城市地区大气气溶胶遥感反演研究

分类号密级UDC 编号中国科学院研究生院博士学位论文城市地区大气气溶胶遥感反演研究孙林指导教师柳钦火研究员中国科学院遥感应用研究所申请学位级别博士学科专业名称地图学与地理信息系统论文提交日期 2006年5月论文答辩日期 2006年6月3日培养单位中国科学院遥感应用研究所学位授予单位中国科学院研究生院答辩委员会主席城市地区大气气溶胶遥感反演研究摘要本文主要研究城市地区的气溶胶反演问题，反演的气溶胶参数有：气溶胶光学厚度和气溶胶的粒子谱。

文中主要研究了两种卫星数据的城市地区气溶胶反演方法：一种是国外在轨运行的中分辨率成像光谱仪（MODIS）数据，具有36个通道，空间分辨率分别为250米、500米和1000米；一种是国内的即将发射的环境与减灾卫星（HJ-1）高光谱成像仪数据，具有约135个通道，空间分辨率为100米。

根据不同卫星数据的空间分辨率及光谱分辨率等参数特征，文中共使用三种气溶胶光学厚度反演方法反演城市地区的气溶胶光学厚度，分别是：结构函数法、浓密植被算法及高反差地表法，使用高反差地表法反演的环境与减灾卫星的多波段气溶胶光学厚度反演了气溶胶的粒子谱。

浓密植被算法能够很好的反演陆地上浓密植被像元的气溶胶光学厚度，对于城市地区而言，当卫星数据的空间分辨率较高时，城市中分布较多的森林公园、草坪等区域，可以作为浓密植被算法反演时要求的浓密植被像元；当卫星数据的空间分辨率较低时，难以找到满足浓密植被要求的像元，致使浓密植被算法很难在城市这样的地区使用，基于大气透过率的结构函数法（又称对比算法）可以适用于高反射率地区气溶胶光学厚度反演，有望解决城市地区气溶胶光学厚度的反演问题；对于高光谱数据，高反差地表法能够方便的反演出在其波段设置范围内的气溶胶光学厚度的谱分布，帮助我们更清楚的了解气溶胶的尺度谱分布等性质根据MODIS数据的空间分辩率特点，文中使用结构函数法反演MODIS数据城市地区的气溶胶光学厚度。

由于城市地区地表的空间结构非常复杂，地表二向反射特性非常明显，给结构函数法精确反演城市地区的气溶胶光学厚度带来了严峻挑战，为降低城市地区地表的二向反射特性对结构函数法反演气溶胶光学厚度的影响，文中发展了城市地区的BRDF模型，并将BRDF模型用于北京地区的气溶胶光学厚度反演。

在城市地区BRDF模型构建时，两个重要的影响因素是城市地区的植被覆盖面积比和城市的几何结构。

为精确反演出城市地区的植被覆盖面积比，本文提出了一种新的用于城市地区植被覆盖面积比的计算方法，并成功用于北京市区植被覆盖面积比的计算。

文中使用构建的BRDF模型结合MODIS卫星数据反演了北京市区的楼房等效光学高度。

对于城市地区这一特殊的地表结构，本文提出改进的结构函数计算方法，与传统的结构函数法相比，在城市地区具有更高的稳定性。

将构建的城市BRDF模型与结构函数法结合，反演了北京市区的气溶胶光学厚度，反演结果与北京市环境监测站的环境污染监测结果以及北京地区AERONET测站的测量结果具有很好的一致性。

文中使用浓密植被法研究了环境与减灾卫星高光谱数据反演红蓝波段气溶胶光学厚度的方法。

由于环境与减灾卫星将于2007年发射，文中使用HYPERION高光谱数据模拟了不同气溶胶光学厚度条件下的环境与减灾卫星高光谱数据，并将模拟的数据使用浓密植被算法进行了气溶胶光学厚度反演分析，气溶胶光学厚度反演时使用NDVI指数确定城市中的浓密植被像元。

