MODIS C5、C6气溶胶产品验证及区域适应性评价
2016-12-22杨以坤田信鹏
杨以坤，孙 林，韦 晶，田信鹏，贾 臣
(山东科技大学 测绘科学与工程学院，山东 青岛 266590)
MODIS C5、C6气溶胶产品验证及区域适应性评价
杨以坤，孙 林，韦 晶，田信鹏，贾 臣
(山东科技大学 测绘科学与工程学院，山东 青岛 266590)
MODIS Collection 5(C5)、Collection 6(C6)气溶胶产品是当前NASA提供的两种逐日气溶胶光学厚度(Aerosol Optical Depth，AOD)产品，可以为大气颗粒物污染评价以及气候效应影响研究提供重要的数据支撑，但两种产品分别基于不同的气溶胶反演方法生成，明确两种产品气溶胶反演方法的精度和区域适应性对用户合理选择数据产品具有重要意义。以分布于我国的AERONET(Aerosol Robotic Network，AERONET)数据为依据，分析了两种产品在几种典型区域的精度以及区域适应性。结果表明：①C6 DT算法整体反演精度略优于C5 DT算法；②与DT算法相比DB具有较高的整体反演精度(R=0.91，RMSE～0.166，MAE～0.116)，气溶胶有效观测天数明显增加，能够降低15%左右的气溶胶高估情况；③C6 DT算法在浓密植被地区整体精度较高，但在亮地表区域适应能力较差，产品缺失值严重；而DB算法均能实现暗地表和亮地表区域上的气溶胶反演，尤其在城市、稀疏植被覆盖气溶胶反演精度整体较高，空间连续性得到明显改善。
MODIS；气溶胶光学厚度；AERONET；暗目标法；深蓝算法
气溶胶光学厚度(Aerosol Optical Depth，AOD)是消光系数在垂直方向上对整层大气的积分，也是气溶胶光学特性的一项重要参数，反映了气溶胶对光的衰减作用，是定量描述气溶胶气候辐射强迫的重要参量[1]。目前大气气溶胶测量方法主要包括地基监测和卫星遥感反演技术。地基监测能够实时获取空间某点在不同波长处的详细气溶胶光学厚度信息，但由于观测设备、观测条件的限制，无法获取广域尺度范围内的气溶胶信息，难以从宏观上反映气溶胶的分布状况和变化趋势[2]。随着卫星遥感技术的快速发展，气溶胶遥感反演可以弥补气溶胶地基监测手段在空间观测尺度的不足，能够获得大范围的气溶胶数据。
国内外学者针对大气气溶胶卫星遥感反演做了大量研究，逐渐发展成较为成熟的气溶胶光学厚度反演算法，主要包括暗目标算法[3-5](Dark Target，DT)、结构函数法[6]、深蓝算法[7-9](Deep Blue，DB)等。这些气溶胶反演算法已被广泛应用到NOAA/AVHRR[10]、VIIRS[11]、MODIS[4-5、12-13]、Landsat 8[14-15]、HJ卫星[16-17]、FY卫星[18]等多种传感器，并以较高精度实现了不同区域上空的气溶胶光学厚度反演。其中DT和DB算法已经作为MODIS气溶胶产品的主要反演算法，并提供了全球逐日的气溶胶观测产品(MOD04)。到目前为止，MODIS气溶胶产品经历了多次版本更新，目前，官网提供了MOD04 C5和C6两种气溶胶产品版本，其中DT和DB算法为两种产品的核心气溶胶反演算法。定量分析和评价不同MODIS气溶胶在不同地区的适用性，对用户合理选择和使用产品数据进行气溶胶研究具有重要意义。
针对MODIS气溶胶产品的验证以及区域适应性分析，已开展大量研究工作[19]。夏祥鳌[20]运用全球AERONET地基观测数据对MODIS气溶胶产品进行验证分析，发现MODIS气溶胶产品在陆地上整体高于实测值；王莉莉等[21]运用太阳分光观测网(CSHNET)气溶胶光学厚度地基联网数据，评估MODIS气溶胶光学厚度产品数据在中国不同生态类型和地理区域的适用性，发现在地表类型均一，植被覆盖良好的区域具有较高的反演精度。周春艳等[22]对比分析了MOD04 C4和C5两种产品及其在中国北方地区的适用性，发现MOD04 C4和C5产品在中国北方的高反射地区反演精度较差，而C5产品在浓密植被地区具有较高的反演精度，适用性较高；Xia等[23]利用气溶胶地基观测数据对我国西北干旱半干旱地区的MOD04 C4、C5和DB产品进行验证，结果表明C5产品在反演精度上较C4产品有较大改善。张晓雷等[24]利用AERONET地基观测数据对MODIS C6 3 km数据进行验证，结果表明MODIS 3 km气溶胶产品质量稳定，整体反演精度较高，但气溶胶高估现象明显。
