VIIRS與AHI數(shù)據(jù)在陸地氣溶膠反演算法中的應用與比較研究一、引言1.1研究背景與意義大氣氣溶膠是指懸浮在大氣中的固態(tài)或液態(tài)微粒與氣體載體共同構成的多相體系，其粒徑范圍大致在10^{-3}-100\mum之間。盡管氣溶膠在大氣中的含量相對較少，卻在眾多關鍵領域發(fā)揮著極為重要的作用，對環(huán)境、氣候以及人類健康都有著深遠影響。在環(huán)境層面，氣溶膠是影響空氣質(zhì)量的關鍵因素之一。高濃度的氣溶膠，尤其是細顆粒物（如PM2.5），會導致大氣能見度顯著下降，引發(fā)霧霾等惡劣天氣現(xiàn)象。例如在一些工業(yè)化程度高、人口密集的地區(qū)，由于大量的工業(yè)排放、機動車尾氣排放等人為活動，大氣中氣溶膠濃度常常超標，嚴重影響當?shù)氐目諝赓|(zhì)量，導致人們的日常生活受到極大困擾，如交通出行受阻，戶外活動受限等。同時，氣溶膠中的某些成分，如重金屬、有機污染物等，還可能通過干濕沉降等方式進入土壤和水體，對生態(tài)系統(tǒng)造成破壞，影響動植物的生長和生存，進而破壞生態(tài)平衡。從氣候角度來看，氣溶膠對全球氣候有著復雜且重要的輻射強迫作用，包括直接輻射強迫和間接輻射強迫。氣溶膠的直接輻射強迫作用表現(xiàn)為對太陽輻射和紅外輻射的吸收與散射，從而改變地球-大氣系統(tǒng)的輻射收支平衡。例如，一些吸光性氣溶膠（如黑炭氣溶膠）能夠強烈吸收太陽輻射，使得大氣溫度升高；而散射性氣溶膠（如硫酸鹽氣溶膠）則主要散射太陽輻射，增加地球的反照率，導致地表接收的太陽輻射減少，起到降溫作用。氣溶膠的間接輻射強迫作用主要體現(xiàn)在其作為云凝結核（CCN）影響云的微物理特性。大量的氣溶膠顆粒會使云滴的數(shù)密度增加，云滴的平均半徑變小，這可能導致云對太陽輻射的反射率增加，即所謂的云反照率效應（第一間接效應）；同時，云滴粒徑的變化還可能影響云的壽命和降水效率，例如使云的維持時間加長，降水減少，這被稱為云壽命效應（第二間接效應）。這些復雜的輻射強迫作用使得氣溶膠成為氣候變化研究中不可忽視的重要因素，其對全球氣候的影響在不同地區(qū)和時間尺度上存在差異，增加了氣候變化預測的復雜性和不確定性。氣溶膠與人類健康之間也存在著緊密的聯(lián)系。當人類吸入含有氣溶膠的空氣時，氣溶膠中的有害物質(zhì)，如細菌、病毒、重金屬、有機污染物等，可能會進入人體呼吸系統(tǒng)，引發(fā)一系列健康問題。對于呼吸系統(tǒng)而言，長期暴露在高濃度氣溶膠環(huán)境中，可能導致呼吸道炎癥、哮喘、慢性阻塞性肺疾?。–OPD）等疾病的發(fā)病率增加。研究表明，PM2.5等細顆粒物能夠深入人體肺部，甚至進入血液循環(huán)系統(tǒng)，對心血管系統(tǒng)也會造成損害，增加心血管疾病的發(fā)病風險，如心臟病發(fā)作、中風等。此外，氣溶膠中的某些生物氣溶膠，如花粉、真菌孢子等，還可能引發(fā)過敏反應，影響人們的生活質(zhì)量和身體健康。傳統(tǒng)的地基探測方法雖然能夠在局部區(qū)域獲取較為準確的氣溶膠信息，但存在明顯的局限性。地基探測站點分布稀疏，無法全面反映大區(qū)域范圍內(nèi)氣溶膠的時空分布特征。例如在廣袤的沙漠、海洋、高山等地區(qū)，地基探測站點數(shù)量極少甚至缺失，難以獲取這些區(qū)域的氣溶膠數(shù)據(jù)。而且地基探測只能獲取站點所在位置的點上數(shù)據(jù)，對于區(qū)域尺度的氣溶膠分布情況缺乏整體了解，無法滿足對氣溶膠進行全面、動態(tài)監(jiān)測的需求。相比之下，衛(wèi)星遙感反演技術具有諸多優(yōu)勢，能夠有效彌補地基探測的不足。衛(wèi)星可以從高空對地球表面進行大面積觀測，覆蓋范圍廣，能夠獲取全球尺度的氣溶膠信息。同時，衛(wèi)星能夠按照一定的時間間隔進行重復觀測，從而實現(xiàn)對氣溶膠的動態(tài)監(jiān)測，及時捕捉氣溶膠的時空變化。通過衛(wèi)星遙感數(shù)據(jù)，我們可以獲取不同地區(qū)、不同時間的氣溶膠光學厚度（AOD）、粒子尺度譜分布、折射率等參數(shù)，為研究氣溶膠的來源、傳輸、轉(zhuǎn)化和沉降等過程提供豐富的數(shù)據(jù)支持。因此，衛(wèi)星遙感反演氣溶膠在大氣環(huán)境監(jiān)測、氣候變化研究等領域具有至關重要的作用，是獲取大區(qū)域氣溶膠信息的重要手段。可見光紅外成像輻射儀（VIIRS）和先進Himawari成像儀（AHI）作為兩種重要的衛(wèi)星傳感器，在氣溶膠反演研究中具有獨特的優(yōu)勢和應用潛力。VIIRS搭載于Suomi-NPP衛(wèi)星，具有較高的空間分辨率和較寬的觀測波段范圍，能夠提供豐富的地表和大氣信息，在全球氣溶膠監(jiān)測方面發(fā)揮著重要作用。AHI搭載于Himawari-8衛(wèi)星，作為靜止軌道衛(wèi)星傳感器，具有高時間分辨率的特點，能夠?qū)μ囟▍^(qū)域進行頻繁觀測，適合用于研究氣溶膠的快速變化過程。然而，目前基于VIIRS和AHI數(shù)據(jù)的陸地氣溶膠反演算法仍存在一些問題和挑戰(zhàn)，不同算法在不同地表類型和大氣條件下的反演精度和穩(wěn)定性存在差異。例如，在復雜地表（如城市、山區(qū)等）和特殊大氣條件（如高濕度、沙塵天氣等）下，反演算法可能會受到地表反射率不確定性、氣溶膠模型不匹配等因素的影響，導致反演結果誤差較大。因此，深入研究基于VIIRS和AHI數(shù)據(jù)的陸地氣溶膠反演算法，提高反演精度和可靠性，對于更準確地獲取陸地氣溶膠信息，進一步理解氣溶膠在環(huán)境、氣候和人類健康等方面的作用機制具有重要的現(xiàn)實意義，能夠為大氣環(huán)境治理、氣候變化應對等提供更有力的數(shù)據(jù)支持和科學依據(jù)。1.2國內(nèi)外研究現(xiàn)狀隨著衛(wèi)星遙感技術的不斷發(fā)展，利用VIIRS和AHI數(shù)據(jù)進行陸地氣溶膠反演成為大氣科學領域的研究熱點，國內(nèi)外學者在這方面開展了大量研究并取得了一系列成果。在基于VIIRS數(shù)據(jù)的陸地氣溶膠反演研究中，許多學者致力于改進反演算法以提高精度。王聯(lián)霞等人通過構建基于像素的動態(tài)地表反射率關系庫，實現(xiàn)了利用VIIRS數(shù)據(jù)進行陸地氣溶膠光學厚度（AOD）的高分辨率反演。利用全球氣溶膠自動觀測網(wǎng)站AERONET地基站點觀測結果對反演結果進行對比驗證，發(fā)現(xiàn)二者具有顯著的相關性，相關系數(shù)達到0.849，RMSE為0.184，優(yōu)于官方產(chǎn)品的0.197，通過與真彩圖比對，反演結果較官方產(chǎn)品更符合實際氣溶膠分布趨勢。該算法在陸地AOD反演上具有良好的性能，為進一步研究利用Suomi-NPPVIIRS數(shù)據(jù)反演大氣顆粒物質(zhì)量濃度提供了重要數(shù)據(jù)源。也有研究將人工智能技術引入到基于VIIRS數(shù)據(jù)的氣溶膠反演中，通過對物理輻射傳輸方程的理論推導確定反演條件，構建泛化的統(tǒng)計方法，利用物理方法和統(tǒng)計方法的代表性解作為訓練和測試數(shù)據(jù)，選取深度學習模型中的全連接神經(jīng)網(wǎng)絡耦合物理和統(tǒng)計方法，提高了氣溶膠反演的精度和穩(wěn)定性。國外方面，部分研究聚焦于利用VIIRS數(shù)據(jù)對特定區(qū)域的氣溶膠時空分布特征進行分析。通過對多年VIIRS數(shù)據(jù)的處理和分析，揭示了某一地區(qū)氣溶膠在不同季節(jié)、不同年份的變化規(guī)律，以及氣溶膠與當?shù)貧庀髼l件、人類活動之間的關系。