CN109406361A - 一种基于遥感技术的干旱区灰霾污染预警方法 - Google Patents
一种基于遥感技术的干旱区灰霾污染预警方法 Download PDFInfo
- Publication number
- CN109406361A CN109406361A CN201910011844.9A CN201910011844A CN109406361A CN 109406361 A CN109406361 A CN 109406361A CN 201910011844 A CN201910011844 A CN 201910011844A CN 109406361 A CN109406361 A CN 109406361A
- Authority
- CN
- China
- Prior art keywords
- gray haze
- remote sensing
- optical depth
- pollution
- aerosol optical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 239000000443 aerosol Substances 0.000 claims abstract description 50
- 230000003287 optical effect Effects 0.000 claims abstract description 44
- 238000002310 reflectometry Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 15
- 239000002245 particle Substances 0.000 claims abstract description 12
- 238000004220 aggregation Methods 0.000 claims abstract description 6
- 230000002776 aggregation Effects 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000000611 regression analysis Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
- G01N33/0065—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means using more than one threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Food Science & Technology (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于遥感技术的干旱区灰霾污染预警方法，该方法包括以下步骤：⑴在干旱区城市的任意有网络连接的地点设置布设有数据综合分析系统和灰霾污染预警系统的服务器；⑵利用遥感影像数据，将像元DN值转化为辐射亮度值；⑶将辐射亮度值转换为卫星表观反射率；⑷编程，并对影像进行云去除、几何校正处理；⑸获得卫星的观测几何信息、观测几何角度文件；⑹建立包含观测几何、地表反射率、卫星表观反射率及气溶胶光学厚度的查找表；⑺检索蓝光波段对应的气溶胶光学厚度；⑻建立气溶胶光学厚度与大气污染的关系；⑼建立预警等级划分标准，结合空气质量指数和空气颗粒物浓度值，识别灰霾污染等级；⑽启动灰霾污染预警。本发明准确性和时效性高。
Description
技术领域
本发明涉及灰霾污染预警技术领域，尤其涉及一种基于遥感技术的干旱区灰霾污染预警方法。
背景技术
遥感技术是20世纪60年代兴起的一种探测技术，是根据电磁波的理论，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。遥感技术已经广泛地应用在军事、国防、农业、林业、国土、海洋、测绘、气象、生态环境、水利、航天、地质、矿产、考古、旅游等领域，影响了人类生活的方方面面，它为人类提供了从多维和宏观角度去认识世界的新方法与新手段，遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。
近年来，我国大气中的颗粒物含量越来越多，东部广大地区正在遭遇严重的大气污染，其中以灰霾天气为典型代表。当PM2.5/PM10值大于等于0.5时，即出现灰霾。灰霾又称大气棕色云，是指悬浮于空气中的大量气溶胶形成的一种污染性天气，气溶胶光学厚度（AOD）表征了灰霾污染程度。
