基于Python语言的Himawari-8资料在沙尘暴移动轨迹分析中的作用研究

张翔

摘   要：近年来，沙尘暴给我国北方人民生活生产造成了非常大的负面影响，这引起了研究人员和公众的注意。针对沙尘暴，国内外许多学者使用了不同的方法，现在使用卫星对沙尘暴进行监控成为主流，并且使用卫星资料对发生过的沙尘事件进行了研究，其中，使用较多的是Himawari-8卫星资料。文章采用Python语言解析Himawari-8的L1资料，通过选定亮温通道生成批量沙尘产品图，观察沙尘暴移动轨迹更直观便利。

关键词：Himawari-8;沙尘暴;亮温;Python

近年来，沙尘开始引起研究人员和公众的注意，因为它可能会导致健康问题。监测沙尘的最有效方法之一是利用气象卫星数据，特别是地球静止卫星数据，这是因为地球静止卫星可以很好的覆盖沙尘事件时间范围以及显示尘埃事件的空间覆盖范围[1]。之前已经有很多关于沙尘事件的研究，有许多学者使用极轨卫星数据来探测沙尘[2]，然而，这些方法很难探测或区分陆地和海洋上空的沙尘，特别是在夜间。此外，使用可见通道的一些方法只能在白天监测沙尘。随着技术的发展，有几颗响应度更高、具有较高时间分辨率的静止轨道卫星已经用于观测大空间尺度上的气溶胶昼夜变化，并成为监控沙尘的主要力量。

1    Himawari-8卫星介绍

日本气象厅（Japan Meteorological Agency，JMA）研制的Himawari-8是新一代的地球静止气象卫星，该卫星由日本气象局于2014年10月发射，并于2015年7月投入使用。其具有最先进的光学传感器，与以前在地球静止轨道上可用的传感器相比有很大改进。Himawari-8搭载的可见光和红外扫描辐射计“AHI”拥有世界顶尖的观测能力，其拥有16个波段，如图1所示，有望提高亚洲—大洋洲地区尘埃监测的质量。AHI包括3个红外通道，它们用于检测尘埃，分别是8.6 μm，11.2 μm和12.4 μm通道[3]。

8.6 μm，11.2 μm和12.4 μm通道分别对应tbb_11，tbb_13和tbb_15，通过对Himawari8通道15，13，11亮温值、通道15与13亮温差（BT15-BT13）、通道13与11亮温差（BT13-BT 11）绘制RGB图像，可以清晰地查看沙尘暴的范围，RGB各参数亮温差如表1所示。

RGB color plane Parameters：

Brightness temperature（differences）

R1/?m 12.4～11.2

G1/?m 11.2～8.6

B1/?m 8.6

2    使用Himawari-8资料绘制沙尘暴

使用Python解析Himawari-8资料，并且绘制RGB图像。使用的资料是2019年5月15日0—11时的Himawari-8整点数据资料。

主要代码如下：

nc_file_dataset = read_h8_nc_file（file_list[i]）

tbb_11 = nc_file_dataset[‘tbb_11][：， ：]

tbb_13 = nc_file_dataset[‘tbb_13][：， ：]

tbb_15 = nc_file_dataset[‘tbb_15][：， ：]

R_TBB = tbb_15 - tbb_13

G_TBB = tbb_13 - tbb_11

B_TBB = tbb_13

lons， lats = np.meshgrid（np.linspace（80， 200， 2401）， np.linspace（60， -60， 2401））

ax.pcolormesh（lons， lats， B_TBB， cmap=plt.cm.Blues_r， vmin=261， vmax=289， alpha=0.5）

ax.pcolormesh（lons， lats， G_TBB， cmap=plt.cm.Greens， vmin=2， vmax=15，alpha=0.5）

ax.pcolormesh（lons， lats， R_TBB， cmap=plt.cm.Reds， vmin=0， alpha=0.5）

绘制地图，代码如下：

ax = fig.add_subplot（rol_num， col_num， i + 1，projection=ccrs.PlateCarree（））

reader = Reader（shp_path + ‘china.shp）

provinces = cfeature.ShapelyFeature（reader.geometries（）， ccrs.PlateCarree（）， edgecolor=k， facecolor=none）

ax.add_feature（provinces， linewidth=1）

ax.set_extent（map_extent， crs=ccrs.PlateCarree（））

ax.stock_img（）

绘制出连续12 h的沙尘移动图，可以清晰地看出沙尘暴分为两个路径：新疆和蒙古国一直往东方向移動，并且范围扩大了，如图2所示。

3    结语

Himawari-8产品资料可以捕获气溶胶负荷每小时的细微变化，并在更新后提供有效的检索。本研究使用Python语言解析Himawari-8资料，通过计算和绘制RGB形成沙尘图，能够清晰地查看出沙尘暴的移动和范围。

[參考文献]

[1]周波，周楠茵.遥感在沙尘暴监测领域中的应用[J].测绘与空间地理信息，2017（6）：103-105，108，112.

[2]厉青，王桥，王文杰，等.基于EOS-Terra/MODIS的沙尘暴遥感监测方法对比研究[J].干旱区地理，2006（1）：138-142.

[3]胡秀清，卢乃锰，张鹏.利用静止气象卫星红外通道遥感监测中国沙尘暴[J].应用气象学报，2007（3）：510-520.

Abstract：In recent years， dust storms have caused a great negative impact on the life and production of people in the north of China， which has attracted the attention of researchers and the public. For sandstorms， many scholars at home and abroad have used different methods， now use satellites to monitor sandstorms become the mainstream， and use satellite data to study the occurrence of dust events， among which， more use is Himawari-8 satellite data. This paper uses python language to analyze the L1 data of the Himawari-8， and generates the batch dust product map by selecting the bright temperature channel to observe the sandstorm moving track more intuitively and conveniently .

Key words：Himawari-8; sandstorm; bright temperature; Python