有研究利用VIIRS數(shù)據(jù)對城市地區(qū)的氣溶膠進行反演和監(jiān)測，分析了城市氣溶膠的來源和傳輸路徑，發(fā)現(xiàn)城市中工業(yè)排放、機動車尾氣等人為源是氣溶膠的主要來源，且在特定的氣象條件下，氣溶膠會在城市上空積聚，形成高濃度污染區(qū)域。在基于AHI數(shù)據(jù)的陸地氣溶膠反演方面，國內(nèi)研究也取得了不少進展。佘璐博士課題組以靜止衛(wèi)星Himawari-8/AHI觀測為數(shù)據(jù)源，構建了基于Transformer的多波段氣溶膠光學厚度（AOD）時序反演算法（TMAT）。該算法充分利用深度學習(Transformer)的多任務學習能力和序列信息提取能力，通過時序觀測挖掘氣溶膠和地表的日變化特性，可實現(xiàn)同時反演一天內(nèi)每10分鐘的多波段AOD，并且具有非常高的精度。研究利用了2019年整年（每10分鐘）的Himawari-8/AHI觀測數(shù)據(jù)和SONET、AERONET站點的氣溶膠觀測，驗證結果表明，TMAT算法顯著提升AOD反演精度，均方根誤差（RMSE）為0.101，相關系數(shù)R達到0.949，81.69%的反演落入誤差范圍內(nèi)。中國科學院空天信息創(chuàng)新研究院石崇研究團隊提出一種融合大氣輻射傳輸模型與遷移學習（數(shù)據(jù)驅(qū)動）的全新遙感算法AIRTrans，實現(xiàn)了利用AHI數(shù)據(jù)對氣溶膠光學特性的精準高效反演。該算法基于輻射傳輸模型，充分考慮多種氣溶膠類型光學特性與地表特性，構建了衛(wèi)星仿真模擬數(shù)據(jù)庫，預訓練神經(jīng)網(wǎng)絡模型，再通過地面實測數(shù)據(jù)對模型進行微調(diào)，提升真實場景泛化能力。與地面觀測數(shù)據(jù)的驗證結果顯示，AIRTrans算法在全球多區(qū)域獨立驗證中表現(xiàn)優(yōu)異，AOT和FMF反演結果的均方根誤差（RMSE）分別為0.132和0.146，較Himawari-8衛(wèi)星官方產(chǎn)品精度提升約40%和49%。國外對于AHI數(shù)據(jù)的應用研究，除了關注氣溶膠反演精度的提升，還注重算法的普適性和業(yè)務化應用。有研究將基于AHI數(shù)據(jù)的氣溶膠反演算法應用于氣象災害監(jiān)測和空氣質(zhì)量預警等實際業(yè)務中，通過實時獲取的AHI數(shù)據(jù)快速反演氣溶膠參數(shù)，為災害預警和環(huán)境治理提供及時的數(shù)據(jù)支持。還有研究致力于將AHI數(shù)據(jù)與其他衛(wèi)星數(shù)據(jù)或地面觀測數(shù)據(jù)進行融合，以獲取更全面、準確的氣溶膠信息。通過將AHI數(shù)據(jù)與地基雷達數(shù)據(jù)相結合，利用雷達提供的垂直信息補充AHI數(shù)據(jù)在垂直方向探測的不足，從而更準確地反演氣溶膠的垂直分布特征。盡管國內(nèi)外在基于VIIRS和AHI數(shù)據(jù)的陸地氣溶膠反演算法研究方面取得了一定成果，但仍存在一些不足之處。不同算法在復雜地表和特殊大氣條件下的適應性有待進一步提高。在山區(qū)，地形起伏導致地表反射率變化復雜，現(xiàn)有的反演算法難以準確考慮地形對氣溶膠反演的影響，容易產(chǎn)生較大誤差。在沙塵天氣、高濕度等特殊大氣條件下，氣溶膠的光學特性發(fā)生變化，傳統(tǒng)的氣溶膠模型不再適用，導致反演精度下降。部分算法對先驗知識的依賴程度較高，而先驗知識的準確性和可靠性在實際應用中難以保證。在反演過程中需要準確的地表反射率、氣溶膠類型等先驗信息，但這些信息在不同地區(qū)和時間可能存在較大差異，若先驗知識不準確，會嚴重影響反演結果的精度。此外，目前對于VIIRS和AHI數(shù)據(jù)融合進行氣溶膠反演的研究相對較少，如何充分發(fā)揮這兩種傳感器的優(yōu)勢，實現(xiàn)數(shù)據(jù)的有效融合，以提高氣溶膠反演的時空分辨率和精度，是未來研究中可拓展的方向。1.3研究內(nèi)容與方法1.3.1研究內(nèi)容本研究旨在深入探究基于VIIRS和AHI數(shù)據(jù)的陸地氣溶膠反演算法，通過對算法原理的剖析、模型的構建以及精度驗證等工作，提升陸地氣溶膠反演的準確性和可靠性，具體研究內(nèi)容如下：深入剖析反演算法原理：對基于VIIRS和AHI數(shù)據(jù)的陸地氣溶膠反演的基礎理論進行深入研究，詳細分析輻射傳輸方程在氣溶膠反演中的應用，明確衛(wèi)星觀測數(shù)據(jù)與氣溶膠光學特性之間的定量關系。深入研究不同氣溶膠模型的特點和適用范圍，包括常見的大陸型、海洋型、沙塵型等氣溶膠模型，分析各模型中氣溶膠粒子的尺度分布、折射率等參數(shù)對輻射傳輸過程的影響?？紤]地表反射率的復雜性，研究不同地表類型（如植被、水體、土壤、城市等）的反射特性，分析其在不同波段下的反射率變化規(guī)律，以及如何準確獲取和校正地表反射率，以減少其對氣溶膠反演的干擾。構建高精度反演模型：基于對算法原理的理解，針對VIIRS和AHI數(shù)據(jù)的特點，分別構建適用于這兩種傳感器數(shù)據(jù)的陸地氣溶膠反演模型。在模型構建過程中，充分考慮傳感器的波段設置、空間分辨率、觀測角度等因素對反演結果的影響。對于VIIRS數(shù)據(jù)，利用其高空間分辨率和多波段觀測的優(yōu)勢，結合先進的機器學習算法（如神經(jīng)網(wǎng)絡、支持向量機等），構建能夠充分挖掘數(shù)據(jù)信息的反演模型，提高反演的精度和穩(wěn)定性。針對AHI數(shù)據(jù)高時間分辨率的特點，構建能夠捕捉氣溶膠快速變化的動態(tài)反演模型，利用時間序列分析方法，結合相鄰時刻的觀測數(shù)據(jù)，提高對氣溶膠時空變化的監(jiān)測能力。考慮將VIIRS和AHI數(shù)據(jù)進行融合，充分發(fā)揮兩者的優(yōu)勢，構建融合數(shù)據(jù)反演模型，進一步提高氣溶膠反演的時空分辨率和精度。在融合過程中，研究如何對不同傳感器的數(shù)據(jù)進行匹配和校準，解決數(shù)據(jù)一致性問題。全面開展精度驗證與分析：收集地面實測數(shù)據(jù)，包括AERONET等全球氣溶膠自動觀測網(wǎng)站的地基站點觀測數(shù)據(jù)，以及其他相關的地面監(jiān)測數(shù)據(jù)，用于對反演結果進行驗證。采用多種驗證指標，如相關系數(shù)（R）、均方根誤差（RMSE）、平均絕對誤差（MAE）等，對基于VIIRS和AHI數(shù)據(jù)反演得到的氣溶膠光學厚度（AOD）等參數(shù)與地面實測數(shù)據(jù)進行對比分析，評估反演算法的精度和可靠性。分析不同地表類型和大氣條件下反演算法的性能差異，例如在城市地區(qū)，研究人為源氣溶膠對反演精度的影響；在山區(qū)，分析地形對反演結果的干擾；在高濕度、沙塵等特殊大氣條件下，探討氣溶膠特性變化對反演算法的挑戰(zhàn)。根據(jù)精度驗證結果，對反演算法和模型進行優(yōu)化和改進，進一步提高反演精度。例如，通過調(diào)整模型參數(shù)、改進數(shù)據(jù)處理方法、優(yōu)化氣溶膠模型等方式，減少反演誤差，提高算法的適應性和穩(wěn)定性。1.3.2研究方法為了實現(xiàn)上述研究內(nèi)容，本研究將綜合運用多種研究方法，包括數(shù)據(jù)處理方法、模型構建方法以及對比分析方法等，具體如下：數(shù)據(jù)處理方法：對VIIRS和AHI原始數(shù)據(jù)進行預處理，包括輻射定標、幾何校正、大氣校正等操作，以確保數(shù)據(jù)的準確性和可靠性。