为利用环境与减灾卫星高光谱分辨率的优势，文中使用高反差地表法反演了气溶胶光学厚度的谱分布，并使用反演的多波段气溶胶光学厚度尝试反演了气溶胶的粒子谱。

结果表明，环境与减灾小卫星高光谱传感器在城市气溶胶污染监测中具有很好的应用前景和发展潜力。

关键词：气溶胶光学厚度，气溶胶粒子谱，城市地区，MODIS，BRDF，植被覆盖面积比，结构函数法，浓密植被法，高反差地表法，反演Remote Sensing of Aerosols over UrbanAreasABSTRACTDense Dark V egetation algorithms (DDV) can be effectively used to inverse aerosol optical thickness (AOT) over dense vegetation areas. For the urban areas, if the spatial resolution of satellite data is higher, leisure parks and lawns between buildings can acted as dense vegetation pixles, which are suit for AOT inversion with DDV algorithms, but if the spatial resolution of satellite data is lower, it is difficult to find pixels that can be considered as DDV areas, so the DDV algorithms can not well be used in urban areas. The contrast reduction algorithm which based on atmospheric transmittivity can be applied to derive AOT over bright surface, and can be expected to resolve the problems of urban AOT inversion. But in urban areas, for the surface structure is very complex, the characteristics of BRDF (Bi-directional Reflectance Distribution Function) is obvious. So, it is serious challenges to use the contrast reduction algorithm to inverse AOT in urban areas accuratelyThe aim of my study is to explore the methods of retrieving aerosols in urban areas. Two kinds of satellite data are used to retrieve aerosols in this paper, one is MODIS data, an in-orbit operations moderate resolution imaging spectrometer (MODIS) with 36 channels, and spatial resolutions 250 meters, 500 meters and 1000 meters; the other is the HJ-1 high-spectral imaging spectrometer loaded by the HJ-1 satellite to be launched in 2007, with about 135 channels and a spatial resolution of 100 meters.According to the spatial resolution of MODIS data, in this paper, the contrast reduction algorithm is used to inverse AOT in urban areas with MODIS data. To reduce the affection of BRDF in AOT retrieving with contrast reduction algorithm, the BRDF model for urban areas is developed and applied in AOT inversing in Beijing. During BRDF model constructing in urban areas, two important factors are vegetation covered in urban areas and the geometry structure of the urban. To perform accurate inversevegetation coverage of urban areas, the paper proposed a new approach for vegetation coverage calculation in urban areas, and be successfully used in Beijing. Using the urban BRDF models and MODIS data, the equivalent optical height of buildings in Beijing was inversed.In this paper, the first channel of MODIS which has a resolution of 250 meters is used to inverse AOT in the urban. Compared with the AOT production provided by NASA, which have a 10KM resolution, the inversion results can describe the AOT spatial distribution of aerosols in urban