《基于MODIS的气溶胶光学厚度反演算法及应用进展（精选2篇）》

读书之法，在循序而渐进，熟读而精思，如下是敬业的小编为大伙儿分享的基于MODIS的气溶胶光学厚度反演算法及应用进展（精选2篇），希望对大家有所帮助。

湖泊上空气溶胶厚度及特点 篇1

大气气溶胶是指由自然或人为活动排放的，悬浮在大气中固态的和液态的，具有稳定性、沉降性、尺度范围在0.001～100μm之间的颗粒［1］．受周围环境、排放源以及本身性质等多种因素的影响，无论是在组成成分、尺度谱分布还是在时空分布上，气溶胶的变化都很大．气溶胶的时空不确定性是影响遥感影像大气校正精度的重要原因［2］，获取不了较为真实的气溶胶辐射信息，很难从根本上提高大气校正的精度，准确的气溶胶时空变化参数成为湖泊水色遥感大气校正精度提高的关键［3］．气溶胶光学厚度(AOT)与ngstrm参数(波长指数α)是描述大气气溶胶光学特性的最基本的参数；其中，AOT是影响大气气溶胶光学性质的一个重要因素［4］，是计算大气中气溶胶含量、研究气溶胶气候效应以及遥感影像大气校正的关键参数［5，6］;ngstrm波长指数α是气溶胶光谱属性的第一级指标，是判断气溶胶类型的重要依据［7］．系统地研究大气气溶胶，较为精确的方法就是利用地基遥感的观测手段，而地基遥感观测手段常用的仪器是全自动太阳光度计(CE-318)．NASA在全球布设的由数百个站点组成的用于监测全球气溶胶的AERONET气溶胶观测网络，采用的就是该设备［8］．目前，通过该仪器获得的点上高精度的测量数据，已经被广泛的应用于AOT遥感反演［9］和精度验证中［10］．

太湖是我国第三大淡水湖泊，位于我国经济发展最具活力的长三角地区，属于典型的亚热带东南季风气候区，夏季高温多雨，冬季温和少雨．近30年来由于该地区经济持续快速的增长导致环境问题显著，诸如空气质量下降［11］、大气水平能见度降低［12］．近年来已有不少学者对该地区的气溶胶进行研究，主要集中在气溶胶粒子谱分布［13］、卫星遥感反演AOT的验证［10，14］、AOT时空分布［6，14，15］、气溶胶对太阳辐射影响［6］等4个方面．虽然从NASA的MODIS气溶胶产品能够直观地表明长三角地区上空有高浓度的气溶胶存在［16］，但由于其较低的空间分辨率以及难以实时的监测，使得该产品不适用于太湖水色遥感大气校正的研究．太湖站点作为AERONET全球观测站点之一，积累了太湖地区宝贵的实测数据，近年来有学者利用AERONET资料对太湖的气溶胶较短时间序列变化规律进行研究［6，10，14，17，18］，但一般为1a;为了揭示太湖上空气溶胶变化规律，获取更为精确的气溶胶参数信息，多年长时间序列的地基观测及其研究分析显得十分必要．本研究基于AERONET太湖站点CE-3182005年9月～2010年10月的level1.5数据，通过①反演AOT和ngstrm参数；②揭示太湖上空AOT和ngstrm参数长时间序列的变化规律；③探讨AOT和ngstrm参数的频率分布；④分析AOT与ngstrm参数的关系；以期为太湖水色遥感大气校正提供基础数据和依据．

1材料与方法

1.1数据获取

CE-318观测站点位于太湖北部的中国科学院太湖湖泊生态系统野外观测研究站内(31°25''''15″N，120°12''''55″E)，紧邻太湖(图1)，海拔约10m，周围无建筑物阻挡、空气流通顺畅、视野开阔．本研究所使用的数据：2005年9月～2009年10月level1.5数据来自CE-318-A，从AERONET网站直接获取；2009年11月～2010年10月level1.5数据，通过对CE-318-Blevel1.0数据自行处理获得．CE-318-A和CE-318-B分别于2005年9月和2009年11月安装在中国科学院太湖湖泊生态系统野外观测研究站内(图1)，相距约15m，该仪器以1.5°的视场角每3min获取340、380、440、500、670、870、936、1020和1640nm通道的太阳直射光谱辐射测量值［6］，其中936nm通道的测量值用来获取大气中总的水汽含量，其余通道的测量值用来反演AOT，反演误差在0.01～0.02左右［19］．CE-318-A每年由NASA定标1次；CE-318-B购买于2009年10月，按照生产厂家的建议在持续观测的1a中仪器不需要进行额外定标，在安装及运行过程中，该仪器均为正常状态．因此在数据处理的过程中使用了仪器出厂时的定标数据．

1.2数据处理

根据Smironov等［20］的理论，使用ASTPwin软件的AOT计算模块，对CE-318-B从2009年11月～2010年10月总计15730次观测获取的实测数据进行处理，得到了各通道共计185dlevel1.5的AOT数据，每月有记录的天数见图2．根据Che等［21］的研究，从ASTPwin软件计算得到的AOT值比AERONET的AOT稍大，但差距较小(约0.01)，因此近似认为两者一致．通常，我国东部地区近地层气溶胶谱服从Junge分布［13］，假设气溶胶复折射系数与波长无关，气溶胶光学厚度τa(λ)与波长λ的关系满足公式：（略）

2结果与讨论

2.1AOT(500nm)、ngstrm参数的月变化

将CE-318-A(2005年9月～2009年10月)和CE-318-B(2009年11月～2010年10月)的AOT(500nm)和ngstrm参数α值作日平均处理以代表该天的情况，然后再利用这些日均值作月平均，得到如表1所示的AOT(500nm)和ngstrm参数α的月变化以及每月的观测天数情况．从表1得知，2～4月和5～6月AOT(500nm)值逐渐增加，7～8月AOT有不同程度的降低；9～11月AOT值较低，而且较为稳定；12月～次年1月，AOT处于最低值区．其中AOT(500nm)最大最小值分别为6月的1.29±0.73和12月的0.70±0.40．另外综合5a的观测资料发现，AOT的高值区出现在6、7月，低值区出现在秋冬季节的10月～次年1月．

太湖上空AOT这种变化主要与该地区的天气形势有关．3～4月太湖地区正值春季，受北方频发的沙尘天气的影响，致使AOT(500nm)增大［18］;5～6月太湖地区进入夏季，空气相对湿度增大，吸湿性的气溶胶粒子吸收空气中的水分后体积膨胀［23］;大气中水溶性气溶胶粒子增加［24］，使得AOT(500nm)值在5～6月持续升高；夏季光照强烈，光化学反应也会增加大气中气溶胶的含量［25］;另外6月初太湖周边农作物秸秆的燃烧释放大量的烟尘颗粒，导致6月的AOT(500nm)达到全年的最大值；7～8月，AOT(500nm)值有不同程度的降低，与该地区频发的强降雨对大气中气溶胶粒子清除作用有关［1，25］;9～11月，太湖地区进入秋季，降雨量减少，多为晴好天气，AOT(500nm)值低而且较为稳定；12～1月，冬季发生的降雨和降雪对气溶胶粒子有一定的湿清除作用，使得该时间段的AOT处于最低值区．从表1得知，6、7、8月这3个月的AOT的标准偏差均高于其他月份的，表明夏季剧烈变化的天气会引起AOT发生巨大的变化，同时也导致了7月的观测天数明显少于其他月份．另外，综合5a的观测资料，12个月的AOT(500nm)的标准偏差均超过各自的一半，表明太湖上空的AOT随时间变化很大．

从α值分布来看(表1)，除了处于四季交替的月份如3、5、9、11月的α值变化较大以外，其余分布于12～2月、3～4月、6～8月、9～11月这4个时期的α值虽然大小不一致，但变化不大；其中，α的最大最小值则分别为9、10月的1.33和4月的1.0．另外从5a的观测资料发现，α的低值区和高值区分别出现在3～4月和9～11月．其中，3～4月，α值达到全年的最小值，由于受北方沙尘天气影响，此时太湖上空所包含的大颗粒的气溶胶粒子高于其他月份的；5～8月，太湖地区降雨量逐渐增多，降雨对大颗粒的气溶胶粒子的清除作用，α略微增加；但与此同时，随着相对湿度的增加，大气中水溶性的细粒子增加［24］，导致该阶段AOT仍然偏高；另外受到季风气候影响，从海洋上空带来的大量的细粒子气溶胶［25］，以及本地区大量生物质燃料燃烧等影响［26］，使得太湖上空的细粒子气溶胶增加，致使α值持续增加．9～11月，太湖地区进入秋季，出现大风天气的概率较低，多为晴好天气，使得α的值明显偏高，而且值较为稳定．12月～次年1月，北方冷空气活动频繁，南下的过程中常伴有的大风天气使得干燥地面的尘土粒子大气中［25］，致使α的值降低．

2.2AOT(500nm)、ngstrm参数季节变化

按照北半球平均气温将太湖地区的四季做如下划分：11月下旬至次年2月底为冬季、3月上旬至5月中旬为春季、5月底至9月上旬为夏季、9月中旬至11月中旬为秋季．将CE-318-A(2005年9月～2009年10月)和CE-318-B(2009年11月～2010年10月)的AOT(500nm)和ngstrm参数α值作日平均处理以代表该天的情况，然后再利用这些日均值作季节平均，从而得到如表2所示的2005～2010年AOT(500nm)和ngstrm参数α的季节变化．从5a的观测资料中得知，夏季的AOT(500nm)达到全年的最大值，这与和Zhang等［25］和Guo等［27］的研究结果一致；最小值基本出现在秋冬季节．5a的观测资料中还显示春季太湖的AOT(500nm)值均在0.77以上，大于我国东海海域春季的AOT(约0.50)［28］，表明除了沙尘天气的影响之外，生物质燃烧，周围城市大气污染物的排放等，也会使太湖上空的AOT增大［18］．四季中AOT(500nm)的标准差较大，除2005～2006年春季情况以外，其余均超过各自平均值的50%，表明四季中AOT(500nm)值变化幅度较大；另外综合5a的观测资料显示，四季的AOT(500nm)均超过0.5，表明太湖地区的大气较为浑浊．α的最小值均出现在春季，最大值基本出现在秋季．表明春季太湖上空大颗粒的气溶胶粒子最多，秋季太湖上空的气溶胶粒子主要以小颗粒为主、大气较为清洁．另外表2还显示，春季α的标准偏差均大于其他3个季节的，表明春季太湖上空气溶胶粒子的粒径变化幅度较大．

2.3AOT(500nm)和ngstrm参数的频率分布

2005年9月～2010年10月AOT(500nm)和ngstrm参数α日均值的频率分布(图3)表明，AOT(500nm)只有1个峰值，α有2个峰值．如图3(a)所示，在5a的观测中AOT(500nm)出现的最高频率值在0.4～0.6之间，约占26%，在0.6～1.8区间，AOT频率递减，但趋势较缓，落在较大值区间(AOT＞0.8)的AOT占总样本约42%，在极端高值区间(AOT＞1.8)的AOT约占总样本的5%［图3(a)］．AOT(500nm)5a的平均值为0.80，是最小值(0.10)的约7倍，与中国其他观测点相比，大于浙江临安地区的0.61［29］，香河观测站的0.77［30］，小于四川盐亭观测站的0.90［15］，表明太湖上空的AOT值较大．根据Beer-Bouguer-Lambert定理［31］计算不同AOT下的透过率可知，在太湖地区目前的平均AOT(500nm)情况下，气溶胶造成的太阳直射辐射的透过率衰减为50%以上，致使该区域的大气透明度差、空气较为混浊，并可引起严重的雾霾天气，这可能与该地区发达的工农业生产释放较多的气溶胶有关［10］;另外由于该站点紧靠太湖，而据Zhang等［25］的研究，AOT主要取决于研究区域的相对湿度，因此太湖湖面释放的大量水汽对该地区AOT的影响也不能忽视．如图3(b)所示，α在0.5～1.3区间的频率递增，最高频率区间为1.1～1.3和1.3～1.5，分别占总样本的30%，落在大值区间1.1～1.7的α值占总样本的70%左右，综合5a的观测资料得知α的年均值为1.17，略大于胶州湾的1.11，与黑龙江三江平原的1.16相当，小于西双版纳的1.4［15］，表明太湖上空气溶胶粒子平均有效半径较小，属于城市-工业型气溶胶［32］．

2.4AOT(500nm)和ngstrm参数的关系

通常选取各观测时段的AOT(500nm)和α的日均值，得到了AOT(500nm)与α的散点图(图4)．从总体趋势来看两者呈负相关关系．当α分布在0～0.3、0.3～0.6、0.6～0.9、0.9～1.2、1.2～1.5、1.5～1.8区间时，对应的AOT(500nm)的均值分别为1.40±0.65、0.84±0.50、0.87±0.50、0.88±0.59、0.80±0.45、0.82±0.41，两者的相关性较差，主要与太湖上空存在着不同组分的气溶胶粒子(例如：细粒子、沙尘粒子等)有关，从α的日均值变化范围较大(0.18～1.70)中得到证实，除了受到天气因素、排放源等因素之外，还与气溶胶粒子碰撞凝结有关［30］．IOCCG的研究报告［33］指出，气溶胶类型以及组分是影响遥感反演水体反射信号精度的重要因素之一，当大气中含有吸收性气溶胶(对入射辐射具有较强的吸收作用，主要来源于化石燃料和生物燃料的不完全燃烧［34］)时，将会给遥感反演水体反射信息造成约35%～60%的误差，因此弄清太湖上空气溶胶的组分对水色遥感大气校正精确的提升起到重大作用．虽然依据α可以判定气溶胶的类型［9］，但不同类型气溶胶粒子的AOT值在大小上并不是严格区分的［32，35］;即使是同一类型下的气溶胶，以生物质燃烧释放的气溶胶为例(α＞1.5)［35］，其对应的AOT的标准偏差为AOT值的一半以上，表明AOT的变化较大，分布在其他区间内α对应的AOT值也出现类似的情况，这就给判断气溶胶的组分带来困难．弄清太湖上空各种气溶胶粒子的组分，除了需要结合气溶胶的其他光学性质参数(如单次散射反照率)之外，还需要采用其他分析手段，如采集各个季节的大气样本，实验室分析等等，今后将做进一步的研究．

3结论

(1)AOT(500nm)值在2～4月和5～6月逐渐增加，7～8月有不同程度的降低；9～11月AOT值较低，而且较为稳定．其中AOT(500nm)最大最小值分别为6月的1.29±0.73和12月的0.70±0.40;除了处于四季交替的月份如3、5、9、11月的α值变化较大以外，其余时期的α值虽然大小不一，但较为稳定；其中，α的最大最小值则分别为9、10月的1.33和4月的1.0．另外，AOT的高值区出现在6、7月，低值区出现在10月～次年1月；α的低值区和高值区分别出现在3～4月和9～11月．

(2)太湖地区AOT(500nm)的最大值出现在夏季，最小值基本出现在秋冬季节．四季中AOT(500nm)的值＞0.5，而且各自的标准差基本超过各自平均值的50%，表明四季中太湖地区不仅大气较为浑浊，而且AOT随时间变化的幅度的较大；α的最小值均出现在春季，最大值基本出现在秋季，表明春季太湖上空大颗粒的气溶胶粒子较多，秋季太湖上空主要以细粒子为主．太湖上空AOT(500nm)及对应的ngstrm参数α的变化主要与该地区的天气形势有关．

(3)AOT(500nm)的频率分布只有一个峰值，最高频率值为0.4～0.6，约占总样本的26%，年平均值为0.80;按平均AOT(500nm)计算，气溶胶造成的太阳直射辐射的透过率衰减至少为50%，致使太湖地区的大气较为混浊，可造成严重的雾霾天气；ngstrm波长指数α的频率分布有两个峰值，最高频率区间为1.1～1.3和1.3～1.5，分别占总样本的30%，落在大值区间1.1～1.7的α值占总样本的70%左右，综合5a的观测资料得知α的年均值为1.17，表明太湖上空气溶胶粒子平均有效半径较小，属于城市-工业型气溶胶．

(4)AOT(500nm)的日均值变化范围很大，最大值约为3.66，是最小值0.13的32倍左右；α的日均值变化范围较大(0.18～1.70)，表明太湖上空有不同类型的气溶胶粒子共存(例如：细粒子、沙尘粒子等);从总体趋势来看AOT(500nm)和α两者呈负相关关系．

基于MODIS的气溶胶光学厚度反演算法及应用进展 篇2

关键词：气溶胶光学厚度；传感器；反演算法

收稿日期：2012-01-14

作者简介：李加恒(1987―),男，山东肥城人，山东师范大学人口资源环境学院硕士研究生。

通讯作者：刘厚凤(1965―),女，山东烟台人，教授，主要从事大气环境学方面的教学与研究工作。

中图分类号：X703

文献标识码：A

文章编号：1674-9944(2012)02-0108-04

1 引言

气溶胶是指以大气作为气相载体与悬浮在其中半径小于几十微米的固态或液态微粒共同组成的多相体系。由于其具有在大气层中分布广泛、生命期短暂、空间变化巨大、化学成分复杂，影响区域乃至全球气候等特点，目前已成为大气科学研究的热点问题。

我国的大气气溶胶监测主要以地面监测为主，地面监测可以得到较为准确的气溶胶信息，但由于我国幅原辽阔，并且大多数监测站点分布在各个大、中城市，因此依靠现有的监测台（站）与监测技术，不能全面、连续地监测我国的环境质量状况，而遥感监测是实现这一目的的有效方式，与传统的地基探测方法不同，卫星遥感可以进行快速、大范围、低成本、周期性动态监测，为人们实时了解大区域范围内的气溶胶变化提供了可能。

2 遥感反演气溶胶理论的发展

国际上利用卫星遥感气溶胶的理论始于20世纪70年代。1977年，NOAA开始利用高分辨率辐射计AVHRR可见光第一通道(0.63μm)进行海洋上空气溶胶光学厚度的遥感。Gordon考虑了气溶胶在海洋水色遥感中的影响，并用AVHRR/NOAA观测开发生成业务产品。Tanre等在陆地遥感中去除大气，特别是气溶胶的浑浊效应，并由此开始了陆地气溶胶的遥感研究。近年来，随着对气溶胶特性的深入研究，利用卫星遥感气溶胶也得到了不断的发展，各种传感器包括多光谱、多角度、偏振、成像扫描等功能的应用对遥感气溶胶光学特性提供了更加全面的信息，先后出现了多种卫星遥感气溶胶的方法，如单通道遥感和多通道遥感、对比法遥感、多角度多通道遥感、偏振特性遥感等。在众多遥感气溶胶光学特性的研究中，最具代表性、应用最广泛的为基于MODIS等传感器的多光谱信息来反演监测气溶胶光学厚度的研究。

1991年NASA正式启动地球观测系统(EOS)计划，并于1999和2002年分别发射了Terra(EOS.AM1)和Aqua(EOS.PM1)两颗对地观测卫星。MODIS是Terra和Aqua两颗极地轨道卫星搭载的主要传感器，它的英文全称为Moderate Resolution Imaging Spectradiometer,即中分辨率成像光谱仪，具有36个光谱通道，分布在0.4~14μm的电磁波谱范围内。MODIS仪器的星下点地面分辨率分别为250、500和1 000m,扫描宽度为2 330km,在对地观测过程中，可同时获取来自大气、海洋和陆地表面的信息，它的运行周期为1~2d,每日或每两日可获取一次全球观测数据。MODIS各波段输出的灰度量化等级为12bit,量化等级比NOAA AVHRR高4倍，并且采用了可见光波段星上校准技术以确保观测的长期稳定。由于MODIS数据具有多光谱分辨率、高时空分辨率等特点，因此它在监测资源、环境、灾害和全球气候变化等方面具有重大意义。

3 基于MODIS反演气溶胶光学厚度的主要算法

目前利用卫星遥感反演气溶胶光学厚度的方法包括单通道反射比、多通道反射比、密集植被暗背景、海陆对比及单次散射反照率的反演、多角度成像偏振和陆地粒子谱的反演、热辐射对比、用于TOMS资料的紫外方法等。本文主要介绍其中比较有代表性的几种主要的气溶胶反演算法。

3.1 暗像元算法

暗像元法是由Kaufman和Sendra反演稠密植被上空气溶胶光学厚度建立的。陆地上的稠密植被、湿土壤及水体覆盖区在可见光波段反射率很低，在遥感图像上称为暗像元，在晴空无云天气的陆地暗像元上空，卫星观测反射率随大气气溶胶光学厚度单调增加，利用这种关系反演大气气溶胶光学厚度的算法，称为暗像元法。暗像元法基于表观反射率大气贡献项，利用大多数陆表在红(0.60~0.68μm)和蓝(0.40~0.48μm)波段反射率低的特性，根据归一化植被指数(NDVI)或近红外通道(2.1μm)反射率进行暗像元判识，并依据一定的关系假定这些暗像元在红或蓝通道的地表反射率，用于反演气溶胶光学厚度。该法最初只能应用于预先知道有稠密植被的地区，为了使方法的适用性更好，Holben和Kaumfan用中红外波段(2.1μm或3.8μm)来寻找暗像元。拟合得到红(0.66μm)、蓝(0.47μm)和中红外通道(2.1μm)地表反射率的关系：

ρR=ρ*/2,(1)

ρB=ρ*/2。(2)

由公式(1)、(2)确定红、蓝通道的地表反照率ρR和ρB,并且假定符合研究区域的气溶胶模型，就可以由卫星获取的表观反射率来反演气溶胶光学厚度。暗像元法是目前遥感陆地上空气溶胶应用最广泛的算法。

3.2 扩展的暗像元算法

一般情况下，当地表反射率较低时，传感器接收的辐射值随气溶胶的增多而迅速增大，随着地表反射率的增大，辐射值随气溶胶的增加而增大的幅度变慢，当反射率增大到一定程度时，气溶胶的指示作用降低，辐射值将不随气溶胶的增加而增加，甚至有时会出现随气溶胶的增加而降低的趋势。因此，在干旱、半干旱以及城市等高反射率地区气溶胶光学厚度的反演还存在不少困难。

为了解决这一问题，Kaufman etal在MODIS半年报告中给出了陆地气溶胶光学厚度获取的验证，对暗像元法进行了扩展：对于星下点，暗像元法可以用于反演中红外通道表观反射率小于0.4的区域；对于非星下点，考虑了太阳和卫星几何参数，暗像元法可以扩展到中红外通道表观反射率小于0.125(1/μ+1/μ)的地区(其中μ为卫星天顶角的余弦，μ0为太阳天顶角的余弦),红、蓝通道的地表反射率则依然可以利用公式(3)、(4)通过中红外通道的表观反射率得到：

ρR′=ρ*′/2,(3)

ρB′=ρ*′/2。(4)

3.3 结构函数法

对于中高纬度地区冬季或干季，大多数像元为亮地表，在暗地表上以路径辐射为主的反演算法用于亮地表上会产生很大的反演误差。对比法是基于如下假定，即在同一地区一段时间内地表反射率不变。那么，以“清洁日”大气为参考，可以反演出“污染日”大气气溶胶光学厚度。Tanre和Holben在采用对比法时，引入了结构函数概念形成结构函数法，该算法主要利用表观反射率的地表贡献项反演气溶胶光学厚度。

结构函数法在应用于反演过程中时，需要以干洁的背景气溶胶信息作为己知。通过地面观测或其它途径来确定“清洁日”气溶胶光学厚度，假定地表目标无变化，由透射函数的变化就能获取其它“污染日”的气溶胶光学厚度。这一方法依赖于单次散射反照率及不对称因子，相对于散射相函数有较好的独立性。为在干旱、半干旱地区和城市区等亮地表上空的气溶胶光学厚度反演提供了途径。

3.4 高反差地表法

高反差地表法是由Kondmtyev等在20世纪70年代提出的用于反演晴空条件下陆地上空的气溶胶光学厚度的方法。这一方法反演气溶胶光学厚度是在两个空间位置比较靠近的区域，假设大气的光学特性不变，选择明、暗两种对比明显的像元(区域)反演气溶胶光学厚度，这里要求的暗像元(区域)是与明亮像元(区域)相对而言的，并不局限于水体以及浓密植被等特定地区，能够在一定程度上解决亮地表上空气溶胶光学厚度反演问题。但要实现业务化反演气溶胶光学厚度还比较困难。

3.5 多星协同反演算法

为克服反演过程中未知参数较多，亮地表气溶胶信息难以从卫星信号中分离出来的困难，唐家奎等提出了基于Terra和Aqua双星MODIS数据的协同反演算法，双星协同反演算法无需事先假定气溶胶类型等参数，无须估算地表反照率，而将地表反射率与气溶胶一同反演，可应用于包括城市等高反射率地区在内的各种地表类型。

但该算法在气溶胶光学厚度反演时受以下因素的限制：(1)很难获得方程的解析解，唐家奎等使用牛顿迭代法获得其近似的数值解，计算速度比较慢，而且有些像元可能会出现不收敛或结果误差较大的情况；(2)由于两颗卫星的时间有一定间隔，气溶胶以及大气中其它组分(如水汽、臭氧等)的性质会发生变化，同一像元可能会出现部分云污染，(3)由于使用的是两颗卫星的数据，传感器的性能退化、不同传感器数据之间的图像配准误差等，这些都会影响最终气溶胶光学厚度反演结果的精度。

3.6 其他AOD反演算法

(1)Robertet al提出的V5.2算法，以新的方法考虑植被指数，认为可见光与中红外通道的表观反射率比值的变化与植被状况有一定关系，利用卫星观测的可见光和近红外通道的反射率比值(VIS/SWIR)对表观反射率进行参数化，使其成为植被指数和散射角的函数。

(2)马里兰大学Liang et al提出的亮像元法，该算法的核心是基于MODIS多时相观测的优势，结合Terra和Aqua数据平台，利用某段观测时间内连续的一系列影像，寻找某一个时间观测窗口内每一个像元在一系列能观测到的范围内最清晰的一个。在全球不同的4个区域(美国的华盛顿、中国的北京、尼日尔的Banizoumbou和加拿大的Bratts Lake)的实验结果显示：利用该算法反演的AOD与AERONET的观测值能很好的吻合，新算法的残余标准差和相关系数分别为0.11和0.89,相对于暗像元法算法的0.11和0.57,精度得到显著提高。

3.7 主要反演算法的比较

暗像元法基于经验关系，利用了多波段信息，适宜地表反射率较低时的情况(小于0.15),在下半年城市周边植被覆盖区域的应用效果较好；扩展的暗像元法可以解决在城区由于地表反射率和城市气溶胶的强吸收性，导致暗像元算法失效的问题；结构函数法对于城市及周边地区的气溶胶反演更具有优势；高反差地表法一般需要有序列图像对比，其反演的结果只是相对气溶胶光学厚度，很难实现业务化运行；双星协同反演算法由于不受地表类型的限制，对城市等具有较高反射率的地表依然有效，但也受传感器时间间隔误差、云污染等客观因素的影响；近年来出现的新的算法局部的反演精度还不错，但大范围的精度验证还有待开展。

4 基于MODIS遥感反演AOD技术的应用

4.1 在气溶胶空间变化及区域输送研究中的应用

Chu等利用NASA的MODIS 10km分辨率的Level2气溶胶光学厚度产品进行研究，证实了其在监测全球、区域和局地大气污染方面有很显著的应用价值。Lau等研究表明，AOD的空间分布可以用来监测污染物区域输送。刘桂青等利用长江三角洲地区几个城市的空气污染指数与MODIS AOD产品进行对比，指出MODIS AOD从某种程度上可以反映地面大气的污染状况，并提出了一种对局域尺度进行空气污染的监测手段。王雨、李成才、毛节泰、晏利斌、段婧等利用MODIS气溶胶产品分析了各地区气溶胶的时空分布特征等。申彦波等利用太阳光度计观测资料和MODIS气溶胶光学厚度资料分析了气溶胶的时空分布特征，并与我国北方发生的沙尘天气进行了对比，发现两者之间关系密切。李晓静等同时用暗像元法和结构函数法遥感北京及地区的气溶胶光学厚度分布特征，并利用地基太阳光度计的观测值验证了反演结果。

4.2 在气溶胶光学厚度与地面颗粒物浓度相关性研究中的应用

从目前的研究趋势来看，不少学者通过建立两者之间的数学模型，试图以气溶胶光学厚度AOD来反映PM10的浓度分布及输送情况。

Engel-Cox等以MODIS数据和气溶胶光学厚度为基础，定性、定量的研究了AOD在大气污染研究中的应用问题，通过将卫星遥感资料与地面污染物质量浓度的对比发现二者在美国中、东部地区比西部地区具有较高的相关性。Lau等研究表明，MODIS遥感的AOD与地面PM10浓度具有较好的相关，MODIS遥感的AOD分布，可以在污染物区域输送监测上扮演一个重要角色。Wang等利用在美国阿拉巴马州的一个城市卫星资料与多个站点的地面空气监测数据的对比研究表明，PM2.5质量浓度与AOD相关系数在0.7以上，表明主要污染物分布在混合层内，且证明AOD可以定量用于空气质量的评估。Donkelaar等通过分析从MODIS、MISR反演得到的气溶胶光学厚度和地面PM2.5之间的线性关系，发现两者之间具有很强的相关性，相关系数分别为0.69和0.71,进而由AOD数据制作出全球PM2.5分布图。

李成才等通过对香港地区MODIS遥感的AOD与地面PM10浓度的比较发现两者有较高相关性，对于监测城市地区大气污染和变化趋势有现实意义。程兴宏等利用车载气溶胶分析测量仪对北京市区的PM10进行多点采样，并与同时段AOD数据进行相关分析，得到相关系数为0.49,证实了AOD和地面实测PM10的相关性是显著的。李成才等利用2001年MODIS气溶胶光学厚度产品和北京市可吸入颗粒物PM10日均浓度进行比较分析，发现在引入湿度因子和季节变化的气溶胶标高的影响后，两者的相关系数为0.535,大于统计学上99%置信度的要求，证实了该气溶胶光学厚度AOD可用于可吸入颗粒物PM10监测。

5 结语

由于大气污染问题的日益严重，国内外对气溶胶及可吸入颗粒物的研究都在加强，基于卫星遥感监测大气气溶胶的技术也在不断成熟，对现有反演算法进行改善，使其能适用于多种不同类型的地表区域并提高反演精度，减小反演误差是今后卫星遥感气溶胶面临的新挑战。

参考文献：

［1］

王新强。基于6S模型从MODIS图像反演陆地上空大气气溶胶光学厚度［J］.量子电子学报，2003,20(5):629~634.

［2］ 孙 林。城市地区大气气溶胶遥感反演研究［D］.北京：中国科学院，2006.

［3］ Carlson T N,Wending P.Reflected radiance measured by NOAA-3 AVHRR as a function of optical depth for Saharan dust［J］.Appl Meteoro,1977(16):1 368~1 371.

［4］ Gordon H R.Removal of atmospheric effects from satellite imagery of oceans［J］.Appl Opt,1978(17):1 631~1 636.

［5］ Tanre D.Atmospheric modeling for space measurements of gorund reflectance including bi-directional properties［J］.Appl Opt,1979(18):3 587~3 594.

［6］ King M D,Kaufman Y J,Tanre D,et Sensing of Tropospheric Aeorsols from space:Past Perseni and Futuer［J］.Bulletin of American Meteorological Society,1999(16):2 229~2 259.

［7］ 刘玉洁，杨忠东。MODIS遥感信息原理与算法［M］.北京：科学出版社，2001.

［8］ 黄家洁，万幼川，刘良明。MODIS的特性及其应用［J］.地理空间信息，2003,1(4):20~28.

［9］ 李成才。MODIS遥感气溶胶光学厚度及应用于区域环境大气污染研究［D］.北京：北京大学，2003.

［10］ Kaufman, Sendra C.Alaorithm for automatic atomospheric corrections to visible and near-IR satellite imagery.Int［J］.Remote Sens,1988(9):1 357~1 381.

［11］ Kaumfan YJ,Wald A E,Remer LA,et al.The modis 2.1μm channel corrclation with visible reflectance for use in remote sensing of aerosol.IEEE ［J］.Remote Sens,1997(35):1 286~1 298.

［12］ Kaufman Y J,Tanre D,Remer L,et semi-allilual repon［J］.Remot Sens,2002(4):371~372.

［13］ Tanre D,Devaux C.Radiative properties of desert aerosols by optical ground based measurements at solar wavelengths［J］.Geophys Res,1988(93):14 223~14 231.

［14］ Holben B N E,Vermote Y J,Kaufman D,et al.Aerosol retrieval over land from Avhrr data-application for atmospheric correction.IEEE trans geosci［J］.Remote sens,1992(30):212~222.

［15］ Kondratyew K,Y Buznikov A,A Vasilyev O B,et al.Influence of the atmosphere on the spectral brightness and contrasts of natural formations of spectrophotometry of the earth from space［J］.Izvestiya Atmospheric Ocean Physics,1975(11):210~218.

［16］ 唐家奎，薛 勇。MODIS陆地气溶胶遥感反演-利用Terra和Aqua双星MODIS数据协同反演算法［J］.中国科学D辑：地球科学，2005,35(5):474~481.

［17］ Liang S L,Zhong B,Fang H L.Improved estimation of aerosol optical depth from Modis imagery、over land surfaces［J］.Remote Sensing of Environment,2006(104):416~425.

［18］ Chu D A,Kaufman Y J,Zibordi G,et al.Global monitoring of air pollution over land from the earth observing system-terra moderate resolution imaging spectroradiometer (MODIS)［J］.Geophys Res,2003,108(D21):61~71.

［19］ Lau Kai-Hon Alexis,Li Chengcai,Mao Jietai,et al.A new way of using MODIS data to study air pollution over the pear river delta［J］.Proceedings of the SPIE,2003(7):4 891.

［20］ 刘桂青，李成才，朱爱华，等。长江三角洲地区大气气溶胶光学厚度研究［J］.环境保护，2003(8):50~54.

［21］ 王 雨，傅云飞。利用MODIS卫星资料对中国中东部和印度次大陆气溶胶特性的分析［J］.气候与环境研究，2007,12(2):137~146.

［22］ 李成才，毛节泰，刘启汉，等。用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征［J］.应用气象学报，2003,14(1):1~7.

［23］ 李成才，毛节泰，刘启汉。利用从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):2 094~2 010.

［24］ 晏利斌，刘晓东。京津冀地区气溶胶季节变化及与云量的关系［J］.环境科学研究，2009,22(8):924~931.

［25］ 段 婧，毛节泰。长江三角洲大气气溶胶光学厚度分布和变化趋势研究［J］.环境科学学报，2007,27(4):537~543.

［26］ 申彦波，沈志宝，汪万福。2001年春季中国北方大气气溶胶光学厚度与沙尘天气［J］.高原气象，2003(22):185~190.

［27］ 申彦波，王 标，石广玉。2006年春季我国东部海域气溶胶光学厚度与沙尘天气［J］.地球科学进展，2008 23(3):290~298.

［28］ 李晓静，刘玉洁，邱 红，等。利用modis资料遥感北京及其周边地区气溶胶光学厚度的方法研究［J］.环境科学学报，2003(3):29~31.

［29］ Engel-Cox J A,Christopher H H,Basil W C,et al.Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality［J］.Atmospheric Environment,2004(38):102~114.

［30］ Wang J,Christopher S A.Intercomparison between satellite-derived aerosol optical thickness and PM2.5 mass:Implications for air quality studies［J］.Geophysical Research Letters,2003,30(21):465~471.

［31］ Donkelaar A V,Martin R V,Park R J.Estimating Ground-level PM2.5 using AOD determined from satellite remote sensing［J］.Geophys Res,2006(111):21 202~21 212.

［32］ 李成才，毛节泰，刘启汉，等。利用MODIS资料遥感香港地区高分辨率气溶胶光学厚度［J］.大气科学，2005,29(3):71~72.

［33］ 徐祥德，周 丽，周秀骥，等。城市环境大气重污染过程周边源影响域［J］.中国科学，2004,34(10):958~966.

［33］ 程兴宏，徐祥德，陈尊裕，等。北京地区PM10空间分布特征的综合变分分析［J］.应用气象学报，2007,18(2):182~183.

［34］ 李成才，毛节泰，刘启汉，等。MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用［J］.中国科学，2005(35):177~186.

Inversion Algorithm of Aerosol Optical Depth Based on MODIS Data and Its Application

Li Jiaheng,Liu Houfeng,Zhao Danting

（School of Population,Resources and Environment,Shandong Normal University,Jinan 250014,China）

Abstract: This paper describes the main algorithms to calculate aerosol optical depth based on MODIS data,including Dense Dark Vegetation(DDV),extended DDV,structure function,reflectivity contrast and multiple satellites.And then the paper describes the application in the aerosol field,which is to analyze the distribution of AOD in space,and also to analyze the correlation between AOD and PM10 concentration.

√★√Key words:aerosol optical depth;MODIS;inversion algorithm