CN110411918B - 一种基于卫星偏振技术的pm2.5浓度遥感估算方法 - Google Patents
一种基于卫星偏振技术的pm2.5浓度遥感估算方法 Download PDFInfo
- Publication number
- CN110411918B CN110411918B CN201910710825.5A CN201910710825A CN110411918B CN 110411918 B CN110411918 B CN 110411918B CN 201910710825 A CN201910710825 A CN 201910710825A CN 110411918 B CN110411918 B CN 110411918B
- Authority
- CN
- China
- Prior art keywords
- concentration
- fine particle
- satellite
- atmospheric
- remote sensing
- 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
Links
- 230000010287 polarization Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 239000000443 aerosol Substances 0.000 claims abstract description 87
- 239000010419 fine particle Substances 0.000 claims abstract description 83
- 230000003287 optical effect Effects 0.000 claims abstract description 27
- 230000008033 biological extinction Effects 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 18
- 238000002310 reflectometry Methods 0.000 claims description 16
- 230000005855 radiation Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 239000003102 growth factor Substances 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 13
- 230000007547 defect Effects 0.000 abstract description 3
- 239000002245 particle Substances 0.000 description 9
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于卫星偏振技术的PM2.5浓度遥感估算方法，首先基于卫星偏振遥感数据反演得到单个像元的大气细粒子气溶胶光学厚度，再对大气细粒子气溶胶光学厚度进行垂直校正和湿度校正，获取近地面大气细粒子气溶胶的干消光系数，进而基于近地面大气细粒子气溶胶的干消光系数和地面观测的PM2.5浓度，构建卫星偏振遥感估算PM2.5浓度模型，并选取相应时间、地点的地面PM2.5浓度数据，验证上述卫星偏振遥感估算PM2.5浓度模型的精度。本发明可以有效地用于精确估算某一区域PM2.5浓度，其空间分辨率、覆盖率和精度更高，有效弥补了地面PM2.5监测站点的不足，为多角度偏振载荷在大气环境监测方面的成功应用提供技术关键支撑。
Description
技术领域
本发明涉及遥感技术领域，特别涉及一种基于卫星偏振技术的PM2.5浓度遥感估算方法。
背景技术
大气细粒子气溶胶通常是指悬浮于大气中的微小粒子，粒径范围可以从0.001μm到几十微米，作为地-气系统的重要组成部分，它主要通过直接辐射强迫和间接辐射强迫影响着气候。大气细粒子气溶胶同时具有显著的环境效应，直径在10μm以下的气溶胶颗粒物(PM10)可到达人类呼吸系统的支气管区；直径小于2.5μm的气溶胶颗粒物(PM2.5)微粒可到达肺泡区，最终导致心血管和哮喘疾病的增加，直接对人类健康造成显著的影响，威胁着人类的生存与社会可持续发展。与粒径较粗的大气颗粒物相比，PM2.5粒径小，富含大量的有毒、有害物质，且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。
