CN110186823A - 一种气溶胶光学厚度反演方法 - Google Patents
一种气溶胶光学厚度反演方法 Download PDFInfo
- Publication number
- CN110186823A CN110186823A CN201910571412.3A CN201910571412A CN110186823A CN 110186823 A CN110186823 A CN 110186823A CN 201910571412 A CN201910571412 A CN 201910571412A CN 110186823 A CN110186823 A CN 110186823A
- Authority
- CN
- China
- Prior art keywords
- reflectivity
- value
- growing season
- optical depth
- pixel
- 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
- 239000000443 aerosol Substances 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000003287 optical effect Effects 0.000 title claims abstract description 48
- 238000002310 reflectometry Methods 0.000 claims abstract description 77
- 238000001228 spectrum Methods 0.000 claims abstract description 39
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 17
- 238000005315 distribution function Methods 0.000 claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 239000000428 dust Substances 0.000 claims abstract description 13
- 239000004576 sand Substances 0.000 claims abstract description 13
- 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 13
- 239000003292 glue Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 2
- 238000010189 synthetic method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
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
- 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
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种气溶胶光学厚度反演方法，解决现有方法应用于AHI传感器时受地表角度效应影响大、稳定性差的问题。所述方法，包含：对卫星波段表观反射率剔除内陆水体、冰/雪、云像元；基于MODIS产品MCD19A3历史数据建立双向反射率分布函数参数数据库；结合RTLS模型，进行地表反射率动态计算，得到地表反射率初始值；构建波谱转换模型，将地表反射率初始值转换为地表反射率转换值；对单次散射反照率，剔除沙尘天气对应数据、按季节计算均值，建立6S查找表；在6S查找表中，先查表得到一一对应的表观反射率模拟值与气溶胶光学厚度值，再对所述气溶胶光学厚度值进行插值，得到气溶胶光学厚度反演结果。本发明可降低AOD反演的角度效应影响及地域限制性。
Description
技术领域
本发明涉及大气定量遥感领域，尤其涉及一种气溶胶光学厚度反演方法。
背景技术
目前用于卫星气溶胶光学厚度(Aerosol Optical Depth，AOD)反演的算法主要有暗目标法(Dark Target，DT)和深蓝算法(Deep Blue，DB)。暗目标法，根据浓密植被和暗色土壤等“暗目标”在红、蓝波段反射率低，对卫星观测的表观反射率贡献小，气溶胶信息相对敏感的特点，通过确定“暗目标”的反射率来实现地气解耦，缺点是存在普遍的高估现象，且局限于“暗目标”地区，无法实现城市、半干旱地区等亮地表区域的AOD反演；深蓝算法，基于历史数据，采用最小反射率方法构建地表反射率数据库，实现AOD反演，缺点是在处理地表的各向异性的影响时存在不足，增加了地表反射率确定上的误差，尤其是在地表复杂的城市地区，给AOD反演带来误差。
发明内容
本发明提供一种气溶胶光学厚度反演方法，解决现有方法应用于AHI传感器时受角度影响大、稳定性差的问题。