灰霾作为一种天气现象，是重要的气象灾害，其低能见度、复杂的化学成分对交通运输、工农业生产以及人体健康和生态环境都有着多重不利的影响。灰霾现象的形成机理与监测方法、灰霾等级预报技术等已成为亟需解决的问题。目前业内可以根据地面气象站得到的实测数据来进行灰霾的识别与等级判断，这样得到的灰霾天气信息虽然比较准确，但是地面气象数据毕竟只能在特定的区域内得到，想要研究灰霾的影响范围、灰霾动态变化趋势还有很多困难。除了使用这种地面观测数据来进行研究外，另一种方法是利用卫星遥感观测的数据进行研究，卫星观测的数据真实可靠，时效性强，在实际科研中应用非常广泛，能有效地帮助研究者得到研究区域内的大气变化状况。然而，当前对气溶胶遥感反演的研究，多是借助MODIS等中低分辨率遥感影像，反演得到的气溶胶光学厚度精度较低；在反演时序上缺乏对全年不同时相的反演，反演结果代表性不强；由于缺乏多时相不同特征天气对应的地面监测数据，现有的相关研究不能准确的构建反演的气溶胶光学厚度与大气污染之间的相关关系。
对于基于遥感技术的灰霾污染预警方面的研究，迄今为止，国内外学者仍旧没有制定出一套适用于干旱区城市的科学、准确的气溶胶光学厚度反演算法，现有研究成果利用的卫星遥感平台分辨率较低，在干旱区反演精度不高，而且对于灰霾预警等级的划分也没有统一的标准。基于具体的要求，虽然也相继提出了一些反演算法和预警等级划分标准，但都存在不同程度的缺陷，目前较为主流的反演算法有：基于暗像元的单通道和多通道遥感、结构函数法、多角度遥感、偏振遥感等，但上述算法多基于低分辨率遥感卫星，且不适合干旱区植被稀少地区的气溶胶反演。而针对基于遥感的干旱区的灰霾预警等级划分标准尚未有报道。因此必须采用新的技术和方法对灰霾污染进行实时监测和分析，便于发出天气预警和做出决策。
发明内容
本发明所要解决的技术问题是提供一种有效提高准确性和时效性的基于遥感技术的干旱区灰霾污染预警方法。
为解决上述问题，本发明所述的一种基于遥感技术的干旱区灰霾污染预警方法，包括以下步骤：
⑴在干旱区城市的任意有网络连接的地点设置服务器，该服务器上布设包括灰霾污染地面监测模块、环境小卫星数据处理模块、气象监测数据模块的数据综合分析系统和包括预警等级标准模块的灰霾污染预警系统；
⑵利用现有环境小卫星国家地面接收站接收系统接收的覆盖所述干旱区城市的四个不同季节的遥感影像数据，通过IDL编写辐射亮度运算程序，将该程序集成到所述环境小卫星数据处理模块中，输入接受的影像数据，进行辐射定标，将像元DN值转化为辐射亮度值；
⑶根据环境小卫星的定标参数将所述辐射亮度值转换为卫星表观反射率；
⑷利用计算机编程语言IDL编写程序，并对环境小卫星影像进行云去除、几何校正处理；
⑸读取环境小卫星数据的XML文件以获得卫星的观测几何信息，并通过插值得到观测几何角度文件；
⑹通过基于IDL的6S大气辐射传输模型建立包含观测几何、地表反射率、卫星表观反射率及气溶胶光学厚度的查找表；
⑺通过所述查找表检索蓝光波段在特定观测几何条件、地表反射率、表观反射率下对应的气溶胶光学厚度；
⑻在定量分析所述气溶胶光学厚度的基础上，通过所述灰霾污染地面监测模块、所述气象监测数据模块，对地面和气象监测数据进行回归分析，建立气溶胶光学厚度与大气污染的关系；
⑼根据所述预警等级标准模块中建立的微度灰霾、轻度灰霾、中度灰霾、重度灰霾四个预警等级划分标准，结合所述干旱区城市的空气质量指数和空气颗粒物浓度值，识别所述干旱区城市所属的灰霾污染等级；
⑽根据所述预警等级标准模块中识别的所述干旱区城市所属的灰霾污染等级，启动灰霾污染预警。
所述步骤⑸中的地表反射率是指在412nm、490 nm、670 nm的晴朗无云条件下的地表反射率。
所述步骤⑸中的卫星表观反射率是指卫星在412nm、490nm、670nm的表观反射率。
所述步骤⑺中的气溶胶光学厚度与大气污染的关系是指分别建立气溶胶光学厚度与空气质量指数的回归分析、气溶胶光学厚度与空气颗粒物浓度值的回归分析。
所述空气质量指数依次分为0~50、51~100、101~150、151~200、201~300和大于300六档。
所述空气颗粒物浓度值是指PM2.5/PM10值。
本发明与现有技术相比具有以下优点：
1、本发明基于环境小卫星数据，采用适合干旱区气溶胶光学厚度反演的深蓝算法，获得了良好的反演精度和较高的反演空间分辨率。
2、本发明通过环境卫星遥感影像和地面监测数据，运用基于IDL的6S辐射传输模型和深蓝算法，建立了干旱区城市气溶胶光学厚度与大气污染的关系，并创造性地将空气质量指数和PM2.5/PM10值两个关键指标纳入到了灰霾污染预警等级划分体系中，使得灰霾污染预警等级划分能够很好地本地化，也使灰霾污染预警等级划分更加科学合理，进而实现对区域内的灰霾污染预警，从而提高对灰霾污染预警的准确性和时效性。
具体实施方式
一种基于遥感技术的干旱区灰霾污染预警方法，包括以下步骤：
⑴在干旱区城市的任意有网络连接的地点设置服务器，该服务器上布设包括灰霾污染地面监测模块、环境小卫星数据处理模块、气象监测数据模块的数据综合分析系统和包括预警等级标准模块的灰霾污染预警系统。
⑵利用现有环境小卫星国家地面接收站接收系统接收的覆盖干旱区城市的四个不同季节的遥感影像数据，通过IDL编写辐射亮度运算程序，将该程序集成到环境小卫星数据处理模块中，输入接受的影像数据，进行辐射定标，将像元DN值转化为辐射亮度值。
⑶根据环境小卫星的定标参数将辐射亮度值转换为卫星表观反射率。
⑷利用计算机编程语言IDL编写程序，并对环境小卫星影像进行云去除、几何校正处理。
⑸读取环境小卫星数据的XML文件以获得卫星的观测几何信息，并通过插值得到观测几何角度文件。
其中：地表反射率是指在412nm、490 nm、670 nm的晴朗无云条件下的地表反射率。
卫星表观反射率是指卫星在412nm、490nm、670nm的表观反射率。
⑹通过基于IDL的6S大气辐射传输模型建立包含观测几何、地表反射率、卫星表观反射率及气溶胶光学厚度的查找表（LUT）。
⑺通过查找表检索蓝光波段在特定观测几何条件、地表反射率、表观反射率下对应的气溶胶光学厚度。
其中：气溶胶光学厚度与大气污染的关系是指分别建立气溶胶光学厚度与空气质量指数的回归分析、气溶胶光学厚度与空气颗粒物浓度值的回归分析。
空气质量指数（AQI）依次分为0~50、51~100、101~150、151~200、201~300和大于300六档。指数越大，级别越高，说明污染越严重，对人体健康的影响也越明显。
空气颗粒物浓度值是指PM2.5/PM10值。
⑻在定量分析气溶胶光学厚度的基础上，通过灰霾污染地面监测模块、气象监测数据模块，对地面和气象监测数据进行回归分析，建立气溶胶光学厚度与大气污染的关系。
⑼根据预警等级标准模块中建立的微度灰霾、轻度灰霾、中度灰霾、重度灰霾四个预警等级划分标准，结合干旱区城市的空气质量指数和空气颗粒物浓度值，识别干旱区城市所属的灰霾污染等级；
⑽根据预警等级标准模块中识别的干旱区城市所属的灰霾污染等级，启动灰霾污染预警。
实施例 以干旱区城市-兰州市为区域对本发明进行实施。
一种基于遥感技术的干旱区灰霾污染预警方法，包括以下步骤：
⑴在兰州市的任意有网络连接的地点设置服务器，该服务器上布设包括灰霾污染地面监测模块、环境小卫星数据处理模块、气象监测数据模块的数据综合分析系统和包括预警等级标准模块的灰霾污染预警系统。
⑵利用现有环境小卫星国家地面接收站接收系统接收的覆盖兰州市的四个不同季节的遥感影像数据，选取无云或少云的影像，通过IDL编写辐射亮度运算程序，将该程序集成到环境小卫星数据处理模块中，输入接受的影像数据，进行辐射定标，将像元DN值转化为辐射亮度值。
说明：定标算法为：Lλ=Gain*DNλ+Bias
其中Lλ代表辐射亮度值，Gain、Bias分别代表增益和偏移，其单位都是w/cm2um-1sr-1。
⑶根据环境小卫星的定标参数将辐射亮度值转换为卫星表观反射率。
通过IDL编写表观反射率运算程序，将该程序集成到环境小卫星数据处理模块中，在该模块下输入环境小卫星的定标参数，将计算的辐射亮度值转换为卫星的表观反射率；
说明：将辐射亮度值转换为表观反射率用下式：
其中，代表表观反射率，d代表日地距离，代表辐射亮度值，代表各波段的太阳表观辐射率均值，代表太阳天顶角。
⑷利用计算机编程语言IDL编写程序，并对环境小卫星影像进行云去除、几何校正处理。其中云的去除采用阈值法，对于环境小卫星数据，卫星观测到的云在红光波段的反射率一般大于0.2，所以云的去除阈值采用0.2。
⑸读取环境小卫星数据的XML文件以获得卫星的观测几何信息，并通过插值得到观测几何角度文件。
具体为对整景影像的每个像元进行计算获得太阳天顶角、观测方位角和相对方位角。太阳天顶角、观测方位角的计算公式如下：
其中代表太阳光与地球赤道平面之间的夹角，t 代表太阳的时角：地方时6：00 为 -π/ 2、12：00 为 0、18：00 为π/ 2，lat 代表地理纬度。
⑹通过IDL编写程序调用6S大气辐射传输模型建立查找表（LUT），同时将该程序集成到环境小卫星数据处理模块中。
6S 辐射传输模型的输入参数：
①几何条件：太阳天顶角、观测天顶角、太阳方位角、观测方位角、传感器高度、观测时间。本案中包含太阳天顶角12个（0~66 度，步长为6度），观测天顶角6个（0~35度，步长为7度），相对方位角16个（0~180 度，步长为12度）。
②大气条件：US standard 62、Subarctic Summer、Subarctic Winter、Midlatitude Summer、Midlatitude Winter、Tropical、No gaseous absorption七种可选择，由于本案的研究区是兰州，因此选择 Midlatitude Winter(中纬度冬季)模式。
③气溶胶类型：城市型、大陆型、海洋型、无气溶胶、沙漠型气溶胶背景的 Shettle模式、生物燃烧型、平流层气溶胶模式7种标准模式类型，还包括四种自定义模式。本案选择城市型。
④气溶胶光学厚度：本案中设定6个气溶胶光学厚度（0.0001、0.25、0.5、1、1.5和1.95）。
⑤光谱波段：设定为HJ卫星CCD相机数据的第一波段，即蓝光波段。
⑥地表反射率：暂不考虑地表反射，反射率为0。
⑺通过查找表检索蓝光波段在特定观测几何条件、地表反射率、表观反射率下对应的气溶胶光学厚度，并利用地面灰霾地面监测模块对气溶胶光学厚度进行精度验证。
说明：在利用太阳分光光度计地面监测的气溶胶光学厚度值对卫星遥感气溶胶光学厚度精度评价时，要将太阳分光光度计测的的气溶胶光学厚度转化为550nm处的气溶胶光学厚度。
采用下面的公式，将气溶胶光学厚度跟波长的关系表示如下：
一般将1020nm、1640nm、870nm、670nm、550nm和400nm六个通道的AOD值进行线性拟合分析，得到550nm通道处的气溶胶光学厚度值。
为了保证地基验证的合理性、准确性，对兰大观测站周围1km范围内的气溶胶反演值做了平均处理，即站点周围的3*3像元做均值处理。
⑻在定量分析气溶胶光学厚度的基础上，通过灰霾污染地面监测模块、气象监测数据模块，提取兰州市五个大气监测点位的各个时期的光学厚度值与对应各时期的监测点空气质量指数、PM2.5/PM10做回归分析，光学厚度和质量指数呈线性关系，相关系数达到0.6以上；光学厚度与PM2.5/PM10值呈线性关系，相关系数达到0.5以上，至此建立了气溶胶光学厚度与大气污染的关系。
⑼在数据综合分析系统中完成相关数据处理后，转入灰霾污染预警系统，利用预警等级标准模块，结合空气质量指数和空气颗粒物浓度值，建立兰州市灰霾污染预警等级划分（参见表1），分为四个预警等级包括微度灰霾、轻度灰霾、中度灰霾、重度灰霾。
表1 兰州市灰霾污染预警等级划分表
⑽根据预警等级标准模块中划分的灰霾污染预警等级，自动识别某个时期兰州市处于哪个预警等级，启动灰霾污染预警。
Claims (6)
1.一种基于遥感技术的干旱区灰霾污染预警方法，包括以下步骤：
⑴在干旱区城市的任意有网络连接的地点设置服务器，该服务器上布设包括灰霾污染地面监测模块、环境小卫星数据处理模块、气象监测数据模块的数据综合分析系统和包括预警等级标准模块的灰霾污染预警系统；
⑵利用现有环境小卫星国家地面接收站接收系统接收的覆盖所述干旱区城市的四个不同季节的遥感影像数据，通过IDL编写辐射亮度运算程序，将该程序集成到所述环境小卫星数据处理模块中，输入接受的影像数据，进行辐射定标，将像元DN值转化为辐射亮度值；
⑶根据环境小卫星的定标参数将所述辐射亮度值转换为卫星表观反射率；
⑷利用计算机编程语言IDL编写程序，并对环境小卫星影像进行云去除、几何校正处理；
⑸读取环境小卫星数据的XML文件以获得卫星的观测几何信息，并通过插值得到观测几何角度文件；
⑹通过基于IDL的6S大气辐射传输模型建立包含观测几何、地表反射率、卫星表观反射率及气溶胶光学厚度的查找表；
⑺通过所述查找表检索蓝光波段在特定观测几何条件、地表反射率、表观反射率下对应的气溶胶光学厚度；
⑻在定量分析所述气溶胶光学厚度的基础上，通过所述灰霾污染地面监测模块、所述气象监测数据模块，对地面和气象监测数据进行回归分析，建立气溶胶光学厚度与大气污染的关系；
⑼根据所述预警等级标准模块中建立的微度灰霾、轻度灰霾、中度灰霾、重度灰霾四个预警等级划分标准，结合所述干旱区城市的空气质量指数和空气颗粒物浓度值，识别所述干旱区城市所属的灰霾污染等级；
⑽根据所述预警等级标准模块中识别的所述干旱区城市所属的灰霾污染等级，启动灰霾污染预警。
2.如权利要求1所述的一种基于遥感技术的干旱区灰霾污染预警方法，其特征在于：所述步骤⑸中的地表反射率是指在412nm、490 nm、670 nm的晴朗无云条件下的地表反射率。
3.如权利要求1所述的一种基于遥感技术的干旱区灰霾污染预警方法，其特征在于：所述步骤⑸中的卫星表观反射率是指卫星在412nm、490nm、670nm的表观反射率。
4.如权利要求1所述的一种基于遥感技术的干旱区灰霾污染预警方法，其特征在于：所述步骤⑺中的气溶胶光学厚度与大气污染的关系是指分别建立气溶胶光学厚度与空气质量指数的回归分析、气溶胶光学厚度与空气颗粒物浓度值的回归分析。
5.如权利要求4所述的一种基于遥感技术的干旱区灰霾污染预警方法，其特征在于：所述空气质量指数依次分为0~50、51~100、101~150、151~200、201~300和大于300六档。
6.如权利要求4所述的一种基于遥感技术的干旱区灰霾污染预警方法，其特征在于：所述空气颗粒物浓度值是指PM2.5/PM10值。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811124194 | 2018-09-26 | ||
| CN2018111241940 | 2018-09-26 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109406361A true CN109406361A (zh) | 2019-03-01 |
