第34卷第1期 遥感技术与应用 Vol, 34 No. 2019年2月 REMOTE SENSING TECHNOLOGY AND APPLICATION Feb.2019 3I A t It: Xiang Jiamin, Zhu Shanyou, Zhang Guixin, et al. Progress in Haze Monitoring by Remote Sensit Technology[J]. Remote Sensing Technology and Application,2019,34(1):12-20.[向嘉敏,祝善友,张桂欣,等,灰 遥感监测研究进展[遥感技术与应用,2019,3(1):12-20.] doi:10.11873/jisn.1004-0323.2019.1.0012 灰霾遥感监测研究进展 向嘉敏l,祝善友1,张桂欣2,刘祎1,周洋1 (1.南京信息工程大学遥感与测绘工程学院,江苏南京210044 2.南京信息工程大学地理与科学学院,江苏南京210044) 摘要:灰霾是严重危害人类健康和影响社会经济发展的重大天气灾害之一。采用遥感技术高精度 的动态监测灰霾时空分布,是开展灰霾预报预警与影响硏究的基础,已成为大气环境等领域的硏究 热点。综述了灰霾遥感监测的囯内外研究进展,主要监测方法可归并为三大类:基于光谱特征差异 的图像变換与灰霾指数提取、利用气溶胶光学厚度直接监测与估算大气颗粒物浓度间接监测、综合 光学传感器与激光雷达遙感数据的灰霾垂直与水平分布特征立体监测,总结讨论了灰霾遥感监测 中存在的问题与困难。最后对灰霾遥感监测的发展趋势进行了分析,未来应在多源遥感手段协同 的立体监测体系发展基础上,进一步开展高时空分辨率的雾霾模拟预报研究与业务应用。 关键词:灰霾;气溶胶;遥感;监测 中图分类号:X513;TP79文献标志码:A文章编号:1004-0323(2019)01-0012-09 引言 近年来遥感技术不断发展进步,因其快速、大尺度、 实时动态、高时空分辨率等优势,而且具有不破坏 灰霾是大量极其细微的干尘颗粒均匀地悬浮在大气颗粒物存在状态的气溶胶观测优势,为深入研 空中,各种悬浮颗粒物含量超标,使水平能见度小于究灰霾污染形成、发展、扩散和消亡提供了新的方 10km的空气浑浊现象,简称为霾[。大多数霾粒法和途径。 子粒径只有0.01~0.9m,肉眼几乎看不到。灰霾 利用遥感技术进行灰霾监测,与大气气溶胶以 天气通常是气象条件以及大气污染物排放共同作用及大气颗粒物监测研究紧密相关。20世纪70年 的结果,是一种由气溶胶和气体污染造成的空气污代中期,国外开始利用卫星遥感数据监测气溶胶光 染现象。灰霾发生严重影响了人类身体健康,对学特性及其分布,为灰霾研究提供了新的思路与方 其进行时空分布监测与分析已成为大气环境等领域向。20世纪90年代,国外学者开始了灰霾的卫星 的研究热点 遥感监测研究, Siegenthaler等基于NOAA 传统灰霾监测方法是在地面上布设站点,通过 AVHRR数据研究瑞士低地夏季烟霾期灰霾,指出 相应仪器获取测量数据。该方法能准确获取监测传感器接收到的天空光信息与对流层底部的霾/轻 点附近近地面PM2.5等大气污染物数据,但站点雾有关。90年代后期,国内学者基于国内外数据 数量有限且受分布区域限制,不能进行大范围灰霾源,逐步开展灰霾遥感监测研究。 监测及其动态变化趋势分析,而且缺乏对大尺度的 虽然灰霾天气在全球区域都可能出现,但在发 霾分布、霾光学特性、霾颗粒物浓度的监测能力。展中国家更为严重。欧美等发达国家大气污染现象 孜稿日期:2018-05-09;修订日期:2018-11-27 基金项目:国家自然科学基金项目(41571418、41401471),江苏省“青蓝工程”项目共同资助 作者简介:向嘉敏(1994—),女,湖南怀化人,硕士研究生,主要从事大气环境遥感研究。 E-mail:1764870262qg.con 通讯作者:祝善友(1977一),男,山东日照人博士,教授、博导,主要从事环境遥感、热红外遥感基础理论与应用等领域的研究 E-mail:zsyzgx163.com
引 用 格 式:XiangJiamin,ZhuShanyou,ZhangGuixin,etal．Progressin Haze MonitoringbyRemoteSensing Technology[J]．RemoteSensingTechnologyandApplication,２０１９,３４(１):１２Ｇ２０．[向嘉敏,祝善友,张桂欣,等．灰霾 遥感监测研究进展[J]．遥感技术与应用,２０１９,３４(１):１２Ｇ２０．] doi:１０．１１８７３/ji．ssn．１００４Ｇ０３２３．２０１９．１．００１２ 灰霾遥感监测研究进展 向嘉敏１,祝善友１,张桂欣２,刘 祎１,周 洋１ (１．南京信息工程大学遥感与测绘工程学院,江苏 南京 ２１００４４; ２．南京信息工程大学地理与科学学院,江苏 南京 ２１００４４) 摘要:灰霾是严重危害人类健康和影响社会经济发展的重大天气灾害之一.采用遥感技术高精度 的动态监测灰霾时空分布,是开展灰霾预报预警与影响研究的基础,已成为大气环境等领域的研究 热点.综述了灰霾遥感监测的国内外研究进展,主要监测方法可归并为三大类:基于光谱特征差异 的图像变换与灰霾指数提取、利用气溶胶光学厚度直接监测与估算大气颗粒物浓度间接监测、综合 光学传感器与激光雷达遥感数据的灰霾垂直与水平分布特征立体监测,总结讨论了灰霾遥感监测 中存在的问题与困难.最后对灰霾遥感监测的发展趋势进行了分析,未来应在多源遥感手段协同 的立体监测体系发展基础上,进一步开展高时空分辨率的雾霾模拟预报研究与业务应用. 关 键 词:灰霾;气溶胶;遥感;监测 中图分类号:X５１３;TP７９ 文献标志码:A 文章编号:１００４Ｇ０３２３(２０１９)０１Ｇ００１２Ｇ０９ １ 引 言 灰霾是大量极其细微的干尘颗粒均匀地悬浮在 空中,各种悬浮颗粒物含量超标,使水平能见度小于 １０km 的空气浑浊现象,简称为霾[１].大多数霾粒 子粒径只有０．０１~０．９μm,肉眼几乎看不到.灰霾 天气通常是气象条件以及大气污染物排放共同作用 的结果,是一种由气溶胶和气体污染造成的空气污 染现象[２].灰霾发生严重影响了人类身体健康,对 其进行时空分布监测与分析已成为大气环境等领域 的研究热点. 传统灰霾监测方法是在地面上布设站点,通过 相应仪器获取测量数据.该方法能准确获取监测 点附近近地面 PM２．５ 等大气污染物数据,但站点 数量有限且受分布区域限制,不能进行大范围灰霾 监测及其动态变化趋势分析,而且缺乏对大尺度的 霾分布、霾光学特性、霾颗粒物浓度的监测能力[３]. 近年来遥感技术不断发展进步,因其快速、大尺度、 实时动态、高时空分辨率等优势,而且具有不破坏 大气颗粒物存在状态的气溶胶观测优势,为深入研 究灰霾污染形成、发展、扩散和消亡提供了新的方 法和途径. 利用遥感技术进行灰霾监测,与大气气溶胶以 及大气颗粒物监测研究紧密相关[４].２０世纪７０年 代中期,国外开始利用卫星遥感数据监测气溶胶光 学特性及其分布,为灰霾研究提供了新的思路与方 向.２０世纪９０年代,国外学者开始了灰霾的卫星 遥 感 监 测 研 究,Siegenthaler 等[５] 基 于 NOAAＧ AVHRR数据研究瑞士低地夏季烟霾期灰霾,指出 传感器接收到的天空光信息与对流层底部的霾/轻 雾有关.９０ 年代后期,国内 学 者 基 于 国 内 外 数 据 源,逐步开展灰霾遥感监测研究. 虽然灰霾天气在全球区域都可能出现,但在发 展中国家更为严重.欧美等发达国家大气污染现象 第３４卷 第１期 ２０１９年２月 遥 感 技 术 与 应 用 REMOTESENSINGTECHNOLOGY ANDAPPLICATION Vol．３４ No．１ Feb．２０１９ 收稿日期:２０１８Ｇ０５Ｇ０９;修订日期:２０１８Ｇ１１Ｇ２７ 基金项目:国家自然科学基金项目(４１５７１４１８、４１４０１４７１),江苏省“青蓝工程”项目共同资助. 作者简介:向嘉敏(１９９４－),女,湖南怀化人,硕士研究生,主要从事大气环境遥感研究.EＧmail:１７６４８７０２６２＠qq．com. 通讯作者:祝善友(１９７７－),男,山东日照人,博士,教授、博导,主要从事环境遥感、热红外遥感基础理论与应用等领域的研究. EＧmail:zsyzgx＠１６３．com
第1期 向嘉敏等:灰霾遥感监测研究进展 相对较少,导致其开展灰霾卫星监测的动力不足。像可提高灰霾遥感监测效果,真彩色合成图像的3 近年来,国内外学者逐渐尝试解决该领域的相关科个通道与AQI、PM2.5、PM10之间的相关系数分 学问题。例如,MODS气溶胶标准算法从第5版本别为0.62、0.65和0.59,结合地面站点数据和天气 起,开展了极端污染情况下的气溶胶光学厚度形式,可实现霾污染事件的提前预警;葛巍等[利 (AOD)反演研究。在国内,灰霾受到了政府以及科用MODS影像,分析云、雾、霾、地表在可见光和 学家们的广泛关注,有关灰霾污染遥感监测的相关红外通道的不同光谱特性,统计了霾的阈值区间, 硏究日益增多。尤其是进入21世纪以来,随着搭载并设计霾识别自动处理流程,结果表明该算法能够 更多高性能气溶胶探测传感器卫星的相继升空,灰较好地适用于华北平原春夏两个灰霾事件的监测 霾研究方法也随之不断拓宽并逐渐深人。截至目在一定程度上弥补了 MODIS标准气溶胶算法用 前,许多学者使用不同卫星传感器、不同方法从不同于霾天监测的不足。 角度针对灰霾开展了大量研究工作,不断改进灰霾 光谱特征差异分析方法需要在灰霾发生区域人 遥感监测方法,提高灰霾监测效果。本文在相关硏为主观识别的基础上提取灰霾特征,提取特征好坏 究工作基础上,总结与探讨了灰霾遥感监测方法的直接影响灰霾识别结果精度,而且实际应用中,由于 国内外相关进展。 下垫面和霾颗粒的复杂性,各种霾及其影响下地物 2利用遥感影像光谱特征监测灰霾 的光谱曲线很难通过特定的阈值算法进行线性分 割。冯海霞等[通过测量数据对比分析,认为灰霾 灰霾是不同粒径颗粒物组成的混合体,对电磁对不同地物反射率都会产生影响,但对不同地物、不 波的散射和吸收作用改变了辐射传输过程,影响遥同波段影响不同,灰霾对地物光谱的影响仍需进 感影像质量。卫星传感器所接收到的光谱信息是大步深入研究。也有研究在灰霾光谱特征提取基础上 气成分和地面成分的混合,由于灰霾对电磁波能量引入了新的分析方法。陆永帅等[0将深度学习用 具有更强的散射能力,使卫星遥感图像上呈现出较于高光谱遥感数据的霾监测,提出一种基于深度残 高的辐射亮度,甚至会出现亮斑。 差网络的霾监测方法,利用深度网络提取霾光谱曲 21基于光谱特征差异的灰霾监测 线特征,再使用残差学习等方法降低网络训练难度 在可见光与近红外波段、热红外波段的不同遥得到了霾监测模型,该方法用于苏州地区 Hyperion 感图像上,灰霾与晴空地表、云等区域相比,光谱特高光谱数据集上的实验表明,与其他遥感灰霾监测 征存在着一定差异,这是遥感监测灰霾的基础。在方法相比,霾识别精度更高 近红外波段图像上,霾粒子通常呈现出黄色或灰白22基于图像变换方法的灰霾检测 色,而云和雾粒子通常呈白色;在热红外波段上,由 部分研究开展了基于图像变换的灰霾监测方 于霾主要分布于边界层,与地表亮温差异较小,而与法,其中主要包括霾优化变换(HOT)方法[和缨 云(尤其是高层冷云)的亮温差别较大。根据遥感帽变换(TC)方法12 图像上灰霾与其他目标之间的光谱特征差异,可设2.2.1HOT变换方法监测灰霾 定合适阈值检测灰霾,或者采用彩色合成等增强方 HOT变换方法通过对蓝光和红光波段像元进 法识别灰霾。具体实现时,可选择多个霾天过程的行散点图分析,定义红蓝波段散点图中像元点的回 遥感数据,辅助相关气象和地基观测资料,通过分析归直线为“晴空线”,随着灰霾区AOD的增加,蓝光 霾区、非霾区在不同通道上的反射率与亮温值域分波段表观反射率增加速度大于红光波段,在二维散 布,设定合理阈值,实现灰霾区域的识别与提取 点图中表观反射率会逐渐偏离“晴空线”,形成霾向 采用遥感图像光谱特征差异识别灰霾的典型量,AOD越大,偏移“晴空线”的位移量越大,表明像 研究如:兰措等利用1993~1997年冬季晴朗少元受灰霾影响越大。HOT变换后图像的振幅与 云的NOAA卫星 AVHRR数据分析得出,霾在灰霾影响程度成正比,HOT值大小反映了灰霾影 AVHRR不同通道影像上具有不同颜色、形状、纹响程度强弱 理等特征;刘勇洪研究发现, AVHRR影像第 Zhang等m首次提出了HOT方法,并将其用 波段表观反射率能较好地识别霾分布,不同通道组于去除霾对图像的影响研究。此后,Ji基于TM 合与增强后,灰霾与其他地物的颜色差别更为明近红外通道和可见光通道影像数据,采用HOT变 显;高大伟等研究认为连续的MODs真彩色图换法构建回归线性模型分析灰霾空间分布;Wen