areas more detailed. For special structure in urban surface, an improved methodology of contrast reduction value caculation was proposed, compared with traditional methods, this approach has a higher stability in urban areas. We integrate urban BRDF model with structure function to inverse aerosol optical thickness in Beijing, the results show, that that the air quality monitored by the environmental monitoring stations, measured by AERONET station and inversed by the satellite data are good consistency.In this paper, we studied how to use the red and blue bands of HJ-1 high-spectral data to inverse the aerosol optical thickness with DDV algorithm. Because HJ-1 satellite will be launched in 2007, we used HYERION data to simulate HJ-1 high-spectral data with different AOTs and utilized simulation data to inverse aerosol optical thickness based on dense vegetation algorithms. In the retrieving, we used NDVI to identify dense vegetation pixels. To make good use of the advantages of HJ-1 high-spectral data, we used the method of high contrast surfaces to inverse the AOTs spectral distribution, and use the retrieved AOTs to calculate the aerosol size distribution. The results show HJ-1 high-spectral data have a good potential in monitoring urban aerosols.Key words: aerosol optical thickness, aerosol size distribution, urban areas, MODIS, BRDF, vegetation cover, contrast reduction algorithm, Dense Dark vegetation method,inversion目录第一章绪论 (1)1.1 研究意义 (1)1.2 大气气溶胶遥感技术发展现状 (4)1.3 大气气溶胶反演方法的国内外进展 (5)1.4 城市地区气溶胶光学厚度反演的难点 (9)1.5 本文研究的主要内容 (10)第二章典型地物光谱及地基气溶胶光学厚度测量实验与数据处理 (12)2.1典型地物光谱测量及数据处理 (12)2.1.1 仪器介绍 (12)2.1.2 实验时间地点及测量目标 (13)2.1.3 典型地物光谱测量数据处理 (14)2.1.4 典型地物光谱测量数据处理结果 (14)2.1.5 连续光谱向传感器通道光谱的转换 (15)2.2多波段光度计监测气溶胶光学厚度 (16)2.2.1 仪器介绍 (16)2.2.2 光度计遥感原理 (16)2.2.3 CE318光度计的定标 (18)2.2.4 多波段光度计监测气溶胶光学厚度实验 (18)2.2.5 550nm处气溶胶光学厚度的计算 (21)第三章城市地区BRDF模型的构建 (23)3.1城市BRDF模型构建方法介绍 (25)3.1.1 承照面积的估算 (25)3.1.2 像元BRF的计算 (28)3.1.3 物体表面BRDF模型 (28)3.2城市BRDF模型的敏感性分析 (31)3.3城市地区植被覆盖面积比的计算 (33)3.4城市地区楼房等效光学高度的计算 (37)3.5城市BRDF模型构建结果 (40)3.6城市BRDF模型的不确定性分析 (43)第四章基于MODIS数据的城市地区气溶胶光学厚度反演方法研究 (45)4.1 概论 (45)4.2MODIS数据特征及气溶胶监测应用 (47)4.3MODIS数据城市地区气溶胶光学厚度反演的技术路线 (48)4.4数据预处理 (49)4.4.1 MODIS数据的几何校正 (49)4.4.2 MODIS数据大气校正 (50)4.4.3 MODIS数据的云标识 (52)4.5MODIS数据城市气溶胶光学厚度反演 (53)4.5.1 气溶胶光学厚度反演的基本原理 (53)4.5.2 结构函数值计算方法的改进 (54)4.5.3 辐射传输模型介绍 (60)4.5.4 气溶胶模型的确定 (60)4.5.5 气溶胶光学厚度的反演试验 (62)4.6精度验证及影响因素分析 (70)第五章基于环境与减灾卫星高光谱数据城市地区气溶胶监测方法研究 (72)5.1引言 (72)5.2环境与减灾卫星高光谱传感器介绍 (72)5.3环境与减灾卫星高光谱数据仿真模拟 (74)5.3.1 HYPERION数据介绍 (75)5.3.2 HYPERION数据预处理 (75)5.3.3 HJ-1A高光谱成像仪数据仿真模拟 (77)5.4浓密植被算法反演HJ-1A高光谱数据红蓝波段的气溶胶光学厚度 (78)5.4.1 浓密植被算法介绍 (79)5.4.2 浓密植被地区地表反射率的确定 (80)5.4.3 查找表构建 (83)5.4.4 气溶胶光学厚度反演结果及不确定性分析 (83)5.5高反差地表法反演高光谱数据气溶胶光学厚度的谱分布 (87)5.5.1 高反差地表法气溶胶光学厚度反演原理 (88)5.5.2 反演试验 (89)5.5.3 影响高反差地表法气溶胶光学厚度反演精度的因素 (92)5.6高光谱数据的多波段气溶胶光学厚度反演气溶胶粒子谱 (92)5.6.1 气溶胶粒子谱的反演方法 (93)5.6.2 气溶胶粒子谱的反演结果 (95)5.7总结 (96)第六章总结 (97)6.1主要研究成果及创新点 (97)6.2下一步的工作 (98)参考文献 (99)图目录图1.1 北京市区蓝光波段的地表反射率图 (10)图1.2 论文主要内容结构图 (11)图2.1 2004年8月31日地表同步实验地点分布示意图 (14)图2.2 2004年8月31日北京地区实测典型地物光谱 (15)图2.3 太阳光度计的定标图 (19)图2.4 日变化相对稳定的气溶胶光学厚度图 (20)图2.5 日变化呈整体上升趋势的气溶胶光学厚度图 (20)图2.6 早晚小中午大的气溶胶光学厚度图 (21)图2.7 多波段光学厚度值 (22)图2.8 Ångström指数图 (22)图3.1 城市街道结构示意图(1) (25)图3.2 城市街道结构示意图(2) (27)图3.3 草坪的反射率曲线图 (29)图3.4 不同入射角时的植被BRF的三维立体图 (30)图3.5 不同植被覆盖对BRF的影响 (32)图3.6 不同楼高对BRF的影响 (33)图3.7 城市地区典型地物的光谱曲线 (35)图3.8 北京市新旧水泥路面以及柏油路面的反射率图 (36)图3.9 2004年10月13日TERRA/MODIS假彩色合成图 (36)图3.10 北京地区的植被覆盖面积比 (36)图3.11 10月13日的地表反射率分布直方图 (39)图3.12 10月14日的地表反射率分布直方图 (39)图3.13 2004年10月13日北京城区MODIS图像 (40)图3.14 北京市楼房等效光学高度分布图 (40)图3.15 植被覆盖为15％，楼高为0.2时的BRF立体分布图 (41)图3.16 植被覆盖为35％楼高为0.5时的BRF立体分布图 (42)图3.17 植被覆盖50％，楼高0.6时的BRF立体分布图 (43)图3.18 北京市几种典型地表的反射率曲线 (44)图4.1 北京市TERRA/MODIS和AQUA/MODIS的几何参数分布图 (46)图4.2 MODIS数据城市地区气溶胶光学厚度反演的技术流程图 (49)图4.3 MODIS数据像元云标识流程图 (52)图4.4 不同d值计算的辐射亮度结构函数值（10月6日） (56)图4.5 不同d值计算的辐射亮度结构函数值（10月14日） (56)图4.6 结构函数计算直观图 (56)图4.7 剪切的160×160像元的两幅图像示意图 (57)图4.8 不同方法计算的地表反射率结构函数值的最大误差图 (57)图 4.9 不同方法计算的地表反射率结构函数值的均方根误差图 (58)图4.10 5×5像元的结构函数值的分布直方图 (59)图4.11 10×10像元的结构函数值的分布直方图 (59)图4.12 20×20像元的结构函数值的分布直方图 (59)图4.13 40×40像元的结构函数值的分布直方图 (60)图 4.14 10月06日北京城区MODIS图像 (62)图4.15 10月09日北京城区MODIS图像 (62)图 4.16 10月13日北京城区MODIS图像 (63)图 4.17 10月14日北京城区MODIS图像 (63)图4.18 10月16日北京城区MODIS图像 (63)图4.19 10月18日北京城区MODIS图像 (63)图4.20 北京城区气溶胶光学厚度反演的直方图 (65)图4.21 2004年10月6日北京市区气溶胶光学厚度空间分布图 (66)图4.22 2004年10月9日北京市区气溶胶光学厚度空间分布图 (67)图4.23 2004年10月14日北京市区气溶胶光学厚度空间分布图 (68)图4.24 2004年10月16日北京市区气溶胶光学厚度空间分布图 (69)图4.25 2004年10月18日北京市区气溶胶光学厚度空间分布图 (70)图4.26 结构函数法反演气溶胶光学厚度的相对误差 (71)图5.1 中纬度夏季及中纬度冬季水汽的透过率 (73)图5.2 450-950纳米之间的土壤反射率曲线 (74)图5.3 450-950纳米之间的植被反射率曲线 (74)图5.4 气溶胶光学厚度测量结果 (76)图5.5 HYPERION数据提取和光谱仪测量的植被和水的连续反射率曲线..77图5.6 HYPERION数据及模拟的HJ－1高光谱数据 (78)图5.7 MODTRAN模拟的不同气溶胶类型条件下传感器测得的辐射值 (80)图5.8 NDVI与红蓝波段的地表反射率的对应关系 (81)图5.9 不同气溶胶光学厚度条件下的NDVI值 (82)图5.10 2004年8月31日测量的北京地区浓密植被的地表反射率曲线 (83)图5.11 浓密植被法反演的环境与减灾卫星模拟数据的气溶胶光学厚度 (84)图5.12 反演的环境与减灾卫星模拟数据的气溶胶光学厚度直方图 (84)图5.13 不同的NDVI值对应的红蓝波段的地表反射率直方图 (86)图5.14 不同气溶胶类型条件下，传感器辐射值随气溶胶光学厚度的变化 (86)图5.15 AERONET 测量的每日10点附近的水汽分布图 (87)图5.16 水体和水泥地的反射率曲线 (89)图5.17 亮暗像元的选择示意图 (90)图5.18 水汽的透过率曲线 (90)图5.19 臭氧的透过率曲线 (91)图5.20 气体分子散射产生的透过率曲线 (91)图5.21 环境与减灾卫星高光谱模拟数据反演的气溶胶光学厚度的谱分布 (92)表目录表2.1 CE318太阳光度计通道参数格 (16)表2.2 CE318各波段的臭氧吸收系数 (18)表3.1 2004年10月13日和2004年10月14日北京市区的空气状况 (38)表3.2 北京市区TERRA/MODIS几何参数 (38)表4.1 地表反射率和相应的传感器高度参数设置 (51)表4.2 “标准辐射大气”对流层气溶胶模型 (61)表4.3 2000年北京一年的平均气溶胶模型 (62)表4.4 用于反演的MODIS数据北京地区的几何参数 (63)表4.5 反演的几天中环保局监测的北京地区的空气污染状况 (64)表4.6 反演的光学厚度与AERONET测量的对比结果 (71)表5.1 环境与减灾卫星高光谱成像仪的主要参数设置 (73)表5.2 HYPERION传感器的部分主要指标 (75)1 绪论第一章绪论1.1研究意义大气气溶胶是悬浮在大气中的固体和液体微粒与气体载体共同组成的多相体系。