基于Himawari 8的沙尘遥感监测与应用

邱 昀,李令军,鹿海峰,赵文慧,姜 磊,张立坤,王新辉



基于Himawari 8的沙尘遥感监测与应用

邱 昀,李令军*,鹿海峰,赵文慧,姜 磊,张立坤,王新辉

(北京市环境保护监测中心,北京 100048)

基于Himawari 8静止卫星数据实现了沙尘天气24h动态遥感监测.通过对Himawari 8通道15、13、11亮温值、通道15与13亮温差(BT15-BT 13)、通道13与11亮温差(BT13-BT 11)进行时间序列分析和直方图统计,发现在所选通道中,各地物亮温值分布较为接近,冰云亮温值约为220~250K;沙尘、水云和高纬度地表亮温值约为260~270K;低云、雾和中纬度地表亮温值约为270~290K.通道13对识别沙尘较为敏感,沙尘在通道13的亮温值明显低于通道11和15,在BT15-BT13亮温差值图上沙尘区存在明显高值, 在BT13-BT11亮温差值图上为负值,明显低于其他地物.相关性分析结果显示,BT15-BT13和 BT13-BT11与地面PM10浓度在0.01水平上显著相关.通过BT15-BT13、BT13-BT11和通道13进行假彩色合成生成的沙尘遥感结果与气象数据,地面PM10数据,激光雷达数据相结合,可对华北地区沙尘污染的起源,形成过程和行进轨迹进行24h的三维动态观测.

沙尘；亮温差；亮温；Himawari 8

沙尘天气是指风将大量沙尘卷入大气中导致水平能见度小于1km的灾害性天气现象[1].由于裸露土地较多缺少植被覆盖加之春季气象条件活跃,我国北方地区春季经常受到沙尘天气影响[2].

2017年5月3日~4日,北方地区遭受强沙尘天气影响,导致北方多地出现空气质量下降.沙尘常规的地面气象观测与污染监测费时费力,而且覆盖范围有限.为对沙尘过程进行实时动态监测,卫星遥感技术成为监测沙尘天气过程的重要手段[3].沙尘遥感监测主要是利用悬浮的沙尘粒子与大气中其他物质对不同通道散射和吸收特性上的差异这一特征,从卫星影像上判实沙尘暴发生位置及其移动轨迹[3-5].

沙尘遥感卫星包括极轨卫星和静止卫星两种[6].基于极轨卫星NOAA的多通道沙尘遥感监测方法经过多年的发展完善较为成熟,具有低轨高分辨率的优点[4],但对观测区域的观测频次较低.静止卫星可对所覆盖的固定区域进行高频次的观测,频次达分钟级[6],可实现对沙尘过程的实时昼夜监测.

欧洲很多学者利用静止卫星MSG对撒哈拉沙漠的沙尘暴进行遥感观测[5,7-11],发现沙尘粒子的消光特性在10μm左右通道较为显著可用于沙尘识别,并且沙尘天气下区域相对湿度较低,水气在8.7μm通道特征显著,可用于区别沙尘区和非沙尘区[5,11].同时,沙尘气溶胶光学厚度增加会增强BT12-BT11 和BT11-BT8.5的亮温差[9].因此,通常使用8.5,11, 12μm通道进行亮温差计算后,用BT12-BT10.8,BT10.8-BT8.7和10.8µm通道进行假彩色合成对沙尘遥感观测.我国沙尘遥感监测研究主要基于风云2和3号气象卫星[12-13],使用其8~12μm通道[14-17]以及红外分裂窗通道进行沙尘识别,红外分裂窗通道不仅可识别出强沙尘,对弱沙尘也有很好的识别效果[18-32].

