CN111650102A - 基于卫星数据的霾污染解析方法、装置、介质及设备 - Google Patents
基于卫星数据的霾污染解析方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN111650102A CN111650102A CN202010454420.2A CN202010454420A CN111650102A CN 111650102 A CN111650102 A CN 111650102A CN 202010454420 A CN202010454420 A CN 202010454420A CN 111650102 A CN111650102 A CN 111650102A
- Authority
- CN
- China
- Prior art keywords
- satellite
- haze
- floating dust
- determining
- load data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 236
- 239000000428 dust Substances 0.000 claims abstract description 211
- 238000007667 floating Methods 0.000 claims abstract description 207
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 199
- 231100000719 pollutant Toxicity 0.000 claims abstract description 199
- 238000000034 method Methods 0.000 claims abstract description 118
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 97
- 230000008569 process Effects 0.000 claims abstract description 81
- 239000000203 mixture Substances 0.000 claims abstract description 77
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims abstract description 32
- 239000013618 particulate matter Substances 0.000 claims abstract description 29
- 238000000825 ultraviolet detection Methods 0.000 claims abstract description 29
- 230000007246 mechanism Effects 0.000 claims abstract description 18
- 238000010521 absorption reaction Methods 0.000 claims abstract description 15
- 230000009467 reduction Effects 0.000 claims abstract description 15
- 239000000356 contaminant Substances 0.000 claims abstract description 8
- 238000011109 contamination Methods 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims description 25
- 230000002829 reductive effect Effects 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 13
- 241000208818 Helianthus Species 0.000 claims description 8
- 235000003222 Helianthus annuus Nutrition 0.000 claims description 8
- 230000009286 beneficial effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 101100113998 Mus musculus Cnbd2 gene Proteins 0.000 claims description 7
- YGULWPYYGQCFMP-CEAXSRTFSA-N Metoprolol tartrate Chemical compound OC(=O)[C@H](O)[C@@H](O)C(O)=O.COCCC1=CC=C(OCC(O)CNC(C)C)C=C1.COCCC1=CC=C(OCC(O)CNC(C)C)C=C1 YGULWPYYGQCFMP-CEAXSRTFSA-N 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 claims description 6
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 claims description 5
- 239000012535 impurity Substances 0.000 claims description 2
- 239000000523 sample Substances 0.000 claims 2
- 238000003795 desorption Methods 0.000 abstract 1
- 239000002245 particle Substances 0.000 description 15
- 239000000443 aerosol Substances 0.000 description 14
- 239000002609 medium Substances 0.000 description 14
- 230000000694 effects Effects 0.000 description 10
- 238000009833 condensation Methods 0.000 description 9
- 230000005494 condensation Effects 0.000 description 9
- 238000009825 accumulation Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000010419 fine particle Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 2
- 230000006911 nucleation Effects 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 150000002823 nitrates Chemical class 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000011163 secondary particle Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000012798 spherical particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 239000012808 vapor phase Substances 0.000 description 1