为了定量分析和评价当前MODIS气溶胶产品的精度及其在不同区域的适应性，本文选择高、中、低地表反射率多层次分布，地表结构从简单到复杂的多种地表类型区域作为研究区，分别选择国内典型的植被覆盖区、城市高亮地区和西北荒漠地区，运用AERONET地基观测数据对MOD04 C5和C6两种气溶胶产品进行验证对比，探讨和确定MOD04两种典型产品在国内不同地区的适应性。
1 MODIS气溶胶反演算法
MODIS是搭载在Terra和Aqua卫星上的一个重要传感器，分别于1999年12月18日和2002年5月4日发射成功。具有36个波段，能够实现0.4～14 μm全光谱范围覆盖，空间分辨率包括250 m、500 m和1 km，每两天可实现一次全球覆盖。由于其较高的空间分辨率、重访周期短的优势，MODIS被广泛应用到全球地表、生物圈、大气和海洋等研究中。MODIS提供陆地、大气和海洋等44种标准数据产品，其中MOD04为NASA发布的MODIS二级大气气溶胶产品，该产品首次给出全球尺度逐日的气溶胶光学厚度数据，在全球范围内得到了广泛应用[19]。MOD04产品能够提供470、550、650 nm不同波长逐日的气溶胶观测数据，目前可用的C5版本空间分辨率为10 km，C6版本空间分辨率为3 km和10 km，反演算法包括DT算法和DB算法。
1.1 MODIS DT陆地气溶胶反演算法
在低地表反射率情况下，卫星测得的反射率随大气气溶胶光学厚度的增加而增加，这是暗目标法气溶胶光学厚度反演的基本原理[25]。最初MODIS地表反射率的确定是基于Kaufman等[4]提出的假设，即在暗目标区域，近红外波段的地表反射率与红波段和蓝波段地表反射率之间存在着固定的线性关系即：0.47 μm的地表反射率为2.1 μm地表反射率的1/4，0.66 μm的地表反射率为2.1 μm地表反射率的1/2。MODIS C5与C6 DT AOD反演时地表反射率的确定采用的新思想：在暗目标地区，波段与近红外波段地表反射率的关系是散射角(Θ)和植被指数的函数，红波段与蓝波段地表反射率有固定的线性关系，从而计算出红波段和蓝波段的地表反射率，详细气溶胶反演算法参见文献[13]。
与MODIS C5 DT算法相比，C6 DT反演算法在重尘(AOD≫1.0)时对云掩膜算法、气溶胶类型和产品质量控制等方面做了较多改进。例如，在重尘时云掩膜算法利用0.47 μm(500 m分辨率)和1.38 μm(1 km分辨率)两个波段进行。具体如下：
(1)
其中：σ*、σ分别为3×3像元的表观反射率绝对标准偏差和平均加权标准差。
1.2 MODIS DB陆地气溶胶反演算法
暗目标气溶胶反演算法只能够反演水体和浓密植被等地表反射率较低地区的气溶胶光学厚度，对于城市、沙漠等高地表反射率地区，该方法无能为力。Hsu等[7-8]发现即使在城市、沙漠等高地表反射率地区，MODIS深蓝波段的地表反射率仍然较低，如果地表反射率能够准确确定，即可实现高亮地区气溶胶光学厚度反演。基于这一发现，Hsu等提出一种适用于高亮地表气溶胶反演的深蓝算法，运用MODIS数据成功对撒哈拉沙漠地区进行气溶胶反演，达到较高的反演精度。
DB算法基于大部分地物的地表反射率在较短时间保持不变这一假设，利用SeaWiFS地表反射率数据构建了季节性的地表反射率数据库，以此提供真实地表反射率数据支持气溶胶反演。由于地表反射率数据库仅是季节的函数，这种方法在沙漠和半干旱地区等地表反射率年际变化及受双向反射分布函数(BidirectionalReflectanceDistributionFunction,BRDF)影响较小的地区取得较好结果；但在植被和非植被混合的像元地区反演精度较低。与MOD04C5DB算法相比，C6DB算法在地表反射率数据库构建、气溶胶模式选择和云/雪掩膜算法等方面进行了改进[9]。
C6DB气溶胶反演算法在构建地表反射率数据库时，首先利用MODIS地表类型产品(MCD12C1)将地表类型划分为四类：干旱和半干旱区域、植被区域、城市及边缘过渡区域和冰雪；除冰雪地区外在不同地表类型区域利用不同的方法计算地表反射率。
在干旱和半干旱区域，为更好地获取观测统计数据，MOD04C6DB利用2002—2009年8年的MODIS表观反射率数据辅助地表反射率数据库的建立，利用MODIS三个波段的表观反射率进行云、云边缘和厚气溶胶检测；同时为减小地表覆盖类型的潜在变化，地表反射率数据库除考虑季节变化外，利用NDVI判定季节性和暂时水体。最后将像元地表反射率值与散射角进行二次多项式拟合确定地表反射率数据库，其中散射角(Φ)定义为：
Φ=cos-1(-cosθ0cosθ+sinθ0sinθcosφ)。
(2)
其中θ0、θ、φ分别为太阳天顶角、卫星天顶角和相对方位角。