2014年10月,日本发射了Himawari 8地球同步卫星,空间分辨率高达500m,时间分辨率高达10mins.为提高对我国北方地区沙尘天气遥感监测频次,提高沙尘识别精度.实现昼夜连续的沙尘灾害动态监测.本研究分析了Himawari8卫星数据特征,确定了用于判别沙尘暴的假彩色合成通道,提出了基于Himawari 8卫星影像的沙尘识别方法,并通过了地面监测结果验证.最后利用卫星遥感和地面监测数据详细分析了2017年5月3~4日影响我国北方广大地区的一次典型沙尘污染过程.

1 数据和方法

本研究基于Himawari8卫星数据的沙尘遥感方法,监测范围涵盖我国广大北方地区(具体102.07°E~122.42°E,32.58°N~46.92°N).Himawari8卫星共有16个通道,本研究使用Himawari8的通道11、13和15进行沙尘识别,各通道参数如表1所示.通道13和15属于红外通道,可以实现对沙尘的昼夜监测,且在这两个通道上沙尘比地面亮温值低,同时比同高度的云亮温值高.通道11为水汽通道,在这个通道上沙尘区域表现为干区.

本研究使用的地面数据为PM10小时浓度值,分别使用北京、张家口、石家庄、大同以及北京市定陵、海淀万柳、顺义24h的PM10浓度值绘制时间变化曲线,与影像数据进行比对与相关性分析以及显著性检验,验证沙尘遥感结果的准确性.使用的风向、风速和相对湿度等气象数据来自北京气象台.

表1 通道参数

用于验证沙尘垂直过程的激光雷达数据来自于北京怡孚和融科技有限公司生产的EV-LIDAR 微脉冲激光雷达.本次探测工作使用的是安装于定陵和琉璃河的两台激光雷达,使用波长为532nm,空间垂直分辨率为15m,单脉冲输出能量10 μJ,数据分析时采用观测的10min 平均数据,激光雷达接受回波盲区设定为105m,105m 以下的数据不进行分析[19].

2 案例分析

2.1 气象数据与天气形势演变

从天气实况图(图1)中可以看到,受东移发展的蒙古气旋后部上升气流影响,2017年5月3~4日北方多地出现沙尘天气导致区域PM10浓度上升.3日蒙古国和内蒙古中西部出现大范围沙尘天气,沙尘随西北气流逐渐向东南方向移动(图1a). 4日凌晨至上午,京津冀地区由均压场转受西部弱高压影响(图1b),高空气流下沉运动增强,中低空均转为一致的偏北气流,上游沙尘开始影响北京.下午到夜间,西部高压减弱消失,北部低压发展,京津冀平原区风向又由偏北转偏南,且风速较小,浮尘消散缓慢,滞留在华北区域.5日上午,京津冀地区再次转受高压前部影响,在较强偏北风的作用下,沙尘持续向下游飘散,沙尘影响过程结束.

2.2 沙尘过程遥感监测分析

(a)通道11、13、15亮温值, PM10浓度时间序列 (b)北方沙尘区域亮温值统计直方图

PM10浓度变化曲线(图2a)看,内蒙古呼和浩特市受沙尘影响较为严重,12:00PM10浓度开始呈现上升趋势,19:00呼市PM10浓度大幅上升.为探讨沙尘的遥感属性,本研究选取5月3日24:00的Himawari8卫星数据,分别提取呼和浩特市中心点位(111.73E,40.83N)通道11、13、15的亮温值,得到24h亮温值变化曲线.图2a所示,3个通道亮温值较为接近,从12:00起,随着沙尘的到来,3个通道亮温值也随之升高并维持在270K上下,且通道13的亮温值开始逐渐明显低于其他2个通道,其中15:00通道13与另2个通道的亮温差值最大.结合PM10地面监测浓度,可以看出 PM10地面浓度升高晚于通道亮温值,主要由于高空的沙尘需要一段时间下沉到地面.

