[發明專利]一種基于衛星云參數產品確定灰霾分布的方法

有效

• 申請號: 201410168732.1
• 申請日: 2014-04-24
• 公開（公告）號: CN103913750A
• 公開（公告）日: 2014-07-09
• 發明（設計）人: 尚華哲;陳良富;陶金花;蘇林;賈松林
• 申請（專利權）人: 中國科學院遙感與數字地球研究所
• 主分類號: G01S17/95
• 分類號: G01S17/95
• 代理公司: 北京東方匯眾知識產權代理事務所(普通合伙) 11296
• 代理人: 張淑賢;朱元萍

技術領域

本發明涉及衛星遙感數據云檢測技術領域，涉及一種利用云參數產品進行霾檢測方法。

背景技術

改革開放以來，我國的城市空氣污染日趨嚴重，工業煙塵、汽車尾氣、生物燃燒和沙塵和自然粉塵混合使灰霾天氣現象迅速增加。尤其是以京津冀、長三角和珠三角為代表的重點城市群。灰霾天氣主要是由于以細粒子為主的氣溶膠粒子造成的。這些氣溶膠粒子不但對人體有害，而且能夠影響地表輻射平衡，并通過充當云的凝結核改變云的含水量和生命周期等特性，從而對氣候和降水造成影響。目前在對全球氣候模擬的過程中，云和灰霾對氣候變化的影響仍然有很多不確定性。一方面是云和霾本身的分布特征很難精確的確定，另一方面云和氣溶膠影響著全球水汽和能量循環。因此，云和灰霾分布范圍的區分是研究它們對氣候變化貢獻的前提和基礎。

目前，遙感領域利用衛星影像識別云和霾分布的方法有：判據法、聚類分析法和人工神經網絡法等。其中判據法應用最為廣泛，該方法基于衛星影像中象元對應的亮溫、亮溫差、反射率與預設的判據進行對比，來判斷該象元是否被云或者霾覆蓋。這種方法實施方便，但是對云和霾的錯分情況嚴重，而且單一的判據的適應性較差；為了提高判據算法的精度，有些學者引入了紋理特征約束，這種約束是基于衛星影像上灰霾的一般呈現平滑的紋理特征，而云層的表面細節變化較大。本質上是在設置判據的時候考慮到紋理特征。顯然，當大范圍表面平滑的云存在時，紋理特征將不能有效區分二者；另外，有些學者通過建立地面的地表反射率庫，將庫中地面象元對應的反射率值作為設置判據的標準，來判斷象元是否收到云或者灰霾的覆蓋。這一方法需要長時間序列的地表觀測數據來建庫，操作起來不方便。聚類分析法通過將影像分割成為一系列像元陣列，采用聚類的方法將象元歸屬到不同的地物類型中，然后確定各組象元的類別：云、霾或其他地物類型。當像元陣內各種類型象元觀測值存在較小差別時，無法對象元進行有效的分組，這種方法對云和霾分布的識別誤差較大。人工神經網絡法則先對云和霾區域樣本區域進行學習，獲取其在不同波段反射率、亮溫等觀測結果的先驗知識，借助這些先驗知識來識別云和霾的分布。這種方法得到的識別結果很大程度上依賴于訓練資料的選取。

衛星遙感一直重視對云和灰霾等重要大氣現象的觀測和研究，很多傳感器如美國的中分辨率成像光譜儀(MODIS)、法國的地表反射率偏振和方向傳感器(POLDER)等都有專門的產品(云參數)來描述云的光學和微物理特性，比如云量、云頂壓力、云相態、云光學厚度等云參數。其中云量代表每個象元中被云覆蓋的百分比，100％表示該象元完全被云所覆蓋，相反，0則代表該象元無云覆蓋；云頂壓力為衛星觀測到的云頂的大氣壓，單位為hPa；云相態反映衛星觀測到的象元對應的類別，包括水云、冰云、冰水混合云、晴空和無法確定相態五類；云光學厚度則反演云的消光能力的強弱，光學厚度越大，消光能力越強。衛星遙感首先識別影像中云的分布，然后對確定有云的象元進行上述云產品的生產。灰霾覆蓋的象元通常被錯誤地歸屬為云區域，然后按照流程反演出相應的云量、云頂壓力、云相態結果。然而，云和灰霾的光學和微物理特性都存在明顯的差異(云的粒子更大、在對流層不同高度都有分布、光學厚度可以達到幾十甚至上百；灰霾主要有細顆粒物構成、主要分布在地表、消光能力遠不如一些厚層云)，這些差別也將表現在反演得到的云產品中。

現有的霾識別算法一般基于衛星觀測的反射率和亮溫來構造判據，這種做法對于目前重污染天氣的灰霾范圍識別精度較差。很多衛星提供云量、云頂壓力、云相態、云光學厚度等觀測數據，這些數據包含灰霾的分布數據，但是并沒有相關的技術采用這些數據來識別灰霾的范圍。

發明內容

本發明提供一種基于衛星云參數產品的灰霾識別方法,該方法能夠精確的識別重污染天氣下灰霾的分布范圍。

本發明基于衛星云參數產品的確定灰霾分布的方法包括如下步驟：

確定云參數識別灰霾的判據。針對待研究區域，下載歷史云參數產品中衛星云量、云光學厚度、云相態頻率和云頂壓力等云參數產品組建樣本集，對樣本集中影像的云和灰霾區域進行區分，分別對云、灰霾、晴空區域的所述各個云參數結果進行采樣統計，確定對應于所述各個云參數的識別判據，分別為T1、T2、T3、T4。

確定云和灰霾共存的范圍。利用當期云參數產品中云量數據和對應的判據T1進行比較，確定云和灰霾都可能存在的區域；

利用云光學厚度數據識別灰霾的分布。在其它步驟選出的區域，利用當期云參數產品中云光學厚度數據和對應的判據T2進行比較，進一步提取霾分布的區域；