在植被区域，根据可见光和近红外波段地表反射率的关系说明植物物候变化对地表反射率的影响。利用AERONET站点监测的气溶胶光学厚度和单次散射反照率数据支持MODIS影像进行大气校正得到参照地表反射率。根据2.1μm通道表观反射率(R2.1)和地表覆盖类型估计可见光通道地表反射率，公式如下：
ESR0.65=a+b×R2.1+c×(R2.1)2,
(3)
ESR0.47=d+e×ESR0.65。
(4)
其中，ESR为地表反射率的估计值，系数a、b、c、d和e是将参考地表反射率和AERONET站点观测值进行最小二乘拟合得到。
在城市及边缘过渡区域，可见光波段地表反射率与2.1μm的地表反射率无线性关系，并且受BRDF影响较大；因此在地表反射率库构建时，利用混合方法确定地表反射率，即结合深蓝地表底层数据库与地表BRDF角度效应。根据AERONET站点监测的气溶胶厚度(AOT<0.5)对影像进行大气校正获得地表反射率数据，以此来降低气溶胶光学厚度对地表反射率确定的影响；同时为减小植被变化对地表反射率的影响，根据NDVI值将地表反射率划分成3个NDVI组：NDVI≤0.19；0.19
C5 云/雪掩膜算法根据0.412μm波段3×3像元表观反射率的变化，利用阈值进行云/雪掩膜。在地表反射率变化较大的地区，为充分进行云像元的掩膜，C6云/雪掩膜算法除利用0.412μm波段表观反射率外，还利用11μm波段的亮度温度以及11μm波段和12μm波段亮度温度之差的关系进行云检测；综合使用热红外波段和蓝光波段能够更清楚地辨别云和下垫面特别是高亮的非均一地表。C6算法利用1.38μm表观反射率、11μm亮度温度、11，12μm波段亮度温度之差和大气可降水量作为辅助数据进行薄卷云检测。
总体来说，MODISC6DB气溶胶光学厚度产品，首先利用1km分辨率影像进行气溶胶光学厚度反演，然后再将其合成10km分辨率的气溶胶光学厚度产品，并且改进了云掩模算法和地表反射率数据库，更新了尘埃颗粒识别的气溶胶模型方案，并修订了产品质控[26]。
2 数据源及评价方法
2.1 AERONET数据及处理
2.1.1 数据介绍
AERONET(AerosolRoboticNetwork)是由NASA和LOA-PHOTONS(CNRS)联合建立的全球地基气溶胶遥感观测网。目前，AERONET已经覆盖全球主要区域，该数据利用CIMEL自动太阳光度计(SPAM)观测得到，可以提供380,440,500,675,870,1020nm波长处的气溶胶光学厚度，每15min提供一次观测数据[27]。数据整体精度较高，误差约0.01～0.02。AERONET对于研究全球气溶胶的传输、气溶胶辐射效应、验证辐射传输模式以及校验卫星遥感气溶胶的结果具有重要作用[28]。AERONET提供了3个质量等级的气溶胶光学厚度数据：Level1.0，未经过滤云和最后验证的数据；Level1.5，经过严格滤云但没有最后验证的数据；Level2.0，经过严格滤云和质量控制的数据。本文运用的AERONET观测数据详细信息如表1所示。
表1AERONET站点详细信息
Tab.1ThedetailedinformationofAERONETstation
站点名称经度/(°E)纬度/(°N)高程/m级别时间地表类型Beijing116.381439.976992.002.02013城市Beijing_RADI116.378640.004859.001.52013城市Beijing-CAMS116.316739.9333106.02.02013城市XiangHe116.961539.753636.002.02013植被SACOL104.137135.94601965.802.02010植被NAM_CO90.962530.77254740.002.02010—2014荒漠
2.1.2 数据处理
MODIS提供了470、550、660nm波长处的气溶胶光学厚度，与AERONET地面观测数据没有对应的波段。为了实现运用AERONET数据对MODIS气溶胶反演产品进行验证对比，首先需要对两者进行波长匹配，本文运用的是MODIS550nm处的气溶胶产品；然后利用ÅngstrÖm指数对AERONET数据进行插值，得到550nm处的气溶胶实测值。在无水汽影响的波段上，气溶胶离子的谱分布满足Junge分布，气溶胶光学厚度与波长的定量关系满足下式[29]：
τa(λ)=βλ-α。
(5)