在輻射定標過程中，根據(jù)傳感器的校準參數(shù)，將傳感器觀測到的數(shù)字量化值（DN）轉(zhuǎn)換為輻射亮度值；在幾何校正中，利用衛(wèi)星軌道參數(shù)和地面控制點，對圖像進行幾何變形糾正，使其符合地圖投影要求；大氣校正則是去除大氣對衛(wèi)星觀測信號的影響，得到地表真實反射率信息。利用數(shù)據(jù)融合技術，將VIIRS和AHI數(shù)據(jù)進行融合，以獲取更豐富的氣溶膠信息。采用像元級融合方法，對兩種傳感器的圖像進行直接融合，充分利用它們在空間分辨率和時間分辨率上的優(yōu)勢；也可以采用特征級融合方法，提取兩種數(shù)據(jù)的特征信息進行融合，提高反演算法對氣溶膠特征的識別能力。對地面實測數(shù)據(jù)進行質(zhì)量控制和篩選，去除異常值和錯誤數(shù)據(jù)，確保驗證數(shù)據(jù)的可靠性。采用統(tǒng)計分析方法，對地面數(shù)據(jù)進行統(tǒng)計描述，了解數(shù)據(jù)的分布特征，為后續(xù)的精度驗證提供準確的數(shù)據(jù)支持。模型構建方法：基于物理原理，利用輻射傳輸方程構建氣溶膠反演的物理模型。通過求解輻射傳輸方程，建立衛(wèi)星觀測信號與氣溶膠光學厚度、粒子尺度譜等參數(shù)之間的數(shù)學關系。在構建物理模型時，考慮大氣成分（如水汽、臭氧等）、地表反射特性以及太陽輻射等因素對輻射傳輸過程的影響，提高模型的準確性。引入機器學習算法，如神經(jīng)網(wǎng)絡、決策樹、隨機森林等，構建數(shù)據(jù)驅(qū)動的反演模型。利用大量的訓練數(shù)據(jù)，包括衛(wèi)星觀測數(shù)據(jù)和對應的地面實測氣溶膠參數(shù)，對機器學習模型進行訓練，使其能夠自動學習衛(wèi)星數(shù)據(jù)與氣溶膠參數(shù)之間的復雜映射關系。在訓練過程中，采用交叉驗證等方法，優(yōu)化模型參數(shù)，提高模型的泛化能力和反演精度。將物理模型和機器學習模型相結合，構建混合反演模型。利用物理模型提供先驗知識和約束條件，指導機器學習模型的訓練和反演過程；同時，利用機器學習模型的強大擬合能力，彌補物理模型在處理復雜情況時的不足，提高反演算法的性能。對比分析方法：將基于VIIRS和AHI數(shù)據(jù)的反演結果與地面實測數(shù)據(jù)進行對比，分析反演結果的準確性和誤差來源。通過繪制散點圖、計算驗證指標等方式，直觀地展示反演結果與實測數(shù)據(jù)之間的差異，并深入分析誤差產(chǎn)生的原因，如地表反射率估計誤差、氣溶膠模型不匹配、大氣校正誤差等。對基于VIIRS和AHI數(shù)據(jù)的反演算法進行對比，分析兩種算法在不同條件下的優(yōu)勢和劣勢。比較兩種算法在反演精度、計算效率、適用范圍等方面的差異，為實際應用中選擇合適的反演算法提供依據(jù)。將本研究提出的反演算法與已有的其他反演算法進行對比，評估本研究算法的性能提升程度。選擇一些經(jīng)典的、具有代表性的陸地氣溶膠反演算法，如MODIS的暗像元算法、深藍算法等，與本研究算法在相同的數(shù)據(jù)集和驗證條件下進行對比實驗，分析本研究算法在精度、穩(wěn)定性等方面的改進情況。1.4研究創(chuàng)新點融合多源數(shù)據(jù)優(yōu)勢：本研究創(chuàng)新性地將VIIRS和AHI數(shù)據(jù)進行融合，充分發(fā)揮VIIRS高空間分辨率和AHI高時間分辨率的特點。通過像元級和特征級融合方法，打破單一數(shù)據(jù)源在時空分辨率上的限制，為氣溶膠反演提供更豐富、全面的信息。這種融合方式能夠獲取更精確的氣溶膠時空分布特征，在以往基于單一VIIRS或AHI數(shù)據(jù)的研究中較少涉及，有望為氣溶膠監(jiān)測帶來新的視角和更準確的結果。改進反演算法：在反演算法方面，提出了基于物理模型與機器學習相結合的混合反演算法。利用輻射傳輸方程構建物理模型，提供先驗知識和約束條件，確保反演過程的物理合理性。同時，引入神經(jīng)網(wǎng)絡、隨機森林等機器學習算法，充分挖掘數(shù)據(jù)中的復雜特征和關系，提高算法對復雜情況的適應性和反演精度。這種將物理原理與數(shù)據(jù)驅(qū)動相結合的方式，彌補了傳統(tǒng)物理模型在處理復雜地表和大氣條件時的不足，以及純機器學習模型缺乏物理可解釋性的缺陷，為陸地氣溶膠反演算法的發(fā)展提供了新的思路。構建動態(tài)反演模型：針對AHI數(shù)據(jù)高時間分辨率的特性，構建了能夠捕捉氣溶膠快速變化的動態(tài)反演模型。該模型利用時間序列分析方法，結合相鄰時刻的觀測數(shù)據(jù)，考慮氣溶膠在時間維度上的演變規(guī)律，能夠更準確地監(jiān)測氣溶膠的時空動態(tài)變化。與傳統(tǒng)的靜態(tài)反演模型相比，動態(tài)反演模型能夠及時反映出氣溶膠的實時變化情況，對于研究氣溶膠的短期變化過程（如突發(fā)的污染事件、氣象條件變化引起的氣溶膠快速響應等）具有重要意義，有助于提升對氣溶膠變化的監(jiān)測和預警能力。全面的精度驗證與分析：在精度驗證環(huán)節(jié)，本研究采用了多種驗證指標（如相關系數(shù)、均方根誤差、平均絕對誤差等），對基于VIIRS和AHI數(shù)據(jù)反演得到的氣溶膠光學厚度等參數(shù)進行全面評估。不僅與地面實測數(shù)據(jù)進行對比，還深入分析不同地表類型和大氣條件下反演算法的性能差異。通過這種全面的精度驗證與分析，能夠更準確地評估反演算法的優(yōu)劣，為算法的優(yōu)化和改進提供更可靠的依據(jù)，從而提高反演結果的準確性和可靠性。二、VIIRS與AHI數(shù)據(jù)特性分析2.1VIIRS數(shù)據(jù)介紹2.1.1VIIRS傳感器概述可見光紅外成像輻射儀（VIIRS）搭載于Suomi-NPP衛(wèi)星。Suomi-NPP衛(wèi)星是美國國家航空航天局（NASA）和國家海洋和大氣管理局（NOAA）共同合作的對地觀測衛(wèi)星，于2011年10月28日成功發(fā)射。VIIRS作為該衛(wèi)星上的重要傳感器，重量約為252kg，由Raytheon公司研制開發(fā)。VIIRS是一種掃描式成像輻射儀，具備強大的觀測能力，能夠收集陸地、大氣、冰層和海洋在可見光和紅外波段的輻射圖像。其光譜波段豐富，共設有22個波段，波長范圍覆蓋0.3-14\mum。其中，可見光、近紅外部分包含9個波段，波長范圍在0.4-0.9\mum；短、中波紅外設有8個波段，波長范圍為1-4\mum；熱紅外波段有4個，波長范圍是8-12\mum，還有1個專門用于低照度條件下的可見光通道。這種廣泛的光譜覆蓋范圍使得VIIRS能夠獲取不同物質(zhì)在多個波段的輻射信息，為多種地球觀測研究提供了豐富的數(shù)據(jù)基礎。在空間分辨率方面，VIIRS在星下點的空間分辨率可達400m，掃描帶邊緣空間分辨率約為800m。其掃描幅寬達到±56°，掃描寬度約3000km，具有較大的觀測范圍。并且，該衛(wèi)星每4小時就會經(jīng)過赤道一次，能夠?qū)Φ厍虮砻孢M行較為頻繁的觀測。2011年11月21日，VIIRS獲取了首幅圖像，此后便持續(xù)為全球的地球觀測研究提供數(shù)據(jù)支持。憑借其獨特的參數(shù)設置和觀測能力，VIIRS在云量計算、氣溶膠特性測量、海洋水色監(jiān)測、海洋和陸地表面溫度測量、海冰運動和溫度監(jiān)測、火災探測以及地球反照率測定等眾多領域發(fā)揮著關鍵作用，為相關研究提供了不可或缺的數(shù)據(jù)來源。