本发明实施例提出一种气溶胶光学厚度反演方法，包含以下步骤：对卫星波段表观反射率剔除内陆水体、冰/雪、云像元；基于MODIS产品MCD19A3历史数据建立双向反射率分布函数参数数据库：对所述MCD19A3历史数据中的每像元数据按月度分类后，先去除无效值，对剩余数据进行排列组合，然后对每种组合方式计算标准差，得到标准差最小的组合方式为最优组合，并对最优组合采用更新日期指数最小原则确定各像元对应的最终值，建立双向反射率分布函数参数数据库；利用所述双向反射率分布函数参数数据库，结合RTLS模型，进行地表反射率动态计算，得到地表反射率初始值；利用光谱数据库构建波谱转换模型，并将所述地表反射率初始值转换为地表反射率转换值；对全球自动观测网的单次散射反照率，剔除沙尘天气对应数据、按季节计算均值，再对6S模型中对应的单次散射反照率参数进行修改，建立6S查找表，所述6S查找表的输入参数包含：观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型、单次散射反照率、气溶胶光学厚度、地表反射率，输出参数包含：波段表观反射率，一组所述输入参数唯一对应一个所述波段表观反射率；在所述6S查找表中，先根据观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型和所述地表反射率转换值查表得到一一对应的表观反射率模拟值与气溶胶光学厚度值，再根据所述卫星波段表观反射率与表观反射率模拟值的关系对所述气溶胶光学厚度值进行插值，得到气溶胶光学厚度反演结果。
进一步地，所述对全球自动观测网的单次散射反照率，剔除沙尘天气对应数据的方法为：剔除Angstrom指数小于0.2对应的单次散射反照率数据。
优选地，所述对卫星波段表观反射率剔除内陆水体、冰/雪、云像元的步骤，进一步包含：对内陆水体、冰/雪、云进行像元识别：对归一化植被指数小于0的像元识别为内陆水体，对归一化冰雪指数大于0.4的像元识别为冰/雪，对蓝光波段表观反射率大于0.4的像元识别为云或对任一3×3像元范围内的标准差大于0.01的像元识别为云；对识别为内陆水体、冰/雪、云的像元进行剔除。
优选地，所述利用光谱数据库构建波谱转换模型，并将所述地表反射率初始值转换为地表反射率转换值的步骤，进一步包含：从遥感图像处理平台的光谱数据库中，获取不同地物的光谱曲线；分别计算不同地物在AHI传感器、MODIS传感器的蓝光波段反射率；对所述AHI传感器的蓝光波段反射率、MODIS传感器的蓝光波段反射率，进行拟合，得到所述MODIS传感器的蓝光波段反射率关于所述AHI传感器的蓝光波段反射率的计算关系为波谱转换模型；将所述地表反射率初始值代入所述波谱转换模型，计算得到所述地表反射率转换值。
进一步地，所述6S模式查找表输入参数设置为：观测天顶角，设置为0～60度，步长6度；太阳天顶角，设置为0～78度，步长为6度；相对方位角设置为0～180度，步长为10度；大气模式，设置为中纬度夏季和中纬度冬季；气溶胶类型设置为大陆型；单次散射反照率，设置为所述单次散射反照率季节型参数；气溶胶光学厚度，设置为0～3，非等间隔设置；地表反射率，设置为0～0.15，步长0.01。
优选地，所述不同地物的光谱曲线的个数为60。
进一步地，所述波谱转换模型为：
y＝1.0057x+0.0018
其中，y为所述AHI传感器的蓝光波段反射率，x为所述MODIS传感器的蓝光波段反射率。
本发明有益效果包括：本发明提出的气溶胶光学厚度反演方法，提出基于最小标准差合成方法构建双向反射率分布函数(Bidirectional Reflectance DistributionFunction，BRDF)参数数据库，有效的减小了地表的各向异性效应对地表反射率估算的影响，提高了地表反射率估算精度，进而提高了AOD反演精度；另外，对6S(sencondsimulation of a satellite signal in the solar spectrum)模型中的大陆型气溶胶类型进行修正，可更准确地获得区域适用性更强的表观反射率模拟结果，进而提高AOD反演精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，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为一种气溶胶光学厚度反演方法流程实施例；
图2为一种包含双向反射率分布函数参数数据库建立的气溶胶光学厚度反演方法流程实施例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
暗目标法是目前陆地气溶胶反演应用最广的算法之一。它主要是根据浓密植被和暗色土壤等“暗目标”在红、蓝波段反射率低，对卫星观测的表观反射率贡献相对较小，气溶胶信息相对敏感的特点，通过确定“暗目标”的反射率来实现地气解耦。利用2.1μm表观反射率作为地表反射率进行暗像元筛选以及可见光红、蓝波段地表反射率的计算。在确定地表反射率后，给定气溶胶类型进行表观反射率模拟及AOD计算，根据计算结果及波段间表观反射率模拟结果比值进行气溶胶类型的再确定以及AOD的修正，该方法已经应用于MODIS10km全球陆地气溶胶反演。但该方法存在普遍的高估现象，而且该方法局限于“暗目标”地区，无法实现城市、半干旱地区等亮地表区域的AOD反演。
干旱、半干旱和城市地区的地表反射率在红波段和近红外波段非常高，而在蓝光波段却低很多，可以利用蓝光波段实现这些高亮地区的气溶胶反演。因此出现了基于先验地表反射率数据库的气溶胶反演算法，即深蓝算法(DB)。先验地表反射率数据库采用最小反射率方法进行构建，利用构建的查找表同时获取AOD和气溶胶类型。该算法已经成功的应用于MODIS、Seawifs和GLI等传感器，在沙漠等高亮地区获得较好的反演结果。随后发展而来的第二代算法对先前的算法进行了优化，同时增加了暗地表区域的反演，已经业务化进行MODIS全球陆地气溶胶反演，并向公众免费提供长时间序列的全球反演产品。