其中，τa(λ)表示波长λ的气溶胶光学厚度；β表示ÅngstrÖm浑浊度系数，与气溶胶粒子总数、粒子谱分布和折射指数有关；α表示ÅngstrÖm波长指数，与气溶胶的平均半径有关。利用AERONET地基监测站点提供的0.44,0.5,0.675μm处的气溶胶光学厚度带入式(5)求出β和α，然后将λ=0.55μm带入求得0.55μm处的气溶胶光学厚度。
MOD04气溶胶产品的气溶胶值表示空间上10×10km2的瞬时气溶胶光学厚度，而AERONET气溶胶光学厚度是每隔15min的瞬时观测值；MODIS卫星在中国地区的过境时间约为当地时间10:30，MODIS与AERONET气溶胶监测的空间和时间尺度均不相同。如果取卫星过境时间的AERONET观测值与单个像元(10×10km)卫星监测气溶胶光学厚度进行对比可信度较低，并且容易出现奇异值现象。为了提高二者对比结果的可信度，需要将卫星和地面气溶胶监测数据进行时空匹配。本文采用以地基观测站点为中心，根据周围3×3像元(10km分辨率)标准差去除异常值后取平均值，然后与卫星过境前后30min内的地面观测的气溶胶光学厚度平均值进行对比。
2.2 评价方法
利用最小二乘原理对数据进行线性拟合估计数据集拟合的斜率和截距，同时计算均方根误差(Root-Mean-Square-Error，RMSE)、平均绝对误差(Mean-Absolute-Error，MAE)、MODIS气溶胶产品在陆地上的期望误差(Expected-Error，EE)和相对平均偏差(Relative-Mean-Bias，RMB)等指标，定量评价和分析气溶胶的反演精度及不确定性，其中RMB>1.0和RMB<1.0时分别表示气溶胶光学厚度反演值整体呈现高估和低估现象。
(6)
(7)
EE=±(0.05+0.2AODAERONET);
(8)
(9)
3 结果与分析
3.1 MOD04 C5 DT与C6 DT气溶胶产品对比验证
图1为MOD04 C5、C6 DT气溶胶产品的对比验证图。其中,虚线表示MODIS气溶胶产品在陆地上的期望误差；黑色实线表示Y=X；长划线为线性回归拟合曲线。由图1可以看出，MODIS DT算法与AERONET地基观测数据整体具有较高的一致性(R>0.80)，其中C6 DT算法的有效观测点对整体少于C5 DT算法，原因是C6 DT算法在云掩膜、数据质量控制上进行一定改进，减少部分异常值。MOD04 C5 DT有50%的观测点对满足MODIS气溶胶反演期望误差，而C6 DT有53.1%的观测点对满足期望误差。可以说明，与C5 DT算法相比(R=0.814，RMSE=0.205，MAE=0.141)，C6 DT算法具有更高的气溶胶整体反演精度，其反演值与地基观测数据具有更高的一致性(R=0.881)，两者具有较小的均方根误差(RMSE=0.173)和平均绝对误差(MAE=0.131)。尤其在气溶胶值较小时(AOD<0.5)，C6 DT算法的气溶胶反演值与实测值间的吻合度整体高于C5 DT算法。
3.2 MOD04 C6 DT与C6 DB气溶胶产品对比验证
图2(a)、2(b)分别为MOD04 C6 DT和DB气溶胶产品的对比验证图。从图2中可以看出，与MOD04 C6 DT算法相比(R=0.881，RMSE=0.173，MAE=0.131，RMB=1.157)，DB算法的气溶胶反演值与AERONET地基观测数据具有更高的一致性，两者相关系数达到0.91，均方根误差(RMSE～0.166)和相对误差(MAE～0.116)整体较小，有61.9%的观测点对满足MODIS气溶胶产品误差精度要求，能够有效减少15%左右的气溶胶反演高估现象(RMB=1.001)。其次，由于DB算法能够实现暗地表和亮地表区域气溶胶反演，DB算法的有效观测点数(N=821)明显高于DT算法(N=371)，且气溶胶反演值域范围更广(0～2.5)。当气溶胶光学厚度较小(AOD<0.5)时，DB算法的气溶胶反演值与地基观测数据具有更高的吻合度；同时，DB算法能够实现高污染天气(AOD>1.5)下的气溶胶光学厚度反演，且反演精度整体较高。因此,可以说明C6 DB算法的气溶胶反演精度整体高于C6 DT算法。
图1 MODIS DT C5(a)与C6 (b) AOD有效性验证(分辨率10 km)
Fig.1 Validation of MODIS DT C5(a) and C6 (b) AOD (10 km resolution)
图2 MODIS DT C6(a)与DB C6 (b) AOD有效性验证(分辨率10 km)
Fig.2 Validation of MODIS DT C6(a) and DB C6 (b) AOD(10 km resolution)
