CN101493407A - 基于地气耦合的大气污染信息提取方法 - Google Patents
基于地气耦合的大气污染信息提取方法 Download PDFInfo
- Publication number
- CN101493407A CN101493407A CNA2008102198416A CN200810219841A CN101493407A CN 101493407 A CN101493407 A CN 101493407A CN A2008102198416 A CNA2008102198416 A CN A2008102198416A CN 200810219841 A CN200810219841 A CN 200810219841A CN 101493407 A CN101493407 A CN 101493407A
- Authority
- CN
- China
- Prior art keywords
- pollution
- turbidity
- ground
- remote sensing
- concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000008878 coupling Effects 0.000 title claims abstract description 12
- 238000010168 coupling process Methods 0.000 title claims abstract description 12
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 12
- 238000000605 extraction Methods 0.000 title claims abstract description 12
- 238000003915 air pollution Methods 0.000 title claims description 13
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 230000003595 spectral effect Effects 0.000 claims abstract description 5
- 238000011109 contamination Methods 0.000 claims description 56
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 17
- 239000002689 soil Substances 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 230000003287 optical effect Effects 0.000 claims description 13
- 239000002245 particle Substances 0.000 claims description 13
- 239000000428 dust Substances 0.000 claims description 12
- 239000003245 coal Substances 0.000 claims description 9
- 239000004576 sand Substances 0.000 claims description 9
- 239000000779 smoke Substances 0.000 claims description 9
- 239000004568 cement Substances 0.000 claims description 6
- 239000002904 solvent Substances 0.000 claims description 4
- -1 vegetation Substances 0.000 claims description 2
- 239000003344 environmental pollutant Substances 0.000 abstract description 34
- 231100000719 pollutant Toxicity 0.000 abstract description 34
- 238000001228 spectrum Methods 0.000 abstract description 19
- 239000000443 aerosol Substances 0.000 abstract description 12
- 238000000034 method Methods 0.000 abstract description 11
- 239000000470 constituent Substances 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 26
- 238000005259 measurement Methods 0.000 description 13
- 238000002310 reflectometry Methods 0.000 description 12
- 239000000758 substrate Substances 0.000 description 10
- 230000001360 synchronised effect Effects 0.000 description 7
- 239000000203 mixture Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000002075 main ingredient Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于地气耦合的大气污染信息提取方法,包括如下步骤:(1)建立各类型人为成因气溶胶后向散射模型;(2)根据光谱特性将地物概化为数种基本组分,建立各组分之间及与大气光谱之间的合成模型,并用多波段数据进行求解;(3)将污染气溶胶信息从地物信息中分解出来,得到较高分辨率的污染气溶胶混浊度及其空间分布结果。本发明在反映立柱大气污染浓度方面具有令人满意的精度,并与地面污染物浓度具有较显著的相关性,可以在相当程度上客观地反映污染分布情况。可以客观地反映大气污染在区域上的分布状态,可以反映污染源,并可在此基础上分析每个地区的主要污染类型,污染物来源。
Description
技术领域
本发明属于大气污染遥感技术领域,尤其涉及基于卫星光学遥感数据的污染气溶胶定量遥感,即一种基于地气耦合的大气污染信息提取方法。
背景技术
卫星遥感技术在瞬间大范围获取区域地表和大气综合信息,用于大气污染情况调查可以获得大气污染在大面区域上的详细空间分布情况,并在很大程度上避免了大气污染时空易变性产生的误差。另外,卫星遥感数据周期性重复覆盖地球表面,非常有利于进行动态监测,故用遥感技术进行大气污染监测具有广阔的前景。
大气污染主要是通过污染产生的气溶胶的散射和吸收而在遥感数据中得到反映。作为大气污染的主要成份之一,人为成因的气溶胶与大气污染整体在强度和分布范围上是紧密相关的。因此,人为气溶胶可以作为大气污染的指示物(Kaufman et al,1990),故称为污染气溶胶。从卫星数据中提取污染气溶胶信息需解决两方面的问题:一是已知污染气溶胶包括粉尘的光学特性并能根据其路径散射光谱进行反演。Y.J.Kaufman,D.Tanre,TeruyukiNakajima等用分布于全球三十多个观测站的地空同步观测资料,得到了多种气溶胶散射相函数的经验分布,并给出了气溶胶光学厚度与路径散射、下行散射与上行散射的经验公式。但目前已进行的研究多是将整个大气层的气溶胶当作一个整体来研究,而大气中的气溶胶是由数种类型组成的,如何反演各类气溶胶的组分,这方面的研究尚未见报导。
另一个需要解决的问题是在遥感数据中将气溶胶散射信息从多变的地面信息中分离出来。该问题一直未得到解决。目前对大气污染的定量遥感只能在水体等反射率极低的地物上进行。这些地物之上,象元信息主要是大气分子和气溶胶散射信息,忽略地物反射光谱并扣除分子散射后即可得到气溶胶散射信息。Y.J.Kaufman等运用该方法计算了大尺度小比例尺的大气污染分布。但内陆地区,特别是在城区,水体等低反射率地物的分布不连续,且面积、数量有限,所以该方法只能得出大尺度、低分辨率的结果。采用信息分解的办法提取大气污染污染信息是一条有效途径。
2000年以来,本申请的发明人采用象元信息分解法较成功地从遥感数据直接定量提取区域污染气溶胶信息,得到直观、定量的污染分布的结果。但该方法仍存在两方面的不足:一是主要采用较简单的线性模型,忽略了多次散射的作用,故精度受到限制;二是所提取的结果为整层大气的污染气溶胶光学厚度和混浊度,对其与地面常规大气污染监测参数的关系并未进行研究。
发明内容
本发明的目的在于提供一种具有较高精度的基于地气耦合的大气污染信息提取方法,客观地反映大气污染的分布情况。
本发明所采用的技术方案:一种基于地气耦合的大气污染信息提取方法,包括如下步骤:
(1)建立各类型人为成因气溶胶后向散射模型;
(2)根据光谱特性将地物概化为数种基本组分,建立各组分之间及与大气光谱之间的合成模型,并用多波段数据进行求解;
(3)将污染气溶胶信息从地物信息中分解出来,得到较高分辨率的污染气溶胶混浊度及其空间分布结果。
上述人为成因气溶胶由煤烟、水溶性粒子和沙尘三种成因、特征不同的粒子组成。所述人为成因气溶胶的光学厚度用以下公式表示:
τa=(β1+β2)λ-3.8+β3λ-1.5
式中:β1、β2、β3分别为煤烟、水溶性粒子和沙尘三种基本气溶胶的混浊度,λ为波长。
上述步骤(2)中的地物划分为土壤、植被、水体、土壤水份和水泥建筑物四种基本组份。
上述步骤(3)通过以下方程组求解获得:
Rg(λ1,β1+2,β3)=Rg(R1,Vws,L)
Rg(λ2,β1+2,β3)=Rg(R2,Vws,L)
……
Rg(λ4,β1+2,β3)=Rg(R4,Vws,L)
式中:Rg为地面反射率的函数,R为象元综合反射率,λ为波长,β1+2和β3为气溶胶混浊度,L为植被叶面积指数,Vws为土壤含水量。
本发明在反映立柱大气污染浓度方面具有令人满意的精度,并与地面污染物浓度具有较显著的相关性,可以在相当程度上客观地反映污染分布情况。可以客观地反映大气污染在区域上的分布状态,可以反映污染源,并可在此基础上分析每个地区的主要污染类型,污染物来源。
附图说明
图1是2002年10月08日广东省大气污染分布遥感图(卫星遥感数据:MODIS);
图2是2002年11月04日广东省大气污染分布遥感图(卫星遥感数据:MODIS);
图3是珠三角地区2002年11月7日的大气污染分布遥感图(卫星遥感数据:TM);
图4是虎门地区2002年11月7日的大气污染物混浊度分布遥感图(卫星遥感数据:TM);
图5是以2002年10月15日全省原地污染为主观测点,污染物综合浓度测量值与物混浊度计算值散点图及拟合曲线;
图6是以2002年10月15日全省原地污染为主观测点,MP10浓度测量值与物混浊度计算值散点图及拟合曲线;
图7是以2002年10月15日全省原地污染为主观测点,NO2浓度测量值与物混浊度计算值散点图及拟合曲线;
图8是以2002年10月15日全省异地污染为主观测点,污染物综合浓度测量值与物混浊度计算值散点图及拟合曲线;
图9是以2002年10月15日全省异地污染为主观测点,SO2浓度测量值与物混浊度计算值散点图及拟合曲线;
图10是以2002年10月8日全省原地污染为主观测点,污染物综合浓度测量值与物混浊度计算值散点图及拟合曲线;
图11是以2002年10月8日全省原地污染为主观测点,NO2浓度测量值与物混浊度计算值散点图及拟合曲线;
图12是以2002年10月8日全省原地污染为主观测点,PM10浓度测量值与物混浊度计算值散点图及拟合曲线;
图13是以2002年11月7日珠江三角洲原地污染为主观测点,大气污染物综合浓度测量值与混浊度计算值散点图;
图14是以2002年11月7日珠江三角洲原地污染为主观测点,NO2浓度测量值与混浊度计算值散点图;
图15是以2002年11月7日珠江三角洲原地污染为主观测点,PM10浓度测量值与混浊度计算值散点图;
图16是以2002年11月7日珠江三角洲混合污染源型观测点,大气污染物综合浓度测量值与混浊度计算值散点图;
图17是以2002年11月7日珠江三角洲混合污染源型观测点,NO2浓度测量值与混浊度计算值散点图;
图18是以2002年11月7日珠江三角洲混合污染源型观测点,PM10浓度测量值与混浊度计算值散点图;
图19是以2002年11月7日珠江三角洲异地污染观测点,大气污染物综合浓度测量值与混浊度计算值散点图;
图20是以2002年11月7日珠江三角洲异地污染观测点,SO2浓度测量值与混浊度计算值散点图;
图21是以2002年11月7日珠江三角洲异地污染观测点,PM10浓度测量值与混浊度计算值散点图;
具体实施方式
下面结合附图对本发明的具体结构作进一步的描述。
1污染气溶胶的光学特征
污染气溶胶(synthetic aerosol)专指对流层中由于人为因素产生的煤烟、沙尘和SO2、NOx分子等转化而成的水溶性粒子,也称人为气溶胶。自然成因的气溶胶和上升到平流层的人为成因气溶胶在水平方向上变化缓慢,在数十公里尺度上可认为是不变的,可当作背景气溶胶,其影响可在大气纠正中消除。研究表明,人为成因气溶胶由煤烟、水溶性粒子和沙尘三种成因、特征不同的粒子组成。每一种污染类型的气溶胶一般均包含了该三种基本类型,但不同污染类型三者的含量不同,造成了不同污染区气溶胶总特征的差异。由于粒度和折射率等特征不同,三种基本气溶胶类型对阳光的吸收和散射各有差异。在遥感使用的大气窗口波段,对散射起决定性影响的是粒度分布。在可见光-近红外波段,水溶性粒子和煤烟尺度参数均小于0.1,其散射以瑞利散射为主,短波部分的散射率远大于长波部分。沙尘性粒子则由于粒度较粗,以米氏散射为主,虽短波部分的散射率仍大于长波部分,但较之水溶性粒子和煤烟,其散射率随波长变化曲线的曲率大为减小。根据我们对北京市和广州典型污染类型的散射特征对空测量实验,人为气溶胶的光学厚度可用下式表示:
τa=(β1+β2)λ-3.8+β3λ-1.5 (2.1)
式中:β1、β2、β3分别为煤烟、水溶性粒子和沙尘三种基本气溶胶的混浊度。
气溶胶光学厚度取决于大气中气溶胶的数量、路径散射率和吸收率,与路径散射强度存在一定的函数关系。根据Yoram J.Kaufman等的工作气溶胶路径散射与光学厚度的经验公式可表示为:
ωd为气溶胶下行散射率。上行路径散射率ωu与下行散射率的关系为:
ωu=0.526ωd-0.0058 (2.3)
由式(2.2)和(2.3)可以得到气溶胶上行路径散射与光学厚度的计算公式。
2地物的光谱组成与分解
在遥感数据中,各个象元对应地面上一定面积的地物。这些地物通常是由若干基本成分组成,如土壤、植被、水分等。象元光谱也正是这些基本地物成份所发射或反射的光谱的混合并为传感器接受的部分,故象元光谱实际上是各基本地物成份光谱按一定方式的组合。换句话说,象元光谱可以划分为若干基本成份,这些光谱成份与地物的各基本成份相对应。不同象元光谱可看作是这些基本组分按不同量的组合。
1)基本地物组份的划分
根据光谱的稳定性、独立性和代表性,我们将地物划分为:为土壤(包括岩石)、植被、水体、土壤水份和水泥建筑物等四种基本组份。干枯植物和植被黄色干物质的光谱在可见光至近红外波段与土壤相似,可以用土壤光谱代替。城市地物的基本成份复杂。但遥感数据一般是在垂直或近垂向上从上往下探测,接受到的只是建筑物顶面的光谱。加上顶面均有灰尘覆盖,其光谱与土壤类似。旧水泥建筑物和柏油路面的反射率明显低于新建筑物,但反射光谱曲线特征相同,可用标准水泥建筑物反射率(新建筑物反射率)与一小于1的常数之积代替。故在一定的区域的地表,其光谱均可看作是典型植被、干土壤、水份和水泥建筑四种基本组分按一定方式的组合。
2)基本地物组份的光谱合成
根据实验,一定湿度土壤的反射率为:
Rs-含水土壤反射率,Rs0-干土壤反射率,Vws-土壤体积含水量,αws-水份吸收系数,为稳定参数可通过实验测出。
植被的光谱合成方式较为复杂,其原因是植物冠层是由许多分散且半透明的叶子组成,象元的反射光包括了叶子的散射、多次散射和下覆土壤的反射光。植物冠层的反射光的能量主要集中在前几次散射,随散射次数的增加,散射强度呈近等比级数锐减。模拟计算表明,当叶面积指数(LAI)大于3时,前三次散射光的强度占总反射光的98%以上,一般情况下(LAI<1),前三次散射光的强度大约占总反射光的99%。所以只需考虑前三次散射即可保证精度。植被冠层的反射率Rp为:
