徐淮地区冬季AOD时空特征及气象因子研究

文章基于国产高空间分辨率卫星高分一号(GF-1)的WFV数据实现对徐淮矿区及周边区域的AOD深蓝算法反演和时空特征分析,并结合AERONET站点数据进行反演精度验证。同时,将研究区AOD反演结果与气象因子进行相关性分析。研究结果表明:(1)AOD反演结果与AERONET站点数据相关性较高,相关系数R2为0.899,RMSE为0.158,说明深蓝算法对于矿区及周边城市的AOD反演较适用;(2)研究区2014-2017年AOD高值区呈现逐渐扩张趋势,人口密集区显著高于高植被覆盖区;(3)空气污染时期气溶胶浓度的增长会对气温产生冷却效应,与相对湿度呈一定正相关性,且抑制降水生成。此外,研究区西北部相山的高地形和盛行西北风也可能是阻碍高空气溶胶颗粒物扩散的重要条件。     

地气解耦的Himawari-8卫星PM2.5浓度估算深度神经网络方法

现阶段大气PM_2.5遥感反演方法大多数都基于卫星气溶胶光学厚度（aerosol optical depth,AOD）产品,这些产品通常是从表观反射率（top-of-atmosphere reflectance,TOA）中反演而来.直接建立TOA产品和地面站点监测的PM_2.5浓度间的反演模型能够有效降低由AOD反演所带来的误差传递,但是现阶段反演PM_2.5所用到的TOA同时耦合了地表反射率和大气贡献值,想要进一步提升反演精度则需要设法将二者分离.基于此,本文利用Himawari-8（H8）卫星数据,由6S模型进行大气校正,继而统计得到H8前6个波段之间的地表反射率关系式,再运用卫星第六波段表观反射率与地表反射率接近的特性,估算得到前5个波段的地表反射率,并扣除地表反射率得到大气贡献值,以此来达到地气解耦的目的.随后,本文基于深度神经网络构建了PM_2.5、大气贡献值、卫星亮温数据、观测角等之间的关系.以安徽省为例,反演结果表明,与不考虑地气解耦的TOA-PM_2.5方法相比,本文提出的ATM-PM_2.5方法精度更高,在未参与训练的验证站点上,ATM-PM_2.5的R²和RMSE值为0.87和13.77 μg·m^-3,相对于未经过地气解耦的TOA-PM_2.5,R²提高了20%,RMSE值降低了5.24 μg·m^-3.另外,利用H8卫星时间分辨率较高的特点,本文对安徽省域范围内进行了逐小时的PM_2.5监测,显示本文方法有潜力为PM_2.5实时监测提供数据支撑.     

基于深度全连接网络Himawari-8卫星气溶胶反演研究

利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复杂过程,得到精度较高的反演结果。通过有效数据对所构建的模型做精度测试,同时将反演结果和实测数据对比分析,结果表明,模型反演结果与研究区内所有站点的观测值均具有较高的一致性(R^2均>0.89)。可见,应用DNN对H8气象静止卫星开展AOD反演具有一定的可行性。     

联合多源光学和雷达遥感的巢湖水华长时序时空变化分析

以巢湖水华爆发现象为研究对象,利用多源光学遥感和全极化SAR遥感作为数据源,对研究区域2008—2017年的水华进行识别提取,定量和定性分析水华面积及区域位置的时空变化。结果表明:在时间上,每年二、三季度巢湖水华面积普遍高于一、四季度,总体上呈现年平均水华面积逐渐减小趋势,前五年的水华面积比后五年高。在空间上,巢湖西北部水华发生频率最高,西部水华比东部水华发生频率高,沿岸比湖中心发生频率高。巢湖水华整体呈现改善趋势。     

安徽及周边地区气溶胶时空特征及成因分析

利用AERONET数据对2013年6月—2014年5月Aqua/MOIDS气溶胶产品在安徽及周边地区的适用性进行了验证,分析了气溶胶时空分布特征并讨论其影响因素.结果表明:MODIS AOD与AERONET数据在研究区具有很好的一致性,满足美国国家宇航局(NASA)的误差要求.时间上,安徽北部及中部春季、冬季AOD值较高,合肥-南京一带在冬季AOD值甚至高于0.9;研究区域整体在秋季达到AOD最低值.空间上,皖西、皖南山区和庐山等高海拔地区AOD较低,而处于山区间的沿江平原的AOD却明显升高,形成一个以沿江平原为高值中心的环形分布区.研究区域内AOD与能见度、相对湿度的相关性显著,风速对AOD有着先促进后抑制的影响,经济发展和人口分布对气溶胶的分布也有着明显的影响.