2.1.2VIIRS數(shù)據(jù)特點及優(yōu)勢VIIRS數(shù)據(jù)在空間分辨率、光譜范圍、時間分辨率等方面都具有顯著特點，這些特點使其在氣溶膠監(jiān)測等領域展現(xiàn)出獨特的優(yōu)勢。在空間分辨率上，VIIRS星下點400m的高空間分辨率使其能夠捕捉到地面上更細微的特征和變化。與一些空間分辨率較低的傳感器相比，VIIRS能夠更精確地分辨出小區(qū)域內(nèi)氣溶膠的分布情況。在城市地區(qū)，高分辨率可以清晰地識別出不同污染源周圍氣溶膠濃度的差異，對于研究城市中工業(yè)排放源、交通樞紐等附近的氣溶膠分布特征具有重要意義。在監(jiān)測一些小規(guī)模的氣溶膠污染事件，如局部地區(qū)的火災或小型工廠排放導致的氣溶膠濃度升高時，VIIRS的高分辨率能夠準確地確定污染范圍和強度，為及時采取應對措施提供準確的數(shù)據(jù)支持。從光譜范圍來看，VIIRS的22個波段涵蓋了從可見光到紅外的廣泛光譜區(qū)域。不同波段對氣溶膠的散射、吸收等光學特性具有不同的響應，這為氣溶膠的反演和特性分析提供了豐富的信息。在可見光波段，氣溶膠對不同波長的散射作用不同，通過分析不同可見光波段的輻射數(shù)據(jù)，可以獲取氣溶膠粒子的大小、形狀等信息。在紅外波段，某些波段對氣溶膠的吸收特性較為敏感，有助于識別氣溶膠的化學成分，如黑炭氣溶膠在紅外波段具有特定的吸收特征，通過相應波段的數(shù)據(jù)可以對其進行監(jiān)測和分析。這種多波段的光譜信息使得VIIRS在氣溶膠監(jiān)測中能夠更全面、準確地反演氣溶膠的各種參數(shù)，提高反演結果的可靠性。VIIRS每4小時經(jīng)過赤道一次的觀測頻率，使其在時間分辨率上也具有一定優(yōu)勢。雖然相較于一些靜止軌道衛(wèi)星，其時間分辨率不算高，但對于極軌衛(wèi)星來說，這樣的觀測頻率能夠較好地捕捉到氣溶膠在一天內(nèi)的變化趨勢。在研究氣溶膠的日變化規(guī)律時，VIIRS的數(shù)據(jù)可以提供多個時間點的觀測信息，分析氣溶膠濃度在不同時段的變化情況，以及與太陽輻射、氣象條件等因素的關系。例如，在白天隨著太陽輻射增強，大氣邊界層發(fā)展，氣溶膠的擴散和傳輸過程會發(fā)生變化，VIIRS的觀測數(shù)據(jù)可以幫助我們了解這些動態(tài)變化過程，為氣溶膠的時空演變研究提供數(shù)據(jù)基礎。VIIRS數(shù)據(jù)還具有良好的穩(wěn)定性和一致性。經(jīng)過嚴格的校準和定標處理，VIIRS數(shù)據(jù)在長時間的觀測過程中能夠保持相對穩(wěn)定的輻射測量精度，不同時間、不同地區(qū)獲取的數(shù)據(jù)具有較好的一致性。這使得在進行長期的氣溶膠監(jiān)測和分析時，能夠保證數(shù)據(jù)的可靠性和可比性，避免因數(shù)據(jù)波動或不一致導致的分析誤差。在研究氣溶膠的長期變化趨勢時，穩(wěn)定一致的數(shù)據(jù)能夠更準確地反映出氣溶膠濃度的真實變化情況，為評估氣候變化、大氣環(huán)境質(zhì)量演變等提供可靠的數(shù)據(jù)支持。2.2AHI數(shù)據(jù)介紹2.2.1AHI傳感器概述先進Himawari成像儀（AHI）搭載于日本氣象廳（JMA）的Himawari-8衛(wèi)星，這顆衛(wèi)星于2014年10月7日從種子島航天中心發(fā)射升空，并于同年10月16日在地球同步軌道上正式運行。它是世界氣象組織（WMO）主導的全球觀測系統(tǒng)（GlobalObservingSystem）的重要組成部分，其同步軌道位于東經(jīng)140.7度，高度約35786km，主要負責為西太平洋的30多個國家和地區(qū)提供氣象服務。AHI是一種多通道光譜成像儀，具備強大的地球系統(tǒng)觀測能力，可用于捕捉亞太地區(qū)的可見光和紅外圖像。其光譜覆蓋范圍為0.46-13.3\mum，共設有16個觀測波段。這些波段涵蓋了從可見光到紅外的多個關鍵光譜區(qū)域，每個波段都具有特定的觀測目的和應用價值。在可見光波段，如0.47\mum波段對水體和植被的反射特征較為敏感，可用于監(jiān)測海洋水色和植被生長狀況；0.64\mum波段對氣溶膠的散射特性有較好的響應，有助于氣溶膠的監(jiān)測和分析。在紅外波段，10.4-12.4\mum波段的熱紅外通道對于云頂溫度、地表溫度的探測十分關鍵，在氣象預報和氣候研究中發(fā)揮著重要作用。在空間分辨率方面，AHI在某些波段上表現(xiàn)出色，空間分辨率高達500m，例如在可見光的藍、綠、紅波段以及近紅外的部分波段。大部分波段的空間分辨率為2km。這種不同分辨率的設置是為了在滿足不同觀測需求的同時，平衡數(shù)據(jù)量和觀測效率。對于一些需要精細觀測的區(qū)域或目標，如城市地區(qū)的變化監(jiān)測、小型氣象災害的追蹤等，500m的高分辨率能夠提供更詳細的信息；而對于大面積的區(qū)域監(jiān)測，如海洋表面溫度的觀測、大范圍云層的監(jiān)測等，2km的分辨率則能夠在保證一定觀測精度的前提下，實現(xiàn)更快速、全面的覆蓋。AHI的時間分辨率是其顯著優(yōu)勢之一，它可以提供時間分辨率為10分鐘的全盤觀測圖像，以及時間分辨率為2.5分鐘的日本地區(qū)觀測圖像。這種高時間分辨率使得AHI能夠?qū)Φ厍虮砻娴淖兓M行高頻次監(jiān)測，及時捕捉到氣象、環(huán)境等方面的快速變化過程。在監(jiān)測臺風的發(fā)展過程中，AHI每10分鐘一次的全盤觀測可以實時跟蹤臺風的路徑、強度變化以及云系結構的演變，為臺風預警和防災減災提供及時、準確的數(shù)據(jù)支持。在研究氣溶膠的短期變化時，AHI高時間分辨率的觀測數(shù)據(jù)能夠反映出氣溶膠濃度在短時間內(nèi)的波動情況，有助于分析氣溶膠的來源和傳輸過程。憑借其獨特的參數(shù)設置和觀測能力，AHI在氣象監(jiān)測、環(huán)境監(jiān)測、氣候研究等眾多領域發(fā)揮著重要作用。在氣象監(jiān)測中，它能夠?qū)崟r監(jiān)測云的形態(tài)、運動和發(fā)展，為天氣預報提供關鍵信息；在環(huán)境監(jiān)測方面，可用于監(jiān)測大氣污染、火災、植被覆蓋變化等；在氣候研究中，AHI的數(shù)據(jù)有助于研究長期的氣候變化趨勢，分析氣候系統(tǒng)各要素之間的相互作用。2.2.2AHI數(shù)據(jù)特點及優(yōu)勢AHI數(shù)據(jù)在時間分辨率、空間分辨率、光譜設置等方面具有鮮明特點，這些特點使其在監(jiān)測氣溶膠動態(tài)變化等方面展現(xiàn)出獨特優(yōu)勢。高時間分辨率是AHI數(shù)據(jù)最為突出的特點之一。每10分鐘一次的全盤觀測以及2.5分鐘一次的日本地區(qū)觀測，使得AHI能夠?qū)馊苣z的動態(tài)變化進行高頻次監(jiān)測。在研究氣溶膠的日變化規(guī)律時，AHI的數(shù)據(jù)可以提供豐富的時間序列信息。清晨，隨著人類活動的增加，工業(yè)排放、機動車尾氣等氣溶膠源開始活躍，AHI能夠及時捕捉到氣溶膠濃度的上升趨勢；在白天，太陽輻射增強，大氣邊界層發(fā)展，氣溶膠會發(fā)生擴散和傳輸，AHI的高時間分辨率觀測可以追蹤氣溶膠在不同時段的擴散路徑和濃度變化；傍晚時分，隨著人類活動的減少以及氣象條件的變化，氣溶膠濃度又會發(fā)生相應改變，AHI的數(shù)據(jù)能夠完整地記錄這一過程。在監(jiān)測突發(fā)的污染事件，如工廠事故導致的大量氣溶膠排放時，AHI能夠在短時間內(nèi)多次觀測，快速確定污染范圍和強度的變化，為及時采取應對措施提供重要依據(jù)。