[发明专利]一种基于卫星云参数产品确定灰霾分布的方法

说明书

技术领域

本发明涉及卫星遥感数据云检测技术领域，涉及一种利用云参数产品进行霾检测方法。

背景技术

改革开放以来，我国的城市空气污染日趋严重，工业烟尘、汽车尾气、生物燃烧和沙尘和自然粉尘混合使灰霾天气现象迅速增加。尤其是以京津冀、长三角和珠三角为代表的重点城市群。灰霾天气主要是由于以细粒子为主的气溶胶粒子造成的。这些气溶胶粒子不但对人体有害，而且能够影响地表辐射平衡，并通过充当云的凝结核改变云的含水量和生命周期等特性，从而对气候和降水造成影响。目前在对全球气候模拟的过程中，云和灰霾对气候变化的影响仍然有很多不确定性。一方面是云和霾本身的分布特征很难精确的确定，另一方面云和气溶胶影响着全球水汽和能量循环。因此，云和灰霾分布范围的区分是研究它们对气候变化贡献的前提和基础。

目前，遥感领域利用卫星影像识别云和霾分布的方法有：判据法、聚类分析法和人工神经网络法等。其中判据法应用最为广泛，该方法基于卫星影像中象元对应的亮温、亮温差、反射率与预设的判据进行对比，来判断该象元是否被云或者霾覆盖。这种方法实施方便，但是对云和霾的错分情况严重，而且单一的判据的适应性较差；为了提高判据算法的精度，有些学者引入了纹理特征约束，这种约束是基于卫星影像上灰霾的一般呈现平滑的纹理特征，而云层的表面细节变化较大。本质上是在设置判据的时候考虑到纹理特征。显然，当大范围表面平滑的云存在时，纹理特征将不能有效区分二者；另外，有些学者通过建立地面的地表反射率库，将库中地面象元对应的反射率值作为设置判据的标准，来判断象元是否收到云或者灰霾的覆盖。这一方法需要长时间序列的地表观测数据来建库，操作起来不方便。聚类分析法通过将影像分割成为一系列像元阵列，采用聚类的方法将象元归属到不同的地物类型中，然后确定各组象元的类别：云、霾或其他地物类型。当像元阵内各种类型象元观测值存在较小差别时，无法对象元进行有效的分组，这种方法对云和霾分布的识别误差较大。人工神经网络法则先对云和霾区域样本区域进行学习，获取其在不同波段反射率、亮温等观测结果的先验知识，借助这些先验知识来识别云和霾的分布。这种方法得到的识别结果很大程度上依赖于训练资料的选取。

卫星遥感一直重视对云和灰霾等重要大气现象的观测和研究，很多传感器如美国的中分辨率成像光谱仪(MODIS)、法国的地表反射率偏振和方向传感器(POLDER)等都有专门的产品(云参数)来描述云的光学和微物理特性，比如云量、云顶压力、云相态、云光学厚度等云参数。其中云量代表每个象元中被云覆盖的百分比，100％表示该象元完全被云所覆盖，相反，0则代表该象元无云覆盖；云顶压力为卫星观测到的云顶的大气压，单位为hPa；云相态反映卫星观测到的象元对应的类别，包括水云、冰云、冰水混合云、晴空和无法确定相态五类；云光学厚度则反演云的消光能力的强弱，光学厚度越大，消光能力越强。卫星遥感首先识别影像中云的分布，然后对确定有云的象元进行上述云产品的生产。灰霾覆盖的象元通常被错误地归属为云区域，然后按照流程反演出相应的云量、云顶压力、云相态结果。然而，云和灰霾的光学和微物理特性都存在明显的差异(云的粒子更大、在对流层不同高度都有分布、光学厚度可以达到几十甚至上百；灰霾主要有细颗粒物构成、主要分布在地表、消光能力远不如一些厚层云)，这些差别也将表现在反演得到的云产品中。

现有的霾识别算法一般基于卫星观测的反射率和亮温来构造判据，这种做法对于目前重污染天气的灰霾范围识别精度较差。很多卫星提供云量、云顶压力、云相态、云光学厚度等观测数据，这些数据包含灰霾的分布数据，但是并没有相关的技术采用这些数据来识别灰霾的范围。

发明内容

本发明提供一种基于卫星云参数产品的灰霾识别方法,该方法能够精确的识别重污染天气下灰霾的分布范围。

本发明基于卫星云参数产品的确定灰霾分布的方法包括如下步骤：

确定云参数识别灰霾的判据。针对待研究区域，下载历史云参数产品中卫星云量、云光学厚度、云相态频率和云顶压力等云参数产品组建样本集，对样本集中影像的云和灰霾区域进行区分，分别对云、灰霾、晴空区域的所述各个云参数结果进行采样统计，确定对应于所述各个云参数的识别判据，分别为T1、T2、T3、T4。

确定云和灰霾共存的范围。利用当期云参数产品中云量数据和对应的判据T1进行比较，确定云和灰霾都可能存在的区域；

利用云光学厚度数据识别灰霾的分布。在其它步骤选出的区域，利用当期云参数产品中云光学厚度数据和对应的判据T2进行比较，进一步提取霾分布的区域；