近年来我国的大气污染问题比较严重。2013年1月中国东部自北向南的大部分区域发生了严重的霾污染。在北京地区，共发生5次空气质量指数(AQI)超过200(重度污染)的灰霾天气。在这5次重度污染过程中，北京的首要污染物均为细颗粒物PM2.5，是造成严重灰霾天气的主要原因，因此，研究PM2.5浓度具有重要的意义。国家环境保护部于2013年1月开始发布了全国主要地面监测站点观测的PM2.5浓度数据。尽管地面PM2.5观测技术能够获得实时、高精度的PM2.5浓度，但是其覆盖范围有限，主要分布在重点城市区域，广大的农村区域站点较少，导致其空间性代表性不足，对于研究全国或重点区域的大气环境质量存在一定的局限性。卫星遥感可以连续、大面积获取动态数据，可以有效弥补地面PM2.5监测站点的不足。因为气溶胶光学厚度与PM2.5浓度有着较强的相关性，所以基于气溶胶光学厚度的遥感估算方法被广泛应用于PM2.5浓度的估算工作中。现有的PM2.5浓度遥感估算方法普遍精度不高，使得PM2.5浓度反演的效果总体不理想。由于大气细粒子气溶胶散射辐射具有强偏振特性，而大多数陆地表面散射辐射具有弱偏振特性且其时空变化较小，因此表观偏振反射率主要来自大气细粒子气溶胶，利用偏振信息可以有效的将大气细粒子气溶胶和地表的贡献区分开来，PM2.5是大气细粒子气溶胶颗粒物，所以，利用卫星偏振技术监测PM2.5浓度具有独特的优势。
发明内容
针对目前卫星遥感估算PM2.5浓度算法普遍精度不高的现状，为提高PM2.5浓度遥感估算方法的空间分辨率、覆盖率和精度，本发明提出了一种基于卫星偏振技术的PM2.5浓度遥感估算方法。
本发明由下述技术方案实现：
一种基于卫星偏振遥感技术的PM2.5浓度估算方法，所述方法包括如下步骤：
基于卫星偏振遥感数据反演得到单个像元的大气细粒子气溶胶光学厚度；
对大气细粒子气溶胶光学厚度进行垂直校正和湿度校正，获取近地面大气细粒子气溶胶的干消光系数；
基于近地面大气细粒子气溶胶的干消光系数和地面观测的PM2.5浓度，构建卫星偏振遥感估算PM2.5浓度模型，得到估算的PM2.5浓度；
选取相应时间、地点的地面PM2.5浓度数据，验证上述卫星偏振遥感估算PM2.5浓度模型的精度。
进一步的，所述基于卫星偏振遥感数据反演得到单个像元的大气细粒子气溶胶光学厚度的步骤包括：
基于大气细粒子气溶胶类型和矢量辐射传输模型建立大气细粒子气溶胶参数查找表；
基于卫星偏振遥感数据、地表偏振模型和大气细粒子气溶胶参数查找表反演得到单个像元的大气细粒子气溶胶光学厚度。
进一步的，所述卫星偏振遥感数据为基于PARASOL和GF-5/DPC载荷观测的数据，所述地表偏振模型表达式为：
γ＝αcos(-cosθs×cosθv-sinθs×sinθv×cosΔφ)
其中，
为地表偏振反射率，θs为太阳天顶角，θv为卫星观测天顶角，Δφ为相对方位角，Fp(m,γ)为偏振光的菲涅尔系数，m为折射率，γ为散射角，us为太阳天顶角的余弦值，uv为卫星观测天顶角的余弦值，α和β为经验系数。
进一步的，所述基于卫星偏振遥感数据和地表偏振模型反演得到单个像元的大气细粒子气溶胶光学厚度的步骤包括：
将PARASOL和GF-5/DPC载荷同一个像元多个角度(具体的，可以选择3-12个)真实观测的表观偏振反射率减去所述由地表偏振模型计算得到的地表偏振反射率值，得到卫星观测的大气细粒子气溶胶偏振反射率值；
将所述卫星观测的大气细粒子气溶胶偏振反射率值与通过大气细粒子气溶胶参数查找表模拟的大气细粒子气溶胶偏振反射率进行比较，得到总体误差ε，所述总体误差ε最小所对应的大气细粒子气溶胶光学厚度值即为所述反演得到的单个像元的大气细粒子气溶胶光学厚度。
其中，所述ε的表达式为：
其中，ε为总体误差，λi代表波长，i代表第i个偏振波段，一共有两个，分别是670nm和865nm的偏振波段，j代表第j个观测角度，N代表观测角度总数，
为卫星观测的表观偏振反射率值，
为通过大气细粒子气溶胶参数查找表模拟的大气细粒子气溶胶偏振反射率值，Ttotal为总的大气透过率，
为地表偏振反射率，θs为太阳天顶角，θv为卫星观测天顶角，Δφ为相对方位角，S为大气后向散射系数。
进一步的，所述对大气细粒子气溶胶光学厚度进行垂直校正和湿度校正，获取近地面大气细粒子气溶胶的干消光系数的步骤具体为：
所述垂直校正、湿度校正和干消光系数的计算公式分别如下：
β0＝AOD/H
f(RH)＝1/(1-RH)
β1＝β0/f(RH)
其中,AOD为大气细粒子气溶胶光学厚度，H为大气边界层高度，f(RH)为吸湿增长因子，RH为大气相对湿度，β1为大气细粒子气溶胶的干消光系数。
进一步的，所述卫星偏振遥感估算PM2.5浓度模型的表达式为：
其中，(μi,vi)为第i个样本点的经纬度坐标，a0(μi,vi)是第i个样本点上的初始回归参数，回归参数是观测点地理位置的函数，ak(μi,vi)是第i个样本点上的第k个回归参数，p是样本点的回归参数总数，εi为第i个样本点上的误差项，PM2.5i为第i个样本点上的PM2.5浓度，βik为第i个样本点上的近地面大气细粒子气溶胶的干消光系数。
进一步的，所述选取相应时间、地点的地面PM2.5浓度数据，验证上述卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度精度的步骤包括：