对3日15:00 3个通道影像进行亮温统计,结果显示(图2b),研究区域内3个通道亮温值分布在220~290K之间,亮温值在220~250K区间的主要是温度较低的高层云,如冰云、水云[34];270~290K区间的主要是低层云、雾以及中纬度地表[34-36].分布在250~270K区间的像素数最多,主要为沙尘和纬度较低的高纬度地表[36].由于影像中亮温值处于260~270K区间的像素数较多且高纬度亮地表的亮温值也在这个区间,所以无法使用该区间用于沙尘识别,因此本研究利用沙尘区域通道13亮温值明显低于其他通道这一特点进行沙尘区提取,分别计算BT15-BT13和BT13-BT11并绘制5月3日24h变化曲线.

图3 呼和浩特市BT15-BT13和BT13-BT11亮温差变化曲线

表2 不同地物亮温(差)值统计(K)

结果如图3所示,12:00受沙尘影响,BT15- BT13亮温差值明显增大,差值由负转正,而BT13- BT11亮温差则减少,由正变负.同样,统计15:00影像中亮温差值分布情况,结果发现沙尘区BT15- BT13亮温差明显高于其他区域,同时BT13-BT11亮温差明显低于其他区域.结合对沙尘较为敏感的通道13的影像,统计出不同地物的亮温值分布情况如表2所示.

忽然，树枝摇晃起来，叶子上的水落下来，洒了秀容月明一身。秀容月明惊讶得抬起头，他看到了一颗颗黑紫色的桑枣，也看到树丫上坐着一个少女，赤着脚，一双亮晶晶的眼睛正盯着他，看他湿淋淋的样子，少女咯咯咯地笑起来。

统计结果可以看到,通道13亮温值相近无法区分的地物在BT15-BT13和BT13-BT11亮温差值上会有明显差异,因此将BT15-BT13、 BT13-BT11和通道13进行RGB假彩色合成,生成我国北方地区沙尘遥感图,图中沙尘区域呈紫红色.该图不仅可以突出沙尘区域展现沙尘移动过程,同时还可以观测到地表和大气中云雾的各种物理形态,图中冰云呈深红色,水云呈棕黄色,雾呈黄绿色,低云呈褐色,高纬度冷地表呈亮黄色,中纬度地表呈蓝色.

图4 2017年5月3~4日北方地区沙尘遥感

对北方地区遥感监测图(图4)统计得出,本次沙尘天气于2017年5月3日凌晨起源于蒙古国南部和内蒙古中西部.自5月3日6:00,沙尘从内蒙古中段北部进入我国并向东向南移动,下午14:00陕西、山西北部相继出现沙尘天气.至18:00,沙尘影响到河北西北部,开始影响到华北地区,进入华北平原区后沙尘强度有所减弱,表现为遥感影像上紫红色沙尘区颜色变浅.5月4日凌晨,沙尘影响到京津冀地区.4日上午8:00,第2股沙尘进入我国,从内蒙中部向西南移动至京津冀平原,于晚间进入华北平原.

据统计,2次沙尘过程影响到北方地区面积共84.8万km2,覆盖北方地区京、津、冀、鲁、豫、晋、陕、辽,内共9个省市.其中内蒙古大部、陕西、山西北部,河北西北部为强沙尘天气, 当地PM10浓度值达2000~2500μg/m3,进入华北平原区后沙尘强度有所减弱,PM10浓度值在1000μg/m3左右.

2.3 地面验证

沙尘遥感结果显示,沙尘过境呼和浩特后影响到山西北部,从河北西北部进入京津冀平原区,因此选取路径上受沙尘天气影响的4个北方地区城市(大同,张家口,石家庄,和北京),从遥感影像中提取通道数据,结合地面监测PM10颗粒物浓度验证遥感监测结果的准确性.

