Himawari-8卫星新一代AOT产品在成都站点的适用性分析
Applicability Analysis of Himawari-8 Satellite New Generation AOT Products at Chengdu Site

作者: 赵梓利 :成都信息工程大学大气科学学院,四川 成都;

关键词: Himawari-8气溶胶光学厚度SONET成都适用性分析Himawari-8 AOT SONET Chengdu Suitability Analysis

摘要:
本文基于一种最小反照率气溶胶反演方法(MAARM)对Himawari-8卫星气溶胶数据进行反演,分别将反演结果与Himawari-8的官方V3.0数据以及同一时刻的太阳辐射计观测网(SONET)的成都站点数据进行对比,验证卫星数据在成都站点的适用性。结果显示:1)通过MAARM方法反演得到的AOT与SONET的AOT数据可得到较好的相关性;2)不同亚洲气溶胶经验模型的使用会影响AOT反演的精度;3) MAARM反演得到的AOT与Himawari-8的AOT相比更适用于成都地区。

Abstract: A minimum albedo aerosol retrieval method (MAARM) is used to perform the inversion of Himawari-8 satellite aerosol data. The inversion results were compared with the official V3.0 data of Himawari-8 and the Chengdu site data of Sun/Sky-radiometer Observation Network (SONET) at the same time to verify the applicability of the satellite data in Chengdu site. The results are as follows: 1) AOT data obtained by MAARM inversion method have a good relationship with SONET AOT data; 2) The use of different empirical Asian aerosol models will affect the accuracy of AOT inversion; 3) AOT obtained by MAARM inversion method is more applicable to Chengdu area compared with official version 3 AOT data of Himawari-8.

1. 引言

气溶胶是指由分散并悬浮在气体介质中的固体或液体小质点形成的胶体分散体系,在气候变化、云的物理结构、降水、季风环流和人体健康等方面有着重要的影响 [1]。因人类的活动会向大气中排放气溶胶,人为气溶胶导致了太阳辐射吸收和散射的增强,可直接影响或改变地气系统的辐射平衡。同时人为气溶胶作为云凝结核或冰核,可以改变云的微物理特性和停留时间、地表反射率等方面,间接影响气候的辐射强迫 [2]。不同浓度的污染气溶胶可通过微物理过程,影响大气的热力过程和动力过程,大气动力过程的变化反过来影响降水粒子的增长,从而影响地面降水 [3]。季风环流为由气溶胶引起的持续性强雾–霾天气过程的生成和发展提供适宜的大气环流背景场 [4],在人体平均呼吸高度处,雾–霾天与晴天不同粒径气溶胶中微生物浓度与种群结构存在明显差异,其中粒径分布和微生物种群结构是雾–霾天气溶胶与人体健康密切相关的典型特征 [5]。

Jethva [6] 等指出气溶胶光学厚度(Aerosol Optical Thickness,简称AOT)是有关辐射强度和特征的基础气溶胶参数。AOT为在垂直方向上介质消光系数的积分,随波长变化,是描述气溶胶对光的衰减作用的 [7],为无量纲量。小粒径气溶胶对大气产生的消光占主导作用,且AOT的大部分来源于底层大气 [8]。大粒子的AOT值越大,表明其浑浊度较高,相应的能见度也就越低 [9]。

目前已有卫星反演AOT的方法都是区分地表类型以及气溶胶组成的不同,用不同的原理进行反演AOT。根据反演方法原理的不同,可归纳为暗像元法、深蓝算法、地气耦合算法、多角度遥感法、改进暗像元法、云顶气溶胶光学厚度、结构函数法、双星协同法、偏性特性遥感等9种算法 [10],这些算法大部分都可用于城市地区,其中暗像元法适用于低反射率的地区,而且需要地表反射率的先验知识 [11];深蓝算法使用红蓝波段进行反演,要求地表反射率的精度较高,且受气溶胶垂直分布及相函数的影响较大;双星协同法可应用于高反射率地区在内的各种地表类型,不用先假定气溶胶类型等参数,无须估算地表反照率,但卫星数据较大,不便于运算。

随着社会的不断发展和城市化进程的加速,社会对气溶胶污染的关注度逐步加大。暗像元法中使用的气溶胶模型为污染程度较轻的模型,已然不适用于有雾霾天气时的AOT反演 [12]。建立气溶胶模型所需要的数据应从地面观测站中获取,但地面观测站数量有限且发展较为缓慢,不能满足较大范围的覆盖。

Yan,Li,Taixin [13] [14] [15] 等人提出了一种名为最小反照率气溶胶反演方法(the Minimum Albedo Aerosol Retrieval Method,简称MAARM)的算法。该方法利用Himawari-8的卫星数据作为唯一数据来源和修正后的辐射传递方程,提高了反演AOT的计算效率。这种改进的算法依赖于Himawari-8的高时间分辨率,有可能实现在高时间分辨率下监测气溶胶的变化。

2. 资料和方法

2.1. 资料

SONET观测网络主要采用的是新一代CIMEL太阳–天空偏振辐射计(CE318-DP)类型仪器,该辐射计主要用于测量不同波段、不同方向、不同时间的太阳和天空在紫外光、可见光和近红外的辐射亮度,可用于推算大气气溶胶、水汽、臭氧等多种成分的特性。该仪器具有观测精度高,技术成熟,易携带安装,全自动观测及数据易于传输的优点,广泛应用于大气环境监测、卫星产品校正等领域的研究。它设有10个光谱通道,分别为340 nm、380 nm、440 nm、500 nm、675 nm、870 nm、936 nm、1020 nm、1020 nm和1640 nm,其中936 nm观测通道位于水汽吸收范围。

日本的新一代地球静止气象卫星葵花8 (Himawari-8)于2014年10月7日发射,2015年7月7日正式投入使用,采用三轴稳定的方式,定位于东经140度,其观测范围为东亚和西太平洋地区。Himawari-8配有先进的葵花成像仪(Advanced Himawari Imager,简称AHI),具有16个观测通道,可提供500 m高空间分辨率以及10 min高时间分辨率的观测数据。

2.2. 方法

Yan等(2018)人提出的MAARM算法(图1)利用Himawari-8的卫星数据作为唯一数据来源和修正后的辐射传递方程,简化了反演AOT的计算过程,根据太阳光谱辐射传输算法对卫星数据进行第二次模拟时的假设,本文认为地表反射类型为朗博反射,即地表接收的辐射与发散的辐射是相同的,可认为地表不吸收任何辐射。

根据太阳光谱辐射传输算法对卫星数据进行第二次模拟时的假设,本文认为地表反射类型为朗博反射,即地表接收的辐射与发散的辐射是相同的,可认为地表不吸收任何辐射。卫星测得的反射率 ρ 可以估计为:

ρ = albedo / μ 0 = ρ a + T ( θ 0 ) T ( θ ) 1 ρ S S ( λ ) ρ S (1)

其中 ρ a 为大气反射率, ρ S 为地表反射率, S ( λ ) 是大气后向散射率。

大气反射率 ρ a 可以表示为气溶胶反射率 ρ A e r 和瑞利反射率 ρ R ay 之和:

ρ a = ρ A e r + ρ R ay (2)

其中分子的瑞利反射率 ρ R ay ( μ , μ 0 , ϕ ϕ 0 ) 近似为:

ρ R ay ( μ , μ 0 , ϕ ϕ 0 ) = ω R τ R P R ( μ , μ 0 , ϕ ϕ 0 ) 4 μ 0 μ (3)

在本文中,瑞利单散射反照率 ω R 1

Figure 1. MAARM algorithm flow chart

图1. MAARM算法流程图

3. Himawaei-8的AOT产品在成都地区适用性分析

3.1. Himawari-8 AOT官方产品在成都地区适用性分析

图2所示,红色实线为线性拟合,黑色实线为y = x,两条虚线分别是上行线为 y = 1.15 x + 0.05 和下行线为 y = 0.85 x 0.05 ,对应误差为 Δ τ = ± ( 0.05 + 0.15 SONETAOT ) ,计算了拟合优度R2、均方根误差RMSE的值以及期望误差EE的区间范围。上行线和下行线组成的区间为EE区间,落入该区间的值越多,则验证AOT的精度越高。Himawari-8与SONET的AOT反演的相关系数R为0.662,R2 = 0.438和RMSE = 0.4734,表明两者的相关性较好。有17%的数据落入期望误差(EE)区间,有6%的数据高于EE区间且有77%的数据低于EE区间,表明Himawari-8的官方AOT值整体呈现低估现象。

Figure 2. Himawari-8 AOT verification

图2. Himawari-8 AOT验证

3.2. MAARM反演的AOT在成都地区适用性分析

利用Lee和Kim定义的东亚地区六个气溶胶模型以及SONET数据,对MAARM方法反演AOT进行验证,如图3所示,红色实线为线性拟合,黑色实线为y = x,两条虚线分别是上行线为 y = 1.15 x + 0.05 和下行线为 y = 0.85 x 0.05 ,对应误差 Δ τ = ± ( 0.05 + 0.15 SONETAOT ) ,计算拟合优度R2、均方根误差RMSE的值以及期望误差EE的区间范围。

Figure 3. MAARM AOT verification

图3. MAARM的AOT验证

通过MAARM方法反演得到的AOT与SONET的AOT数据可得到较好的相关性。模型1、模型3和模型4的相关系数R = 0.567,模型2的相关系数R = 0.524,四个相关系数均大于0.5,表明两者是可以得到较好的相关性的。

不同的气溶胶模型会带来不同的反演精度。六个气溶胶模型中,采用模型1所得的AOT与SONET的AOT反演结果中R = 0.567,RMAE = 0.6954,有19%的数据落入EE区间,有58%的数据高于EE区间,有23%的数据低于EE区间,均方根误差RMAE较其他模型低。模型2所得的AOT与SONET的AOT反演结果中R2 = 0.275,RMAE = 0.7655,有22%的数据落入EE区间,有60%的数据高于EE区间,有18%的数据低于EE区间,落入EE区间的值较其他模型多。

模型3所得的AOT与SONET的AOT反演结果中R2 = 0.322,RMAE = 0.7441,有20%的数据落入EE区间,有60%的数据高于EE区间,有20%的数据低于EE区间,可得到较好的相关性。模型4所得的AOT与SONET的AOT反演结果中R2 = 0.322,RMAE = 0.7232,有20%的数据落入EE区间,有60%的数据高于EE区间,有20%的数据低于EE区间,反演精度较其他模型略高,表明模型4比其他模型更适用于成都地区。模型5和模型6所得的AOT与SONET的AOT反演精度低于其他气溶胶模型。总体而言,高于EE区间的值较多,表明经MAARM反演得到的AOT值整体呈现高估现象。

MAARM反演得到的AOT与Himawari-8的AOT相比更适用于成都地区。利用模型2所得的AOT与SONET的AOT反演结果有22%的数据落入EE区间,Himawari-8的官方AOT与SONET的AOT反演结果有17%的数据落入EE区间,总体来说,通过MAARM方法反演得到的AOT值比Himawari-8的官方AOT更适用于成都站点,但MAARM反演结果最好的模型4也仍与SONET数据存在着不小的误差。

3.3. 误差分析

MAARM反演得到的六种气溶胶模型的AOT精度略有差异,其中模型5和模型6的精度较低,其他模型与Himawari-8的L3的V3.0的官方AOT相比较,也能得到MAARM反演的AOT的精度略高于Himawari-8的AOT的结论。由于卫星气溶胶模型信息自身的限制,本文使用了Lee和Kim经验的亚洲气溶胶模型进行AOT反演,每个模型使用的SSA和g值有所不同,会对反演结果产生不同的影响,使用适合的SSA和g值,对反演精度的作用不可忽视。然而,Bi等人研究表明,若在高浓度气溶胶条件下使用该气溶胶模型会产生显著的差异,g值在高浓度气溶胶条件下可以明显高于纯尘条件下。因此,经验气溶胶模型可以作为MAARM反演AOT的误差来源。

已有大量研究表明,地表反射率是卫星数据反演AOT的一个重要参数,Kaufman等人指出若地表反射率存在误差且误差仅为0.01,可以导致反演得到的AOT值误差为0.1。在本文利用20天的最小反照率和辐射传递方程计算地表反射率的方法与最小反射率法相似,现有研究表明最小反射率法是一种精度高,准确性高的AOT反演方法,并已应用于卫星数据中。然而,最小反射率法也有其局限性,Knapp等人在2005年研究表明,云因素和地形因素会导致最小反射率的值存在误差,最终影响AOT的反演精度。

在算法方面,一个原因是算法做了20天内的最小反照率对气溶胶的影响最小,且只受背景气溶胶 τ B 的影响的假设,但现实条件下仅可近似满足此假设,会造成MAARM对部分地表的AOT反演失败。AOT反演的另一个问题是辐射传递方程,本文采用Yan等人提出的一种考虑多种气溶胶散射影响并将其复杂性降至最低的修正辐射传递方程,修正后的气溶胶反射率辐射传输方程较为简单且便于计算,但气溶胶反射率和瑞利反射率( ρ A e r ρ R a y )在计算地表反射率 ρ s 时,需满足 ρ ρ A e r ρ R a y > 0 ,如果出现 ρ ρ A e r ρ R a y < 0 的情况,也会导致MAARM反演AOT的失败。

随着城市化的快速推进,人类活动增加了气溶胶的浓度,进而引起控制质量下降,雾霾天气增多、雾霾浓度增加等一系列的变化。在污染严重的日子,利用近红外波段和红波段来推导地表反射率关系是不恰当的,也是极其容易出现误差的,这将给反演AOT带来很大的不确定性,有可能导致最终反演的失败。

本文所选取的成都站点位于地形较为复杂的城市地区,这些表面会产生极大的不确定性,这使得卫星很难在这些区域获取准确的AOT数据。而且城市地区普遍存在绿色植被缺乏的问题,绿色植被缺乏会造成地表反射率偏高,反演出的数据与SONET的AOT有所差异。其次,本文所采用的Himawari-8卫星气溶胶数据进行反演,成都地区处于Himawari-8卫星观测的边缘地区,该观测数据本身也会有一定误差存在,影响AOT反演结果的精度。

4. 结论

本文使用Yan等人提出的一种基于卫星的气溶胶特征反演算法(MAARM),对Himawari-8卫星气溶胶数据进行反演,分别将反演结果与Himawari-8的官方V3.0数据以及同一时刻的太阳辐射计观测网(SONET)的成都站点数据进行对比,得到以下几个结论:

1) 通过MAARM方法反演得到的AOT与SONET的AOT数据可得到较好的相关性。

2) 不同亚洲气溶胶经验模型的使用会影响AOT反演的精度。使用的亚洲气溶胶经验模型的不同,即使用不同的SSA和g值,得到的反演结果中均方根误差、拟合优度以及期望误差也会存在一定的差距。

3) MAARM反演得到的AOT与Himawari-8的AOT相比更适用于成都地区。

4) MAARM反演结果最好的模型4也仍与SONET数据存在着不小的误差。算法的假设、成都站点地形的影响、气溶胶模型的使用以及卫星观测边缘数据的使用等方面都有可能影响数据的准确性,导致MAARM算法的失败。

结果表明,与Himawari-8反演相比,MAARM在AOT反演方面取得了改进,与Himawri-8的AOT相比,MAARM反演出AOT具有较高的准确性。由于Himawri-8的高时间分辨率,MAARM不仅可以在城市尺度上,而且可以在更大的区域上更频繁地探测气溶胶性质的变化。

基金项目

成都信息工程大学本科教学工程项目(BKJX2019007,BKJX2019013,BKJX2019042,BKJX2019056,BKJX2019062,BKJX2019081,BKJX2019089,BKJX2019120和JY2018012)支持。

文章引用: 赵梓利 (2019) Himawari-8卫星新一代AOT产品在成都站点的适用性分析。 地球科学前沿, 9, 1071-1077. doi: 10.12677/AG.2019.911114

参考文献

[1] 王娜. 气溶胶的影响[J]. 农家参谋, 2018(3): 210.

[2] 倪敏, 郑军, 马嫣, 等. 气溶胶的辐射强迫作用研究进展[J]. 环境科学与技术, 2016, 39(10): 73-78.

[3] 杨桃进, 刘宇迪, 眭敏. 不同浓度污染气溶胶对一次暴雨的影响[J]. 大气科学, 2017, 41(4): 882-896.

[4] 吴国雄, 李占清, 符淙斌, 等. 气溶胶与东亚季风相互影响的研究进展[J]. 中国科学: 地球科学, 2015, 45(11): 1609-1627.

[5] 杨唐, 韩云平, 李琳, 等. 雾-霾天人体平均呼吸高度处不同粒径气溶胶的微生物特性[J]. 环境科学, 2019, 40(4): 1680-1687.

[6] Jethva, H., Torres, O. and Ahn, C. (2014) Global Assessment of OMI Aerosol Single-Scattering Albedo Using Ground-Based AERONET Inversion. Journal of Geophysical Research: Atmospheres, 119, 9020-9040.
https://doi.org/10.1002/2014JD021672

[7] 王耀庭, 王桥, 王艳姣, 等. 大气气溶胶性质及其卫星遥感反演[J]. 环境科学研究, 2005, 18(6): 27-33.

[8] 巫俊威, 罗磊, 杨东, 等. 成都夏季气溶胶消光特性研究[J]. 高原山地气象研究, 2018, 38(3): 72-79.

[9] 赵秀娟, 陈长和, 袁铁, 等. 兰州冬季大气气溶胶光学厚度及其与能见度的关系[J]. 高原气象, 2005, 24(4): 617-622.

[10] 汤玉明, 邓孺孺, 刘永明, 等. 大气气溶胶遥感反演研究综述[J]. 遥感技术与应用, 2018, 33(1): 25-34.

[11] Kaufman, Y.J., Wald, A., Remer, L.A., et al. (1997) Remote Sensing of Aerosol over the Continents with the Aid of a 2.2μm Change. IEEE Transactions on Geoscience and Remote Sensing, 36, 1286-1289.
https://doi.org/10.1109/36.628795

[12] Tao, M., Chen, L., Su, L. and Tao, J. (2012) Satellite Observation of Regional Haze Pollution over the North China Plain. Journal of Geophysical Research: Atmospheres, 117, D12203.
https://doi.org/10.1029/2012JD017915

[13] Yan, X., Li, Z.Q., Luo, N., et al. (2018) A Minimum Albedo Aerosol Retrieval Method for the New-Generation Geostationary Meteorological Satellite Himawari-8. Atmospheric Research, 21, 14-27.
https://doi.org/10.1016/j.atmosres.2018.02.021

[14] Li, Z.Q., Xu, H., Li, K.T., et al. (2018) Comprehensive Study of Optical, Physical, Chemical, and Radiative Properties of Total Columnar Atmospheric Aerosols over China: An Overview of Sun-Sky Radiometer Observation Network (SONET) Measurements. Bulletin of the American Meteorological Society, 99, 739-755.
https://doi.org/10.1175/BAMS-D-17-0133.1

[15] Zhang, T.X., Zang, L., Wan, Y.C., Wang, W. and Zhang, Y. (2019) Ground-Level PM2.5 Estimation over Urban Agglomerations in China with High Spatiotemporal Resolution Based on Himawari-8. Science of the Total Environment, 676, 535-544.
https://doi.org/10.1016/j.scitotenv.2019.04.299

分享
Top