在光譜設置方面，AHI的16個觀測波段涵蓋了從可見光到紅外的廣泛光譜區(qū)域，不同波段對氣溶膠的光學特性有著不同的響應。在可見光波段，氣溶膠對不同波長的散射作用存在差異，通過分析這些波段的輻射數(shù)據(jù)，可以獲取氣溶膠粒子的大小、形狀等信息。利用0.47\mum和0.64\mum波段的反射率差異，可以估算氣溶膠粒子的有效半徑，從而了解氣溶膠粒子的粗細程度。在紅外波段，某些波段對氣溶膠的吸收特性較為敏感，有助于識別氣溶膠的化學成分。例如，黑炭氣溶膠在紅外波段具有特定的吸收特征，通過分析10.4-12.4\mum熱紅外波段的輻射數(shù)據(jù)，可以對黑炭氣溶膠的含量進行監(jiān)測和分析。這種多波段的光譜信息使得AHI在氣溶膠監(jiān)測中能夠更全面、準確地反演氣溶膠的各種參數(shù)，提高反演結果的可靠性。盡管AHI大部分波段的空間分辨率為2km，部分波段為500m，相比一些高空間分辨率的極軌衛(wèi)星傳感器，其空間分辨率不算高，但在監(jiān)測大面積區(qū)域的氣溶膠分布時仍具有一定優(yōu)勢。對于一些大尺度的氣溶膠污染事件，如大規(guī)模的沙塵傳輸、區(qū)域范圍內(nèi)的霧霾污染等，AHI能夠快速覆蓋整個區(qū)域，獲取氣溶膠的宏觀分布信息。在監(jiān)測亞洲地區(qū)春季的沙塵天氣時，AHI可以通過一次全盤觀測，清晰地展現(xiàn)沙塵的起源、傳輸路徑以及影響范圍，為研究沙塵的長距離傳輸規(guī)律提供宏觀數(shù)據(jù)支持。而且，在結合其他高空間分辨率數(shù)據(jù)進行融合分析時，AHI的數(shù)據(jù)能夠提供大尺度的背景信息，有助于更全面地理解氣溶膠的分布和變化情況。AHI數(shù)據(jù)還具有良好的穩(wěn)定性和連續(xù)性。作為靜止軌道衛(wèi)星傳感器，其運行軌道相對穩(wěn)定，能夠持續(xù)對同一區(qū)域進行觀測。經(jīng)過嚴格的校準和定標處理，AHI數(shù)據(jù)在長時間的觀測過程中能夠保持相對穩(wěn)定的輻射測量精度，不同時間獲取的數(shù)據(jù)具有較好的一致性。這使得在進行長期的氣溶膠監(jiān)測和分析時，能夠保證數(shù)據(jù)的可靠性和可比性，避免因數(shù)據(jù)波動或不一致導致的分析誤差。在研究氣溶膠的長期變化趨勢時，穩(wěn)定一致的AHI數(shù)據(jù)能夠更準確地反映出氣溶膠濃度的真實變化情況，為評估氣候變化、大氣環(huán)境質(zhì)量演變等提供可靠的數(shù)據(jù)支持。2.3VIIRS與AHI數(shù)據(jù)對比VIIRS和AHI作為兩種重要的衛(wèi)星傳感器，其數(shù)據(jù)在空間分辨率、時間分辨率、光譜特性等方面存在顯著差異，這些差異決定了它們在不同場景下具有各自的適用性。在空間分辨率方面，VIIRS在星下點的空間分辨率可達400m，掃描帶邊緣空間分辨率約為800m，這種較高的空間分辨率使其在監(jiān)測局部區(qū)域的氣溶膠分布時具有明顯優(yōu)勢。在城市區(qū)域，VIIRS能夠清晰地分辨出不同功能區(qū)（如商業(yè)區(qū)、工業(yè)區(qū)、居民區(qū)等）氣溶膠濃度的差異。在對某城市進行監(jiān)測時，VIIRS數(shù)據(jù)可以準確識別出工業(yè)區(qū)附近因工業(yè)排放導致的高濃度氣溶膠區(qū)域，以及交通樞紐周邊由于機動車尾氣排放形成的氣溶膠污染帶，為城市氣溶膠污染源的精準定位和污染治理提供詳細的數(shù)據(jù)支持。對于一些小尺度的氣溶膠污染事件，如小型火災現(xiàn)場、單個工廠的異常排放等，VIIRS高空間分辨率的特點能夠準確地確定污染范圍和強度，有助于及時采取針對性的應對措施。相比之下，AHI大部分波段的空間分辨率為2km，部分可見光和近紅外波段的空間分辨率為500m。雖然整體空間分辨率低于VIIRS，但在監(jiān)測大面積區(qū)域的氣溶膠分布時，AHI也有其獨特的優(yōu)勢。在監(jiān)測大范圍的沙塵傳輸過程中，AHI能夠憑借其較大的觀測幅寬，一次觀測即可覆蓋整個沙塵影響區(qū)域，清晰地展現(xiàn)沙塵的起源、傳輸路徑以及影響范圍。在對亞洲春季沙塵天氣的監(jiān)測中，AHI可以快速獲取沙塵在不同時段的宏觀分布信息，為研究沙塵的長距離傳輸規(guī)律提供全面的數(shù)據(jù)支持。而且，AHI在結合其他高空間分辨率數(shù)據(jù)進行融合分析時，能夠提供大尺度的背景信息，有助于更全面地理解氣溶膠的分布和變化情況。從時間分辨率來看，VIIRS每4小時經(jīng)過赤道一次，對于極軌衛(wèi)星而言，這樣的觀測頻率能夠較好地捕捉到氣溶膠在一天內(nèi)的變化趨勢。通過分析不同時間獲取的VIIRS數(shù)據(jù)，可以研究氣溶膠濃度在白天和夜間的變化規(guī)律，以及與太陽輻射、氣象條件等因素的關系。在研究某地區(qū)氣溶膠的日變化時，利用VIIRS數(shù)據(jù)發(fā)現(xiàn)，在白天隨著太陽輻射增強，大氣邊界層發(fā)展，氣溶膠會發(fā)生擴散和傳輸，濃度呈現(xiàn)出先升高后降低的趨勢；而在夜間，由于大氣邊界層穩(wěn)定，氣溶膠擴散能力減弱，濃度相對較高。AHI的時間分辨率則具有明顯的優(yōu)勢，它可以提供時間分辨率為10分鐘的全盤觀測圖像，以及時間分辨率為2.5分鐘的日本地區(qū)觀測圖像。這種高時間分辨率使得AHI能夠?qū)馊苣z的動態(tài)變化進行高頻次監(jiān)測，及時捕捉到氣溶膠的快速變化過程。在監(jiān)測突發(fā)的污染事件，如工廠事故導致的大量氣溶膠排放時，AHI能夠在短時間內(nèi)多次觀測，快速確定污染范圍和強度的變化，為及時采取應對措施提供重要依據(jù)。在研究氣溶膠的短期變化規(guī)律時，AHI高時間分辨率的觀測數(shù)據(jù)能夠反映出氣溶膠濃度在短時間內(nèi)的波動情況，有助于分析氣溶膠的來源和傳輸過程。在分析某城市一次突發(fā)的霧霾污染事件時，AHI每10分鐘一次的觀測數(shù)據(jù)清晰地記錄了霧霾在數(shù)小時內(nèi)的形成、發(fā)展和消散過程，為研究霧霾的形成機制和治理提供了寶貴的數(shù)據(jù)資料。在光譜特性方面，VIIRS設有22個波段，波長范圍覆蓋0.3-14\mum，豐富的光譜信息為氣溶膠的反演和特性分析提供了更多的選擇。不同波段對氣溶膠的散射、吸收等光學特性具有不同的響應，通過分析多個波段的數(shù)據(jù)，可以獲取氣溶膠粒子的大小、形狀、化學成分等信息。利用可見光波段的不同波段數(shù)據(jù)，可以估算氣溶膠粒子的有效半徑，了解氣溶膠粒子的粗細程度；通過紅外波段中對某些氣溶膠成分敏感的波段，能夠識別氣溶膠中的黑炭、硫酸鹽等成分。AHI的16個觀測波段，光譜覆蓋范圍為0.46-13.3\mum，同樣能夠提供豐富的光譜信息用于氣溶膠監(jiān)測。在可見光波段，通過分析不同波長的反射率差異，可以獲取氣溶膠粒子的大小和形狀信息；在紅外波段，利用某些波段對氣溶膠吸收特性的敏感響應，有助于識別氣溶膠的化學成分。例如，在利用AHI數(shù)據(jù)監(jiān)測氣溶膠時，通過分析0.47\mum和0.64\mum波段的反射率差異，能夠估算氣溶膠粒子的有效半徑；而通過研究10.4-12.4\mum熱紅外波段的輻射數(shù)據(jù)，可以對黑炭氣溶膠的含量進行監(jiān)測和分析。VIIRS數(shù)據(jù)在監(jiān)測局部區(qū)域、小尺度氣溶膠污染事件以及研究氣溶膠的日變化規(guī)律等方面具有優(yōu)勢，適合用于對特定區(qū)域進行精細化的氣溶膠監(jiān)測和分析。而AHI數(shù)據(jù)則更適用于監(jiān)測大面積區(qū)域的氣溶膠分布、捕捉氣溶膠的快速變化過程以及研究氣溶膠的短期變化規(guī)律，在提供大尺度的氣溶膠分布信息和及時反映氣溶膠動態(tài)變化方面表現(xiàn)出色。在實際的氣溶膠反演研究中，可以根據(jù)具體的研究目的和需求，合理選擇VIIRS和AHI數(shù)據(jù)，或者將兩者數(shù)據(jù)進行融合，以充分發(fā)揮它們的優(yōu)勢，提高氣溶膠反演的精度和可靠性。三、陸地氣溶膠反演算法原理3.1傳統(tǒng)氣溶膠反演算法概述在陸地氣溶膠反演領域，傳統(tǒng)算法經(jīng)過多年發(fā)展，已形成多種各具特色的方法，如結構函數(shù)法、多角度算法、暗像元法等，這些算法在不同時期和應用場景中發(fā)揮了重要作用，各自有著獨特的原理、優(yōu)缺點及適用范圍。結構函數(shù)法的誕生旨在解決傳統(tǒng)暗像元法在反射能力較強區(qū)域（如高緯度地區(qū)冬季）氣溶膠光學厚度（AOD）反演結果較差的問題。該方法主要通過大氣透過率和地表反射率來獲取AOD值。其前提是需要一組遙感影像，且其中一張為高分辨率的遙感影像。具體步驟為，首先采用一定的方法估算出高分辨率遙感影像的AOD值，同時通過對遙感影像的地表反射率分析計算出地表反射率的分布情況，再利用該遙感影像計算得到一個結構函數(shù)，最后通過結構函數(shù)獲取到其他數(shù)據(jù)的AOD值。由于該方法理論上受地表反射能力大小的影響較弱，所以在冬季或者少雨地方有著較好的反演精度。1988年，Tanre提出了利用清潔大氣和渾濁大氣兩種天氣下相鄰像元的對比度反演氣溶膠的結構函數(shù)法，并成功用于AVHRR數(shù)據(jù)反演城市地區(qū)的氣溶膠光學厚度，該方法不受地表反射率的制約。然而，該算法尚不穩(wěn)定，目前還沒有用于全球的氣溶膠監(jiān)測。在實際應用中，結構函數(shù)法必須依賴一張高分辨率且清晰度較高的遙感影像，但在大霧或者云層較厚情況下，難以獲取這樣的影像，這極大地限制了其應用范圍。多角度算法根據(jù)通道和傳感器個數(shù)的不同，又可以細分為單通道多角度、多通道多角度以及多星構造多角度。1996年，F(xiàn)lowerdew利用ATSR-2雙角度觀測的優(yōu)勢，提出了一個不需要濃密植被支持的雙角度算法（ATSR-DV）反演陸地上空的氣溶膠光學厚度。該算法不依賴不變的地物和朗伯體的假設，僅基于地表反射率隨波長變化最小這一近似條件，并利用考慮雙向反射的輻射傳輸模型進行模擬，在各種冠型下均具有較好的魯棒性。多角度算法的優(yōu)點在于，通過不同角度的觀測，可以獲取更全面的氣溶膠散射信息，從而更準確地反演氣溶膠的光學特性。不同角度下氣溶膠對光的散射情況不同，多角度觀測能夠捕捉到這些差異，有助于更精確地確定氣溶膠粒子的大小、形狀和分布等參數(shù)。然而，該算法對傳感器的觀測角度和數(shù)據(jù)質(zhì)量要求較高，數(shù)據(jù)處理過程也相對復雜，需要精確考慮不同角度下的輻射傳輸過程以及地表反射特性的變化，這增加了算法實現(xiàn)的難度和計算成本。在實際應用中，若傳感器的觀測角度存在誤差或者數(shù)據(jù)存在噪聲，可能會導致反演結果出現(xiàn)較大偏差。多角度算法適用于對氣溶膠特性要求較高、觀測條件較好且能夠獲取多角度觀測數(shù)據(jù)的場景，如對特定區(qū)域氣溶膠的精細化研究。暗像元法是一種經(jīng)典的氣溶膠反演方法，由Kaufman和Sandra于1988年提出。該方法利用大多數(shù)陸面在紅（0.6-0.68um）、藍(0.40-0.48um)波段反射率低的特性，以植被指數(shù)NDVI或中紅外通道(2.12um)反射率將森林判識為暗像元，并假定這些暗像元紅、藍通道的地表反射率，用于反演氣溶膠光學厚度。最初確定暗像元是利用植被指數(shù)和近紅外通道表觀反射率加以識別，使得這種方法只能應用于預先知道有稠密植被的地區(qū)。為了擴大方法的適用性，Kaufman和Holben用中紅外波段(2.12um、3.18um)來尋找暗像元。通過實驗和考慮多種地表覆蓋，Kaufman等人擬合得到紅（0.66um）和藍（0.47um）和中紅外通道的地表反射率關系。暗像元方法可以用于反演中紅外通道表觀反射率小于0.4的區(qū)域；對于非星下點，考慮了太陽和衛(wèi)星幾何參數(shù)后，暗像元法可以擴展到中紅外通道表觀反射率小于特定值（其中μ為衛(wèi)星天頂角的余弦，μ0為太陽天頂角的余弦）的地區(qū)。該方法在光學厚度較小的區(qū)域進行反演時，能使反演結果更加合理，其認為地表反射率與氣溶膠無關，但與幾何條件有關，理論上可以利用衛(wèi)星觀測的可見光和近紅外通道的反射率比值對表面反射率進行參數(shù)化，使其成為植被指數(shù)和散射角的函數(shù)。在實際應用中，暗像元法的優(yōu)勢在于原理相對簡單，計算成本較低，在植被覆蓋度高的區(qū)域有著較好的AOD反演結果。在森林覆蓋區(qū)域，利用暗像元法能夠較為準確地反演氣溶膠光學厚度。然而，該方法的局限性也很明顯，它對暗像元的依賴程度高，在植被覆蓋度低、地表反射率高的區(qū)域，如城市、沙漠等地區(qū)，難以準確識別暗像元，從而導致反演精度下降。3.2基于VIIRS數(shù)據(jù)的陸地氣溶膠反演算法3.2.1基于地表反射率關系庫的反演算法在利用VIIRS數(shù)據(jù)進行陸地氣溶膠反演時，構建基于像素的動態(tài)地表反射率關系庫是實現(xiàn)高精度反演的關鍵步驟。該方法的核心在于通過對大量VIIRS數(shù)據(jù)的分析和處理，建立起地表反射率與氣溶膠光學厚度（AOD）之間的關系模型，從而實現(xiàn)對AOD的準確反演。構建基于像素的動態(tài)地表反射率關系庫的第一步是數(shù)據(jù)收集與預處理。收集長時間序列的VIIRS數(shù)據(jù)，確保數(shù)據(jù)覆蓋不同的季節(jié)、天氣條件以及各種地表類型。對這些數(shù)據(jù)進行嚴格的預處理，包括輻射定標、幾何校正和大氣校正等操作。輻射定標是將VIIRS觀測到的數(shù)字量化值（DN）轉(zhuǎn)換為輻射亮度值，使其具有物理意義；幾何校正則是對圖像進行幾何變形糾正，使其符合地圖投影要求，確保不同時間、不同地點獲取的數(shù)據(jù)在空間上具有一致性；大氣校正的目的是去除大氣對衛(wèi)星觀測信號的影響，得到地表真實反射率信息，減少大氣因素對地表反射率估算的干擾。在預處理完成后，需要對不同地表類型進行分類和特征提取。利用機器學習算法，如支持向量機（SVM）、隨機森林等，結合VIIRS數(shù)據(jù)的多波段信息以及其他輔助數(shù)據(jù)（如土地利用類型數(shù)據(jù)、數(shù)字高程模型等），對地表類型進行分類。對于每種地表類型，提取其在不同波段下的反射率特征，并分析這些特征隨時間、空間的變化規(guī)律。在植被覆蓋區(qū)域，研究植被的生長周期對地表反射率的影響，分析不同季節(jié)植被的反射率變化情況；在城市地區(qū)，考慮城市建筑、道路等不同地物的混合反射特征，以及城市擴張、人類活動等因素對地表反射率的影響?；趯Σ煌乇眍愋头瓷渎侍卣鞯姆治?，建立地表反射率關系模型。對于同一地表類型的像素，通過統(tǒng)計分析方法，找出其在不同波段反射率之間的相關性，構建基于像素的反射率關系模型。對于植被覆蓋區(qū)域的像素，可以建立紅光波段反射率與近紅外波段反射率之間的線性關系模型；對于城市地區(qū)的像素，考慮到其反射率的復雜性，可能需要建立更為復雜的非線性關系模型，如神經(jīng)網(wǎng)絡模型，以準確描述不同波段反射率之間的關系。將建立好的反射率關系模型整合到一個數(shù)據(jù)庫中，形成基于像素的動態(tài)地表反射率關系庫。該關系庫不僅包含不同地表類型的反射率關系模型，還記錄了每個模型對應的時間、空間范圍以及其他相關信息，以便在反演過程中能夠根據(jù)具體的觀測數(shù)據(jù)準確地選擇合適的模型。在實現(xiàn)陸地AOD高分辨率反演時，首先根據(jù)待反演的VIIRS圖像的空間位置和時間信息，從地表反射率關系庫中選擇對應的地表反射率關系模型。利用該模型，結合VIIRS圖像中各像素在不同波段的反射率數(shù)據(jù)，估算出每個像素的地表反射率。在估算地表反射率的過程中，考慮到地表反射率可能受到地形、大氣條件等因素的影響，對估算結果進行適當?shù)男Ｕ?。利用輻射傳輸方程，結合估算得到的地表反射率、衛(wèi)星觀測的輻射亮度以及其他相關參數(shù)（如太陽天頂角、衛(wèi)星天頂角、氣溶膠模型等），反演得到每個像素的AOD值。在反演過程中，采用查找表（LUT）方法，預先計算并存儲不同參數(shù)組合下的輻射傳輸結果，通過查找表快速獲取反演所需的參數(shù)，提高反演效率。將反演得到的AOD值進行后處理，如濾波、平滑等操作，去除噪聲和異常值，得到最終的高分辨率陸地AOD反演結果。通過與地面實測數(shù)據(jù)（如AERONET地基站點觀測結果）進行對比驗證，評估反演結果的準確性和可靠性。利用全球氣溶膠自動觀測網(wǎng)站AERONET地基站點觀測結果對基于地表反射率關系庫反演得到的VIIRSAOD結果進行對比驗證，發(fā)現(xiàn)二者具有顯著的相關性，相關系數(shù)達到0.849，RMSE為0.184，優(yōu)于官方產(chǎn)品的0.197，通過與真彩圖比對，反演結果較官方產(chǎn)品更符合實際氣溶膠分布趨勢。3.2.2暗像元法在VIIRS數(shù)據(jù)中的應用暗像元法是一種經(jīng)典的氣溶膠反演方法，在VIIRS數(shù)據(jù)的陸地氣溶膠反演中也有著廣泛的應用。該方法利用陸地表面在某些波段反射率較低的特性，通過識別暗像元，并結合輻射傳輸計算來反演氣溶膠光學厚度（AOD）。在VIIRS數(shù)據(jù)中，利用紅外波段歸一化植被指數(shù)（NDVI）來識別暗像元是關鍵的第一步。NDVI是一種常用的植被指數(shù)，它通過近紅外波段和紅光波段的反射率計算得到，能夠有效地反映植被的生長狀況和覆蓋程度。在VIIRS數(shù)據(jù)中，選擇合適的紅外波段（如近紅外波段）和紅光波段，根據(jù)公式NDVI=\frac{\rho_{NIR}-\rho_{Red}}{\rho_{NIR}+\rho_{Red}}（其中\(zhòng)rho_{NIR}為近紅外波段反射率，\rho_{Red}為紅光波段反射率）計算每個像素的NDVI值。設置一定的閾值，通常當NDVI值大于某個閾值（如0.5）時，認為該像素為植被覆蓋像素。在植被覆蓋區(qū)域，由于植被對紅光波段的吸收較強，而對近紅外波段的反射較強，使得這些區(qū)域在紅光和近紅外波段的反射率相對較低，符合暗像元的特征。進一步篩選出在其他波段（如藍光波段）反射率也較低的像素，作為暗像元。通過這樣的篩選過程，可以較為準確地識別出VIIRS數(shù)據(jù)中的暗像元，為后續(xù)的氣溶膠反演提供基礎。在識別出暗像元后，利用6S軟件進行輻射傳輸計算構建查找表是實現(xiàn)準確反演的重要環(huán)節(jié)。6S軟件是一種常用的大氣輻射傳輸模型，它能夠考慮大氣中各種成分（如水汽、臭氧、氣溶膠等）對太陽輻射的吸收和散射作用，以及地表反射特性對輻射傳輸過程的影響。在構建查找表時，首先確定一系列的輸入?yún)?shù)，包括不同的氣溶膠光學厚度（AOD）值、氣溶膠類型（如大陸型、海洋型、沙塵型等）、太陽天頂角、衛(wèi)星天頂角、相對方位角以及地表反射率等。針對這些輸入?yún)?shù)的不同組合，利用6S軟件進行輻射傳輸計算，得到對應的衛(wèi)星觀測輻射亮度值。將輸入?yún)?shù)和計算得到的輻射亮度值存儲在一個查找表中。在實際反演過程中，根據(jù)VIIRS數(shù)據(jù)中暗像元的觀測輻射亮度值，在查找表中進行插值，找到與之最匹配的輸入?yún)?shù)組合，從而得到對應的AOD值。通過這種方式，可以利用查找表快速、準確地反演得到氣溶膠光學厚度。在利用查找表反演AOD后，還需要對反演結果進行海拔校正。由于大氣密度和成分會隨著海拔高度的變化而變化，不同海拔高度處的氣溶膠光學厚度也會有所不同。為了得到更準確的氣溶膠光學厚度，需要根據(jù)研究區(qū)域的海拔信息對反演結果進行校正。獲取研究區(qū)域的數(shù)字高程模型（DEM）數(shù)據(jù)，根據(jù)DEM數(shù)據(jù)確定每個像元的海拔高度。利用大氣密度和成分隨海拔高度變化的模型，結合反演得到的AOD值，對AOD進行海拔校正。根據(jù)大氣密度隨海拔高度的指數(shù)衰減關系，對反演得到的AOD值進行修正，使其更符合實際的大氣情況。經(jīng)過海拔校正后，得到最終的氣溶膠光學厚度反演結果。選取華北地區(qū)作為反演實驗區(qū)，利用上述方法獲得了2013年9月1日的氣溶膠分布，利用AERONET北京站太陽光度計地基觀測結果對反演結果對比驗證，發(fā)現(xiàn)二者具有顯著的相關性，相關系數(shù)達到0.7920，將2013年9月1日的MODISAOD產(chǎn)品與本研究反演的AOD進行比對，發(fā)現(xiàn)二者分布趨勢一致，相關系數(shù)為0.7059，相關性顯著。3.2.3算法改進與優(yōu)化策略盡管基于VIIRS數(shù)據(jù)的陸地氣溶膠反演算法在不斷發(fā)展，但現(xiàn)有算法仍然存在一些不足之處，需要針對這些問題提出相應的改進和優(yōu)化策略，以提高反演精度和可靠性?，F(xiàn)有算法在地表反射率估算方面存在一定的誤差。在復雜地表類型（如城市、山區(qū)等），地表反射率受到多種因素的影響，包括地形起伏、地物混合、人類活動等，使得準確估算地表反射率變得困難。傳統(tǒng)的基于經(jīng)驗模型或統(tǒng)計方法的地表反射率估算往往無法準確描述這些復雜因素的影響，導致估算結果與實際地表反射率存在偏差。在城市地區(qū)，建筑物的陰影、道路的反射特性以及不同材質(zhì)建筑物的混合反射等因素，使得地表反射率呈現(xiàn)出復雜的空間變化，傳統(tǒng)估算方法難以準確捕捉這些變化。在山區(qū)，地形起伏導致不同坡面接收到的太陽輻射不同，以及地形對大氣散射和反射的影響，都增加了地表反射率估算的難度。在查找表構建方面，現(xiàn)有算法也存在一些問題。查找表的精度和覆蓋范圍直接影響反演結果的準確性和可靠性。傳統(tǒng)的查找表構建方法通?；谟邢薜膮?shù)組合進行輻射傳輸計算，難以涵蓋所有可能的大氣和地表條件。在構建查找表時，可能只考慮了幾種常見的氣溶膠類型和地表反射率范圍，而對于一些特殊的大氣條件（如高濕度、沙塵天氣等）和復雜的地表類型，查找表中的參數(shù)組合無法準確描述其輻射傳輸過程，導致反演結果出現(xiàn)偏差。查找表的構建還受到輻射傳輸模型精度的限制。如果輻射傳輸模型本身存在一定的誤差，那么基于該模型構建的查找表也會存在誤差，從而影響反演精度。針對地表反射率估算誤差的問題，可以引入深度學習算法進行改進。深度學習算法，如卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）及其變體（如長短期記憶網(wǎng)絡LSTM、門控循環(huán)單元GRU等），具有強大的特征提取和非線性擬合能力，能夠自動學習地表反射率與多種影響因素之間的復雜關系。收集大量的VIIRS數(shù)據(jù)以及對應的地面實測地表反射率數(shù)據(jù)，同時收集其他相關的輔助數(shù)據(jù)，如地形數(shù)據(jù)、土地利用類型數(shù)據(jù)、氣象數(shù)據(jù)等。