结果显示,自5月3日下午16:00,大同、张家口、石家庄、北京通道13亮温值依次大幅上升,升至270~280K(图5a).同一时段,大同地区BT15-BT13亮温差值16:00也明显升高至大于1K,随后张家口、石家庄、北京也依次升高; BT13-BT11亮温差值也相应显著下降至小于0K.对比地面PM10浓度监测数据,4个城市PM10浓度也依次升高至1000~2000μg/m3,由于沙尘从高空沉降到地面需要一段时间,因此地面PM10浓度大幅上升时间晚于影像数据.5月4日受云影响亮温值及差值波动显著,8:00~ 12:00云层过境大同、张家口,使两市通道值13亮温值有下降波动,亮温值降至260K以下,相应BT15- BT13值下降至-2~0K, BT13-BT11值上升至0~3K. 20:00后云层移动至北京、石家庄,受云层影响亮温值及差值也相应响应变化.沙尘经过大同、张家口进入京津冀平原区后沙尘强度有所减弱.大同、张家口地面PM10浓度为1500~2000μg/m3,进入石家庄、北京后降至1000μg/m3左右.相应在遥感影像上(图4)沙尘区进入华北平原后变为浅紫红色.

(a)亮温值与地面PM10颗粒物浓度时间序列,(b)亮温差时间序列

表3 PM10浓度和亮温差相关性分析

注:**表示在0.01水平(双侧)上显著相关;样本容量194.

将强沙尘时段(即PM10大于500μg/m3)的地面PM10浓度分别与遥感影像提取的BT15- BT13、BT13-BT11亮温差值进行相关性统计分析,结果(表3)显示BT15-BT13、BT13-BT11亮温差值,通道13亮温值与PM10浓度在0.01水平上显著相关,相关系数分别为0.44,0.548和0.448. BT15-BT13、BT13- BT11亮温差值和通道13亮温值三者之间也有显著的相关性.遥感结果(图4)与地面形势图(图1)一致,因此遥感监测结果较为准确.

2.4 北京沙尘污染过程分析

结合地面监测PM10浓度数据,激光雷达监测结果,沙尘遥感结果以及气象数据,可对北京地区沙尘污染的起源,形成过程和行进轨迹进行三维立体的动态追踪监测和分析.气象数据(图6b)显示,4日0:00~6:00北京受西北风作用,风力为5~6m/s导致当地PM10浓度突增至1000μg/m3,同时相对湿度降低至30%以下.选取定陵、海淀区万柳、顺义新城3个点位观察地面PM10浓度变化情况.结果显示(图6a),定陵地面PM10浓度最先开始升高,在西北风作用下,北京地区地面PM10浓度呈现由西向东依次升高.

图7 定陵、海淀万柳、顺义新城亮温和亮温差变化曲线

(a)为消光系数,(b)为退偏比

3 结论

3.1 Himawari 8通道11、13、15亮温值对沙尘、云以及不同地物等响应各异.沙尘在通道13的亮温值明显低于通道11和15,在通道15与13的亮温差明显高于其他地物,且其在通道13与11的亮温差为负,明显低于其他地物.据此利用BT15-BT13、 BT13-BT11和通道13进行RGB假彩色合成能够实现沙尘的动态遥感监测.

3.2 与地面监测对比分析,沙尘遥感监测结果较为可靠.从合成影像中提取亮温值及其差值与PM10浓度地面监测数据比较,相关性分析结果表明遥感结果与地面PM10浓度值在0.01水平显著相关.

3.3 2017年5月3~4日北方地区的沙尘天气过程主要是受到西北冷空气带来的两股沙尘影响,沙尘影响内蒙古,陕西、山西北部从河北西北部进入京津冀平原区,后向南扩散至山东、河南北部,随气团转向后滞留在华北平原区,影响面积达84.8万km2.

3.4 沙尘自西向东过境北京,垂直方向上特征表现为,先在北京上空积聚,一段时间后开始下沉影响近地面,使近地面可吸入颗粒物浓度升高.

[1] 李令军,高庆生.2000年北京沙尘暴源地解析[J]. 环境科学研究, 2001,14(2):1-3.

[2] 连品洁,刘 佳.我国沙尘天气频次逐年减少专家解析沙尘天气成因[N]. 人民日报, 2017-04-17(9).

[3] 方宗义,张运刚,郑新江,等.用气象卫星遥感监测沙尘暴的方法和初步结果[J]. 第四纪研究, 2001,21(1):48-55.