相对较少,导致其开展灰霾卫星监测的动力不足. 近年来,国内外学者逐渐尝试解决该领域的相关科 学问题.例如,MODIS气溶胶标准算法从第５版本 起,开 展 了 极 端 污 染 情 况 下 的 气 溶 胶 光 学 厚 度 (AOD)反演研究.在国内,灰霾受到了政府以及科 学家们的广泛关注,有关灰霾污染遥感监测的相关 研究日益增多.尤其是进入２１世纪以来,随着搭载 更多高性能气溶胶探测传感器卫星的相继升空,灰 霾研究方法也随之不断拓宽并逐渐深入.截至目 前,许多学者使用不同卫星传感器、不同方法从不同 角度针对灰霾开展了大量研究工作,不断改进灰霾 遥感监测方法,提高灰霾监测效果.本文在相关研 究工作基础上,总结与探讨了灰霾遥感监测方法的 国内外相关进展. ２ 利用遥感影像光谱特征监测灰霾 灰霾是不同粒径颗粒物组成的混合体,对电磁 波的散射和吸收作用改变了辐射传输过程,影响遥 感影像质量.卫星传感器所接收到的光谱信息是大 气成分和地面成分的混合,由于灰霾对电磁波能量 具有更强的散射能力,使卫星遥感图像上呈现出较 高的辐射亮度,甚至会出现亮斑[３]. ２．１ 基于光谱特征差异的灰霾监测 在可见光与近红外波段、热红外波段的不同遥 感图像上,灰霾与晴空地表、云等区域相比,光谱特 征存在着一定差异,这是遥感监测灰霾的基础.在 近红外波段图像上,霾粒子通常呈现出黄色或灰白 色,而云和雾粒子通常呈白色;在热红外波段上,由 于霾主要分布于边界层,与地表亮温差异较小,而与 云(尤其是高层冷云)的亮温差别较大[３].根据遥感 图像上灰霾与其他目标之间的光谱特征差异,可设 定合适阈值检测灰霾,或者采用彩色合成等增强方 法识别灰霾.具体实现时,可选择多个霾天过程的 遥感数据,辅助相关气象和地基观测资料,通过分析 霾区、非霾区在不同通道上的反射率与亮温值域分 布,设定合理阈值,实现灰霾区域的识别与提取. 采用遥感图像光谱特征差异识别灰霾的典型 研究如:兰措等[６]利用１９９３~１９９７年冬季晴朗少 云的 NOAA 卫 星 AVHRR 数 据 分 析 得 出,霾 在 AVHRR 不同通道影像上具有不同颜色、形状、纹 理等特征;刘勇洪[７]研究发现,AVHRR 影像第一 波段表观反射率能较好地识别霾分布,不同通道组 合与增强 后,灰 霾 与 其 他 地 物 的 颜 色 差 别 更 为 明 显;高大伟等[８]研究认为连续的 MODIS真彩色图 像可提高灰霾遥感监测效果,真彩色合成图像的３ 个通道与 AQI、PM２．５、PM１０ 之间的相关系 数 分 别为 ０．６２、０．６５ 和 ０．５９,结合地面站点数据和天气 形式,可实现霾污染事件的提前预警;葛巍等[３]利 用 MODIS影像,分析云、雾、霾、地表在可见光 和 红外通道的不同光谱特性,统计了霾的阈值区间, 并设计霾识别自动处理流程,结果表明该算法能够 较好地适用于华北平原春夏两个灰霾事件的监测, 在一定程度上弥补 了 MODIS 标 准 气 溶 胶 算 法 用 于霾天监测的不足. 光谱特征差异分析方法需要在灰霾发生区域人 为主观识别的基础上提取灰霾特征,提取特征好坏 直接影响灰霾识别结果精度,而且实际应用中,由于 下垫面和霾颗粒的复杂性,各种霾及其影响下地物 的光谱曲线很难通过特定的阈值算法进行线性分 割.冯海霞等[９]通过测量数据对比分析,认为灰霾 对不同地物反射率都会产生影响,但对不同地物、不 同波段影响不同,灰霾对地物光谱的影响仍需进一 步深入研究.也有研究在灰霾光谱特征提取基础上 引入了新的分析方法.陆永帅等[１０]将深度学习用 于高光谱遥感数据的霾监测,提出一种基于深度残 差网络的霾监测方法,利用深度网络提取霾光谱曲 线特征,再使用残差学习等方法降低网络训练难度, 得到了霾监测模型,该方法用于苏州地区 Hyperion 高光谱数据集上的实验表明,与其他遥感灰霾监测 方法相比,霾识别精度更高. ２．２ 基于图像变换方法的灰霾检测 部分研究开展了基于图像变换的灰霾监测方 法,其中主要包括霾优化变换(HOT)方法[１１]和缨 帽变换(TC)方法[１２]. ２．２．１ HOT 变换方法监测灰霾 HOT 变换方法通过对蓝光和红光波段像元进 行散点图分析,定义红蓝波段散点图中像元点的回 归直线为“晴空线”,随着灰霾区 AOD 的增加,蓝光 波段表观反射率增加速度大于红光波段,在二维散 点图中表观反射率会逐渐偏离“晴空线”,形成霾向 量,AOD越大,偏移“晴空线”的位移量越大,表明像 元受灰霾影响越大[１１].HOT 变换后图像的振幅与 灰霾影响程度成正比,HOT 值大小反映了灰霾影 响程度强弱. Zhang等[１１]首次提出了 HOT 方法,并将其用 于去除霾对图像的影响研究.此后,Ji [１３]基于 TM 近红外通道和可见光通道影像数据,采用 HOT 变 换法构 建 回 归 线 性 模 型 分 析 灰 霾 空 间 分 布;Wen 第１期 向嘉敏等:灰霾遥感监测研究进展 １３
感技术与应用 第34卷 1基于 CBERS数据利用HOT变换实现了霾的光学厚度遥感反演结果出发,开展灰霾监测研究的 移除,结果表明HOT变换处理后的图像更为清晰。方法主要分为直接监测方法和估算大气颗粒物浓度 然而,当遥感影像蓝光、红光波段的相关性较低时,的间接监测方法 HOT变换方法检测灰霾效果的精度下降[1 3.1利用气溶胶光学厚度直接监测灰霾 2.2.2TC变换方法监测灰霾 采用此类方法的研究主要是通过对AOD大小 TC变换(也称为K—T变换)是 Kauth和To-进行分级,绘制不同灰霾污染程度空间分布图,或者 mas于1976年提出的一种经验性的多光谱图像直接分析灰霾程度与气溶胶光学厚度之间的关系 正交变换,主要针对植被、土壤和水分特征进行波谱 Sifakis等[2提出了 SIPHA算法,使用高分辨 增强的一种处理方法。 Cristo3将其引入到灰霾监率卫星图像定量估算不同区域气溶胶光学厚度,用 测应用中,通过TC变换的3个特征值,对有灰霾影于霾和气溶胶制图,该方法创新之处在于弱化了大 响的 Landsat mss图像作归一化处理,结果表明气气对辐射改变的影响过程。Le等3使用卫星数 溶胶散射量的变化会使“黄度”方向明显改变,利用据、地基太阳光度计数据和实时碳粒子分析数据分 空间滤波方法消除其他噪声影响后,“黄度”信息可析了2004年6月9日至12日韩国发生的一次灰 以作为揭示大气灰霾污染程度的一个指示因子。在霾事件,结果表明这次灰霾事件受中国东部烟尘远 此基础上, Richterη提出利用改进TC变换的第四距离传输影响明显,灰霾发生时AOD超过了2.0 分量来提取霾的空间分布,通过假定云区与非霾区Li等[21假定灰霾发生期间的地表反射率与最邻近 影像直方图相同,通过匹配二者直方图来实现薄云时间晴空环境相同,采用NASA暗像元方法,反演 或者霾的去除,然而当实际应用中假定不满足时,霾北京奥运会前夕的灰霾光学厚度,结果表明该方法 检测与去除效果不理想 可以解决暗像元方法无法确定霾天环境下中红外 2.3构建灰霾指数监测灰霾 与可见光通道反射率比值的问题,估算的灰霾光学 此类方法通过分析灰霾、非灰霾区域的光谱特厚度与地面太阳光度计CE318测量结果高度 征差异,寻找特征光谱波段,构建灰霾指数,用于从致。王中挺等[2从霾粒子物理性质出发,利用米 图像中识别提取灰霾区。为了突出灰霾区域,同时理论和RT3辐射传输模式分析了霾反射特性,借 压制地表类型的背景信息,Hu等[提出了1种背鉴气溶胶反演的深蓝算法,利用 MODIS地表反射 景压制灰霾厚度指数( BSHTI),该指数被定义为率产品建立地表反射率库,提出针对HJ-1卫星 蓝、绿、红3个波段的线性函数,模型系数通过得分CCD数据的霾反演算法与数据流程,并以北京地 函数最大加以确定,多幅TM和 QuickBird实验数区为例进行了反演试验,结果表明CCD传感器的 据的结果表明检测效果较好。Zha等[通过分析第1、2波段适合于灰霾反演,深蓝算法能够区分 灰霾、非灰霾日遥感图像上地物光谱特征变化,利用轻、中、重霾,但对于轻霾监测的误差相对较大。戴 MODIS第1、4波段定义了归一化差值灰霾指数羊羊等[2以MODS卫星遥感图像作为数据源,通 NDH,结果表明灰霾区NDHI值高于非灰霾区域,过6S传输模型与V5.2算法相结合的方法来反演 NDH与地面PM10之间的线性相关性在南京、扬气溶胶,对上海地区2013年12月的一次灰霾污染 州和苏州区域分别为0.74、0.57和0.67 进行了连续监测。 3基于气溶胶光学厚度的灰霾监测 32基于大气颗粒物浓度估算的灰霾监测 近地面大气颗粒物是灰霾污染的主要因子,对 灰霾形成主要以地面颗粒物为主要贡献者,而大气颗粒物浓度进行监测是灰霾研究重要方法之 地面颗粒物与气溶胶关系密切,因此可通过对气溶 。研究发现,AOD与近地面颗粒物浓度具有一定 胶的遥感监测开展颗粒污染物以及灰霾的监测研的相关性3。许多学者结合卫星数据、地面监测 究[1。国内外许多研究已经证实了利用气溶胶光站数据,建立AOD与污染颗粒物浓度之间的相关 学厚度进行区域尺度灰霾污染监测的重要意关系,实现灰霾污染程度及其时空变化、污染来源解 义[202。一般认为,灰霾事件发生时,气溶胶光学析、区域传送以及影响因素研究 厚度变大,如Li等2认为AOD(440nm)大于1 由于卫星遥感观测到的气溶胶光学厚度是垂直 时,灰霾事件发生;Tao等[发现在高浓度灰霾区大气柱中气溶胶消光系数随高度(从地面到大气顶) 域, MODIS AOL(550mm)的值大于1。从气溶胶的积分,而且气溶胶消光系数受相对湿度影响显著
等[１４]基于 CBERS数据利用 HOT 变换实现了霾的 移除,结果表明 HOT 变换处理后的图像更为清晰. 然而,当遥感影像蓝光、红光波段的相关性较低时, HOT 变换方法检测灰霾效果的精度下降[１５]. ２．２．２ TC变换方法监测灰霾 TC变换(也称为 K—T 变换)是 Kauth和 ToＧ mas [１６]于１９７６年提出的一种经验性的多光谱图像 正交变换,主要针对植被、土壤和水分特征进行波谱 增强的一种处理方法.Crist [１２]将其引入到灰霾监 测应用中,通过 TC变换的３个特征值,对有灰霾影 响的 LandsatMSS图像作归一化处理,结果表明气 溶胶散射量的变化会使“黄度”方向明显改变,利用 空间滤波方法消除其他噪声影响后,“黄度”信息可 以作为揭示大气灰霾污染程度的一个指示因子.在 此基础上,Richter [１７]提出利用改进 TC变换的第四 分量来提取霾的空间分布,通过假定云区与非霾区 影像直方图相同,通过匹配二者直方图来实现薄云 或者霾的去除,然而当实际应用中假定不满足时,霾 检测与去除效果不理想. ２．３ 构建灰霾指数监测灰霾 此类方法通过分析灰霾、非灰霾区域的光谱特 征差异,寻找特征光谱波段,构建灰霾指数,用于从 图像中识别提取灰霾区.为了突出灰霾区域,同时 压制地表类型的背景信息,Hu等[１５]提出了１种背 景压制 灰 霾 厚 度 指 数 (BSHTI),该 指 数 被 定 义 为 蓝、绿、红３个波段的线性函数,模型系数通过得分 函数最大加以确定,多幅 TM 和 QuickBird实验数 据的结果表明检测效果较好.Zha等[１８]通过分析 灰霾、非灰霾日遥感图像上地物光谱特征变化,利用 MODIS第 １、４ 波 段 定 义 了 归 一 化 差 值 灰 霾 指 数 NDHI,结果表明灰霾区 NDHI值高于非灰霾区域, NDHI与地面 PM１０之间的线性相关性在南京、扬 州和苏州区域分别为０．７４、０．５７和 ０．６７. ３ 基于气溶胶光学厚度的灰霾监测 灰霾形成主要以地面颗粒物为主要贡献者,而 地面颗粒物与气溶胶关系密切,因此可通过对气溶 胶的遥感监测开展颗粒污染物以及灰霾的监测研 究[１９].国内外许多研究已经证实了利用气溶胶光 学 厚 度 进 行 区 域 尺 度 灰 霾 污 染 监 测 的 重 要 意 义[４,２０Ｇ２１].一般认为,灰霾事件发生时,气溶胶光学 厚度变 大,如 Li等[２２]认 为 AOD(４４０nm)大 于 １ 时,灰霾事件发生;Tao等[２３]发现在高浓度灰霾区 域,MODISAOD(５５０nm)的值大于１.从气溶胶 光学厚度遥感反演结果出发,开展灰霾监测研究的 方法主要分为直接监测方法和估算大气颗粒物浓度 的间接监测方法. ３．１ 利用气溶胶光学厚度直接监测灰霾 采用此类方法的研究主要是通过对 AOD 大小 进行分级,绘制不同灰霾污染程度空间分布图,或者 直接分析灰霾程度与气溶胶光学厚度之间的关系. Sifakis等[２４]提出了 SIPHA 算法,使用高分辨 率卫星图像定量估算不同区域气溶胶光学厚度,用 于霾和气溶胶制图,该方法创新之处在于弱化了大 气对辐射改变的影响过程.Lee等[２５]使用卫星数 据、地基太阳光度计数据和实时碳粒子分析数据分 析了２００４年６月９日至１２日韩国发生的一次灰 霾事件,结果表明这次灰霾事件受中国东部烟尘远 距离传输影响明显,灰霾发生时 AOD 超过了２．０. Li等[２６]假定灰霾发生期间的地表反射率与最邻近 时间晴空环境相同,采用 NASA 暗像元方法,反演 北京奥运会前夕的灰霾光学厚度,结果表明该方法 可以解决暗像元方法无法确定霾天环境下中红外 与可见光通道反射率比值的问题,估算的灰霾光学 厚度与地 面 太 阳 光 度 计 CE３１８ 测 量 结 果 高 度 一 致.王中挺等[２７]从霾粒 子 物 理 性 质 出 发,利 用 米 理论和 RT３辐射传输模式分析了霾反射特性,借 鉴气溶胶反演的深蓝算法,利用 MODIS地表反射 率产品 建 立 地 表 反 射 率 库,提 出 针 对 HJＧ１ 卫 星 CCD 数据的霾反演算法与数 据 流 程,并 以 北 京 地 区为例进行了反演试验,结果表明 CCD 传感器的 第１、２ 波段适合于灰霾反演,深蓝 算 法 能 够 区 分 轻、中、重霾,但对于轻霾监测的误差相对较大.戴 羊羊等[２８]以 MODIS卫星遥感图像作为数据源,通 过６S传输模型与 V５．２算法相结合的方法来反演 气溶胶,对上海地区２０１３年１２月的一次灰霾污染 进行了连续监测. ３．２ 基于大气颗粒物浓度估算的灰霾监测 近地面大气颗粒物是灰霾污染的主要因子,对 大气颗粒物浓度进行监测是灰霾研究重要方法之 一.研究发现,AOD与近地面颗粒物浓度具有一定 的相关性[２９Ｇ３３].许多学者结合卫星数据、地面监测 站数据,建立 AOD 与污染颗粒物浓度之间的相关 关系,实现灰霾污染程度及其时空变化、污染来源解 析、区域传送以及影响因素研究. 由于卫星遥感观测到的气溶胶光学厚度是垂直 大气柱中气溶胶消光系数随高度(从地面到大气顶) 的积分,而且气溶胶消光系数受相对湿度影响显著, １４ 遥 感 技 术 与 应 用 第３４卷
