共查询到18条相似文献，搜索用时 139 毫秒
1.
《武汉大学学报(信息科学版)》2010,(9)
以实测的水平能见度和时间同步MODIS的气溶胶光学厚度(aerosol optical depth,AOD)数据为基础,验证了多个经典的AOD与能见度转换模型在全球不同区域的适用性。结果表明,模型中含有气溶胶标高的Peterson模型可以得到较高精度。 相似文献
2.
高斯曲线优化能见度与气溶胶光学厚度转换模型 总被引：3，自引：0，他引：3
大气气溶胶是影响对地观测定量精度的最主要不确定性因素。随着定量遥感的发展,对气溶胶光学厚度数据的精度提出了更高要求。在广泛应用的基于辐射传输模型大气校正研究中,需要输入气溶胶光学厚度等关键参数,但与对地观测影像数据同时相的气溶胶光学厚度获取较难,而水平能见度作为表征气溶胶光学特性的间接参数可通过广泛分布的气象台站获得,可将能见度转换得到的气溶胶光学厚度数据作为同时相数据输入传输模型进行大气校正计算。本文以实测的能见度和气溶胶光学厚度数据为基础,通过拟合气溶胶标高其随时间的变化对Peterson模型进行了修正。对修正后的模型进行精度验证得到RMSE为0.254,结果表明优化的模型对精度有较大提升。 相似文献
3.
吸收性气溶胶指数AAI(Absorbing Aerosol Index)是基于卫星观测的紫外后向散射辐射导出的参数,与大气中对紫外线有吸收作用的气溶胶(简称吸收性气溶胶)有关,能够定性反应吸收性气溶胶的存在与空间分布特征。由于臭氧在AAI反演波段对紫外线仍然存在弱吸收作用,因此AAI可能与大气臭氧总量有关,臭氧反演的误差也可能对AAI的反演精度造成影响。为了研究臭氧总量与AAI的关系,臭氧反演的精度对AAI反演的影响,利用辐射传输模型通过敏感性实验,来模拟吸收性气溶胶指数和臭氧总量之间的关系,臭氧反演误差对吸收气溶胶指数的反演的影响。采用沙漠气溶胶,不改变气溶胶的含量,通过改变中纬度夏季的臭氧总量来计算大气模型。对臭氧总量、气溶胶含量与AAI的内在关系,臭氧总量对AAI反演精度的影响进行了模拟,模拟结果表明,气溶胶指数与臭氧总量的改变存在正相关关系,而臭氧总量的反演误差对AAI指数的反演影响不大。基于风云三号气象卫星紫外臭氧总量探测仪(FY-3/TOU)的臭氧总量和吸收性气溶胶指数数据(2012年),分析了青藏高原地区7月份臭氧总量与吸收性气溶胶指数空间分布特征的关系,与模拟结果一致。 相似文献
4.
影像大气校正精度的关键参数为气溶胶光学厚度,而城区大气条件复杂,对城区TM影像采用统一的大气参数进行大气校正,势必难以获得令人满意的校正精度。因此,本文提出了一种基于MODIS数据和查找表的大气校正算法,首先应用6S模型离线计算建立不同气溶胶光学厚度的大气校正系数查找表,然后基于MODIS数据反演气溶胶光学厚度,最后基于查找表和气溶胶光学厚度数据对长沙城区TM影像进行了逐像元大气校正。结果表明:基于查找表的校正算法与6S模型在线计算算法的校正精度接近,能够较好地进行大气校正;在水体区校正精度最高,而在城区校正精度相对较低。 相似文献
5.
基于6S模型的环境星CCD数据大气校正 总被引：5，自引：0，他引：5
应用6S辐射传输模型建立查找表,对环境与减灾小卫星CCD数据进行大气校正。结果表明:校正后的图像更加清晰,对比度增强;与实测光谱对比,处理后的环境星数据可以更真实地反映地物反射特征,消除了NDVI信号在大气传输过程中的衰减效应,更好地复原了地表植被覆盖的真实状况。通过讨论,提出对于HJ-1-A的CCD数据,可以考虑通过同星搭载的高光谱传感器进行气溶胶光学厚度反演;对于HJ-1-B的CCD数据,可以采用对比方法反演气溶胶光学厚度,进而作为模型的输入来提高大气校正精度,以及考虑地表二向性反射现象来提高大气校正精度。 相似文献
6.
在卫星气溶胶反演中,如何确定研究区域的气溶胶模型直接影响目前大多数卫星遥感算法的气溶胶光学厚度反演精度。本文基于气溶胶自动观测网(AERONET)典型类型的动态气溶胶模型,提出了一种基于动态气溶胶模型的气溶胶光学厚度反演算法,并将其运用到PARASOL(Polarization and Anisotropy of Reflectance for Atmospheric Science coupled with Observations from Lidar)卫星的反演中。针对华北地区2012年的PARASOL卫星观测数据,应用动态气溶胶模型反演算法反演气溶胶光学厚度,并与地面观测站点进行对比验证,结果显示通过气溶胶模型选取与反演结果的迭代约束,在865 nm反演的气溶胶光学厚度与地基观测的相关程度(R2)达到0.71,均方根误差(RMSE)为0.15,与PARASOL气溶胶产品相比一定程度提高了反演结果的精度。 相似文献
7.
针对BDS卫星钟差的短期预报问题,该文采用二次多项式模型、灰色模型和线性组合模型来对BDS中3种不同类型卫星10d的精密钟差进行建模与短期的预报。拟合时长增加,预报精度也会逐步增高并趋于稳定。预报精度会随着预报时长的增加而降低,当预报时长为50min以内时,预报精度为亚纳秒级。3种模型的钟差预报精度均在1ns以内,其中二次多项式模型的预报精度优于灰色模型,线性组合模型预报精度介于二者之间。利用3种模型的钟差预报结果进行精密单点定位实验,所得的平均定位精度在E、N方向上误差最大不超过3cm,U方向上误差最大不超过5cm。验证了利用二次多项式模型、灰色模型和组合模型在卫星钟差的短期预报中是可行的。 相似文献
8.
针对多项式模型在大地高向正常高的转换中精度偏低的问题,本文首先讨论一次、二次、三次多项式模型的高程拟合精度,以确定最优拟合参数,进一步结合最小二乘配置法及EGM2008重力场模型对多项式模型进行精度优化。通过实例分析,多项式模型i=3时精度最高为0.045 m,结合最小二乘配置法的拟合中误差为0.032 m,再结合移去-恢复法为0.017 3 m。二次多项式模型拟合精度最高,最小二乘配置法及重力场模型可进一步将拟合精度提高至四等水准的精度要求。 相似文献
9.
机器学习方法近年来取得突破进展,其遥感应用从目标识别和地物分类领域,发展到定量化反演的多个领域。气溶胶定量遥感因其机理复杂,反演参数的种类和精度受到限制,机器学习为气溶胶遥感带来了新的研究和应用技术手段。本文汇总现有研究进展将气溶胶机器学习方法归纳为卫星遥感反演气溶胶光学厚度AOD（Aerosol Optical Depth）、卫星遥感反演其他气溶胶参数、卫星遥感反演颗粒物浓度（PMx）、地基气溶胶遥感4类。结合作者研究工作,通过分析讨论,归纳机器学习用于气溶胶定量遥感的条件为：（1）物理模型无法使用;（2）已有模型卫星产品精度低;（3）已有模型精度高但计算速度低。从应用的角度来说,可以借助于更多的具有相关性的输入信息,发挥机器学习在反演产品种类、反演精度、计算效率等方面的优势;而对定量遥感来说,应该同时重视挖掘遥感数据本身的信息来提高反演能力,并通过误差分析等手段反馈对遥感机理的理解,使机器学习与遥感机理研究相互促进。 相似文献
10.
11.
Diofantos G Hadjimitsis 《Transactions in GIS》2008,12(5):633-644
Satellite sensors have provided new datasets for monitoring regional and urban air quality. Satellite sensors provide comprehensive geospatial information on air quality with both qualitative remotely sensed imagery and quantitative data, such as aerosol optical depth which is the basic unknown parameter for any atmospheric correction method in the pre‐processing of satellite imagery. This article presents a new method for retrieving aerosol optical thickness directly from satellite remotely sensed imagery for short wavelength bands in which atmospheric scattering is the dominant contribution to the at‐satellite recorded signal. The method is based on the determination of the aerosol optical thickness through the application of the contrast tool (maximum contrast value), the radiative transfer calculations and the ‘tracking’ of the suitable darkest pixel in the scene. The proposed method that needs no a‐priori information has been applied to LANDSAT‐5 TM, LANDSAT‐7 ETM+, SPOT‐5 and IKONOS data of two different geographical areas: West London and Cyprus. The retrieved aerosol optical thickness values show high correlations with in‐situ visibility data acquired during the satellite overpass. Indeed, for the West London area a logarithmic regression was fitted for relating the determined aerosol optical thickness with the in‐situ visibility values. A high correlation coefficient (r2= 0.82; p= 0.2) was found. Plots obtained from Tanre et al. (1979, 1990) and Forster (1984 ) were reproduced and estimates for these areas were generated with the proposed method so as to compare the results. The author's results show good agreement with Forster's aerosol optical thickness vs. visibility results and a small deviation from Tanre's model estimates. 相似文献
12.
中国北方地区春季气溶胶光学特性地基遥感研究 总被引：12，自引：1，他引：12
基于中国北方地区地基太阳直接/散射辐射计观测,分析了2001年春季气溶胶光学厚度、尺度和吸收特性。沙尘期间,气溶胶光学厚度显著升高,而尺度上升,粗粒子浓度显著增加,大气气溶胶表现出中性或异常消光特征。除沙尘活动之外,中国华北地区人为排放也是导致气溶胶光学厚度偏高的一个重要原因。中国沙尘源区气溶胶单次散射反照率小于以往观测和模式结果。北京和香河两地气溶胶光学厚度、Angstrom指数和尺度谱基本相似,说明华北地区人为排放与沙尘活动类似,也表现出区域尺度的特点。由于沙尘气溶胶与人为排放气溶胶相比,折射指数实部偏大、虚部偏小,从而北京地区沙尘期间单次散射反照率明显大于非沙尘期间,特别是在近红外波段,说明沙尘活动不仅可以通过增加气溶胶光学厚度,同时也通过改变气溶胶物理、辐射特性来影响下游地区的气溶胶辐射强迫。 相似文献
13.
基于6S传输模型,本文利用中分辨率成像光谱仪（MODIS）数据并结合较新的NASA的V5．2气溶胶业务反演算法,以上海市MODIS数据为研究数据源,结合晴朗天气（晴朗且无云或云稀薄）与AERONET发布的探测日（即发布AOD探测值日期）选取8组MODISLIB数据集,对其进行气溶胶厚度反演。同时将反演结果与AERONET架设在太湖区域点（31N,120E）的太阳光度观测的光学厚度进行验证。结果表明：V5．2反演算法结果与观测值呈现相同的变化趋势,反演值与观测值误差不大,在气溶胶光学厚度反演中具有较好的应用。 相似文献
14.
基于HJ1A-CCD数据,采用6S大气辐射传输模型,反演出研究区气溶胶光学厚度。采用偏最小二乘法,基于气溶胶空间分布的估算结果,模拟出研究区PM_(2.5)的空间分布。基于GIS和改进的高斯大气扩散模型,进行了研究区PM_(2.5)的扩散模拟。根据我国PM_(2.5)检测网的空气质量新标准,对沈阳市的雾霾进行等级了划分。 相似文献
15.
本文使用北京地区不同时期（2009年1月和2013年1月）的地基气溶胶观测资料,估算了灰霾天气的人为气溶胶光学厚度,在此基础上结合气溶胶光学参数进行了对比分析。结果表明：（1）2013年1月人为气溶胶光学厚度（440 nm）较2009年1月有所增加,月平均值分别为0.88和0.44;（2）2013年1月灰霾污染中人为气溶胶占统治地位的天数比例是86.7%,高于2009年1月的62.5%;（3）2013年1月人为成分在气溶胶光学厚度（440 nm）中的贡献平均达88%,说明灰霾污染主要是由人为气溶胶造成的。 相似文献
16.
Minso Shin Yoojin Kang Seohui Park Cheolhee Yoo Lindi J. Quackenbush 《地理信息系统科学与遥感》2020,57(2):174-189
ABSTRACTParticulate matter (PM) is a widely used indicator of air quality. Satellite-derived aerosol products such as aerosol optical depth (AOD) have been a useful source of data for ground-level PM monitoring. However, satellite-based approaches for PM monitoring have limitations such as impacts of cloud cover. Recently, many studies have documented advances in modeling for monitoring PM over the globe. This review examines recent papers on ground-level PM monitoring for the past 10 years focusing on modeling techniques, sensor types, and areas. Satellite-based retrievals of AOD and commonly used approaches for estimating PM concentrations are also briefly reviewed. Research trends and challenges are discussed based on the review of 130 papers. The limitations and challenges include spatiotemporal scale issues, missing values in satellite-based variables, sparse distribution of ground stations for calibration and validation, unbalanced distribution of PM concentrations, and difficulty in the operational use of satellite-based PM estimation models. The literature review suggests there is room for further investigating: 1) the spatial extension of PM monitoring to global scale; 2) the synergistic use of satellite-derived products and numerical model output to improve PM estimation accuracy, gap-filling, and operational monitoring; 3) the use of more advanced modeling techniques including data assimilations; 4) the improvement of emission data quality; and 5) short-term (hours to days) PM forecasts through combining satellite data and numerical forecast model results. 相似文献
17.
气溶胶光学厚度与水平气象视距相互转换的经验公式及其应用 总被引：7，自引：1，他引：7
气溶胶光学厚度作为描述气溶胶光学特性的重要参数之一，在辐射传输和大气订正中被广泛应用。与此同时，被广泛应用的大气辐射传输软件MODTRAN却采用水平气象视距作为其输入参数，两者之间在遥感应用中存在“脱节”。将两者联系起来对于气溶胶数据的合理利用是很有用的。本文的分析表明两者之间的关系随气溶胶垂直廓线的分布不同而异，为此，本文根据MOHTRAN的模拟结果归纳出一个经验公式，分析表明，不同季节经验公式的系数是不同的，不考虑这种差异时，从相同的气象视距下转换得到的气溶胶光学厚度的误差最大可达0．029。最后我们将经验公式用于大气订正中。 相似文献
18.
This article illustrates two techniques for merging daily aerosol optical depth (AOD) measurements from satellite and ground-based data sources to achieve optimal data quality and spatial coverage. The first technique is a traditional Universal Kriging (UK) approach employed to predict AOD from multi-sensor aerosol products that are aggregated on a reference grid with AERONET as ground truth. The second technique is spatial statistical data fusion (SSDF); a method designed for massive satellite data interpolation. Traditional kriging has computational complexity O(N3), making it impractical for large datasets. Our version of UK accommodates massive data inputs by performing kriging locally, while SSDF accommodates massive data inputs by modelling their covariance structure with a low-rank linear model. In this study, we use aerosol data products from two satellite instruments: the moderate resolution imaging spectrometer and the geostationary operational environmental satellite, covering the Continental United States. 相似文献