Rp≈E1+E2+E3 (2.5)
其中:E1为叶丛的直接散射率,E2和E3分别为冠层的第2和3次散射率。
设叶子为朗伯体,且叶子的方向为均匀分布,则有:
其中: ρl为叶子上面的反射率;令k1(z)=<cosΘ1>z,k2(z)=<cosΘ2>z,Θ1、Θ2分别为叶面倾角与入射方向和观测方向的夹角。κ1、κ2分别为κ1(z)和κ2(z)的平均值。P(g)为散射相函数。κ1、κ2和P(g)取决于叶子角度分布,可根据叶倾角分布函数导出。
透过冠层的土壤反射光对反射率的贡献为:
Tp(θ1)、Tp(θ0)分别为冠层在入射方向和垂直方向上的透过率:
地表反射率为冠层反射和土壤反射的贡献之和:Rg=Rp+R′s
当入射和观测方向已知,干土反射率、水吸收率和单叶反射率等较稳定参数测定后,象元反射率为植被叶面积指数L、土壤含水量vws和波长的函数,故可写成:
Rg(λ,Vws,L)=Rp(λ,L)+R′s(λ,Vws,L) (2.11)
3基于地-气耦合的大气污染气溶胶遥感模型
1)卫星数据的象元光谱组成
在可见光和近红外波段,卫星数据的象元光谱包括天空散射光和地表反射光两部分。传感器接收到的反射光谱可写成:
I=[I0(TaTmTb)u+Im+Ibd+Iad]RgTaTmTb+Ia+Im+Ib
I0-入射光强,Rg-地面反射率,Ta、Tm和Tb-分别为人为气溶胶、大气分子和背景气溶胶的透过率;Ia、Im、Ib-分别为人为气溶胶,大气分子和背景气溶胶的上行散射光强。Iad、Ibd-分别为人为气溶胶和背景气溶胶的下行散射光强,u=1/cosθ,θ为太阳天顶角。上式两边除以I0并整理得:
其中:R-象元综合反射率;ωa、ωm、ωb-分别为人为气溶胶,大气分子和背景气溶胶的上行散射率;ωad、ωbd-分别为人为气溶胶和背景气溶胶的下行散射率。
Tm、ωm为常数。背景气溶胶在数十公里的尺度内也可认为是水平均匀的,其类型与所在的地理位置和季节有关,Tb、ωb和ωbd计算已有大量的研究并已有较成熟的计算模型,其中最著名的是MORTRAN。将相邻无污染区的能见度输入MORTRAN计算程式就可以计算出Tb、ωb和ωbd。Ta、ωa和ωad取决于人为气溶胶的组成的浓度。其中Ta=exp(-τa),τa与各类型污染气溶胶混浊度的关系和ωad、ωu与τa的关系已分别由(2.1)、(2.2)和(2.3)式给出。将(2.1)、(2.2)、(2.4)和(2.5)等式代入(2.13)式可得地面反射率与象元综合反射率R、气溶胶混浊度β1+β2(下称β1+2)和β3的函数:
2)基于多波段遥感数据的污染气溶胶混浊度计算
将(2.12)式代入(2.13)式得:
Rg(λ,Vws,L)=Rg(R,β1+2,β3) (2.15)
除波长外,该式有四个未知数,将四个波段的遥感数据R1~R4代入可得到由4个方程组成有唯一解的方程组:
Rg(λ1,β1+2,β3)=Rg(R1,Vws,L)
Rg(λ2,β1+2,β3)=Rg(R2,Vws,L) (2.16)
……
Rg(λ4,β1+2,β3)=Rg(R4,Vws,L)
解此方程组可以求得象元的β1+2,β3。对每个象元进行相同的计算即可得到全区β1+2,β3的分布图像。
4应用实例:广州——珠江口地区大气污染信息的遥感反演
4.1采用的遥感资料
1)MODIS卫星数据:
2002.11.04-02:50’
2002.10.08-03:08’
2002.10.15-03:14’
2003.01.17-03:26’
2)TM卫星数据:
1995.12.30-09:40’
1998.12.22-09:40’
2002.11.07-09:40’
4.2MODIS数据遥感结果
1.总体分布规律与实际情况相符。图1为全广东省2002年10月08日MODIS卫星数据提取的大气污染分布图像。如图像所示,红色表示大气污染分布区,红色色调与污染程度成正比(下同)。图中可以看到,大尺度上,大范围的大气污染主要分布在城市区域,污染程度和分布范围与城市区域的工业发展水平密切相关。其中以珠江三角洲污染最严重,污染分布范围也最大。其次依次为潮洲-汕头、茂名、梅州和绍关等城市区。
2.珠江三角洲污染最严重的地区为佛山-南海,次为广州和东莞等(如图2)。由于污染源密度大,整个珠江三角洲地区大气污染区域已基本连成一遍。
3.污染区域分布情况受污染源和气象条件两方面的控制,当有风时污染分布区域会发生一定的偏移,偏移的方向与距离与风向和风速有关(如图3)。
遥感结果图像上的大气污染分布特点与实际情完全况相符。
4.3MODIS数据遥感结果
1.总体分布规律与实际情况基本相符。图3为珠三角地区2002年11月7日的大气污染遥感图,图中可以看到,大尺度上,大片的大气污染主要分布在城市区域,其中佛山——南海和广州等地区最严重,珠江三角洲地区已基本连成一遍。
2.重污染区为大型工厂附近、密集城区和繁忙交通线上,如图4。
3.主要的污染源类型为大型工厂、公路交通和城乡结合区密集生活区。
总体和局部特征上看,遥感结果图像上的大气污染分布特点与实际情况基本相符。
4.4精度检验
检验方法是用以常规方法在地面进行同步观测得到的大气污染浓度数据对遥感计算结果进行对比,计算其精度。遥感得到的是整层大气污染气溶胶的混浊度。故定量检验分两种,一是用地面同步观测的整层大气污染气溶胶混浊度直接对遥感结果进行精度检验。由于没有在广州做卫星地面同步的整层大气观测,故我们用北京地区的整层大气气溶胶地面同步测量数据来对该区的用上述遥感模型计算所得结果进行检验。由于所用的遥感模型和方法相同,所以该种检验方法是有效的。二是用珠三角洲地区的地面污染物浓度监测数据与遥感污染气溶胶混浊度对比,计算二者的相关性和相关系数。