3.3 MOD04 C6 DT与C6 DB气溶胶产品区域适应性评价
MODIS DT与DB气溶胶反演算法在地表反射率确定方法上存在较大差异。在城市地区BRDF和混合地表类型对地表反射率的确定影响明显；在植被茂密地区，由于植被随季节的生长规律导致地表反射率有较大变化，不同气溶胶反演算法在不同区域的适应性有一定差异。因此，本文分别选择浓密植被地区、气溶胶反演困难的城市地区以及荒漠等稀疏植被地区，验证和对比MOD04 C6两种不同气溶胶产品在不同区域上的适应性。
3.3.1 城市地区
图3是MOD04 C6 DT与DB气溶胶产品在典型城市地区对比验证图，Beijing、Beijing_RADI和Beijing-CAMS站点位于中国北京市，地表反射率较高，属于典型的城市高亮地表地区。从图3可以看出，MOD04 C6 DT算法在城市地区有效反演天数整体较少，气溶胶反演值与AERONET气溶胶地基观测数据的一致性整体较差(R≈0.734～0.808)，具有较大均方根误差(RMSE≈0.230～0.273)和相对误差(MAE≈0.171～0.213)，仅有41%～51%的有效观测点数满足MODIS气溶胶产品的误差精度要求。与DT算法相比，MOD04 C6 DB算法有效反演天数明显增加，气溶胶反演值与AERONET地基观测数据整体具有更高的一致性(R≈0.890～0.924)，均方根误差(RMSE≈0.184～0.197)和平均误差(MAE≈0.135～0.142)整体较小，有55%～61%的观测点对满足误差精度要求。其次，DB算法气溶胶反演值域范围更广(0～2.5)，能够实现高污染天气(AOD>1.5)下城市地区的气溶胶光学厚度反演，且反演精度整体较高。可以说明，城市地区DB算法比DT算法具有更高的气溶胶整体反演精度，稳定性较高。
图3 城市地区MODIS DT C6(a,c,e)和DB C6 (b,d,f) AOD有效性验证(分辨率10 km)
Fig.3 Validation of MODIS DT C6(a,c,e) and DB C6 (b,d,f) in urban area(10 km resolution)
3.3.2 植被地区
图4是MOD04 C6 DT与DB气溶胶产品在植被地区的对比验证图。XiangHe和SACOL站分位于中国东部地区，属于典型的植被覆盖地区，由图4可以看出，MODIS DT和DB算法均能以较高精度实现气溶胶光学厚度反演，与DB算法相比，DT算法气溶胶反演值与实测值存在更高的一致性(R≈0.936～0.938)，具有更小的均方根误差(RMSE≈0.050～0.152)和相对误差(MAE≈0.042～0.110)，有60%～90%的观测点对满足误差精度要求。当气溶胶光学厚度较小(AOD<0.5)时，DT算法的气溶胶反演值与地基观测数据具有更高的吻合度，与AERONET实测值拟合曲线更接近于Y=X直线；因此，可以说明DT算法在植被覆盖地区较DB算法具有更高的整体反演精度。
3.3.3 稀疏植被及荒漠地区
图5为MODIS C6 DT与DB气溶胶产品在稀疏植被及荒漠地区的对比验证结果。NAM_CO站位于中国内陆西藏高原上，海拔较高，植被稀少，地表裸露，空气污染较轻，气溶胶光学厚度值整体较小。由图5可以看出，DT算法在该地区的气溶胶有效观测点数较少(N=80)，气溶胶反演精度整体较差(R=0.197)，存在较大均方根误差(RMSE=0.278)和相对误差(MAE=0.188)，仅有28.7%的观测点对满足误差精度要求，有70%的点出现高估现象。原因是该地区属于典型的亮地表区域，植被覆盖较少，地表反射率的确定较为困难，导致气溶胶反演精度整体较低，存在明显的高估现象。DB算法在该地区的有效观测天数增加(N=118)，反演值与实测之间的相关性显著提高(R=0.630)，具有较小的均方根误差和相对误差，有超过75%的观测点对满足误差精度要求，气溶胶反演精度整体较高。可以说明，在稀疏植被覆盖等亮地表区域上，MODIS DB算法能够以较高精度确定其地表反射率，实现该区域的气溶胶光学厚度反演，能够减少或降低气溶胶高估现象，弥补DT算法在该地区气溶胶反演的不足。
图4 浓密植被区MODIS DT C6(a,c)和DB C6 (b,d) AOD有效性验证(分辨率10 km)
Fig.4 Validation of MODIS DT C6(a,c) and DB C6 (b,d) in vegetation area at 10 km resolution
图5 植被稀疏地区MODIS DT C6(a)和DB C6 (b) AOD有效性验证(分辨率10 km)
