利用静止气象卫星红外通道遥感监测中国沙尘暴

气象卫星的红外窗区通道 (8~12 μm) 对于通常大气气溶胶几乎没有响应, 但对于较大颗粒且浓度较强的沙尘气溶胶, 尤其是沙尘暴有明显的信号反应。空气中的沙尘在红外分裂窗通道表现出两个特征:一是对地表发射到空间的红外信号产生衰减, 造成卫星探测到的地气系统亮温降低, 这就是所谓的红外差值沙尘指数IDDI; 二是沙尘粒子在红外分裂窗两个通道的比辐射率不同, 11 μm比12 μm的比辐射率低, 从而造成这两个通道的亮温差是负值。基于这两个特征和沙尘多通道光谱聚类法, 针对静止气象卫星观测数据进行了沙尘暴卫星遥感监测业务算法开发, 输出沙尘暴监测产品和红外差值沙尘指数产品, 这一算法不仅用于已经退役的GMS-5卫星, 而且应用于正在运行的静止气象卫星FY-2C, 它还为沙尘暴的定量或半定量遥感提供参考借鉴。     

EOS—MODIS卫星资料在北疆大雾监测中的应用分析

根据雾与云、积雪、裸地等地表物在可见光、长波红外和中红外波段的反射及辐射特性差异,利用MODIS卫星多通道多光谱探测数据,采用最佳波段组合法和量化判识指标法,对2006年3月8日到10日北疆大雾天气进行判识检验试验和动态监测分析。结果:发现较利于雾与背景(地物、云、雪)分离的最佳波段是可见光B0.65μm和近红外B0.85μm、短红外B1.64μm、中红外B3.7μm、热红外B11μm,综合判识就可以将云、雾、雪、裸地有效的区分;雾在夜间的有效温度在中红外波段比热红外波段低,可采用中红外和热红外波段的组合方法,根据两通道的亮温差进行雾的监测。     

基于支持向量机的遥感大雾判识

提出了一种基于支持向量机的卫星遥感数据大雾判识方法:首先通过对风云1D卫星大雾区域的各通道辐射值出现频次进行概率统计,利用其阈值来粗判识大雾;然后在粗判识的基础上通过支持向量机的方法进行大雾细判识;最后利用腐蚀和膨胀的图像处理技术对判识后的图像进行优化处理。在对我国2006年9-12月的65条监测到大雾的风云1D轨道的探测数据进行分析之后,发现大雾判识结果与专家标记吻合。检验结果表明,利用1、2、4、6、7、10通道组合进行粗判识的结果最好,5交叉正确率为89.9849%,TS评分为74.04%。利用上述方法对个例的分析检验表明,基于支持向量机的遥感大雾判识方法是切实可行的。     

三种经典夜间陆地雾遥感反演方法的适用性对比分析

相较于地面站点观测,卫星可以监测更大范围的夜间雾区分布,目前虽然已存在几种经典的夜间陆地雾遥感反演算法,然而其在我国大范围陆上的适用性尚不清楚。基于葵花8号（Himawari-8）静止气象卫星数据,分别利用双通道差值法、温度差值法及归一化大雾指数法反演了我国2016年1月—2018年12月的夜间陆地雾区,并用地面观测资料以鉴定成功评分、准确率、判识率和误判率为指标参数对雾区反演结果进行验证分析,讨论了三种反演方法的适用性。结果显示:1)三种夜间陆地雾反演方法在秋季和冬季反演效果最好,其中温度差值法的鉴定成功评分高、准确率高、误判率低,反演效果最好,双通道差值法的判识率高、误判率高,反演效果次之,归一化大雾指数法效果最差。2)三种方法对夜间陆地雾的反演在秋季和冬季的最佳适用区域略有不同,但都倾向于在平原和盆地达到最佳效果,如华北平原、长江中下游平原和四川盆地。3)两次雾过程的反演结果显示,温度差值法和双通道差值法对平原地区夜间雾的识别能力均较强,在具体雾过程反演中各有优势。     

静止与极轨气象卫星监测沙尘的融合算法研究

为了综合应用静止气象卫星与极轨气象卫星沙尘监测的结果,更好地进行沙尘信息的判识,采用改进的证据理论方法,进行静止卫星FY-2D/2E红外差值沙尘指数(infrared difference dust index,IDDI)产品与极轨气象卫星FY-3A沙尘强度指数(dust strength index,DSI)沙尘监测产品的融合处理,划分沙尘发生过程中的有沙尘暴发生区、无沙尘暴发生区及可能沙尘暴发生区。融合结果与气象站点观测结果的对比分析表明,本算法可以将静止气象卫星与极轨气象卫星遥感沙尘监测结果进行较好地融合,更好地划分沙尘暴发生的区域,对于沙尘暴过程的监测、评估和分析有重要的参考价值和指导意义。     