本发明创新点包含：第一，本发明基于MODIS最新发布的MCD19A3数据，采用最小标准差法和Updataday最小原则建立BRDF参数数据库，提高了数据库的可靠性，从而提高了AOD反演精度；第二，本发明修改了6S模型中的大陆气溶胶单次散射反照率(SSA)数据，剔除沙尘天气的影响，并按季节构建了6S查找表，增加了查找表的准确度，从而提升了AOD反演精度。
以下结合附图，详细说明本发明各实施例提供的技术方案。
图1为一种气溶胶光学厚度反演方法流程实施例，基于BRDF模型参数数据库对AOD进行反演，作为本发明实施例，一种气溶胶光学厚度反演方法，包含以下步骤：
步骤101，对卫星波段表观反射率剔除内陆水体、冰/雪、云像元。
在步骤101中，所述卫星波段表观反射率通过公开的数据库得到。
进一步地，步骤101包含步骤101A、步骤101B：
步骤101A，对内陆水体、冰/雪、云进行像元识别：对归一化植被指数(NDVI)小于0的像元识别为内陆水体，对归一化冰雪指数(NDSI)大于0.4的像元识别为冰/雪，对蓝光波段表观反射率大于0.4的像元识别为云或对任一3×3像元范围内的标准差大于0.01的像元识别为云。
在步骤101A中，对于云的识别，分两个部分：第一部分，当蓝光波段表观反射率大于0.4时，判断为云；第二部分，滑动计算每个像元点3×3像元范围内的标准差，当标准差大于0.01时，判断为云。
步骤101B，对识别为内陆水体、冰/雪、云的像元进行剔除。
在步骤101B中，识别为内陆水体、冰/雪、云的像元为不适合AOD反演的像元，需要进行剔除。
步骤102，基于MODIS产品MCD19A3历史数据建立双向反射率分布函数(BRDF)参数数据库：对所述MCD19A3历史数据中的每像元数据按月度分类后，先去除无效值，对剩余数据进行排列组合，然后对每种组合方式计算标准差，得到标准差最小的组合方式为最优组合，并对最优组合采用更新日期指数(Updataday)最小原则确定各像元对应的最终值，建立双向反射率分布函数参数数据库。
在步骤102中，所述MODIS的历史产品数据为MCD19A3数据，本发明实施例选用2015-2016年MCD19A3数据，需要说明的是，也可选用其他时间的历史数据，这里不做特别限定。
在步骤102中，对MODIS的历史产品数据中的每像元数据按月度分类后，先去除无效值。
例如，2015-2016年MCD19A3数据中，按月分类后，所述MCD19A3的每像元数据个数为8个或7个，去除无效值，所述无效值是指数据集中标识为无效的数据，去除无效值后的数据用于建立BFDR参数月度数据库。
在步骤102中，从去除无效值的各像元每月数据中按排列组合的方式任取预设选择数的数据，一般地，所述预设选择数为4，所述排列组合的方式为数学中排列组合的定义。
例如，去除无效值的各像元每月数据共有8个，从中任取4个数据，根据排列组合数学定义，共有C8 4＝70种组合方式；再例如，去除无效值的各像元每月数据共有7个数据，从中任取4个数据，共有C74＝35种组合方式。需要说明的是，所述预设选择数可以是本发明实施例中的4，也可以是其他数值，这里不做特别限定。
在步骤102中，对每种组合方式计算标准差，得到标准差最小的组合方式为最优组合，根据标准差得到最优组合的方法即为最小标准差法。
在步骤102中，Updataday是MCD19A3数据自带的子数据集，表示距离模型更新的日期，对最优组合采用Updataday最小原则确定各像元对应的数据，即为选择距离模型更新日期最近的数据。
在步骤102中，在建立所述BRDF参数数据库时，假定一定时间内BRDF模型中的三个参数，独立散射系数、体散射系数、表面散射系数保持不变，所述一定时间，本发明实施例为1个月，因此所述BRDF参数数据库为月度BRDF参数数据库。需要说明的是，所述一定时间也可以是其他数值，这里不做特别限定。
步骤103，利用所述双向反射率分布函数参数数据库，结合RTLS(Ross Thick-LiSparseReciprocal Linear kernel-driven model)模型，进行地表反射率动态计算，得到地表反射率初始值。
在步骤103中，所述地表反射率动态计算方法为现有技术，这里不做具体阐述。
步骤104，利用光谱数据库构建波谱转换模型，并将所述地表反射率初始值转换为地表反射率转换值。
在步骤104中，所述地表反射率转换值为适用于AHI传感器的地表反射率值。
步骤105，对全球自动观测网的单次散射反照率(SSA)，剔除沙尘天气对应数据、按季节计算均值，再对6S模型中对应的单次散射反照率参数进行修改，建立6S查找表。
在步骤105中，将剔除沙尘天气对应数据后的单次散射反照率按季节计算均值，得到的结果用于修正6S模型中对应的单次散射反照率参数，以起到修正气溶胶类型的作用。
在步骤105中，所述6S查找表的输入参数包含：观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型、单次散射反照率、气溶胶光学厚度、地表反射率，输出参数包含：波段表观反射率，一组所述输入参数唯一对应一个所述波段表观反射率。作为本发明实施例，所述全球自动观测网(AERONET，Aerosol Robotic Network)的单次散射反照率(SSA)选用全球自动观测网2010-2017年的单次散射反照率参数数据，可通过网上数据库查到。需要说明的是，所述单次散射反照率也可选用其他历史数据，这里不做特别限定。
在步骤105中，所述对全球自动观测网的单次散射反照率参数，剔除沙尘天气对应数据的方法为：剔除Angstrom指数小于0.2对应的单次散射反照率参数，即假定沙尘天气的Angstrom指数小于0.2。
对全球自动观测网的单次散射反照率参数，首先剔除沙尘天气对应的SSA，然后将剩余SSA按季节分类，并计算季节平均值。