Fig.5 Validation of MODIS DT C6(a) and DB C6 (b) in sparse vegetated area(10 km resolution)
3.4 MOD04 C6 DT和C6 DB气溶胶产品空间分布对比
图6是不同地区上空MOD04 C6 DT和DB气溶胶产品空间分布图。其中图6(a)、6(b)分别为北京及周边地区等典型城市C6 DT和DB气溶胶空间分布，时间为2013年10月18日；图6(c)、6(d)分别是中国西北荒漠及西藏高原等典型荒漠、稀疏植被地区C6 DT和DB气溶胶空间分布，时间为2013年9月12日。可以看出，MOD04 DT算法在城市(图6(a))、荒漠(图6(c))等高反射率地区中气溶胶反演无能为力，缺失值较为严重，空间连续性差，其气溶胶产品难以满足大气气溶胶相关研究需要。然而MOD04 DB算法能够克服DT算法在城市、荒漠等高亮地表区域气溶胶反演困难问题，实现该区上空气溶胶高精度反演，数据缺失程度较小，空间连续性明显得到改善。因此，可以说明MOD04 DB算法能够实现高地表反射率地区的气溶胶反演，其气溶胶产品在反演范围和空间连续性上明显优于DT算法。
图6 MODIS C6 DT AOD与C6 DB AOD空间分布比较(分辨率10 km)
Fig.6 Spatial distribution comparison MODIS C6 DT AOD and C6 DB AOD in space(10 km resolution)
4 结论
本文详细介绍了当前常用的MODIS DT和DB两种气溶胶产品陆地算法，选择分布在不同下垫面上的AERONET站点气溶胶地基观测数据，对获取的长时间序列MODIS DT和DB气溶胶产品进行精度验证对比，并分析了不同产品在不同区域上的适应性。结果表明：
1) MOD04 C5 DT算法与C6 DT算法具有相似气溶胶反演精度，有超过50%的观测点对满足MODIS气溶胶误差精度要求。整体上，C6 DT略优于C5 DT算法，原因是C6 DT算法在云掩膜、质量控制等方面进行了一定的改进。
2) 与MOD04 C6 DT算法相比，C6 DB算法有效观测天数明显增加，气溶胶反演值域范围更广，具有更高的气溶胶整体反演精度(R=0.91，RMSE～0.166，MAE～0.116)，能够有效降低15%左右的气溶胶反演高估现象。
3) MOD04 C6 DT气溶胶产品能够以较高精度实现植被地区的气溶胶反演，但在城市和稀疏植被地区气溶胶反演精度整体较差，有效观测天数较少；然而DB算法能够实现暗地表和亮地表区域上的气溶胶反演，其中在城市、稀疏植被地区的气溶胶反演精度明显优于DT算法，而DT算法在植被地区的反演精度和稳定性略高于DB算法。
4)空间分布上，MOD04 DT气溶胶产品在城市、稀疏植被等高亮地区中缺失值较为严重，空间连续性差。相反，DB气溶胶产品反演范围和空间连续性上明显优于DT算法，能够克服和改善DT算法在城市、荒漠等高亮地表区域气溶胶反演困难问题。
致 谢：感谢NASA GSFC提供的MODIS气溶胶产品数据和AERONET气溶胶地基观测数据。
[1]齐玉磊,葛觐铭,黄建平.北方地区MODIS和MISR与AERONET气溶胶光学厚度的比较及其时空分布分析[J].科学通报,2013,17(58):1670-1679. QI Yulei,GE Jianming,HUANG Jianping.Spatial and temporal distribution of MODIS and MISR aerosol optical depth over northern China and comparison with AERONET[J].Chinese Science Bulletin,2013,17(58):1670-1679.
[2]李成才,毛节泰,刘启汉,等.MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用[J].中国科学:地球科学,2005,35(S1):177-186. LI Chengcai,MAO Jietai,LIU Qihan,et al.Application of MODIS satellite remote sensing aerosol products in the study of air pollution in Beijing city[J].Science China:Earth Sciences,2005,35(S1):177-186.