火灾遥感监测实例分析

选取了10个新疆火灾EOS／MODIS卫星遥感监测实例,在分析MODIS光谱数据的基础上,结合火场实况,进行了深入研究,结果表明：①由RGB 7．2．1通道合成影像可以发现火场。利用21～31通道差,可确定火场,但当中红外各通道不饱和时,则选择20～31通道差更为有效。截取MODIS光谱数据分析窗,做相应的判识则是最有效的手段。②火点判识参数（阀值）要根据气候和地理的不同来调整,灵活准确的调整参数是发现火点的关键。③将7通道、21通道数据点对点像元重合,可以判断火势当前位置和移动方向。④火灾遥感监测只能提供即时火场面积,通过截取光谱数据分析窗,计算火区像元数,即可估算即时火场面积。     

MODIS沙尘暴判识方法与业务系统

为了利用MODIS资料对沙尘暴的范围和强度进行定量判识,应用2002--2004年多次MODIS资料,通过对沙尘暴、云、雪和沙漠光谱特征的分析,构建了定量判识沙尘暴范围和强度的两个沙尘指数.利用2002-2007年数次沙尘暴过程对沙尘指数的判别效果进行检验,表明构建的两个M()DIS沙尘指数能够有效地监测沙尘暴的范围和强度,且方法简单,适用于业务应用.针对目前西北沙尘暴遥感监测业务服务以定性图像为主,服务产品较为单一的问题,对MODIS沙尘暴判识方法进行业务化,并结合GIS进行沙尘暴影响范围的分析,开发研制了自动运行的MODIS沙尘暴监测和影响评估业务系统.系统具生成沙尘暴MODIS影像图、沙尘暴范围和强度遥感监测图、沙尘暴影响土地类型图、全国各省(直辖市)沙尘面积统计表、全国不同土地类型沙尘暴影响面积统计表、甘肃省各县沙尘暴的影响面积统计表和甘肃省不同土地类型沙尘影响面积统计表等功能,为沙尘暴定量和精细服务提供了丰富的产品.     

用双通道动态阈值对GMS-5图像进行自动云检测

该文用双通道动态阈值法对GMS-5图像进行自动的云检测。在红外通道和可见光通道，分别对每32×32个像元组成的像元阵进行直方图统计，求出区别云和地物值域的阈值，然后对每个像元阵内的逐个像元进行云判识。讨论了在进行直方图分析以求取阈值的过程中，像元阵大小的选取和动态平滑间距的选取对云检测结果的影响。分析结果表明:像元阵大小取32×32时，像元阵所占的地域空间尺度足够小，像元阵内的观测像元样本数足够多，保证了在直方图聚类分析时，每一类含有足够多的样本；GMS-5观测图像的红外通道对原始直方图进行二次平滑时小平滑间距取1.6 K，可见光通道小平滑间距取1.2%，使得确定动态阈值时步长相对小，保证了分析的精度。用目视图像对分析结果进行真实性检验，在中低纬度地区，可见光和红外两个通道都有资料时，该算法的云判识精度较好。在高纬度地区，由于地表温度低，积雪覆盖多，太阳光照角低，该算法的云判识精度较差。     

NOAA卫星沙尘暴光谱特征分析及信息提取研究

通过对2000—2002年多次沙尘暴过程NOAA卫星AVHRR资料的分析,研究了沙尘、云、沙漠、戈壁、积雪、裸地、植被等不同目标物的光谱特性,发现沙尘暴在AVHRR-2中各通道均有不同程度的反映。1,2通道中沙尘的反射率较高(介于云和沙漠之间);4,5通道的亮温低于晴空地表高于云;在3通道中沙尘表现的很独特,其亮度温度为所有研究目标物中最高的,表明通道3包含较多的沙尘信息,AVHRR-3取代AVHRR-2后对监测沙尘有不利影响。在此基础上提出定量提取沙尘信息的两种沙尘判识指数,并利用沙尘判识指数成功地提取多次沙尘暴过程的沙尘信息。结果表明：利用多通道组合沙尘判识指数能够对沙尘信息进行有效提取。     