6S(sencond simulation of a satellite signal in the solar spectrum)模型是用于太阳波段卫星信号模拟的最常用的模型之一，根据所述6S模型，建立6S查找表，作为本发明实施例，所述6S查找表参数设置为：观测天顶角，设置为0～60度，步长6度；太阳天顶角，设置为0～78度，步长为6度；相对方位角设置为0～180度，步长为10度；大气模式，设置为中纬度夏季和中纬度冬季；气溶胶类型设置为大陆型；单次散射反照率，设置为所述单次散射反照率季节型参数；气溶胶光学厚度，设置为0～3，非等间隔设置；地表反射率，设置为0～0.15，步长0.01。需要说明的是，所述6S查找表的参数设置数值可以是本发明实施例中的数值，也可以是其他数值这里不做特别限定。
步骤106，在所述6S查找表中，先根据观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型和所述地表反射率转换值查表得到一一对应的表观反射率模拟值与气溶胶光学厚度值，再根据所述卫星波段表观反射率与表观反射率模拟值的关系对所述气溶胶光学厚度值进行插值，得到气溶胶光学厚度反演结果。
在步骤106中，根据观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型和所述地表反射率转换值查表得到一一对应的表观反射率模拟值与气溶胶光学厚度。
在步骤106中，将所述卫星波段表观反射率作为真实值，查表可以得到一组对应的表观反射率模拟值与气溶胶光学厚度值，根据所述卫星波段表观反射率与所述表观反射率模拟值的关系对所述气溶胶光学厚度值进行插值，得到AOD反演结果。
在步骤106中，得到所述表观反射率模拟值的观测天顶角、太阳天顶角、相对方位角均为需要计算AOD的实际方位信息；大气模式、气溶胶类型、单次散射反照率均与所述6S查找表中设置的参数类型相同。
本发明实施例提供的气溶胶光学厚度反演方法，为减小地表的各向异性效应对地表反射率估算的影响，提出基于最小标准差合成方法构建BRDF参数数据库，结合RTLS模型进行地表反射率的动态计算的方法，提高了数据库的可信性；另外，在气溶胶类型方面，修改了大陆型气溶胶的SSA参数，利用Angstrom指数剔除了沙尘对于计算SSA均值的影响，并构建了季节查找表，可以获得区域适用性更强的表观反射率模拟结果，从而提高了AOD反演精度。
图2为一种包含双向反射率分布函数参数数据库建立的气溶胶光学厚度反演方法流程实施例，采用最小标准差方法建立了BRDF参数数据库，作为本发明实施例，一种气溶胶光学厚度反演方法，包含以下步骤：
步骤101，对卫星波段表观反射率剔除内陆水体、冰/雪、云像元。
步骤102，基于MODIS产品MCD19A3历史数据建立双向反射率分布函数参数数据库：对所述MCD19A3历史数据中的每像元数据按月度分类后，先去除无效值，对剩余数据进行排列组合，然后对每种组合方式计算标准差，得到标准差最小的组合方式为最优组合，并对最优组合采用更新日期指数最小原则确定各像元对应的最终值，建立双向反射率分布函数参数数据库。
步骤103，利用所述双向反射率分布函数参数数据库，结合RTLS模型，进行地表反射率动态计算，得到地表反射率初始值。
步骤104A，从遥感图像处理平台(ENVI，The Environment for VisualizingImage)的光谱数据库中，获取不同地物的光谱曲线。
作为本发明实施例，所述不同地物的光谱曲线的个数为60，即从ENVI自带的光谱数据库中获取了60种不同地物的光谱曲线。需要说明的是，所述不同地物是指地物形态不同，如植被型等。还需说明的是，所述不同地物的光谱曲线的个数可以是本发明实施例中的60个，也可以是其他数值，这里不做特别限定。
步骤104B，分别计算不同地物在AHI传感器、MODIS传感器的蓝光波段反射率。
在步骤104B中，计算蓝光反射率的方法为现有技术，这里不做具体阐述。
步骤104C，对所述AHI传感器的蓝光波段反射率、MODIS传感器的蓝光波段反射率，进行拟合，得到所述MODIS传感器的蓝光波段反射率关于所述AHI传感器的蓝光波段反射率的计算关系为波谱转换模型。
在步骤104C中，所述波谱转换模型为：
y＝1.0057x+0.0018 (1)
其中，y为所述AHI传感器的蓝光波段反射率，x为所述MODIS传感器的蓝光波段反射率。
需要说明的是，本发明实施例中的模型所述波谱转换模型只是波谱转换模型中的一种，所述波谱转换模型还可以是其他模型，根据具体光谱仪数据库中的光谱曲线计算拟合得到。
步骤104D，将所述地表反射率初始值代入所述波谱转换模型，计算得到所述地表反射率转换值。
在步骤104D中，所述地表反射率初始值作为所述波谱转换模型中的输入数据，即所述MODIS传感器的蓝光波段反射率；所述地表反射率转换值为输出数据，即AHI传感器的蓝光波段反射率。
步骤105，对全球自动观测网的单次散射反照率，剔除沙尘天气对应数据、按季节计算均值，再对6S模型中对应的单次散射反照率参数进行修改，建立6S查找表。
步骤106，在所述6S查找表中，先根据观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型和所述地表反射率转换值查表得到一一对应的表观反射率模拟值与气溶胶光学厚度值，再根据所述卫星波段表观反射率与表观反射率模拟值的关系对所述气溶胶光学厚度值进行插值，得到气溶胶光学厚度反演结果。