第1期 向嘉敏等:灰霾遥感监测研究进展 特别是水溶性气溶胶颗粒的消光系数在相对湿度较受当日条件影响,而且与前几日污染物累积效应有 高情况下可增大数倍,因此利用AOD估算大气颗关。Hu等[引入土地利用数据和气象数据,开发 粒物浓度时,需要对AOD进行垂直订正与湿度订了地理加权回归模型估算近地面PM25浓度,结果 正。垂直订正是通过建立近地面气溶胶消光系数与表明,该模型比最小二乘回归模型的精度更高。牛 大气整层AOD之间的关系,结合气溶胶标高计算,志春等[4从霾污染遥感监测业务化流程出发,选取 估算近地面气溶胶消光系数。湿度订正是在考虑湿MODS数据、气溶胶产品及气象数据,利用LM-BP 度影响基础上,将近地面气溶胶消光系数转换为人工神经网络模型算法反演大气颗粒物浓度,结果 “干”消光系数 表明霾污染遥感监测结果与地面实测结果基本一 垂直订正与湿度订正基础上的颗粒物浓度估致,宏观反映了区域霾污染空间分布。Just等[利用 算及其灰霾监测研究在国内开展的较多。林海峰MOS1km分辨率的AO产品、土地利用和气象 等[3的研究都表明,湿度校正和垂直校正后,提参数,构建了PM25估算模型,当AOD数据缺失时, 高了AOD与颗粒物浓度之间的相关性。李正强采用时空平滑方法估算PM25,结果表明PM2.5估算 等[以 MODIS数据作为主要信息源,建立了卫星结果与实测数据之间的决定系数为0.724 遥感参数和空气污染指标之间的联系,提出了利用 上述研究总体表明,AOD与大气颗粒物浓度之 AOD数据获得灰霾指数和灰霾污染时空气质量指间存在高度相关性,但这种相关关系在时间尺度和 数(AQ1)等级的方法,结果表明研究时段内平均空间区域上都表现出不一致的特点。气溶胶光学厚 AQI等级偏差为0.7级。陈良富等利用MO-度反演误差以及遥感监测一地面测量之间的时空尺 DIS气溶胶光学厚度产品,通过垂直校正和湿度校度差异性,共同影响灰霾污染程度的监测精度 正后推算地面PM2.5和PM10质量浓度,其中 PM25浓度估算结果更为准确。张钰萌等针对4灰霾垂直与水平分布特征的多源遥 POLDER3的多角度偏振数据,考虑灰霾气溶胶组 感监测 分构成,采用偏振反射率最优拟合方法,建立了华 北地区灰霾气溶胶反演算法,结果表明该算法在重 MODIS等星载光学传感器只能监测整层大气 霾发生时能较好地区分灰霾轻重程度,反演结果与气溶胶光学特性与灰霾空间分布,无法获取灰霾发 地面观测结果有较好的相关性。张文等利用生时气溶胶垂直分布情况。星载激光雷达不但能够 AOD以及地面PM2.5数据,通过近地面气溶胶消获取单点垂直方向的气溶胶廓线数据,而且能够获 光系数公式和线性拟合方法,估算京津冀地区得区域和全球上空的大气水平、垂直分布情况,具有 PM25质量浓度,结果表明PM2.5估算结果与地较高的时空分辨率,部分解决了夜晚观测数据缺乏 面监测站数据相关系数为0.78,且二者在分布趋势的问题“。激光雷达的工作原理为,当激光脉冲发 上表现出良好的一致性。 射到大气中,在传播路径上被气溶胶粒子和云粒子 在一元回归模型基础上,许多学者进一步考虑散射和消光,不同高度的后向散射回波信号大小与 了辐射、气温和能见度等常规气象参数,以及地理环此高度的气溶胶粒子和云粒子的散射特性有关,通 境等因素的影响,利用多元回归模型建立AOD估过求解米散射激光雷达方程可反演相应高度的大气 算颗粒物浓度模型。 Gupta等[初步分析了相对气溶胶粒子和云粒子,从而获得气溶胶光学特性, 湿度、云量、风、混合层高度等气象条件对AOD与 云一气溶胶激光雷达与红外探测者( CALIP 近地面颗粒物浓度相关性的敏感程度,认为卫星遥SO)极轨卫星不仅可以提供全球范围气溶胶二维平 感估算近地面颗粒物浓度时应考虑气象和环境影面分布信息,而且能给出不同垂直高度上的分布情 响。Lju等建立了GOES卫星反演的AOD与土况,被许多学者用于灰霾观测研究中。毛晓琴等(切 地利用、气象参数、PM2.5之间的两步广义自适应利用 CALIPSO数据研究了长三角地区灰霾气溶胶 模型,用于分析PM2.5时空分布与变异性。叶瑜的光学特性及垂直分布特征,发现灰霾天气发生时 等[利用3a的AOD数据建立了AOD与污染物、主要是小粒径气溶胶且集中在2km高度以下。 气象因素之间的时间序列 ARIMA模型,并用1个Guo等[采用卫星数据地基太阳光度计数据和颗 月的资料评估模型拟合效果,结果显示AOD与污粒物浓度数据分析2007年黄海区域3月28日至 染物、气象因素模型拟合效果较好,但这种关系不仅31日灰霾事件的发生原因, MODIS与 CALIPSO
特别是水溶性气溶胶颗粒的消光系数在相对湿度较 高情况下可增大数倍,因此利用 AOD 估算大气颗 粒物浓度时,需要对 AOD 进行垂直订正与湿度订 正.垂直订正是通过建立近地面气溶胶消光系数与 大气整层 AOD之间的关系,结合气溶胶标高计算, 估算近地面气溶胶消光系数.湿度订正是在考虑湿 度影响基 础 上,将 近 地 面 气 溶 胶 消 光 系 数 转 换 为 “干”消光系数. 垂直订正与湿度订正基础上的颗粒物浓度估 算及其灰霾监测研究在国内开展的较多.林海峰 等[３４Ｇ３６]的研究都表明,湿度校正和垂直校正后,提 高了 AOD 与 颗 粒 物 浓 度 之 间 的 相 关 性.李 正 强 等[３７]以 MODIS数据作为主要信息源,建立了卫星 遥感参数和空气污染指标之间的联系,提出了利用 AOD 数据获得灰霾指数和灰霾污染时空气质量指 数(AQI)等 级 的 方 法,结 果 表 明 研 究 时 段 内 平 均 AQI等级 偏 差 为 ０．７ 级.陈 良 富 等[３８]利 用 MOＧ DIS气溶胶光学厚度产品,通过垂直校正和湿度校 正后推 算 地 面 PM２．５ 和 PM１０ 质 量 浓 度,其 中 PM２．５浓度估算结果更为准确.张钰萌等[３９]针对 POLDER３的多角度偏振数据,考虑灰霾气溶胶组 分构成,采用偏振反射率最优拟合方法,建立了华 北地区灰霾气溶胶反演算法,结果表明该算法在重 霾发生时能较好地区分灰霾轻重程度,反演结果与 地面观 测 结 果 有 较 好 的 相 关 性. 张 文 等[１９]利 用 AOD 以及地面 PM２．５数据,通过近地面气溶胶消 光系数 公 式 和 线 性 拟 合 方 法,估 算 京 津 冀 地 区 PM２．５质量浓度,结果表明 PM２．５估算结果与地 面监测站数据相关系数为０．７８,且二者在分布趋势 上表现出良好的一致性. 在一元回归模型基础上,许多学者进一步考虑 了辐射、气温和能见度等常规气象参数,以及地理环 境等因素的影响,利用多元回归模型建立 AOD 估 算颗粒物浓度模型.Gupta等[４０]初步分析了相对 湿度、云量、风、混合层高度等气象条件对 AOD 与 近地面颗粒物浓度相关性的敏感程度,认为卫星遥 感估算近地面颗粒物浓度时应考虑气象和环境影 响.Liu等[４１]建立了 GOES卫星反演的 AOD 与土 地利用、气象参数、PM２．５之间的两步广义自适应 模型,用于分析 PM２．５ 时空分 布 与 变 异 性.叶 瑜 等[４２]利用３a的 AOD数据建立了 AOD与污染物、 气象因素之间的时间序列 ARIMA 模型,并用１个 月的资料评估模型拟合效果,结果显示 AOD 与污 染物、气象因素模型拟合效果较好,但这种关系不仅 受当日条件影响,而且与前几日污染物累积效应有 关.Hu等[４３]引入土地利用数据和气象数据,开发 了地理加权回归模型估算近地面 PM２．５浓度,结果 表明,该模型比最小二乘回归模型的精度更高.牛 志春等[４４]从霾污染遥感监测业务化流程出发,选取 MODIS 数据、气溶胶产品及气象数据,利用 LMＧBP 人工神经网络模型算法反演大气颗粒物浓度,结果 表明霾污染遥感监测结果与地面实测结果基本一 致,宏观反映了区域霾污染空间分布.Just等[４５]利用 MODIS１km 分辨率的 AOD产品、土地利用和气象 参数,构建了PM２．５估算模型,当 AOD数据缺失时, 采用时空平滑方法估算PM２．５,结果表明PM２．５估算 结果与实测数据之间的决定系数为０．７２４. 上述研究总体表明,AOD与大气颗粒物浓度之 间存在高度相关性,但这种相关关系在时间尺度和 空间区域上都表现出不一致的特点.气溶胶光学厚 度反演误差以及遥感监测—地面测量之间的时空尺 度差异性,共同影响灰霾污染程度的监测精度. ４ 灰霾垂直与水平分布特征的多源遥 感监测 MODIS等星载光学传感器只能监测整层大气 气溶胶光学特性与灰霾空间分布,无法获取灰霾发 生时气溶胶垂直分布情况.星载激光雷达不但能够 获取单点垂直方向的气溶胶廓线数据,而且能够获 得区域和全球上空的大气水平、垂直分布情况,具有 较高的时空分辨率,部分解决了夜晚观测数据缺乏 的问题[４６].激光雷达的工作原理为,当激光脉冲发 射到大气中,在传播路径上被气溶胶粒子和云粒子 散射和消光,不同高度的后向散射回波信号大小与 此高度的气溶胶粒子和云粒子的散射特性有关,通 过求解米散射激光雷达方程可反演相应高度的大气 气溶胶粒子和云粒子,从而获得气溶胶光学特性. 云—气溶胶 激 光 雷 达 与 红 外 探 测 者 (CALIPＧ SO)极轨卫星不仅可以提供全球范围气溶胶二维平 面分布信息,而且能给出不同垂直高度上的分布情 况,被许多学者用于灰霾观测研究中.毛晓琴等[４７] 利用 CALIPSO 数据研究了长三角地区灰霾气溶胶 的光学特性及垂直分布特征,发现灰霾天气发生时 主要是小 粒 径 气 溶 胶 且 集 中 在 ２km 高 度 以 下. Guo等[４８]采用卫星数据、地基太阳光度计数据和颗 粒物浓度数据分析２００７年黄海区域３月２８日至 ３１日灰 霾 事 件 的 发 生 原 因,MODIS 与 CALIPSO 第１期 向嘉敏等:灰霾遥感监测研究进展 １５
遥感技术与应用 第34卷 数据监测表明此次灰霾事件中出现大于2.0的高气影像光谱特征的灰霾监测多是定性识别与提取,相 溶胶光学厚度和后向散射系数的高值分布,PM10应的判识指标较少且不稳定,对于轻霾识别程度通 浓度突增。刘琼等[3]利用 CALIPSO资料揭示了常不高,而且难以准确区分雾和霾。基于气溶胶光 上海地区灰霾发生时气溶胶的垂直分布情况。刘璇学厚度等参数的灰霾监测依赖于气溶胶产品精度, 等3利用MODS、 CALIPSO卫星观测的气溶胶产通常在晴天条件下才能获得较高精度。一方面,气 品和地面空气质量、气象资料,结合 HYSPLIT后溶胶产品生成过程中需要剔除云的影响,多通道云 向轨迹模式,探讨了2013年12月1~9日长三角地检测算法通常错误地将灰霾等重污染情况识别成薄 区一次持续性的严重霾污染过程的形成、特征及其云、低层云等,因而不能提供霾天的气溶胶光学厚度 可能来源,研究表明灰霾污染状况下AOD显著增产品;另一方面,不同的气溶胶反演算法各有其适用 长,空气质量指数均达到或超过污染限值气溶胶主条件与优缺点:由于灰霾天会发生较强的气溶胶多 要类型为“污染型”气溶胶。何月欣等口通过MO-次散射,暗像元算法不适用于亮地表地区,而且可能 DIS、美国 Suomi npp卫星ⅤIRS气溶胶光学厚度会将灰霾当作高反射地表而不进行处理;深蓝算法 产品结合 CALIPSO星载激光雷达气溶胶产品,综能较好的反演亮地表地区气溶胶光学厚度,在植被 合分析东北地区2006~2015年间AOD年际变化覆盖率低的地表反演效果较好,但算法使用会受到 和季节性变化特征,进而获取东北地区霾污染的宏蓝色波段地表反射率数据的限制;结构函数法受地 观时空分布特征,并深入探讨2014年10月14日重表反射率影响小,却对遥感影像分辨率要求较高;此 霾污染过程特征及其潜在区域传输路径,结果表明外传统的晴天气溶胶模式也不适用于霾光学厚度反 MODIS、VIRS气溶胶光学厚度与地面观测都有显演。基于颗粒物浓度估算的监测方法中,大气颗粒 著的相关性,能够反映出此次重霾污染的地面空间物数量、粒径分布和化学组分等因素共同影响着电 分布特征。郑凯端等[51利用 CALIPSO卫星激光磁辐射在大气中的传播过程,不同时间、不同地点质 雷达数据、海洋与气象学多功能卫星COMS搭载的量浓度相同的大气颗粒物可能由于形态和化学组分 地球同步海洋水色成像仪GOCI数据以及CE318存在不同,导致光学特性存在一定的差异,对大气消 太阳光度计数据,结合 HYSPLIT后向轨迹模式和光作用与电磁辐射衰减程度的贡献就会出现差别, 地面气象资料,对长三角地区2013年12月1~9日造成了灰霾遥感精确监测与定量反演的困难。 发生的一次严重灰霾事件的形成、特征及污染来源 综上所述,灰霾遥感监测还不能满足高水平定 进行了分析,结果表明灰霾期间气溶胶粒子主要位量化和系统化业务应用需要,需要进一步深入开展 于2km以下的低层大气,球形气溶胶、细粒径气溶研究工作。有关灰霾的遥感监测研究,未来可以从 胶所占比例较高。 以下3个方面展开: 5结论与展望 (1)数据来源方面。综合对比分析不同卫星数 据的特点与优势,利用多源主动、被动遥感手段协同 综合国内外相关研究进展,灰霾遥感监测数据观测、互补验证,形成灰霾水平、垂直方向动态分布 主要来源于太阳光度计、多波段与高光谱光学传感与变化的点、面结合观测能力,不断提高雾霾监测的 器、激光雷达等,已初步形成了主动、被动遥感方式时空分辨率 相结合的灰霾立体观测体系。不同平台、不同传感 (2)监测方法方面。应进一步对比分析不同气 器在灰霾遥感监测中各具特点与优势,主动遥感手溶胶光学厚度遥感反演算法的优缺点,深入开展各 段在污染严重、夜间等情况下具有观测优势,而被动类反演方法的优化、改进、扩展与集成硏究,实现这 遥感信息含量大,具有获得气溶胶复杂特性参数的些方法的优势互补。同时,考虑到气溶胶、灰霾时 能力。在灰霾监测的时空分辨率方面,国外Land-空分布的区域性差异特点,卫星遥感监测与反演算 sat8卫星、GOCI卫星、我国高分系列卫星等新型法受气象条件、区域条件和研究条件的影响各有不 系列卫星与传感器的发展,为灰霾动态监测研究提同,未来应加强普适性更好的气溶胶、大气颗粒物 供了更为丰富的数据源 估算模型研究,尝试开发适用于不同环境和区域的 目前灰霾遥感监测研究虽已取得了巨大进展,灰霾遥感监测新算法,为灰霾遥感监测精度提高奠 但监测精度与效果仍存在诸多因素影响。基于遥感定基础
数据监测表明此次灰霾事件中出现大于２．０的高气 溶胶光学厚度和后向散射系数的高值分布,PM１０ 浓度突增.刘琼等[４９Ｇ５１]利用 CALIPSO 资料揭示了 上海地区灰霾发生时气溶胶的垂直分布情况.刘璇 等[５２]利用 MODIS、CALIPSO 卫星观测的气溶胶产 品和地面空气质量、气象资料,结合 HYSPLIT 后 向轨迹模式,探讨了２０１３年１２月１~９日长三角地 区一次持续性的严重霾污染过程的形成、特征及其 可能来源,研究表明灰霾污染状况下 AOD 显著增 长,空气质量指数均达到或超过污染限值,气溶胶主 要类型为“污染型”气溶胶.何月欣等[２]通过 MOＧ DIS、美国SuomiNPP卫星 VIIRS气溶胶光学厚度 产品结合 CALIPSO 星载激光雷达气溶胶产品,综 合分析东北地区２００６~２０１５年间 AOD 年际变化 和季节性变化特征,进而获取东北地区霾污染的宏 观时空分布特征,并深入探讨２０１４年１０月１４日重 霾污染过程特征及其潜在区域传输路径,结果表明 MODIS、VIIRS气溶胶光学厚度与地面观测都有显 著的相关性,能够反映出此次重霾污染的地面空间 分布特征.郑凯端等[５３]利用 CALIPSO 卫星激光 雷达数据、海洋与气象学多功能卫星 COMS搭载的 地球同步海洋水色成像仪 GOCI数据以及 CE３１８ 太阳光度计数据,结合 HYSPLIT 后向轨迹模式和 地面气象资料,对长三角地区２０１３年１２月１~９日 发生的一次严重灰霾事件的形成、特征及污染来源 进行了分析,结果表明灰霾期间气溶胶粒子主要位 于２km 以下的低层大气,球形气溶胶、细粒径气溶 胶所占比例较高. ５ 结论与展望 综合国内外相关研究进展,灰霾遥感监测数据 主要来源于太阳光度计、多波段与高光谱光学传感 器、激光雷达等,已初步形成了主动、被动遥感方式 相结合的灰霾立体观测体系.不同平台、不同传感 器在灰霾遥感监测中各具特点与优势,主动遥感手 段在污染严重、夜间等情况下具有观测优势,而被动 遥感信息含量大,具有获得气溶胶复杂特性参数的 能力.在灰霾监测的时空分辨率方面,国外 LandＧ sat８卫星、GOCI卫星、我国高分系列卫星等新型 系列卫星与传感器的发展,为灰霾动态监测研究提 供了更为丰富的数据源. 目前灰霾遥感监测研究虽已取得了巨大进展, 但监测精度与效果仍存在诸多因素影响.