北京地区Landsat 8 OLI高空间分辨率气溶胶光学厚度反演

卫星气溶胶光学厚度(AOD)反演中,传统暗目标方法在反射率较低的水体、浓密植被覆盖区域取得了较好效果,在反射率较高且结构复杂的高反射地表上空目前多采用深蓝算法,但存在空间分辨率较低,对细节分布描述性较差等问题。为解决这一问题,本文首先以5年(2008年—2012年)长时间序列MODIS地表反射率产品为基础,采用最小值合成法建立500 m分辨率逐月地表反射率产品数据集,然后利用地物波谱库中典型地物波谱数据,分析建立MODIS与Landsat 8 OLI传感器蓝光波段反射率转换模型,最后北京地区AERONET地基观测数据确定了气溶胶光学物理参数,并反演获取了北京地区上空500 m分辨率的AOD分布。为验证反演算法的精度,分别将反演结果同AERONET及MODIS/Terra气溶胶产品(MOD04)进行交叉对比,同时利用相关系数R,均方根误差RMSE,平均绝对误差MAE以及MODIS AOD产品预期误差EE共4个指标进行衡量。结果表明:算法反演获取的AOD与AERONET观测值具有较高的一致性,各指标分别为R=0.963,RMSE=0.156,MAE=0.097,EE=85.3%,稍优于MOD04产品(R=0.962,RMSE=0.158,MAE=0.101,EE=75.8%),并且有效的对比点数也高于MOD04。通过与地基观测相比,卫星遥感获取的高分辨率城市地区AOD精度可作为定量评估城市空气质量的有效依据。     

利用BRDF原型和单方向反射率数据估算地表反照率

地表反照率是影响地表能量收支平衡的决定性参数之一,精确反演地表反照率需要考虑地表各向异性反射特征。本文尝试以双向反射分布函数BRDF原型为地表各向异性反射的先验知识,通过单方向反射率反演地表反照率。首先根据地面实测及MODIS多角度反射率数据对反演方法进行分析和精度评价,然后借助MODIS BRDF产品统计出研究区的主导BRDF原型,并联合环境一号卫星(HJ-1)单方向反射率数据反演30 m地表反照率,最终将结果与地表实测数据进行比较。结果表明:BRDF原型对BRDF的变化进行了约束,且能够适用于几十米尺度的遥感数据反照率的反演;不同级别的各向异性反射特征的分布是不均一的,借助于主导BRDF原型能够使大部分样本的地表反照率满足精度要求;利用研究区MODIS BRDF产品统计得到的主导BRDF原型为先验知识,通过HJ-1数据反演得到的地表反照率与地表实测反照率有较高的一致性,而朗伯假定条件下的反照率高于实测结果。本文算法简单高效,可为产生全国范围的中高分辨卫星反照率产品提供有价值的算法参考。     

机载WIDAS地表观测的BRDF原型反演算法验证

地表反照率表征地面对太阳辐射的反射能力,在地表能量平衡中起着重要的作用。2008年黑河的WATER实验中,针对机载红外广角双模式成像仪(WIDAS)观测角度小的特点,发展了一种基于MODIS二向性反射分布函数(BRDF)原型估算WIDAS反照率的算法。然而,在2012年黑河HiWATER实验中,WIDAS的观测角度范围由早期30°观测天顶角升级为最大观测天顶角52°,这一改造对数据预处理(辐射定标、大气校正和多角度配准)产生影响,使WIDAS数据出现明显的噪声,为WIDAS地表反照率的反演带来新挑战。针对新问题,采用新的地表观测数据,进一步验证了BRDF原型算法反演机载WIDAS反照率的能力。为了获取准实时BRDF先验知识,基于核驱动模型和各向异性平整指数(AFX)首先准实时提取了实验区5种MODIS的BRDF原型;然后,将其作为先验知识应用到黑河WIDAS机载数据的反照率反演中;最后,利用实验区的反照率实测数据进行算法验证。本研究比较了3个算法处理该问题的能力:(1)基于BRDF原型作为先验知识的算法;(2)完全基于核驱动的全反演算法;(3)基于朗伯假设的方法,通过算法对比分析,可更好地分析验证算法(1)的性能。结果表明:(1)BRDF原型算法反演精度最高且稳定,尤其是当观测数据位于垂直主平面时,全反演算法由于缺少大角度观测数据的约束,更容易出现异常值;BRDF原型算法的最大绝对误差为0.034,相对于全反演算法和朗伯假设方法精度分别提高了约18%和71%;(2)针对2012年黑河机载WIDAS观测噪声较大的新问题,BRDF原型反演算法表现出了良好的抗噪声性能。通过对WIDAS反照率反演和验证进一步表明,在多角度观测数据信息量不足以进行全反演,且观测受噪声影响较大时,BRDF原型作为先验知识,提供了一种有效解决该问题的手段,对提高反照率反演的精度、增强反演的稳定性有重要作用。     

季节偏差纠正下的遥感AOD产品降尺度BGIM算法

MODIS 3 km DT (Dark Target)卫星气溶胶光学厚度AOD (Aerosol Optical Depth)数据产品已广泛应用于大气污染监测,但受反演方法限制,该数据产品像元缺失严重、时空覆盖度低、精度偏低。相比,MODIS 10 km DT＿DB＿Combined AOD数据产品因融合DT和DB (Deep Blue)两种反演算法,一定程度上可弥补MODIS 3 km DT AOD数据产品在时空覆盖度与精度方面的缺陷,但分辨率偏低。此外,受气溶胶组分来源的季节变化与地表反射率估算的季节性误差影响,MODIS AOD数据产品精度同时也存在季节性特征。本文由此以京津冀为试验区,顾及AOD季节变化特性,开展MODIS 10 km DT＿DB＿Combined AOD数据产品偏差纠正下的地统计反演模拟BGIM(Bias-corrected Geostatistical Inverse Model)降尺度算法研究。试验同时引入AERONET地基观测数据和MODIS3 km DT AOD数据产品作为降尺度结果的绝对与相对验证标准。结果表明：季节偏差系数纠正下生成的MODIS3 ...     

先验知识估算HJ-1 CCD数据地表反照率

以黑河实验区为例, 基于HJ-1 CCD数据和中分辨率成像光谱仪(MODIS) 二向性反射(BRDF)和反照率产品的备用算法(算法Ⅰ), 贝叶斯原理的反照率反演算法(算法Ⅱ)和地表朗伯假设的算法(算法Ⅲ)成功估算了地表短波反照率。对反演结果进行分析并与地表观测数据进行比较, 结果表明: (1) 高分辨率的HJ-1卫星地表反照率不仅能够提供下垫面主要的空间分布特征, 还能提供地表细部结构;(2) 两种基于先验知识的地表反照率和MODIS产品接近, 绝对误差为0.01, 相对误差为4%, 而算法Ⅲ的绝对误差为0.03, 相对误差为13%; 算法Ⅰ和Ⅱ对反照率的改善对地表类型的依赖不明显, 相对误差集中在2%-8%, 反演结果对时相变化依赖较为显著, 在植被最茂盛的季节反照率改善作用明显优于凋谢季;(3) 算法Ⅰ和算法Ⅱ的结果与地表观测结果更为吻合, 均方根误差在0.05以内, 相对误差小于23%, 而算法Ⅲ的均方根误差为0.069, 相对误差为36.3%;(4) 先验知识的作用可能依赖于太阳和观测几何的相对位置, 因此可能依赖于季节和纬度的变化, 以及传感器的成像方式。该研究对缺乏多角度观测的星载传感器的反照率反演有重要的参考价值。     

基于MODIS数据的上海市气溶胶厚度研究

基于6S传输模型,本文利用中分辨率成像光谱仪（MODIS）数据并结合较新的NASA的V5．2气溶胶业务反演算法,以上海市MODIS数据为研究数据源,结合晴朗天气（晴朗且无云或云稀薄）与AERONET发布的探测日（即发布AOD探测值日期）选取8组MODISLIB数据集,对其进行气溶胶厚度反演。同时将反演结果与AERONET架设在太湖区域点（31N,120E）的太阳光度观测的光学厚度进行验证。结果表明：V5．2反演算法结果与观测值呈现相同的变化趋势,反演值与观测值误差不大,在气溶胶光学厚度反演中具有较好的应用。     

北京城市下垫面大气CO2反演算法

大气温室气体监测仪GMI（Greenhouse gases Monitor Instrument）是高分五号（GF-5）卫星载荷之一,主要用于全球温室气体含量监测和碳循环研究。高精度反演是卫星大气CO₂遥感的基本需求。地表反射率影响卫星遥感辐射量及辐射传输过程中的地气耦合过程,严重制约着CO₂的反演精度,针对GMI开发高精度的大气CO₂反演算法,地表反射是一个需要重点考虑的因素。城市是CO₂重要的发射源,且城市下垫面存在明显的二向反射特性,加上城市大气条件不良,复杂的地气耦合效应存在这都考验反演算法的准确性和鲁棒性。本文针对北京城市地区,利用2011年—2016年共5年的MODIS（MODerate-resolution Imaging Spectroradiometer）地表二向反射分布函数BRDF（Bidirectional Reflectance Distribution Function）数据,构建了适合利用单次观测数据反演的BRDF模型,并提出一种同时反演地表BRDF参数和大气CO₂含量的算法。结果表明在550 nm波长处气溶胶光学厚度AOD（Aerosol Optical Depth）小于0.4时,大部分GMI模拟数据的反演误差控制在0.5%（~2 ppm）内。利用GOSAT （Greenhouse gases Observing SATellite）实测数据的反演结果与修正后的日本国立环境研究所NIES（National Institute for Environmental Studies）反演结果进行对比,其平均误差为1.25 ppm,相关性达到0.85。本算法满足GMI数据在北京城市区域高精度CO₂反演的需求,并使得反演高值气溶胶区域数据成为可能,增加了GMI观测数据的利用率。     

利用SARA结合高分一号数据反演气溶胶光学厚度

简化的气溶胶反演算法(simplified aerosol retrieval algorithm, SARA)摆脱了传统气溶胶光学厚度(aerosol optical depth, AOD)反演算法对查找表的依赖,在暗地表区域和亮地表区域均有较好的反演效果。由于中分辨率成像光谱仪(moderate resolution imaging spectroradiometer, MODIS)数据得到的AOD空间分辨率不足,因此在SARA的基础上结合更高空间分辨率的高分一号(GF-1)宽视场(wide field of view, WFV)数据开展了AOD反演研究。精度验证结果表明,反演结果与地基观测值具有较高的一致性,相关系数为0.962,均方根误差为0.073,平均绝对误差为0.051,预期误差为88.6%;反演结果与同期的MODIS气溶胶产品相比,空间上分布较为一致,且具有较高的空间覆盖度、分辨率和精度。针对高分数据的算法适用性研究表明,GF-1 WFV相机的观测几何和辐射定标误差引起的反演误差较小,绝对误差均在0.04以内,相对误差均在10%以内。     

Bootstrap方法在遥感线性BRDF模型反演中的应用

在遥感反演中,通常假设反演参数和模型误差的先验分布服从正态分布,这个假设通常不太符合实际。为此,本文提出由Bootstrap方法估计反演参数和模型误差的先验分布的方案。同时对先验数据按照地物分类,统计假设检验表明将先验知识分类的合理性。最后,以RossThick-LiTransit核组合的线性核驱动BRDF模型为例,用NOAA-AVHRR观测数据对使用Bootstrap方法的反演算法进行试验,并与正态假设下的Tikhonov正则化反演和Bayes反演结果比较,说明对先验知识分类和使用Bootstrap方法的遥感反演方法能明显减小参数反演结果的不确定性,提高其可信度。     

VIIRS高分辨率地表反射率关系库支持下的气溶胶光学厚度反演

通过遥感技术反演气溶胶光学厚度AOD对于全面、动态监测大气污染时空变化具有重要意义.可见光红外成像辐射仪VIIRS作为MODIS的后继传感器,可在全球范围内实现对气溶胶的连续时空监测.针对复杂的地表类型,通过构建基于像素的动态地表反射率关系库,能实现陆地AOD高分辨率反演.利用全球气溶胶自动观测网站AERONET地基站...     

基于BRDF原型反演地表反照率

先验知识在遥感反演中起到重要的作用,本文首先根据各向异性平整指数AFX和地表多角度观测数据集建立了BRDF二向性反射分布函数原型库,然后介绍了以BRDF原型作为先验知识的提取多角度数据地表反照率的原型反演算法,为验证算法的精度,将原型反演及全反演算法拟合验证数据子集得到的反照率与MODIS全反演算法拟合完整数据集得到的结果作比较。结果对比表明,观测天顶角在40°以内时,非垂直主平面的观测数据能够代表部分地表的各向异性反射特征,此时原型反演算法的最大平均绝对误差为0.036,相对精度比全反演算法高约5%—10%;当数据位于垂直主平面时,观测信息量严重不足,此时原型反演算法结果相对较稳定,而全反演算法的最大绝对误差高达0.18。 综上所述,原型反演算法能够在整个采样空间范围内对BRDF进行约束,对观测数据位置分布的依赖较小,抗噪声能力强,在反演观测信息不足的多角度数据时,结果精度优于全反演算法。     

集合卡尔曼滤波方法的高时空分辨率山区地表反照率反演EI北大核心CSCD

高分辨率地表反照率遥感产品以其空间分辨率高的优点,目前正成为区域能量平衡和气候变化研究的重要数据源。现行的高分辨率地表反照率遥感反演算法及数据产品均假设地表平坦且均一,缺乏对地表异质性和地形复杂性的考虑,将适用于平坦地表的反演算法应用于山区将存在一定的误差。改进的直接算法将直接反演算法与山地辐射传输模型结合,为反演山区高分辨率地表反照率提供了可能,可以反演山区地表反照率产品。但该算法受到下垫面积雪、云污染等影响,反演的影像时域不连续,且存在着较多的缺失值,无法构建时空连续的地表反照率产品来支撑山区地表能量平衡相关研究。针对这一问题,本文以高分四号(GF-4)卫星数据为例,首先基于改进的直接反演算法反演山区高分辨率地表反照率,结合MODIS BRDF/Albedo产品构建先验知识背景场,采用集合卡尔曼滤波方法对反演的山区地表反照率进行时空填补,构建了时空连续的地表反照率反演方法,并生产了2016年—2017年的山区地表反照率产品。研究结果表明,反演的时空连续高分辨率地表反照率产品与地面站点观测数据的一致性较好。不同坡度地面站点的验证结果显示,反演的时空连续地表反照率产品在湿地、农田等平坦地表下RMSE小于0.01,坡度较大的站点下RMSE为0.0163。本文描述的山区地表反照率时空填补技术也可以应用到其他定量遥感产品,为这些产品在山区地表下的填补技术提供有效参考。     

NPPVIIRS数据反演气溶胶光学厚度

利用NPP卫星的VIIRS传感器数据,基于暗像元法反演陆地气溶胶光学厚度AOD。首先,根据红外波段的归一化植被指数NDVI来对暗像元进行识别;然后,利用6S软件进行辐射传输计算构建查找表;最后,根据VIIRS数据从查找表插值得到AOD,并对其进行海拔校正。选取华北地区作为反演实验区,获得了2013年9月1日的气溶胶分布。利用AERONET北京站太阳光度计地基观测结果对反演结果对比验证,发现二者具有显著的相关性,相关系数达到0.7920。将2013年9月1日的MODIS AOD产品与本研究反演的AOD进行比对,发现二者分布趋势一致,相关系数为0.7059,相关性显著。反演结果表明,本文算法反演陆地AOD效果较好,为大气颗粒物环境监测提供了良好方法手段和数据源。     

暗目标法的Himawari-8静止卫星数据气溶胶反演

Himawari-8(H8)是由日本气象厅发射的新一代静止气象卫星,可实现10 min/次的高频次对地观测,搭载的AHI(Advanced Himawari Imager)传感器设置有与MODIS暗目标气溶胶反演算法所需的类似波段。本文参考暗目标算法构建了针对该卫星传感器的陆地气溶胶反演算法:首先,通过基于地基站点观测数据的精确大气校正,统计得到短波红外与可见光波段的地表反射率比值关系,将此作为先验知识用于地—气解耦时的反射率估计;然后,初步假设大陆型气溶胶类型,利用辐射传输模型建立查找表;最后,通过模拟与卫星观测的表观反射率误差最小实现气溶胶光学厚度反演解算。选取2016年5月覆盖京津冀地区的观测数据进行测试,将反演结果与对应时间的MODIS气溶胶光学厚度产品进行对比验证,空间分布趋势一致、相关性较高,相关系数R达到0.852;通过与地基观测网AERONET站点实测数据对比验证,所有站点的相关系数R~2均大于0.88,精度较高。利用反演的高时间分辨率产品,分析了京津冀地区的大气空间分布和日变化情况,结果表明:采用暗目标法对H8静止卫星陆地气溶胶光学厚度反演具有一定的潜力和可行性,能反映气溶胶的高时间变化信息,有望成为大气环境污染变化监测新的重要手段。     

北京地区HJ-1卫星CCD数据的气溶胶反演及在大气校正中的应用

与现有的大气卫星传感器相比,环境一号卫星(HJ-1)CCD相机具有较高的空间分辨率(30m),使得在城市地区找到光谱纯像元的机率大大增加。本文提出一种基于纯像元提取的城市地区气溶胶光学厚度(AerosolOpticalDepth,AOD)反演算法,利用像元纯净指数来提取CCD影像上的纯像元,并由HJ-1A星和B星的多时相CCD观测数据结合地表双向反射率模型确定纯像元的地表反射特性,在此基础上反演AOD。与AERONET地基测量数据的对比表明,该算法具有较高精度,相关系数为0.83,线性拟合斜率为1.091,截距为0.053。基于该方法的AOD反演结果作为输入,能较大程度提高HJ-1卫星CCD影像大气校正的精度。     

地表反射率产品支持的GF-1 PMS气溶胶光学厚度反演及大气校正

GF-1卫星PMS(GF-1 PMS)数据具有高空间分辨率、短重访周期的特点,可以在地表类型识别、参数提取中发挥重要作用。但由于缺少2.1μm附近的短波红外波段,使得气溶胶反演时地表反射率的精确确定非常困难,从而导致其高精度大气校正难以开展,限制了该数据的应用。本文提出了一种地表反射率数据支持的气溶胶反演方法,用于GF-1PMS数据的大气校正。其基本思想是:使用现有的地表反射率数据集为GF-1PMS数据提供地表反射率,用于确定GF-1PMS图像中浓密植被像元(DDV)的分布,基于确定的浓密植被像元反演气溶胶光学厚度(AOD),并用于大气校正。这里使用的地表反射率数据集为合成的无云MODIS地表反射率产品,对GF-1PMS数据做了空间尺度的转换。为降低两类数据配准误差对地表反射率确定的影响,提出了使用区域NDVI分布百分比匹配的方法,回避了像元的直接匹配,为GF-1PMS数据提供DDV的空间分布。为验证该方法的有效性,利用北京、太湖两个AERONET站点观测的气溶胶光学厚度对气溶胶反演结果进行精度验证,结果表明,气溶胶反演算法精度较高,稳定性较强。AOD反演结果应用于北京和敦煌地区的GF-1PMS数据大气校正,获得的地表反射率与地面实测的地表反射率的误差低于0.015,且大气校正后影像对比度明显提高。     

风云三号D星MERSI-II陆地气溶胶反演定量能力评估

风云三号卫星搭载的中分辨率光谱成像仪MERSI（MEdium-Resolution Spectral Imager）与NASA的MODIS属于同类型传感器,大多数通道设计相似,具备气溶胶反演的能力,但目前还没有精度可靠、稳定且全球适用的业务化气溶胶产品可供使用。本文借鉴MODIS暗目标DT（Dark target）算法思想,针对新发射的风云三号D星搭载的升级版MERSI-II传感器,构建全球适用的陆地气溶胶反演算法。为测试MERSI-II传感器气溶胶反演的定量能力,并与MODIS气溶胶产品具有可对比性,本文算法设计尽可能与DT算法在各方面处理相一致,主要在两个方面进行了改进与优化：（1）考虑到传感器波段设置差异,给出了针对MERSI-II的地表反射率估计模型;（2）改进内陆水体判别方法,解决DT算法雾霾漏反演的缺陷。通过将单景反演结果与MODIS气溶胶产品对比,反演结果的空间分布和值域大小均具有较好的一致性,相关系数达到0.9以上;有效地实现雾霾高值区反演,而MODIS产品在该区域漏反演。通过对3个月份全球数据反演试验,利用AERONET地基站网观测数据对结果进行验证,落入期望误差EE=±（0.05+0.15τ）范围的点数达到65.14%,接近2/3的要求,相关系数达到0.866,整体具有较高的验证精度;MERSI幅宽大于MODIS,加之本文像元掩膜的改进,使得MERSI反演像元数增加更多,匹配的验证点比例较MODIS高出20%左右。进一步将月平均结果与MODIS进行对比,空间分布一致性较好,反演结果大小对比相关性较好,相关系数达到0.93左右。表明本文针对MERSI-II气溶胶反演算法结果已接近国际同类型产品的精度要求,将为全球长时间序列气溶胶观测有提供重要补充。从而印证了MERSI观测数据已具有较好的定量应用能力,传感器性能、定标等正在逐渐走向成熟。     

利用深蓝算法从HJ-1数据反演陆地气溶胶

大气气溶胶是环境空气污染监测的重要指标,在利用环境一号卫星CCD相机进行气溶胶监测时,暗目标法和结构函数法都有相应的不足。本文从Hsu等人(2004)提出的深蓝算法出发,以MODIS的地表反射率产品为基础建立反射率库,并利用地面观测数据分析了各种典型地物在CCD相机与MODIS蓝波段反射率之间关系,提出了将MODIS地表反射率修正到CCD相机的方法,进而实现地气解耦,反演气溶胶光学厚度。选择北京地区为实验区,进行了算法实验,并用AERONET/PHOTONS北京站的数据进行了验证,结果表明,(1)光学厚度较大时(>0.5),深蓝算法精度能够较好的满足环境一号卫星CCD相机对气溶胶日常监测的要求;(2)气溶胶模式会对结果产生较大的影响,尤其是城市型气溶胶。     

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。     

BRDF模型参数分阶段鲁棒性反演方法

遥感BRDF物理模型均建立于一定的假设或基于某些理想状况，其模拟的数据与观测数据之间多少会存在一些差异（误差）。利用BRDF模型反演地表参数时，如果不加选择地使用所有观测数据，势必会影响模型参数反演的准确度。遥感反演时一般都采用代价函数进行参数拟合。经典的最小二乘（LS）拟合代价函数对正态分布误差具有一定的抗干扰性，但是当观测数据含有异常值时却会导致反演结果的不稳定。最小中值平方（LMS）方法具有鲁棒性特点，反演时若将其作为代价函数，则可以有效地检测出观测数据中含有的异常值，从而可以使模型反演准确度提高。本文以遥感BRDF物理模型——SAIL模型为例，使用模拟数据与真实地面观测数据，构建LMS与LS两种代价函数，分阶段地进行地表参数的反演方法研究。结果显示，针对具有一定误差或模型不能完全表示的观测数据，本文采用的分阶段方法可以对模型参数鲁棒地反演。