作为本发明实施例，将根据2015-2016年的MCD19A3数据计算得到的AOD反演结果，与AERONET站点监测值得AOD数值进行比对，可以得到均方根误差(RMSE)为0.17，平均绝对误差(MAE)为0.13，平均相对误差(MRE)为0.59，相对平均偏差(RMB)为1.01。
本发明实施例提供的气溶胶光学厚度反演方法，采用MODIS最新发布的MCD19A3数据，并基于最小标准差和更新日期指数最小的原则构建BRDF参数数据库，增加了数据库的可靠性，提高了AOD反演精度。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。
Claims (7)
1.一种气溶胶光学厚度反演方法，其特征在于，包含以下步骤：
对卫星波段表观反射率剔除内陆水体、冰/雪、云像元；
基于MODIS产品MCD19A3历史数据建立双向反射率分布函数参数数据库：对所述MCD19A3历史数据中的每像元数据按月度分类后，先去除无效值，对剩余数据进行排列组合，然后对每种组合方式计算标准差，得到标准差最小的组合方式为最优组合，并对最优组合采用更新日期指数最小原则确定各像元对应的最终值，建立双向反射率分布函数参数数据库；
利用所述双向反射率分布函数参数数据库，结合RTLS模型，进行地表反射率动态计算，得到地表反射率初始值；
利用光谱数据库构建波谱转换模型，并将所述地表反射率初始值转换为地表反射率转换值；
对全球自动观测网的单次散射反照率，剔除沙尘天气对应数据、按季节计算均值，再对6S模型中对应的单次散射反照率参数进行修改，建立6S查找表，所述6S查找表的输入参数包含：观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型、单次散射反照率、气溶胶光学厚度、地表反射率，输出参数包含：波段表观反射率，一组所述输入参数唯一对应一个所述波段表观反射率；
在所述6S查找表中，先根据观测天顶角、太阳天顶角、相对方位角、大气模式、气溶胶类型和所述地表反射率转换值查表得到一一对应的表观反射率模拟值与气溶胶光学厚度值，再根据所述卫星波段表观反射率与表观反射率模拟值的关系对所述气溶胶光学厚度值进行插值，得到气溶胶光学厚度反演结果。
2.如权利要求1所述的气溶胶光学厚度反演方法，其特征在于，所述对全球自动观测网的单次散射反照率，剔除沙尘天气对应数据的方法为：剔除Angstrom指数小于0.2对应的单次散射反照率数据。
3.如权利要求1所述的气溶胶光学厚度反演方法，其特征在于，所述对卫星波段表观反射率剔除内陆水体、冰/雪、云像元的步骤，进一步包含：
对内陆水体、冰/雪、云进行像元识别：对归一化植被指数小于0的像元识别为内陆水体，对归一化冰雪指数大于0.4的像元识别为冰/雪，对蓝光波段表观反射率大于0.4的像元识别为云或对任一3×3像元范围内的标准差大于0.01的像元识别为云；
对识别为内陆水体、冰/雪、云的像元进行剔除。
4.如权利要求1所述的气溶胶光学厚度反演方法，其特征在于，所述利用光谱数据库构建波谱转换模型，并将所述地表反射率初始值转换为地表反射率转换值的步骤，进一步包含：
从遥感图像处理平台的光谱数据库中，获取不同地物的光谱曲线；
分别计算不同地物在AHI传感器、MODIS传感器的蓝光波段反射率；
对所述AHI传感器的蓝光波段反射率、MODIS传感器的蓝光波段反射率，进行拟合，得到所述MODIS传感器的蓝光波段反射率关于所述AHI传感器的蓝光波段反射率的计算关系为波谱转换模型；
将所述地表反射率初始值代入所述波谱转换模型，计算得到所述地表反射率转换值。
5.如权利要求1所述的气溶胶光学厚度反演方法，其特征在于，所述6S模式查找表输入参数设置为：观测天顶角，设置为0～60度，步长6度；太阳天顶角，设置为0～78度，步长为6度；相对方位角设置为0～180度，步长为10度；大气模式，设置为中纬度夏季和中纬度冬季；气溶胶类型设置为大陆型；单次散射反照率，设置为所述单次散射反照率季节型参数；气溶胶光学厚度，设置为0～3，非等间隔设置；地表反射率，设置为0～0.15，步长0.01。
6.如权利要求4所述的气溶胶光学厚度反演方法，其特征在于，所述不同地物的光谱曲线的个数为60。
7.如权利要求4所述的气溶胶光学厚度反演方法，其特征在于，所述波谱转换模型为：
y＝1.0057x+0.0018
其中，y为所述AHI传感器的蓝光波段反射率，x为所述MODIS传感器的蓝光波段反射率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910571412.3A CN110186823B (zh) | 2019-06-26 | 2019-06-26 | 一种气溶胶光学厚度反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910571412.3A CN110186823B (zh) | 2019-06-26 | 2019-06-26 | 一种气溶胶光学厚度反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110186823A true CN110186823A (zh) | 2019-08-30 |
| CN110186823B CN110186823B (zh) | 2020-06-16 |
Family
ID=67724059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910571412.3A Active CN110186823B (zh) | 2019-06-26 | 2019-06-26 | 一种气溶胶光学厚度反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110186823B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110632032A (zh) * | 2019-06-26 | 2019-12-31 | 曲阜师范大学 | 一种基于地表反射率库的沙尘暴监测方法 |