基于遥感 影像光谱特征的灰霾监测多是定性识别与提取,相 应的判识指标较少且不稳定,对于轻霾识别程度通 常不高,而且难以准确区分雾和霾.基于气溶胶光 学厚度等参数的灰霾监测依赖于气溶胶产品精度, 通常在晴天条件下才能获得较高精度.一方面,气 溶胶产品生成过程中需要剔除云的影响,多通道云 检测算法通常错误地将灰霾等重污染情况识别成薄 云、低层云等,因而不能提供霾天的气溶胶光学厚度 产品;另一方面,不同的气溶胶反演算法各有其适用 条件与优缺点:由于灰霾天会发生较强的气溶胶多 次散射,暗像元算法不适用于亮地表地区,而且可能 会将灰霾当作高反射地表而不进行处理;深蓝算法 能较好的反演亮地表地区气溶胶光学厚度,在植被 覆盖率低的地表反演效果较好,但算法使用会受到 蓝色波段地表反射率数据的限制;结构函数法受地 表反射率影响小,却对遥感影像分辨率要求较高;此 外传统的晴天气溶胶模式也不适用于霾光学厚度反 演.基于颗粒物浓度估算的监测方法中,大气颗粒 物数量、粒径分布和化学组分等因素共同影响着电 磁辐射在大气中的传播过程,不同时间、不同地点质 量浓度相同的大气颗粒物可能由于形态和化学组分 存在不同,导致光学特性存在一定的差异,对大气消 光作用与电磁辐射衰减程度的贡献就会出现差别, 造成了灰霾遥感精确监测与定量反演的困难. 综上所述,灰霾遥感监测还不能满足高水平定 量化和系统化业务应用需要,需要进一步深入开展 研究工作.有关灰霾的遥感监测研究,未来可以从 以下３个方面展开: (１)数据来源方面.综合对比分析不同卫星数 据的特点与优势,利用多源主动、被动遥感手段协同 观测、互补验证,形成灰霾水平、垂直方向动态分布 与变化的点、面结合观测能力,不断提高雾霾监测的 时空分辨率. (２)监测方法方面.应进一步对比分析不同气 溶胶光学厚度遥感反演算法的优缺点,深入开展各 类反演方法的优化、改进、扩展与集成研究,实现这 些方法的优势互补.同时,考虑到气溶胶、灰霾时 空分布的区域性差异特点,卫星遥感监测与反演算 法受气象条件、区域条件和研究条件的影响各有不 同,未来应加强普适性更好的气溶胶、大气颗粒物 估算模型研究,尝试开发适用于不同环境和区域的 灰霾遥感监测新算法,为灰霾遥感监测精度提高奠 定基础. １６ 遥 感 技 术 与 应 用 第３４卷
第1期 向嘉敏等:灰霾遥感监测研究进展 (3)研究内容方面。已开展了大量有关灰霾空[7] Liu Yonghong. Research on Haze Identification in Beijing 间分布与时间变化的研究工作,但对于灰霾形成机 based on NOAA/AVHRR Satellite Data LJ. Meteorological 制探究尚不够深入,未来应深入加强灰霾颗粒物的 Monthly,2014,40(5):619-627.[刘勇洪.基于NOAA/ AVHRR卫星资料的北京地霾识别研究[J].气象,2014, 物理化学性质分析,探讨其组分变化及相互作用对 遥感成像过程与图像特征的影响机理,奠定发展灰8] Gao dawei, Ma hao, Yu Zhenyan,tal. Monitoring haze 霾遥感监测物理模型的研究基础 vents from the MoDis True-Color Composite Image Serie 系统集成与业务方面,借助于互联网、大数据和 A Case Study of Severe Haze Pollution Event in Zhejiang 人工智能等先进技术,收集与灰霾研究相关的指标 Province [J]. China Environmental Science, 2015, 35(10) 2939-2949.[高大伟,马浩,郁珍艳,等基于连续MODS真彩 数据,建立灰霾遥感监测与模式模拟、预报系统,开 图的霾监测预警新方法—以浙江省一次严重霾污染过程为 展高精度灰霾时空分布监测、可能运移路径与影响 例[]中国环境科学,2015,35(10):2939-2949.] 预报预警,为灰霾污染控制与大气污染治理提供依[9] Feng haixia, Sun dazhi, Shen li,eta. The Analysis of Smog 据,是灰霾遥感监测业务应用的重要环节也是未来 Impacted on the Measured Spectral Curve of the Main ground 发展的重要方向。 ObjectLJI. Spectroscopy and Spectral Analysis, 2017, 37(5) 1329-133冯海霞,孙大志,沈丽,等雾霾对典型地物光谱曲 参考文献( References) 线测量的影响分析[].光谱学与光谱分析,2017,37(5): 1329-1333. LI Wu Dui. A Discussion on Difference between Haze and Fog [10] Lu Yongshuai, Li Yuanxiang, Liu Bo,et al. Hyperspectral Da- and Warning of Ash Haze Weather[J]. Meteorological Month- Haze Monitoring based on Deep Residual NetworkLJAct ly,2015,31(4):3-7.[吴兑关于霾与雾的区别和灰霾天气预 Optica Sinica,2017,37(11):1-1.陆永帅,李元祥,刘波,等 警的讨论[]气象,2015,31(4):3-7] 基于深度残差网络的高光谱遥感数据监测霾[]光学学报, [2] He Yuexin, Zhang Xuelei. Chen Weiwei, et al. Spatial-tempo- 2017,37(11):1-11. a Characteristics of Regional Air Quality in Northeastern [11] Zhang Y, Guindon B Cihlar J. An Image Transform to Char- China based on Multi-satellites Aerosol Products[JI. Acta Sci- acterize and Compensate for Spatial Variations in Thin Cloud entia Circumstantiate, 2018, 38(2): [何月欣,张学 Contamination of Landsat Images[J]. Remote Sensing of En- 磊,陈卫卫,等.基于多卫星遥感的东北地区霾污染时空特征 ronment,2002,82(2):173-187. 研究[J]环境科学学报,2018,38(2):607-617.] [12] Crist E P A Spectral Haze Diagnostic Feature for Normalizing [3 Ge Wei Chen Liangfu, Si Yidanet al. Haze Spectral Analysis Landsat Thematic Mapper Data[CI//International Symposi- and Detection Algorithm Using Satellite Remote Sensing Data n Remote Sensing of Environment, 18 h, Paris, F LJI Spectroscopy and Spectral Analysis, 2016, 36(12)13817- October1-5,1984:735-744 3824.[葛巍陈良富,司一丹,等霾光谱特性分析与卫星遥感[13]JiCY. Haze reduction from the visible bands of landsat tm 识别算法[光谱学与光谱分析,2016,36(12):3817-3824.] and ETM+ Images over A Shallow Water Reef Environment [4] Mao Jietai, Li Chengcai, Zhang Junhua,et al. The Comparison LJ. Remote Sensing of Environment, 2008, 112(4):1773- of Remote Sensing Aerosol Optical Depthfrom MODIS Data 1783 and Ground Sun-photometer Observations[JJ. Journal of Ap- [14] Wen X P. Yang X F Haze Removal from the Visible Bands of plied Meteorological Science,2002,13(1):127-135.[毛节泰, CBERS Remote Sensing Data[C]//International Conference 李成才,张军华,等.MODⅠS卫星遥感北京地区气溶胶光学厚 on Industrial and Information Systems, Haikou, China, Apr. 度及与地面光度计遥感的对比[]应用气象学报,2002,13 24-25,2009:118-121. (1):127-135.] [15 Hu J, Wei C, Li X,et al. A Haze Removal Module for Mutlis- [5] Siegenthaler R, Baumgartner M F Analyses of Haze and Mist pectral Satellite Imagery [C]//Joint Urban Remote Sensing Situations over Swiss Lowlands during Summer Smog-period Event, Shanghai, China, May 20-22. 2009:1-4. with NOAA-AVHRR Data[CI/IEEE Geoscience and Re- [16] Kauth R J, Thomas G S The Tasseled Cap: A Graphic De- mote Sensing Symposium, Firenze, Italy, July 10-14, 1995,3 1842-1844. ural Crops as Seen by Landsat[cl//Proceeding of the Sym- [6] Lan Cuo, Zhang Yongxin Monitoring and Analysing Smog in posium on Machine Processing of Remotely Sensed Data, Pur- the groundlayer Atmosphere over Xining City during Winter due University, West Lafayette, Indiana, June 29-July 1, 1976. with Remote Sensing Image [J]. Meteorological Monthly, [17] Richter R A Spatially Adaptive Fast Atmospheric Correction 199824(26):27-29.[兰措,张永新冬季西宁市区上空阴霾的 AlgorithmLJ] International Journal of Remote Sensing, 1996 监测与分析[气象,199824(26):27-29. 17:1201-121
(３)研究内容方面.已开展了大量有关灰霾空 间分布与时间变化的研究工作,但对于灰霾形成机 制探究尚不够深入,未来应深入加强灰霾颗粒物的 物理化学性质分析,探讨其组分变化及相互作用对 遥感成像过程与图像特征的影响机理,奠定发展灰 霾遥感监测物理模型的研究基础. 系统集成与业务方面,借助于互联网、大数据和 人工智能等先进技术,收集与灰霾研究相关的指标 数据,建立灰霾遥感监测与模式模拟、预报系统,开 展高精度灰霾时空分布监测、可能运移路径与影响 预报预警,为灰霾污染控制与大气污染治理提供依 据,是灰霾遥感监测业务应用的重要环节也是未来 发展的重要方向. 参考文献(References): [１] WuDui．A DiscussiononDifferencebetween HazeandFog andWarningofAshHazeWeather[J]．MeteorologicalMonthＧ ly,２０１５,３１(４):３Ｇ７．[吴兑．关于霾与雾的区别和灰霾天气预 警的讨论[J]．气象,２０１５,３１(４):３Ｇ７．] [２] HeYuexin,ZhangXuelei,Chen Weiwei,etal．SpatialＧtempoＧ ralCharacteristicsofRegionalAir Qualityin Northeastern ChinabasedonMultiＧsatellitesAerosolProducts[J]．ActaSciＧ entiaeCircumstantiate,２０１８,３８(２):６０７Ｇ６１７．[何 月 欣,张 学 磊,陈卫卫,等．基于多卫星遥感的东北地区霾污染时空特征 研究[J]．环境科学学报,２０１８,３８(２):６０７Ｇ６１７．] [３] GeWei,ChenLiangfu,SiYidan,etal．HazeSpectralAnalysis andDetectionAlgorithm UsingSatelliteRemoteSensingData [J]．SpectroscopyandSpectralAnalysis,２０１６,３６(１２):３８１７Ｇ ３８２４．[葛巍,陈良富,司一丹,等．霾光谱特性分析与卫星遥感 识别算法[J]．光谱学与光谱分析,２０１６,３６(１２):３８１７Ｇ３８２４．] [４] MaoJietai,LiChengcai,ZhangJunhua,etal．TheComparison ofRemoteSensingAerosolOpticalDepthfrom MODISData andGroundSunＧphotometerObservations[J]．JournalofApＧ pliedMeteorologicalScience,２００２,１３(l):１２７Ｇ１３５．[毛 节 泰, 李成才,张军华,等．MODIS卫星遥感北京地区气溶胶光学厚 度及与地面光度计遥感的对比[J]．应 用 气 象 学 报,２００２,１３ (l):１２７Ｇ１３５．] [５] SiegenthalerR,BaumgartnerM F．AnalysesofHazeandMist SituationsoverSwissLowlandsduringSummerSmogＧperiods withNOAAＧAVHRR Data[C]∥IEEE GeoscienceandReＧ moteSensingSymposium,Firenze,Italy,July１０Ｇ１４,１９９５,３: １８４２Ｇ１８４４． [６] LanCuo,ZhangYongxin．MonitoringandAnalysingSmogin theGroundlayerAtmosphereoverXiningCityduringWinter with Remote SensingImage[J]．Meteorological Monthly, １９９８,２４(２６):２７Ｇ２９．[兰措,张永新．冬季西宁市区上空阴霾的 监测与分析[J]．气象,１９９８,２４(２６):２７Ｇ２９．] [７] Liu Yonghong．Research on HazeIdentificationin Beijing basedon NOAA/AVHRR SatelliteData[J]．Meteorological Monthly,２０１４,４０(５):６１９Ｇ６２７．[刘 勇 洪．基 于 NOAA/ AVHRR卫星 资 料 的 北 京 地 霾 识 别 研 究 [J]．气 象,２０１４, ４０(５):６１９Ｇ６２７．] [８] GaoDawei,MaHao,YuZhenyan,etal．MonitoringHazeEＧ ventsfromtheMODISTrueＧColorCompositeImageSeries: A CaseStudyofSevere HazePollution EventinZhejiang Province[J]．China EnvironmentalScience,２０１５,３５(１０): ２９３９Ｇ２９４９．[高大伟,马浩,郁珍艳,等．基于连续 MODIS 真彩 图的霾监测预警新方法———以浙江省一次严重霾污染过程为 例[J]．中国环境科学,２０１５,３５(１０):２９３９Ｇ２９４９．] [９] FengHaixia,SunDazhi,ShenLi,etal．TheAnalysisofSmog ImpactedontheMeasuredSpectralCurveoftheMainGround Object[J]．SpectroscopyandSpectralAnalysis,２０１７,３７(５): １３２９Ｇ１３３３．[冯海霞,孙大志,沈丽,等．雾霾对典型地物光谱曲 线测量 的 影 响 分 析 [J]．光 谱 学 与 光 谱 分 析,２０１７,３７(５): １３２９Ｇ１３３３．] [１０] LuYongshuai,LiYuanxiang,LiuBo,etal．HyperspectralDaＧ taHazeMonitoringbasedonDeepResidualNetwork[J]．Acta OpticaSinica,２０１７,３７(１１):１Ｇ１１．[陆永帅,李元祥,刘波,等． 基于深度残差网络的高光谱遥感数据监测霾[J]．光学学报, ２０１７,３７(１１):１Ｇ１１．] [１１] ZhangY,GuindonB,CihlarJ．AnImageTransformtoCharＧ acterizeandCompensateforSpatialVariationsinThinCloud ContaminationofLandsatImages[J]．RemoteSensingofEnＧ vironment,２００２,８２(２):１７３Ｇ１８７． [１２] CristEP．ASpectralHazeDiagnosticFeatureforNormalizing LandsatThematicMapperData[C]∥InternationalSymposiＧ umonRemoteSensingofEnvironment,１８th,Paris,France, October１Ｇ５,１９８４:７３５Ｇ７４４． [１３] JiCY．HazeReductionfromtheVisibleBandsofLandsatTM andETM＋ImagesoverAShallow WaterReefEnvironment [J]．RemoteSensingofEnvironment,２００８,１１２(４):１７７３Ｇ １７８３． [１４] WenXP,YangXF．HazeRemovalfromtheVisibleBandsof CBERSRemoteSensingData[C]∥InternationalConference onIndustrialandInformationSystems,Haikou,China,Apr． ２４Ｇ２５,２００９:１１８Ｇ１２１． [１５] HuJ,WeiC,LiX,etal．A HazeRemovalModuleforMutlisＧ pectralSatelliteImagery[C]∥JointUrbanRemoteSensing Event,Shanghai,China,May２０Ｇ２２,２００９:１Ｇ４． [１６] KauthRJ,ThomasGS．TheTasseledCap:A GraphicDeＧ scriptionoftheSpectralＧTemporalDevelopmentofAgriculＧ turalCropsasSeenbyLandsat[C]∥ProceedingoftheSymＧ posiumonMachineProcessingofRemotelySensedData,PurＧ dueUniversity,WestLafayette,Indiana,June２９ＧJuly１,１９７６． [１７] RichterR．ASpatiallyAdaptiveFastAtmosphericCorrection Algorithm[J]．InternationalJournalofRemoteSensing,１９９６, １７:１２０１Ｇ１２１４． 第１期 向嘉敏等:灰霾遥感监测研究进展 １７
感技术与应用 第34卷 [18] Zha Y, Gao J.Jiang J Jet al. Normalized Difference Haze In- [28] Dai Yangyang, Li Chengfan, Zhou Shiqiang, et al. Haze Moni- dex: ANew Spectral Index for Monitoring Urban Air Pollu- toring of Shanghai Area based on Remote Sensing[J]. Engi- tion [J]. International Journal of Remote Sensing, 2012 neering of Surveying and Mapping, 2015, 24(12):29-32. L9p 33(1):309-321 羊,李成范,周时强,等,基于遥感的上海地区雾霾监测研究 9] Zhang Wen, Pan Jinghu. Remote Sensing Estimation and the [J].测绘工程,2015,24(12):29-32. Empirical Orthogonal Function Analysis on Spatial-tempor [29 Wang J, Christopher S A Intercomparison tetween Satellite- Variations of PM2. 5 Concentration during the Period of Derives Aerosol Optical Thickness and PM2. 5 Mass: Implica- Large-Scale Haze in Beijing-Tianjing-Hebei in 2013LJ]Jou tions for Air Quality Studies LJI Geophysical Research Let- nal of Lanzhou University Natural Science Edition, 2016, 52 ters,1993,30(21):465-471 (3):350-356.[张文,潘竟虎2013年大范围雾霾期间京津冀30] Koelemeijer B A, Homan Cd, Matthijsen J Comparison of PM2质量浓度遥感估算及时空变化的经验正交函数分析 Spatial and Temporal Variations of Aerosol Optical Thickness [].兰州大学学报:自然科学版,2016,52(3):350-356. and Particulate Matter in Europe [J]. Atmospheric Environ- [20 Li Chengcai, Mao Jietai, Liu Qihan, et al. Research on Distri- ment,2006,40(27):5304-5315 oution and Seasonal Variation of Aerosol Optical Depth in [31] Donkelaar V A, Martin R V, Brauer M, et al. Global Esti- Eastern China Using MODIS[]. Chinese Science Bulletin mates of Ambient Fine Particulate Matter Concentrations 003,48(19):2094-2100.[李成才,毛节泰,刘启汉,等.利用 from Satellite-based Aerosol Optical Depth: Development and MODIS研究中国东部地区气溶胶光学厚度的分布和季节变 Application [J]. Environment Health Perspective, 2010 化特征[].科学通报,2003,48(19):2094-2100. 118(6):847-855 [211 Kittaka C Winker D M, Vaughan M A,et al. Intercom parison [32] Tian J, Chen D M. A Semi-Empirical Model for Predicting of Column Aerosol Optical Depths from CALIPSO and MO- Hourly Ground-Level Fine Particulate Matter (PM2. 5) Con- DIS-AquaLJI. Atmospheric Measurement Techniques. 2011 centration in Southern Ontario from Satellite Remote Sensing 4(2):183-1 and Ground-based Metrological Measurement [J].Remote [22] Li Z, Gu x, Wang L, et al. Aerosol Physical and Chemical Sensing of Environment, 2010, 114(2):936-94 Properties Retrieved from Ground-based Remote Sensing [33] Xin J Y, Zhang Q, Wang LL, et al. The Empirical Relation- Measurements during Heavy Haze Days in Beiing WinterDJI. ship between the Pm2. 5 Concentration and Aerosol Optical Atmospheric Chemistry and Physics, 2013, 13(20):10171 Depth over the background of North China from 2009 to 201 10183 [J]. Atmospheric Research, 2014, 138: 179-188 [23] Tao M, Chen L, Wang Z, et al. A Study of Urban Pollution [34] Lin Haifeng, Xin Jinyuan. Zhang Wenyu,et al. Comparison of and Haze Clouds over Northern China during the Dusty Sea- Atmospheric Particulate Matter and Aerosol Optical Depth in son based on Satellite and Surface Observations[J]. Atmos- Beijing City[J]. Environmental Science, 2013, 34(3): 827-834 pheric Environment, 2014. 82: 183-19 [林海峰,辛金元,张文煜,等.北京市近地层颗粒物浓度与气 [24 Sifakis N I. Soulakellis N A Satellite Image Processing for 溶胶光学厚度相关性分析研究[J]环境科学,2013,34(3): Haze and Aerosol Mapping (SIPHA): Code Description and Presentation of Rresults[C]//IEEE Geosciences and Remote [35 Tao Jinhua, Zhang Meigen, Chen Liangfu, et al. Estimation of Sensing Symposium, Honolulu, HI. USA July 24-28, 2000.1: Particulate Matter Near the ground based on Satellite Re- 222-224 mote Sensing AOT Method []. Scientia Sinica Terrae) [25 Lee K, Kim Y J Min J K Characteristics of Aerosol Observed 2013,43(1):143-154.[陶金花,张美根,陈良富,等.一种基于 during Two Severe Haze Events over Korea in June and Octo- 卫星遥感AOT估算近地面颗粒物的方法[中国科学:地球 ber 2004[J]. Atmospheric Environment, 2006,40(27):5146- 科学,2013,43(1):143-154.] [36 Chen H, Li Q, Wang Z T, et al. Study on Monitoring Surface [26] Li S S, Chen L F, Zheng F B,et al. Design and Application of M2. 5 Concentration in Jing-Jin-Ji Regions Using MODIS Haze Optic Thickness Retrieval Model for Beijing Olympic DataLJ. Journal of Meteorology and Environment, 2014 Games[C] //IEEE International Geosciences and Remote 30(5):27-37 Sensing Symposium, Cape Town, South Africa, July 12-17 [37] Li Zhengqiang, Xu Hua, Zhang Ying, et al. Remote Sensing of 2009,2:11507-11510. Haze Pollution based on Satellite Data: Method and System [27] Wang Zhongting, Li Qing, L i Shenshen,et al. The Monitoring Design[J]. Environmental Monitoring in China, 2014, 30(3): of Haze from H-1[J. Spectroscopy and Spectral Analysis 159-165.[李正强,许华,张莹,等基于卫星数据的灰霾污染遥 2012,32(3):775-780.[王中挺,厉青,李莘莘,等.基于环境 感监测方法及系统设计[冂中国环境监测,2014,30(3):159- 号卫星的霾监测应用[J].光谱学与光谱分析,2012,32(3) 775-780.] [38 Cheng Liangfu, Chen Shuisen, Zhong Liuju, et al. Statistic
[１８] ZhaY,GaoJ,JiangJJ,etal．NormalizedDifferenceHazeInＧ dex:ANewSpectralIndexfor Monitoring Urban AirPolluＧ tion[J]．InternationalJournalof Remote Sensing,２０１２, ３３(１):３０９Ｇ３２１． [１９] Zhang Wen,PanJinghu．RemoteSensingEstimationandthe EmpiricalOrthogonalFunctionAnalysisonSpatialＧtemporal Variationsof PM２．５ Concentration duringthe Period of LargeＧScaleHazeinBeijingＧTianjingＧHebeiin２０１３[J]．JourＧ nalofLanzhouUniversity:NaturalScienceEdition,２０１６,５２ (３):３５０Ｇ３５６．[张文,潘竟虎．２０１３年大范围雾霾期间京津冀 PM ２．５质量浓度遥感估算及时空变化的经 验 正 交 函 数 分 析 [J]．兰州大学学报:自然科学版,２０１６,５２(３):３５０Ｇ３５６．] [２０] LiChengcai,MaoJietai,LiuQihan,etal．ResearchonDistriＧ butionandSeasonalVariationofAerosolOpticalDepthin EasternChina Using MODIS[J]．ChineseScienceBulletin, ２００３,４８(１９):２０９４Ｇ２１００．[李 成 才,毛 节 泰,刘 启 汉,等．利 用 MODIS研究中国东部地区气溶胶光学厚度的分布和季节变 化特征[J]．科学通报,２００３,４８(１９):２０９４Ｇ２１００．] [２１] KittakaC,WinkerD M,VaughanM A,etal．Intercomparison ofColumnAerosolOpticalDepthsfrom CALIPSOand MOＧ DISＧAqua[J]．Atmospheric MeasurementTechniques,２０１１, ４(２):１８３Ｇ１８６． [２２] LiZ,Gu X,WangL,etal．AerosolPhysicalandChemical Properties Retrieved from GroundＧbased Remote Sensing MeasurementsduringHeavyHazeDaysinBeijingWinter[J]． AtmosphericChemistryandPhysics,２０１３,１３(２０):１０１７１Ｇ １０１８３． [２３] TaoM,ChenL,WangZ,etal．A StudyofUrbanPollution andHazeCloudsoverNorthernChinaduringtheDustySeaＧ sonbasedonSatelliteandSurfaceObservations[J]．AtmosＧ phericEnvironment,２０１４,８２:１８３Ｇ１９２． [２４] SifakisNI,SoulakellisN A．SatelliteImageProcessingfor HazeandAerosolMapping (SIPHA):CodeDescriptionand PresentationofRresults[C]∥IEEEGeosciencesandRemote SensingSymposium,Honolulu,HI,USA,July２４Ｇ２８,２０００,１: ２２２Ｇ２２４． [２５] LeeK,Kim YJ,MinJK．CharacteristicsofAerosolObserved duringTwoSevereHazeEventsoverKoreainJuneandOctoＧ ber２００４[J]．AtmosphericEnvironment,２００６,４０ (２７):５１４６Ｇ ５１５５． [２６] LiSS,ChenLF,ZhengFB,etal．DesignandApplicationof HazeOpticThicknessRetrieval ModelforBeijing Olympic Games[C]∥IEEE International Geosciencesand Remote SensingSymposium,CapeTown,South Africa,July１２Ｇ１７, ２００９,２:１１５０７Ｇ１１５１０． [２７] WangZhongting,LiQing,LiShenshen,etal．TheMonitoring ofHazefrom HJＧ１[J]．SpectroscopyandSpectralAnalysis, ２０１２,３２(３):７７５Ｇ７８０．[王中挺,厉青,李莘莘,等．基于环境一 号卫星的霾监测应用[J]．光谱学与光谱 分 析,２０１２,３２(３): ７７５Ｇ７８０．] [２８] DaiYangyang,LiChengfan,ZhouShiqiang,etal．HazeMoniＧ toringofShanghaiAreabasedonRemoteSensing[J]．EngiＧ neeringofSurveyingandMapping,２０１５,２４(１２):２９Ｇ３２．[戴羊 羊,李成范,周时强,等．基于遥感的上海 地 区 雾 霾 监 测 研 究 [J]．测绘工程,２０１５,２４(１２):２９Ｇ３２．] [２９] WangJ,ChristopherSA．IntercomparisontetweenSatelliteＧ DerivesAerosolOpticalThicknessandPM２．５Mass:ImplicaＧ tionsforAirQualityStudies[J]．GeophysicalResearchLetＧ ters,１９９３,３０(２１):４６５Ｇ４７１． [３０] KoelemeijerRBA,HomanCD,MatthijsenJ．Comparisonof SpatialandTemporalVariationsofAerosolOpticalThickness andParticulate MatterinEurope[J]．AtmosphericEnvironＧ ment,２００６,４０(２７):５３０４Ｇ５３１５． [３１] DonkelaarV A,Martin R V,Brauer M,etal．GlobalEstiＧ matesof Ambient Fine Particulate Matter Concentrations fromSatelliteＧbasedAerosolOpticalDepth:Developmentand Application [J]．Environment Health Perspective,２０１０, １１８(６):８４７Ｇ８５５． [３２] TianJ,Chen D M．A SemiＧEmpirical ModelforPredicting HourlyGroundＧLevelFineParticulateMatter(PM２．５)ConＧ centrationinSouthernOntariofromSatelliteRemoteSensing and GroundＧbased Metrological Measurement[J]．Remote SensingofEnvironment,２０１０,１１４(２):９３６Ｇ９４３． [３３] XinJY,ZhangQ,WangLL,etal．TheEmpiricalRelationＧ shipbetweenthePM２．５Concentrationand AerosolOptical DepthovertheBackgroundofNorthChinafrom２００９to２０１１ [J]．AtmosphericResearch,２０１４,１３８:１７９Ｇ１８８． [３４] LinHaifeng,XinJinyuan,Zhang Wenyu,etal．Comparisonof AtmosphericParticulateMatterandAerosolOpticalDepthin BeijingCity[J]．EnvironmentalScience,２０１３,３４(３):８２７Ｇ８３４． [林海峰,辛金元,张文煜,等．北京市近地层颗粒物浓度与气 溶胶光学厚度 相 关 性 分 析 研 究 [J]．环 境 科 学,２０１３,３４(３): ８２７Ｇ８３４．] [３５] TaoJinhua,ZhangMeigen,ChenLiangfu,etal．Estimationof Particulate MatterNeartheGroundbasedonSatelliteReＧ moteSensing AOT Method[J]．ScientiaSinica (Terrae), ２０１３,４３(１):１４３Ｇ１５４．[陶金花,张美根,陈良富,等．一种基于 卫星遥感 AOT估算近地面颗粒物的方法[J]．中国科学:地球 科学,２０１３,４３(１):１４３Ｇ１５４．] [３６] ChenH,LiQ,WangZT,etal．Studyon MonitoringSurface PM２．５ ConcentrationinJingＧJinＧJiRegions Using MODIS Data[J]．Journalof Meteorologyand Environment,２０１４, ３０(５):２７Ｇ３７． [３７] LiZhengqiang,XuHua,ZhangYing,etal．RemoteSensingof HazePollutionbasedonSatelliteData:MethodandSystem Design[J]．EnvironmentalMonitoringinChina,２０１４,３０(３): １５９Ｇ１６５．[李正强,许华,张莹,等．基于卫星数据的灰霾污染遥 感监测方法及系统设计[J]．中国环境监测,２０１４,３０(３):１５９Ｇ １６５．] [３８] Cheng Liangfu,Chen Shuisen,Zhong Liuju,etal．Statistic １８ 遥 感 技 术 与 应 用 第３４卷
第1期 向嘉敏等:灰霾遥感监测研究进展 Method of particulate matter Concentration based on the sat- 区灰霾天气特征[C]∥第26届中国气象学会年会论文集,杭 ellite Observations Combining with Ground Measurements in 州,中国气象学会,10月14日-16日,2009. PRDLJ] Tropical Geography, 2015,35(1): 7-12.LE 2, F [48] Guo J, Zhang X Y, Cao C X,et al. Monitoring Haze Episodes 水森,钟流举,等,卫星数据和地面观测结合的珠三角地区颗 over Yellow Sea by Combining Multi-sensor Measurements 粒物质量浓度统计估算方法[J.热带地理,2015,35(1):7- TJ. International Journal of Remote Sensing, 2010,31(17- 12.] 18):4743-4755. [39] Zhang Yumeng, Wang Zhongting Haze Retrieving over North [49] Liu Qiong, Geng Fuhai, Chen Yonghang, et al. Vertical Distri- China Plain from Multi-angle Polarized Data[JI. China Envi- bution of Aerosols during Different Intense Dry Haze Periods ronmental science,2017,37(2):460-466.张钰萌,王中挺.利 用多角度偏振数据反演华北地区灰霾气溶胶[J]中国环境科 32(2):207-213.[刘琼,耿福海,陈勇航,等.上海不同强度干霾 学,2017,37(2):460~466 期间气溶胶垂直分布特征[冂]中国环境科学,2012,32(2): [40 Gupta P, Christopher S A, Wang J, et al. Satellite Remote 207-213.] Sensing of Particulate Matter and Air Quality Assessment o [50] Xu Tingting, Qin Yan, Geng Fuhai,et al. Seasonal Variations er Global Cities [J]. Atmospheric Environment, 2006 in the vertical Distribution of Aerosols during Dry Haze Peri- 30):5880-5892 ods in Regions Around ShanghaiLJJ. Environmental Science [41] Liu Y, Paciorek C J, Koutrakis P Estimating Regional 2012,33(7):2165-2171.[徐婷婷,秦艳耿福海,等环上海地 and Temporal Variability of PM 2.5 Concen 区干霾气溶胶垂直分布的季节变化特征[环境科学,2012, Satellite Data, Meteorology, and Land Use Information [J] 33(7):2165-2171. Environment Health Perspective, 2009. 117(6): 886-892 [51] Qin Yan, Zhang Ruan, Ji Peixi, et al. Vertical Distribution of [42] Ye Yu, Li Xiuyang, Chen Kun, et al. Association of Aerosol Aerosols in Middle and Low Troposphere in Northern China Optical Depth with Air Pollutants and Meteorological Fac- during Haze Periods [J]. Acta Scientiae Circumstantiate tors: A Time Series AnalysisLJI. Climatic and Environmental 2013,33(6):1665-1671.[秦艳,章阮,籍裴希,等华北地区霾 Research,2011,16(2):169-174.叶瑜,李秀央,陈坤,等.大气 期间对流层中低层气溶胶垂直分布[J环境科学学报,2013 气溶胶光学厚度与大气污染物及气象因素关系的时间序列研 33(6):1665-1671.] 究[J气候与环境研究,2011,16(2):169-174.] [52] Liu Xuan, Zhu Bin, Hou Xuewei, et al. Analysis of Haze E- [43] Hu X F, Waller L A, Ai-Hamdan M Z, et al. Estimating vents based on Satellite Remote Sensing and Field Observa- Ground-Llevel PM2 5 Concentrations in the Sout heastern us tions: A Case Study of Severe Haze Pollution over the Yan- Using Geographically Weighted Regression[J]. Environmental gtze River Delta [J]. China Environmental Science, 2015,35 Research,2013,121(2):1-10 (3):641-651.[刘璇,朱彬,侯雪伟,等基于卫星遥感和地面观 [44] Niu Zhichun, Jiang Sheng Li Xuwen,et al. The Remote Sens- 测资料的霾过程分析——以长江三角洲地区一次严重霾污染 ing Monitoring Operational System of Haze Pollution in Jian- 过程为例[几中国环境科学,2015,35(3):641-651. gsu Province [j]. Environmental Monitoring and Forewar- [53 Zheng Kaiduan, Chen Jian, Zhou Jie, et al. Research on Moni- ning,2014,6(5):15-18.[牛志春,姜晟,李旭文,等.江苏省霾 toring of A Severe Haze Pollution over Yangtze River Delta 污染遥感监测业务化运行研究[J].环境监控与预警,2014 based on Multisource Remote Sensing Data[J. Remote Sens- 6(5):15-18 ing for Land&. Resources,2018,30(1):224-232.[郑凯端,陈 [45] Just A C, Wright R O, Schwartz J,et al. Using High-Resolu- 健,周杰,等.长三角地区一次严重雾霾事件的多源遥感监测 tion Satellite Aerosol Optical Depth to Estimate Daily PM2.5 研究[].国土资源遥感,2018,30(1):224-232. Geographical Distribution in Mexico City [J]. Environmental [54] Wang Jin, Feng Dingrao, Sun Yiyu. Research on Atmospheric Science & Technology, 2015.49(14):8576-8584 Aerosol Inversion by Satellite Remote Sensing based on Liter- [46 Li Zhengqiang, Xu Hua, Zhang Yinget al. Joint use of iture Statistics in China [J]. Geomatics World, 2018.25(6 and Passive Remote Sensing for Monitoring of Severe 54-57[王进,冯丁饶,孙裔煜.基于文献统计的我国气溶胶卫 Pollution in Beijing 2013[J] Journal of Remote Sensing 星遥感反演研究[J]地理信息世界,2018,25(6):54-57. 2013,17(4):919-928.[李正强,许华,张莹,等北京区域2013[55] Xie Yuanli, Guan li, Gao Zhiyuan,etal. Remote Sensing In 严重灰霾污染的主被动遥感监测[]遥感学报,2013,17(4) version of Aerosol Optical Thickness and Correlation Analy- sis of Haze based on MODIS Data[J]. Geomatics Technology [47] Mao Xiaogin, Chen Yonghang, Geng Fuhai, et al. Study on and Equipment,2018,20(3):23-27.[谢元礼,管理,高志远 Haze Weather Characteristics in Yangtze River Delta Using 等.基于MODS数据的气溶胶光学厚度遥感反演及灰霾关联 CALIPSO Satellite Data[C]//China Meteorological Society 性分析[]测绘技术装备,2018,20(3):23-27] Proceedings of the Conference, 14-16 October, 2009. [ E BX F, [56] Guo Ping, Luo Yiliang, Wu Yujie, et al. Analysis of the Char- 陈勇航,耿福海,等.应用 CALIPSO卫星资料研究长三角地 acteristics and Haze Pollution in Winter of Changsha based or
MethodofParticulateMatterConcentrationbasedontheSatＧ elliteObservationsCombiningwithGroundMeasurementsin PRD[J]．TropicalGeography,２０１５,３５(１):７Ｇ１２．[陈良富,陈 水森,钟流举,等．卫星数据和地面观测结合的珠三角地区颗 粒物质量浓度统 计 估 算 方 法 [J]．热 带 地 理,２０１５,３５(１):７Ｇ １２．] [３９] ZhangYumeng,WangZhongting．HazeRetrievingoverNorth ChinaPlainfrom MultiＧanglePolarizedData[J]．ChinaEnviＧ ronmentalScience,２０１７,３７(２):４６０Ｇ４６６．[张钰萌,王中挺．利 用多角度偏振数据反演华北地区灰霾气溶胶[J]．中国环境科 学,２０１７,３７(２):４６０Ｇ４６６．] [４０] GuptaP,ChristopherS A,WangJ,etal．SatelliteRemote SensingofParticulateMatterandAirQualityAssessmentoＧ verGlobalCities[J]．Atmospheric Environment,２００６,４０ (３０):５８８０Ｇ５８９２． [４１] LiuY,PaciorekCJ,KoutrakisP．EstimatingRegionalSpatial and TemporalVariabilityofPM ２．５ Concentrations Using SatelliteData,Meteorology,andLand UseInformation[J]． EnvironmentHealthPerspective,２００９,１１７(６):８８６Ｇ８９２． [４２] YeYu,LiXiuyang,ChenKun,etal．AssociationofAerosol OpticalDepth with AirPollutantsand MeteorologicalFacＧ tors:ATimeSeriesAnalysis[J]．ClimaticandEnvironmental Research,２０１１,１６(２):１６９Ｇ１７４．[叶瑜,李秀央,陈坤,等．大气 气溶胶光学厚度与大气污染物及气象因素关系的时间序列研 究[J]．气候与环境研究,２０１１,１６(２):１６９Ｇ１７４．] [４３] Hu X F,WallerL A,AiＧHamdan M Z,etal．Estimating GroundＧLlevelPM２．５ConcentrationsintheSoutheasternUS UsingGeographicallyWeightedRegression[J]．Environmental Research,２０１３,１２１(２):１Ｇ１０． [４４] NiuZhichun,JiangSheng,LiXuwen,etal．TheRemoteSensＧ ingMonitoringOperationalSystemofHazePollutioninJianＧ gsu Province[J]．Environmental Monitoringand ForewarＧ ning,２０１４,６(５):１５Ｇ１８．[牛志春,姜晟,李旭文,等．江苏省霾 污染遥感监测业务化运行研究[J]．环 境 监 控 与 预 警,２０１４, ６(５):１５Ｇ１８．] [４５] JustAC,WrightR O,SchwartzJ,etal．UsingHighＧResoluＧ tionSatelliteAerosolOpticalDepthtoEstimateDailyPM２．５ GeographicalDistributionin MexicoCity[J]．Environmental Science& Technology,２０１５,４９(１４):８５７６Ｇ８５８４． [４６] LiZhengqiang,XuHua,ZhangYing,etal．JointuseofActive andPassiveRemoteSensingfor MonitoringofSevere Haze Pollutionin Beijing２０１３[J]．Journalof RemoteSensing, ２０１３,１７(４):９１９Ｇ９２８．[李正强,许华,张莹,等．北京区域 ２０１３ 严重灰霾污染的主被动遥感监测[J]．遥感学报,２０１３,１７(４): ９１９Ｇ９２８．] [４７] Mao Xiaoqin,Chen Yonghang,GengFuhai,etal．Studyon HazeWeatherCharacteristicsin YangtzeRiverDeltaUsing CALIPSOSatelliteData[C]∥China MeteorologicalSociety ProceedingsoftheConference,１４Ｇ１６October,２００９．[毛晓琴, 陈勇航,耿福海,等．应用 CALIPSO 卫星资料研究长三角地 区灰霾天气特征[C]∥第 ２６ 届中国气象学会年会论文集,杭 州,中国气象学会,１０月１４日Ｇ１６日,２００９．] [４８] GuoJ,ZhangX Y,CaoCX,etal．MonitoringHazeEpisodes overYellow SeabyCombining MultiＧsensor Measurements [J]．InternationalJournalofRemoteSensing,２０１０,３１(１７Ｇ １８):４７４３Ｇ４７５５． [４９] LiuQiong,GengFuhai,ChenYonghang,etal．VerticalDistriＧ butionofAerosolsduringDifferentIntenseDryHazePeriods AroundShanghai[J]．China EnvironmentalScience,２０１２, ３２(２):２０７Ｇ２１３．[刘琼,耿福海,陈勇航,等．上海不同强度干霾 期间气溶胶垂直分布特征[J]．中国环境 科 学,２０１２,３２(２): ２０７Ｇ２１３．] [５０] XuTingting,QinYan,GengFuhai,etal．SeasonalVariations intheVerticalDistributionofAerosolsduringDryHazePeriＧ odsinRegionsAroundShanghai[J]．EnvironmentalScience, ２０１２,３３(７):２１６５Ｇ２１７１．[徐婷婷,秦艳,耿福海,等．环上海地 区干霾气溶胶垂直分布的季节变化特征[J]．环境科学,２０１２, ３３(７):２１６５Ｇ２１７１．] [５１] QinYan,ZhangRuan,JiPeixi,etal．VerticalDistributionof AerosolsinMiddleandLow TroposphereinNorthernChina during Haze Periods[J]．Acta Scientiae Circumstantiate, ２０１３,３３(６):１６６５Ｇ１６７１．[秦艳,章阮,籍裴希,等．华北地区霾 期间对流层中低层气溶胶垂直分布[J]．环境科学学报,２０１３, ３３(６):１６６５Ｇ１６７１．] [５２] LiuXuan,ZhuBin,HouXuewei,etal．AnalysisofHazeEＧ ventsbasedonSatelliteRemoteSensingandFieldObservaＧ tions:ACaseStudyofSevereHazePollutionovertheYanＧ gtzeRiverDelta[J]．ChinaEnvironmentalScience,２０１５,３５ (３):６４１Ｇ６５１．[刘璇,朱彬,侯雪伟,等．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[J]．中国环境科学,２０１５,３５(３):６４１Ｇ６５１．] [５３] ZhengKaiduan,ChenJian,ZhouJie,etal．Researchon MoniＧ toringofASevereHazePollutionoverYangtzeRiverDelta basedonMultisourceRemoteSensingData[J]．RemoteSensＧ ingforLand& Resources,２０１８,３０(１):２２４Ｇ２３２．[郑凯端,陈 健,周杰,等．长三角地区一次严重雾霾事件的多源遥感监测 研究[J]．国土资源遥感,２０１８,３０(１):２２４Ｇ２３２．] [５４] WangJin,FengDingrao,SunYiyu．ResearchonAtmospheric AerosolInversionbySatelliteRemoteSensingbasedonLiterＧ atureStatisticsinChina[J]．Geomatics World,２０１８,２５(６): ５４Ｇ５７．[王进,冯丁饶,孙裔煜．基于文献统计的我国气溶胶卫 星遥感反演研究[J]．地理信息世界,２０１８,２５(６):５４Ｇ５７．] [５５] XieYuanli,GuanLi,GaoZhiyuan,etal．RemoteSensingInＧ versionofAerosolOpticalThicknessandCorrelationAnalyＧ sisofHazebasedonMODISData[J]．GeomaticsTechnology andEquipment,２０１８,２０(３):２３Ｇ２７．[谢元礼,管理,高志远, 等．基于 MODIS数据的气溶胶光学厚度遥感反演及灰霾关联 性分析[J]．测绘技术装备,２０１８,２０(３):２３Ｇ２７] [５６] GuoPing,LuoYiliang,WuYujie,etal．AnalysisoftheCharＧ acteristicsandHazePollutioninWinterofChangshabasedon 第１期 向嘉敏等:灰霾遥感监测研究进展 １９
感技术与应用 第34卷 Terrestrial and Satellite Obeservations [J ]. Environmental [57] Zhao Jianqiao. Application of Remote Sensing Technology in Pollution Cont rol,2018,40(7):800-811.[郭平,罗怡靓,吴育 Haze Monitoring [J]. Rural Economy and Science-Technolo- 杰,等基于地面和卫星监测的长沙市冬季灰霾污染特征及成 gy,2018,29〔5):11-12.[赵建桥,遥感技术在雾霾监测中的应 因研究[].环境污染与防治,2018,40(7):800-81. 用[几]农村科技与经济,2018,29(5):11-12. Progress in Haze Monitoring by remote Sensing Technology Xiang Jiamin, Zhu Shanyou, Zhang Guixin, Liu Yi, Zhou Yang (1. School of Remote Sensing & Geomatics Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, china 2. School of Geogra phical Sciences, Nanjing University of information Science & Technology, Nanjing 210044. China) Abstract: The haze weather is one of the serious disasters affecting the human health and social economic development. Quantitatively monitoring the haze spatio-temporal distribution with a higher precision b mote sensing technology is the basis to predict the haze spreading and then warn its influence early, which has been a hot issue in the research field of atmospheric environment The corresponding progress in haze monitoring by remote sensing technology at home and abroad were summarized in this paper. The main methods of haze monitoring can be classified intothree categories: the image transformation from multi- channels and construction of haze indices based on the spectral differences, monitoring directly by the aero sol optical depth and indirectly by estimating the content of atmospheric particulates, and monitoring verti cal and horizontal distribution features from multi-sources remotely sensed data combined the passive opti cal sensors with the active laser radars. Then the existing problems and difficulties were also discussed. In the future, on the basis of developing three-dimensional haze monitoring technology by multi-sources re mote sensing methods, research on haze simulation and prediction with high spatio-temporal resolution as rell as its practical application need to be further strengthened. Key words Haze; Aerosol; Remote sensing; Monitoring
Terrestrialand Satellite Obeservations[J]．Environmental PollutionControl,２０１８,４０(７):８００Ｇ８１１．[郭平,罗怡靓,吴育 杰,等．基于地面和卫星监测的长沙市冬季灰霾污染特征及成 因研究[J]．环境污染与防治,２０１８,４０(７):８００Ｇ８１１．] [５７] ZhaoJianqiao．ApplicationofRemoteSensingTechnologyin HazeMonitoring[J]．RuralEconomyandScienceＧTechnoloＧ gy,２０１８,２９(５):１１Ｇ１２．[赵建桥,遥感技术在雾霾监测中的应 用[J]．农村科技与经济,２０１８,２９(５):１１Ｇ１２．] ProgressinHazeMonitoringbyRemoteSensingTechnology XiangJiamin１,ZhuShanyou１,ZhangGuixin２,LiuYi１,ZhouYang １ (１．SchoolofRemoteSensing & GeomaticsEngineering,NanjingUniversity ofInformationScience& Technology,Nanjing２１００４４,China; ２．SchoolofGeographicalSciences,NanjingUniversityofInformation Science& Technology,Nanjing２１００４４,China) Abstract:Thehazeweatherisoneoftheseriousdisastersaffectingthehumanhealthandsocialeconomic development．QuantitativelymonitoringthehazespatioＧtemporaldistributionwithahigherprecisionbyreＧ motesensingtechnologyisthebasistopredictthehazespreadingandthenwarnitsinfluenceearly,which hasbeenahotissueintheresearchfieldofatmosphericenvironment．Thecorrespondingprogressinhaze monitoringbyremotesensingtechnologyathomeandabroadweresummarizedinthispaper．Themain methodsofhazemonitoringcanbeclassifiedintothreecategories:theimagetransformationfrom multiＧ channelsandconstructionofhazeindicesbasedonthespectraldifferences,monitoringdirectlybytheaeroＧ solopticaldepthandindirectlybyestimatingthecontentofatmosphericparticulates,andmonitoringvertiＧ calandhorizontaldistributionfeaturesfrom multiＧsourcesremotelysenseddatacombinedthepassiveoptiＧ calsensorswiththeactivelaserradars．Thentheexistingproblemsanddifficultieswerealsodiscussed．In thefuture,onthebasisofdevelopingthreeＧdimensionalhazemonitoringtechnologybymultiＧsourcesreＧ motesensingmethods,researchonhazesimulationandpredictionwithhighspatioＧtemporalresolutionas wellasitspracticalapplicationneedtobefurtherstrengthened． Keywords:Haze;Aerosol;Remotesensing;Monitoring ２０ 遥 感 技 术 与 应 用 第３４卷
