大气气溶胶卫星遥感反演研究综述
来源:用户上传
作者:苏倩欣 李婧 陈敏瑜
摘 要：大气污染已成为全球性问题，日益严重的大气气溶胶污染是当前大气研究的热点。卫星遥感凭借大空间大尺度、多时相监测气溶胶的优势，成为大气环境研究最重要的监测方法之一。本文立足于大气气溶胶卫星遥感技术，总结了反演气溶胶光学厚度的基本原理及方法;并从气溶胶光学厚度的时空分布、与颗粒物浓度关系、对大气污染的影响3方面，阐述了气溶胶光学厚度的应用研究进展。最后，总结了当前大气气溶胶反演存在的问题和发展趋势，希望未来在反演模型的适用性、反演精度的提高等方面有所突破。
关键词：气溶胶 卫星遥感 气溶胶光学厚度 颗粒物浓度 大气污染
1950s以来，大气污染已成为全球性的环境污染问题之一。其影响及人群健康问题得到了全世界学者的关注，相关研究已在全球展开并不断深入[1]。
氣溶胶是指大气中悬浮的固体和液体微粒共同组成的多项体系，当以大气为载体时称之为大气气溶胶，其尺度范围大约在0.001～10μm之间[2];除一般无机元素外，其化学组分还有元素碳（EC）、有机碳（OC）、有机化合物（尤其是挥发性有机物（VOC）、多环芳烃（PAH）和有毒物）、生物物质（细菌、病菌、霉菌等）[3-4]。大气中气溶胶的含量虽少，但对大气中的物理化学过程、气候系统都起着重要的作用[5]。近年来世界范围雾霾天气的出现大大降低了城市的能见度[6]，给人民的健康生活带来了极大的不便，因此十分有必要对大气气溶胶进行监测与治理。
传统的对大气气溶胶监测的方法主要以地面实时监测为主，无法满足环境监测实时、动态的要求，而遥感监测正好弥补了这一不足，具有广阔的应用前景。
目前对气溶胶的遥感反演研究主要集中在气溶胶光学厚度、气溶胶浓度等的反演方面[7]，本文以综述的形式，总结了气溶胶卫星反演的主要算法、研究内容及发展方向，为气溶胶卫星遥感反演研究提供参考。
1 卫星遥感反演原理和方法
1.1 卫星遥感反演AOD的基本原理
气溶胶光学厚度（Aerosol Optical Depth，AOD）定义为介质消光系数在垂直方向上的积分，用以描述气溶胶对光的削减作用。可用在估算大气浑浊度、粒子总浓度，评判大气质量等方面。卫星接收信息是地球大气的散射以及地表反射的综合作用，这是卫星遥感反演的原理[7]。
假设地球表面为均匀朗伯表面，不考虑气体吸收，卫星观测到的表观反射率为：
其中，分别为观测天顶角、太阳天顶角和太阳光线的散射辐射方位角;为分子散射的程辐射;ω0为单次散射反照率;为气溶胶光学厚度;为程辐射反射率;μ，μ0分别为观测角θ和入射角θ0的余弦值;为归一化地标反射率的下行辐射通量;为向上的总透过率;为地表反射率;为大气后向散射比[7]。
通过公式可知，卫星观测到的表观反射率可表达为气溶胶光学厚度和地表反射率的函数，即已知地表反射率，并确定了大气气溶胶模型，可反演出相应的气溶胶光学厚度[8]。
1.2 卫星遥感反演AOD的算法
不同地表类型和气溶胶组成的不同，需以不同的原理来对气溶胶进行反演。常用方法为表1所示的12种算法。
以上反演算法的多适用于城市地区。这与近年来城市雾霾的不断加重，研究区域更注重城市有关。如王钰等使用暗像元法及Landsat-8 OLI数据反演北京地区的AOD，并对比验证长时间序列的反演值与AERONET地面站点观测值，发现所得的AOD反演值与地面站点观测值一致性较高。且经过误差分析发现：地表反射率估算、气溶胶模型的选取和查找表间隔的设置都会造成AOD的反演误差[10]。赵小锋等用暗像元法反演AOD，通过建立多指标体系综合分析厦门市AOD的时空变化特征，发现厦门市AOD具有鲜明的季节变化特征和显著正空间自相关性，AOD在林地和建筑用地上空具有显著差异[25]。徐梦溪等提出了一种优选反演算法，引入中红外通道表观反射率来选择V5.2法（添加了Walthall双向反射分布订正）或扩展暗像元法计算表观反射率。以许昌地区作为研究区，分别使用以上几种方法进行AOD反演，结果发现优选算法有一定的可行性[8]。张璐等基于HJ-1卫星数据，运用深蓝算法探索在长江三角洲反演AOD的可行性，并将结果与其他气溶胶产品比较，发现反演结果的数值虽然与MODIS AOD产品存在系统性偏差，但能在空间上较好地反映长三角的大气气溶胶分布状况，且空间分辨率较高[21]。彭威[17]、方炜[26]利用V5.2算法，分别以珠三角、广州市为研究对象，反演气溶胶光学厚度，分析其时空动态变化特征。以上研究运用不同的算法反演AOD，大都考虑到了AOD的地域性、季节性差异和反演误差等问题。
2 气溶胶光学厚度应用研究
2.1 气溶胶光学厚度的时空分布
目前我国利用卫星遥感研究大气气溶胶的区域主要集中在经济发达的东部城市或城市群地区，而广大的西部地区除沙尘暴外则较少被提及，这应是未来研究工作的侧重点[27-31]。
张亮林等分析中国2007—2017年间AOD的时空分布特征，发现：时间上具有东高西低，东部减少、西部基本不变的特征;年际间AOD值呈余弦曲线式波动下降特征;年内表现出春夏高、秋冬低等特点[32]。张磊研究2001—2015年广东地区AOD的时空变化特征，发现15年间广东地区AOD值的变化，以2007年为转折点，表现为先升后降，与产业转型，节能减排有关。四季特征表现为春夏高、秋冬低，在空间上珠三角>粤西>粤东>山区，并发现每年大约在3，4月达到峰值[33]。王德辉通过对珠三角MODIS气溶胶产品与多年统计数据的分析，发现近年来珠三角大气污染的AOD高值中心在广东省;AOD高值的产生具有空间独立性和区域输送的联系性;且四季均有，冬半年尤多。珠三角大气气溶胶污染是由其表层开放复杂系统的整体作用决定的，人类活动在其中起主导作用[34]。以上研究均表明AOD具有明显的时空分布差异，冬季变化尤为明显。 2.2 气溶胶光学厚度与颗粒物浓度
研究表明细颗粒物浓度上升是灰霾形成的主要原因，且对人体健康有较严重的危害[7]。
国内外许多研究发现，AOD与近地面颗粒物质量浓度有很强的相关性。Jerome Vidot等使用宽视场水色扫描仪（Sea WiFS）数据及气象信息，分析Sea WiFS AOD和颗粒物质量浓度之间的关系，发现AOD与PM10、PM2.5质量浓度之间的相关系数分别为0.42和0.48[35]。王德辉对广州市9个自动监测子站的AOD值与TERRA卫星监测的PM10小时平均值进行对比分析，发现二者具有良好的相关性，可形成空间覆盖和数据上较好的优势互补[34]。王伟齐等分析北京市2014年地面PM2.5和Terra、Aqua卫星接收的AOD的时空分布特征，发现Aqua卫星接收的AOD与城区的PM2.5质量浓度相关系数比Terra卫星的要高，更适合用于监测和反演城区地面的PM2.5质量浓度[36]。
由于两者相关性并不十分显著，许多学者希望通过提高AOD的精度，增强其与颗粒物的相关性。Liu Yang等建立了美国东部AOD与日平均PM2.5质量浓度之间的经验模型，并发现相对湿度、季节化及监测站点的地理属性影响AOD与PM2.5之间的相关性[37]。郭建平等在考虑气溶胶吸湿增长条件下，分析我国东部地区2007—2008年11个观测站监测PM2.5质量浓度数据与卫星遥感反演AOD之间的相关性，结果发现相关系数明显提高[38]。李成才等将MODIS气溶胶产品与北京空气污染指数进行相关分析，发现：垂直和湿度校正后的卫星遥感AOD能够有效反映近地面颗粒物污染的空间分布特征，而且如果具备每日的垂直分布信息的进一步订正，相关系数还将提高[39]。黄观等在考虑气象要素的情况下，利用MODIS AOD产品与同期地面观测的PM10质量浓度数据，建立乌鲁木齐市全年、春季、夏季、秋季的PM10遥感反演模型，发现：经过垂直—湿度订正后的AOD能较为准确地反演地面PM10质量浓度，相关系数从0.433提高到0.63[40]。还有部分学者通过气溶胶季节标高，研究AOD与颗粒物的季节性相关差异[41-43]。以上研究结果均印证了陈水森的观点，PM2.5遥感的关键问题为区域尺度气溶胶光学厚度垂直订正和区域尺度近地面消光系数湿度效应校正研究[44]。
大气粒子遥感的部分研究工作考虑了气溶胶垂直分布、大气水汽甚至风速的影响[45]，取得了一定的成果，但仍存在许多问题，如：方法普遍存在空间局限性，估算结果的不确定性较大[46];卫星尺度下的近地面大气状况的巨大差异，扩大了大范围区域尺度反演结果的不确定性。
2.3 气溶胶与空气污染
在中国大陆，城市大气中的主要污染物为可吸入气溶胶颗粒物，近年来出现的较严重的灰霾、雾霾等就是大气污染的结果。
国内许多学者都就气溶胶与大气污染的关系进行了研究。如李成才等将AOD与空气污染指数（Air Pollution Index，API）的长期数据进行比较，并进行季節性的垂直-湿度订正，二者的相关系数达到0.54。在2004年10月的污染个例中，利用卫星遥感的AOD分布和每日变化再现了污染事件的发展过程，发现北京城区的AOD与API的相关系数高达0.82[39]。孙娟等通过建立10km×10km分辨率的MODIS AOD与气象站点能见度历史数据的季节平均关系，得到上海地区季节性气溶胶标高;并利用标高及AOD的季节分布反演上海地区的区域能见度分布，发现：冬春季，上海地区平均能见度较差，外环线以内能见度在10km以下[47]。李正强等以华北作为研究区，提出了基于卫星遥感的AOD数据获得的灰霾指数和污染时空气质量指数（Air Quality Index，AQI）等级的方法和相关的监测系统设计，发现卫星遥感能较好地反映灰霾污染程度变化，并把卫星监测结果与实测的AQI数据进行对比，误差小于一个AQI等级[48]。
综上研究，AOD与空气污染指数、空气质量指数等有较强相关性，可认为大气颗粒物严重影响着空气质量，因此需要加快促进地面实测数据和遥感数据相结合，以实现气溶胶监测的业务化。通过及时发布城市环境空气质量等措施，以便城市居民能够科学出行[7]。
3 气溶胶遥感反演的发展趋势
遥感技术在大气监测和气溶胶光学特性反演等方面已取得了众多成果，但也面临着一些问题和困难，因此，未来关于气溶胶遥感反演，应该在以下方面有所突破：
（1）数据资料的收集整理。如建立一个全国的气溶胶资料库，系统分析气溶胶的时空特征，有助于找出现阶段研究的不足，未来有针对性地开展研究工作[49]。
（2）基于辐射传输理论的气溶胶反演模型。目前的反演方法大多是基于统计模型建立的经验公式或假设，物理意义不够明确，适用性不强[7]，增加了准确模拟和预测气候系统对直接辐射强迫响应的困难[50]。而从大气辐射传输理论出发，研究不同形状、不同大小粒子的散射和吸收机理，有助于建立起具有普适性，物理意义明确的气溶胶反演体系[7]。
（3）不同遥感方法的综合比较试验。虽然目前气溶胶的研究方法较多，但不同方法的适用范围还需进一步研究和完善，因此可考虑在更大范围、更长时间上进行一次综合的不同观测方法的比较试验[11，27]，为以后的气溶胶研究提供具体可行的方法。
（4）气溶胶遥感反演与地面监测、地基遥感监测相结合。如多波光度计、激光雷达[51]、无人机等，能较显著地提高遥感监测的速度和反演精度。
参考文献
[1] Yue Tingting，Chai Fahe，Hu Jingnan，et al. Gaseous emissions from compressed natural gas buses in urban road and highway tests in China[J].Journal of environmental sciences，2016（10）：193-199. [2] 汤玉明，邓孺孺，许敏端，等.广州市秋季气溶胶光学特性日变化[J].中山大学学报：自然科学版，2019，58（2）：58-67.
[3] Larry K.Berg，Jerome D.Fast，James C.Barnard，et al. The Two-column Aerosol Project：PhaseⅠ-Overview and impact of elevated aerosol Layers on aerosol optical depth[J].Journal of Geophysical Research：Atmospheres，2016，121（1）：336-361.
[4] He Junliang，Zha Yong，Zhang Jiahua，et al. Retrieval of aerosol optical thickness from HJ-1 CCD data based on MODIS-derived surface reflectance[J].International Journal of Remote Sensing，2015，36（3）：882-898.
[5] Yuxiang Luo，Xiaobo Zheng，Tianliang Zhaoc，et al. A climatology of aerosol optical depth over China from recent 10 years of MODIS remote sensing data[J].International Journal of Climatology，2014，34（3）：863-870.
[6] Moody J.L.Keene W.C.Cooper O.R.et al. Flow climatology for physicochemical properties of dichotomous aerosol over the western North Atlantic Ocean at Bermuda[J].Atmospheric Chemistry&Physics，2014，14（2）：691-717.
[7] 汤玉明，邓孺孺，刘永明，等.大气气溶胶遥感反演研究综述[J].遥感技术与应用，2018，33（1）：25-34.
[8] 徐梦溪，许宝华，郑胜男，等.基于MODIS卫星遥感数据的大气气溶胶光学厚度优选反演方法[J].南京工程学院学报：自然科学版，2013，11（2）：1-7.
[9] 余卫国，房世波，余学祥.中国卫星遥感气溶胶研究进展[J].能源环境保护，2006（1）：1-6.
[10]王钰，何红艳，谭伟，等.基于暗目标法的Landsat-8 OLI数据气溶胶光学厚度反演[J].航天返回与遥感，2018，39（2）：115-125.
[11]李加恒，劉厚凤，赵丹婷.基于MODIS的气溶胶光学厚度反演算法及应用进展[J]. 绿色科技， 2012（2）：108-111.
[12]吴海燕，卢远，华璀.基于暗像元法的南宁市气溶胶反演[J].环保科技，2015（5）：34-38，53.
[13]Martins，José Vanderlei，Tanré Didier，et al. MODIS cloud screening for remote sensing of aerosol over oceans using spatial variability[J].Geophysical Research Letters，2002，29（12）：MOD4-1-MOD4-4.
[14]Tanré D.，Devaux C.，Herman M. Radiative properties of desert aerosols by optical ground-based measurements at solar wavelengths[J].Journal of Geophysical Research，1998，93（D11）：14223-14231.
[15]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.
[16]KY Kondratyev，AA Buznikov，OB Vasilyev. Influence of the atmosphere on the spectral brightness and contrast of natural formations with spectrophotometric measurements of earth from space[J]. Atmospheric Ocean Physics，1975，11（11）：348-361.
[17]彭威.基于遥感估算珠江三角洲地区大气颗粒物质量浓度[D].南京大学，2014.
[18]陈澄，李正强，侯伟真，等.动态气溶胶模型的PARASOL多角度偏振卫星气溶胶光学厚度反演算法[J].遥感学报，2015，19（1）：25-33.
[19]J.L.Deuzé，F.M.Bréon，C.Devaux，et al. Remote sensing of aerosols over land surfaces from POLDER-ADEOS-1 polarized measurements[J].Journal of Geophysical Research，2001，106（D5）：4913-4926. [20]Otto P. Hasekamp，Jochen Landgraf. Retrieval of aerosol properties over land surfaces：capabilities of multiple-viewing-angle intensity and polarization measurements[J].Applied Optics，2007，46（16）：3332-3344.
[21]张璐，施润和，李龙.基于HJ-1卫星数据反演长江三角洲地区气溶胶光学厚度[J].遥感技术与应用，2016，31（2）：290-296.
[22]Waquet F.，Riedi J.，Labonnote L C，et al. Aerosol Remote Sensing over Clouds Using A-Train Observations[J].Journal of the Atmospheric Sciences，2009，66（8）：2468-2480.
[23]邓孺孺，田国良，王雪梅，等.大气污染定量遥感方法及其在长江三角洲的应用[J].红外与毫米波学报，2003，22（3）：181-185，244-245.
[24]Shunlin Liang，Bo Zhong，Hongliang Fang. Improved estimation of aerosol optical depth from MODIS imagery over land surfaces[J].Remote Sensing of Environment，2006（104）：416-425.
[25]赵小锋， 刘嘉慧， 赵颜创， 等. 城市气溶胶光学厚度空间格局特征多指标综合分析[J].地球信息科学学报， 2018， 20（3）：360-367.
[26]方炜.广州市气溶胶光学厚度及PM（2.5）浓度的时空特征及其影响因素[D].中山大学， 2017.
[27]吴蒙，罗云，吴兑，等.我国近年来基于MODIS卫星遥感大气气溶胶研究进展[A].中国环境科学学会学术年会论文集[C].海口，2016.
[28]李成才，毛节泰，刘启汉，等.利用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（19）：2094-2100.
[29]刘桂青，李成才，朱爱华，等.长江三江洲地区大气气溶胶光学厚度研究[J].环境保护，2003（8）：50-54.
[30]刘桂青，毛节泰，李成才.长江三角洲地区大气气溶胶光学厚度研究[J].上海环境科学，2003（S2）：58-63，193.
[31]肖钟湧，江洪，陈健，等.利用MODIS遥感数据反演广州市气溶胶光学厚度[J].中国环境科学，2010（5）：577-584.
[32]张亮林， 潘竟虎， 张大弘. 基于MODIS数据的中国气溶胶光学厚度时空分布特征[J]. 环境科学学报， 2018， 38（11）：4431-4439.
[33]张磊.2001-2015年广东地区气溶胶光学厚度变化趋势及其影响因素[D].南京大学，2016.
[34]王德辉.珠江三角洲大气气溶胶污染形成机制与遥感监测研究[D].广州大学，2007.
[35]Jerome Vidot，Richard Santer，Didier Ramon. Atmospheric particulate matter （PM） estimation from SeaWiFS imagery[J].Remote Sensing of Environment，2007，111（1）：1-10.
[36]王伟齐，张成网，臧增亮，等.Terra和Aqua卫星MODIS 3 km AOD与北京PM2.5对比分析[J].气象科学，2017，37（1）：93-100.
[37]Liu Yang，Sarnat Jeremy A.，Kilaru Vasu. Estimating Ground-level PM2.5 in the Eastern United States Using Satellite Remote Sensing[J].Environmental Science & Technology，2006，40（30）：5880-5892.
[38]郭建平，吴业萊，张小曳，等.BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5[J].环境科学，2013，34（3）：817-825.
[39]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（D辑：地球科学），2005，35（增刊1）：177-186.
[40]黄观，刘伟，刘志红，等.乌鲁木齐市MODIS气溶胶光学厚度与PM10浓度关系模型研究[J].环境科学学报，2016，36（2）：649-657.
[41]张晖，王伯铎，陈良富，等.西安市及周边地区MODIS气溶胶光学厚度与PM10浓度关系模型研究[J].环境工程学报，2014，8（2）：665-671.
[42]周云云，张德英，施润和.多种气象要素及其变化对AOD与PM2.5关联模型的影响研究[J]. 环境科学学报，2019，39（1）：204-211.
[43]何秀，邓兆泽，李成才，等.MODIS气溶胶光学厚度产品在地面PM10监测方面的应用研究[J].北京大学学报：自然科学版，2010（2）：178-184.
[44]陈水森，王重洋，刘尉，等.大气颗粒物遥感研究进展[J].热带地理.2015，35（1）：1-6.
[45]B.Pelletier，R.Santer，J.Vidot. Retrieving of particulate matter from optical measurements： A semiparametric approach[J].Journal of Geophysical Research，2007，112（D06208）：1-18.
[46]Hone-Jay Chu，Hwa-Lung Yu，Yi-Ming Kuo. Identifying spatial mixture distributions of PM2.5 and PM10 in Taiwan during and after a dust storm[J].Atmospheric Environment，2012（54）：728-737.
[47]孙娟，束炯，鲁小琴，等.上海地区气溶胶特征及MODIS气溶胶产品在能见度中的应用[J].环境污染与防治，2007，29（2）：127-131.
[48]李正强，许华，张莹，等.基于卫星数据的灰霾污染遥感監测方法及系统设计[J].中国环境监测，2014（3）：159-165.
[49]毛节泰，张军华，王美华.中国大气气溶胶研究综述[J].气象学报，2002，60（5）：625-634.
[50]范学花，陈洪滨，夏祥鳌.中国大气气溶胶辐射特性参数的观测与研究进展[J].大气科学，2013，37（2）：477-498.
[51]Michel Mallet，Véronique Pont，Catherine Liousse，et al. Aerosol direct radiative forcing over Djougou （northern Benin） during the African Monsoon Multidisciplinary Analysis dry season experiment （Special Observation Period-0）[J].Journal of Geophysical Research，2016，113（D23）：2036-2044.
转载注明来源:https://www.xzbu.com/1/view-15189868.htm