利用MODIS资料定量判识沙尘暴方法研究

为了利用MOD IS资料对沙尘暴的范围和强度进行定量判识,应用多时次MOD IS多波段资料,在对沙尘暴、云、雪和沙漠光谱特征进行较为细致分析的基础上,寻找出能区分沙尘、云和地表的波段,构建了2个定量判别沙尘暴范围和强度的沙尘指数,并利用沙尘指数对2002~2005年多次MOD IS沙尘暴的范围和强度进行判识。研究结果表明:1)沙尘在反射光谱段的光谱特征为反射率随着波长的增加而增大,与土壤光谱特征相近;大粒径沙尘反射率增长速率大于小粒径沙尘。2)小粒径沙尘具有较典型的气溶胶特征,对0.46μm蓝光波段敏感,对1.6和2.1μm短红外波段不敏感。3)大粒径沙尘不具有气溶胶特性,对蓝光波段不敏感,对短波红外敏感。4)3.7μm和8.5μm是对沙尘敏感波段,2波段的差可以作为判别沙尘的指标,并在一定程度上反映沙尘强度。5)设计的2个沙尘指数对监测沙尘十分有效,且方法简单,适于业务应用。     

Himawari-8气溶胶光学厚度产品的验证分析

Himawari-8是由日本气象局发射的新一代静止气象卫星，其搭载的传感器AHI（Advanced Himawari Imager）可实现10 min/次的高时间分辨率对地观测。本文将2015年9月至2017年12月Himawari-8卫星Level-2气溶胶光学厚度（AOD）产品与AERONET（AErosol RObotic NETwork）70个站点的地基观测数据进行对比验证分析，结果表明Himawari-8卫星反演的气溶胶光学厚度产品的精度存在很大的空间上的差异性，其中有48个站点Himawari-8 AOD与AERONET AOD之间存在较好的相关性（R>0.5），有22个站点Himawari-8卫星反演气溶胶光学厚度产品存在明显的低估现象。在American_Samoa、Bandung、Birdsville、Bukit_Kototabang、Canberra、Fowlers_Gap、Jabiru以及QOMS_CAS等站点出现地基观测值很小而卫星反演的气溶胶光学厚度较大的情况。对绝对误差（Himawari-8 AOD与AERONET AOD的差）进行分析发现Himawari-8 AOD存在低估现象时绝对误差与AERONET AOD之间存在较好的相关性；在地基观测值很小而Himawari-8卫星反演AOD较大的地区绝对误差与Himawari-8 AOD之间存在较好的线性关系，这为Himawari-8 AOD反演算法的改进与完善提供了有用的研究发现。     

基于FY-4A卫星遥感数据分析2021年3次沙尘暴特征

FY 4A上搭载的多通道扫描成像辐射计（AGRI）无论是时间分辨率还是空间分辨率与我国第一代静止气象卫星风云二号上搭载的扫描辐射计（VISSR）相比都有了明显的改进。本文基于FY 4A AGRI成像仪IDDI(红外差值沙尘指数)和新的昼夜沙尘遥感改进算法开展2021年中国北方沙尘过程连续遥感监测处理，并系统分析了2021年3个典型个例的沙尘暴特征和影响区域。结果表明：① 3次典型沙尘过程对我国北方各省份的影响面积总计最低达到260万km2以上，最高达到300万km2以上，4月14—17日的沙尘暴影响面积最大。②2021年沙尘高发区在新疆南部、甘肃河西走廊以北以及内蒙古西部。与2019、2020年同期相比，2021年我国北方沙尘发生频次更高、影响范围更大。③新一代FY 4A静止卫星对我国沙尘过程年际变化具备更加完整的监测能力。     

沙尘气溶胶卫星遥感现状与需要关注的若干问题

沙尘暴是全球干旱、半干旱地区特有的一种灾害性天气,所产生的沙尘气溶胶是全球气溶胶系统重要组成部分,对全球环境、天气、气候和生态有复杂的影响。沙尘气溶胶作为一种吸收性气溶胶,对太阳辐射有着较强的吸收,还能通过加热大气、改变大气稳定度、蒸发云滴、减少云量等"半直接方式"影响气候。卫星遥感对沙尘气溶胶的监测具有独特的优势,是全球沙尘研究的重要手段。本文系统整理和介绍了目前常用的可见近红外、热红外、被动微波、紫外和主动激光测量等五类卫星遥感沙尘气溶胶的主要方法,在总结典型遥感仪器和主要产品基础上,讨论了遥感产品的定量精度和地面验证问题,结合辐射传输理论模拟了可见近红外和热红外的卫星观测,探讨了可见近红外遥感的地表反照率影响和热红外高光谱遥感的波段选择问题,最后对未来的一些研究重点进行了展望。     

光学遥感信息技术与应用研究综述

光学遥感利用可见光、近红外和短波红外传感器对地物进行特定电磁谱段的成像观测,是遥感科技中发展最早,也是目前对地观测和空间信息领域中应用最为广泛的技术手段.随着近年来光学成像、电子学与空间技术的飞速发展,高空间、高光谱和高时间分辨率遥感技术不断取得新突破,为光学遥感图像处理与应用技术发展创造了前所未有的机遇和广阔前景.本文首先概述了光学遥感的基本原理和发展历程,然后重点介绍了光学遥感图像的数据特点及光学遥感图像处理技术与方法,阐述了光学遥感在生态环境、自然资源和国防安全等领域的应用情况,讨论了未来光学遥感信息技术与应用发展的几个主要方向和趋势.     

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明：海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。     

Fog Detection over China’s Adjacent Sea Area by using the MTSAT Geostationary Satellite Data

A fog threshold method for the detection of sea fog from Multi-function Transport Satellite (MTSAT1R) infrared (IR) channel data is presented.This method uses principle component analysis (PCA),texture analysis,and threshold detection to extract sea fog information.A heavy sea fog episode that occurred over China’s adjacent sea area during 7 8 April 2008 was detected,indicating that the fog threshold method can effectively detect sea fog areas nearly 24 hours a day.MTSAT-1R data from March 2006,June 2007,and April 2008 were processed using the fog threshold method,and sea fog coverage information was compared with the meteorological observation report data from ships.The hit rate,miss rate,and false alarm rate of sea fog detection were 66.1%,27.3%,and 33.9%,respectively.The results show that the fog threshold method can detect the formation,evolution,and dissipation of sea fog events over period of time and that the method has superior temporal and spatial resolution relative to conventional ship observations.In addition,through MTSAT-1R data processing and a statistical analysis of sea fog coverage information for the period from 2006 to 2009,the monthly mean sea fog day frequency,spatial distribution and seasonal variation characteristics of sea fog over China’s adjacent sea area were obtained.     

基于AHI观测的全天气条件海表温度反演

基于搭载在日本新一代静止气象卫星Himawari-8上的先进葵花成像仪(Advanced Himawari Imager,AHI)观测资料,研究了高时空分辨率的、全天气条件的海表温度(Sea Surface Temperature,SST)反演算法。本算法包括两步:第一步,根据云检测算法划分晴空和云区,然后利用非线性SST(NLSST)方程由红外亮温估计晴空SST;第二步,在有云区,先由前5 d同一时刻的晴空SST进行初步补缺,然后再利用Barnes插值完善云区SST估计和进行异常点平滑。最终得到时间分辨率为10 min、空间分辨率为0.05°的全天气条件海温分布。利用移动浮标的观测SST验证,晴空区SST估计的均方根误差(Root Mean Square Error,RMSE)和平均误差(Mean Error,ME)分别为0.857 K和0.017 K。全天气条件SST估计的RMSE和ME分别为0.872 K和-0.005 K。     

Characteristics of sea surface temperature retrieved from MTSAT-1R and in-situ data

Multi-channel sea surface temperature (MCSST) data were retrieved from the Japanese geostationary satellite, MTSAT-1R, for East Asia in western North Pacific. The coefficients used to calculate the MCSST data were estimated by assuming a linear relationship between the brightness temperatures obtained from the satellite and the in-situ buoy SST. It is important to remove cloud contamination pixels to retrieve meaningful information from infrared data. Therefore, the cloud detection algorithm was improved by using a 10-day maximum or minimum composite map for infrared and visible channels. The RMSE of the MCSST in comparison with the two-year buoy SST was about 0.89oC. The error was the largest at mid-latitudes in summer. Additionally, the error between the two SSTs showed that diurnal variation had a positive bias during daytime and a negative bias during nighttime. Furthermore, in 2007, both SSTs showed seasonal and spatial diurnal variation. The magnitude of the daily variation in the MCSST was two times larger than that in the buoy SST, and this was attributed to diurnal heating with a weak surface wind speed.     

MODIS遥感数据在我国台湾海峡海雾监测中的应用

海雾是一种常见的灾害性天气现象。以我国台湾海峡为示范研究区, 利用新一代卫星传感器MODIS的可见光和红外探测通道数据, 在分析海洋、中高云、低云和海雾等不同下垫面的MODIS光谱辐射特征基础上, 选择对海雾具有敏感反应的探测通道, 通过综合判识建立台湾海峡海雾遥感监测模型。利用该模型对2004-2007年我国台湾海峡海雾事件进行监测, 并用福建沿海5个地面气象观测站的能见度数据对监测结果进行验证分析。结果表明:基于MODIS数据的海雾遥感监测模型能够较准确地对台湾海峡海雾分布和发展过程进行监测, 从地面观测数据与卫星监测结果对比验证来看, 海雾监测的准确率可达80 %以上, 具有较高的业务化应用前景。