查找表方法确定气溶胶类型

针对传统气溶胶类型确定方法的局限性以及当前气溶胶类型确定存在的困难,提出一种使用多波段气溶胶光学厚度数据确定气溶胶类型的方法。基于大气颗粒物的散射与吸收特性分析,通过构建查找表的方法实现气溶胶类型的确定。该方法利用Mie散射理论通过正向模拟不同类型气溶胶粒子数量与多波段光学厚度之间的关系来构建查找表,基于该查找表,使用440 nm、670 nm、870 nm及1020 nm 4个波段的气溶胶光学厚度确定气溶胶类型。使用模拟的多波段气溶胶光学厚度数据开展了气溶胶类型的确定实验,分析了不同波段气溶胶光学厚度误差对气溶胶类型确定结果的影响。结果表明,该方法可根据4个波段的气溶胶光学厚度以较高的精度确定出沙尘性、水溶性和煤烟3种气溶胶粒子的数量,从而确定气溶胶类型。     

深度置信网络算法反演Landsat 8 OLI气溶胶光学厚度

传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度，而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时，卫星传感器获取的对气溶胶具有标识性的信息不足，导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息，本文提出使用深度学习技术的气溶胶遥感反演算法，用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据，根据合理的时空匹配原则构建样本数据。选择深度置信网络，在合理设置训练批次和训练次数的基础上对网络进行训练和测试，生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型，实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证，结果表明：该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度，且达到了较高的精度（R=0.8745，RMSE=0.0391，MAE=0.0616，EE=87.94%）。与传统的方法相比，本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演，简化了气溶胶反演的步骤，提高了气溶胶反演的稳定性和时空适应性。