选取卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度的结果；
根据经纬度最邻近的原则，选取当天卫星过境前后1小时内的地面PM2.5浓度数据，并对所述地面PM2.5浓度数据进行平均；
验证所述卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度精度。
综上所述，本发明提供了一种基于卫星偏振技术的PM2.5浓度遥感估算方法，可以精确的反演某一区域PM2.5浓度，通过最终得到的基于观测点地理位置信息的回归模型，提高了PM2.5浓度遥感估算的空间分辨率、空间覆盖率和精度，同时为多角度偏振载荷在大气环境监测方面的成功应用提供技术关键支撑。
附图说明
图1为本发明的卫星偏振遥感估算PM2.5浓度的方法流程图；
图2为本发明的基于卫星偏振遥感数据反演得到单个像元的大气细粒子气溶胶光学厚度的方法流程图；
图3为具体实施例中的估算PM2.5浓度卫星遥感技术路线图；
图4为具体实施例中的PM2.5浓度卫星遥感专题图；
图5为具体实施例中的基于地面PM2.5监测站点的卫星偏振遥感技术估算PM2.5浓度模型的精度验证结果图；
图6为具体实施例中的基于地面每个城市PM2.5监测站点平均值的卫星偏振遥感技术估算PM2.5浓度模型的精度验证结果图。
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明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提供了一种基于卫星偏振技术的PM2.5浓度遥感估算方法。如图1所示，本发明的估算方法包括如下步骤：
步骤S100,基于卫星偏振遥感数据反演得到单个像元的大气细粒子气溶胶光学厚度(AOD)。
进一步的，该基于卫星偏振遥感数据反演得到单个像元的大气细粒子气溶胶光学厚度的步骤包括，如图2所示：
步骤S110，基于大气细粒子气溶胶类型和矢量辐射传输模型建立大气细粒子气溶胶参数查找表。
具体的，选择大气细粒子气溶胶类型，利用MIE散射理论计算细粒子气溶胶的偏振特性和散射特性，6种细粒子气溶胶类型如表1所示。
表1 6种细粒子气溶胶类型
其中，rm为气溶胶粒子中值半径，S为标准差，C为粒子浓度；mr为复折射指数的实部，mi为复折射指数的虚部，SSA为单次散射反照率，670nm和865nm为波长。
具体的，通过设定不同的太阳和卫星观测几何参数：21个太阳天顶角、20个观测天顶角、37个相对方位角，以及不同的大气细粒子气溶胶参数:6种细粒子气溶胶类型、12个大气细粒子AOD，考虑到观测数据所在的波段，使用RT3矢量辐射传输模型进行计算，得到多组具有偏振信息和强度信息的大气参数组合而成的大气细粒子气溶胶参数查找表，如表2所示。
表2 查找表构建
步骤S120，基于卫星偏振遥感数据、地表偏振模型和大气细粒子气溶胶参数查找表反演得到单个像元的大气细粒子气溶胶光学厚度。
具体的，利用地表偏振模型及其α、β经验系数，在地表偏振模型中输入PARASOL和GF-5/DPC观测的太阳天顶角、观测天顶角、相对方位角以及地表类型NDVI(归一化植被指数)，计算得到PARASOL和GF-5/DPC载荷观测的地表偏振反射率。地表偏振模型公式如下：
γ＝αcos(-cosθs×cosθv-sinθs×sinθv×cosΔφ) 公式(2)
其中，
为地表偏振反射率，θs为太阳天顶角，θv为卫星观测天顶角，Δφ为相对方位角，Fp(m,γ)为偏振光的菲涅尔系数，m为折射率，γ为散射角，us为太阳天顶角的余弦值，uv为卫星观测天顶角的余弦值，α和β为经验系数。
将PARASOL和GF-5/DPC载荷同一个像元多个(具体的，可以选择3-12个)角度真实观测的表观偏振反射率值减去上述计算得到的地表偏振反射率，得到卫星观测的大气细粒子气溶胶偏振反射率，与通过大气细粒子气溶胶参数查找表模拟的大气细粒子气溶胶偏振反射率进行比较，得到总体误差ε，所述总体误差ε最小所对应的大气细粒子气溶胶光学厚度值即为最终结果，从而得到高空间分辨率的大气细粒子气溶胶AOD(6kmⅹ7km或3.3kmⅹ3.3km)。
其中，总体误差ε可由下式计算；
其中，ε为总体误差，λi代表波长，i代表第i个偏振波段，一共有两个，分别是670nm和865nm的偏振波段，j代表第j个观测角度，N代表观测角度总数，
为卫星观测的表观偏振反射率值，
为通过大气细粒子气溶胶参数查找表模拟的大气细粒子气溶胶偏振反射率值，Ttotal为总的大气透过率，
为地表偏振反射率，θs为太阳天顶角，θv为卫星观测天顶角，Δφ为相对方位角，S为大气后向散射系数。
步骤S200，对大气细粒子气溶胶光学厚度进行垂直校正和湿度校正，获取近地面大气细粒子气溶胶的干消光系数。
具体的，利用大气边界层高度和相对湿度数据对大气细粒子AOD开展垂直校正和湿度校正，获取近地面大气细粒子气溶胶的干消光系数。垂直校正、湿度校正和干消光系数的计算公式分别如下：
β0＝AOD/H 公式(4)
f(RH)＝1/(1-RH) 公式(5)
β1＝β0/f(RH) 公式(6)
其中,AOD为大气细粒子气溶胶光学厚度，H为大气边界层高度，f(RH)为吸湿增长因子，RH为大气相对湿度，β1为大气细粒子气溶胶的干消光系数。
步骤S300，基于近地面大气细粒子气溶胶的干消光系数和地面观测的PM2.5浓度，构建卫星偏振遥感估算PM2.5浓度模型，得到估算的PM2.5浓度。
具体的，将PM2.5浓度的空间特性纳入公式(7)模型中，假定线性回归模型中的回归参数是观测点地理位置的函数，构建了基于βk的卫星偏振遥感估算PM2.5浓度模型，模型表达式为：
其中，(μi,vi)为第i个样本点的经纬度坐标，a0(μi,vi)是第i个样本点上的初始回归参数，回归参数是观测点地理位置的函数，ak(μi,vi)是第i个样本点上的第k个回归参数，p是样本点的回归参数总数，εi为第i个样本点上的误差项，PM2.5i为第i个样本点上的PM2.5浓度，βik为第i个样本点上的近地面大气细粒子气溶胶的干消光系数。
步骤S400，选取相应时间、地点的地面PM2.5浓度数据，验证上述卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度精度。
具体的，选取卫星偏振遥感估算PM2.5浓度的结果，根据经纬度最邻近的原则，再选取当天卫星过境前后1小时内的地面PM2.5浓度数据，并对所述地面PM2.5浓度数据进行平均，用于验证卫星估算的PM2.5浓度精度，评价卫星偏振遥感估算PM2.5浓度模型的精度。
下面以一个具体的实施例，按照上述步骤对本发明进行进一步的说明。
以京津冀地区为例，具体如图3所示，是基于PARASOL载荷估算京津冀区域的PM2.5浓度方法流程图。如图4所示，基于卫星偏振遥感估算PM2.5浓度的结果，利用ArcMap软件将估算的PM2.5浓度制成专题图。2013年5月19号，京津冀区域北部空气质量总体较好，其中承德市、张家口市、北京市大部分区域PM2.5浓度小于35μg/m3,保定市、廊坊市、石家庄市、天津市、沧州市、衡水市、邢台市的部分区域PM2.5浓度较高。图4有效的显示了京津冀地区PM2.5浓度的空间变化情况，为京津冀区域空气质量监测提供了关键技术支撑。
本发明进一步使用2013年5月19号的地面PM2.5浓度数据进行对比验证。利用本发明方法估算的京津冀区域PM2.5浓度和地面实际测量值的对比验证结果见图5和图6。图5是基于地面每个PM2.5监测站点的卫星偏振遥感估算PM2.5浓度模型的精度验证结果，图5给出了线性拟合的斜率、截距、相关系数(R)和均方根误差(RMSE)，结果显示R2为0.75，RMSE为15.42，拟合斜率分别为0.65，这些结果显示了本发明方法的精度高。图6是基于地面每个城市PM2.5监测站点平均值的卫星偏振遥感估算PM2.5浓度模型的精度验证结果，由图6可以用得出每个城市的PM2.5浓度估算值与地面观测值基本一致，这些结果证明本发明可以有效的用于所处区域的PM2.5浓度监测。
综上所述，本发明提供了一种基于卫星偏振技术的PM2.5浓度遥感估算方法，可以有效地用于精确估算某一区域PM2.5浓度，其空间分辨率、覆盖率和精度更高，有效弥补了地面PM2.5监测站点的不足，为多角度偏振载荷在大气环境监测方面的成功应用提供技术关键支撑。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (3)
1.一种基于卫星偏振遥感技术的PM2.5浓度估算方法，其特征在于，包括如下步骤：
步骤S100,基于卫星偏振遥感数据反演得到单个像元的大气细粒子气溶胶光学厚度，包括：1、基于大气细粒子气溶胶类型和矢量辐射传输模型建立大气细粒子气溶胶参数查找表，2、基于卫星偏振遥感数据、地表偏振模型和大气细粒子气溶胶参数查找表反演得到单个像元的大气细粒子气溶胶光学厚度，包括：(1)将卫星载荷同一个像元多个角度真实观测的表观偏振反射率值减去所述由地表偏振模型计算得到的地表偏振反射率值，得到卫星观测的大气细粒子气溶胶偏振反射率值，(2)、将所述卫星观测的大气细粒子气溶胶偏振反射率值与通过大气细粒子气溶胶参数查找表模拟的大气细粒子气溶胶偏振反射率进行比较，得到总体误差ε，所述总体误差ε最小所对应的大气细粒子气溶胶光学厚度值即为所述反演得到的单个像元的大气细粒子气溶胶光学厚度,所述ε的表达式为：
其中，ε为总体误差，λi代表波长，i代表第i个偏振波段，一共有两个，分别是670nm和865nm的偏振波段，j代表第j个观测角度，N代表观测角度总数，
为卫星观测的表观偏振反射率值，
为通过大气细粒子气溶胶参数查找表模拟的大气细粒子气溶胶偏振反射率值，Ttotal为总的大气透过率，
为地表偏振反射率，θs为太阳天顶角，θv为卫星观测天顶角，Δφ为相对方位角，S为大气后向散射系数；
步骤S200,对大气细粒子气溶胶光学厚度进行垂直校正和湿度校正，获取近地面大气细粒子气溶胶的干消光系数；其中，所述垂直校正、湿度校正和干消光系数的计算公式分别如下：
β0＝AOD/H
f(RH)＝1/(1-RH)
β1＝β0/f(RH)
其中,AOD为大气细粒子气溶胶光学厚度，H为大气边界层高度，β0为大气细粒子气溶胶光学厚度与大气边界层高度的比值，f(RH)为吸湿增长因子，RH为大气相对湿度，β1为大气细粒子气溶胶的干消光系数；
步骤S300,基于近地面大气细粒子气溶胶的干消光系数和地面观测的PM2.5浓度，构建卫星偏振遥感估算PM2.5浓度模型，得到估算的PM2.5浓度，所述卫星偏振遥感估算PM2.5浓度模型的表达式为：
其中，(μi,vi)为第i个样本点的经纬度坐标，a0(μi,vi)是第i个样本点上的初始回归参数，回归参数是观测点地理位置的函数，ak(μi,vi)是第i个样本点上的第k个回归参数，p是样本点的回归参数总数，εi为第i个样本点上的误差项，PM2.5i为第i个样本点上的PM2.5浓度，βik为第i个样本点上的近地面大气细粒子气溶胶的干消光系数；
步骤S400,选取相应时间、地点的地面PM2.5浓度数据，验证上述卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度的精度。
2.如权利要求1所述的方法，其特征在于，所述地表偏振模型表达式为：
γ＝αcos(-cosθs×cosθv-sinθs×sinθv×cosΔφ)
其中，
为地表偏振反射率，θs为太阳天顶角，θv为卫星观测天顶角，Δφ为相对方位角，Fp(m,γ)为偏振光的菲涅尔系数，m为折射率，γ为散射角，us为太阳天顶角的余弦值，uv为卫星观测天顶角的余弦值，α和β经验系数。
3.如权利要求2所述的方法，其特征在于，所述选取相应时间、地点的地面PM2.5浓度数据，验证上述卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度精度的步骤包括：
选取卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度；
根据经纬度最邻近的原则，选取当天卫星过境前后1小时内的地面PM2.5浓度数据，并对所述地面PM2.5浓度数据进行平均；
验证所述卫星偏振遥感估算PM2.5浓度模型估算的PM2.5浓度精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910710825.5A CN110411918B (zh) | 2019-08-02 | 2019-08-02 | 一种基于卫星偏振技术的pm2.5浓度遥感估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910710825.5A CN110411918B (zh) | 2019-08-02 | 2019-08-02 | 一种基于卫星偏振技术的pm2.5浓度遥感估算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110411918A CN110411918A (zh) | 2019-11-05 |
| CN110411918B true CN110411918B (zh) | 2020-09-08 |
Family
ID=68365315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910710825.5A Active CN110411918B (zh) | 2019-08-02 | 2019-08-02 | 一种基于卫星偏振技术的pm2.5浓度遥感估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110411918B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110940624B (zh) * | 2019-11-07 | 2021-05-14 | 中国科学院遥感与数字地球研究所 | 一种大气细颗粒物遥感估计方法 |
| CN111307675B (zh) * | 2019-11-22 | 2022-07-12 | 南京理工大学 | 基于毫米波辐射计的细颗粒物浓度监测方法 |
| CN110929225B (zh) * | 2019-11-25 | 2023-03-28 | 暨南大学 | 基于地理加权回归模型的近地面二氧化硫浓度估算方法 |
| CN111220517B (zh) * | 2019-12-06 | 2020-12-22 | 南京大学 | 一种基于卫星遥感的pm2.5不同粒径组分反演方法 |
| CN111912754B (zh) * | 2020-07-23 | 2023-03-28 | 安徽省气象科学研究所 | 一种近地面颗粒物浓度的遥感反演方法 |
| 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 |
| CN112798482B (zh) * | 2020-12-30 | 2022-09-06 | 联雨科技(天津)有限公司 | 一种基于卫星遥感的pm2.5与pm10估算方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110100968A (ko) * | 2010-03-05 | 2011-09-15 | 대한민국(기상청장) | 비편광 적외 반사율 분해를 통한 황사탐지 시스템 및 이를 이용한 황사탐지 방법 |
| CN103197305A (zh) * | 2013-03-21 | 2013-07-10 | 武汉大学 | 基于支持向量机识别的沙尘型气溶胶反演方法 |
| CN104268423A (zh) * | 2014-10-11 | 2015-01-07 | 武汉大学 | 大尺度动态演化沙尘型气溶胶反演方法 |
| CN106225693A (zh) * | 2016-08-29 | 2016-12-14 | 中国科学院遥感与数字地球研究所 | 一种细粒子气溶胶光学厚度和气溶胶类型同时反演方法 |
| CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 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 |
| CN106959474A (zh) * | 2017-03-17 | 2017-07-18 | 中国科学院遥感与数字地球研究所 | 一种水云云粒子谱分布的空间反演分辨率优化方法 |
| CN107202750A (zh) * | 2017-05-17 | 2017-09-26 | 河北中科遥感信息技术有限公司 | 一种大气颗粒物星地综合监测定量遥感融合处理方法 |
| CN108763756A (zh) * | 2018-05-28 | 2018-11-06 | 河南工业大学 | 一种气溶胶光学厚度与pm2.5反演订正方法及其系统 |
| CN109543935A (zh) * | 2018-10-09 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于热点网格的环境数据处理方法 |
| CN109781593A (zh) * | 2019-01-17 | 2019-05-21 | 南京泛在地理信息产业研究院有限公司 | 一种基于parasol多角度偏振数据的气溶胶二次反演方法 |
-
2019
- 2019-08-02 CN CN201910710825.5A patent/CN110411918B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110100968A (ko) * | 2010-03-05 | 2011-09-15 | 대한민국(기상청장) | 비편광 적외 반사율 분해를 통한 황사탐지 시스템 및 이를 이용한 황사탐지 방법 |
| CN103197305A (zh) * | 2013-03-21 | 2013-07-10 | 武汉大学 | 基于支持向量机识别的沙尘型气溶胶反演方法 |
| CN104268423A (zh) * | 2014-10-11 | 2015-01-07 | 武汉大学 | 大尺度动态演化沙尘型气溶胶反演方法 |
| CN106225693A (zh) * | 2016-08-29 | 2016-12-14 | 中国科学院遥感与数字地球研究所 | 一种细粒子气溶胶光学厚度和气溶胶类型同时反演方法 |
| CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 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 |
| CN106959474A (zh) * | 2017-03-17 | 2017-07-18 | 中国科学院遥感与数字地球研究所 | 一种水云云粒子谱分布的空间反演分辨率优化方法 |
| CN107202750A (zh) * | 2017-05-17 | 2017-09-26 | 河北中科遥感信息技术有限公司 | 一种大气颗粒物星地综合监测定量遥感融合处理方法 |
| CN108763756A (zh) * | 2018-05-28 | 2018-11-06 | 河南工业大学 | 一种气溶胶光学厚度与pm2.5反演订正方法及其系统 |
| CN109543935A (zh) * | 2018-10-09 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于热点网格的环境数据处理方法 |
| CN109781593A (zh) * | 2019-01-17 | 2019-05-21 | 南京泛在地理信息产业研究院有限公司 | 一种基于parasol多角度偏振数据的气溶胶二次反演方法 |
Non-Patent Citations (3)
| Title |
|---|
| Comparison of Four Ground-Leve1 PM2.5 Estimation Models Using PARASOL Aerosol Optical Depth Data from China;Hong Guo et al.;《Int. J. Environ. Res. Public Health》;20160130;第1-12页 * |
| MODIS气溶胶光学厚度的PM2.5遥感反演研究;夏志业 等;《高原气象》;20151231;第34卷(第6期);第1765-1771页 * |
| 基于多角度偏振载荷数据的中国典型地物偏振特性研究;相坤生 等;《物理学报》;20151231;第64卷(第22期);第227801-1-227801-10页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110411918A (zh) | 2019-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110411918B (zh) | 一种基于卫星偏振技术的pm2.5浓度遥感估算方法 | |
| Zhang et al. | Estimation of ultrahigh resolution PM2. 5 concentrations in urban areas using 160 m Gaofen-1 AOD retrievals | |
| Proestakis et al. | Nine-year spatial and temporal evolution of desert dust aerosols over South and East Asia as revealed by CALIOP | |
| Yao et al. | A multidimensional comparison between MODIS and VIIRS AOD in estimating ground-level PM2. 5 concentrations over a heavily polluted region in China | |
| Lin et al. | Using satellite remote sensing data to estimate the high-resolution distribution of ground-level PM2. 5 | |
| Li et al. | Application of MODIS satellite products to the air pollution research in Beijing | |
| Gupta et al. | Satellite remote sensing of particulate matter and air quality assessment over global cities | |
| Park et al. | Estimation of spatially continuous daytime particulate matter concentrations under all sky conditions through the synergistic use of satellite-based AOD and numerical models | |
| Forbrich et al. | Cross-evaluation of measurements of peatland methane emissions on microform and ecosystem scales using high-resolution landcover classification and source weight modelling | |
| CN110411927B (zh) | 一种大气细粒子aod和地表偏振反射率协同反演方法 | |
| Yang et al. | Estimating ground-level PM2. 5 over a coastal region of China using satellite AOD and a combined model | |
| Yumimoto et al. | JRAero: the Japanese reanalysis for aerosol v1. 0 | |
| Zhao et al. | Distinct aerosol effects on cloud-to-ground lightning in the plateau and basin regions of Sichuan, Southwest China | |
| Hu et al. | Temporal evolution of aerosols and their extreme events in polluted Asian regions during Terra's 20-year observations | |
| Wong et al. | Multi‐sensors study of precipitable water vapour over mainland China | |
| CN111965666A (zh) | 一种气溶胶三维空间分布制图方法 | |
| Reddy et al. | Seasonal aerosol variations over a coastal city, Zhoushan, China from CALIPSO observations | |
| Su et al. | An intercomparison of AOD-converted PM2. 5 concentrations using different approaches for estimating aerosol vertical distribution | |
| CN108874734B (zh) | 一种全球陆地降水反演方法 | |
| Deep et al. | Aerosols optical depth and Ångström exponent over different regions in Garhwal Himalaya, India | |
| Hu et al. | Spatiotemporal characteristics of aerosols and their trends over mainland China with the recent Collection 6 MODIS and OMI satellite datasets | |
| Liu et al. | Quantifying PM2. 5 mass concentration and particle radius using satellite data and an optical-mass conversion algorithm | |
| Ding et al. | Space-based NO x emission estimates over remote regions improved in DECSO | |
| Yan et al. | A new method of satellite-based haze aerosol monitoring over the North China Plain and a comparison with MODIS Collection 6 aerosol products | |
| Xu et al. | A linear regression of differential PWV calibration model to improve the accuracy of MODIS NIR all-weather PWV products based on ground-based GPS PWV 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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: No. a 20, Datun Road, Chaoyang District, Beijing 100101 Patentee after: Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences Patentee after: Langfang Spatial Information Technology R&D Service Center Patentee after: Zhongke Xingtong (Langfang) Information Technology Co.,Ltd. Address before: No. a 20, Datun Road, Chaoyang District, Beijing 100101 Patentee before: Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences Patentee before: Research Institute of Space Information (Langfang) of China Science Patentee before: Zhongke Xingtong (Langfang) Information Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |