CN110030934B - 基于modis卫星传感器的气溶胶光学厚度的获取方法 - Google Patents

基于modis卫星传感器的气溶胶光学厚度的获取方法 Download PDF

Info

Publication number
CN110030934B
CN110030934B CN201910364221.XA CN201910364221A CN110030934B CN 110030934 B CN110030934 B CN 110030934B CN 201910364221 A CN201910364221 A CN 201910364221A CN 110030934 B CN110030934 B CN 110030934B
Authority
CN
China
Prior art keywords
data
aerosol
modis
ndvi
optical thickness
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.)
Active
Application number
CN201910364221.XA
Other languages
English (en)
Other versions
CN110030934A (zh
Inventor
王威
徐维维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201910364221.XA priority Critical patent/CN110030934B/zh
Publication of CN110030934A publication Critical patent/CN110030934A/zh
Application granted granted Critical
Publication of CN110030934B publication Critical patent/CN110030934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明公开了一种基于MODIS卫星传感器的气溶胶光学厚度的获取方法，包括如下步骤：从MODIS数据中选取具有相同空间覆盖范围的DT、DB产品数据，并将DT、DB产品数据和地基观测数据进行时空匹配；计算不同NDVI区间内的DT、DB产品与地基观测数据的线性关系及回归系数，再将多个回归系数分别与NDVI进行拟合；根据计算得到的线性关系，建立气溶胶光学厚度关于DT、DB产品数据的融合方法，即得到融合的气溶胶光学厚度数据。本发明能够较为方便地获取气溶胶光学厚度产品，其反演结果优于MODIS官方产品，尤其是在植被覆盖率较高的地区，具有更好的反演效果。

Description

基于MODIS卫星传感器的气溶胶光学厚度的获取方法
技术领域
本发明涉及大气气溶胶遥感技术领域，特别地，涉及一种基于MODIS卫星传感器的气溶胶光学厚度的获取方法。
背景技术
气溶胶一般是指悬浮在大气中的固体或液体颗粒，根据其产生方式可分为人为的和自然的，包括灰尘、云、烟雾、火山灰、薄雾和空气污染颗粒等。气溶胶不仅对地球气候、人类健康和遥感研究有重要影响，而且通过影响云的微物理性质和寿命对地球辐射收支也有重大影响。中分辨率成像光谱仪(MODIS)是Terra和Aqua卫星(TERRA卫星每日地方时上午10：30时过境，因此也把它称作地球观测第一颗上午星(EOS－AM1)；AQUA每日地方时下午过境，因此称作地球观测第一颗下午星(EOS－PM1))上搭载的主要传感器之一，两颗星相互配合每1-2天可重复观测整个地球表面一次。MODIS对于气溶胶光学厚度观测产品包括DT-land(Dark Target land)产品、DT-ocean(Dark Target ocean)产品以及DB(Deep Blue)产品。
针对于陆地上的DT气溶胶光学厚度产品和DB气溶胶光学厚度产品之间存在不同空间覆盖范围的问题，MODIS C6(Collection 6)2级大气气溶胶产品提供了基于归一化植被指数(NDVI)和质量评估(QA)的DT和DB融合的气溶胶观测产品(DTBC6)。此外，不少学者为改善陆地上气溶胶光学厚度产品的覆盖率和精度做了大量的相关工作，例如Bilal和Nichol认为，融合的DTB产品必须遵循动态NDVI的原则选取像素。因此，Bilal等人提出了三种自定义方法来提高DTBC6产品的覆盖率并减小误差，其第一种方法(DTBSMS)相比于MODIS的DTBC6/DTBC6.1产品具有更好的反演结果。上述研究表明，通过融合MODIS的DT和DB产品来提高MODIS气溶胶反演性能具有可行性。尽管目前已经有很多相关研究通过融合MODIS的DT和DB气溶胶产品来提高数据的覆盖率和精度，但对于目前的MODIS产品的精度而言仍有一定的提升空间。
公开号为CN109272053A的专利申请公开了一种极轨卫星监测气溶胶光学厚度的数据融合方法及系统，该方法包括：将观测区域划分为多个网格，获取每个网格的气溶胶光学厚度的卫星监测值；收集每一颗卫星过境时，每一个地面观测点记录的气溶胶光学厚度的地面观测值；根据地面观测点的位置以及气溶胶光学厚度的地面观测值，以及每个网格的气溶胶光学厚度的卫星监测值，计算每颗卫星在网格点上的气溶胶光学厚度的修正值，以及每颗卫星的权重；根据权重，综合计算每个网格的所有卫星的气溶胶光学厚度的修正值，得到气溶胶光学厚度。虽然申请将地面观测信息加入到卫星观测信息中，但其主要解决极轨卫星由于过境轨道不同无法进行全天候雾霾监测的技术问题，其根据地面观测点的位置以及气溶胶光学厚度的地面观测值，以及每个网格的气溶胶光学厚度的卫星监测值，计算每颗卫星在网格点上的气溶胶光学厚度的修正值和权重，但其不适用于较大范围的气溶胶光学厚度的融合，受地面观测站点分布的影响较大。
发明内容
本发明的目的在于提供一种基于MODIS卫星传感器的气溶胶光学厚度的获取方法，以解决背景技术中提出的问题。
为实现上述目的，本发明提供了一种基于MODIS卫星传感器的气溶胶光学厚度的获取方法，其特征在于，所述获取方法包括以下步骤：
步骤1、从MODIS的遥感气溶胶光学厚度数据中选取具有相同空间覆盖范围的DT产品数据和DB产品数据，并将DT产品数据、DB产品数据和地基观测站点的数据三者相互进行时空匹配；
步骤2、在不同的NDVI数据区间内分别计算MODIS的DT产品数据和DB产品数据与地基观测站点的数据的线性关系及回归系数，再将计算得到的多个回归系数分别与NDVI进行拟合；
步骤3、根据步骤2中计算得到的线性关系，建立气溶胶光学厚度关于MODIS的DT产品数据和DB产品数据的融合方法，得到融合的气溶胶光学厚度数据。
进一步的，所述步骤1中，每一个地基观测站点中被选取的地基观测数据的记录时间与MODIS遥感该地基观测站点处气溶胶光学厚度数据的时间间隔不大于30min，MODIS的遥感气溶胶光学厚度产品数据位于以地基观测站点为圆心、以30km为半径的圆圈内；匹配的时空范围内包含有至少8个MODIS的气溶胶光学厚度产品的像素，并使用多个像素的平均值进行时空匹配。
进一步的，匹配的时空范围内包含有10～15个MODIS的气溶胶光学厚度产品的像素。
进一步的，所述步骤2中，NDVI数据取自MODIS的NDVI产品，且NDVI数据的获取时间与MODIS的气溶胶光学厚度产品数据的获取时间的间隔不大于16天；将NDVI数据划分为八个区间，在八个区间内分别计算所述DT产品数据和DB产品数据与地基观测数据的线性关系及8组回归系数。
进一步的，所述步骤2中，将计算得到的8组回归系数分别与NDVI数据进行拟合，得到回归系数b0、b1和b2：
bi(NDVI)＝ki·NDVI+li 1)；
式1)中，ki和li是根据全球375个地基观测站点周边的MODIS的NDVI数据与利用地基观测站点测得的气溶胶光学厚度数据拟合得到的系数，i＝0,1,2。
进一步的，所述步骤3中，融合的MODIS气溶胶光学厚度，根据如下公式计算：
AODreg(NDVI)＝b0(NDVI)+b1(NDVI)·AODDT+b2(NDVI)·AODDB 2)；
式2)中，AODreg是通过本发明方法计算出的气溶胶光学厚度，AODDT是MODIS的DT气溶胶产品，AODDB是MODIS的DB气溶胶产品。
进一步的，所述地基为AERONET地基，即气溶胶自动观测网地基。
相比于现有技术，本发明具有以下有益效果：
本发明的一种基于MODIS卫星传感器的气溶胶光学厚度的获取方法，为单一卫星的不同方法获取的气溶胶产品的融合方法；针对MODIS卫星气溶胶反演产品的特点，引入NDVI数据建立了DT产品和DB产品的融合方法，其通过使用AERONET地基观测数据在全球范围内进行了同期比较，能够较为方便地获取气溶胶光学厚度产品，其反演结果优于MODIS官方产品(DTBC6.1)和Bilal等人的自定义气溶胶光学厚度融合方法(DTBSMS)，尤其是在植被覆盖率较高的地区。本发明方法充分考虑到不同地表情况下融合的权值不同，因此，获得的气溶胶光学厚度产品具有更好的反演效果，在全球范围内具有较好的适用性。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明中一个实施例的流程图；
图2为现有地基观测站点(AERONET)的分布图；
图3为本发明中不同NDVI区间内MODIS的DT、DB产品与地基观测数据的线性拟合图；
图4为本发明中回归系数与NDVI数据的线性拟合图；
图5为本发明方法的融合结果与地基观测数据的对比验证图；
图6为对比例1的对比验证图；
图7为对比例2的对比验证图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。
如图1所示，是本发明一种基于MODIS卫星传感器的气溶胶光学厚度的获取方法的流程图，包括如下步骤：
1、从MODIS的遥感气溶胶光学厚度数据中选取具有相同空间覆盖范围的DT产品数据和DB产品数据，并将DT产品数据、DB产品数据和地基观测站点的数据三者相互进行时空匹配。具体地，每一个地基观测站点中被选取的地基观测数据的记录时间与MODIS遥感该地基观测站点处气溶胶光学厚度数据的时间间隔不大于30min，MODIS的遥感气溶胶光学厚度产品数据位于以地基观测站点为圆心、以30km为半径的圆圈内匹配的时空范围内包含有至少8个MODIS的气溶胶光学厚度产品的像素，并使用多个像素的平均值进行时空匹配。优选，匹配的时空范围内包含有10～15个MODIS的气溶胶光学厚度产品的像素。
本实施例选取了2013年1月1日至2017年12月31日，全球范围内10km空间分辨率(MYD04_L2)的AQUA卫星的MODIS 2级气溶胶产品(https://ladsweb.nascom.nasa.gov/)；AQUA卫星的MODIS 16天3级归一化差异植被指数(NDVI)产品(MYD13C1)；2003年至2017年全球375个地基观测站点(AERONET)的2.0级气溶胶光学厚度数据(http://aeronet.gsfc.nasa.gov)。图2所示为375个AERONET站点的全球分布图。
2、在不同的NDVI数据区间内分别计算MODIS的DT产品数据和DB产品数据与地基观测站点的数据的线性关系及回归系数，再将计算得到的多个回归系数分别与NDVI进行拟合。具体地，NDVI数据取自MODIS的NDVI产品，且NDVI数据的获取时间与MODIS的气溶胶光学厚度产品数据的获取时间的间隔不大于16天；本实施例将NDVI数据划分为八个区间(0≤NDVI<0.2，0.2≤NDVI<0.3，0.3≤NDVI<0.4，0.4≤NDVI<0.5，0.5≤NDVI<0.6，0.6≤NDVI<0.7，0.7≤NDVI<0.8，0.8≤NDVI)，在八个区间内分别计算MODIS的DT产品数据和DB产品数据与地基观测数据的线性关系及8组回归系数，如图3所示。
3、步骤2中，将计算得到的8组回归系数分别与NDVI数据进行拟合，得到回归系数b0、b1和b2：
bi(NDVI)＝ki·NDVI+li 1)；
式1)中，ki和li是根据375个地基观测站点周边的MODIS的NDVI数据与利用地基观测站点测得的数据拟合得到的系数。该系数已经全面考虑全球的各个位置，因而在一段时间内(例如一年或数年)，该系数并不会变化。即如图4所示，k1、k2、k3和l1、l2、l3的数据分别为0.06、0.65、-0.99和-0.01、0.21、0.91，R2数据代表该条拟合直线的精度。根据ki和li的值可以计算出bi(NDVI)的值，即回归系数b0、b1和b2与NDVI数据的线性关系：b0＝0.06×NDVI-0.01，b1＝0.65×NDVI+0.21以及b2＝-0.99×NDVI-0.91；但因该公式中NDVI的数据每个地点每隔16天会变化一次，因而bi(i＝0,1,2)(NDVI)的值也会相应发生变化。因为本发明公式2)中的AODDT和AODDB的数据会在不同位置或不同时间而不同，因而最终的“某个地点和某个时间点的基于MODIS卫星的气溶胶光学厚度”的数据也不同。
4、根据上述计算得到的线性关系，建立气溶胶光学厚度关于MODIS的DT产品数据和DB产品数据的融合方法，得到融合的气溶胶光学厚度数据。具体地，融合的MODIS气溶胶光学厚度，根据如下公式计算：
AODreg(NDVI)＝b0(NDVI)+b1(NDVI)·AODDT+b2(NDVI)·AODDB 2)；
式2)中，AODreg是通过本发明方法计算出的气溶胶光学厚度，AODDT是MODIS的DT气溶胶产品，AODDB是MODIS的DB气溶胶产品。
为了评估本发明基于MODIS卫星传感器的气溶胶光学厚度的获取方法(DTBRG)的性能，使用了AERONET地基观测数据进行对比验证，如图5所示。
对比例1：同时为了比对，也开展了MODIS气溶胶产品DTBC6.1与地基观测数据的同期对比验证，如图6。
对比例2：同时为了比对，也开展了自定义的DTBSMS方法(Bilal，et al)与地基观测数据的同期对比验证，如图7所示。
如图5中所示的结果，本发明方法的融合结果与地基观测数据相关系数为0.92，均方根误差为0.075。如图6中所示的结果，总体上MODIS的DTBC6.1产品与地基观测数据的相关系数为0.90，均方根误差为0.086。如图7中所示的结果，总体上DTBSMS方法的融合结果与地基观测数据的相关系数为0.92，均方根误差为0.077。总体而言，与MODIS的DTBC6.1产品(对比例1)相比，本发明的DTBRG方法的反演效果有所提高，但在NDVI较低时(NDVI<0.2)，DTBRG方法的反演效果较差，考虑到DT方法在低NDVI下的性能较差，DTBRG方法可能引入了更多的误差，而在NDVI较高的情况下，DTBRG方法相比DTBC6.1产品的反演效果有了显著提高。对于DTBSMS方法(对比例2)，总的来说，与MODIS官方产品相比具有更好的反演效果；而本发明DTBRG方法的总体反演效果要略优于DBTSMS方法，特别是在NDVI较高时，DTBRG方法具有显著的优势。针对本次验证结果综合来看，本发明的方法具有最佳的反演效果。特别是在植被覆盖率较高的地区，本发明的方法对于气溶胶光学厚度的反演精度具有显著提升。
本发明中，图5～7中的with in(在内)后面的百分率数据代表该方法的精度和准确度。本发明中总的数据点有86％与地基观测站点数据匹配，对比例1中使用MODIS的产品DTBC6.1只有82％的数据与地基观测站点数据匹配，对比例2中使用DTBSMS法也只有85％的数据与地基观测站点数据匹配。因此，足可以说明本发明方法的“获取MODIS卫星的气溶胶光学厚度”精度比对比例1和对比例2所示的方法都更高。
总的说来，本申请的发明人认为现有技术中都是通过卫星检测的数据来计算气溶胶光学厚度，并没有充分考虑到地表的实际情况，因而其测得的气溶胶光学厚度数据仍然不够精准。此外，虽然AERONET地基观测站点测得的气溶胶光学厚度数据非常准确和精确，但因为全球广袤的区域内目前仅有375个AERONET地基观测站点。因此，如何使得这些地基观测站点以外的地方的气溶胶光学厚度数据更精确成为本领域技术人员需要解决的问题。也就是说，本领域需要提供一种能适应全球各个不同地方的气溶胶光学厚度的获取方法。本发明中，全球的这375个地基站点已经囊括和覆盖各种地表情况，例如城市、森林和沙漠。本发明选取全球的375个站点，站点选取越多，说明本发明所述方法的普适性越高。
本发明中，NDVI是归一化植被指数，它以0～1之间的具体数据来表示，NDVI是MODIS自带的数据。例如，NDVI为0～0.2之间可能是代表沙漠，而0.8～1之间可能是代表森林。因其中0～0.1的数据和0.9～1.0的数据都非常少，因而本发明中具体将NDVI分为八个区间。因MODIS的NDVI是拍摄地面的植被变化，在MODIS卫星拍摄时，植被可能已经被云层覆盖，就样就会产生数据空洞，因而无法测到地面的结果。所以，MODIS卫星的NDVI选为16天更新一次数据。
本发明中，MODIS相应的DT产品和DB产品的数据，每一个时刻点大概覆盖200～300km的范围。DT产品和DB产品都是每天对全球各地均拍摄一次，因而DT产品和DB产品都是每天覆盖全球的。也就是说，MODIS卫星对全球的375个地基中的每处每天都会拍一次。而地基站点的检测数据大概会在2～3分钟更新一次，MODIS卫星拍摄的那个时间点，可能地基站点并没有更新检测数据。因此，本发明中以MODIS卫星拍摄时刻点的±30分钟之内的数据为可用数据。当然，二者时间相差越小越准。
本发明中，全球的375个地基站点中测到的数据都是某个地理位置点的数据，而MODIS卫星一般是5km或10km才有一个像素点，因而地基所在位置点一般无法与MODIS卫星拍摄的像素点完全匹配，因而考虑地基所在位置点周边30km区域内的所有MODIS卫星拍摄的像素点皆为可用的像素点。地基所在位置点周边30km区域内一般会有30～40个MODIS卫星拍摄的像素点，如果有云层覆盖的情况，就会出现一些数据空洞。本发明中，只要在这个区域(例如地基站点的周边20～40km的区域)内有8个以上，甚至10个以上MODIS卫星拍摄的像素点，则其平均值判断为有效值。如果低于8个或10个像素点，就认定该平均值的数据无效，MODIS卫星数据就与AERONET地基观测站点数据未匹配上。当然，该区域内要求的像素点越多，则越难匹配，但匹配出的数据精度越高；要求的像素点越少，则越容易匹配，但匹配出的数据精度越低。
本发明公式2)中，AODDT和AODDB都是已知的MODIS卫星上获取的气溶胶厚度数据。这两个数据都是即时即地的数据，也就是说时间不同或位置不同，该数据则不同。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于MODIS卫星传感器的气溶胶光学厚度的获取方法，其特征在于，所述获取方法包括以下步骤：
步骤1、从MODIS的遥感气溶胶光学厚度数据中选取具有相同空间覆盖范围的DT产品数据和DB产品数据，并将DT产品数据、DB产品数据和地基观测站点的数据三者相互进行时空匹配；
步骤2、在不同的NDVI数据区间内分别计算MODIS的DT产品数据和DB产品数据与地基观测数据的线性关系及回归系数，再将计算得到的多个回归系数分别与NDVI进行拟合；
NDVI数据取自MODIS的NDVI产品，且NDVI数据的获取时间与MODIS的气溶胶光学厚度产品数据的获取时间的间隔不大于16天；将NDVI数据划分为八个区间，在八个区间内分别计算所述DT产品数据和DB产品数据与地基观测数据的线性关系及8组回归系数；
将计算得到的8组回归系数分别与NDVI数据进行拟合，得到回归系数b0、b1和b2：
bi(NDVI)＝ki·NDVI+li 1)；
式1)中，ki和li是根据全球375个地基观测站点周边的MODIS的NDVI数据与利用地基观测站点测得的气溶胶光学厚度数据拟合得到的系数，i＝0,1,2；
步骤3、根据步骤2中计算得到的线性关系，建立气溶胶光学厚度关于MODIS的DT产品数据和DB产品数据的融合方法，得到融合的气溶胶光学厚度数据；融合的MODIS气溶胶光学厚度，根据如下公式计算：
AODreg(NDVI)＝b0(NDVI)+b1(NDVI)·AODDT+b2(NDVI)·AODDB 2)；
式2)中，AODreg是融合的MODIS气溶胶光学厚度，AODDT是MODIS的DT气溶胶产品，AODDB是MODIS的DB气溶胶产品。
2.根据权利要求1所述的气溶胶光学厚度的获取方法，其特征在于，所述步骤1中，每一个地基观测站点中被选取的地基观测站点的数据的记录时间与MODIS遥感该地基观测站点处气溶胶光学厚度数据的时间间隔不大于30min，MODIS的遥感气溶胶光学厚度产品数据位于以地基观测站点为圆心、以30km为半径的圆圈内；匹配的时空范围内包含有至少8个MODIS的气溶胶光学厚度产品的像素，并使用多个像素的平均值进行时空匹配。
3.根据权利要求2所述的气溶胶光学厚度的获取方法，其特征在于，匹配的时空范围内包含有10～15个MODIS的气溶胶光学厚度产品的像素。
4.根据权利要求1～3中任意一项所述的气溶胶光学厚度的获取方法，其特征在于，所述地基为AERONET地基，即气溶胶自动观测网地基。
CN201910364221.XA 2019-04-30 2019-04-30 基于modis卫星传感器的气溶胶光学厚度的获取方法 Active CN110030934B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910364221.XA CN110030934B (zh) 2019-04-30 2019-04-30 基于modis卫星传感器的气溶胶光学厚度的获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910364221.XA CN110030934B (zh) 2019-04-30 2019-04-30 基于modis卫星传感器的气溶胶光学厚度的获取方法