| CN109406361B CN109406361B (zh) | 2021-06-04 |
Family
ID=65462064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910011844.9A Active CN109406361B (zh) | 2018-09-26 | 2019-01-07 | 一种基于遥感技术的干旱区灰霾污染预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109406361B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799193A (zh) * | 2019-02-19 | 2019-05-24 | 北京英视睿达科技有限公司 | 污染分布立体监测方法及系统 |
| CN111650102A (zh) * | 2020-05-26 | 2020-09-11 | 北京中科锐景科技有限公司 | 基于卫星数据的霾污染解析方法、装置、介质及设备 |
| CN112304834A (zh) * | 2020-11-30 | 2021-02-02 | 北京汇丰隆经济技术开发有限公司 | 一种生物气溶胶预警系统 |
| CN117555047A (zh) * | 2023-12-07 | 2024-02-13 | 中国人民解放军国防科技大学 | 基于人工智能的电力设备气象监测预警方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103927454A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种基于环境卫星的灰霾污染监测方法 |
| CN104765903A (zh) * | 2015-01-27 | 2015-07-08 | 中国科学院城市环境研究所 | 一种融合多源遥感和气候环境信息的综合性城市气候环境评估方法 |
-
2019
- 2019-01-07 CN CN201910011844.9A patent/CN109406361B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103927454A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种基于环境卫星的灰霾污染监测方法 |
| CN104765903A (zh) * | 2015-01-27 | 2015-07-08 | 中国科学院城市环境研究所 | 一种融合多源遥感和气候环境信息的综合性城市气候环境评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 厉青 等: "灰霾卫星遥感业务化监测方法研究及应用", 《第十八届中国环境遥感应用技术论坛论文集》 * |
| 李正强 等: "基于卫星数据的灰霾污染遥感监测方法及系统设计", 《中国环境监测》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799193A (zh) * | 2019-02-19 | 2019-05-24 | 北京英视睿达科技有限公司 | 污染分布立体监测方法及系统 |
| CN111650102A (zh) * | 2020-05-26 | 2020-09-11 | 北京中科锐景科技有限公司 | 基于卫星数据的霾污染解析方法、装置、介质及设备 |
| CN112304834A (zh) * | 2020-11-30 | 2021-02-02 | 北京汇丰隆经济技术开发有限公司 | 一种生物气溶胶预警系统 |
| CN112304834B (zh) * | 2020-11-30 | 2024-05-14 | 北京汇丰隆经济技术开发有限公司 | 一种生物气溶胶预警系统 |
| CN117555047A (zh) * | 2023-12-07 | 2024-02-13 | 中国人民解放军国防科技大学 | 基于人工智能的电力设备气象监测预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109406361B (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109406361A (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
| 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 | |
| CN109581372A (zh) | 一种生态环境遥感监测方法 | |
