基于静止卫星的气溶胶光学厚度反演及其时空动态研究 ——以湖北省为例

摘要：气溶胶是空气中的固态或液态微粒,是影响生态环境、气候变化和人类健康的关键因素,也是环境保护部门和气象预报部门业务化监测的核心内容。地面实测站点监测气溶胶是一种费时费力且成本较高的常规监测手段,且无法满足对大面积区域进行高频次监测的要求,因此,如何利用宽覆盖、高时间分辨率的遥感卫星数据进行近实时气溶胶状况监测是亟待研究的科学问题和应用技术。目前卫星遥感数据反演气溶胶的手段大多是基于大气辐射传输模型的传统方法,该方法计算过程复杂,时间效率较低,其中假设条件和需要考虑的大气环境因素过多,无法快速得到反演结果。基于遥感卫星数据开展的气溶胶光学厚度（Aerosol Optical Depth/Thickness,AOD）反演研究主要是深蓝算法、暗像元方法和经验统计方法等,对非线性泛化良好的深度学习算法的AOD反演研究关注较少。本研究以湖北省AOD遥感反演为例,以静止卫星葵花8号搭载的先进成像仪（advanced Himawari-8 Imager,AHI）的卫星遥感数据为基础,结合AERONET地面观测的AOD数据集,建立了AOD深度学习反演算法。以武汉市地面实测的AOD数据集,系统的验证了深度学习算法在遥感AOD反演的可行性,以美国国家航空航天局（National Aeronautics and Space Administration,NASA）官方发布的MOD043K AOD标准产品作为评价基准,对比分析了基于深度学习算法反演得到AOD产品和日本航空航天研究所（Japan Aerospace Exploration Agency,JAXA）官方发布的AOD标准产品,系统的评价了基于深度学习算法的AOD反演模型的反演精度。基于上述模型,利用2015-2018年的每日8点-17点的AHI逐小时连续观测影像,开展了湖北省AOD时空分布规律研究,揭示了湖北省AOD的日内、月均、季均和年均的变化规律。引入背景气溶胶的概念,结合气象站点数据和空气质量站点数据,充分发挥AHI传感器高时间分辨率的优势,全面的分析了湖北省AOD日内时空变化的影响因素,为湖北省气溶胶的治理和研究提供了详细的时空变化规律和科学的理论基础。主要结论如下:（1）基于大气辐射传输理论基础,利用深度学习算法良好的非线性泛化能力,建立了湖北省AOD深度学习反演模型,在模型的十折交叉验证结果中,R为0.98,RMSE为0.06,MRE为26%,WithEE为92%,结果说明模型在数据集中的表现良好。（2）以MODIS官方发布的AOD标准产品为验证基础,分别对JAXA官方发布的AOD产品和基于深度学习算法的AOD结果进行验证分析。结果表明,JAXA官方的AOD产品与MODIS官方发布的AOD的MRE为41.04%,RMSE为0.24,R为0.71,WithEE为24.93%,而基于深度学习算法的AOD,的MRE为32.76%,RMSE为0.19,R为0.81,WithEE为52.58%,对比分析结果说明,本研究基于深度学习算法的AOD产品相比于JAXA官方的AOD产品精度更高。（3）基于湖北省2015-218年AOD反演产品,引入背景气溶胶的思想,开展了湖北省年均、季均、月均和日内日内的AOD时空变化规律分析研究,结果表明,湖北省2015-2018年均AOD表现为逐年下降趋势,环境治理卓有成效,季均AOD表现为春夏小,秋冬多,污染防治在秋冬季节,月均AOD表现为11、12、1污染严重,日内日内8点至17点逐小时平均AOD表现为先减小或增大。（4）基于长时序的气象监测数据和空气质量监测数据,本研究开展了湖北省气溶胶影响因素研究,研究结果表明,过去1小时降雨量和NO2是影响日内BAOD（全称）的主要因素。此外,通过开展日内日内分时段AOD研究,发现AOD主要受风向和风速影响,而BAOD则主要受气压、温度、水汽压、前1小时降雨量、SO2和NO2的影响,其相关系数分别为0.73、-0.66、-0.73、-0.71、-0.64、0.73和0.71。结果说明,湖北省AOD受气象因素中的风向和风速影响较大,输移气溶胶是构成湖北省气溶胶的主要来源,而BAOD则主要受气压、温度、NDVI、SO2和NO2的影响较大,说明背景气溶胶主要与湖北省的气候状况和工业生产状况相关。

参考1：https://www.docin.com/p-2451516336.html

参考2：https://www.doc88.com/p-18761199768711.html?r=1

标签：基于,AOD,为例,气溶胶,反演,算法,湖北省
来源： https://www.cnblogs.com/2008nmj/p/15428311.html