基于多干扰因子剔除的霾分布遥感识别算法研究

Designed as the successive sensor of the Moderate Resolution Imaging Spectrometer (MODIS), the visible infrared Imaging Radiometer Suite (VIIRS), with higher spatial resolution and stronger atmospheric monitoring capacity than MODIS, was launched aboard NPP satellite in October 2011. However, same as MODIS, haze is usually misidentified as thin cloud, fog, dust or bright surface in VIIRS cloud and aerosol products. This approach first studies the spectral characters of different kind of clouds, and develops a new cloud-haze distinguishment method based on multi-band apparent reflectance and brightness temperature. Second, following the classical deep blue ideas, an algorithm to retrieve Aerosol Optical Depth (AOD) in the non-cloud conditions is developed by coupling MODIS surface reflectance products. We then set the AOD thresholds to distinguish bright surface and haze pixels. Finally, referring the meteorological definitions on dust/fog/haze, this study introduces and make statistics to the relative humidity and the boundary layer height simulated by the atmospheric model to further improve the haze identification. Overall, this study discusses and eliminate the main interference factors of haze detection process, and design a high-precision haze detection model for Chinese high air pollution condition.

作为MODIS的继承和改进，搭载在2011年成功发射的NPP卫星上的可见光红外成像辐射仪VIIRS具有更高的空间分辨率和大气监测潜力。然而，在云和气溶胶参数遥感反演时，VIIRS同MODIS一样会通常把霾误判为薄云、雾、沙尘或地表亮目标。本项目基于VIIRS数据，首先通过研究不同种类云像元在敏感通道的光谱特征，构建基于表观反射率、亮度温度的云和霾像元区分算法。其次借鉴深蓝算法思想，通过耦合MODIS地表反射率数据库解决非云像元的气溶胶光学厚度(AOD)反演问题，并构建AOD阈值进行晴空亮地表和霾像元的判别。最后，借助气象学上对沙尘/雾/霾的定义，引入大气模式提供的相对湿度和边界层高度等气象参数，通过对气象参数进行统计分析，进而提高中国地区霾分布识别的精度。本研究将探讨如何剔除霾卫星遥感识别过程中主要干扰因子，建立一套适用于中国重污染条件下的高精度霾分布提取模型。

灰霾气溶胶对全球变化、生态环境、公共健康等方面都有重要影响，卫星遥感作为一种先进的宏观观测手段，在气溶胶反演和灰霾污染解析等领域应用越来越方法。本研究主要针对国内外卫星遥感数据在污染背景下气溶胶反演缺失的问题，通过分析霾/晴天/云/雾等像元在可见光、近红外、红外通道的光谱特性，设计了针对不同像元的波段选取策略和识别流程，构建了基于多通道阈值和方差检测等手段的灰霾识别算法。在此基础上，通过解决云干扰和地表贡献去除等问题，开展了针对VIIRS极轨卫星和葵花静止卫星的气溶胶光学特性反演算法研究。基于以上算法，本项目探讨了我国中东部灰霾分布的识别情况，全球及主要经济体及华北平原的AOD变化情况，我国典型地区晴朗和污染天（分为轻中重霾天）的时空特征。相关结果证实了本研究算法的有效性，以及我国空气质量的改善情况，同时我们也探讨了灰霾识别的主要误差来源和下一步改进方向。总的来说，本研究能够支撑未来我国PM2.5与臭氧协同管控等工作开展，以及相关的气候变化、环境监测、公共卫生等研究。