4.4.1北京市污染气溶胶遥感精度的检验
1)TM数据遥感结果的检验
检验采用2001年7月6日Landsat7的TM1-4波段数据。卫星过境时在6个典型污染区进行同步或准同步的气溶胶地对空测量。其后将用上述方法计算的人为气溶胶混浊度与地面观测数据进行对比检验。
表2.1是6个典型污染区污染气溶胶混浊度计算值与地面测量值的误差对比。除亦庄和遥感所两个点外,计算沙尘型气溶胶混浊度和总的气溶胶混浊度的相对误差均在0.12以内,其中有3个点的相对误差在0.1以内。所有观测点的绝对误差均<0.11。亦庄和遥感所两个点的相对误差稍大,分别为0.42和0.32。考虑到地面观测数据与卫星过境并非完全同步,总体说来计算值已达较高精度,说明方法是有效的。
表2.1北京市气溶胶混浊度计算值与观测值误差对比
2)MODIS卫星数据提取结果检验
检验地区为北京-天津-石家庄地区,遥感数据采用2002年2月3日的MODIS数据的2~5波段。卫星过境时,在地面用太阳光度计进行地基气溶胶的同步观测,并将遥感数据计算结果与地基观测结果进行对比。表2.2为用MODIS数据计算的气溶胶混浊度值与太阳光度计观测值的误差对比。对比结果,最大绝对误差为0.057,平均绝对误差为0.02,最大相对误差为20.9%,平均相对误差:7%;遥感计算值与地基观测值的相关系数为0.79。
表2.2北京-天津-石家庄地区气溶胶混浊度计算值与观测值误差对比
编号 | 观测值 | 计算值 | 绝对误差 | 相对误差 | 编号 | 观测值 | 计算值 | 绝对误差 | 相对误差 |
1 | 0.347 | 0.35 | -0.003 | -0.009 | 11 | 0.294 | 0.3 | -0.06 | -0.02 |
2 | 0.25 | 0.28 | -0.03 | -0.12 | 12 | 0.291 | 0.32 | -0.029 | -0.1 |
3 | 0.303 | 0.30 | 0.003 | 0.01 | 13 | 0.305 | 0.31 | -0.005 | -0.016 |
4 | 0.254 | 0.28 | -0.026 | -0.102 | 14 | 0.323 | 0.35 | -0.027 | -0.084 |
5 | 0.311 | 0.34 | -0.029 | -0.093 | 15 | 0.273 | 0.33 | -0.057 | -0.209 |
6 | 0.26 | 0.31 | -0.05 | -0.192 | 16 | 0.392 | 0.35 | 0.042 | 0.107 |
7 | 0.276 | 0.31 | -0.034 | -0.123 | 17 | 0.322 | 0.33 | -0.008 | -0.025 |
8 | 0.334 | 0.35 | -0.016 | -0.048 | 18 | 0.327 | 0.35 | -0.023 | -0.07 |
9 | 0.29 | 0.32 | -0.03 | -0.103 | 19 | 0.316 | 0.34 | -0.024 | -0.076 |
10 | 0.318 | 0.33 | -0.012 | -0.038 | 20 | 0.297 | 0.33 | -0.033 | -0.111 |
(观测数据由中国气象科学研究院提供,观测仪器为太阳光度计)
4.4.2全省遥感污染物混浊度与地面污染浓度相关性检验
共获得2002年04月13日11时9分,2002年10月15日11时14分,2002年10月08日11时8分,和2002年11月07日9时40分共四个时相与卫星同步的全省共36个观测点的地面主要污染物浓度观测数据。前三个时相的数据与美国环境卫星Terra(EOS-AM1)同步,用以检验MODIS数据遥感计算结果,其中2002年04月13日数据由于云量过多而未采用;2002年11月07日的数据与美国陆地卫星Landsat-7同步,用以检验TM数据遥感计算结果。检验的指标为SO2、NO2、PM10和三者之和,即综合浓度。其它污染指标如NO、CO和O3等由于含量较微且数据不全,而未采用。用于检验的数据中剔出了个别明显有错的数据,如污染物浓度出现负值,或由于云的影响使遥感结果出现负值等。
1)MODIS遥感结果与地面污染浓度的相关检验
2002年10月15日的数据检验
根据各观测点的点位功能区类别可以把观测点大致分为两类:一类以原地污染为主,点位功能区类别主要为商业交通居民混合区和一般工业区;另一类为以异地污染为主,点位功能区类别主要为文化区、城镇规划中确定的居民区、风景名胜区和自然保护区等。然后对每类的观测点分别进行检验。
表2.4为原地污染为主观测点的污染物观测数值和遥感污染气溶胶混浊度。
表2.42002年10月15日全省原地污染为主观测点主要大气污染物
地面测量浓度与遥感污染物混浊度对比
图5、6和7分别为综合污染物、PM10、NO2浓度与遥感污染气溶胶混浊度散点图。可以看出,较之区分前,综合污染物、浓度与遥感污染气溶胶混浊度的相关系数明显提高,相关系数达0.756。而且反映出PM10、NO2浓度与遥感污染气溶胶混浊度也存在明显的相关性,相关系数分别为:0.493和0.70。在回归函数类型方面,多数情况下指数型函数具有最高的相关系数,如对综合污染物浓度,用指数型函数进行回归的相关系数为0.756,而用线性函数进行回归的相关系数为0.721。反映地面污染物浓度与整层大气污染混浊度更接近于指数关系。这情况与气溶胶浓度在垂向上呈负指数减小的一般规律是相符的。故下面均采用指数型函数进行回归。
表2.5为异地污染为主观测点的污染物观测数值和遥感污染气溶胶混浊度。图8和图9分别为综合污染物、SO2浓度与遥感污染气溶胶混浊度散点图。反映出的相关系数的提高更为显著,相关系数分别达:0.7122,0.768。
表2.52002年10月15日全省异地污染为主观测点主要大气污染物
地面测量浓度与遥感污染物混浊度对比
点位代码 | 城名称 | 点位功能区类别 | 计算污染物混浊度 | 综合浓度(MG/M3) | SO2(MG/M3) | NO2(MG/M3) | PM10(MG/M3) |
54 | 深圳市 | 文化区 | 0.095 | 0.144 | 0.002 | 0.056 | 0.086 |
55 | 深圳市 | 城镇规划居民区 | 0.115 | 0.121 | 0.004 | 0.031 | 0.086 |
58 | 深圳市 | 城镇规划居民区 | 0.119 | 0.048 | 0.008 | 0.009 | 0.031 |
402 | 江门市 | 城镇规划居民区 | 0.177 | 0.406 | 0.060 | 0.053 | 0.102 |
403 | 肇庆市 | 风景名胜区 | 0.091 | 0.064 | 0.006 | 0.005 | 0.053 |
403 | 惠州市 | 文化区 | 0.077 | 0.125 | 0.010 | 0.004 | 0.057 |
351 | 中山市 | 自然保护区 | 0.073 | 0.000 | 0.038 | 0.027 | 0.021 |
2002年10月8日的数据检验
根据各观测点的在散点图上的位置把观测点大致分为两类,分别有原地污染为主观测点,和异地污染源为主观测点,分别对每类的观测点分别进行检验。
表2.7为原地污染为主观测点的污染物观测数值和遥感污染气溶胶混浊度。图10、11和12分别为综合污染物、NO2、PM10浓度与遥感污染气溶胶混浊度散点图。可以看出,较之区分前,综合污染物、浓度与遥感污染气溶胶混浊度的相关系数明显提高,相关系数达0.916。而且反映出NO2、PM10浓度与遥感污染气溶胶混浊度也存在明显的相关性,相关系数分别为:0.415和0.663。PM10浓度的相关性最好,次为NO2,SO2的相关性较低。
表2.7 2002年10月8日全省原地污染为主观测点主要大气污染物
地面测量浓度与遥感污染物混浊度对比
点位代码 | 城名称 | 点位功能区类别 | 计算污染物混浊度 | 综合浓度(MG/M3) | SO2(MG/M3) | NO2(MG/M3) | PM10(MG/M3) |
54 | 深圳市 | 文化区 | 0.103 | 0.218 | 0.045 | 0.085 | 0.088 |
55 | 深圳市 | 城镇规划中的居民区 | 0.096 | 0.231 | 0.046 | 0.083 | 0.102 |
56 | 深圳市 | 商业交通居民混合区 | 0.111 | 0.235 | 0.043 | 0.097 | 0.095 |
57 | 深圳市 | 商业交通居民混合区 | 0.046 | 0.088 | 0.005 | 0.014 | 0.069 |
51 | 珠海市 | 商业交通居民混合区 | 0.150 | 0.438 | 0.026 | 0.033 | 0.379 |
52 | 珠海市 | 商业交通居民混合区 | 0.050 | 0.130 | 0.025 | 0.021 | 0.084 |
403 | 东莞市 | 商业交通居民混合区 | 0.143 | 0.290 | 0.027 | 0.102 | 0.162 |
图12为综合污染物浓度与遥感污染气溶胶混浊度散点图。
2)TM数据遥感结果与地面污染浓度的相关检验
所用数据的成像时间为2002年11月07日9时40分,由于图像覆盖范围为珠江三角洲地区,区内的大气观测点共有28个。较之MODIS数据,TM数据具有更高的空间分辨率(地面分辨率为30米),更能反应局部的情况,故地面观测数据与遥感计算结果的关系更为复杂。
根据各观测点的在散点图上的位置的分带性和地面污染物浓度与整大气污染物浓度的一般规律性,把观测点大致分为三类,分别为原地污染源为主观测点,原地污染源和异地污染源均较重要的主观测点和异地污染源为主观测点,分别对每类的观测点分别进行检验。
表2.10为第一类样本即原地污染为主观测点的污染物观测数值和遥感污染气溶胶混浊度。图13、14和15分别为综合污染物、NO2、PM10浓度与遥感污染气溶胶混浊度散点图。
表2.10 2002年11月07日珠江三角洲原地污染为主观测点
主要大气污染物地面测量浓度与遥感污染物混浊度对比
点位代码 | 城名称 | 点位功能区类别 | 计算污染物混浊度 | 综合浓度(MG/M3) | SO2(MG/M3) | NO2(MG/M3) | PM10(MG/M3) |
89 | 广州市 | 二类区 | 0.016 | 0.133 | 0.076 | 0.057 | |
51 | 深圳市 | 商业交通居民混合区 | 0.026 | 0.237 | 0.041 | 0.105 | 0.091 |
56 | 深圳市 | 商业交通居民混合区 | 0.037 | 0.381 | 0.056 | 0.176 | 0.149 |
401 | 江门市 | 一般工业区 | 0.033 | 0.275 | 0.094 | 0.055 | 0.126 |
可以看出,较之区分前,综合污染物、浓度与遥感污染气溶胶混浊度的相关系数明显提高,相关系数达0.968。而且反映出NO2、PM10浓度与遥感污染气溶胶混浊度也存在明显的相关性,相关系数分别为:0.327和0.999。PM10浓度的相关性最好,次为NO2。该结果反映,对于本区原地的大气污染,污染物以TSP和NO2为主,而SO2主要来自其它地区,且对本地总污染浓度影响不大。
表2.11为第二类样本,即原地污染源和异地污染源共存的样本的污染物观测数值和遥感污染气溶胶混浊度。
表2.11 2002年11月07日珠江三角洲混合污染型观测点
主要大气污染物地面测量浓度与遥感污染物混浊度对比
点位代码 | 城名称 | 点位功能区类别 | 计算污染物混浊度 | 综合浓度(MG/M3) | SO2(MG/M3) | NO2(MG/M3) | PM10(MG/M3) |
51 | 广州市 | 二类区 | 0.040 | 0.196 | 0.095 | 0.101 | |
57 | 广州市 | 二类区 | 0.040 | 0.172 | 0.060 | 0.112 | |
63 | 广州市 | 二类区 | 0.032 | 0.118 | 0.048 | 0.070 | |
52 | 深圳市 | 商业交通居民混合区 | 0.048 | 0.225 | 0.023 | 0.093 | 0.109 |
53 | 深圳市 | 商业交通居民混合区 | 0.040 | 0.221 | 0.042 | 0.082 | 0.097 |
54 | 深圳市 | 文化区 | 0.052 | 0.428 | 0.082 | 0.191 | 0.155 |
55 | 深圳市 | 城镇规划居民区 | 0.049 | 0.258 | 0.037 | 0.115 | 0.106 |
52 | 珠海市 | 商业交通居民混合区 | 0.037 | 0.199 | 0.047 | 0.063 | 0.089 |
402 | 江门市 | 城镇规划居民区 | 0.038 | 0.199 | 0.041 | 0.055 | 0.103 |
403 | 江门市 | 商业交通居民混合区 | 0.045 | 0.322 | 0.117 | 0.086 | 0.119 |
401 | 东莞市 | 商业交通居民混合区 | 0.049 | 0.369 | 0.073 | 0.152 | 0.144 |
403 | 东莞市 | 商业交通居民混合区 | 0.045 | 0.265 | 0.029 | 0.057 | 0.178 |
图16、17和18分别为综合污染物、NO2、PM10浓度与遥感污染气溶胶混浊度散点图。
图中可以看出综合污染物、NO2、PM10浓度与遥感污染气溶胶混浊度相关性仍非常高,相关系数分别为:0.779,0.468,和0.392。
表2.12为第三类样本,即异地污染源为主的样本的污染物观测数值和遥感污染气溶胶混浊度。图19、20和21分别为综合污染物、SO2、PM10浓度与遥感污染气溶胶混浊度散点图。图中可以看出,较之前两类样本,本类型样本的综合污染物、PM10浓度与遥感污染气溶胶混浊度的相关性虽仍较高,但已明显降低,相关系数分别为:0.677和0.502。但SO2与遥感污染气溶胶混浊度相关性则明显提高,相关系数达0.531,反映异地源污染源污染物中,SO2占有重要位置,污染物最主要为SO2,次为粉尘。
表2.12 2002年11月07日珠江三角洲异源污染观测点
主要大气污染物地面测量浓度与遥感污染物混浊度对比
可以看出,由于邻区大气污染物的飘动、扩散影响,遥感得到的整层大气污染物混浊度与地面污染物浓度的关系是比较复杂的,应将观测点按主要污染来源进行区分。进行类型区分后,遥感得到的整层大气污染物混浊度与地面污染物浓度的呈现出显著的相关性。其中污染物的综合污染浓度与整层大气污染物混浊度遥感值具有最高的相关性,其次是PM10和SO2,NO2的相关性相对最小。
4.5模型效果的评价
精度与有效性方面,从前面与地面观测数据的对比上看,本遥感模型计算的结果在反映立柱大气污染浓度方面具有令人满意的精度,并与地面污染物浓度具有较显著的相关性,可以在相当程度上客观地反映污染分布情况。
从上述结果及其分析可以体现出大气污染遥感具有几方面突出的优势:可以客观地反映大气污染在区域上的分布状态,可以反映污染源,并可在此基础上分析每个地区的主要污染类型,污染物来源。
Claims (5)
1.一种基于地气耦合的大气污染信息提取方法,其特征在于,包括如下步骤:
(1)建立各类型人为成因气溶胶后向散射模型;
(2)根据光谱特性将地物概化为数种基本组分,建立各组分之间及与大气光谱之间的合成模型,并用多波段数据进行求解;
(3)将污染气溶胶信息从地物信息中分解出来,得到较高分辨率的污染气溶胶混浊度及其空间分布结果。
2.根据权利要求1所述基于地气耦合的大气污染信息提取方法,其特征在于,所述人为成因气溶胶由煤烟、水溶性粒子和沙尘三种成因、特征不同的粒子组成。
3.根据权利要求1或2所述基于地气耦合的大气污染信息提取方法,其特征在于,所述人为成因气溶胶的光学厚度用以下公式表示:
τa=(β1+β2)λ-3.8+β3λ-1.5
式中:β1、β2、β3别为煤烟、水溶性粒子和沙尘三种基本气溶胶的混浊度,λ为波长。
4.根据权利要求1所述基于地气耦合的大气污染信息提取方法,其特征在于,所述步骤(2)中的地物划分为土壤、植被、水体、土壤水份和水泥建筑物四种基本组份。
5.根据权利要求1所述基于地气耦合的大气污染信息提取方法,其特征在于,所述步骤(3)通过以下方程组求解获得:
Rg(λ1,β1+2,β3)=Rg(R1,Vws,L)
Rg(λ2,β1+2,β3)=Rg(R2,Vws,L)
......
Rg(λ4,β1+2,β3)=Rg(R4,Vws,L)
式中:Rg为地面反射率的函数,R为象元综合反射率,λ为波长,β1+2和β3为气溶胶混浊度,L为植被叶面积指数,Vws为土壤含水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102198416A CN101493407B (zh) | 2008-12-11 | 2008-12-11 | 基于地气耦合的大气污染信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102198416A CN101493407B (zh) | 2008-12-11 | 2008-12-11 | 基于地气耦合的大气污染信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101493407A true CN101493407A (zh) | 2009-07-29 |
CN101493407B CN101493407B (zh) | 2011-02-09 |
Family
ID=40924110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102198416A Active CN101493407B (zh) | 2008-12-11 | 2008-12-11 | 基于地气耦合的大气污染信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101493407B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103061B (zh) * | 2009-12-18 | 2014-03-19 | 西安费斯达自动化工程有限公司 | 一种大气监测、预测、评价的等浓度线方法 |
CN103900989A (zh) * | 2014-04-21 | 2014-07-02 | 上海交通大学 | 盐渍土光谱曲线红外波段遥感反演构建方法 |
CN104502241A (zh) * | 2014-05-14 | 2015-04-08 | 淮海工学院 | 基于gnss的雾霾监测与分析技术 |
CN104573155A (zh) * | 2013-10-17 | 2015-04-29 | 中国科学院地理科学与资源研究所 | 一种高效近地表pm2.5浓度估算方法及估算系统 |
CN105092476A (zh) * | 2015-08-20 | 2015-11-25 | 中山大学 | 同时反演内陆水体混浊度、cod和叶绿素浓度的方法 |
CN105259145A (zh) * | 2015-08-20 | 2016-01-20 | 中山大学 | 一种同时遥感岛礁水下地形和地物的方法 |
-
2008
- 2008-12-11 CN CN2008102198416A patent/CN101493407B/zh active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103061B (zh) * | 2009-12-18 | 2014-03-19 | 西安费斯达自动化工程有限公司 | 一种大气监测、预测、评价的等浓度线方法 |
CN104573155A (zh) * | 2013-10-17 | 2015-04-29 | 中国科学院地理科学与资源研究所 | 一种高效近地表pm2.5浓度估算方法及估算系统 |
CN104573155B (zh) * | 2013-10-17 | 2017-12-19 | 中国科学院地理科学与资源研究所 | 一种近地表pm2.5浓度估算方法及估算系统 |
CN103900989A (zh) * | 2014-04-21 | 2014-07-02 | 上海交通大学 | 盐渍土光谱曲线红外波段遥感反演构建方法 |
CN104502241A (zh) * | 2014-05-14 | 2015-04-08 | 淮海工学院 | 基于gnss的雾霾监测与分析技术 |
CN104502241B (zh) * | 2014-05-14 | 2017-04-05 | 淮海工学院 | 基于gnss的雾霾监测与分析技术 |
CN105092476A (zh) * | 2015-08-20 | 2015-11-25 | 中山大学 | 同时反演内陆水体混浊度、cod和叶绿素浓度的方法 |
CN105259145A (zh) * | 2015-08-20 | 2016-01-20 | 中山大学 | 一种同时遥感岛礁水下地形和地物的方法 |
CN105259145B (zh) * | 2015-08-20 | 2018-06-12 | 中山大学 | 一种同时遥感岛礁水下地形和地物的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101493407B (zh) | 2011-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Validation of MODIS derived aerosol optical depth over the Yangtze River Delta in China | |
Boersma et al. | Estimates of lightning NO x production from GOME satellite observations | |
CN100362318C (zh) | 航空高光谱遥感反演边界层气溶胶光学厚度的大气校正法 | |
CN101493407B (zh) | 基于地气耦合的大气污染信息提取方法 | |
CN100362319C (zh) | 航空高光谱遥感反演边界层气溶胶光学厚度的检测方法 | |
CN111579504B (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
Yan et al. | Satellite-based PM2. 5 estimation using fine-mode aerosol optical thickness over China | |
Kuang et al. | Stratosphere‐to‐troposphere transport revealed by ground‐based lidar and ozonesonde at a midlatitude site | |
Pandolfi et al. | Effects of sources and meteorology on particulate matter in the Western Mediterranean Basin: An overview of the DAURE campaign | |
He et al. | A parameterization scheme of aerosol vertical distribution for surface-level visibility retrieval from satellite remote sensing | |
Xu et al. | Characteristics of atmospheric aerosol optical depth variation in China during 1993–2012 | |
Sinha et al. | Characteristics of aerosols over Hyderabad in southern Peninsular India: synergy in the classification techniques | |
Zhao et al. | Summertime impact of convective transport and lightning NO x production over North America: modeling dependence on meteorological simulations | |
Schäfer et al. | Correlation of aerosol mass near the ground with aerosol optical depth during two seasons in Munich | |
Pedrós et al. | Column‐integrated aerosol optical properties from ground‐based spectroradiometer measurements at Barrax (Spain) during the Digital Airborne Imaging Spectrometer Experiment (DAISEX) campaigns | |
Ku et al. | Inverse modeling analysis of soil dust sources over East Asia | |
Lin et al. | Effects of synoptic patterns on the vertical structure of ozone in Hong Kong using lidar measurement | |
Zhang et al. | Evaluation of the atmospheric transport in a GCM using radon measurements: sensitivity to cumulus convection parameterization | |
Escribano Alisio et al. | Satellite retrievals of aerosol optical depth over a subtropical urban area: the role of stratification and surface reflectance | |
Zhao et al. | Contrasting response of ultrafine particle number and PM2. 5 mass concentrations to Clean Air Action in China | |
CN103234942A (zh) | 利用天空散射光测量大气水平能见度的方法及装置 | |
Tomasi et al. | Calculations of relative optical air masses for various aerosol types and minor gases in Arctic and Antarctic atmospheres | |
Ionov et al. | Nitrogen dioxide in the air basin of St. Petersburg: Remote measurements and numerical simulation | |
Fang et al. | The determination of regional CO2 mole fractions at the Longfengshan WMO/GAW station: A comparison of four data filtering approaches | |
CN113740263B (zh) | 一种气溶胶光学厚度反演方法及大气颗粒物遥感反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |