODIS等傳感器[3-4];另外深藍(lán)算法基于地表反射率庫進行地表信號的去除,基于SeaWIFS數(shù)據(jù)用于沙漠等干旱地區(qū)[5-6];結(jié)構(gòu)函數(shù)算法可以用于亮地表,在SPOT、AVHRR[7]、TM等數(shù)據(jù)上有較好的應(yīng)用[8-9];另外有針對多角度偏振數(shù)據(jù)的偏振算法等[10-11],均有較多的應(yīng)用.

對于靜止衛(wèi)星GOCI傳感器,具有針對同一地點觀測角度不變,太陽角度隨時間緩慢變化的特性.本文基于時間序列算法,利用GOCI數(shù)據(jù)針對2017年11月2日到8日,北京及周邊地區(qū)的一次完整的空氣污染過程進行全程AOD監(jiān)測,并進行了AOD驗證.

1 原理與方法

1.1 基本原理

傳感器獲得的大氣層頂觀測輻射是程輻射、地表反射率和環(huán)境因子共同作用的結(jié)果.考慮大氣作用,水汽、O2、CO2、O3等氣體的吸收,氣體分子和氣溶膠的散射及非均一地表等因素的影響,假設(shè)地表朗伯體、大氣水平均一,在可見光、近紅外波段衛(wèi)星獲取的信號可寫為公式如下:

式中:ν=cosν,s=coss,ν、s分別為觀測天頂角與太陽天頂角;(ν)為傳感器接收到的輻射亮度,0(ν)為觀測方向的路徑輻射項;為地表反射率;為大氣下界的半球反射率;π×0為大氣層頂與太陽光垂直方向的通量密度.

衛(wèi)星遙感陸地上空氣溶膠光學(xué)厚度起始于大氣上界表現(xiàn)反射率的觀測值,不考慮氣體吸收,利用入射太陽輻射項0s歸一化上式,那么衛(wèi)星觀測的表觀反射率為:

式中:TOA是表觀反射率;ν,s分別為觀測天頂角與太陽天頂角;0是大氣的路徑輻射項等效反射率;(s)和(v)分別為太陽方向和衛(wèi)星方向的大氣透過率;為大氣的球面反照率;為地表反射率.

氣溶膠反演的核心是地氣分離,即從衛(wèi)星接收到的信號中提取出大氣信息.在陸地氣溶膠反演中,首先要解決地表反射率和氣溶膠模型這兩個未知參數(shù)的確定方法問題.為了根據(jù)表觀反射率數(shù)據(jù)反演出氣溶膠光學(xué)厚度值,一般需要合理的假定一個氣溶膠模型,根據(jù)假定的氣溶膠模型來確定單次散射反照率和氣溶膠相函數(shù).在確定氣溶膠模型和表反射率的基礎(chǔ)上,可以計算氣溶膠光學(xué)厚度值.

1.2 AOD反演方法

氣溶膠光學(xué)厚度反演算法基于以下兩個假設(shè)[12]:(1)氣溶膠光學(xué)特性隨時間變化快速隨地點變化緩慢,可假定一個小的區(qū)域范圍內(nèi),認(rèn)為此范圍內(nèi)氣溶膠光學(xué)特性不變;(2)地表反射率特性隨時間變化緩慢,隨地點變化迅速,可假定一個小的時間間隔(例如1天),認(rèn)為在此時間間隔內(nèi)地表反射率特性幾乎不變.在以上兩個假設(shè)的基礎(chǔ)上,短時間內(nèi)兩景衛(wèi)星影像表觀反射率的差異可以認(rèn)為主要是由于大氣光學(xué)特性差異引起的.GOCI為靜止衛(wèi)星傳感器,同一地理位置的觀測角度保持不變,只有太陽角度隨著觀測時間而緩慢變化.對于相鄰兩時相的GOCI影像,則大氣氣溶膠特性差異是造成表觀反射率差異的主要因素.基于既定的氣溶膠模型以及氣溶膠光學(xué)厚度范圍(例如550nm處氣溶膠光學(xué)厚度:0~2)建立查找表,即可通過TOA反射率數(shù)據(jù)來確定地表反射率和AOD的關(guān)系.

基于以上理論,在氣溶膠光學(xué)厚度反演算法中,氣溶膠光學(xué)厚度可以通過相鄰時相兩幅衛(wèi)星影像地表反射率差異最小擬合獲取.擬合時根據(jù)以下代價函數(shù)公式(3),用于描述相鄰時相兩幅影像地表反射率的差異程度[12],通過代價函數(shù)的最小化來取得相鄰兩幅影像地表反射率差異最小,認(rèn)為此時對應(yīng)的氣溶膠光學(xué)厚度和地表反射率為真實值.

式中:為波長;(,)是圖像中選定的子區(qū)域的像元坐標(biāo),在此子區(qū)域內(nèi),認(rèn)為AOD沒有發(fā)生變化,本研究中選定2乘以2個像元區(qū)域作為子區(qū)域;TOA是衛(wèi)星觀測表觀反射率;LUT是基于查找表查找出的表觀反射率為TOA時、氣溶膠光學(xué)厚度為AOD時對應(yīng)的地表反射率數(shù)據(jù);、表示時間序列圖像的第d和第d;surf為初始地表反射率,初始地表反射率是第一次進行迭代反演時的一個約束條件,研究中選取了臨近時間的MODIS地表反射率8d合成的產(chǎn)品,作為第一次迭代計算時的約束條件,后面迭代計算時,采用前一天反演AOD后得到的地表反射率數(shù)據(jù)作為初始地表反射率.具體算法流程如圖1所示.

本研究在進行AOD反演時,為了降低地表BRDF(Bidirectional Reflectance Distribution Function)的影響,每次反演時采取的兩景時間序列圖像均為相鄰天、同一時刻的成像數(shù)據(jù).針對這樣的兩景數(shù)據(jù),衛(wèi)星觀測角度不變,只有太陽角度隨日期緩慢變化.

圖1 氣溶膠光學(xué)厚度反演算法流程

2 結(jié)果與討論

2.1 數(shù)據(jù)的選取

選取GOCI衛(wèi)星2017年11月2日到2017年11月8日之間,每天成像時間分別為1:16、2:16、3:16和4:16、5:16、6:16、7:16(GMT)的圖像,所選數(shù)據(jù)為GOCI網(wǎng)站發(fā)布的L1B數(shù)據(jù)[1].研究區(qū)域選擇中國北京市及周邊的區(qū)域,如圖2所示.

本文在云識別方面,選取與GOCI Level 1B 數(shù)據(jù)相對應(yīng)的L2P 產(chǎn)品(由韓國海洋衛(wèi)星中心KOSC提供的 GDPS軟件生產(chǎn)),L2P產(chǎn)品里面包含云識別數(shù)據(jù)[13-14],AOD反演時用此數(shù)據(jù)去除云像元[15-16].

圖2 2017年11月4日03:16研究區(qū)域真彩圖

2.2 反演結(jié)果

2017年11月4日到7日北京地區(qū)有一次污染過程.污染過程由2017年11月4日開始,空氣質(zhì)量為良;5日大氣污染物開始聚集,空氣質(zhì)量為輕度污染;6日空氣質(zhì)量繼續(xù)變差,空氣質(zhì)量為中度污染,污染影響范圍最大;7日大氣污染消散,空氣質(zhì)量轉(zhuǎn)好,空氣質(zhì)量狀況為輕度污染,8日空氣質(zhì)量轉(zhuǎn)為優(yōu).GOCI AOD反演結(jié)果如圖3所示.

2017年11月4日12:16(北京時間)反演結(jié)果(圖3a)顯示,研究區(qū)域內(nèi)北部絕大部分地區(qū)AOD均為0.1左右,只有南部部分區(qū)域AOD較大,為0.3左右,局部達(dá)到了0.5,但是整體空氣質(zhì)量良好;2017年11月5日9:16(圖3b), AOD增長明顯,北京城區(qū)AOD高達(dá)1.0,空氣輕度污染,并且AOD高值區(qū)域呈東北-西南走向條帶狀分布,AOD高值區(qū)域分布于北京-廊坊-保定一帶,研究區(qū)域內(nèi)只有北京西部山區(qū)以及張家口地區(qū)AOD仍舊較低,空氣質(zhì)量良好;2017年11月5日白天,AOD持續(xù)增長,為大氣污染物的積累階段,到13:16(圖3d),北京-廊坊-保定一帶的AOD達(dá)到了1.2左右,大氣狀況持續(xù)變差;2017年11月6日上午AOD(圖3e、圖3f)達(dá)到了此次污染過程的最高值,北京-廊坊-保定污染核心區(qū)域的AOD部分超過了1.3,污染范圍擴大,唐山市、天津市AOD增長明顯,空氣質(zhì)量下降,張家口地區(qū)空氣質(zhì)量也有所下降,到11月6日下午,整體研究區(qū)域AOD略有下降(圖3g)但是北京-廊坊-保定核心區(qū)域空氣質(zhì)量仍舊處于中度污染;2017年11月7日(圖3i)空氣質(zhì)量好轉(zhuǎn),北京-廊坊-保定重污染條帶特征消失,北京市區(qū)AOD在0.4左右,研究區(qū)域西北部AOD達(dá)到此次污染過程之前的水平,為0.1左右,研究區(qū)域內(nèi)僅有南部區(qū)域AOD略高,為0.5左右,為此次污染過程的消失階段,整體空氣質(zhì)量回歸良好水平.

時間表示為世界時間

2.3 結(jié)果驗證

在對GOCI氣溶膠光學(xué)厚度結(jié)果進行驗證時,首選AErosol RObotic NETwork (AERONET)觀測網(wǎng)地基太陽光度計實測數(shù)據(jù),在研究區(qū)域內(nèi),選擇擁有正常觀測的長期AERONET站點香河(116.962°E, 39.754°N)、RADI(中國科學(xué)院遙感與數(shù)字地球研究所:116.379°E,40.005°N)、CAMS(中國氣象科學(xué)研究院116.317°E,39.933°N),采用了Level 1.5數(shù)據(jù)進行驗證.

AERONET實測數(shù)據(jù)中沒有550nm波段,可根據(jù)實測氣溶膠光學(xué)厚度結(jié)果和?ngstr?m參數(shù)公式,利用太陽光度計實測的440nm和870nm處的氣溶膠光學(xué)厚度,計算出550nm處的氣溶膠光學(xué)厚度值,并與GOCI反演的結(jié)果進行對比[17-18].

式中:τ()是550nm處的氣溶膠光學(xué)厚度,是氣溶膠濁度系數(shù);是?ngstr?m指數(shù);為波長,單位為mm.

驗證結(jié)果如圖4所示.由圖4可以看出,GOCI AOD反演結(jié)果與AERONET實測結(jié)果在各驗證站點均有很好的一致性,在4個站點的相關(guān)系數(shù)2為0.89~0.90,斜率0.88~1.00.

北京及周邊地區(qū)的反演結(jié)果與地基結(jié)果的相關(guān)性(2大于0.89)略高于GOCI官方AOD在整個東亞地區(qū)的結(jié)果(2大于0.8)[19-20].同時,GOCI具有一小時一次的監(jiān)測頻率,可以實時連續(xù)的提供大氣污染區(qū)域的監(jiān)測結(jié)果,比起極軌衛(wèi)星,能更好的反應(yīng)出大氣變化的特性,是大氣監(jiān)測的一個重要技術(shù)手段.

3 結(jié)論

3.1 2017年11月4日到7日北京地區(qū)有一次污染過程.污染過程由2017年11月4日開始,空氣質(zhì)量為良;5日大氣污染物開始聚集,空氣質(zhì)量為輕度污染;6日空氣質(zhì)量繼續(xù)變差,為中度污染,影響范圍最大,尤其是北京中部南部地區(qū),AOD達(dá)到1.5左右;7日大氣污染消散,空氣質(zhì)量轉(zhuǎn)好.

3.2 北京及周邊地區(qū)的反演結(jié)果與地基結(jié)果具有較好的相關(guān)性(2大于0.89). GOCI具有一小時一次的監(jiān)測頻率,可以實時連續(xù)的提供大氣污染區(qū)域的監(jiān)測結(jié)果,比起極軌衛(wèi)星,能更好的反映出大氣變化的特性,是大氣監(jiān)測的一個重要技術(shù)手段.由GOCI 反演的AOD結(jié)果可以明顯看出,2017年11月3日到7日北京地區(qū)一次污染過程中的空氣質(zhì)量輕度污染、中度污染、良好情況下對應(yīng)的不同的AOD的分布趨勢及變化規(guī)律.因此,高時間分辨率的GOCI影像具有詳細(xì)監(jiān)測空氣污染過程的優(yōu)勢.

[1] Ryu J H, Han H J, Cho S, et al. Overview of geostationary ocean color imager (GOCI) and GOCI data processing system (GDPS) [J]. Ocean Science Journal, 2012,47(3):223-233.

[2] Faure F, Coste P, Kang G. The GOCI instrument on COMs mission – the first geostationary ocean color imager [C]//Proceedings of the International Conference on Space Optics (ICSO), 2008,6:1-6.

[3] 王中挺,厲 青,陶金花,等.環(huán)境一號衛(wèi)星CCD相機應(yīng)用于陸地氣溶膠的監(jiān)測[J]. 中國環(huán)境科學(xué), 2009,29(9):902-907.

[4] Kaufman Y J, Tanré D, Remer L, et al. Operational remote sensing of tropospheric aerosol over the land form EOS-moderate resolution imaging spectroradiometer [J]. Journal of Geophysical Research, 1997,102(14):17051-17067.

[5] Hsu C N, Tsay S C, King M D, et al. Aerosol properties over bright-reflecting source regions [J]. IEEE Transactions Geoscience and Remote Sensing, 2004,42(3):557–569.

[6] Hsu C N, Tsay S C, King M D, et al. Deep blue retrievals of Asian aerosol properties during ACE-Asia [J]. IEEE Transactions Geoscience and Remote Sensing, 2006,44(11):3180–3195.

[7] Holben B, Vermote E, Kaufman Y J, et al. Aerosol retrieval over land from AVHRR data-application for atmospheric correction [J]. IEEE Transactions on Geoscience and Remote Sensing, 1992,30(2):212- 222.

[8] Tanré D, Deschamps P Y, Devaux C, et al. Estimation of Saharan aerosol optical thickness from blurring effects in Thematic Mapper data [J]. Journal of the Atmospheric Sciences, 1988,93(D12):15, 955–15,964.

[9] 孫 林,柳欽火,劉 強,等.高反射率地區(qū)氣溶膠光學(xué)厚度遙感反演:現(xiàn)狀及展望[J]. 地理科學(xué)進展, 2006,25(3):70-78.

[10] Deuzé J L, Goloub P, Herman M, et al. Estimate of the aerosol properties over the ocean with POLDER [J]. Journal of Geophysical Research, 2000,105:15329-15346.

[11] Deuzé J L, Bréon F M, Devaux C, et al. Remote sensing of aerosols over land surfaces from POLDER-ADEOS 1polarized measurements [J]. Journal of Geophysical Research, 2001,106(D5): 4913-4926.

[12] Hagolle O, Dedieu G, Mougenot B, et al.Correction of aerosol effects on multi-temporal images acquired with constant viewing angles: Application to Formosat-2images [J]. Remote Sensing of Environment, 2008,112(4):1689-1701.

[13] Han H J, Ryu J H, Ahn Y H. Development the Geostationary Ocean Color Imager (GOCI) Data Processing System (GDPS) [J]. Korean J Remote Sens, 2010,26(2):239-249.

[14] Ryu J H, Han H J, Cho S, et al.Overview of geostationary ocean color imager (GOCI) and GOCI data processing system (GDPS) [J]. Ocean Science Journal, 2012,47(3):223-233.

[15] Choi Y S, Ho C H. Validation of the cloud property retrievals from the MTSAT-1R imagery using MODIS observations [J]. International Journal of RemoteSensing, 2009,30:5935?5958.

[16] Choi Y S, Ho C H, Ahn M H, et al. An exploratory study of cloud remote sensing capabilities of the Communication, Ocean and MeteorologicalSatellite (COMS) imagery [J]. International Journal of Remote Sensing, 2007,28:4715?4732.

[17] ?ngstr?m A. On the atmospheric transmission of sum radiation on dust in air [J]. Geogr Annual, 1929,2:156-165.

[18] Dubovik O, King M D. A flexible inversion algorithm for retrieval of aerosol optical properties from sun and sky radiance measurements [J]. Journal of Geophysical Research, 2000,105:20673–20696.

[19] Park M E, Song C H, Park R S, et al. New approach to monitor transboundary particulate pollution over Northeast Asia [J]. Atmospheric Chemistry and Physics, 2013,14(2):659-674.

[20] Xiao Q, Zhang H, Choi M, et al. Evaluation of VIIRS, GOCI, and MODIS Collection 6AOD retrievals against ground sunphotometer observations over East Asia [J]. Atmospheric Chemistry and Physics, 2016,16(3):1255-1269.

致謝：感謝韓國宇航研究院提供的COMs1GOCI衛(wèi)星數(shù)據(jù),使用了AERONET的Beijing_CAMS、Beijing_RADI、XiangHe站點的觀測數(shù)據(jù),作者在此對上述機構(gòu)和維護AERONET站點的首席科學(xué)家表示衷心的感謝.

An AOD monitoring of air pollution process based on GOCI data.

ZHANG Yu-huan, MAO Hui-qin*, LI Qing, WANG Zhong-ting, ZHANG Li-juan, MA Peng-fei, ZHOU Chun-yan, CHEN Hui, CHEN Cui-hong

( Environmental Satellite Application Center, State Environmental Protection Ministry, Beijing 100029, China)., 2018,38(10)：3647~3653

An serious air pollution episode over Beijing and surrounding area have persisted from November 2 to 8, 2017. In order to monitor and analyze this air pollution, a remote sensing inversion of time series iterative algorithm (TSIA) was used to retrieval the aerosol optical depth (AOD) for the particle pollutants based on COMs1(Communication、Ocean & Meteorological Satellite-1) GOCI (The Korea Geostationary Ocean Color Imager) data. The core idea of TSIA is the surface reflectance variations is minimized by a reasonable assumption of aerosol changing quickly but earth’s surface changing slowly over time. The results show that the AOD over Beijing and around area has a fairly good relationship with2of greater than 0.89 compared with the ground-based measurements from Aerosol Robotic NETwork (AERONET). The high monitoring frequency of GOCI (once per hour in daylight) could capture the air pollution trends better from forming to dissipation, which can be of great assistance in climate change researches and environmental monitoring.

aerosol optical depth；geostationary satellite；high temporal resolution；air pollution

X831

A

1000-6923(2018)10-3647-07

張玉環(huán)(1984-),女,山東濟寧人,高級工程師,博士,主要從事大氣環(huán)境遙感監(jiān)測研究.發(fā)表論文10余篇.

2018-02-06

國家重點研發(fā)計劃資助項目(2016YFC0206202)

* 責(zé)任作者, 高級工程師, huiqin.mao@hotmail.com