| CN110705089A (zh) * | 2019-09-27 | 2020-01-17 | 中国科学院遥感与数字地球研究所 | 一种细模态气溶胶参数反演方法 |
| CN110726653A (zh) * | 2019-09-25 | 2020-01-24 | 中国电子科技集团公司第二十七研究所 | 基于天地一体化信息的pm2.5浓度监测方法 |
| CN111191380A (zh) * | 2020-01-08 | 2020-05-22 | 北京大学 | 一种基于地基光谱仪测量数据的大气气溶胶光学厚度估算方法和装置 |
| CN112748444A (zh) * | 2020-12-30 | 2021-05-04 | 中国科学院空天信息创新研究院 | 一种无中红外通道传感器的气溶胶光学厚度反演方法 |
| CN112906284A (zh) * | 2021-03-09 | 2021-06-04 | 珠海复旦创新研究院 | 一种浑浊水域气溶胶光学厚度与浑浊度的反演算法 |
| CN113066057A (zh) * | 2021-03-17 | 2021-07-02 | 云南电网有限责任公司电力科学研究院 | 一种气溶胶光学厚度监测方法 |
| CN113740263A (zh) * | 2021-03-10 | 2021-12-03 | 仲恺农业工程学院 | 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 |
| CN114113001A (zh) * | 2022-01-27 | 2022-03-01 | 航天宏图信息技术股份有限公司 | 一种气溶胶光学厚度反演方法 |
| CN115824971A (zh) * | 2022-11-17 | 2023-03-21 | 中国科学院空天信息创新研究院 | 实现陆表遥感地表反射率产品质量可追溯的方法及装置 |
| CN116519557A (zh) * | 2023-07-05 | 2023-08-01 | 北京数慧时空信息技术有限公司 | 一种气溶胶光学厚度反演方法 |
| CN116881721A (zh) * | 2023-07-25 | 2023-10-13 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
| CN117110216A (zh) * | 2023-10-19 | 2023-11-24 | 航天宏图信息技术股份有限公司 | 气溶胶光学厚度遥感反演方法、装置及电子设备 |
| CN117347282A (zh) * | 2023-08-22 | 2024-01-05 | 中南大学 | 星基气溶胶光学厚度反演方法、装置及系统和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636143A (zh) * | 2012-04-20 | 2012-08-15 | 中国科学院遥感应用研究所 | 一种气溶胶光学厚度遥感反演方法 |
| KR20130088586A (ko) * | 2012-01-31 | 2013-08-08 | 목포대학교산학협력단 | 풍력단지의 입지선정 방법 |
| CN103954974A (zh) * | 2014-04-21 | 2014-07-30 | 山东科技大学 | 一种用于城市地区的颗粒物光学厚度遥感监测方法 |
| KR101609740B1 (ko) * | 2015-08-24 | 2016-04-08 | 대한민국 | 에어로졸 질량농도의 연직분포 산출방법 |
| CN106446307A (zh) * | 2015-08-05 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 |
| CN106483050A (zh) * | 2015-09-02 | 2017-03-08 | 中国科学院遥感与数字地球研究所 | 气溶胶光学厚度的反演方法及系统 |
| CN107767448A (zh) * | 2017-10-09 | 2018-03-06 | 中国科学院遥感与数字地球研究所 | 考虑云‑地形效应的地表太阳辐射遥感计算方法及系统 |
-
2019
- 2019-06-26 CN CN201910571412.3A patent/CN110186823B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130088586A (ko) * | 2012-01-31 | 2013-08-08 | 목포대학교산학협력단 | 풍력단지의 입지선정 방법 |
| CN102636143A (zh) * | 2012-04-20 | 2012-08-15 | 中国科学院遥感应用研究所 | 一种气溶胶光学厚度遥感反演方法 |
| CN103954974A (zh) * | 2014-04-21 | 2014-07-30 | 山东科技大学 | 一种用于城市地区的颗粒物光学厚度遥感监测方法 |
| CN106446307A (zh) * | 2015-08-05 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 |
| KR101609740B1 (ko) * | 2015-08-24 | 2016-04-08 | 대한민국 | 에어로졸 질량농도의 연직분포 산출방법 |
| CN106483050A (zh) * | 2015-09-02 | 2017-03-08 | 中国科学院遥感与数字地球研究所 | 气溶胶光学厚度的反演方法及系统 |
| CN107767448A (zh) * | 2017-10-09 | 2018-03-06 | 中国科学院遥感与数字地球研究所 | 考虑云‑地形效应的地表太阳辐射遥感计算方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| FUKUN YANG 等: "Preliminary Investigation of a New AHI AerosolOptical Depth (AOD) Retrieval Algorithm and Evaluation with Multiple Source AOD Measurements in China", 《REMOTE SENSING》 * |
| 佘璐: "基于 Himawari-8/AHI 数据的气溶胶光学厚度反演和沙尘监测研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
| 刘思含 等: "多角度多波段的核函数及其在BRDF研究中的应用", 《北京师范大学学报(自然科学版)》 * |
| 孙林 等: "Landsat 8OLI城市地区气溶胶光学厚度遥感反演", 《山东科技大学学报（自然科学版）》 * |
| 汪洋: "基于VIIRS数据的中国东部气溶胶光学厚度反演算法改进", 《地球物理学报》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110632032A (zh) * | 2019-06-26 | 2019-12-31 | 曲阜师范大学 | 一种基于地表反射率库的沙尘暴监测方法 |
| CN110726653B (zh) * | 2019-09-25 | 2022-03-04 | 中国电子科技集团公司第二十七研究所 | 基于天地一体化信息的pm2.5浓度监测方法 |
| CN110726653A (zh) * | 2019-09-25 | 2020-01-24 | 中国电子科技集团公司第二十七研究所 | 基于天地一体化信息的pm2.5浓度监测方法 |
| CN110705089A (zh) * | 2019-09-27 | 2020-01-17 | 中国科学院遥感与数字地球研究所 | 一种细模态气溶胶参数反演方法 |
| CN110705089B (zh) * | 2019-09-27 | 2021-04-16 | 中国科学院遥感与数字地球研究所 | 一种细模态气溶胶参数反演方法 |
| CN111191380A (zh) * | 2020-01-08 | 2020-05-22 | 北京大学 | 一种基于地基光谱仪测量数据的大气气溶胶光学厚度估算方法和装置 |
| CN112748444A (zh) * | 2020-12-30 | 2021-05-04 | 中国科学院空天信息创新研究院 | 一种无中红外通道传感器的气溶胶光学厚度反演方法 |
| CN112906284A (zh) * | 2021-03-09 | 2021-06-04 | 珠海复旦创新研究院 | 一种浑浊水域气溶胶光学厚度与浑浊度的反演算法 |
| CN113740263A (zh) * | 2021-03-10 | 2021-12-03 | 仲恺农业工程学院 | 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 |
| CN113740263B (zh) * | 2021-03-10 | 2023-06-16 | 仲恺农业工程学院 | 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 |
| CN113066057A (zh) * | 2021-03-17 | 2021-07-02 | 云南电网有限责任公司电力科学研究院 | 一种气溶胶光学厚度监测方法 |
| CN114113001A (zh) * | 2022-01-27 | 2022-03-01 | 航天宏图信息技术股份有限公司 | 一种气溶胶光学厚度反演方法 |
| CN115824971A (zh) * | 2022-11-17 | 2023-03-21 | 中国科学院空天信息创新研究院 | 实现陆表遥感地表反射率产品质量可追溯的方法及装置 |
| CN116519557A (zh) * | 2023-07-05 | 2023-08-01 | 北京数慧时空信息技术有限公司 | 一种气溶胶光学厚度反演方法 |
| CN116519557B (zh) * | 2023-07-05 | 2023-09-19 | 北京数慧时空信息技术有限公司 | 一种气溶胶光学厚度反演方法 |
| CN116881721A (zh) * | 2023-07-25 | 2023-10-13 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
| CN116881721B (zh) * | 2023-07-25 | 2024-01-02 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
| CN117347282A (zh) * | 2023-08-22 | 2024-01-05 | 中南大学 | 星基气溶胶光学厚度反演方法、装置及系统和存储介质 |
| CN117347282B (zh) * | 2023-08-22 | 2024-05-28 | 中南大学 | 星基气溶胶光学厚度反演方法、装置及系统和存储介质 |
| CN117110216A (zh) * | 2023-10-19 | 2023-11-24 | 航天宏图信息技术股份有限公司 | 气溶胶光学厚度遥感反演方法、装置及电子设备 |
| CN117110216B (zh) * | 2023-10-19 | 2024-01-30 | 航天宏图信息技术股份有限公司 | 气溶胶光学厚度遥感反演方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110186823B (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110186823A (zh) | 一种气溶胶光学厚度反演方法 | |
| CN101561502B (zh) | 地形校正植被指数的构造方法 | |
| Dalponte et al. | Tree‐centric mapping of forest carbon density from airborne laser scanning and hyperspectral data | |
| Liu et al. | Nighttime polar cloud detection with MODIS | |
| Sarker et al. | Forest biomass estimation using texture measurements of high-resolution dual-polarization C-band SAR data | |
| CN111024618A (zh) | 基于遥感影像的水质健康监测方法、装置及存储介质 | |
| CN103914678B (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
| CN111832518B (zh) | 基于时空融合的tsa遥感影像土地利用方法 | |
| CN110308097A (zh) | 一种卫星图像云检测方法及系统 | |
| Dutta et al. | Characterizing vegetation canopy structure using airborne remote sensing data | |
| CN115308386B (zh) | 一种基于cygnss卫星数据的土壤盐分反演方法和系统 | |
| CN116337701A (zh) | 一种基于双星组网的城市高分辨率气溶胶光学厚度反演方法 | |
| CN105139375A (zh) | 一种结合全球dem与立体视觉的卫星影像云检测方法 | |
| Wang et al. | Application of geographic image cognition approach in land type classification using Hyperion image: A case study in China | |
| CN110688606B (zh) | 一种热红外遥感反演云微物理参数的方法 | |
| CN117075138A (zh) | 一种区域30米森林冠层高度遥感测算方法、系统及介质 | |
| He et al. | Direct estimation of land surface albedo from simultaneous MISR data | |
| Shumilo et al. | U-Net model for logging detection based on the Sentinel-1 and Sentinel-2 data | |
| Migolet et al. | Estimation of the total dry aboveground biomass in the tropical forests of Congo Basin using optical, LiDAR, and radar data | |
| Dong et al. | Aboveground forest biomass based on OLSR and an ANN model integrating LiDAR and optical data in a mountainous region of China | |
| CN107239886B (zh) | 基于高分卫星遥感数据的gdp密度分析系统 | |
| CN116008140A (zh) | 基于多波段卫星数据的气溶胶光学厚度反演方法 | |
| CN104569952B (zh) | 无中红外通道传感器的气溶胶光学厚度时空分布反演方法 | |
| Zhou et al. | Comparison of object-oriented and Maximum Likelihood Classification of land use in Karst area | |
| CN115564678A (zh) | 优化bp神经网络的低空无人机光谱辐射校正方法及系统 |
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 |