基于MODIS的气溶胶光学厚度反演算法及应用进展

李加恒，刘厚凤，赵丹婷

（山东师范大学 人口·资源与环境学院，山东 济南 250014）

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［1］。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［2］，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［3］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［4］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［5］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［6］。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［7］。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［8］。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［9］。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［10］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［7］。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［11］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：

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［2］。

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［13］和 Holben［14］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［15］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［16］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［16］：（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［17］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［18］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［19］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［20］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［21］、李成才、毛节泰［22～23］、晏利斌［24］、段婧［25］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［26～27］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［28］同时釆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［29］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［19］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［30］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［31］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［32］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［33］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［34］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。

［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－3AVHRR 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 al.Remote 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 trans.geosci［J］.Remote Sens，1997（35）：1 286～1 298.

［12］Kaufman Y J，Tanre D，Remer L，et al.MODIS 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 satellitederived aerosol optical thickness and PM2.5mass：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 Groundlevel PM2.5using 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.