[4] 韩 涛,李耀辉,郭 铌.基于EOS/MODIS资料的沙尘遥感监测模型研究[J]. 高原气象, 2005,24(5):757-764.

[5] Klüser L, Schepanski K.Remote sensing of mineral dust over land with MSG infrared channels: A new Bitemporal Mineral Dust Index [J]. Remote sensing of environment, 2009,113(9):1853-1867.

[6] 张 林.为何要有极轨和静止两种气象卫星？[N].《中国气象报》, 2016-12-25(3).

[7] Zhang P. Technical note: Quantitative monitoring of a Saharan dust event with SEVIRI on Meteosat-8 [J]. International Journal of Remote Sensing, 2007,28(10):2181-2186.

[8] Sannazzaro F, Corrado R, Filizzola C, et al. A new algorithm to detect desert dust outbreaks using MSG-SEVIRI data [C]//Eumetsat Meteorological Satellite Conference &, American Meteorological Society. 2014:486-471.

[9] Legrand M, Vergédépré G, Pancrati O. Remote sensing of dust in Africa using MSG/SEVIRI: Towards a multichannel dust index [C]//Msg Rao Workshop. Second MSG RAO Workshop, 2004:1-4

[10] Pierangelo C, Chédin A, Heilliette S, et al. Dust altitude and infrared optical depth from AIRS [J]. 2004,4(7):1813-1822.

[11] Schmetz J, Pili P, Tjemkes S, et al. An Introduction to Meteosat Second Generation (MSG). [J]. Bulletin of the American Meteorological Society, 2002,83(7):977-992.

[12] 范一大,史培军,罗敬宁.沙尘暴卫星遥感研究进展[J]. 地球科学进展, 2003,18(3):367-373.

[13] 胡秀清.中国北方沙尘暴的静止气象卫星遥感监测研究[D]. 北京:北京师范大学, 2004.

[14] 曹广真,张 鹏,胡秀清,等.静止与极轨气象卫星监测沙尘的融合算法研究[J]. 气象科技进展, 2016,6(1):116-119.

[15] 周 纪,唐 艳,宫阿都,等.利用静止气象卫星数据提取沙尘信息[J]. 中国矿业大学学报, 2009,38(5):149-154.

[16] 郑永光,陈 炯,陈明轩,等.北京及周边地区5~8月红外云图亮温的统计学特征及其天气学意义[J]. 科学通报, 2007,52(14):1700- 1706.

[17] 李亚春,孙 涵,徐 萌,等.白天低云大雾卫星遥感监测方法的初步研究[C]//海峡两岸空间资讯与防灾科技研讨会, 2001:10-14.

[18] 杨 岚,魏 鸣,徐永明.长江三角洲雾的MODIS遥感检测[J]. 科技创新导报, 2008,(13):1-1.

[19] 石琳琳,李令军,李 倩,等.2016年北京市春节大气颗粒物污染特征激光雷达监测分析[J]. 环境科学, 2017,38(10):4092-4099.

[20] 罗敬宁,徐 喆,亓永刚.基于风云三号卫星的全球沙尘遥感方法[J]. 中国沙漠, 2015,35(3):690-698.

[21] 杨志华,张 旭,毛炜峄.基于FY-3B/VIRR数据的新疆沙尘天气遥感监测应用研究[J]. 沙漠与绿洲气象, 2014,8(5):48-52.

[22] 涂乾光,郝增周,潘德炉,等.基于MTSAT卫星的海上沙尘自动监测[J]. 光学学报, 2011,31(12):251-259.

[23] 胡秀清,卢乃锰,张 鹏.利用静止气象卫星红外通道遥感监测中国沙尘暴[J]. 应用气象学报, 2007,18(3):266-275.

[24] 李海萍,熊利亚,庄大方.中国沙尘灾害遥感监测研究现状及发展趋势[J]. 地理科学进展, 2003,22(1):45-52.

[25] 黄丽坤,王广智,王 琨.哈尔滨市沙尘期大气颗粒物物化特征及传输途径分析[J]. 中国环境科学, 2014,34(8):1920-1926.

[26] 陈 静,张艳品,杨 鹏,等.石家庄一次沙尘气溶胶污染过程及光学特性[J]. 中国环境科学, 2016,36(4):979-989.

[27] 杨 欣,陈义珍,刘厚凤,等.北京春季一次沙尘气溶胶污染过程观测[J]. 中国环境科学, 2017,37(1):87-94.

[28] 刘筱冉,王金艳,邱继勇,等.沙尘天气对兰州市大气污染物置换和叠加作用[J]. 中国环境科学, 2018,38(5):1646-1652.

[29] 刘 超,张碧辉,花 丛,等.风廓线雷达在北京地区一次强沙尘天气分析中的应用[J]. 中国环境科学, 2018,38(5):1663-1669.

[30] 周 旭,张 镭,郭 琪,等.强沙尘暴的数值模拟及PM10浓度的时空变化分析[J]. 中国环境科学, 2017,37(1):1-12.

[31] 陈跃浩,景元书,高庆先.西北地区气候因素与北京市沙尘天气的关系研究[J]. 中国环境科学, 2015,35(3):683-693.

[32] 熊 洁,赵天良,韩永翔,等.1995~2004年东亚沙尘气溶胶的模拟源汇分布及垂直结构[J]. 中国环境科学, 2013,33(6):961-968.

[33] 李金香,李 峰.北京市一次沙尘过程中降水化学组分的监测分析[J]. 中国环境科学, 2012,32(12):2149-2154.

[34] 徐成鹏,葛觐铭,黄建平,等.基于CALIPSO星载激光雷达的中国沙尘气溶胶观测[J]. 中国沙漠, 2014,34(5):1353-1362.

[35] 张亚妮,张碧辉,宗志平,等.影响北京的一例沙尘天气过程的起沙沉降及输送路径分析[J]. 气象, 2013,39(7):911-922.

[36] 陈跃浩,高庆先,高文康,等.沙尘天气对大气环境质量影响的量化研究[J]. 环境科学研究, 2013,26(4):364-369.

Dust remote sensing monitoring and application based on Himawari 8.

QIU Yun, LI Ling-jun*, LU Hai-feng, ZHAO Wen-hui, JIANG Lei, ZHANG Li-kun, WANG Xin-hui

(Beijing Municipal Environmental Monitoring Center, Beijing 100048, China)., 2018,38(9)：3305~3312

Dust was monitored hourly based on Himawari 8data. Time series analysis and histogram statistic methods were used for analyzing the brightness temperature of Band15, 13, 11, BT15-BT 13 and BT13-BT 11. The results showed that each object shared the similar value range based on the selected Bands. The Brightness Temperature (BT) of ice cloud was about 220~250K; the BT of dust, water cloud and cold land was about 260~270K; and the BT of low cloud, fog and warm land was about 270~290K. Band13 was sensitive to identify dust because of the low BT value over dust area. The differences of BT in two infrared channels can clearly distinguish dust from other objects. The value of BT15-BT13 was high and the value of BT13-BT11 was low in dust area. The results of correlation analysis showed that BT15-BT13 and BT13-BT11 were significantly related to the ground PM10concentration at the 0.01level. BT15-BT13, BT13-BT11 and BT13 were used for false color composite for dust monitoring. Combine meteorological data, ground PM10data, Lidar and satellite remote sensing results, the source, formation process and moving track of dust weather can be monitored hourly from 3dimensions.

dust；brightness temperature difference；brightness temperature；Himawari 8

X87

A

1000-6928(2018)09-3305-08

邱 昀(1992-),女,北京人,硕士,主要从事卫星遥感在环境中的应用研究.

2018-01-22

市委、市政府重点工作及县政府应急项目(Z161100001116013)

* 责任作者, 教授级高工, lilj2000@126.com