好文推荐 | 大气气溶胶和细颗粒物遥感反演

原创韦晶，李占清等遥感学报 2021-09-20

遥感人的成长家园

官网

主题词

大气污染，卫星遥感，PM2.5

AOD，高空间分辨率

大气气溶胶是液态或固态微粒在空气中的悬浮体系，它通过直接散射和吸收太阳辐射能量影响辐射收支平衡，同时作为反应介质影响大气环境化学。特别地，细颗粒物(PM2.5)能较长时间悬浮于空气中，输送距离远，易附带有毒、有害物质，严重危害人体健康。因此，实现大气气溶胶和细颗粒物监测对生态环境和人类健康具有十分重要的意义。

李占清教授团队及合作者系统评估了当前官方气溶胶产品的不确定性，改进了区域和全球尺度气溶胶光学厚度和近地表细颗粒物遥感反演算法，生产得到高空间分辨率、高精度的气溶胶光学厚度(AOD)和PM2.5产品，为我国空气污染监控和理解其形成变化规律奠定了基础。

中国大气细颗粒物遥感估算

数据

PM2.5地基观测数据

MAIAC AOD产品

ERA-Interim再分析数据

NDVI、Land use cover等辅助数据

研究方法

依托于人工智能(机器学习)，提出一种高分辨率大气细颗粒物遥感估算方法：时空—随机森林(STRF)模型(图1)。该模型利用高精度1千米气溶胶产品，考虑并引入PM2.5时空异质性因子，依托于气象、土地利用、人类活动等潜在影响因子，采用集成学习的方式改善并构建了稳定的PM2.5-AOD关系。

图1 时空—随机森林模型结构示意图

结果+结论

首次生产得到中国地区1千米PM2.5产品，验证结果表明该方法能够较为准确地估计逐日PM2.5浓度(R2 = 0.85, RMSE = 15.57 μg m-3)，同时能够较好地预测中国历史PM2.5数据(月：R2 =0.73、季：R2 =0.78)。

图2 中国华北平原、长江三角洲、珠江三角洲和四川盆地地区PM2.5空间分布图

该方法在模型性能和预测能力方面均优于广泛使用的传统回归模型和以往研究中提出的大多数模型。新生产的PM2.5产品的空间分辨率较先前研究提高了3—10倍，有效空间覆盖范围更广，能够提供更精细的大气污染信息，对于城市地区的空气质量研究具有重要意义。

论文标题

Estimating 1-km-resolution PM2.5 concentrations across China using the space-time random forest approach

作者

韦晶，黄伟，李占清*，薛文晧，彭怡然，孙林，Cribb Maureen

发表期刊

Remote Sensing of Environment

论文全文链接

https://doi.org/10.1016/j.rse.2019.111221

气溶胶产品定量评估与融合改进

数据

MODIS C6.1 DT、DB和DTB产品

AERONET AOD地基观测数据

结论

(1) 三种气溶胶产品在全球范围内整体精度较好(如欧洲和北美洲东部等)，但不同算法在局部地区和站点尺度的表现能力存在显著差异，特别是在北非、中东和南亚等地区(图3)，受地表状况和人为条件影响，气溶胶产品估计偏差较大。

图3 MODIS不同气溶胶产品在全球站点尺度的整体精度和不确定性空间分布图：(a-c) 相关系数；(d-f) 满足期望误差比例; (g-i) 中位数偏差; (j-m) 均方根误差

(2) 除沙漠、裸地等高亮地表地区，DB算法在植被覆盖地区仍展现出较好的精度；DB产品在全球多数地区以及超过半数的地基观测站点上表现出最优的精度(图4)，表明由于不合适的气溶胶产品融合方法，导致官方DTB融合产品在全球范围并不总是最优的。

图4 MODIS不同气溶胶产品在站点尺度的最优表现：(a) 样本点数；(b) 满足期望误差比例; (c) 平均偏差; (d) 均方根误差

(3) 针对(2)的问题，基于DT和DB算法在不同地表覆盖类型、地表起伏度及气溶胶类型上的表现能力，提出了改进的DTB产品融合方法，明显提高了全球气溶胶产品的空间覆盖率和整体精度(图5)，生产了更准确的全球气溶胶光学厚度数据集。

图5 气溶胶新融合产品(DTB1)与官方融合产品(DTB0)在全球尺度上的精度验证对比密度散点图

相关论文

[1] Wei, J., Li, Z.*, Peng, Y., and Sun, L. (2019a). MODIS Collection 6.1 aerosol optical depth products over land and ocean: validation and comparison. Atmospheric Environment, 201, 428-440.

https://doi.org/10.1016/j.atmosenv.2018.12.004

[2] Wei, J., Li, Z.*, Sun, L., Peng, Y., and Wang, L. (2019b). Improved merge schemes for MODIS Collection 6.1 Dark Target and Deep Blue combined aerosol products. Atmospheric Environment, 202, 315-327.

https://doi.org/10.1016/j.atmosenv.2019.01.016

区域高分辨率气溶胶遥感反演

数据

MODIS、VIIRS、Landsat卫星数据

MODIS和VIIRS官方气溶胶产品

AERONET地基观测数据

研究方法

提出一种通用的区域鲁棒性高空间分辨率气溶胶反演算法(RHAR)，考虑了地表BRDF的影响、气溶胶类型的时间变化及主要气体吸收等多因素的影响，进一步提高了气溶胶反演关键参数估计的准确性，应用于多源卫星传感器进行气溶胶反演。

图6 区域鲁棒性高空间分辨率气溶胶反演算法技术路线图

结果+结论

实现了MODIS(图7)、VIIRS(图8)以及Landsat等多源卫星数据气溶胶反演，生产了中国东部地区(包括北京—天津—河北)长时间序列(2008 – 2018)和高空间分辨率(0.03 – 1 km)的气溶胶光学厚度数据集。与官方气溶胶产品相比，本文产品的空间分辨率提高了3到10倍，空间覆盖范围明显增加，能够提供更准确更精细的气溶胶信息；同时整体精度得到明显改善，特别是在城市地区。

图7 本文MODIS数据气溶胶反演结果(1 km)与官方等其他气溶胶产品空间分布对比结果

图8 本文VIIRS数据气溶胶反演结果(750 m)与官方气溶胶产品(6 km)空间分布对比结果

相关论文

[1] Wei, J., Li, Z.*, Peng, Y., Sun, L., and Yan, X. (2019a). A regionally robust high-spatial-resolution aerosol retrieval algorithm for MODIS images over Eastern China. IEEE Transactions on Geoscience and Remote Sensing, 57(7), 4748-4857.

https://doi.org/10.1109/TGRS.2019.2892813

[2] Wei, J., Li, Z.*, Sun, L., Yang, Y., Zhao, C., and Cai, Z. (2019b). Enhanced aerosol estimations for Suomi-NPP VIIRS images over heterogeneous surfaces, IEEE Transactions on Geoscience and Remote Sensing.

https://doi.org/10.1109/TGRS.2019.2927432

[3] Wei, J., Huang, B.*, Sun, L.*, Zhang, Z., Wang, L., and Bilal, M. (2017). A simple and universal aerosol retrieval algorithm for Landsat series images over complex surfaces. Journal of Geophysical Research Atmospheres, 122(24), 13338–13355.

https://doi.org/10.1002/2017JD026922

全球陆地高分辨率气溶胶遥感反演

数据

MOD021KM原始数据

MOD04_L2和MOD04_3K官方气溶胶产品

AERONET AOD地基观测数据

研究方法

针对传统方法在城市和沙漠等高亮地表气溶胶反演的困难，提出并改进基于先验知识支持的高分辨率气溶胶遥感反演算法(I-HARLS)，构建全球陆地8天合成的地表反射率和季节合成的气溶胶类型数据库，使用提出的通用动态阈值云检测方法筛选合适像元，利用查找表形式进行全球陆地气溶胶反演。

结果+结论

首次生产得到全球陆地1千米气溶胶光学厚度数据集，并与地基观测数据和官方气溶胶产品对比，结果表明，该产品在全球和四个典型区域上总体表现良好，整体精度达到72%(图9)，与MOD04_3K产品相比，气溶胶产品空间分辨率和整体精度得到明显提高，可以提供更连续更精细的气溶胶信息(图10)，能够满足全球不同地区的中小尺度气溶胶和空气质量等研究的需求。

图9 本文全球气溶胶产品(1 km)在欧洲、北美洲、京津冀和撒哈拉沙漠地区站点尺度整体精度和估计偏差空间分布图

图10 本文全球气溶胶产品(1 km)与MODIS 官方气溶胶产品(3 km)在4个典型地区的空间分布对比图

相关论文

[1] Wei, J., Sun, L.*, Peng, Y.*, Wang, L., Zhang, Z., Bilal, M., and Ma., Y. (2018). An improved high-spatial-resolution aerosol retrieval algorithm for MODIS images over land. Journal of Geophysical Research Atmospheres, 123(21), 12291–12307.

https://doi.org/10.1029/2017JD027795

[2] Wei, J. and Sun, L*. (2017). Comparison and evaluation of different MODIS aerosol optical depth products over Beijing-Tianjin-Hebei region in China, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 10(3), 835-844.

https://doi.org/10.1109/JSTARS.2016.2595624

[3] Sun, L., Wei, J.*, Wang, J., Mi, X., et al. (2016). A universal dynamic threshold cloud detection algorithm (UDTCDA) supported by a prior surface reflectance database. Journal of Geophysical Research Atmospheres, 121(12), 7172-7196.

https://doi.org/10.1002/2015JD024722

作者简介

韦晶，北京师范大学和美国马里兰大学联合培养博士研究生，曾在香港中文大学和清华大学担任助理研究员。研究方向为气溶胶和云遥感、近地表细颗粒物估算、气溶胶产品定量化评估和空气污染等大气环境遥感方面。

Email: weijing_rs@163.com

Website:http://www.escience.cn/people/weijing/index.html

李占清，美国马里兰大学大气海洋与科学系终身教授，北京师范大学特聘教授，AAAS、AGU和AMS会士。研究方向为气候变化、大气物理、陆地和大气环境遥感。

Email: zli@atmos.umd.edu

Website: https://www.atmos.umd.edu/~zli/

孙林，山东科技大学测绘科学与工程学院教授，博士生导师。研究方向为遥感影像云/阴影识别和大气气溶胶遥感反演等。

Email: sunlin6@126.com

ResearchGate: https://www.researchgate.net/profile/Lin_Sun92

彭怡然，清华大学地球系统与科学系副教授，博士生导师。研究方向为气溶胶与云的动力和物理过程及其在全球气候模式中的参数化。