CN117347282B - 星基气溶胶光学厚度反演方法、装置及系统和存储介质 - Google Patents
星基气溶胶光学厚度反演方法、装置及系统和存储介质 Download PDFInfo
- Publication number
- CN117347282B CN117347282B CN202311061691.1A CN202311061691A CN117347282B CN 117347282 B CN117347282 B CN 117347282B CN 202311061691 A CN202311061691 A CN 202311061691A CN 117347282 B CN117347282 B CN 117347282B
- Authority
- CN
- China
- Prior art keywords
- aerosol
- data
- inversion
- reflectivity
- aod
- 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
- 239000000443 aerosol Substances 0.000 title claims abstract description 228
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000003287 optical effect Effects 0.000 title claims abstract description 52
- 238000002310 reflectometry Methods 0.000 claims abstract description 112
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 230000005855 radiation Effects 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000012952 Resampling Methods 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 239000000428 dust Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 208000037516 chromosome inversion disease Diseases 0.000 description 108
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000013641 Cerebrofacial arteriovenous metameric syndrome Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000005427 atmospheric aerosol Substances 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
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
- G01N2021/1793—Remote sensing
- G01N2021/1795—Atmospheric mapping of gases
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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种星基气溶胶光学厚度反演方法、装置及系统和存储介质，该方法考虑到不同植被覆盖下传感器通道反射率比值关系的不确定性，联合反射率比值与归一化植被指数建立动态光谱反射率比值数组以获取准确地表反射率估计值，本发明不需要筛选暗像元，能够获取较为准确气溶胶光学厚度产品，其反演结果优于AGRI官方气溶胶产品，本发明适用于大多数卫星传感器在陆地区域晴空条件下的气溶胶光学厚度反演，具有较强的普适性。
Description
技术领域
本发明属于大气气溶胶遥感技术领域，特别是涉及一种星基气溶胶光学厚度反演方法、装置及系统和存储介质。
背景技术
气溶胶是指大气中的细小固态微粒和液体微粒的总称，微粒直径从0.001μm覆盖到100μm。气溶胶威胁人类健康，对全球气候变化，以及地球辐射收支平衡有着重要的影响。气溶胶光学厚度(Aerosol Optical Depth，AOD)是介质的消光系数在垂直方向上的积分，与大气中悬浮的细小颗粒物的浓度相关，是评价大气清洁程度的重要参量。
地基站点(如Aerosol Robotic Network，AERONET)是目前监测全球气溶胶变化的重要平台。地基站点可以获取高精度和质量的全球气溶胶信息，但站点数量稀少和分布离散，使其无法满足大尺度下的气溶胶污染研究。卫星遥感凭借其时空覆盖范围广、数据采集和处理速度快、分辨率高的优势，已成为气溶胶动态化监测的重要手段。气溶胶遥感卫星按照轨道可划分为极轨卫星和静止轨道卫星。极地轨道卫星可以获取全球高空间分辨率观测数据，但受过境时间和重访周期的限制，较低的时间分辨率难以应对突发性大气污染事件的需要。静止轨道卫星定点观测，获取的高时间分辨率数据能够实时更新，可以有效弥补极轨卫星的低时效性等不足。
风云四号B星(FY-4B)是发射于2021年6月3日的第二代静止轨道气象卫星，定点经度133°E，空间分辨率为0.5-4km。FY-4B AGRI传感器能够捕捉到大气环境中不同相态的微粒，获取气溶胶观测数据。AGRI包含15个光谱通道。圆盘扫描成像时间为15分钟，每日可实现全圆盘观测成像40次，中国区域成像165次。
风云气象卫星网站已公布陆地气溶胶产品(LDA AOD)，数据日期自2023年3月13日起至今。此外已有面向AGRI传感器开发的气溶胶反演方法。例如许梦婕等引用MODIS波段间的线性关系计算FY-4A/AGRI可见光波段的地表反射率，获得京津冀地区暗地表的气溶胶(DT AOD)。祝善友等使用FY-4A/AGRI的蓝光波段基于深蓝方法反演得到FY-4A AOD数据集(DB AOD)。然而，官方气溶胶产品(LDA AOD)在高浓度气溶胶区域呈现较大的估计误差。基于暗像元法反演的DT AOD数据集没有考虑到传感器间波段设置差异，直接沿用MODIS可见光波段与红外波段比值关系引起了气溶胶估计误差。基于深蓝方法反演获取的DB AOD数据集使用AGRI 0.47μm通道反演，没有考虑AGRI 0.47μm和MODIS 0.412μm的波谱差异，且0.47μm存在的条带现象也影响了反演结果的准确性。对于目前的AGRI AOD产品的精度而言，仍有一定的提升空间。
发明内容
提供了本发明以解决现有技术中存在的上述问题。因此，需要一种星基气溶胶光学厚度反演方法、装置及系统和存储介质。
根据本发明的第一方案，提供了一种星基气溶胶光学厚度反演方法，所述方法包括：
选取相同时空覆盖下的AGRI数据、ERA5再分析数据和MODIS数据，将各项数据进行预处理并重采样至相同空间分辨率，并进行时空匹配；
引入MODIS气溶胶数据辅助计算AGRI蓝通道地表反射率、短波红外通道表观反射率与蓝通道地表反射率的比值，并结合反射率比值和归一化植被指数构建动态光谱反射率比值数组；
联合MODIS土地覆盖类型数据和气溶胶光学厚度确定区域气溶胶类型；
第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据确定的区域气溶胶类型对高浓度和低浓度气溶胶进行反演，整合两次反演以获取最终气溶胶光学厚度数据。
进一步地，所述选取相同时空覆盖下的AGRI数据、ERA5再分析数据和MODIS数据，将各项数据进行预处理并重采样至相同空间分辨率，并进行时空匹配，具体包括：
获取地基站点的观测数据，数据观测时间与AGRI AOD的时间间隔不超过15min，AGRI AOD数据位于以地基站点为圆心、以30km为半径的圆圈内，使用多个AGRI AOD像素的平均值与地基站点进行时空匹配；
获取MODIS传感器的二级MAIAC AOD产品数据，并进行重采样为预设分辨率，MAIACAOD记录时间与AGRI数据的时间间隔不超过24h；
获取MODIS传感器的三级植被覆盖指数产品数据，对所述三级植被覆盖指数产品数据中的归一化植被指数植被层重采样为预设分辨率，归一化植被指数植被层的记录时间与AGRI数据的时间间隔不超过30天；
获取MODIS传感器的三级土地覆盖类型产品数据，将所述三级土地覆盖类型产品数据合并为多类土地覆盖，土地覆盖的种类包括森林、草地、耕地、城市用地、水体和其他用地；
获取ERA5数据，对所述ERA5数据中的水汽含量和臭氧含量数据重采样为预设分辨率，气象数据记录时间与AGRI数据的时间间隔不超过24h。
进一步地，所述引入MODIS气溶胶数据辅助计算AGRI蓝通道地表反射率、短波红外通道表观反射率与蓝通道地表反射率的比值，并结合反射率比值和归一化植被指数构建动态光谱反射率比值数组，具体包括：
假设地表是均匀的朗伯体表面，大气在垂直高度的变化均匀，表观反射率和地表反射率之间的关系为：
式中，ρTOA(θs,θv,φ)表示大气层顶的表观反射率，θs表示太阳天顶角，θv指卫星天顶角，φ是相对方位角，ρ0(θs,θv,φ)是大气路径辐射，ρs表示地表反射率，T(θs)和T(θv)分别表示大气下行和上行的透过率，S是大气球面反照率，指包含观测几何角度参数、AOD、气溶胶类型等参数在内的综合影响，T(θs)、T(θv)、S、ρ0(θs,θv,φ)使用观测几何角度(θs,θv,φ)基于6S辐射传输模型计算得到；
基于6S辐射传输模型，假定区域内为大陆型气溶胶，建立了一个简易版查找表，使用多维插值的方法，对查找表进行加密，得到最终的气溶胶反演查找表，所述气溶胶反演查找表中包括第一参数及第一参数对应的步长和数值，所述第一参数包括太阳天顶角、卫星天顶角、相对方位角、气溶胶类型、水汽含量和臭氧含量；
使用MODIS MAIAC AOD作为已知值，联合FY-4B几何参数、表观反射率和查找表中各项大气参数，基于式(2)计算出FY-4B 0.47μm通道的理论地表反射率，然后逐像元计算0.47μm通道理论地表反射率和2.25μm通道表观反射率的反射率比值：
是0.47μm通道的地表反射率，/>是2.25μm通道的表观反射率。
将植被覆盖指数产品(MOD13Q1/MYD13Q1)的NDVI数据与AGRI L1数据进行时空匹配，确保每个像元对应一个MODIS NDVI值和一个地表反射比值，然后建立动态光谱反射率比值数组，其中包括每个像素的NDVI值和反射率比值。
进一步地，所述联合MODIS土地覆盖类型数据和气溶胶光学厚度确定区域气溶胶类型，具体包括：
第一次反演时假定气溶胶类型为大陆气溶胶，对研究区AGRI数据进行气溶胶反演，获取初步AOD。
特定的AOD阈值与气溶胶特征和气溶胶类型之间存在较强联系。在第二次反演中，根据初步AOD，通过如下方法确定气溶胶类型：
将AOD<0.5的城市清洁区视为海洋型气溶胶，AOD>1的沙漠地区视为沙漠尘埃型气溶胶，AOD>1的城市污染区视为焚烧/城市工业型气溶胶。
进一步地，所述第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据确定的区域气溶胶类型对高浓度和低浓度气溶胶进行反演，整合两次反演以获取最终气溶胶光学厚度数据，具体包括：
通过对MOD13Q1/MYD13Q1产品的NDVI数据进行内插，得到AGRI L1数据各时刻的NDVI值；
通过如下方法进行第一次反演和第二次反演：根据待反演匹配数据的NDVI值在比值数组中检索相似NDVI值以及对应的反射率比值，对反射率比值插值处理得到待反演数据的反射率比值，利用2.25μm通道的TOA和反射率比值，根据式(3)计算0.47μm通道的地表反射率，并基于式(2)得到AOD的反演结果；
在第一次反演中，气溶胶类型为大陆型气溶胶；
在第二次反演中，气溶胶类型分别用于沙漠地区、城市污染地区和城市清洁地区，以获得第二次反演结果，将两次的反演结果进行整合，得到最终的AOD；
基于6S辐射传输模型，建立一个气溶胶反演查找表，采用多维插值法对气溶胶反演查找表进行加密，得到加密后的查找表。
根据本发明的第二技术方案，提供一种气溶胶光学厚度反演装置，所述装置包括：
时空匹配模块，被配置为选取相同时空覆盖下的AGRI数据、ERA5再分析数据和MODIS数据，将各项数据进行预处理并重采样至相同空间分辨率，并进行时空匹配；
构建模块，被配置为引入MODIS气溶胶数据辅助计算AGRI蓝通道地表反射率、短波红外通道表观反射率与蓝通道地表反射率的比值，并结合反射率比值和归一化植被指数构建动态光谱反射率比值数组；
类型确定模块，被配置为联合MODIS土地覆盖类型数据和气溶胶光学厚度确定区域气溶胶类型；
反演模块，被配置为第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据确定的区域气溶胶类型对高浓度和低浓度气溶胶进行反演，整合两次反演以获取最终气溶胶光学厚度数据。
进一步地，所述构建模块被进一步配置为：
假设地表是均匀的朗伯体表面，大气在垂直高度的变化均匀，表观反射率和地表反射率之间的关系为：
式中，ρTOA(θs,θv,φ)表示大气层顶的表观反射率，θs表示太阳天顶角，θv指卫星天顶角，φ是相对方位角，ρ0(θs,θv,φ)是大气路径辐射，ρs表示地表反射率，T(θs)和T(θv)分别表示大气下行和上行的透过率，S是大气球面反照率，指包含观测几何角度参数、AOD、气溶胶类型等参数在内的综合影响，T(θs)、T(θv)、S、ρ0(θs,θv,φ)使用观测几何角度(θs,θv,φ)基于6S辐射传输模型计算得到；
基于6S辐射传输模型，假定区域内为大陆型气溶胶，建立了一个简易版查找表，使用多维插值的方法，对查找表进行加密，得到最终的气溶胶反演查找表，所述气溶胶反演查找表中包括第一参数及第一参数对应的步长和数值，所述第一参数包括太阳天顶角、卫星天顶角、相对方位角、气溶胶类型、水汽含量和臭氧含量；
使用MODIS MAIAC AOD作为已知值，联合FY-4B几何参数、表观反射率和查找表中各项大气参数，基于式(2)计算出FY-4B 0.47μm通道的理论地表反射率，然后逐像元计算0.47μm通道理论地表反射率和2.25μm通道表观反射率的反射率比值：
是0.47μm通道的地表反射率，/>是2.25μm通道的表观反射率。
将MOD13Q1/MYD13Q1产品的NDVI数据与AGRI L1数据进行时空匹配，确保每个像元对应一个MODIS NDVI值和一个地表反射比值，然后建立动态光谱反射率比值数组，其中包括每个像素的NDVI值和反射率比值。
进一步地，所述反演模块被进一步配置为：
通过对MOD13Q1/MYD13Q1产品的NDVI数据进行内插，得到AGRI L1数据各时刻的NDVI值；
通过如下方法进行第一次反演和第二次反演：根据待反演匹配数据的NDVI值在比值数组中检索相似NDVI值以及对应的反射率比值，对反射率比值插值处理得到待反演数据的反射率比值，利用2.25μm通道的TOA和反射率比值，根据式(3)计算0.47μm通道的地表反射率，并基于式(2)得到AOD的反演结果；
在第一次反演中，气溶胶类型为大陆型气溶胶；
在第二次反演中，气溶胶类型分别用于沙漠地区、城市污染地区和城市清洁地区，以获得第二次反演结果，将两次的反演结果进行整合，得到最终的AOD；
基于6S辐射传输模型，建立一个气溶胶反演查找表，采用多维插值法对气溶胶反演查找表进行加密，得到加密后的查找表。
根据本发明的第三技术方案，提供一种气溶胶光学厚度反演系统，所述系统包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如上所述的方法。
根据本发明的第四技术方案，提供一种存储有指令的非暂时性计算机可读存储介质，当所述指令由处理器执行时，执行如上所述的方法。
根据本发明各个方案的星基气溶胶光学厚度反演方法、装置及系统和存储介质，其至少具有以下技术效果：
本发明能够获取区域全覆盖的长时间序列AOD数据集。经验证，气溶胶光学厚度数据解与地基数据AERONET AOD具有较高的时空一致性。两者之间相关系数R达0.89，均方根误差RMSE＝0.194，平均误差MRE为0.058，此外有51％的AOD匹配数据落在期望误差包络范围内。与AGRI官方气溶胶产品的对比结果表明，AGRI官方气溶胶产品在京津冀地区的气溶胶估计存在较大偏差，不适用于高气溶胶浓度反演。
附图说明
图1示出了根据本发明实施例的一种星基气溶胶光学厚度反演方法的流程图；
图2示出了根据本发明实施例的NDVI与AGRI 0.47μm通道和2.25μm通道表面反射率的关系图；
图3示出了根据本发明实施例的获取的AOD数据集(SDSRR AOD)和LDA AOD数据集与站点测量值的比较图；
图4示出了根据本发明实施例的站点观测和AOD数据集的误差箱图；
图5示出了根据本发明实施例的基于地面站点的日均AOD值的时间序列比较图；
图6示出了根据本发明实施例的SDSRR AOD与地基观测值的季节验证结果；
图7示出了根据本发明实施例的SDSRR AOD、LDA AOD与地基观测值的小时验证结果；
图8示出了根据本发明实施例的一种气溶胶光学厚度反演装置的结构图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。下面结合附图和具体实施例对本发明的实施例作进一步详细描述，但不作为对本发明的限定。本文中所描述的各个步骤，如果彼此之间没有前后关系的必要性，则本文中作为示例对其进行描述的次序不应视为限制，本领域技术人员应知道可以对其进行顺序调整，只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。
本发明实施例提供一种星基气溶胶光学厚度反演方法，如图1所示，该方法包括如下步骤：
S1、选取相同时空覆盖下的AGRI数据、ERA5再分析数据和中分辨率成像分光仪MODIS产品，将各项数据进行预处理并重采样至相同空间分辨率，然后进行时空匹配：
选取地基站点Aerosol Robotic Network(AERONET)的观测数据，数据观测时间与AGRI AOD的时间间隔不超过15min，AGRI AOD数据位于以AERONET地基站点为圆心、以30km为半径的圆圈内，使用多个AGRI AOD像素的平均值与地基站点进行时空匹配。利用MODIS传感器的二级MAIAC AOD产品(MCD19A2)，其空间分辨率为1km，时间分辨率为1天。对其重采样为4km分辨率，MAIAC AOD记录时间与AGRI数据的时间间隔不超过24h；利用MODIS传感器的三级植被覆盖指数产品(MOD13Q1/MYD13Q1)，其空间分辨率为250m，时间分辨率为16天。对其归一化植被指数植被层(NDVI)重采样为4km分辨率，NDVI记录时间与AGRI数据的时间间隔不超过30天；利用MODIS传感器的三级土地覆盖类型产品(MCD12Q1)，其空间分辨率为500m，时间分辨率为1年。根据需要将产品合并为五类土地覆盖：森林、草地、耕地、城市用地和其他；利用欧洲中期天气预报中心发布的第五代全球再分析资料(ERA5)，其空间分辨率为0.250°，时间分辨率为1小时。对水汽含量和臭氧含量数据重采样为4km分辨率，气象数据记录时间与AGRI数据的时间间隔不超过24h。
S2、引入MODIS气溶胶产品(MCD19A2)辅助计算AGRI蓝通道地表反射率、短波红外通道表观反射率与蓝通道地表反射率的比值，然后结合反射率比值和归一化植被指数(NDVI)构建动态光谱反射率比值数组，基于地表相关动态光谱反射率比值数组建立方法为：
假设地表是均匀的朗伯体表面，大气在垂直高度的变化均匀，表观反射率和地表反射率之间的关系为：
式中，ρTOA(θs,θv,φ)表示大气层顶的表观反射率，θs表示太阳天顶角，θv指卫星天顶角，φ是相对方位角，ρ0(θs,θv,φ)是大气路径辐射，ρs表示地表反射率，T(θs)和T(θv)分别表示大气下行和上行的透过率，S是大气球面反照率，指包含观测几何角度参数、AOD、气溶胶类型等参数在内的综合影响。T(θs)、T(θv)、S、ρ0(θs,θv,φ)几个参数可以使用观测几何角度(θs,θv,φ)基于6S辐射传输模型计算得到。
(1)基于6S辐射传输模型，假定京津冀地区为大陆型气溶胶，建立了一个简易版查找表，后续使用多维插值的方法，对查找表进行加密，得到最终所需的气溶胶反演查找表，如下表1所示。
表1吸收订正查找表参数设置
(2)使用MODIS MAIAC AOD作为已知值，联合FY-4B几何参数、表观反射率和查找表中各项大气参数，基于式(2)计算出FY-4B 0.47μm通道的理论地表反射率。然后逐像元计算0.47μm通道理论地表反射率和2.25μm通道表观反射率的反射率比值，见式(3)。
是0.47μm通道的地表反射率，/>是2.25μm通道的表观反射率。
(3)将MOD13Q1/MYD13Q1产品的NDVI数据与AGRI L1数据进行时空匹配，确保每个像元对应一个MODIS NDVI值和一个地表反射比值。然后建立动态光谱反射率比值数组，其中包括每个像素的NDVI值和反射率比值。
本发明中NDVI与AGRI 0.47μm通道和2.25μm通道表面反射率(SRR)的关系图如图2所示。通过对图2分析可知，蓝光通道反射率和近红外通道表观反射率在NDVI>0.5的浓密植被覆盖区域呈现较为稳定的线性关系，即0.47μm通道的地表反射率为2.25μm通道的表观反射率的四分之一，但在植被稀疏区域(NDVI<0.4)反射率经验关系呈现较大的波动性。因此，基于地表相关动态光谱反射率比值建立的气溶胶反演方法，考虑到了不同植被覆盖条件下，像元反射率之间经验关系的差异，可以为后续计算提供了较为准确的地表反射率值。
S3、联合MODIS土地覆盖类型产品(MCD12Q1)和气溶胶光学厚度确定区域气溶胶类型，确定气溶胶类型的方法为：
(1)第一次反演时假定气溶胶类型为大陆气溶胶，对研究区AGRI数据进行气溶胶反演，获取初步AOD。
(2)特定的AOD阈值与气溶胶特征和气溶胶类型之间存在较强联系。在第二次反演中，结合了MODIS土地覆被类型(MCD12Q1)和第一次反演计算的初步AOD值来选择气溶胶类型。参考以往研究的阈值，并在研究区域进行了测试，将AOD<0.5的城市清洁区视为海洋型气溶胶，AOD>1的沙漠地区视为沙漠尘埃型气溶胶，AOD>1的城市污染区视为焚烧/城市工业型气溶胶。
S4、第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据步骤3确定的气溶胶类型对高浓度和低浓度气溶胶进行二次反演，整合两次反演以获取最终气溶胶光学厚度数据，反演过程如下：
(1)为减小不同计算方法引起的NDVI误差，通过对MOD13Q1/MYD13Q1产品的NDVI数据进行内插，得到AGRI L1数据各时刻的NDVI值。
(2)在第一次反演中，根据待反演匹配数据的NDVI值在比值数组中检索相似NDVI值以及对应的反射率比值，对反射率比值插值处理得到待反演数据的反射率比值。利用2.25μm通道的TOA和反射率比值，根据式(3)计算0.47μm通道的地表反射率。然后基于式(2)得到AOD的反演结果。
(3)根据初步检索结果，对低浓度和高浓度气溶胶进行了二次反演。第二次反演获取地表反射率的方法与第一次相同。气溶胶类型分别用于沙漠地区、城市污染地区和城市清洁地区，以获得第二次反演结果。最后，将反演结果进行整合，得到最终的AOD。
(4)为提高计算效率，首先基于6S辐射传输模型，建立一个简单版本的气溶胶反演查找表。随后，采用多维插值法对查找表进行加密，得到最终的查找表。加密后的反演查找表如表2所示。
表2反演查找表参数设置
优选的，方法精度评估的指标包括但不限于相关系数R、均方根误差RMSE、平均想对误差MRE，其中R、RMSE、MRE的公式如下所示：
其中，N表示匹配点对的总数，Vi表示方法反演的第i个样本的AOD值，Vi'表示与Vi相对应的地基测量真值。
使用上述精度指标对模型的精度进行验证，得到的结果如图3所示。气溶胶光学厚度数据解与地基数据AERONET AOD具有较高的时空一致性：R＝0.89，RMSE＝0.194，MRE＝0.058，此外有51％的AOD匹配数据落在期望误差包络范围内。与AGRI官方气溶胶产品的对比结果表明，AGRI官方气溶胶产品在京津冀地区的气溶胶估计存在较大偏差，不适用于高气溶胶浓度反演：R＝0.82，RMSE＝0.380，MRE＝0.045，withinEE＝49％。
图4表示气溶胶反演误差随AOD值的变化情况，其中Bias＝τaeronet-τSDSRR/LDA。如图4-A所示，本发明方法在低AOD表现高估，AOD大于1.1时，出现负偏差，偏差均值为0.3。SDSRRAOD的误差包络线EE可以从EA±EP(两条灰线)获得：[-0.30×τa-0.11,0.22×τa+0.01]，在该范围内有70％的AOD偏差。此外，图4-B所示，AGRI官方气溶胶产品整体高估，尤其是在AOD大于0.8时，出现了严重高估，偏差均值达到0.9，表明AGRI官方气溶胶产品不适用于反演高浓度气溶胶，其反演精度有待进一步改进。LDA AOD的误差包络线：[-0.91×τa+0.14,0.21×τa+0.10]，在该范围内有61％的AOD偏差。
为了解本文地表反射率查找表方法与AGRI气溶胶产品与AERONET AOD在日均变化上的差异，本文选用四个地基站点进行了不同日期的时间序列分析，如图5所示。本发明方法获取的AOD数据集(SDSRR AOD)与AGRI气溶胶产品与AERONET观测值保持其相关系数分别达到了0.83-0.92与0.75-0.89。整体而言，SDSRR AOD与站点观测值的保持了较高的一致性，与站点数据的偏差小于LDA AOD。3月19日，LDA AOD在XiangHe、Beijing_CAMS、Beijing_PKU站点上都出现了严重的高估现象，如图5-A、5-C、5-D所示。5月29日，SDSRR AOD与LDAAOD在四个站点上都出现高估，其中，LDA AOD偏差尤为明显。综合以上分析，本发明方法与AGRI气溶胶产品能够很好的反映出研究区的气溶胶变化，但AGRI官方气溶胶产品在三月中下旬表现出了较大的误差。
图6显示了不同季节SDSRR AOD与AERONET测量值的散点图。在四个季节中，SDSRRAOD在气溶胶水平较低时被高估。SDSRR方法的反演结果在夏季性能最差(RMSE＝0.32，MRE＝0.24，EE＝22％)，匹配总数在四个季节中最少(N＝840)，这可能受到云量的影响，也可能与SDSRR方法中使用的气溶胶模型难以描述BTH地区夏季气溶胶特性有关。
为了研究SDSRR AOD和LDA AOD以及AERONET AOD在白天不同时段的检索效果差异，将数据集划分为北京时间09:00-16:00的8个时间段，如图7和下表所示。结果表明，SDSRR AOD的总体性能优于LDA AOD。SDSRR方法在北京时间15:00时检索结果最好(R＝0.92，RMSE＝0.16，MRE＝0.10，withinEE＝70％)，在11:00-13:00时检索结果稍差，AOD被高估。本发明方法在各时刻的性能差异可能与太阳天顶角和散射角的变化有关。LDA AOD在10:00时性能最好，在12:00-15:00时性能最差，在北京时间14:00时偏差最大(0.57)。
表3.不同时段SDSRR和LDA AOD的检索结果
因此，本发明公开了一种基于地表相关动态光谱反射率比值的FY-4B AGRI卫星传感器星基气溶胶光学厚度反演方法。本发明考虑到不同植被覆盖下反射率比值关系的不确定性，联合反射率比值与归一化植被指数建立动态光谱反射率比值数组以获取准确地表反射率估计值，发明不需要筛选暗像元，能够获取较为准确气溶胶光学厚度产品，其反演结果优于AGRI官方气溶胶产品，发明适用于大多数卫星传感器在陆地区域晴空条件下的气溶胶光学厚度反演，具有较强的普适性。
本发明实施例还提供一种气溶胶光学厚度反演装置，请参阅图8，图8示出了根据本发明实施例的一种气溶胶光学厚度反演装置的结构图。所述装置包括：
时空匹配模块801，被配置为选取相同时空覆盖下的AGRI数据、ERA5再分析数据和MODIS数据，将各项数据进行预处理并重采样至相同空间分辨率，并进行时空匹配；
构建模块802，被配置为引入MODIS气溶胶数据辅助计算AGRI蓝通道地表反射率、短波红外通道表观反射率与蓝通道地表反射率的比值，并结合反射率比值和归一化植被指数构建动态光谱反射率比值数组；
类型确定模块803，被配置为联合MODIS土地覆盖类型数据和气溶胶光学厚度确定区域气溶胶类型；
反演模块804，被配置为第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据确定的区域气溶胶类型对高浓度和低浓度气溶胶进行反演，整合两次反演以获取最终气溶胶光学厚度数据。
在一些实施例中，所述时空匹配模块被进一步配置为：
获取地基站点的观测数据，数据观测时间与AGRI AOD的时间间隔不超过15min，AGRI AOD数据位于以地基站点为圆心、以30km为半径的圆圈内，使用多个AGRI AOD像素的平均值与地基站点进行时空匹配；
获取MODIS传感器的二级MAIAC AOD产品数据，并进行重采样为预设分辨率，MAIACAOD记录时间与AGRI数据的时间间隔不超过24h；
获取MODIS传感器的三级植被覆盖指数产品数据，对所述三级植被覆盖指数产品数据中的归一化植被指数植被层重采样为预设分辨率，归一化植被指数植被层的记录时间与AGRI数据的时间间隔不超过30天；
获取MODIS传感器的三级土地覆盖类型产品数据，将所述三级土地覆盖类型产品数据合并为多类土地覆盖，土地覆盖的种类包括森林、草地、耕地、城市用地、水体和其他用地；
获取ERA5数据，对所述ERA5数据中的水汽含量和臭氧含量数据重采样为预设分辨率，气象数据记录时间与AGRI数据的时间间隔不超过24h。
在一些实施例中，所述构建模块被进一步配置为：
假设地表是均匀的朗伯体表面，大气在垂直高度的变化均匀，表观反射率和地表反射率之间的关系为：
式中，ρTOA(θs,θv,φ)表示大气层顶的表观反射率，θs表示太阳天顶角，θv指卫星天顶角，φ是相对方位角，ρ0(θs,θv,φ)是大气路径辐射，ρs表示地表反射率，T(θs)和T(θv)分别表示大气下行和上行的透过率，S是大气球面反照率，指包含观测几何角度参数、AOD、气溶胶类型等参数在内的综合影响，T(θs)、T(θv)、S、ρ0(θs,θv,φ)使用观测几何角度(θs,θv,φ)基于6S辐射传输模型计算得到；
基于6S辐射传输模型，假定区域内为大陆型气溶胶，建立了一个简易版查找表，使用多维插值的方法，对查找表进行加密，得到最终的气溶胶反演查找表，所述气溶胶反演查找表中包括第一参数及第一参数对应的步长和数值，所述第一参数包括太阳天顶角、卫星天顶角、相对方位角、气溶胶类型、水汽含量和臭氧含量；
使用MODIS MAIAC AOD作为已知值，联合FY-4B几何参数、表观反射率和查找表中各项大气参数，基于式(2)计算出FY-4B 0.47μm通道的理论地表反射率，然后逐像元计算0.47μm通道理论地表反射率和2.25μm通道表观反射率的反射率比值：
是0.47μm通道的地表反射率，/>是2.25μm通道的表观反射率。
将植被覆盖指数产品(MOD13Q1/MYD13Q1)的NDVI数据与AGRI L1数据进行时空匹配，确保每个像元对应一个MODIS NDVI值和一个地表反射比值，然后建立动态光谱反射率比值数组，其中包括每个像素的NDVI值和反射率比值。
在一些实施例中，所述类型确定模块被进一步配置为：
第一次反演时假定气溶胶类型为大陆气溶胶，对研究区AGRI数据进行气溶胶反演，获取初步AOD。
特定的AOD阈值与气溶胶特征和气溶胶类型之间存在较强联系。在第二次反演中，根据初步AOD，通过如下方法确定气溶胶类型：
将AOD<0.5的城市清洁区视为海洋型气溶胶，AOD>1的沙漠地区视为沙漠尘埃型气溶胶，AOD>1的城市污染区视为焚烧/城市工业型气溶胶。
在一些实施例中，所述反演模块被进一步配置为：
通过对MOD13Q1/MYD13Q1产品的NDVI数据进行内插，得到AGRI L1数据各时刻的NDVI值；
通过如下方法进行第一次反演和第二次反演：根据待反演匹配数据的NDVI值在比值数组中检索相似NDVI值以及对应的反射率比值，对反射率比值插值处理得到待反演数据的反射率比值，利用2.25μm通道的TOA和反射率比值，根据式(3)计算0.47μm通道的地表反射率，并基于式(2)得到AOD的反演结果；
在第一次反演中，气溶胶类型为大陆型气溶胶；
在第二次反演中，气溶胶类型分别用于沙漠地区、城市污染地区和城市清洁地区，以获得第二次反演结果，将两次的反演结果进行整合，得到最终的AOD；
基于6S辐射传输模型，建立一个气溶胶反演查找表，采用多维插值法对气溶胶反演查找表进行加密，得到加密后的查找表。
需要注意，描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的模块也可以设置在处理器中。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
本发明实施例所提到的气溶胶光学厚度反演装置与在先阐述的方法属于同一技术构思，其起到的技术效果基本一致，此处不赘述。
本发明实施例还提供一种气溶胶光学厚度反演系统，所述系统包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现本发明任一实施例的水面多尺度目标方法。
本发明实施例还提供了一种存储有指令的非暂时性计算机可读介质，当指令由处理器执行时，执行根据本发明任一实施例所述的水面多尺度目标方法。
此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本发明的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。
以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本发明。
Claims (8)
1.一种星基气溶胶光学厚度反演方法，其特征在于，所述方法包括：
选取相同时空覆盖下的AGRI数据、ERA5再分析数据和MODIS数据，将各项数据进行预处理并重采样至相同空间分辨率，并进行时空匹配；
引入MODIS气溶胶数据辅助计算AGRI蓝通道地表反射率、蓝通道地表反射率与短波红外通道表观反射率的比值，并结合反射率比值和归一化植被指数构建动态光谱反射率比值数组；
联合MODIS土地覆盖类型数据和气溶胶光学厚度确定区域气溶胶类型；
第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据确定的区域气溶胶类型对高浓度和低浓度气溶胶进行反演，整合两次反演以获取最终气溶胶光学厚度数据；
所述引入MODIS气溶胶数据辅助计算AGRI蓝通道地表反射率、蓝通道地表反射率与短波红外通道表观反射率的比值，并结合反射率比值和归一化植被指数构建动态光谱反射率比值数组，具体包括：
假设地表是均匀的朗伯体表面，大气在垂直高度的变化均匀，表观反射率和地表反射率之间的关系为：
式中，ρTOA(θs,θv,φ)表示大气层顶的表观反射率，θs表示太阳天顶角，θv指卫星天顶角，φ是相对方位角，ρ0(θs,θv,φ)是大气路径辐射，ρs表示地表反射率，T(θs)和T(θv)分别表示大气下行和上行的透过率，S是大气球面反照率，指包含观测几何角度参数、AOD、气溶胶类型等参数在内的综合影响，T(θs)、T(θv)、S、ρ0(θs,θv,φ)使用观测几何角度(θs,θv,φ)基于6S辐射传输模型计算得到；
基于6S辐射传输模型，假定区域内为大陆型气溶胶，建立了一个简易版查找表，使用多维插值的方法，对查找表进行加密，得到最终的气溶胶反演查找表，所述气溶胶反演查找表中包括第一参数及第一参数对应的步长和数值，所述第一参数包括太阳天顶角、卫星天顶角、相对方位角、气溶胶类型、水汽含量和臭氧含量；
使用MODIS MAIAC AOD作为已知值，联合FY-4B几何参数、表观反射率和查找表中各项大气参数，基于式(2)计算出FY-4B 0.47μm通道的理论地表反射率，然后逐像元计算0.47μm通道理论地表反射率和2.25μm通道表观反射率的反射率比值：
是0.47μm通道的地表反射率，/>是2.25μm通道的表观反射率；
将植被覆盖指数产品的NDVI数据与AGRI L1数据进行时空匹配，确保每个像元对应一个MODIS NDVI值和一个地表反射比值，然后建立动态光谱反射率比值数组，其中包括每个像素的NDVI值和反射率比值。
2.根据权利要求1所述的方法，其特征在于，所述选取相同时空覆盖下的AGRI数据、ERA5再分析数据和MODIS数据，将各项数据进行预处理并重采样至相同空间分辨率，并进行时空匹配，具体包括：
获取地基站点的观测数据，数据观测时间与AGRI AOD的时间间隔不超过15min，AGRIAOD数据位于以地基站点为圆心、以30km为半径的圆圈内，使用多个AGRI AOD像素的平均值与地基站点进行时空匹配；
获取MODIS传感器的二级MAIAC AOD产品数据，并进行重采样为预设分辨率，MAIAC AOD记录时间与AGRI数据的时间间隔不超过24h；
获取MODIS传感器的三级植被覆盖指数产品数据，对所述三级植被覆盖指数产品数据中的归一化植被指数植被层重采样为预设分辨率，归一化植被指数植被层的记录时间与AGRI数据的时间间隔不超过30天；
获取MODIS传感器的三级土地覆盖类型产品数据，将所述三级土地覆盖类型产品数据合并为多类土地覆盖，土地覆盖的种类包括森林、草地、耕地、城市用地和水体；
获取ERA5数据，对所述ERA5数据中的水汽含量和臭氧含量数据重采样为预设分辨率，气象数据记录时间与AGRI数据的时间间隔不超过24h。
3.根据权利要求1所述的方法，其特征在于，所述联合MODIS土地覆盖类型数据和气溶胶光学厚度确定区域气溶胶类型，具体包括：
第一次反演时假定气溶胶类型为大陆气溶胶，对研究区AGRI数据进行气溶胶反演，获取初步AOD；
特定的AOD阈值与气溶胶特征和气溶胶类型之间存在联系；在第二次反演中，结合MODIS土地覆被类型和第一次反演计算的初步AOD值来选择气溶胶类型：
将AOD<0.5的城市清洁区视为海洋型气溶胶，AOD>1的沙漠地区视为沙漠尘埃型气溶胶，AOD>1的城市污染区视为焚烧/城市工业型气溶胶。
4.根据权利要求1所述的方法，其特征在于，所述第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据确定的区域气溶胶类型对高浓度和低浓度气溶胶进行反演，整合两次反演以获取最终气溶胶光学厚度数据，具体包括：
通过对MOD13Q1/MYD13Q1产品的NDVI数据进行内插，得到AGRI L1数据各时刻的NDVI值；
通过如下方法进行第一次反演和第二次反演：根据待反演匹配数据的NDVI值在比值数组中检索相似NDVI值以及对应的反射率比值，对反射率比值插值处理得到待反演数据的反射率比值，利用2.25μm通道的TOA和反射率比值，根据式(3)计算0.47μm通道的地表反射率，并基于式(2)得到AOD的反演结果；
在第一次反演中，气溶胶类型为大陆型气溶胶；
在第二次反演中，气溶胶类型分别用于沙漠地区、城市污染地区和城市清洁地区，以获得第二次反演结果，将两次的反演结果进行整合，得到最终的AOD；
基于6S辐射传输模型，建立一个气溶胶反演查找表，采用多维插值法对气溶胶反演查找表进行加密，得到加密后的查找表。
5.一种气溶胶光学厚度反演装置，其特征在于，所述装置包括：
时空匹配模块，被配置为选取相同时空覆盖下的AGRI数据、ERA5再分析数据和MODIS数据，将各项数据进行预处理并重采样至相同空间分辨率，并进行时空匹配；
构建模块，被配置为引入MODIS气溶胶数据辅助计算AGRI蓝通道地表反射率、蓝通道地表反射率与短波红外通道表观反射率的比值，并结合反射率比值和归一化植被指数构建动态光谱反射率比值数组；
类型确定模块，被配置为联合MODIS土地覆盖类型数据和气溶胶光学厚度确定区域气溶胶类型；
反演模块，被配置为第一次反演时假定区域内为大陆型气溶胶来获取初始气溶胶光学厚度，第二次反演时根据确定的区域气溶胶类型对高浓度和低浓度气溶胶进行反演，整合两次反演以获取最终气溶胶光学厚度数据；
所述构建模块被进一步配置为：
假设地表是均匀的朗伯体表面，大气在垂直高度的变化均匀，表观反射率和地表反射率之间的关系为：
式中，ρTOA(θs,θv,φ)表示大气层顶的表观反射率，θs表示太阳天顶角，θv指卫星天顶角，φ是相对方位角，ρ0(θs,θv,φ)是大气路径辐射，ρs表示地表反射率，T(θs)和T(θv)分别表示大气下行和上行的透过率，S是大气球面反照率，指包含观测几何角度参数、AOD、气溶胶类型等参数在内的综合影响，T(θs)、T(θv)、S、ρ0(θs,θv,φ)使用观测几何角度(θs,θv,φ)基于6S辐射传输模型计算得到；
基于6S辐射传输模型，假定区域内为大陆型气溶胶，建立了一个简易版查找表，使用多维插值的方法，对查找表进行加密，得到最终的气溶胶反演查找表，所述气溶胶反演查找表中包括第一参数及第一参数对应的步长和数值，所述第一参数包括太阳天顶角、卫星天顶角、相对方位角、气溶胶类型、水汽含量和臭氧含量；
使用MODIS MAIAC AOD作为已知值，联合FY-4B几何参数、表观反射率和查找表中各项大气参数，基于式(2)计算出FY-4B 0.47μm通道的理论地表反射率，然后逐像元计算0.47μm通道理论地表反射率和2.25μm通道表观反射率的反射率比值：
是0.47μm通道的地表反射率，/>是2.25μm通道的表观反射率；
将植被覆盖指数产品的NDVI数据与AGRI L1数据进行时空匹配，确保每个像元对应一个MODIS NDVI值和一个地表反射比值，然后建立动态光谱反射率比值数组，其中包括每个像素的NDVI值和反射率比值。
6.根据权利要求5所述的装置，其特征在于，所述反演模块被进一步配置为：
通过对MOD13Q1/MYD13Q1产品的NDVI数据进行内插，得到AGRI L1数据各时刻的NDVI值；
通过如下方法进行第一次反演和第二次反演：根据待反演匹配数据的NDVI值在比值数组中检索相似NDVI值以及对应的反射率比值，对反射率比值插值处理得到待反演数据的反射率比值，利用2.25μm通道的TOA和反射率比值，根据式(3)计算0.47μm通道的地表反射率，并基于式(2)得到AOD的反演结果；
在第一次反演中，气溶胶类型为大陆型气溶胶；
在第二次反演中，气溶胶类型分别用于沙漠地区、城市污染地区和城市清洁地区，以获得第二次反演结果，将两次的反演结果进行整合，得到最终的AOD；
基于6S辐射传输模型，建立一个气溶胶反演查找表，采用多维插值法对气溶胶反演查找表进行加密，得到加密后的查找表。
7.一种气溶胶光学厚度反演系统，其特征在于：所述系统包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如权利要求1至4中任一项所述的方法。
8.一种存储有指令的非暂时性计算机可读存储介质，当所述指令由处理器执行时，执行根据权利要求1至4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311061691.1A CN117347282B (zh) | 2023-08-22 | 2023-08-22 | 星基气溶胶光学厚度反演方法、装置及系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311061691.1A CN117347282B (zh) | 2023-08-22 | 2023-08-22 | 星基气溶胶光学厚度反演方法、装置及系统和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117347282A CN117347282A (zh) | 2024-01-05 |
| CN117347282B true CN117347282B (zh) | 2024-05-28 |
Family
ID=89363911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311061691.1A Active CN117347282B (zh) | 2023-08-22 | 2023-08-22 | 星基气溶胶光学厚度反演方法、装置及系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117347282B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118196653B (zh) * | 2024-05-17 | 2024-08-27 | 青岛星科瑞升信息科技有限公司 | 基于卫星传感器dn值的aod反演方法及装置 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 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 |
| CN102338871A (zh) * | 2010-07-22 | 2012-02-01 | 曹春香 | 地表反射率计算方法和装置 |
| CN103927455A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 基于高分一号卫星的陆地气溶胶光学性质反演方法 |
| WO2016128898A1 (en) * | 2015-02-10 | 2016-08-18 | International Rice Research Institute | Semi-dwarf drought tolerant rice and related methods and materials |
| 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 |
| CN110186823A (zh) * | 2019-06-26 | 2019-08-30 | 中国科学院遥感与数字地球研究所 | 一种气溶胶光学厚度反演方法 |
| CN111126203A (zh) * | 2019-12-04 | 2020-05-08 | 山东科技大学 | 基于ndvi百分比匹配的浓密植被识别方法 |
| CN111323352A (zh) * | 2020-04-09 | 2020-06-23 | 中南大学 | 融合细颗粒物浓度数据的区域pm2.5遥感反演模型 |
| 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 |
| CN113324915A (zh) * | 2021-05-24 | 2021-08-31 | 武汉大学 | 一种支持高分辨率气溶胶光学厚度反演的城市复杂地表反射率估算方法 |
| 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 |
| CN115169646A (zh) * | 2022-06-13 | 2022-10-11 | 中南大学 | 利用葵花八号卫星数据的小时级地表臭氧浓度遥感方法 |
| CN116067857A (zh) * | 2023-03-10 | 2023-05-05 | 南京航天宏图信息技术有限公司 | Fy-4a气溶胶光学厚度的反演方法、装置、设备和介质 |
| CN116297068A (zh) * | 2023-05-25 | 2023-06-23 | 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 |
| 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 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7337065B2 (en) * | 2001-01-23 | 2008-02-26 | Spectral Sciences, Inc. | Methods for atmospheric correction of solar-wavelength hyperspectral imagery over land |
| US7184890B2 (en) * | 2003-11-24 | 2007-02-27 | The Boeing Company | Cloud shadow detection: VNIR-SWIR |
| CN109884664B (zh) * | 2019-01-14 | 2022-12-02 | 武汉大学 | 一种城市地上生物量光学微波协同反演方法及系统 |
| US11640653B2 (en) * | 2019-07-01 | 2023-05-02 | Advanced Remote Sensing Inc. | Method to correct satellite data to surface reflectance using scene statistics |
| US20210247297A1 (en) * | 2019-07-01 | 2021-08-12 | David P. Groeneveld | Systems and Methods for Converting Satellite Images to Surface Reflectance Using Scene Statistics |
| CN111122449B (zh) * | 2019-12-31 | 2024-07-30 | 北京师范大学 | 一种城市不透水面遥感提取方法及系统 |
-
2023
- 2023-08-22 CN CN202311061691.1A patent/CN117347282B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102338871A (zh) * | 2010-07-22 | 2012-02-01 | 曹春香 | 地表反射率计算方法和装置 |
| CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 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 |
| CN103927455A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 基于高分一号卫星的陆地气溶胶光学性质反演方法 |
| WO2016128898A1 (en) * | 2015-02-10 | 2016-08-18 | International Rice Research Institute | Semi-dwarf drought tolerant rice and related methods and materials |
| 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 |
| CN110186823A (zh) * | 2019-06-26 | 2019-08-30 | 中国科学院遥感与数字地球研究所 | 一种气溶胶光学厚度反演方法 |
| CN111126203A (zh) * | 2019-12-04 | 2020-05-08 | 山东科技大学 | 基于ndvi百分比匹配的浓密植被识别方法 |
| CN111323352A (zh) * | 2020-04-09 | 2020-06-23 | 中南大学 | 融合细颗粒物浓度数据的区域pm2.5遥感反演模型 |
| 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 |
| 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 |
| CN113324915A (zh) * | 2021-05-24 | 2021-08-31 | 武汉大学 | 一种支持高分辨率气溶胶光学厚度反演的城市复杂地表反射率估算方法 |
| CN115169646A (zh) * | 2022-06-13 | 2022-10-11 | 中南大学 | 利用葵花八号卫星数据的小时级地表臭氧浓度遥感方法 |
| CN116067857A (zh) * | 2023-03-10 | 2023-05-05 | 南京航天宏图信息技术有限公司 | Fy-4a气溶胶光学厚度的反演方法、装置、设备和介质 |
| CN116297068A (zh) * | 2023-05-25 | 2023-06-23 | 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 |
| 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 |
Non-Patent Citations (7)
| Title |
|---|
| GF-4增强型地表反射率库支持法的气溶胶光学厚度反演;马小雨 等;《遥感学报》;20200531;第24卷(第05期);全文 * |
| High-Coverage Reconstruction of XCO2 Using Multisource Satellite Remote Sensing Data in Beijing-Tianjin-Hebei Region;Wang Wei etal.;《INTERNATIONAL JOURNAL OF ENVIRONMENTAL RESEARCH AND PUBLIC HEALTH》;20220831;19(17);全文 * |
| Mapping Seasonal High-Resolution PM2.5 Concentrations with Spatiotemporal Bagged-Tree Model across China;Junchen He etal.;《ISPRS INTERNATIONAL JOURNAL OF GEO-INFORMATION》;20211006;第10卷(第10期);全文 * |
| 基于MODIS数据的杭州地区气溶胶光学厚度反演;范娇 等;《光学学报》;20150131;第35卷(第01期);全文 * |
| 暗目标法的Himawari-8静止卫星数据气溶胶反演;葛邦宇 等;《遥感学报》;20180228;第21卷(第01期);全文 * |
| 耦合京津冀气溶胶模式的HJ-1卫星CCD数据大气校正;谢东海 等;《光谱学与光谱分析》;20160531;第36卷(第05期);全文 * |
| 资源一号04星WFI数据气溶胶反演与验证――以北京市及北京周边地区为例;丁宇 等;《遥感信息》;20200630;第35卷(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117347282A (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Veefkind et al. | Improvements to the OMI O 2–O 2 operational cloud algorithm and comparisons with ground-based radar–lidar observations | |
| Stolz et al. | Simultaneous influences of thermodynamics and aerosols on deep convection and lightning in the tropics | |
| Hains et al. | Testing and improving OMI DOMINO tropospheric NO2 using observations from the DANDELIONS and INTEX‐B validation campaigns | |
| Zhang et al. | An enhanced VIIRS aerosol optical thickness (AOT) retrieval algorithm over land using a global surface reflectance ratio database | |
| Sayer et al. | Validation of SOAR VIIRS over‐water aerosol retrievals and context within the global satellite aerosol data record | |
| Boukabara et al. | A physical approach for a simultaneous retrieval of sounding, surface, hydrometeor, and cryospheric parameters from SNPP/ATMS | |
| ABBOTT et al. | Advances in passive remote sensing of the ocean | |
| 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 | |
| Lu et al. | An algorithm for estimating downward shortwave radiation from GMS 5 visible imagery and its evaluation over China | |
| CN110726653A (zh) | 基于天地一体化信息的pm2.5浓度监测方法 | |
| Wang et al. | Geostationary satellite retrievals of aerosol optical thickness during ACE‐Asia | |
| Pandit et al. | Long-term trend analysis and climatology of tropical cirrus clouds using 16 years of lidar data set over Southern India | |
| CN117347282B (zh) | 星基气溶胶光学厚度反演方法、装置及系统和存储介质 | |
| Liu et al. | A global view of aerosols from merged transport models, satellite, and ground observations | |
| Kwok et al. | ATLAS/ICESat‐2 L3A sea ice height, version 1 | |
| Oetjen et al. | Airborne MAX‐DOAS measurements over California: Testing the NASA OMI tropospheric NO2 product | |
| Ceamanos et al. | Quasi‐Global Maps of Daily Aerosol Optical Depth From a Ring of Five Geostationary Meteorological Satellites Using AERUS‐GEO | |
| CN114091756A (zh) | 一种基于泰森多边形的乡镇级海啸风险评估方法 | |
| Wu et al. | Assessment of NPP VIIRS albedo over heterogeneous crop land in northern China | |
| Ray et al. | The mean seasonal cycle in relative sea level from satellite altimetry and gravimetry | |
| Tian et al. | Satellite observations reveal a large CO emission discrepancy from industrial point sources over China | |
| Callewaert et al. | The Mineral Aerosol Profiling from Infrared Radiances (MAPIR) algorithm: version 4.1 description and evaluation | |
| CN115855882A (zh) | 利用星载激光雷达背景噪声反演水体遥感反射率的方法 | |
| Cao et al. | A two-stage machine learning algorithm for retrieving multiple aerosol properties over land: Development and validation | |
| Babar et al. | Evaluating CM-SAF solar radiation CLARA-A1 and CLARA-A2 datasets in Scandinavia |
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 |