CN111650128B - 一种基于地表反射率库的高分辨率大气气溶胶反演方法 - Google Patents
一种基于地表反射率库的高分辨率大气气溶胶反演方法 Download PDFInfo
- Publication number
- CN111650128B CN111650128B CN202010512135.1A CN202010512135A CN111650128B CN 111650128 B CN111650128 B CN 111650128B CN 202010512135 A CN202010512135 A CN 202010512135A CN 111650128 B CN111650128 B CN 111650128B
- Authority
- CN
- China
- Prior art keywords
- aod
- remote sensing
- aerosol
- sensing image
- reflectivity
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于地表反射率库的高分辨率大气气溶胶反演方法,首先利用地面气溶胶监测系统获得的分析区域的气溶胶粒子谱分布数据对遥感影像的气溶胶类型进行确定,并通过6SV辐射传输模型计算相关大气参数建立AOD查找表;然后利用分析区域地面站点获取的AOD值和遥感影像确定“最干净”影像,经过大气精校正来构建地表反射率库,然后利用AOD查找表和地表反射率库来进行气溶胶反演,得到高分辨率的气溶胶光学厚度(Aerial Optical Depth,AOD)分布图,具有较好的高分辨率气溶胶反演应用效果,具有更为广泛地适用性。
Description
技术领域
本发明属于遥感信息技术领域,更为具体地讲,涉及一种基于地表反射率库的高分辨率大气气溶胶反演方法。
背景技术
大气气溶胶是指悬浮在大气中的固态或者液态微粒共同组成的多相体系,可分为自然源和人为源。自然源主要来源于沙尘、近海海洋粒子等,人为源主要来源于工业活动、生物燃烧等。
大气气溶胶作为大气辐射传输过程中最活跃的因素之一,不仅影响地球表层系统的辐射收支平衡,而且通过对太阳短波辐射的散射调节地气系统的反射率从而导致地气系统的降温过程,通过对太阳辐射的吸收作用导致升温过程,通过对云的形成微物理过程的影响,可以改变云的微物理性质,对大气化学过程以及生物地球化学循环也起着重要的作用。同时,气溶胶粒子中包含一些对人体有害的粒子,它们对人类的健康状况造成严重的影响,在人口密集、工业集中的城市地区影响更为严重。所以,大气气溶胶反演对于全球气候变化的研究和大气污染的监测和治理工作具有重大意义。
目前国内外学者在大气气溶胶反演方面取得了一定的成果。但是目前大多数的大气气溶胶反演方法是针对低分辨率遥感影像的,无法反映大气气溶胶分布的小尺度变化,不能很好地满足城市地区的精细化的空气质量和大气污染监测需要,于是针对高分辨率遥感影像的大气气溶胶进行反演并得到高精度、高分辨率的气溶胶光学厚度(AerialOptical Depth,AOD)分布图。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于地表反射率库的高分辨率大气气溶胶反演法,针对高分辨率遥感影像进行反演,以获得高分辨率的气溶胶光学厚度(Aerial Optical Depth,AOD)分布图,满足城市等地区的小尺度的气溶胶研究和空气质量监测的需要。
为实现上述发明目的,本发明基于地表反射率库的高分辨率大气气溶胶反演方法,其特征在于,包括以下步骤:
(1)、通过高空间分辨率卫星获取分析区域高分辨率的遥感影像,通过地面气溶胶监测系统获取分析区域地面站点AOD值;
(2)、根据地面气溶胶监测系统获得的分析区域的气溶胶粒子谱分布数据的分析结果来确定气溶胶类型的表征方式,根据地面气溶胶监测系统获得的气溶胶参数,得到每个时间窗口分析区域的表征方式下的气溶胶类型参数;
(3)、根据气溶胶类型参数,利用6SV辐射传输模型模拟不同卫星天顶角、不同卫星方位角和不同AOD值下的大气传输过程,求解半球反射率、总的大气透过率和总的程辐射反射率,不同的AOD值下,不同卫星天顶角、不同卫星方位角对应的半球反射率、总的大气透过率和总的程辐射反射率构成的AOD查找表;
(4)、对所分析区域遥感影像进行去除云和雪的干扰,减少大气气溶胶反演误差;
(5)、构建遥感影像地表反射率库
5.1)、基于分析区域地面站点获取的AOD值,确定寻找“最干净”遥感影像的阈值T,从分析区域的时间窗口中的大量遥感影像中找出符合阈值条件(遥感影像获取时间上对应的分析区域地面站点获取的AOD值小于阈值T)的遥感影像,并选取其中分析区域地面站点获取的AOD值最小的遥感影像作为“最干净”遥感影像;
5.2)、“最干净”遥感影像获取时间的前后一段时间内的地面气溶胶监测系统获取的AOD值取平均,再通过AOD值与波长的拟合关系,将AOD值转化到波长550nm处,得到550nm处的AOD值;
5.3)、依据550nm处的AOD值,采用6SV辐射传输模型对“最干净”遥感影像的蓝光波段进行精确大气校正得到地表反射率影像,并作为同一时间窗口内遥感影像的地表反射率影像;
5.4)、各个时间窗口内地表反射率影像构成遥感影像地表反射率库;
(6)、将获取的分析区域遥感影像作为待反演遥感影像与同一时间窗口的地表反射率影像进行配准操作;
(7)、利用步骤(3)构建的AOD查找表、步骤(5)的地表反射率库中和待反演影像处于同一时间窗口的地表反射率影像,对步骤(6)配准好的待反演影像进行反演,将AOD查找表中不同的AOD值下,不同卫星天顶角、卫星方位角对应的半球反射率、总的大气透过率和总的程辐射反射率,同一时间窗口的地表反射率影像中的地表反射率分别带入辐射传输方程,计算出表观反射率的理论值,将计算得到的所有理论表观反射率与遥感影像中实际测到的表观反射率作差,取差值最小时的理论表观反射率对应的AOD查找表中的AOD值作为反演结果,这样得到高分辨率的气溶胶光学厚度(Aerial Optical Depth,AOD) 分布图。
本发明的目的是这样实现的:
本发明基于地表反射率库的高分辨率大气气溶胶反演方法,首先利用地面气溶胶监测系统获得的分析区域的气溶胶粒子谱分布数据对遥感影像的气溶胶类型进行确定,并通过6SV辐射传输模型计算相关大气参数建立AOD查找表;然后利用分析区域地面站点获取的AOD值和遥感影像确定“最干净”影像,经过大气精校正来构建地表反射率库,然后利用AOD查找表和地表反射率库来进行气溶胶反演,得到高分辨率的气溶胶光学厚度(AerialOptical Depth,AOD) 分布图。
本发明在进行地表反射率库的构建时采用一种全新的方法,该方法在构建地表反射率库时,通过利用分析区域地面站点获取的AOD值在时间窗口内确定“最干净”影像,“最干净”影像的地表反射率就构成了地表反射率库。本发明能将地表反射率估计的不确定性降到最低,并且在反射率较低的暗地表和反射率较高的亮地表都适用。因此具有较好的高分辨率气溶胶反演应用效果,具有更为广泛地适用性。
附图说明
图1是本发明基于地表反射率库的高分辨率大气气溶胶反演方法一种具体实施方式的流程图;
图2是所选年月的北京气溶胶的平均的粒子谱分布图,其中,(a)为1月粒子谱分布,(b)为4月粒子谱分布;(c)为7月粒子谱分布;(d)为10月粒子谱分布;
图3是Fmask4.0算法云检测处理效果图,其中,(a)为北京20171204 Sentinel-2RGB彩色影像,(b)为北京20171204云检测结果,(c)为北京20191124 Sentinel-2RGB彩色像,(d)为北京20191124云检测结果;
图4是Fmask4.0算法冰雪检测处理效果图,其中,(a)为北京20190217 Sentinel-2RGB彩色影像,(b)为北京20190217冰雪检测结果,(c)为北京 20191204Sentinel-2RGB彩色影像,(d)为北京20191204雪检测结果;
图5是图1所示构建遥感影像地表反射率库的一种具体实施方式流程图;
图6是AERONET站点AOD测量值与Sentinel-2AOD反演结果的验证结果,其中,(a)为Beijing站AOD反演结果验证,(b)为Beijing_CAMS站AOD 反演结果验证,(c)为Beijing_PKU站AOD反演结果验证,(d)为Beijing_RADI 站反演结果验证;
图7是所有Sentinel-2AOD反演结果与AERONET AOD测量值的验证结果;
图8是本发明算法与暗像元算法AOD反演的结果对比图,其中,(a)为本发明AOD反演结果验证;(b)为暗像元算法AOD反演结果验证。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
图1是本发明基于地表反射率库的高分辨率大气气溶胶反演方法一种具体实施方式的流程图。
在本实施例中,如图1所示,本发明基于地表反射率库的高分辨率大气气溶胶反演方法包括以下步骤:
步骤S1:获取分析区域高分辨率的遥感影像以及地面站点AOD值
通过高空间分辨率卫星获取分析区域高分辨率的遥感影像。在本实施例中,通过Sentinel-2高分辨率多光谱成像卫星来获取分析区域高分辨率的遥感影像。 Sentinel-2有分辨率高(10、20、60米),重访周期短的特点。
在本实施例中,采用的遥感影像是北京地区2017年到2019年的多幅 Sentinel-2的Level-1C级的遥感影像。
在本实施例中,通过AERONET地面气溶胶监测系统获取分析区域地面站点AOD值,分别包括Beijing、Beijing_CAMS、Beijing_PUK、Beijing_RADI 四个站点的AOD值
步骤S2:确定气溶胶类型参数
根据地面气溶胶监测系统获得的分析区域的气溶胶粒子谱分布数据,用双峰对数正态谱分布表征分析区域的气溶胶类型,得到每个时间窗口分析区域的气溶胶类型参数。
在本实施例中,通过AERONET的四个站点获得的气溶胶地面监测数据,分析北京的气溶胶粒子谱分布数据,如图2所示,用双峰对数正态谱分布表征北京的气溶胶类型。统计分析三年的气溶胶光学参数,以及AERONET的四个站点在2010到2019年的单次散射反照率和复折射指数的月平均值,发现月份也存在明显变化,因此,本实施例,按月份划定气溶胶类型。求得每个时间窗口内表征函数的具体参数,即北京每个月的气溶胶类型参数。
步骤S3:构建AOD查找表
根据气溶胶类型参数,利用6SV辐射传输模型模拟不同卫星天顶角、不同卫星方位角和不同AOD值下的大气传输过程,求解半球反射率、总的大气透过率和总的程辐射反射率,得到不同的AOD值下,不同卫星天顶角、不同卫星方位角对应的半球反射率、总的大气透过率和总的程辐射反射率构成的AOD查找表。
在本实施例中,由于Sentinel-2成像范围小,故仅以卫星天顶角、卫星方位角和AOD值的组合模拟大气参数生成查找表,针对北京(分析区域),设置AOD 值变化为0~2.0,步长0.1,卫星天顶角范围0°~10°,步长为1°,卫星方位角范围 200°~300°,步长10°。以上述条件作为循环条件,通过6SV辐射传输模型模拟,取出输出结果中的半球反射率、总的大气透过率和总的程辐射反射率存入AOD 查找表,完成AOD查找表的构建。
步骤S4:去除云和雪的干扰
对所分析区域遥感影像进行去除云和雪的干扰,减少大气气溶胶反演误差。
云和雪一直是遥感气溶胶反演的重要干扰因素之一,光学卫星极易受到干扰。在本实施例中,采用Fmask4.0算法进行云和雪的检测,云雪检测效果如图 3和图4。从图3和图4可以看出云检测效果较好,雪检测会存在部分薄雪无法检出。
步骤S5:构建遥感影像地表反射率库
步骤S501:确定“最干净”遥感影像
基于分析区域地面站点获取的AOD值,确定寻找“最干净”遥感影像的阈值T,从分析区域的时间窗口中的大量遥感影像中找出符合阈值条件(遥感影像获取时间上对应的分析区域地面站点获取的AOD值小于阈值T)的遥感影像,并选取其中分析区域地面站点获取的AOD值最小的遥感影像作为“最干净”遥感影像。
在本发明中,需要用到时间窗口来找“最干净”遥感影像。时间窗口必须足够短,因为植被的物候现象和其他一些人为因素会导致地表变化,从而会引起地表反射率的变化,设置足够短的时间窗口以保证时间段的地表反射率无显著变化;时间窗口还必须足够长,以保证该时间窗口中能够找到清洁的遥感影像。通过对北京地区AOD值时间变化进行统计分析。包括Beijing_CAMS站和 Beijing_PKU站的季节性的AOD均值,以及两个站点不同年份的变化图,确定时间窗口为1个月。
在本实施例中,利用AERONET站点的气溶胶光学厚度值,确定寻找“最干净”遥感影像的阈值,在时间窗口内符合阈值条件的影像中确定“最干净”遥感影像,“最干净”影像即对应的AOD值小于阈值的且值最小的遥感影像,也代表最小的气溶胶污染。且要在每个选定的时间窗口内找出对应的“最干净”影像,此时就可以体现重访周期的关键,当重访时间越短,在一个时间窗口的数据量就越大,就越容易找到“最干净”遥感影像,找到的遥感影像也更具有代表性。在本实施例中,经统计选择北京地区2017年12月、2018年11月、2019 年1月和2月共四个月的所有无云或者少云的Sentinel-2号影像为“最干净”影像。统计结果如表1:
月份 | 影像日期 | AOD(500nm) |
1月 | 20190108 | 0.0618 |
2月 | 20190217 | 0.0560 |
11月 | 20181109 | 0.0616 |
12月 | 20171204 | 0.0652 |
表1
步骤S502:计算精确大气校正需要的AOD值
“最干净”遥感影像获取时间的前后一段时间内的地面气溶胶监测系统获取的AOD值取平均,再通过AOD值与波长的拟合关系,将AOD值转化到波长550nm处,得到550nm处的AOD值.
对“最干净”影像进行精确的大气校正需要输入550nm处的AOD值,但地面气溶胶监测系统无此波长的AOD值,故通过波长与AOD值的拟合关系,近似求得所需要的AOD值。所采用的拟合关系为:
lnτ(λ)=a0+a1 lnλ+a2(lnλ)2
式中的τ(λ)为波长λ处的AOD值,a0、a1和a2为拟合系数。
步骤S503:精确校正“最干净”遥感影像
依据550nm处的AOD值,采用6SV辐射传输模型对“最干净”遥感影像的蓝光波段进行精确大气校正得到地表反射率影像,并作为同一时间窗口内遥感影像的地表反射率影像。
在本发明中,采用6SV辐射传输模型进行大气校正,且为了更加准确,校正时输入的AOD值是利用“最干净”遥感影像获取时间前后20分钟地面气溶胶监测系统获取的AOD均值。
步骤S504:构建遥感影像地表反射率库
各个时间窗口内地表反射率影像构成遥感影像地表反射率库。在本实施例中,选择卫星传感器对气溶胶敏感,并且空间分辨率合适的波段,利用所选的4 幅“最干净”影像相应的波段的地表反射率构成遥感影像地表反射率库。在本实施样例中,选择Sentinel-2分辨率为10米的蓝光波段来构建遥感影像地表反射率库,即每个月的“最干净”影像的蓝光波段的地表反射率即构成了遥感影像地表反射率库。
步骤S6:待反演遥感影像配准
将获取的分析区域遥感影像作为待反演遥感影像与同一时间窗口的地表反射率影像进行配准操作。
步骤S7:基于AOD查找表的AOD反演
利用步骤S3构建的AOD查找表、步骤S5的地表反射率库中和待反演影像处于同一时间窗口的地表反射率影像,对步骤S6配准好的待反演影像进行反演,将AOD查找表中不同的AOD值下,不同卫星天顶角θv、卫星方位角φ对应的半球反射率S、总的大气透过率T(θs,θv)和总的程辐射反射率ρ0(θs,θv,φ),同一时间窗口的地表反射率影像中的地表反射率ρs分别带入辐射传输方程,计算出表观反射率的理论值ρTOA(θs,θv,φ),将计算得到的所有理论表观反射率与遥感影像中实际测到的表观反射率作差,取差值最小时的理论表观反射率对应的AOD查找表中的AOD值作为反演结果,这样得到高分辨率的气溶胶光学厚度(AerialOptical Depth,AOD)分布图。
基于构建的AOD查找表,AOD查找表中的参数和地表反射率影像中的地表反射率代入辐射传输方程,对配准后待反演遥感影像进行反演,计算表观反射率的理论值,计算公式为:
其中,ρTOA(θs,θv,φ)表示表观反射率的理论值,ρ0(θs,θv,φ)表示总的程辐射反射率,T(θs,θv)表示总的大气透过率,S表示半球反射率,ρs表示地表反射率,θs、θv和φ分别表示太阳天顶角、卫星天顶角和方位角。
在本实施例中,在AOD查找表中,AOD的变化范围为0~2.0,分别表示为 AOD0.1,AOD0.2,......AOD2.0,卫星天顶角的变化范围为0°~10°,分别表示为θv0,θv1,......,θv10,卫星方位角的变化范围为200°~300°,分别表示为θa200,θa210,......,θa300。将AOD查找表中,每一AOD值下的卫星天顶角、方位角的组合生成的半球反射率、总的大气透过率和总的程辐射反射率分别带入上面的辐射传输方程公式,计算出理论的表观反射率。假如在AOD1.0,θv8和θa270时,查找表中对应的半球反射率、总的大气透过率和总的程辐射反射率带入上面的公式算出的理论上的表观反射率和遥感影像中实际测到的表观反射率的差值最小,则此时的 AOD1.0就作为反演结果。
由于本发明构建的地表反射率库,是基于“最干净”影像的,故而精确大气校正得到的地表反射率的不确定性也最小,在此基础上进行气溶胶的反演,可以保证较高的精度。
为了验证算法的准确性,使用步骤S1获取的地面监测系统的测量数据结果与AOD反演结果进行对比。使用4个北京地面的AERONET站点测量结果与本实施样例AOD反演结果进行验证。但在验证是要进行时空匹配,以使AERONET 的站点数据对应AOD反演像元数据。并且由于波长的不匹配,还需要使用AOD 与波长的拟合关系将AERONET地面数据转换为550nm处的AOD值。验证结果对比图如图6。
对所有Sentinel-2号的AOD反演结果与AERONET的AOD测量值验证如图7,可以看出反演结果和AERONET的AOD测量值的相关系数R为0.9424,显著度P值为5.5e-47,说明其显著相关,总共有85.56%的反演结果落入EE误差范围内。MAE和RMSE都很小,分别为0.0688和0.0882。这些结果都表明,本发明提出的地表反射率估计方法以及基于地表反射率库的AOD反演算法能比较精确地反演城市地区的气溶胶,克服了城市地区较高的地表反射率带来的AOD反演困难。
在本实施例中,也与暗像元法进行了对比,选择2018年11月24日的影像进行反演,反演结果对比如图8,可知本发明的反演结果在空间上连续分布,而暗像元法则呈现散点分布,数据有缺失,且整体AOD值偏高。对反演结果进行分析可知本发明反演法有87.01%的反演结果在期望误差内,而暗像元法仅有 12.9%的反演结果在期望误差内。其反演结果对比如表2。
表2
另外,本发明无使用地表类型的限制,在水域上方也可以使用,亦无地表反射率的限制,可获得空间上连续分布的AOD分布图,有利于气溶胶的相关研究。由对比验证的结果可知,本发明可以获得高分辨率的气溶胶光学厚度(Aerial Optical Depth,AOD)分布图,适用于多种地表类型,且在城市地区的AOD反演效果也更加的理想。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (2)
1.一种基于地表反射率库的高分辨率大气气溶胶反演方法,其特征在于,包括以下步骤:
(1)、通过高空间分辨率卫星获取分析区域高分辨率的遥感影像,通过地面气溶胶监测系统获取分析区域地面站点AOD值;
(2)、根据地面气溶胶监测系统获得的分析区域的气溶胶粒子谱分布数据的分析结果来确定气溶胶类型的表征方式,根据地面气溶胶监测系统获得的气溶胶参数,得到每个时间窗口分析区域的表征方式下的气溶胶类型参数;
(3)、根据气溶胶类型参数,利用6SV辐射传输模型模拟不同卫星天顶角、不同卫星方位角和不同AOD值下的大气传输过程,求解半球反射率、总的大气透过率和总的程辐射反射率,不同的AOD值下,不同卫星天顶角、不同卫星方位角对应的半球反射率、总的大气透过率和总的程辐射反射率构成的AOD查找表;
(4)、对所分析区域遥感影像进行去除云和雪的干扰,减少大气气溶胶反演误差;
(5)、构建遥感影像地表反射率库
5.1)、基于分析区域地面站点获取的AOD值,确定寻找“最干净”遥感影像的阈值T,从分析区域的时间窗口中的大量遥感影像中找出符合阈值条件即遥感影像获取时间上对应的分析区域地面站点获取的AOD值小于阈值T的遥感影像,并选取其中分析区域地面站点获取的AOD值最小的遥感影像作为“最干净”遥感影像;
5.2)、“最干净”遥感影像获取时间的前后一段时间内的地面气溶胶监测系统获取的AOD值取平均,再通过AOD值与波长的拟合关系,将AOD值转化到波长550nm处,得到550nm处的AOD值;
所采用的拟合关系为:
lnτ(λ)=a0+a1 lnλ+a2(lnλ)2
式中的τ(λ)为波长λ处的AOD值,a0、a1和a2为拟合系数;
5.3)、依据550nm处的AOD值,采用6SV辐射传输模型对“最干净”遥感影像的蓝光波段进行精确大气校正得到地表反射率影像,并作为同一时间窗口内遥感影像的地表反射率影像;
5.4)、各个时间窗口内地表反射率影像构成遥感影像地表反射率库;
(6)、将获取的分析区域遥感影像作为待反演遥感影像与同一时间窗口的地表反射率影像进行配准操作;
(7)、利用步骤(3)构建的AOD查找表、步骤(5)的地表反射率库中和待反演影像处于同一时间窗口的地表反射率影像,对步骤(6)配准好的待反演影像进行反演,将AOD查找表中不同的AOD值下,不同卫星天顶角、卫星方位角对应的半球反射率、总的大气透过率和总的程辐射反射率,同一时间窗口的地表反射率影像中的地表反射率分别带入辐射传输方程,计算出表观反射率的理论值,将计算得到的所有理论表观反射率与遥感影像中实际测到的表观反射率作差,取差值最小时的理论表观反射率对应的AOD查找表中的AOD值作为反演结果,这样得到高分辨率的气溶胶光学厚度(Aerial Optical Depth,AOD)分布图。
2.根据权利要求1所述的高分辨率大气气溶胶反演方法,其特征在于,所述AOD查找表中,AOD值变化为0~2.0,步长0.1,卫星天顶角范围0°~10°,步长为1°,卫星方位角范围200°~ 300°,步长10°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512135.1A CN111650128B (zh) | 2020-06-08 | 2020-06-08 | 一种基于地表反射率库的高分辨率大气气溶胶反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512135.1A CN111650128B (zh) | 2020-06-08 | 2020-06-08 | 一种基于地表反射率库的高分辨率大气气溶胶反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111650128A CN111650128A (zh) | 2020-09-11 |
CN111650128B true CN111650128B (zh) | 2021-07-13 |
Family
ID=72349374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010512135.1A Expired - Fee Related CN111650128B (zh) | 2020-06-08 | 2020-06-08 | 一种基于地表反射率库的高分辨率大气气溶胶反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111650128B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116297068B (zh) * | 2023-05-25 | 2023-08-18 | 山东大学 | 基于地表反射率优化的气溶胶光学厚度反演方法及系统 |
CN117152638B (zh) * | 2023-11-01 | 2024-01-26 | 张家港长三角生物安全研究中心 | 一种基于影像识别的生物气溶胶监测及预警系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288956B (zh) * | 2011-05-10 | 2013-04-03 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
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 |
US20170184393A1 (en) * | 2015-12-24 | 2017-06-29 | University Of Electronic Science And Technology Of China | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm |
US20170294011A1 (en) * | 2016-04-08 | 2017-10-12 | University Of Electronic Science And Technology Of China | Method for Retrieving Atmospheric Aerosol Based on Statistical Segmentation |
CN110595960A (zh) * | 2019-08-02 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 一种基于机器学习的pm2.5浓度遥感估算方法 |
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 |
-
2020
- 2020-06-08 CN CN202010512135.1A patent/CN111650128B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288956B (zh) * | 2011-05-10 | 2013-04-03 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
US20170184393A1 (en) * | 2015-12-24 | 2017-06-29 | University Of Electronic Science And Technology Of China | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm |
US20170294011A1 (en) * | 2016-04-08 | 2017-10-12 | University Of Electronic Science And Technology Of China | Method for Retrieving Atmospheric Aerosol Based on Statistical Segmentation |
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 |
CN110595960A (zh) * | 2019-08-02 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 一种基于机器学习的pm2.5浓度遥感估算方法 |
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 |
Non-Patent Citations (11)
Title |
---|
A NEW AEROSOL RETRIEVAL ALGORITHM BASED ON STATISTICAL SEGMENTATION USING LANDSAT-8 OLI DATA;Yajv Xiong et.al;《IGARSS 2016》;IEEE;20161231;4059-4062 * |
A Regionally Robust High-Spatial-Resolution Aerosol Retrieval Algorithm for MODIS Images Over Eastern China;Jing Wei et.al;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20190731;第57卷(第7期);4748-4757 * |
A Universal Dynamic Threshold Cloud Detection Algorithm (UDTCDA) supported by a prior surface reflectance database;Lin Sun et.al;《Journal of Geophysical Research: Atmospheres》;20160624;第121卷;7172-7196 * |
Airborne observation of aerosol opticaldepth during ARCTAS: vertical profiles,inter-comparison, fine-mode fraction and horizontal variability;Y. Shinozuka et.al;《Atmospheric Chemistry Physics Discussions》;20100802;第10卷;18316-18363 * |
An Improved High-Spatial-Resolution Aerosol Retrieval Algorithm for MODIS Images Over Land;Jing Wei et.al;《Journal of Geophysical Research: Atmospheres》;20181110;第123卷;12294-12307 * |
HJ-1 terrestrial aerosol data retrieval using deep blue algorithm;WANG Zhongting et.al;《Journal of Remote Sensing》;20121231;第16卷(第3期);596-610 * |
Identification and Classification of Different Aerosol Types over a Subtropical Rural Site in Mpumalanga, South Africa: Seasonal Variations as Retrieved from the AERONET Sunphotometer;Kanike Raghavendra Kumar et.al;《Aerosol and Air Quality Research》;20141231;第14卷;108-123 * |
Sensitivity of clear-sky direct radiative effect of the aerosol to micro-physical properties by using 6SV radiative transfer model: preliminary results;Cristiana Bassani et.al;《Geophysical Research Abstracts》;20150430;第17卷;1 page * |
台湾岛高分一号卫星WFV 数据气溶胶反演与验证;贾亮亮等;《环境科学学报》;20180331;第38卷(第3期);1117-1127 * |
城市气溶胶遥感监测——以包头市为例;李卓玲等;《天津农业科学》;20161231;第22卷(第11期);56-59 * |
基于高分辨率遥感影像的气溶胶光学厚度反演研究;侯磊;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20200715;13-59 * |
Also Published As
Publication number | Publication date |
---|---|
CN111650128A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
CN109974665B (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
CN101963664B (zh) | 基于水陆地物分类信息的微波遥感混合像元分解方法 | |
CN102636143B (zh) | 一种气溶胶光学厚度遥感反演方法 | |
CN111650128B (zh) | 一种基于地表反射率库的高分辨率大气气溶胶反演方法 | |
CN110388986B (zh) | 基于tasi数据的土地表面温度反演方法 | |
CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
CN115690632A (zh) | 一种内陆河流水体的水环境监测方法 | |
CN106680273B (zh) | 一种高空间分辨率卫星地表反射率反演方法 | |
CN111191380B (zh) | 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 | |
CN113610729A (zh) | 高光谱遥感影像星地协同大气校正方法、系统及存储介质 | |
CN103954974A (zh) | 一种用于城市地区的颗粒物光学厚度遥感监测方法 | |
CN113758885B (zh) | 一种水体内叶绿体色素浓度的测算方法及其系统 | |
CN113763272B (zh) | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 | |
CN110991087A (zh) | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 | |
CN111079835A (zh) | 一种基于深度全连接网络的Himawari-8大气气溶胶反演方法 | |
CN105004846B (zh) | 一种监测高浑浊海水浊度的卫星遥感方法 | |
CN116822141A (zh) | 利用卫星微光遥感反演夜间大气气溶胶光学厚度的方法 | |
CN105259145A (zh) | 一种同时遥感岛礁水下地形和地物的方法 | |
CN113740263B (zh) | 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 | |
CN110705089B (zh) | 一种细模态气溶胶参数反演方法 | |
CN114722350A (zh) | 一种fy-3d被动微波数据云下地表温度反演与验证方法 | |
Chen et al. | Deriving remote sensing reflectance from turbid Case II waters using green-shortwave infrared bands based model | |
Chen et al. | Theoretical model for estimating the scaling error of the two-band ratio of red to near-infrared in inhomogeneous pixels: Simulation using a moving window | |
CN111415309B (zh) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210713 |