- 230000003313 weakening 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
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Dispersion Chemistry (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
Abstract
本发明实施例公开了一种基于卫星数据的霾污染解析方法、装置、介质及设备。该方法包括：获取第一类卫星的光学载荷数据，确定存在霾污染过程，以及霾的水平分布区域；获取第二类卫星的紫外探测载荷数据，确定浮尘与霾分布叠加的水平分布区域；获取第三类卫星的激光雷达探测载荷数据，确定浮尘、污染物以及浮尘与污染物混合的垂直分布；获取第四类卫星的热红外高光谱载荷，根据热红外高光谱载荷确定水汽垂直分布；解析浮尘、污染物以及浮尘与污染物混合和水汽相结合导致颗粒物吸湿增长并引起能见度的下降为霾污染过程的形成因素。本方案可以实现通过多源卫星遥感数据，对霾污染过程的形成机制进行解析，以进行前期预警预报和合理管控的效果。
Description
技术领域
本发明实施例涉及卫星遥感监测技术领域，尤其涉及一种基于卫星数据的霾污染解析方法、装置、介质及设备。
背景技术
随着科学技术的发展，人们越来越重视我们的生存所依赖的环境。而近年来环境污染也在不断的加剧。霾是一种能见度下降的灾害性天气现象，是由高浓度细颗粒物为首要污染物的污染天气。自2013年1月我国华北平原爆发霾污染过程以来，霾污染过程的成因是引起了公众和学者的广泛重视。但是现有的对于雾霾或者霾污染的研究数据往往是基于地面的传感器数据进行解析的。而基于地面的传感器得到的环境数据又不能够对霾污染做出清晰合理的解析，造成霾污染的形成机理无法了解，也就不能够针对霾污染过程进行有效的预防。
发明内容
本发明实施例提供一种基于卫星数据的霾污染解析方法、装置、介质及设备，可以实现通过多源卫星遥感数据，对霾污染过程的形成机制进行解析，以作为对霾污染过程进行前期预测和合理管控的效果。
第一方面，本发明实施例提供了一种基于卫星数据的霾污染解析方法，该方法包括：
获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；
针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域；
针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；
获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；
根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
进一步的，所述方法还包括：
获取第四类卫星的热红外高光谱载荷数据确定大气温度垂直分布载荷，根据所述大气温度垂直分布载荷，解析边界层气温垂直分布是否符合预设逆温条件，若是，则确定温度垂直分布为霾污染过程的形成因素。
进一步的，获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域，包括：
采用Terra卫星上搭载的MODIS载荷数据，Aqua卫星上搭载的MODIS载荷数据，以及葵花8号卫星上搭载的HWI载荷数据中的至少一种，区分霾的空间分布区域和云层的空间分布区域；
若确定存在非云层的空间分布区域，则确定存在霾污染过程；
根据霾的空间分布区域，确定霾的水平分布区域。
进一步的，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域，包括：
采用Aura卫星上搭载的OMI载荷数据、NPP卫星上搭载的OMPS载荷数据以及Sentinal-5P卫星上搭载的TropOMI载荷数据，以及高分五号卫星搭载的EMI载荷数据确定浮尘与霾分布叠加的水平空间分布区域。
进一步的，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布，包括：
采用CALIP卫星上搭载的星载激光雷达探测的CALIPSO载荷数据，确定浮尘、污染物和浮尘与污染物混合的垂直分布。
进一步的，获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布，包括：
采用Aqua卫星上搭载的AIRS载荷数据、NPP卫星上搭载的CrIS载荷数据以及MetOp卫星上搭载的IASI载荷数据中的至少一种，确定水汽垂直分布。
进一步的，获取第四类卫星的热红外高光谱载荷数据确定大气温度垂直分布载荷，包括：
采用Aqua卫星上搭载的AIRS载荷数据，NPP卫星上搭载的CrIS载荷数据以及MetOp卫星上搭载的IASI载荷数据中的至少一种，确定大气温度垂直分布。
进一步的，根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素，包括：
根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，确定所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布的位置关系是否符合高湿度偏南气流预设位置关联条件；
若是，则确定所述大气边界层浮尘、污染物以及浮尘与污染物混合与所述水汽的关系是否符合颗粒物吸湿增长并引起能见度急剧下降的预设条件；
若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽相结合为霾污染过程的形成因素。
进一步的，所述方法还包括：
若检测到目标区域存在浮尘、污染物以及浮尘与污染物混合，并根据后向轨迹或风场分析确定目标大气层的偏南风向信息；
根据所述风向信息，确定目标区域的水汽含量是否会升高；
若是，则生成预警信息，确定所述目标大气层浮尘、污染物以及浮尘与污染物混合和所述高湿度导致颗粒物吸湿增长并引起能见度的急剧下降机制的形成，则浮尘、污染物以及浮尘与污染物混合与水汽为霾污染过程的形成因素，以进行霾污染过程的预警处理。
进一步的，所述方法还包括：
根据所述大气温度垂直分布，确定目标大气层是否存在不利于污染物扩散的逆温层；
若存在，则确定逆温层为霾污染过程的形成。
第二方面，本发明实施例还提供了一种基于卫星数据的霾污染解析装置，该装置包括：
分布区域确定模块，用于获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；
浮尘与霾分布叠加区域确定模块，用于针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域；
浮尘、污染物以及浮尘与污染物混合垂直分布确定模块，用于针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；
水汽垂直分布确定模块，用于获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；
霾形成因素解析模块，用于根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
进一步的，所述装置还包括：
温度垂直分布确定模块，用于获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定大气温度垂直分布；
霾形成因素解析模块，用于根据所述大气温度垂直分布，解析所述霾污染过程形成后，是否导致不利于污染物扩散的逆温层存在的预设条件，若是，则确定所述浮尘污染物和所述水汽辅助导致霾污染发生并形成逆温层导致霾污染过程的形成因素。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的基于卫星数据的霾污染解析方法。
第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的基于卫星数据的霾污染解析方法。
本申请实施例所提供的技术方案，获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域；针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度急剧下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。通过采用本申请所提供的技术方案，可以实现通过多源卫星遥感数据，对霾污染过程的形成机制进行解析，以作为对霾污染过程进行前期预测和合理管控的效果。
附图说明
图1是本发明实施例一提供的基于卫星数据的霾污染解析方法的流程图；
图2是本发明实施例二提供的基于卫星数据的霾污染解析装置的结构示意图；
图3是本申请实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本实施例中，所述动态符号化，包括对对元素根据动态参量进行符号化处理，其中，所述动态参量包括比例尺、元素种类以及元素密集度。其中，比例尺参量可以是在批量打印过程中，各个成果图存在不相同的比例尺的情况，则根据元素所处图廓中的位置，确定元素的符号化时使用的比例尺。元素种类，可以是元素所代表的类型，例如建筑类、地形类、构造类以及其他在成果图中的种类，可以根据元素种类的不同，确定对元素的符号化过程所采取的手段，例如地形类的边界线需要进行加粗处理等。元素密集度可以是成果图的图廓中，元素与图廓面积的比值，例如如果图廓内的元素过于密集，则可以采用在符号化的过程中降低着色程度，使得各元素的着色变浅，达到有利于用户查看的效果。
实施例一
图1是本发明实施例一提供的基于卫星数据的霾污染解析方法的流程图，本实施例可适用于对霾污染过程进行解析的情况，该方法可以由本发明实施例所提供的基于卫星数据的霾污染解析装置来执行，该装置可以由软件和/或硬件的方式来实现，并可集成于用于解析霾污染过程的电子设备中。
如图1所示，所述基于卫星数据的霾污染解析方法包括：
S110、获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域。
其中，第一类卫星可以是用来通过光学探测技术来获取光学载荷的卫星。其主要可以用来探测霾的空间分布，具体需要把霾的分布区域与云分布尤其是薄云、雾分布区分开。通过这样的探测，可以确定是否存在霾污染过程。以及在存在霾污染过程的情况下，可以通过霾的空间分布，确定霾的水平分布区域。
在本实施例中，可选的，获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域，包括：
采用Terra卫星上搭载的MODIS载荷数据，Aqua卫星上搭载的MODIS载荷数据，以及葵花8号卫星上搭载的HWI载荷数据中的至少一种，区分霾的空间分布区域和云层的空间分布区域；
若确定存在非云层的空间分布区域，则确定存在霾污染过程；
根据霾的空间分布区域，确定霾的水平分布区域。
其中，美国Terra卫星和Aqua卫星分别在上午和下午过境一次，日本葵花卫星是静止卫星，最快可以每10分钟探测一次。
现有技术中，霾污染天气的发生主要通过两种方式来判断，一是通过人眼感官，发现大气能见度非常低，一般在10公里以下，霾发生时能见度往往在1-2公里左右，甚至有更低的能见度；二是从生态环保部环境监测总站在全国部署的空间质量监测网获得的细颗粒物PM2.5质量浓度的监测数据来判断。
本方案中，利用卫星遥感技术来探测霾的空间分布。根据上述介绍所需的卫星数据情况，可以直接接收Terra上午星、Aqua下午星的MODIS，即中分辨率光谱成像仪数据，对MODIS数据进行辐射校正和几何校正，获得36个波段的基础数据。利用静止卫星天线接收葵花8号卫星数据，并对葵花8号数据进行辐射和几何校正，获得16个波段的基础数据。
分别根据MODIS的波段数据，针对地面雪、大气中分布的云、雾、霾的差异，从卫星探测的图像中，把霾分布范围进行提取出来，以及利用葵花8号卫星进行霾空间分布探测。获得的空间霾分布，还需要探测霾污染程度，也就是探测霾天颗粒物浓度分布状况。通过基于MOSID卫星遥感数据和葵花8号卫星数据开发气溶胶光学厚度反演并进行近地面颗粒物浓度反演的算法，可以通过颗粒物浓度值获得霾强度的空间分布。同时，利用卫星反演的气溶胶光学厚度中估算获得颗粒物浓度的技术获得这一期间的颗粒物浓度数据的空间分布。从图中可以看出，一般，可以确定霾分布区域其颗粒物浓度均大于200微克每立方米。所以，利用霾强度和细颗粒物浓度位置监测技术可以确认霾污染发生的空间范围和强度。
S120、针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷数据确定浮尘与霾分布叠加的水平分布区域。
S130、针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布。
其中，可以是将霾的水平分布区域作为靶向区域，同时，还可以对该区域进行放大处理，即获得更大范围的第二类卫星探测数据。第二类卫星可以是用来通过紫外探测能力的载荷来探测高层的浮沉分布的卫星。其可以获取浮尘、污染物以及浮尘与污染物混合的垂直分布情况。
本方案中，可选的，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域，包括：
采用Aura卫星上搭载的OMI载荷数据、NPP卫星上搭载的OMPS载荷数据以及Sentinal-5P卫星上搭载的TropOMI载荷数据，以及高分五号卫星搭载的EMI载荷数据确定浮尘与霾分布叠加的水平空间分布区域。
上述所采用的卫星均具有浮沉的探测能力，通过获取这些卫星中的一个或者多个的载荷数据，可以得到浮尘、污染物以及浮尘与污染物混合的垂直分布情况。
在上述技术方案的基础上，可选的，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布，包括：
采用CALIP卫星上搭载的星载激光雷达探测的CALIPSO载荷数据，确定浮尘、污染物和浮尘与污染物混合的垂直分布。
CALIP卫星上的星载激光雷达具有浮沉和污染物混合的垂直分布探测能力。因此，在本方案中，可以采用CALIP卫星的载荷数据来进行污染物垂直分布的探测结果。
具体的，例如在华北平原地区，其二次颗粒成分占主导。由于细颗粒物在“气粒”转化过程中，通过凝结核可以加速污染物的核化过程。自然的沙尘是一种重要的凝结核来源，所以利用卫星探测浮尘及其与污染物的混合，说明以浮沉为凝结核的核化过程是霾污染的重要起因。
上述卫星探测到了霾污染的空间分布，但霾污染的成因尚不清楚。如果可以探测到霾上空来源于西北地区的沙尘分布，那么这可能是一个霾成因的重要诱导因子。由于紫外吸收性气溶胶指数AI(Aerosol Index)对沙尘气溶胶探测比较敏感，所以可以利用Aura卫星上搭载的臭氧监测仪OMI(Ozone Monitoring Instrument)载荷数据的紫外波段建立AI空间分布数据来探测华北平原的浮尘分布。
基于CALIPSO卫星探测可以获得气溶胶类型的垂直分布，因为实验已经证明有凝结核的条件下，污染物的积聚效应会加快，所以华北平原上空大范围的浮尘下沉作为凝结核与当地排放的污染物相结合，会加快污染物的积聚速度。从上述两种卫星的探测可知，到达华北平原上空的浮尘，由于从高原达到华北平原开阔地带，风速减弱浮沉会下沉。下沉的浮沉作为凝结核和本地排放的污染物发生混合，形成复杂的霾天非球型颗粒物。因为，华北平原人为排放的污染气体浓度一直很高，但并非每天都发生霾污染。只有浮尘作为凝结核时会启动霾形成机制。利用每天过境Aura卫星搭载的OMI载荷，可以反演获得分布在华北平原的气态污染物NO2对流层柱浓度数据，OMI载荷探测到的NO2浓度分布非常高，这种气态污染物会生成硝酸盐，凝聚在颗粒物表面。所以，华北平原下沉的浮尘和边界层内高浓度的污染物结合，形成与污染物混合的颗粒物类型，这一现象可以被卫星的观测结果得到证实。
S140、获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布。
其中，第三类卫星可以是通过热红外高光谱探测技术，得到水汽的垂直分布情况的卫星。因此，可以通过第三类卫星获取水汽的垂直分布情况。
在本技术方案的基础上，可选的，获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布，包括：
采用Aqua卫星上搭载的AIRS载荷数据、NPP卫星上搭载的CrIS载荷数据以及MetOp卫星上搭载的IASI载荷数据中的至少一种，确定水汽垂直分布。
具体的，美国Aqua卫星上搭载的AIRS载荷、NPP卫星上的CrIS载荷，以及欧空局MetOp卫星上搭载的IASI(the Infrared Atmospheric Sounding Interferometer，IASI)载荷，均具有大气温度和湿度垂直分布的探测能力；同样这几颗卫星也是白天过境一次，所以白天仅有一次的探测能力。
在上述各技术方案的基础上，可选的，获取第四类卫星的热红外高光谱载荷数据确定大气温度垂直分布载荷，包括：
采用Aqua卫星上搭载的AIRS载荷数据，NPP卫星上搭载的CrIS载荷数据以及MetOp卫星上搭载的IASI载荷数据中的至少一种，确定大气温度垂直分布。
其中，大气温度和大气水汽垂直分布都可以从热红外高光谱载荷反演获得，但大气温度和水汽廓线反演所用的波段是不通的，反演算法也存在一些差异。
结合上述示例，在华北地区，原本空气中水汽含量是较小的，因此如果不是风向携带的水汽来袭，一般不会形成霾污染过程。颗粒物在极其干燥的环境下，由于粒子尺度太小对能见度的影响不大，而当空气相对湿度达到85％或-90％时，就会发生颗粒物的吸湿增长效应，颗粒物尺度从几个到几十个纳米增长到几百个纳米，使能见度迅速下降，形成霾污染。而在华北平原地区偏南风带来高湿环境的情况时有发生。所以，确认大气底层有偏南风，是冬季相对湿度提升的基础。
利用NOAA混合单颗粒拉格朗日积分轨迹HYSPLIT(Hybrid Single-particleLagrangian Integrated Trajectory)模型，可以进行大气后向轨迹分析，具体从海拔100米、1000米和3000米三个高度对24小时某一地点的后向轨迹进行模拟，如果华北平原地区底层是偏南气流为主导，这样就给形成了从南方带来水汽到北方的风场。
利用Aqua卫星上搭载到高光谱热红外成像仪AIRS(The Atmospheric InfraredSounder)数据，反演获得每个像元大气水汽的垂直分布探测，从水汽垂直分布图中可知，大气水汽主要分布在大气的底层，随着垂直高度的增加大气水汽含量减少很快。例如如果出现南方一些城市的大气水汽含量要比华北平原地区的高，可以判断华北平原期间有偏南气流带来的大量的水汽，从而可以符合从南方带到北方呈现逐渐降低的趋势这一规律。
在本方案中，如果出现高湿度环境下颗粒物吸湿增长效应，即华北平原已经分布了有沙尘为凝结核颗粒物污染物，而且有偏南气流带来的大量的水汽，由于冬季北方的气温相对南方更低，所以空气相对湿度很高。这就给颗粒物的吸湿增长效应创造了环境。如果平均相对湿度都达到了80％，在华北平原的早晚，尤其是夜间随着气温的下降，大气相对湿度会达到饱和。进而颗粒物吸湿增长模型，当相对湿度达到85-90％左右，颗粒物的消光能力就迅速增大，从而引起能见度的急剧下降。
在上述现象出现的情况下，进而会产生大气逆温现象。能见度的下降会直接导致太阳辐射的减弱，从而导致边界层大气逆温现象。逆温现象是指大气中随着高度的上升，大气温度升高的现象。逆温层的存在使得逆温层内的大气十分稳定，无法扩散，更有利于边界层内的污染物积累，促使浓度升高。逆温层的存在促使污染物进一步累计，从而进一步使能见度下降，这样的逆过程使边界层的污染更加严重，边界层物理化学反应更加复杂。而且会导致边界层下降，进一步促进污染物浓度的增加。
S150、根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
在获取到相应的浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布之后，如果解析发现浮尘、污染物以及浮尘与污染物混合和水汽分布符合由于高相对湿度导致颗粒物吸湿增长并引起能见度急剧下降的预设条件，则可以确定浮尘、污染物以及浮尘与污染物混合和水汽是造成霾污染过程的形成因素。其中预设条件可以是导致颗粒物吸湿增长机制，也可以是带来高湿度大偏南气流大空间分布位置条件。
在本实施例中，可选的，根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述目标大气层浮尘、污染物与污染物混合和水汽相结合是否符合颗粒物吸湿增长并引起能见度急剧下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素，包括：
根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，确定所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布的位置关系是否符合高湿度偏南气流预设位置关联条件；
若是，则确定所述大气边界层浮尘、污染物以及浮尘与污染物混合与所述水汽的关系是否符合颗粒物吸湿增长并引起能见度急剧下降的预设条件；
若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
在本实施例中，可选的，所述方法还包括：
若检测到目标区域存在浮尘、污染物以及浮尘与污染物混合，并根据后向轨迹或风场分析确定目标大气层的偏南风向信息；
根据所述风向信息，确定目标区域的水汽含量是否会升高；
若是，则生成预警信息，确定所述目标大气层浮尘、污染物以及浮尘与污染物混合和所述水汽导致颗粒物吸湿增长机制的形成，使能见度下降，则浮尘、污染物以及浮尘与污染物混合与水汽为霾污染过程的形成因素，以进行霾污染过程的预警处理。
在某一个季节工业和生活形成的污染物排放量会处于一个平稳变化阶段，由于不同的气象条件就会造成完成不同的污染状况。气象扩散条件好的情况下，排放出来的污染物会很快扩散，空气质量会保持良好。但在遇到静风天气时，污染物就容易积累，污染物的浓度就升高。但有只有气象条件出现极端的情况，才会导致霾污染过程的发生，此时细颗粒物浓度可在几小时内迅速上升100-200微克每立方米。
这种发生在冬季华北平原区域尺度的大范围的极端霾污染过程，是由于高层浮尘和来自南方的水汽的辅助作用，促进霾污染的形成，这一机制无法通过地面站点观测来解释，而且通过多针对性的多种特定卫星遥感探测，并按以下物理机制综合才能探测解析霾污染过程的成因。
在上述各技术方案的基础上，可选的，所述方法还包括：
获取第四类卫星的热红外高光谱载荷数据确定大气温度垂直分布载荷，以判断底层大气是否存逆温层；根据所述大气温度垂直分布载荷，解析温度垂直分布是否符合预设的不利于污染物扩散的逆温层条件，若是，则确定温度垂直分布为霾污染过程的形成因素。
在重污染成因解析之前，要利用卫星探测霾的分布范围及其二氧化氮污染物分布区域，从大范围确认该重污染过程的存在，但其成因机制的证实需要按以下逻辑关系利用卫星的探测逐步完成。
首先，需要利用紫外探测卫星确认高层浮沉的存在，并利用星载激光雷达探测高层是纯沙尘，但下沉的浮尘与污染物混合；
其次，冬季由于冷空气相当干燥，混合的浮沉对能见度影响不大。但利用卫星观测到了重污染期间，底层大气有来自南方气流，利用热红外高光谱探测仪观测到了气流带来了大量的水汽，地面仪器也监测到了相对湿度非常高。这种情况下颗粒物吸湿增长就发生了，导致能见度季度下降，霾污染过程已经形成。
第三，能见度的下降将进一步导致边界层的逆温现象，促使大气层结更加稳定，从而进一步利于污染物的积累。可以利用热红外高光谱探测仪可以从探测到的大气温度垂直分布中，找到逆温现象的存在，从而证实了对逆温现象的直接推理。
这一机制的形成，将进一步促进排放的污染物的积累，导致能见度进一步的下降，从而使边界层辐射进一步减弱，边界层高度进一步下压，从而使污染过程更加严重。
卫星探测到的浮尘下沉后起到了凝结核的作用，加快了颗粒污染物形成；而且卫星对大范围的大气水汽探测，解释了华北平原整个地区由于偏南起来带来大量的水汽直接促使了颗粒物的吸湿增长导致能见度下降，初步形成霾污染，由此带来地表太阳辐射的衰减，更进一步触发地面逆温机制的启动，从而更有利于污染物的积累，进而促进重污染的形成。所以，浮尘的探测、浮尘和污染物的混合的卫星探测是本申请的重要内容；在此基础上，利用卫星对大气水汽的探测进一步支持颗粒物吸湿增长机制的成立，这也是导致后一阶段逆温层形成的基础。最后，利用高光谱红外探测仪获得大气温度垂直分布数据，直接证实了逆温现象的存在，验证了浮尘和水汽两个自然要素起到了加剧霾污染形成的作用。这里需要强调的是卫星的探测秩序不能颠倒，且也别的探测载荷也无法替代。
本申请实施例所提供的技术方案，获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域；针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度急剧下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。通过采用本申请所提供的技术方案，可以实现通过多源卫星遥感数据，对霾污染过程的形成机制进行解析，以作为对霾污染过程进行前期预测和合理管控的效果。
在上述各技术方案的基础上，可选的，所述方法还包括：若检测到目标区域存在浮尘、污染物以及浮尘与污染物混合，且浮尘、污染物以及浮尘与污染物混合的垂直分布浓度达到预警阈值，则确定目标区域的风向信息；根据所述风向信息，确定目标区域的水汽浓度是否会升高；若是，则生成预警信息，以进行霾污染过程的预警处理。
其中，在对霾污染过程的成因进行合理的解析之后，可以在污染物的垂直分布浓度达到一定阈值的情况下，如果检测到风向信息能够带来大量的水汽，则可以生成霾污染预警信息，以供相关的机关和个人进行有效防范，从而降低霾污染对工业生产以及人们的生活造成的影响。
本申请从颗粒物的总量、细颗粒物、颗粒物组分消光系数、颗粒物类型的垂直分布等全面探测灰霾首要污染物颗粒物性质，并利用颗粒物对辐射对削弱程度，以及逆温探测等来判断灰霾是否存在不利于污染物扩散等关键科学问题，同时通过温度和水汽探测可以获得湿度的饱和状况，可进一步了解灰霾成因的机制。本申请是综合利用卫星多种探测的方式，并从污染物和气象两方面科学解释灰霾形成机制的一种方法。
实施例二
图2是本发明实施例二提供的基于卫星数据的霾污染解析装置的结构示意图。如图2所示，所述基于卫星数据的霾污染解析装置，包括：
分布区域确定模块210，用于获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；
浮尘与霾分布叠加区域确定模块220，用于针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷数据确定浮尘与霾分布叠加的水平分布区域；
浮尘、污染物以及浮尘与污染物混合垂直分布确定模块230，用于针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；
水汽垂直分布确定模块240，用于获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；
霾形成因素解析模块250，用于根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
实施例三
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种基于卫星数据的霾污染解析方法，该方法包括：
获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；
针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域；
针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；
获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；
根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
存储介质——任何的各种类型的存储器电子设备或存储电子设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的基于卫星数据的霾污染解析操作，还可以执行本申请任意实施例所提供的基于卫星数据的霾污染解析方法中的相关操作。
实施例四
本申请实施例提供了一种电子设备，该电子设备中可集成本申请实施例提供的图像的排版装置。图3是本申请实施例四提供的一种电子设备的结构示意图。如图3所示，本实施例提供了一种电子设备300，其包括：一个或多个处理器320；存储装置310，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器320运行，使得所述一个或多个处理器320实现本申请实施例所提供的图像的排版方法，该方法包括：
获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；
针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷吸收性气溶胶数据确定浮尘与霾分布叠加的水平分布区域；
针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；
获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；
根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
当然，本领域技术人员可以理解，处理器320还可以实现本申请任意实施例所提供的图像的排版方法的技术方案。
图3显示的电子设备300仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示，该电子设备300包括处理器320、存储装置310、输入装置330和输出装置340；电子设备中处理器320的数量可以是一个或多个，图3中以一个处理器320为例；电子设备中的处理器320、存储装置310、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线350连接为例。
存储装置310作为一种计算机可读存储介质，可用于存储软件程序、计算机可运行程序以及模块单元，如本申请实施例中的图像的排版方法对应的程序指令。
存储装置310可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置310可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置310可进一步包括相对于处理器320远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备，可以实现通过多源卫星遥感数据，对霾污染过程的形成机制进行解析，以作为对霾污染过程进行前期预测和合理管控的效果。
上述实施例中提供的图像的排版装置、介质及设备可运行本申请任意实施例所提供的图像的排版方法，具备运行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的图像的排版方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种基于卫星数据的霾污染解析方法，其特征在于，包括：
获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；
针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷数据确定浮尘与霾分布叠加的水平分布区域；
针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；
获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；
根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取第四类卫星的热红外高光谱载荷数据确定大气温度垂直分布载荷，根据所述大气温度垂直分布载荷，解析边界层气温垂直分布是否符合预设逆温条件，若是，则确定温度垂直分布为霾污染过程的形成因素。
3.根据权利要求1所述的方法，其特征在于，获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域，包括：
采用Terra卫星上搭载的MODIS载荷数据，Aqua卫星上搭载的MODIS载荷数据，以及葵花8号卫星上搭载的HWI载荷数据中的至少一种，区分霾的空间分布区域和云层的空间分布区域；
若确定存在非云层的空间分布区域，则确定存在霾污染过程；
根据霾的空间分布区域，确定霾的水平分布区域。
4.根据权利要求1所述的方法，其特征在于，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷数据确定浮尘与霾分布叠加的水平分布区域，包括：
采用Aura卫星上搭载的OMI载荷数据、NPP卫星上搭载的OMPS载荷数据以及Sentinal-5P卫星上搭载的TropOMI载荷数据，以及高分五号卫星搭载的EMI载荷数据确定浮尘与霾分布叠加的水平空间分布区域。
5.根据权利要求1所述的方法，其特征在于，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布，包括：
采用CALIP卫星上搭载的星载激光雷达探测的CALIPSO载荷数据，确定浮尘、污染物和浮尘与污染物混合的垂直分布。
6.根据权利要求1所述的方法，其特征在于，获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布，包括：
采用Aqua卫星上搭载的AIRS载荷数据、NPP卫星上搭载的CrIS载荷数据以及MetOp卫星上搭载的IASI载荷数据中的至少一种，确定水汽垂直分布。
7.根据权利要求2所述的方法，其特征在于，获取第四类卫星的热红外高光谱载荷数据确定大气温度垂直分布载荷，包括：
采用Aqua卫星上搭载的AIRS载荷数据，NPP卫星上搭载的CrIS载荷数据以及MetOp卫星上搭载的IASI载荷数据中的至少一种，确定大气温度垂直分布。
8.根据权利要求1所述的方法，其特征在于，根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素，包括：
根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，确定所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布的位置关系是否符合高湿度偏南气流预设位置关联条件；
若是，则确定大气边界层浮尘、污染物以及浮尘与污染物混合与所述水汽的关系是否符合颗粒物吸湿增长并引起能见度急剧下降的预设条件；
若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽相结合为霾污染过程的形成因素。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若检测到目标区域存在浮尘、污染物以及浮尘与污染物混合，并根据后向轨迹或风场分析确定目标大气层的偏南风向信息；
根据所述风向信息，确定目标区域的水汽含量是否会升高；
若是，则生成预警信息，确定所述目标大气层浮尘、污染物以及浮尘与污染物混合和所述高湿度导致颗粒物吸湿增长并引起能见度的急剧下降机制的形成，则浮尘、污染物以及浮尘与污染物混合与水汽为霾污染过程的形成因素，以进行霾污染过程的预警处理。
10.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述大气温度垂直分布，确定目标大气层是否存在不利于污染物扩散的逆温层；
若存在，则确定逆温层为霾污染过程的形成。
11.一种基于卫星数据的霾污染解析装置，其特征在于，包括：
分布区域确定模块，用于获取第一类卫星的光学载荷数据，根据所述光学载荷数据确定存在霾污染过程，以及霾的水平分布区域；
浮尘与霾分布叠加区域确定模块，用于针对所述霾的水平分布区域，获取第二类卫星的紫外探测载荷数据，根据所述紫外探测载荷数据确定浮尘与霾分布叠加的水平分布区域；
浮尘、污染物以及浮尘与污染物混合垂直分布确定模块，用于针对所述浮尘与霾分布叠加的水平分布区域，获取第三类卫星的激光雷达探测载荷数据，根据所述激光雷达探测载荷数据确定浮尘、污染物以及浮尘与污染物混合的垂直分布；
水汽垂直分布确定模块，用于获取第四类卫星的热红外高光谱载荷，根据所述热红外高光谱载荷确定水汽垂直分布；
霾形成因素解析模块，用于根据所述浮尘、污染物以及浮尘与污染物混合的垂直分布与所述水汽垂直分布，解析所述浮尘、污染物以及浮尘与污染物混合和所述水汽是否符合颗粒物吸湿增长并引起能见度的下降的预设条件，若是，则确定所述浮尘、污染物以及浮尘与污染物混合和所述水汽为霾污染过程的形成因素。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10中任一所述的基于卫星数据的霾污染解析方法。
13.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-10中任一所述的基于卫星数据的霾污染解析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010454420.2A CN111650102B (zh) | 2020-05-26 | 2020-05-26 | 基于卫星数据的霾污染解析方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010454420.2A CN111650102B (zh) | 2020-05-26 | 2020-05-26 | 基于卫星数据的霾污染解析方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111650102A true CN111650102A (zh) | 2020-09-11 |
| CN111650102B CN111650102B (zh) | 2023-08-29 |
Family
ID=72341985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010454420.2A Active CN111650102B (zh) | 2020-05-26 | 2020-05-26 | 基于卫星数据的霾污染解析方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111650102B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112966710A (zh) * | 2021-02-01 | 2021-06-15 | 中国人民解放军国防科技大学 | 基于线性判别分析的fy-3d红外高光谱云检测方法 |
| CN114113499A (zh) * | 2022-01-27 | 2022-03-01 | 广东海洋大学 | 一种海洋污染数据采集方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003296702A (ja) * | 2002-04-05 | 2003-10-17 | Japan Science & Technology Corp | 地球観測衛星データのノイズ除去処理方法、ノイズ除去処理プログラム、ノイズ除去処理プログラムを記録した記録媒体 |
| CN103675792A (zh) * | 2013-12-06 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | CrIS超光谱数据的臭氧廓线快速反演方法 |
| CN103926634A (zh) * | 2014-03-12 | 2014-07-16 | 长江水利委员会长江科学院 | 一种基于面向对象分类的白天陆地辐射雾的遥感监测方法 |
| CN106338737A (zh) * | 2015-07-09 | 2017-01-18 | 中国电力科学研究院 | 一种npp卫星定位定标校准方法 |
| KR20170025836A (ko) * | 2015-08-31 | 2017-03-08 | 주식회사 위드텍 | 수분 자동 보정 가스 모니터링 시스템 |
| CN107505630A (zh) * | 2017-08-10 | 2017-12-22 | 成都信息工程大学 | 基于气溶胶特性和成云机制提高天气预报准确性的方法 |
| CN107766799A (zh) * | 2017-09-28 | 2018-03-06 | 中国地质大学（武汉） | 基于尺度效应的多源遥感数据源汇景观的分析方法及系统 |
| CN109406361A (zh) * | 2018-09-26 | 2019-03-01 | 甘肃省环境科学设计研究院 | 一种基于遥感技术的干旱区灰霾污染预警方法 |
| CN109541628A (zh) * | 2018-12-14 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种天地一体化大气污染立体监测方法及监测系统 |
| CN109883901A (zh) * | 2019-02-15 | 2019-06-14 | 西安理工大学 | 一种无人机机载的紫外光探测雾霾粒子系统及其探测方法 |
-
2020
- 2020-05-26 CN CN202010454420.2A patent/CN111650102B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003296702A (ja) * | 2002-04-05 | 2003-10-17 | Japan Science & Technology Corp | 地球観測衛星データのノイズ除去処理方法、ノイズ除去処理プログラム、ノイズ除去処理プログラムを記録した記録媒体 |
| CN103675792A (zh) * | 2013-12-06 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | CrIS超光谱数据的臭氧廓线快速反演方法 |
| CN103926634A (zh) * | 2014-03-12 | 2014-07-16 | 长江水利委员会长江科学院 | 一种基于面向对象分类的白天陆地辐射雾的遥感监测方法 |
| CN106338737A (zh) * | 2015-07-09 | 2017-01-18 | 中国电力科学研究院 | 一种npp卫星定位定标校准方法 |
| KR20170025836A (ko) * | 2015-08-31 | 2017-03-08 | 주식회사 위드텍 | 수분 자동 보정 가스 모니터링 시스템 |
| CN107505630A (zh) * | 2017-08-10 | 2017-12-22 | 成都信息工程大学 | 基于气溶胶特性和成云机制提高天气预报准确性的方法 |
| CN107766799A (zh) * | 2017-09-28 | 2018-03-06 | 中国地质大学（武汉） | 基于尺度效应的多源遥感数据源汇景观的分析方法及系统 |
| CN109406361A (zh) * | 2018-09-26 | 2019-03-01 | 甘肃省环境科学设计研究院 | 一种基于遥感技术的干旱区灰霾污染预警方法 |
| CN109541628A (zh) * | 2018-12-14 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种天地一体化大气污染立体监测方法及监测系统 |
| CN109883901A (zh) * | 2019-02-15 | 2019-06-14 | 西安理工大学 | 一种无人机机载的紫外光探测雾霾粒子系统及其探测方法 |
Non-Patent Citations (5)
| Title |
|---|
| MIAO ZHANG ET AL.,: "Aerosol Optical Properties of a Haze Episode in Wuhan Based on Ground-Based and Satellite Observations", ATMOSPHERE, no. 5, pages 699 - 719 * |
| MINGHUI TAO ET AL.,: "A study of urban pollution and haze clouds over northern China during the dusty season based on satellite and surface observations", ATMOSPHERIC ENVIRONMENT, no. 82, pages 183 - 192, XP028789744, DOI: 10.1016/j.atmosenv.2013.10.010 * |
| 刘璇;朱彬;侯雪伟;陈烨鑫;李锋;康汉青;高晋徽;: "基于卫星遥感和地面观测资料的霾过程分析――以长江三角洲地区一次严重霾污染过程为例", vol. 35, no. 03, pages 641 - 651 * |
| 夏冬;吴志权;莫伟强;谭浩波;: "一次热带气旋外围下沉气流造成的珠三角地区连续灰霾天气过程分析", no. 06, pages 759 - 767 * |
| 张园园等: "南京北郊冬季典型灰霾天气气象 成因及来源分析", 科学技术与工程, vol. 17, no. 21, pages 1671 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112966710A (zh) * | 2021-02-01 | 2021-06-15 | 中国人民解放军国防科技大学 | 基于线性判别分析的fy-3d红外高光谱云检测方法 |
| CN114113499A (zh) * | 2022-01-27 | 2022-03-01 | 广东海洋大学 | 一种海洋污染数据采集方法及系统 |
| CN114113499B (zh) * | 2022-01-27 | 2022-04-15 | 广东海洋大学 | 一种海洋污染数据采集方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111650102B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lee et al. | Influence of transboundary air pollutants from China on the high-PM10 episode in Seoul, Korea for the period October 16–20, 2008 | |
| Qin et al. | Trans-boundary aerosol transport during a winter haze episode in China revealed by ground-based Lidar and CALIPSO satellite | |
| Kumar et al. | Wintertime characteristics of aerosols at middle Indo-Gangetic Plain: Impacts of regional meteorology and long range transport | |
| Liu et al. | Study of continuous air pollution in winter over Wuhan based on ground-based and satellite observations | |
| Ma et al. | Aerosol optical properties in the North China Plain during HaChi campaign: an in-situ optical closure study | |
| Fan et al. | Aerosol vertical distribution and sources estimation at a site of the Yangtze River Delta region of China | |
| Das et al. | Role of black carbon in aerosol properties and radiative forcing over western India during premonsoon period | |
| Li et al. | Transport and evolution of a pollution plume from northern China: A satellite‐based case study | |
| Nastos | Meteorological patterns associated with intense Saharan dust outbreaks over Greece in winter | |
| Tao et al. | Satellite observation of abnormal yellow haze clouds over East China during summer agricultural burning season | |
| Yu et al. | Measurement and analysis of surface aerosol optical properties over urban Nanjing in the Chinese Yangtze River Delta | |
| CN112686531A (zh) | 一种结合卫星遥感与车载观测的大气污染企业识别方法 | |
| Ehn et al. | Growth rates during coastal and marine new particle formation in western Ireland | |
| He et al. | Dust aerosols detected using a ground‐based polarization lidar and CALIPSO over Wuhan (30.5 N, 114.4 E), China | |
| CN111650102A (zh) | 基于卫星数据的霾污染解析方法、装置、介质及设备 | |
| Kumar | Spatio-temporal variations in satellite based aerosol optical depths & aerosol index over Indian subcontinent: Impact of urbanization and climate change | |
| Prasad et al. | Nocturnal, seasonal and intra-annual variability of tropospheric aerosols observed using ground-based and space-borne lidars over a tropical location of India | |
| Ivanov et al. | On the possibility of estimating the volume of NO2 emissions in cities using zenith spectral observations of diffuse solar radiation near 450 nm | |
| Zhang et al. | Characteristics of the vertical distribution of tropospheric ozone in late autumn at Yangjiang station in Pearl River Delta (PRD), China. PartⅠ: Observed event | |
| Kikaj et al. | Identifying persistent temperature inversion events in a subalpine basin using radon-222 | |
| Davis et al. | Estimation of NO x and SO 2 emissions from Sarnia, Ontario, using a mobile MAX-DOAS (Multi-AXis Differential Optical Absorption Spectroscopy) and a NO x analyzer | |
| Lee et al. | Observations of nighttime new particle formation in the troposphere | |
| Takahashi et al. | Aerosol concentrations observed at Mt. Haruna, Japan, in relation to long-range transport of Asian mineral dust aerosols | |
| Pierce et al. | Investigating horizontal and vertical pollution gradients in the atmosphere associated with an urban location in complex terrain, Reno, Nevada, USA | |
| Pandey et al. | The short-term variability of aerosols and their impact on cloud properties and radiative effect over the Indo-Gangetic Plain |
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 |