基于Landsat TM/ETM+/OLI遥感大数据分析南京市1984—2015年大气能见度变化趋势

李旭文，姜晟，牛志春，茅晶晶，侍昊，王甜甜，丁铭

(江苏省环境监测中心，江苏 南京 210036)

·前沿评述·

基于Landsat TM/ETM+/OLI遥感大数据分析南京市1984—2015年大气能见度变化趋势

李旭文，姜晟，牛志春，茅晶晶，侍昊，王甜甜，丁铭

(江苏省环境监测中心，江苏 南京 210036)

对南京市1984—2015年Landsat 4/5/7/8卫星TM/ETM+/OLI传感器获取的遥感数据，利用ENVI遥感软件的FLAASH大气校正模块，进行了区域大气能见度(VIS)遥感反演。结果表明，时间跨度达30余年的Landsat卫星遥感数据影像序列反演的VIS呈明显的下降趋势，20世纪80年代数值较高，“差”能见度(<10 km)的观测率不到6%，21世纪以来VIS下降明显，“差”能见度的观测率为20%～25%。与2010—2015年南京市PM10、PM2.5监测数据进行了对比，在城市空气清洁及污染较轻时，星地监测结果有较好的一致性，但中到重污染天气时FLAASH算法反演VIS偏高，侧重于代表离主城区距离远的偏远乡野山林地区的能见度状况。

Landsat ；TM；ETM+；OLI；区域大气能见度；遥感反演；空气质量；南京市

空气质量的下降常表现为空气浑浊、能见度显著降低，是十分典型的环境光学现象[1-4]。近年来，随着在轨运行的卫星多光谱、高光谱传感器越来越多，获取的全球各地遥感信息愈加丰富，及时性也显著提高。多数卫星影像传感器具有合理的覆盖可见光、近红外和反射红外的波段设置，基于卫星遥感影像自身的多波段信息反演区域的大气能见度水平、得到气溶胶光学厚度(AOT)的空间分布，进而使得对区域空气质量和灰霾进行评价的研究得到重视[5-7]，成为地面监测的重要补充。美国Landsat系列卫星为主的对地观测有40多年的全球各地历史遥感资料，通过互联网为全球提供公益共享服务，具有低成本、可有效监测区域面上分布等独特的优势，尤其是20世纪80年代中期以来，相继有Landsat 4、5、7、8号卫星的TM、ETM+、OLI传感器获得了完整性最好、辐射定标精度高的遥感影像海量“大数据”，可以有效地定量反演当时的大气能见度水平。

在20世纪80、90年代乃至21世纪初，我国各地空气监测数据极少甚至缺乏，人们只能凭印象来回忆那些时期的空气质量和蓝天状况，而长时间序列的Landsat卫星光学遥感影像资料，通过光谱特征客观记录了这一时期区域经济社会活动与区域大气清洁度的关联，因此，挖掘Landsat 影像的大气遥感信息，对于回顾研究区域大气污染的中长期历史趋势有重要的甚至独一无二的价值。

国内外研究者利用Landsat数据开展了大气校正研究[8-13]。王耀庭等[11]采用Landsat TM表观反射率标准方差之比法对北京地区的气溶胶空间分布进行了半定量描述，计算了同一日大气能见度空间分布。Adler-Golden等[12]对基于MODTRAN 5改进后的FLAASH反演能见度的效果进行了分析，认为对于Landsat TM及后续传感器以0.69与2.2 μm波段的反射率比值取0.5、2.2 μm波段反射率上限值取0.08，通过暗像元法反演的区域大气能见度更为精确，这一研究成果也被新版本的ENVI软件采纳；侯东等[13]对北京地区Landsat TM影像表观反射率用FLAASH大气校正软件处理，反演影像获取时的气象视距，与根据AERONET北京站气溶胶光学厚度观测数据计算的气象视距十分接近。

文献[14]利用ENVI遥感软件的FLAASH大气校正模块，对Landsat 7 ETM+数据遥感反演了太湖地区的区域大气能见度信息，文献[15]利用Landsat 8 OLI数据遥感反演了江苏盐城市区域大气能见度信息，均显示与地面能见度观测结果有较好的一致性，表明Landsat TM以来的传感器获取的多光谱遥感影像对区域大气污染监测和评价有很好的可行性和业务化价值。

为了分析20世纪80、90年代南京市区域大气能见度状况，在USGS Landsat数据下载服务网站[16]系统收集了1984年5月—2015年12月间过境南京市的美国Landsat TM、ETM+和OLI影像大数据，时间跨度达31年余，对该区域大气能见度信息进行遥感反演提取，可以在一定程度客观分析、回顾南京市大气浑浊度中长期变化趋势，为空气质量的持续改善效果提供一个独特的评估视角。

1 方法与资料

1.1 研究流程

研究的数据处理流程见图1。

图1 基于Landsat遥感大数据分析南京市1984—2015年区域大气能见度变化的数据处理流程

1.2 区域大气能见度遥感反演方法

大气能见度代表了一定区域的大气浑浊状况，与空气中PM10、PM2.5质量浓度以及水平和垂直方向空间分布有直接的关系，是反映大气气溶胶特性、评价区域灰霾问题的重要参数，昼间人眼能见度是指视力正常的人能从背景(天空或地面)中识别出具有一定大小的目标物的最大距离，取决于正常人眼的视觉感阈(Contrast Threshold)。但是气象观测以及遥感应用中表征区域大气能见度使用的是具有客观比较意义的气象视距。在国际上最常用的MODTRAN辐射传输计算方程中，大气能见度(Visibility，VIS)定义为0.55 μm中心波长与水平方向大气光学厚度有关的数值，采用以下公式来计算[12]：

(1)

式中：VIS——大气能见度，km；

E550——0.55 μm波长处的气溶胶消光系数；

0.011 59——0.55 μm波长处分子瑞利散射带来的消光贡献。

由于大气中的消光系数随波长的增长而减小，所以波长增加时，能见度将增大，为便于比较，采用0.55 μm波长的消光系数近似表示可见光波段平均消光系数。除了沙尘暴、火山爆发等自然灾害天气现象导致大气中颗粒物粒径谱显著变化外通常在2.1～2.2 μm波长处受到气溶胶带来的消光影响很小，也就是说气溶胶在2.1(2.2)μm波长是“透明”的，对该波长区域的辐射影响甚微。

Landsat TM及后续传感器的多光谱影像数据在ENVI软件开展FLAASH大气校正处理时，可以计算得到影像整景范围的区域性大气能见度“平均”值。在FLAASH大气校正处理时，假设地表为朗伯体反射面，卫星传感器接收到的辐亮度L*为[17]：

(2)

式中：aρ/(1-ρeS)——太阳辐射经大气入射到地表像元后，反射再经大气直接进入传感器的辐亮度贡献；

bρe/(1-ρeS)——经大气散射后的一部分散射光，又重新漫入射地表像元，反射后通过大气进入传感器的辐亮度贡献；

ρ——像元的地表反射率；

ρe——像元及邻域像元的空间平均地表反射率；

S——大气球面反照率；

a、b——则由传感器成像时的大气状况和观测几何条件决定，与地表反射率无关。

ρ和ρe的区别主要来自于大气散射引起的“邻近像元效应”。ρe为地表及邻近像元通过点扩散函数(PSF)空间卷积得到的像元和其周边像元混合的“平均”反射率，严格意义上说，式(2)中分子和分母的ρe项是通过不同的PSF得到的，但由于ρeS乘积结果数值通常很小，在处理时为简便起见，一般把分子分母的ρe近似视为同一PSF而来，ρe也通过上式来近似估算：

(3)

FLAASH软件中为计算地表的真实反射率，首先需要对景内能见度水平VIS(实质上也就是气气溶胶“平均”光学厚度)进行估计，然后计算得到式(2)中的a、b、S参数。

多年来，研究人员发展了基于影像自身的多光谱/高光谱信息反演能见度的多种算法。最为著名、应用最广、效果最佳的为Kaufman[7]提出的基于陆地浓密植被“暗”像元算法。Kaufman等[7]在全球大量地物类型遥感光谱观测数据基础上，经统计研究发现，在航空和卫星遥感影像中存在一些光谱上相对较“暗”的地物类型，在可见光—近红外—短波红外区间的光谱反射率通常<0.1，其在一定波段对之间存在较为确定的反射率比值关系。例如，陆地稠密植被在短波红外(中心波长2.1～2.2 μm，对应Landsat 8 OLI波段7)的反射率ρ2.1(2.2)很低，通常<0.1，且与可见光区间红光波段的反射率ρ0.66(对应中心波长为0.654 6 μm 的OLI波段4)、蓝光波段的反射率ρ0.48(对应中心波长为0.483 6 μm的OLI波段2)存在稳定的比率关系，见式(4)，植被指数NDVI值高、符合式(4)比例关系的像元即为植被型“暗”像元。

ρ2.1(2.2)≤0.1

ρ0.66=ρ2.1(2.2)/2或ρ0.48=ρ2.1(2.2)/4

(4)

在MODTRAN辐射传输模型中，气象视距(VIS)是用来表征大气浑浊状况的主要输入参数，选择大气模式和气溶胶模式后，通过假设气溶胶浓度在边界层垂直方向的指数衰减分布特征，可以将水平方向能见度VIS和垂直方向的光学厚度(AOT)进行关联[17]，一旦确定了遥感影像景里的能见度值，在一定的气溶胶模式下，就可以得到气溶胶光学厚度、大气消光系数等遥感影像大气校正所需的参数。

南京市地处亚热带北缘，年均降水量较充沛，茂密植被地物很多，对不同时期的Landsat TM/ETM+/OLI影像，以0.66 μm处的波段和2.2 μm处的波段为组合进行茂密植被“暗”像元搜索，除冬季植被萧疏枯萎，部分Landsat影像无法反演得到能见度值外，大部分时相数据均能够反演出VIS值。

为统一起见，现根据多年来全球各地大量的遥感大气校正应用经验，取ρ2.1(2.2)上限为0.08，0.66和2.2 μm，通道反射率比率关系取0.5，以更精准地找到符合式(4)约束关系的“暗”像元集合。MODTRAN辐射传输方程反演的VIS值为5～300 km，<5 km时截取为5 km。

精确的大气校正需要每景影像成像时的大气水汽、气溶胶类型及物理特性(如气溶胶标高)、大气辐射吸收气体(如CO2等)的精确浓度等MODTRAN做高精度大气垂直订正所需的参数，由于研究用遥感数据的时间跨度长达30余年，难以系统地收集，统一结合南京市Landsat影像数据的成像日期和地理纬度、气候特点直接使用相对合理的经验缺省值。

2 数据资料

2.1 Landsat遥感影像

在USGS Glovis网站[16]系统收集了1984年5月—2015年12月间过境南京市的Landsat TM、ETM+和OLI影像，构成本研究所用的遥感“大数据”，其中部分影像有一定的云量，但是仍可用于遥感反演研究区域能见度，因为被云层挡住全部或部分太阳辐射的阴影区像元，只要在卫星观测的垂直方向的光程未受到云层的阻挡，又属于较茂密的植被类型，其ρ0.66和ρ2.1关系也能符合或接近“暗”像元寻找的条件，即在可见光的0.66 μm中心波长处的波段陆面光谱反射特性对卫星接收到的总辐亮度的贡献占比越小越好，可以认为卫星传感器接收到的阴影区的植被像元的辐亮度主体部分都是代表了大气本身带来的程辐射贡献，这部分Landsat影像均参加区域能见度趋势分析，只有云量超过80%、难以搜索到有效“暗”像元的影像被剔除。

由于不同时期在轨运行的Landsat卫星数量不同，1999年以前基本上以Landsat 5 TM数据为主，在80年代还有零星的Landsat 4 TM数据，1999—2010年为Landsat 5和7双星TM/ETM+数据，2011—2013年3月间仅有Landsat 7 ETM+数据，2013年4月—2015年底为Landsat 7和8双星ETM+/OLI数据。在ENVI 5.3遥感软件中，对Landsat影像完成辐射校正等预处理工作，得到辐亮度影像。

在ENVI的FLAASH大气校正工具中，对辐亮度影像进行区域能见度遥感反演计算，根据南京市所处地理位置和气候特点，每年3月中旬—6月下旬、9月中旬—11月底大气模式采用MLS(中纬度夏季)模式，6月下旬—9月初采用Tropical模式，12月—次年3月初采用MLW中纬度冬季)模式。气溶胶模式依赖的主要参数—VIS的反演采用利用Landsat系列传感器的波段对(0.66 μm，2.2 μm)，气溶胶标高取缺省值(1.5 km)，其余参数采用FLAASH软件设置的缺省值。

2.2 地面空气自动监测数据

现选取南京市环境监测中心站管理的包括南京草场门、迈皋桥、瑞金路、山西路、玄武湖、中华门、奥体中心、仙林大学城、浦口在内的9个代表主城区的空气自动站， 统计了其2010—2015年对应Landsat 系列卫星过境时间的上午11：00空气自动监测PM10、PM2.5小时均值数据，取算术平均值代表星地同步南京市主城区地面监测值，来分析比较遥感反演VIS结果。

3 结果讨论

3.1 遥感反演1984—2015年VIS趋势

由于遥感反演区域大气能见度VIS的算法建立在对浓密植被“暗”像元搜索的基础上，南京市地理、气候上处于亚热带北缘，在冬季及早春这段时间(主要是每年的1—2月)由于植被叶落枯黄、早期的TM传感器辐射定标精度比后续传感器略粗等原因，部分时相的遥感影像反演不出VIS值，因此这部分遥感数据也没有参与统计分析，实际有效的遥感反演能见度有347个数据值。对VIS结果按“差” (<10 km)、“一般”(10～15 km)、“较好”(15～20 km)、“好”(20～40 km)、 “极好”(>40 km)分级统计，结果见表1。

表1 南京市逐年Landsat影像遥感反演能见度VIS值分级统计结果①

①1986年Landsat影像云量很多，该年缺有效的遥感数据。

3.1.1 “差”能见度的卫星观测率

由表1可见，由于各年度可用于反演遥感影像数据景数存在差异，按年度评估 “差”能见度出现比例存在波动，但总趋势是20世纪80年代中期至进入21世纪以来“差”能见度的出现频率明显增加。

如果以5年为评价周期，则趋势十分明显，1984—1990年，“差”能见度卫星观测率占比不到6%；1991—1995年卫星观测率为7.14%，略有增加；1996—2000年仍为7.14%；2001—2005年间增加迅猛，“差”能见度卫星观测率达25%，2006—2010年间接近23%，2011—2015年则略有下降，也接近20%。以10年期为评价周期，则“差”能见度卫星观测率在1984—1990年为5.71%，1991—2000年为7.14%，2001—2010年为23.94%，2011—2015年间为19%(表2)。由于受在轨运行卫星数量、重访周期较长(16 d)、过境南京时天气状况等因素限制，各时段影像数据样本数量不一致，难以像地面空气自动监测系统在时间上具有的高密度数据采集优势，因此上述分析并不是基于严格统计学意义的分析，而是基于对地观测可用影像这一限制条件下的“现象”级趋势分析。

虽然存在一定的局限性，但反演结果数据相当明显地呈现了自20世纪80年代中期至2015年底的30余年内区域大气能见度下降的趋势，尤为明显的一点就是21世纪15年间，Landsat遥感影像观测到的“差”能见度现象发生频率大致占到有效卫星观测日数约20%～25%比例。

表2 南京市1984—2015年Landsat遥感影像反演区域大气能见度等级分布频率统计

3.1.2 “好”“极好”能见度的卫星观测率

遥感反演得到的“好”与“极好”大气能见度的比例呈明显下降趋势，“极好”能见度卫星观测率从20世纪80年代的17%左右大幅下降为21世纪以来不到5%，“好”大气能见度卫星观测率也从20世纪80年代37%强减少为2011年来23%。

3.2 与2013—2015年空气自动监测数据的比较

对南京市9个空气自动站卫星过境时刻的小时均值进行了散点图分析，见图2(a)(b)(c)(d)。其中，(a)(b)分别为所有347景反演VIS与地面空气自动监测PM2.5、PM10数据的散点关系图；(c)(d)分别为剔除了地面ρ(PM2.5)>100 μg/m3、ρ(PM10)>140 μg/m3的Landsat影像后反演结果的散点关系图。

图2 遥感反演VIS与地面空气质量自动监测PM2.5、PM10的散点图

由图2可见，总体上随着空气颗粒物浓度增加，遥感反演VIS呈现幂函数下降特征，以PM2.5相对明显一些。但是也看出，当处于中度以上、重污染、严重污染天气时，少数影像的卫星遥感反演VIS出现较高值，>10 km甚至>20 km以上，星地监测结果存在较大偏离。当剔除了部分地面PM2.5、PM10高浓度值的遥感影像反演VIS后，散点图上的VIS与地面颗粒物浓度关联性有所提高，尤其以PM2.5更为明显。

对造成部分时相星地监测结果不一致的可能原因进行初步的探讨：(1)遥感反演算法得到的是代表卫星影像覆盖的地理范围的区域性水平，找到的“暗”像元多数情况下一般是城市外周的山林、湿地水草、农田作物等生物量高的茂密植被地物，当空气污染处于中度到重度时，遥感“暗”像元分布在远离南京市区上百公里的影像全景南部苏皖省界高淳、溧阳、广德等地的山区，而南京市空气自动站更多地布设在建成区，偏重于反映人口密集的主城区域大气污染状况，形象地说，遥感反演结果更趋于反映污染程度较轻的“乡野”区域的大气浑浊状况，空气自动站着重点在于监测城区大气污染状况，星地监测结果的不同可能潜在指示了空气中到重度污染时，气象上往往属于静稳天气系统，污染物扩散条件较差，主城区空气和外围地区存在明显的水平不均匀性；(2)遥感反演算法得到的也不是严格意义的区域级“平均”，而是基于对Landsat影像覆盖区域内(面积约34 000 km2)植被“暗”像元搜索结果计算，符合条件的“暗”像元的数量、空间分布因季节、景内云覆盖程度、成像时刻的大气水汽含量等有所不同，冬季、早春以及夏秋作物收割期地表裸露较多，这些因素会一定程度上约束“暗”像元可搜索的地理范围。因此遥感反演VIS也是一种基于“现象”观测的数据。表3为2013年10月14日、12月1日星地反演(监测)结果和“暗”像元分布。

表3 典型空气质量状况下星地结果的比较

①为江苏省环境监测中心大气超级站的观测数据。

今后为了提高对城市空气的遥感监测效果，可以选择城区内或近郊更有代表性的大面积山林、湿地植被、菜地作为固定区域，如南京市紫金山、老山、八卦洲、栖霞山，参考植被“暗”像元在Landsat OLI传感器可见光～反射红外区域各波段的比值关系经计算得到这些确定的“暗”像元区域在红光(蓝光)波段的反射率，后通过MODTRAN辐射传输方程在不同预设VIS值条件下模拟得到卫星高度的天顶辐亮度，在完成相应的查找、插值计算，使模拟辐亮度与卫星观测值一致，此时对应的VIS可更密切地与城市空气污染状况关联，这方面的定量化研究和算法实现，有待今后开展深入的工作。

4 结语

卫星遥感反演值能够较好地反映区域尺度的大气能见度水平，是空气质量监测信息的有益补充和重要参考。1984—2014年Landsat系列卫星遥感影像反演结果表明，30余年来南京市区域大气能见度呈下降趋势，“差”能见度的出现频率自21世纪以来增加明显，约占1/5～1/4，高能见度的出现比例则显著减少，卫星观测通过一个独特的视野反映了南京市区域大气浑浊情况的中长期变化特征。

研究也发现，有少部分星地监测结果存在较大的差距，尤其是冬春季、空气中度及更严重污染程度时，遥感反演的区域大气能见度数值偏高，其原因初步推测大致缘于：星、地反演(测量)原理的不同，空气污染较严重时往往处于静稳天气条件下，城市建成区内工业源、机动车排放等多种来源污染相互叠加，区域空气水平和垂直对流扩散不畅，可能导致城市与乡村空气中颗粒物浓度存在较大的空间分布差异，城区大气能见度只有数公里，有时不到1 km，城区和乡村地区不一定是水平均匀大气，空气污染物的城区—乡村分布可能有较大的差别。

在边界层内气溶胶粒子数密度的垂向分布廓线也可能不满足指数衰减假设，重污染天气下气溶胶浓度高、粒径谱构成比较复杂，AOT值大，而FLAASH大气校正软件的算法主要目的是尽可能找出光谱上最“暗”的浓密植被区域，这些区域像元的辐亮度基本上来自大气气溶胶散射贡献(大气程辐射)，通过植被指数(NDVI)来找出浓密植被“暗”像元，在区域大气很清洁时，能够找出数量多、分布均匀的像元，代表整景的区域大气状况；当空气污染趋于加剧时，FLAASH倾向于在偏远地区找“暗”像元，而没有选取主城区的植被区域。

总体而言，由于MODTRAN辐射传输方程以及FLAASH大气校正软件算法主要目的是尽可能剔除大气对辐射的吸收散射分量、获得地表物质的真实反射率，是国外学者对美国本土的大气特征研究建立的，更适合于空气清洁到轻度污染情景，没有充分考虑到空气污染较严重的情形，对于我国现阶段重污染天气相对频发的时期，需加强研究针对性更强的大气污染遥感信息提取方法，更好地为提高区域空气质量预警预报精度提供技术支撑。

[1] 吴兑， 吴晓京， 朱晓祥. 雾和霾[M]. 北京：气象出版社， 2009.

[2] 叶香， 姜爱军， 张军， 等. 南京市大气能见度的变化趋势及特征[J]. 气象科学， 2011 (3)： 325-331.

[3] 王炳忠， 莫月琴， 杨云. 现代气象辐射测量技术[M]. 北京：气象出版社， 2008.

[4] 饶瑞中. 大气中的视觉和大气能见度[J].光学学报， 2010 (9)： 2486-2492.

[5] 郝建亭，杨武年，李玉霞，等. 基于FLAASH的多光谱影像大气校正应用研究[J].遥感信息， 2008(1)： 78-81.

[6] 杨校军，陈雨时，张晔. FLAASH模型输入参数对校正结果的影响[J].遥感信息， 2008(6)： 32-37

[7] KAUFMAN Y J， WALD A E， REMER L A， et al. The MODIS 2.1-μm channel-correlation with visible reflectance for use in remote sensing of aerosol[J]. Geoscience and Remote Sensing， IEEE Transactions on， 1997， 35(5)： 1286-1298.

[8] 何立明， 阎广建，王桥， 等.光学遥感大气订正模型及其相关问题分析[J]. 地球信息科学， 2005，7(4)： 33-38.

[9] ROCHFORD P A， ACHARYA P K， ADLER-GOLDEN S M， et al. Validation and refinement of hyperspectral/multispectral atmospheric compensation using shadowband radiometers[J]. Geoscience and Remote Sensing， IEEE Transactions on， 2005， 43(12)： 2898-2907.

[10] CRISTIANA B， ROSA M C， STEFANO P . Aerosol optical retrieval and surface reflectance from airborne remote sensing data over land[J]. Sensors， 2010， 10， 6421-6438

[11] 王耀庭，王桥，杨一鹏，等. 利用Landsat/TM 影像监测北京地区气溶胶的空间分布[J]. 地理与地理信息科学， 2005，21(3)： 19-22.

[12] ADLER-GOLDEN S M， MATTHEW M W， BERK A， et al. Improvements in aerosol retrieval for atmospheric correction[C]. Geoscience and Remote Sensing Symposium， 2008. IGARSS 2008. IEEE International： IEEE， 2008：III-130-III-133.

[13] 侯东， 宋国宝， 董燕生， 等. TM传感器辐射定标参数精度分析[J].国土资源遥感， 2010 (4)： 14-18.

[14] 李旭文， 牛志春， 王经顺， 等. 遥感影像反演区域能见度及其与地面空气质量监测数据一致性研究[J]. 环境监测管理与技术， 2011， 23(1)： 20-27.

[15] 李旭文，牛志春，姜晟，等. 基于Landsat 8卫星OLI影像遥感反演盐城市区域大气能见度状况[J]. 环境监控与预警，2015，7(5)：1-6.

[16] USGS Global Visualization Viewer [EB/OL]. [2016-03-16]. http：//glovis.usgs.gov/.

[17] PERKINS T， ADLER-GOLDEN S， MATTHEW M W， et al. Speed and accuracy improvements in FLAASH atmospheric correction of hyperspectral imagery[J]. Optical Engineering， 2012， 51(11)： 111707-1-111707-7.

栏目编辑 李文峻

Trends of Nanjing Atmospheric Visibilities from 1984 to 2015 Based on Landsat TM/ETM+/OLI Remote Sensing Big Data

LI Xu-wen， JIANG Sheng， NIU Zhi-chun， MAO Jing-jing， SHI Hao，WANG Tian-tian，DING Ming

(JiangsuEnvironmentalMonitoringCenter，Nanjing，Jiangsu210036，China)

Landsat 4/5/7/8 remote sensing data for the Nanjing area spanning the years from 1984 to 2015 were obtained using TM/ETM+/OLI sensors and processed with FLAASH atmospheric correction module of ENVI remote sensing software， from which the remote sensing retrieval of regional atmospheric visibilities (VIS) were extracted. The results showed that the VIS retrieved from Landsat image series spanning more than 30 years showed evident declining trends. VIS in the 1980s were relatively higher， with poor VIS (<10 km) observed at a 6% frequency. VIS were obviously decreased since the beginning of this century， with poor VIS occurred at a frequency of about 20%～25% based on satellite remote sensing. The VIS data were compared with PM10and PM2.5monitoring data in Nanjing from 2010 to 2015， and it was found that these two data sets showed reasonable consistency when air quality was good or only slightly polluted， but in the cases of moderate to heavy air pollution， VIS retrieved by FLAASH were higher than the ground monitoring values.This might indicate VIS tends to represent local visibilities in the rural or forest areas which were far away from urban area.

Landsat; TM，ETM+; OLI，Regional atmospheric visibility; Remote sensing retrieval; Air quality; Nanjing

2016-03-15

环保公益性行业科研专项基金资助项目(201309008)；江苏省环境监测科研基金资助项目(1217)

李旭文(1966—)，男，研究员级高工，硕士，从事环境信息系统、环境遥感应用、生态监测等领域的研究工作。

X87

B

1674-6732(2016)04-0001-08