[3]孙林.城市地区大气气溶胶遥感反演研究[D].北京:中国科学院研究生院(中国科学院遥感应用研究所),2006:4 -11.
[4]KAUFMAN Y J,TANRÉ D,REMER L A,et al.Operational remote sensing of troposphereic aerosol over land from EOS moderate resolution imaging spectroradiometer[J].Journal of Geophysical Research Atmospheres,1997,102067(D14):17051-17067.
[5]KAUFMAN Y J,WALD A E,REMER L A,et al.The MODIS 2.1 μm channel correlation with visible reflectance for use in remote sensing of aerosol[J].IEEE Transactions on Geoscience & Remote Sensing,1997,35(5):1286-1298.
[6]TANRé D,HOLBEN B N,KAUFMAN Y J.Atmospheric correction algorithm for NOAA-AVHRR products-theory and application[J].IEEE Transactions on Geoscience & Remote Sensing,1992,30(2):231-248.
[7]HSU N C,TSAY S C,KING M D,et al.Aerosol properties over bright-reflecting source regions[J].IEEE Transactions on Geoscience & Remote Sensing,2004,42(3):557-569.
[8]HSU N C,TSAY S C,KING M,et al.Deep blue retrievals of Asian aerosol properties during ACE-Asia[J].IEEE Transactions on Geoscience & Remote Sensing,2006,11(44):3180-3195.
[9]HSU N C,JEONG M J,BETTENHAUSEN C,et al.Enhanced deep blue aerosol retrieval algorithm:The second generation[J].Journal of Geophysical Research Atmospheres,2013,118(16):9296-9315.
[10]BRAUN M.Retrieval of aerosol optical depth over land surfaces from AVHRR data[J].Atmospheric Measurement Techniques Discussions,2014,7(1):2411-2420.
[11]苏城林,苏林,陈良富,等.NPP VIIRS数据反演气溶胶光学厚度[J].遥感学报,2015,19(6):978-983. SU Chenglin,SU Lin,CHEN Liangfu,et al.Retrieval of aerosol optical depth using NPP VIIRS data[J].Journal of Remote Sensing,2015,19(6):978-983.
[12]LEVY R C,REMER L A,MATTOO S,et al.A new algorithm for retrieving aerosol properties over land from MODIS spectral reflectance[J].Journal of Geophysical Research,2006,7(1):1-53.
[13]LEVY R C,REMER L A,MATTOO S,et al.Second-generation operational algorithm:Retrieval of aerosol properties over land from inversion of moderate resolution imaging spectroradiometer spectral reflectance[J].Journal of Geophysical Research Atmospheres,2007,112(D13):3710-3711.
[14]SUN L,WEI J,BILAL M,et al.Aerosol optical depth retrieval over bright areas using Landsat 8 OLI images[J].Remote Sensing,2015,8(1):1-14.
[15]孙林,田信鹏,于会泳,等.Landsat8 OLI城市地区气溶胶光学厚度遥感反演[J].山东科技大学学报(自然科学版),2015,34(5):47-55. SUN Lin,TIAN Xinpeng,YU Huiyong,et al.Remote sensing inversion of urban aerosol optical depth from on landsat 8 OLI[J].Journal of Shandong University of Science and Technology(Nature Science),2015,34(5):47-55.
[16]SUN K,SUN C K,LIU Q H,et al.Aerosol optical depth retrieval by HJ-1/CCD supported by MODIS surface reflectance data[J].Science China:Earth Sciences,2010,53(S1):74-80.
[17]王中挺,厉青,王桥,等.利用深蓝算法从HJ-1数据反演陆地气溶胶[J].遥感学报,2012,16(3):596-610. WANG Zhongting,LI Qing,WANG Qiao,et al.HJ-1 terrestrial aerosol data retrieval using deep blue algorithm[J].Journal of Remote Sensing,2012,16(3):596-610.
[18]周永波,白洁,周著华,等.FY-3A/MERSI海上沙尘天气气溶胶光学厚度反演[J].遥感学报,2014,18(4):771-787. ZHOU Yongbo,BAI Jie,ZHOU Zhuhua,et al.Aerosol optical depth retrieval from FY-3A/MERSI for sand-dust weather over ocean[J].Journal of Remote Sensing,2014,18(4):771-787.
[19]ICHOKU C,KAUFMAN Y J,REMER L A,et al.Global aerosol remote sensing from MODIS[J].Advances in Space Research,2004,34(4):820-827.
[20]夏祥鳌.全球陆地上空MODIS气溶胶光学厚度显著偏高[J].科学通报,2006,51(19):2297-2303. XIA Xiangao.MODIS aerosol optical depth over the global land significantly higher[J].Chinese Science Bulletin,2006,51(19):2297-2303.
[21]王莉莉,辛金元,王跃思,等.CSHNET观测网评估MODIS气溶胶产品在中国区域的适用性[J].科学通报,2007,52(4):477-486. WANG Lili,XIN Jinyuan,WANG Yuesi,et al.CSHNET observation network to assess the applicability of MODIS aerosol products in China region[J].Chinese Science Bulletin,2007,52(4):477-486.
[22]周春艳,柳钦火,唐勇,等.MODIS气溶胶C004、C005产品的对比分析及其在中国北方地区的适用性评价[J].遥感学报,2009,13(5):854-872. ZHOU Chunyan,LIU Qinhuo,TANG Yong,et al.Comparison between MODIS aerosol product C004 and C005 and evaluation of their applicability in the north of China[J].Journal of Remote Sensing,2009,13(5):854-872.
[23]LI X,XIA X A,WANG S L,et al.Validation of MODIS and deep blue aerosol optical depth retrievals in an arid/semi-arid region of northwest China[J].Particuology,2012,10(1):132-139.
[24]孙晓雷,甘伟,林燕,等.MODIS 3 km气溶胶光学厚度产品检验及其环境空气质量指示[J].环境科学学报,2015,35(6):1657-1666. SUN Xiaolei,GAN Wei,LIN Yan,et al.Validation of MODIS 3 km aerosol optical depth product and its air quality indication[J].Acta Scientiae Circumstantiae,2015,35(6):1657-1666.
[25]KAUFMAN Y J,SENDRA C.Algorithm for automatic atmospheric corrections to visible and near-IR satellite imagery[J].International Journal of Remote Sensing,1988,9(8):1357-1381.
[26]MI W,LI Z Q,XIA X G,et al.Evaluation of the moderate resolution imaging spectroradiometer aerosol products at two aerosol robotic network stations in China[J].Journal of Geophysical Research Atmospheres,2007,112(D22):321-341.
[27]BILAL M,NICHOL J E.Evaluation of MODIS aerosol retrieval algorithms over the Beijing-Tianjin-Hebei region during low to very high pollution events[J].Journal of Geophysical Research Atmospheres,2015,120(5):7941-7957.
[28]HOLBEN B N,ECK T F,SLUTSKER I,et al.Aeronet-A federated instrument network and data archive for aerosol characterization[J].Remote Sensing of Environment,1998,66(1):1-16.
[29]ÅNGSTRÖM A.The parameters of atmospheric turbidity[J].Tellus,1964,16(1):64-75.
(责任编辑：高丽华)
Verification of MODIS C5 and C6 and Their Regional Adaptability Evaluation
YANG Yikun,SUN Lin,WEI Jing,TIAN Xinpeng,JIA Chen
(College of Geomatics, Shandong University of Science and Technology,Qingdao,Shandong 266590,China)
MODIS Collection 5(C5) and Collection 6(C6), the two current daily Aerosol Optical Depth (AOD) products based on the Dark Target (DT) and Deep Blue (DB) algorithms provided by NASA,provide important data support for the evaluation of atmospheric particulate matter and the effects of climate change.Because they are based on different aerosol retrieval methods,to make clear the precision and regional adaptability of the two products is of great significance for users in selecting reasonable data products.In this paper,the accuracy and regional adaptability of the two products in several typical regions were analyzed based on the data of AERONET distibuted in China.The results show that: ①The overall retrieval accuracy of DT C6 algorithm is slightly better than that of DT C5 algorithm;②Compared with DT algorithm,DB algorithm has an overall higher retrieval accuracy (R=0.91，RMSE～0.166，MAE～0.116) with significantly increased effective observation days and can reduce approximately 15% aerosol overestimation;③With higher accuracy in vegetation areas but poorer adaptability in bright areas,C6 DT algorithm has large missing values,while DB algorithm,with the capability of retrieving aerosol over both dark and bright surfaces,has higher aerosol accuracy in urban and sparse vegetated areas,thus improving the spatial continuity significantly.
MODIS;aerosol optical depth;AERONET;dark target;deep blue
2016-03-03
国家自然科学基金项目(41171270)；山东省杰出青年基金项目(2012JQB01025)
杨以坤(1992—)，男，山东菏泽人，硕士研究生，主要从事大气遥感研究.E-mail:yangykun_rs@163.com 孙 林(1975—)，男，山东枣庄人，教授，博士，主要从事大气探测方面的研究.E-mail:sunlin6@126.com
P407
A
1672-3767(2016)05-0017-11