Publications (2)

Publication Number Publication Date
CN110030934A CN110030934A (zh) 2019-07-19
CN110030934B true CN110030934B (zh) 2020-04-28

Family

ID=67241114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910364221.XA Active CN110030934B (zh) 2019-04-30 2019-04-30 基于modis卫星传感器的气溶胶光学厚度的获取方法

Country Status (1)

Country Link
CN (1) CN110030934B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909309B (zh) * 2019-11-21 2021-04-30 中国科学院空天信息创新研究院 一种逐小时高分辨率pm2.5数据的获取方法
CN111562558B (zh) * 2020-05-15 2022-02-08 中南大学 一种基于随机采样拟合的边界层高度提取算法
CN112179850B (zh) * 2020-11-09 2022-11-01 南京信息工程大学 基于地面实测的gf-4 aod产品高时间分辨率检验
KR102492322B1 (ko) * 2022-11-03 2023-01-27 대한민국(관리부서: 환경부 국립환경과학원장) 환경위성을 통한 에어로졸의 영향 유형 분류 시스템 및 그 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7242803B2 (en) * 2003-01-21 2007-07-10 The United States Of America As Represented By The Secretary Of The Navy System and method for significant dust detection and enhancement of dust images over land and ocean
CN106442236A (zh) * 2015-07-30 2017-02-22 中国科学院遥感与数字地球研究所 基于卫星遥感的地面pm2.5反演方法及系统
CN106407634B (zh) * 2015-07-30 2019-02-22 中国科学院遥感与数字地球研究所 基于逆方差加权平均的卫星aod数据的融合方法及系统
CN105487083B (zh) * 2015-12-01 2017-11-21 中国科学院上海技术物理研究所 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法
CN106933776B (zh) * 2017-03-02 2019-07-26 宁波大学 一种modis aod产品缺失数据修复的方法
CN108491667B (zh) * 2018-04-13 2021-11-26 武汉大学 一种基于Himawari-8 AOD的PM2.5遥感监测反演方法
CN109272053B (zh) * 2018-10-12 2021-11-02 国网湖南省电力有限公司 极轨卫星监测气溶胶光学厚度的数据融合方法及系统

Also Published As

Publication number Publication date
CN110030934A (zh) 2019-07-19

Similar Documents

Publication Publication Date Title
CN110030934B (zh) 基于modis卫星传感器的气溶胶光学厚度的获取方法
EIDENSHINK The 1990 conterminous U. S. AVHRR data set
Takaku et al. Validation of" AW3D" global DSM generated from Alos Prism
Henriksen et al. Extracting accurate and precise topography from LROC narrow angle camera stereo observations
CN104462660B (zh) 一种野外输电线路冬季覆冰厚度分布绘制方法
Stevens et al. NASA EOS Terra ASTER: Volcanic topographic mapping and capability
Li et al. Retrieval of the haze optical thickness in North China Plain using MODIS data
CN111078678A (zh) 一种基于多源信息融合与降尺度的卫星降水数据校正方法
US20230186503A1 (en) Method for troubleshooting hidden dangers of trees near power transmission lines by combining icesat-2 with jl-1 images
Conte et al. Structure from Motion for aerial thermal imagery at city scale: Pre-processing, camera calibration, accuracy assessment
Jumaat et al. Land cover change mapping using high resolution satellites and unmanned aerial vehicle
CN110428013B (zh) 一种农作物遥感分类方法及系统
CN116519913A (zh) 基于星载和地基平台融合的gnss-r数据土壤水分监测方法
CN111412899B (zh) 一种应用无人机测绘对河流进行监测和评估的方法
CN110310370B (zh) 一种gps与srtm点面融合的方法
CN115638767B (zh) 地面沉降监测方法
Bechtel et al. Downscaling of diumal land surface temperature cycles for urban heat island monitoring
Henriksen et al. Extracting accurate and precise topography from LROC narrow angle camera stereo observations
Zhou et al. Land surface albedo estimation with Chinese GF-1 WFV data in Northwest China
Yadav et al. High-resolution outgoing long wave radiation data (2014–2020) of INSAT-3D Imager and its comparison with Clouds and Earth’s Radiant Energy System (CERES) data
Takaku et al. High resolution DSM generation from ALOS-3 stereo imageries
Elvidge et al. Preliminary results from nighttime lights change detection
Seiz et al. Cloud mapping using ground-based imagers
Doshi et al. Geometric and radiometric assessment of sentinel-2A and sentinel-2B sensors
Vyas et al. Comparison of sugar beet crop cover estimates from radar and optical data

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