| CN106407656A (zh) | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 | |
| CN102435586B (zh) | 地表反照率产品的生成方法及系统 | |
| Dobrovolný et al. | The spatial variability of air temperature and nocturnal urban heat island intensity in the city of Brno, Czech Republic | |
| CN109871637B (zh) | 一种云天条件下近地面气温估算方法 | |
| CN110580474B (zh) | 一种基于多源数据的农田重金属高风险区遥感快速识别方法 | |
| CN101936777A (zh) | 一种基于热红外遥感反演近地层气温的方法 | |
| CN113553907A (zh) | 一种基于遥感技术的森林生态环境状况评价方法 | |
| Liaqut et al. | Impact of urbanization growth on land surface temperature using remote sensing and GIS: a case study of Gujranwala City, Punjab, Pakistan | |
| CN116519557B (zh) | 一种气溶胶光学厚度反演方法 | |
| CN113340836A (zh) | 一种针对高纬复杂下垫面的大气温湿廓线反演方法 | |
| Ma et al. | An improved MODIS NIR PWV retrieval algorithm based on an artificial neural network considering the land-cover types | |
| Wu et al. | Evaluation of winter wheat yield simulation based on assimilating LAI retrieved from networked optical and SAR remotely sensed images into the WOFOST model | |
| Alexandrov et al. | Remote sensing of atmospheric aerosols and trace gases by means of multifilter rotating shadowband radiometer. Part II: Climatological applications | |
| CN103927454B (zh) | 一种基于环境卫星的灰霾污染监测方法 | |
| Hoepffner et al. | Depth-integrated primary production in the eastern tropical and subtropical North Atlantic basin from ocean colour imagery | |
| CN105403201B (zh) | 一种基于像元分解的遥感图像大气程辐射获取方法 | |
| Levin et al. | Estimation of surface roughness (z0) over a stabilizing coastal dune field based on vegetation and topography | |
| Li | Dynamic monitoring algorithm of natural resources in scenic spots based on MODIS Remote Sensing technology | |
| RU2424540C2 (ru) | Способ определения параметров состояния почвенно-растительного покрова по данным многоспектрального аэрокосмического зондирования | |
| CN111913185B (zh) | 针对高寒脆弱区低矮灌丛样地调查的tls测度方法 | |
| CN108897074B (zh) | 一种全球海洋降水反演方法 | |
| Asghari Saraskanrood et al. | Land surface temperature assessment in relation to land-use/land-cover (A case study: Isfahan City, Central Iran) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |