馬慧云， 趙國(guó)慶， 鄒崢嶸， 張偉康

(中南大學(xué)地球科學(xué)與信息物理學(xué)院，長(zhǎng)沙 410083)

基于MODIS數(shù)據(jù)驗(yàn)證分析霧參數(shù)反演算法和影響因素

馬慧云， 趙國(guó)慶， 鄒崢嶸， 張偉康

(中南大學(xué)地球科學(xué)與信息物理學(xué)院，長(zhǎng)沙 410083)

基于遙感影像對(duì)霧進(jìn)行定量分析是近年來(lái)的研究熱點(diǎn)之一。地面能見(jiàn)度、霧頂高度、垂直總水汽含量和有效粒子半徑是對(duì)霧進(jìn)行定量分析的重要參數(shù)。選取MODIS傳感器數(shù)據(jù)為數(shù)據(jù)源，以發(fā)生于江蘇省西南部的一次冬季平流輻射霧為研究對(duì)象，結(jié)合來(lái)自南京信息工程大學(xué)的地面觀測(cè)數(shù)據(jù)，對(duì)基于大氣輻射傳輸方程模型和SBDART輻射傳輸?shù)撵F物理參數(shù)反演算法所反演的地面能見(jiàn)度和霧頂高度進(jìn)行地面實(shí)測(cè)數(shù)據(jù)驗(yàn)證； 分析影響這2個(gè)物理參數(shù)精度變化的原因； 在序列影像霧物理參數(shù)反演結(jié)果基礎(chǔ)上，進(jìn)一步結(jié)合地面高程和植被指數(shù)對(duì)霧物理參數(shù)影響因素進(jìn)行分析。結(jié)果表明，該次反演的霧能見(jiàn)度和霧頂高度與地面觀測(cè)結(jié)果相關(guān)系數(shù)分別為0.908和0.980，由于SBDART模型設(shè)置的參數(shù)以及BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)等原因，夜間反演的能見(jiàn)度值偏大； 此次大霧物理參數(shù)與地面高程和植被指數(shù)之間具有一定的關(guān)系，地面高程與能見(jiàn)度呈正相關(guān)，植被指數(shù)和水汽含量呈正相關(guān)，與霧有效粒子半徑和光學(xué)厚度呈負(fù)相關(guān)； 霧區(qū)物理參數(shù)易受水體和土地利用等影響。

霧； 反演； 物理參數(shù)； 影響因素

0 引言

霧是一種發(fā)生在大氣近地面層中的常見(jiàn)的災(zāi)害性天氣現(xiàn)象。近年來(lái)，由于極端氣候現(xiàn)象的發(fā)生，大氣污染等多種原因，霧在中國(guó)各地頻發(fā)，嚴(yán)重阻礙了人們的交通出行； 持續(xù)靜穩(wěn)的大氣層和不斷加重的大氣污染不僅會(huì)造成大霧發(fā)生，還會(huì)導(dǎo)致更為嚴(yán)重的霾，空氣中凝結(jié)核攜帶的病菌易引發(fā)各種呼吸道等疾病的發(fā)生，持續(xù)的霧災(zāi)容易給人們帶來(lái)了恐慌和不安，在心理上造成巨大的壓力。隨著衛(wèi)星觀測(cè)技術(shù)的發(fā)展，目前國(guó)內(nèi)外對(duì)霧研究已從常規(guī)的地面觀測(cè)數(shù)據(jù)分析預(yù)報(bào)逐步轉(zhuǎn)移到基于遙感影像的監(jiān)測(cè)預(yù)報(bào)。遙感定量反演的大霧物理參數(shù)有助于進(jìn)一步認(rèn)識(shí)大霧、摸清大霧的形成與消散規(guī)律，判斷霧的發(fā)生強(qiáng)度，盡可能減輕大霧對(duì)人們?nèi)粘；顒?dòng)的影響。對(duì)霧進(jìn)行物理參數(shù)反演及在此基礎(chǔ)上進(jìn)行霧的屬性研究，已漸漸成為霧研究的一個(gè)熱點(diǎn)。國(guó)內(nèi)外學(xué)者從20世紀(jì)70年代開(kāi)始應(yīng)用衛(wèi)星資料對(duì)典型大霧進(jìn)行實(shí)例分析，針對(duì)霧的時(shí)空分布、物理結(jié)構(gòu)、化學(xué)組分、數(shù)值模擬等方面進(jìn)行了大量的研究工作，取得了許多研究成果。Stephen等假設(shè)理想大氣條件下，通過(guò)創(chuàng)建查找表和改進(jìn)云輻射傳輸模型和參數(shù)反演模型，得到穩(wěn)定的大霧屬性反演計(jì)算流程[1]。 Bendix基于一種簡(jiǎn)單的輻射傳輸模型，利用AVHRR通道1的反射率數(shù)據(jù)，對(duì)德國(guó)及歐洲西部10 a觀測(cè)數(shù)據(jù)進(jìn)行了大霧物理屬性反演及影響因素分析[2]，得出了西歐地區(qū)大霧的普遍生消規(guī)律[3]。吳曉京等利用MODIS數(shù)據(jù)對(duì)新疆北部霧的屬性參數(shù)進(jìn)行了反演[4]。鄧軍等利用輻射傳輸模型反演出了霧光學(xué)厚度和有效粒子半徑[5]。張紀(jì)偉等利用MODIS衛(wèi)星資料對(duì)黃海海霧進(jìn)行了海霧物理參數(shù)反演，并對(duì)霧頂高度和能見(jiàn)度進(jìn)行了驗(yàn)證[6-7]。

本文擬對(duì)基于大氣輻射傳輸方程模型和SBDART輻射傳輸?shù)撵F物理參數(shù)反演算法反演的地面能見(jiàn)度和霧頂高度進(jìn)行地面實(shí)測(cè)數(shù)據(jù)驗(yàn)證，同時(shí)分析影響這2個(gè)物理參數(shù)精度變化的原因，并在序列遙感影像反演基礎(chǔ)上進(jìn)一步結(jié)合植被指數(shù)NDVI和地面高程DEM數(shù)據(jù)分析此次霧物理參數(shù)變化的影響因素，為進(jìn)一步發(fā)現(xiàn)霧特性，完善霧預(yù)測(cè)預(yù)報(bào)系統(tǒng)提供技術(shù)支持。研究數(shù)據(jù)選取MODIS衛(wèi)星序列遙感影像，研究對(duì)象為發(fā)生于2006年12月24—27日的江蘇省西南部的一次大霧，地面驗(yàn)證數(shù)據(jù)采用南京信息工程大學(xué)的地面觀測(cè)數(shù)據(jù)。

1 研究區(qū)概況和數(shù)據(jù)源

研究區(qū)江蘇省位于我國(guó)東部沿海中段，介于E116°18′～121°57′，N30°45′～35°20′之間。地形以平原為主，地理位置優(yōu)越，城市發(fā)展程度高，是長(zhǎng)江三角洲地區(qū)的重要組成部分，也是重要的經(jīng)濟(jì)區(qū)和人口聚居區(qū)，是我國(guó)綜合發(fā)展水平較高的省份之一。境內(nèi)分布眾多水體，河湖較多，歷來(lái)是大霧多發(fā)地區(qū)之一，尤其是每年秋冬是霧頻發(fā)季節(jié)。大霧給人們交通出行以及生產(chǎn)、生活帶來(lái)了很大的不利影響。2006年12月24日晚至27日，江蘇省西南部地區(qū)發(fā)生了一場(chǎng)持續(xù)時(shí)間非常長(zhǎng)的大霧。此次大霧濃度之高是近十幾年非常罕見(jiàn)的，具有一定的典型性。研究此次大霧不僅具有較高的學(xué)術(shù)意義，而且對(duì)于認(rèn)識(shí)本地區(qū)大霧的發(fā)展規(guī)律，減少霧災(zāi)影響具有很大的實(shí)用價(jià)值。

中分辨率成像光譜儀(moderate resolution imaging spectro-radiometer，MODIS)是EOS計(jì)劃的主要探測(cè)儀器，有36個(gè)光譜通道，星下點(diǎn)空間分辨率分別為250 m，500 m和1 000 m。相對(duì)現(xiàn)有的氣象觀測(cè)衛(wèi)星，MODIS具有光譜譜段多、空間分辨率高、數(shù)據(jù)信噪比高等優(yōu)點(diǎn)，已成為霧研究的重要數(shù)據(jù)源之一[8]。本文在研究區(qū)域和研究時(shí)間范圍內(nèi)選擇了7幅1 km空間分辨率的MODIS影像作為研究數(shù)據(jù)。

地面實(shí)測(cè)驗(yàn)證數(shù)據(jù)來(lái)自于2006年12月24—27日在南京信息工程大學(xué)進(jìn)行的外場(chǎng)綜合探測(cè)[9]。觀測(cè)場(chǎng)設(shè)在南京信息工程大學(xué)的大操場(chǎng)草坪，距離長(zhǎng)江北岸約3 km，詳細(xì)地點(diǎn)見(jiàn)圖1中紅色標(biāo)志。主要觀測(cè)內(nèi)容包括霧的宏觀與微觀物理結(jié)構(gòu)，如含水量、能見(jiàn)度、霧頂高度、氣溶膠等； 觀測(cè)儀器包括FM-100型霧滴譜儀等，儀器離地高度約1 m，周?chē)鸁o(wú)高大建筑物及樹(shù)木。

(a) 研究區(qū)遙感影像圖(R: MOD01; G; MOD02; B: MOD03)(b) 觀測(cè)站點(diǎn)局部放大圖

圖1 研究區(qū)遙感影像圖和觀測(cè)站點(diǎn)局部放大圖(觀測(cè)站點(diǎn)位于紅色標(biāo)記區(qū))

Fig.1 Satellite imagery of study area and observation site

本文選用地面觀測(cè)獲得的能見(jiàn)度和霧頂高度數(shù)據(jù)驗(yàn)證由衛(wèi)星數(shù)據(jù)反演的參數(shù)。MODIS序列影像接收時(shí)間和地面觀測(cè)時(shí)間詳見(jiàn)表1。

表1 MODIS序列影像接收時(shí)間和地面數(shù)據(jù)觀測(cè)時(shí)間

2 霧物理參數(shù)反演算法

本文驗(yàn)證的霧物理參數(shù)反演算法是假設(shè)在理想化的大氣輻射傳輸條件下，根據(jù)Stephen等人對(duì)大量實(shí)驗(yàn)數(shù)據(jù)分析所得到的經(jīng)驗(yàn)公式，以及利用亮溫和雙紅外差值信息建立的基于SBDART輻射傳輸模型和BP神經(jīng)網(wǎng)絡(luò)的夜間霧屬性反演模型，詳細(xì)反演算法見(jiàn)參考文獻(xiàn)[10-11]，可反演得到光學(xué)厚度、霧頂高度、垂直水汽含量、能見(jiàn)度和有效粒子半徑等5個(gè)屬性參數(shù)。

1)光學(xué)厚度τ。是指在計(jì)算輻射傳輸時(shí)，2個(gè)給定高度層之間的單位截面鉛直氣柱內(nèi)特定的吸收或發(fā)射物質(zhì)的質(zhì)量，它與平均含水量、有效粒子半徑及其他參數(shù)具有密不可分的聯(lián)系，是霧層屬性狀態(tài)的綜合反映。

白天霧光學(xué)厚度可根據(jù)Stephen等人的假設(shè)[1,12]，利用霧在0.3～0.75 μm波段對(duì)光吸收極少的特性，光學(xué)厚度近似解為

(1)

式中：u0為特定時(shí)刻的太陽(yáng)天頂角余弦；β(u0)為單向入射輻射在天頂角余弦為u0時(shí)的后向散射系數(shù)，可通過(guò)查找表獲得[13]；Rf(u0)為太陽(yáng)天頂角余弦為u0時(shí)的大霧在可見(jiàn)光波段的反射率值。本文選擇霧在MOD01(620～670 μm )波段接收的反射率作為大霧在可見(jiàn)光的反射率值Rf(u0)，原因是霧的粒子半徑比可見(jiàn)光波段波長(zhǎng)大得多，因此霧在可見(jiàn)光波段發(fā)生無(wú)選擇性散射，即在可見(jiàn)光波段任何波長(zhǎng)霧的散射強(qiáng)度相同，理論上在可見(jiàn)光各個(gè)波段霧的反射率大致相同，但由于被云霧散射后的反射能量到達(dá)傳感器之前會(huì)繼續(xù)途經(jīng)大氣層，這些剩余的能量仍會(huì)部分被大氣散射掉，此時(shí)的散射屬于瑞利散射，瑞利散射強(qiáng)度與波長(zhǎng)的四次方成反比，因此相比較藍(lán)綠波段來(lái)說(shuō)，紅波段的瑞利散射較小。

夜間光學(xué)厚度反演算法是基于SBDART輻射傳輸模型建立中紅外波段(MODISB20)和熱紅外波段(MODISB31)的亮溫值與光學(xué)厚度之間的查找表，通過(guò)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)快速通過(guò)查找表獲得遙感影像上對(duì)應(yīng)像元的光學(xué)厚度。

2)垂直總水汽含量LWP。是霧中垂直積分的液態(tài)水含量，可由光學(xué)厚度進(jìn)一步計(jì)算得到，即

LWP=10(0.545 4 τ)0.254。

(2)

3)霧有效粒子半徑re。是指研究區(qū)內(nèi)霧滴大小的加權(quán)意義上的半徑，在可見(jiàn)光波段，跟LWP，τ及液態(tài)水密度ρ(g·cm-3)具有很強(qiáng)的相關(guān)性，即

(3)

4)霧頂高度△z。此次霧發(fā)生在內(nèi)陸地勢(shì)較低的平原上，且霧具有貼地性，可將霧的厚度看成霧頂高度。根據(jù)Stephen等人的研究結(jié)果，幾何厚度和光學(xué)厚度之間具有一定關(guān)系，白天霧頂高度△z計(jì)算公式為

△z=45τ2/3。

(4)

可利用霧頂高度對(duì)溫度敏感的特性，根據(jù)溫度絕熱直減率反演夜間霧頂高度△z，即

(5)

式中：T1為發(fā)生大霧前一天同一太陽(yáng)時(shí)晴空地表的亮度溫度；T2為發(fā)生大霧當(dāng)天霧頂?shù)牧炼葴囟?，亮度溫度選取MODISB31反演的亮度溫度；δ=0.65 ℃/100 m。

5)氣象能見(jiàn)度VIS。與大氣的消光系數(shù)有直接的關(guān)系，而消光系數(shù)又和霧區(qū)的光學(xué)厚度和垂直厚度有關(guān)系。根據(jù)吳曉京[11]等的研究，由柯喜密公式得到的霧能見(jiàn)度VIS計(jì)算公式為

(6)

3 反演結(jié)果驗(yàn)證

以江蘇省西南地區(qū)部2006年12月25日13：00Aqua/MODIS影像為例，在對(duì)提取的霧區(qū)霧檢測(cè)的基礎(chǔ)上，根據(jù)上述反演算法流程，進(jìn)行霧物理參數(shù)反演，得到了光學(xué)厚度、霧有效粒子半徑、垂直水汽總含量、霧能見(jiàn)度和霧頂高度等物理參數(shù)，見(jiàn)圖2。

(a)τ(b)re(c)LWP(d)VIS(e) △z

圖2 2006年12月25日13時(shí)大霧區(qū)域反演物理參數(shù)值

Fig.2 Physical parameter inversion values of fog area on December 25, 2006

取站點(diǎn)附近區(qū)域10個(gè)像元的MODIS影像反演結(jié)果均值與地面觀測(cè)值進(jìn)行線性相關(guān)分析，對(duì)反演得到的霧頂高度和霧能見(jiàn)度進(jìn)行驗(yàn)證。在線性回歸分析中，方程斜率反映某一參數(shù)隨另一參數(shù)變化的大小，若其趨于1說(shuō)明兩者數(shù)值變化總體相差不大； 相關(guān)系數(shù)又稱(chēng)線性相關(guān)系數(shù)，它是衡量變量之間線性相關(guān)程度的指標(biāo)，越接近于1其相關(guān)性越高。

3.1 霧頂高度反演結(jié)果驗(yàn)證

影像反演霧頂高度結(jié)果與地面觀測(cè)值詳見(jiàn)表2，兩者的線性相關(guān)分析結(jié)果見(jiàn)圖3。

表2 霧頂高度反演結(jié)果與地面觀測(cè)值

圖3 霧頂高度回歸分析

由表2和圖3可知本次線性相關(guān)分析結(jié)果，方程斜率為1.073 9，相關(guān)系數(shù)為0.980 7，說(shuō)明反演結(jié)果與地面觀測(cè)結(jié)果相關(guān)性很強(qiáng)。對(duì)霧頂高度反演結(jié)果同地面實(shí)測(cè)數(shù)據(jù)對(duì)比分析可知，二者分布趨勢(shì)一致，整體偏差較小，反演結(jié)果值存在客觀差異，個(gè)別反演數(shù)據(jù)較地面觀測(cè)數(shù)據(jù)偏高或偏低。

3.2 霧能見(jiàn)度反演結(jié)果驗(yàn)證

影像反演霧能見(jiàn)度結(jié)果與地面觀測(cè)值詳見(jiàn)表3，兩者的線性相關(guān)分析結(jié)果見(jiàn)圖4。

表3 能見(jiàn)度反演結(jié)果與地面觀測(cè)值

圖4 能見(jiàn)度相關(guān)分析

由表3和圖4可知本次線性相關(guān)分析結(jié)果，方程斜率為1.010 3，相關(guān)系數(shù)為0.908 3，說(shuō)明反演結(jié)果與地面觀測(cè)結(jié)果相關(guān)性很強(qiáng)。由表3知，地面觀測(cè)值變化幅度較小，在50～190 m之間，反演結(jié)果值在51～214 m之間，整體發(fā)展趨勢(shì)基本一致。

仔細(xì)分析地面觀測(cè)值和反演結(jié)果可發(fā)現(xiàn)二者還是存在一定的差異。引起差異的原因主要有2點(diǎn)，一個(gè)是遙感影像的接收不可能完全滿(mǎn)足假定的理想條件，導(dǎo)致反演結(jié)果的精確性降低； 另外，反演算法和SBDART模型的具體參數(shù)設(shè)置以及BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)均會(huì)帶來(lái)一定的誤差。

4 霧參數(shù)變化及影響因素分析

4.1 霧物理參數(shù)動(dòng)態(tài)變化分析

時(shí)間序列的霧遙感影像對(duì)于宏觀分析霧的發(fā)生過(guò)程及發(fā)展規(guī)律具有十分重要的指導(dǎo)和現(xiàn)實(shí)意義[14]。本文利用研究區(qū)內(nèi)不同時(shí)間獲取的遙感數(shù)據(jù)，分別反演了霧區(qū)光學(xué)厚度、垂直總水汽含量、霧有效粒子半徑3個(gè)參數(shù)的均值，進(jìn)行了霧發(fā)展不同階段霧物理參數(shù)的動(dòng)態(tài)變化分析，結(jié)果詳見(jiàn)表4。

表4 霧物理參數(shù)均值表

由表4可知，此次大霧發(fā)展過(guò)程中，垂直水汽含量變化幅度很大，在42.08～179.69 g·m-2范圍內(nèi)； 粒子半徑平均值為4.61 μm，變化范圍為2.95～10.47 μm； 光學(xué)厚度平均值為18.41，最小為14.91，最大為24.18。大霧期間光學(xué)厚度一直維持在較高水平，起伏狀態(tài)小，在霧發(fā)展的穩(wěn)定期(12月25日13: 00—12月26日21:30)值變化更小，造成了此次大霧能見(jiàn)度長(zhǎng)時(shí)間低于50 m的惡劣天氣。

4.2 霧物理參數(shù)影響因素分析

霧發(fā)生發(fā)展受多種自然因素的影響。霧貼地發(fā)生且不斷向四周發(fā)展擴(kuò)散，消散時(shí)上升為層云。霧的這種現(xiàn)象決定了霧的接地特性，因此在不同的地表地貌下，霧的發(fā)生發(fā)展受高程變化的制約； 同時(shí)，不同下墊面提供的水汽源不同，造成霧的發(fā)展有所差異。其中NDVI的不同對(duì)霧的發(fā)展具有一定的影響。因此，本文結(jié)合DEM和NDVI與反演得的霧物理參數(shù)，分析了影響霧屬性參數(shù)變化的原因，以期進(jìn)一步掌握植被覆蓋度不同的下墊面和不同高程對(duì)霧屬性的影響程度。

以12月26日13：40獲取的Aqua影像為例，在大霧檢測(cè)基礎(chǔ)上經(jīng)反演獲取了霧區(qū)霧屬性參數(shù)，在研究區(qū)內(nèi)選取7個(gè)特定區(qū)段，進(jìn)行了霧屬性參數(shù)跟NDVI及DEM間的相關(guān)性分析。研究區(qū)內(nèi)的地面DEM，NDVI和7個(gè)特定區(qū)段的分布詳見(jiàn)圖5。

(a) 研究區(qū)DEM和7個(gè)特定區(qū)域 (b) 研究區(qū)NDVI

圖5 研究區(qū)域內(nèi)的地面高程、植被指數(shù)和7個(gè)特定區(qū)段的分布圖

Fig.5 Ground elevation and vegetation indices of the study area，and the distribution of 7 specific regions within the study area

1)DEM對(duì)霧能見(jiàn)度影響因素分析。統(tǒng)計(jì)7個(gè)選定區(qū)域內(nèi)地面DEM平均值和霧能見(jiàn)度平均值，結(jié)果詳見(jiàn)表5。

表5 7個(gè)選定區(qū)域內(nèi)DEM平均值和VIS平均值

由表5可知，區(qū)域1，4，5，6和7的地面DEM逐步增大，能見(jiàn)度相比也逐步增大，說(shuō)明在此次大霧發(fā)生過(guò)程中，隨著地勢(shì)的升高，能見(jiàn)度也逐步升高，霧的濃度相對(duì)減小，充分顯示了霧的谷底效應(yīng)，即地勢(shì)較低區(qū)霧能見(jiàn)度低。但也有個(gè)別地區(qū)不符合這個(gè)趨勢(shì)，比如區(qū)域3地面DEM高于區(qū)域1和2，但能見(jiàn)度最低。仔細(xì)分析區(qū)域3所處的地理位置發(fā)現(xiàn)，區(qū)域3位于河流旁邊，說(shuō)明充足的水汽源易造成能見(jiàn)度降低，區(qū)域2的能見(jiàn)度亦相對(duì)區(qū)域1，4和5有所增大，結(jié)合霧區(qū)范圍發(fā)現(xiàn)，區(qū)域2位于霧區(qū)邊緣。但總的來(lái)說(shuō)，地勢(shì)越低的地區(qū)，能見(jiàn)度也越低，地勢(shì)越高的地區(qū)，能見(jiàn)度越高。

2)NDVI對(duì)霧垂直總水汽含量、光學(xué)厚度和粒子半徑的影響因素分析。統(tǒng)計(jì)7個(gè)選定區(qū)域內(nèi)NDVI均值、LWP均值、τ均值和re均值，結(jié)果詳見(jiàn)表6。

表6 7個(gè)選定區(qū)域內(nèi)的NDVI均值、LWP均值、τ均值和re均值

由表6可知： 隨著區(qū)域2—7上DNVI的增高，水汽含量也隨之增加。但區(qū)域1和3出現(xiàn)水汽含量最大的現(xiàn)象，仔細(xì)分析區(qū)域1和區(qū)域3所處的地理位置，發(fā)現(xiàn)二者均距離水體較近，導(dǎo)致雖然DNVI較小，但水汽含量值最高，說(shuō)明水體對(duì)水汽含量的影響不可忽視，進(jìn)一步說(shuō)明水汽含量不僅受DNVI的影響，而且與周?chē)h(huán)境相關(guān)。隨著區(qū)域2，3，4，5和7處DNVI的增高，光學(xué)厚度逐漸降低，但此次大霧過(guò)程中光學(xué)厚度整體變化幅度均很小。

隨著區(qū)域2—7處DNVI的增大，霧有效粒子半徑逐漸變小，說(shuō)明植被濃密區(qū)空氣質(zhì)量相對(duì)較好，大顆粒物質(zhì)較少。進(jìn)一步分析發(fā)現(xiàn)，區(qū)域1粒子半徑最小，這與區(qū)域1靠近水體有關(guān)，但區(qū)域3同樣靠近水體，粒子半徑卻最大，本文通過(guò)進(jìn)一步與土地利用圖疊加分析發(fā)現(xiàn)區(qū)域3地處城鎮(zhèn)建成區(qū)，說(shuō)明人類(lèi)生產(chǎn)生活可造成大氣中凝結(jié)核粒子半徑的增大，而遠(yuǎn)離城鎮(zhèn)的區(qū)域大氣較潔凈，氣溶膠粒子半徑較小。

5 結(jié)論

本文以發(fā)生于江蘇省西南部的一次冬季平流輻射霧的MODIS遙感數(shù)據(jù)為數(shù)據(jù)源，采用南京信息工程大學(xué)的地面觀測(cè)數(shù)據(jù)對(duì)基于大氣輻射傳輸方程模型和SBDART輻射傳輸?shù)撵F物理參數(shù)反演算法進(jìn)行了驗(yàn)證，并在序列遙感影像霧區(qū)物理參數(shù)反演結(jié)果基礎(chǔ)上，結(jié)合植被指數(shù)和地面高程分析了影響此次大霧物理參數(shù)的因素，得到以下主要結(jié)論：

1)反演的地面能見(jiàn)度和霧頂高度與地面觀測(cè)值相關(guān)系數(shù)分別為0.908 3和0.980 7，說(shuō)明該反演算法精度較高。但由于傳感器的觀測(cè)條件的局限，以及SBDART模型參數(shù)的設(shè)置和BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)等原因，能見(jiàn)度反演值出現(xiàn)有偏小或偏大的現(xiàn)象。

2)結(jié)合地面高程和植被指數(shù)2個(gè)因子對(duì)影響霧物理參數(shù)變化的因素進(jìn)行了分析，發(fā)現(xiàn)地勢(shì)高低和能見(jiàn)度大小呈現(xiàn)正相關(guān)。植被指數(shù)與水汽含量呈正相關(guān)，與光學(xué)厚度和粒子半徑呈負(fù)相關(guān)。

3)水體對(duì)霧物理參數(shù)影響較大，易造成霧區(qū)水汽含量升高，能見(jiàn)度降低，光學(xué)厚度增大和霧有效粒子半徑減小等現(xiàn)象。

4)霧區(qū)霧有效粒子半徑易受下墊面土地利用的影響，城鎮(zhèn)建成區(qū)內(nèi)粒子半徑值偏高。

[1] Stephens G L,Ackerman S,Smith E A.A shortwave parameterization revised to improve cloud absorption[J].Journal of Atmospheric Sciences,1984,41(4):687-690.

[2] Bendix J.A case study on the determination of fog optical depth and liquid water path using AVHRR data and relations to fog liquid water content and horizontal visibility[J].International Journal of Remote Sensing,1995,16(3):515-530.

[3] Bendix J.A satellite-based climatology of fog and low-level stratus in Germany and adjacent areas[J].Atmospheric Research,2002,64(1/4):3-18.

[4] 吳曉京,陳云浩,李三妹.應(yīng)用MODIS數(shù)據(jù)對(duì)新疆北部大霧地面能見(jiàn)度和微物理參數(shù)的反演[J].遙感學(xué)報(bào),2005,9(6):688-696. Wu X J,Chen Y H,Li S M.Utilizing MODIS data to retrieve the visibility and microphysical properties of fog happens in the northwest China[J].Journal of Remote Sensing,2005,9(6):688-696.

[5] 鄧軍,白潔,劉健文.基于EOS/MODIS的云霧光學(xué)厚度和有效粒子半徑反演研究[J].遙感技術(shù)與應(yīng)用,2006,21(3):220-226. Deng J,Bai J,Liu J W.Remoting sensing cloud’s optical thickness and effective radius using MODIS MULTSPECTRAL data[J].Remote Sensing Technology and Application,2006,21(3):220-226.

[6] 張紀(jì)偉,張?zhí)K平,吳曉京,等.基于MODIS的黃海海霧研究——海霧特征量反演[J].中國(guó)海洋大學(xué)學(xué)報(bào):自然科學(xué)版,2009,39(S1):311-318. Zhang J W,Zhang S P,Wang X J,et al.The research on yellow sea fog based on MODIS date:Sea fog properties retrieval and spatial-temporal distribution[J].Periodical of Ocean University of China,2009,39(S1):311-318.

[7] 蔣璐璐,魏鳴.FY-3A衛(wèi)星資料在霧監(jiān)測(cè)中的應(yīng)用研究[J].遙感技術(shù)與應(yīng)用,2011,26(4):489-495. Jiang L L,Wei M.Application of fog monitoring with FY-3A data[J].Remote Sensing Technology and Application,2011,26(4):489-495.

[8] 楊嵐,魏鳴,徐永明.長(zhǎng)江三角洲霧的MODIS遙感檢測(cè)[J].科技創(chuàng)新導(dǎo)報(bào),2008(13):1. Yang L,Wei M,Xu Y M.Detection the Yangzi river delta fog by MODIS remote sensing[J].Science and Technology Innovation Herald,2008(13):1.

[9] 嚴(yán)文蓮.南京冬季典型霧生消物理過(guò)程及爆發(fā)性增強(qiáng)特征[D].南京:南京信息工程大學(xué),2008. Yan W L.The Physical Process of Genesis and Dissipation and the Characteristics of Burst Reinforcement on Typical Winter Fog in Nanjing[D].Nanjing:Nanjing University of Information Science & Technology,2008.

[10]張偉康,馬慧云,鄒崢嶸,等.基于SBDART輻射傳輸模型的夜間輻射霧自動(dòng)檢測(cè)及時(shí)間序列分析[J].國(guó)土資源遙感,2014,26(2):80-86.doi:10.6046/gtzyyg.2014.02.14. Zhang W K,Ma H Y,Zou Z R,et al.Automatic detection of night time radiation fog based on SBDART radiative transfer model and the analysis of time series[J].Remote Sensing for Land and Resources,2014,26(2):80-86.doi:10.6046/gtzyyg.2014.02.14.

[11]何卓臣,馬慧云,鄒崢嶸,等.基于MODIS影像的陸地輻射霧微物理參數(shù)反演及動(dòng)態(tài)變化分析[J].測(cè)繪與空間地理信息,2013,36(10):35-39. He Z C,Ma H Y,Zou Z R,et al.Retrieval of fog microphysical parameters and analysis of change condition based on MODIS sequence images about land radiation fog in the daytime[J].Geomatics & Spatial Information Technology,2013,36(10):35-39.

[12]Stephens G L.Radiation profiles in extended water clouds.II:Parameterization schemes[J].Journal of Atmospheric Sciences,1978,35(11):2123-2132.

[13]Bendix J,Thies B,Cermak J,et al.Ground fog detection from space based on MODIS daytime data-a feasibility study[J].Weather and Forecasting,2005,20(6):989-1005.

[14]李亞春,孫涵,徐萌.衛(wèi)星遙感在大霧生消動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用[J].災(zāi)害學(xué),2001,16(1):45-49. Li Y C,Sun H,Xu M.A study on the application of remote sensing technique to monitoring of the tendency of fog dissipation[J].Journal of Catastrophology,2001,16(1):45-49.

(責(zé)任編輯： 李瑜)

Verification of the retrieval algorithm and analysis of influencing factors of fog physical parameters based on MODIS data

MA Huiyun, ZHAO Guoqing, ZOU Zhengrong, ZHANG Weikang

(DepartmentofSurveyingandGeo-informatics,CentralSouthUniversity,Changsha410083,China)

Retrieving fog physical parameters becomes one of the major hot spots of study in recent years based on remote sensing data. The visibility, top height of fog, effective particle radius, and liquid water path (LWP) of fog are the fundamental physical parameters for fog monitoring. In this study, the authors retrieved fog physical parameters from southwest Jiangsu Province according to the path model of fog radioactive phenomena and SBDART based on the MODIS images. The authors verified the visibility and top height of fog according to the data from the Nanjing Information Engineering University and analyzed the influencing factors for the changes of physical parameters. The results showed that the correlation coefficient of visibility and top height of fog was 0.908 3 and 0.980 7, indicating that the retrieval of remote sensing data was feasible. The study also found positive correlations between the fog physical parameters，the surface elevation and vegetation index. The vegetation index was negatively correlated with the radius and optical depth and positively correlated with the liquid water. There was a positively correlation between the visibility and the surface elevation.

fog; inversion; physical parameters; influencing factor

10.6046/gtzyyg.2017.01.19

馬慧云，趙國(guó)慶，鄒崢嶸，等.基于MODIS數(shù)據(jù)驗(yàn)證分析霧參數(shù)反演算法和影響因素[J].國(guó)土資源遙感，2017，29(1)：122-128.(Ma H Y,Zhao G Q,Zou Z R,et al.Verification of the retrieval algorithm and analysis of influencing factors of fog physical parameters based on MODIS data[J].Remote Sensing for Land and Resources,2017，29(1)：122-128.)

2015-08-26；

2015-12-04

湖南省教育廳科學(xué)研究開(kāi)放平臺(tái)項(xiàng)目“基于遙感影像霧災(zāi)預(yù)測(cè)的關(guān)鍵技術(shù)研究”(編號(hào)： 14K103)和中南大學(xué)教師研究基金項(xiàng)目“基于FY-2衛(wèi)星遙感影像霧災(zāi)預(yù)測(cè)的研究”(編號(hào)： 2014JSJJ002)共同資助。

馬慧云(1979-)，女，博士，副教授，主要研究領(lǐng)域?yàn)檫b感圖像數(shù)據(jù)處理。Email： lingzi_2002@163.com。

TP 79

A

1001-070X(2017)01-0122-07