將這些數(shù)據(jù)劃分為訓練集、驗證集和測試集。利用訓練集數(shù)據(jù)對深度學習模型進行訓練，讓模型學習不同因素對地表反射率的影響模式。在訓練過程中，不斷調(diào)整模型的參數(shù)，以提高模型的擬合精度。使用驗證集數(shù)據(jù)對訓練好的模型進行驗證，評估模型的性能，并根據(jù)驗證結果對模型進行優(yōu)化。當模型在驗證集上表現(xiàn)良好后，使用測試集數(shù)據(jù)對模型進行測試，檢驗模型的泛化能力。通過訓練好的深度學習模型，結合VIIRS數(shù)據(jù)和輔助數(shù)據(jù)，對地表反射率進行估算，從而提高地表反射率估算的準確性。為了優(yōu)化查找表的構建，可以采用更先進的輻射傳輸模型和增加參數(shù)組合的覆蓋范圍。選擇精度更高、能夠更全面考慮大氣和地表復雜物理過程的輻射傳輸模型，如考慮多次散射、偏振效應等因素的模型。利用高性能計算資源，對更多的參數(shù)組合進行輻射傳輸計算，擴大查找表的覆蓋范圍。不僅考慮常見的大氣和地表條件，還包括各種特殊情況，如不同濕度條件下的氣溶膠特性、不同地形和土地利用類型下的地表反射率等。在構建查找表時，可以采用分層構建的策略。首先構建一個基礎的查找表，涵蓋常見的參數(shù)組合；然后針對特殊情況，構建多個子查找表，對基礎查找表進行補充和細化。在實際反演過程中，根據(jù)具體的觀測數(shù)據(jù)，首先在基礎查找表中進行匹配，如果無法找到合適的匹配結果，則在相應的子查找表中進行查找，從而提高查找表的適應性和反演精度?？梢越Y合蒙特卡羅模擬等方法，對輻射傳輸計算結果進行不確定性分析，將不確定性信息融入到查找表中，為反演結果提供更全面的評估。3.3基于AHI數(shù)據(jù)的陸地氣溶膠反演算法3.3.1基于Transformer的多波段時序反演算法（TMAT）基于Transformer的多波段時序反演算法（TMAT）是一種利用先進深度學習技術實現(xiàn)高精度氣溶膠光學厚度（AOD）反演的創(chuàng)新方法，其核心在于充分挖掘Transformer的多任務學習能力和序列信息提取能力，通過對AHI數(shù)據(jù)的時序觀測，深入分析氣溶膠和地表的日變化特性，從而實現(xiàn)對一天內(nèi)每10分鐘多波段AOD的準確反演。Transformer作為一種基于注意力機制的深度學習模型，在自然語言處理領域取得了巨大成功，近年來也逐漸應用于遙感數(shù)據(jù)處理。在TMAT算法中，Transformer的多任務學習能力得到了充分利用。傳統(tǒng)的氣溶膠反演算法通常只能反演單一波段的AOD，而TMAT算法能夠同時處理多個波段的信息，實現(xiàn)多波段AOD的同步反演。這是因為Transformer模型可以在同一個網(wǎng)絡結構中學習不同波段AOD之間的關系，以及它們與其他相關參數(shù)（如地表反射率、太陽天頂角、衛(wèi)星天頂角等）之間的復雜映射關系。通過多任務學習，模型可以共享不同任務之間的特征表示，提高學習效率和反演精度。在學習550nm波段AOD的同時，模型也能學習到與其他波段AOD相關的特征，這些特征可以相互補充，幫助模型更準確地反演各個波段的AOD。Transformer的序列信息提取能力也是TMAT算法的關鍵。AHI數(shù)據(jù)具有高時間分辨率的特點，每10分鐘就能獲取一次觀測圖像，形成一個時間序列。TMAT算法利用Transformer能夠有效地捕捉時間序列數(shù)據(jù)中的長程依賴關系的優(yōu)勢，對AHI數(shù)據(jù)的時間序列進行分析。通過注意力機制，Transformer可以自動關注不同時間點數(shù)據(jù)之間的關聯(lián)，挖掘出氣溶膠和地表在一天內(nèi)的日變化特性。在一天中，氣溶膠的濃度會受到太陽輻射、人類活動、氣象條件等多種因素的影響而發(fā)生變化。早晨，隨著人類活動的增加，工業(yè)排放、機動車尾氣等會導致氣溶膠濃度升高；白天，太陽輻射增強，大氣邊界層發(fā)展，氣溶膠會發(fā)生擴散和傳輸，濃度可能會有所變化；傍晚，隨著人類活動的減少和氣象條件的改變，氣溶膠濃度又會發(fā)生相應變化。TMAT算法通過分析AHI數(shù)據(jù)的時間序列，能夠捕捉到這些日變化特性，從而更準確地反演不同時間點的AOD。在具體實現(xiàn)過程中，TMAT算法首先對AHI數(shù)據(jù)進行預處理，包括輻射定標、幾何校正、大氣校正等，以確保數(shù)據(jù)的準確性和可靠性。將預處理后的AHI數(shù)據(jù)按照時間序列進行組織，輸入到Transformer模型中。在模型訓練過程中，使用了掩膜機制去除云的影響，因為云會對衛(wèi)星觀測信號產(chǎn)生強烈干擾，導致氣溶膠反演誤差增大。還引入了對不同波段AOD大小關系的物理約束，以保證反演結果的物理合理性。根據(jù)氣溶膠的光學特性，不同波段的AOD之間存在一定的大小關系，在模型訓練中加入這種物理約束，可以防止模型學習到不符合物理規(guī)律的結果。利用2019年整年（每10分鐘）的Himawari-8/AHI觀測數(shù)據(jù)和SONET、AERONET站點的氣溶膠觀測對TMAT算法進行驗證。結果表明，該算法顯著提升了AOD反演精度，均方根誤差（RMSE）為0.101，相關系數(shù)R達到0.949，81.69%的反演落入誤差范圍內(nèi)?；诙嗖ǘ蜛OD計算得到的?ngstr?m指數(shù)（AE）也與地基站點具有較好一致性，R為0.620，RMSE為0.291。通過設置對比實驗進一步證實了時間序列數(shù)據(jù)和多波段協(xié)同反演對于提高AOD反演精度的顯著作用。3.3.2融合大氣輻射傳輸與遷移學習的算法（AIRTrans）融合大氣輻射傳輸與遷移學習的算法（AIRTrans）是一種創(chuàng)新的氣溶膠反演算法，它巧妙地結合了大氣輻射傳輸模型的物理機理和遷移學習的數(shù)據(jù)驅(qū)動優(yōu)勢，旨在實現(xiàn)對氣溶膠光學特性的精準高效反演。大氣輻射傳輸模型是描述太陽輻射在大氣中傳輸過程的數(shù)學模型，它考慮了大氣中各種成分（如水汽、臭氧、氣溶膠等）對太陽輻射的吸收、散射和發(fā)射等物理過程，以及地表反射特性對輻射傳輸?shù)挠绊憽Ｔ贏IRTrans算法中，首先基于輻射傳輸模型，充分考慮多種氣溶膠類型光學特性與地表特性，構建了衛(wèi)星仿真模擬數(shù)據(jù)庫。通過對不同氣溶膠類型（如大陸型、海洋型、沙塵型等）、不同地表類型（如植被、水體、土壤、城市等）以及不同大氣條件（如不同的水汽含量、臭氧濃度等）進行組合，利用輻射傳輸模型計算得到相應的衛(wèi)星觀測輻射亮度值，將這些計算結果存儲在仿真模擬數(shù)據(jù)庫中。這個數(shù)據(jù)庫包含了豐富的輻射傳輸信息，為后續(xù)的模型訓練提供了大量的先驗知識。遷移學習是一種機器學習技術，它旨在利用在一個任務上學習到的知識來幫助解決另一個相關任務。在AIRTrans算法中，利用構建好的衛(wèi)星仿真模擬數(shù)據(jù)庫對神經(jīng)網(wǎng)絡模型進行預訓練。預訓練過程中，神經(jīng)網(wǎng)絡模型學習到輻射傳輸模型所蘊含的物理規(guī)律，以及不同氣溶膠和地表條件下衛(wèi)星觀測輻射亮度的變化模式。由于預訓練是基于大量的模擬數(shù)據(jù)進行的，模型能夠?qū)W習到廣泛的特征和模式，具有較強的泛化能力。僅僅依靠預訓練模型在真實場景中的反演效果可能并不理想，因為真實場景中的大氣和地表條件更加復雜多變，存在許多模擬數(shù)據(jù)無法完全涵蓋的情況。因此，進一步通過地面實測數(shù)據(jù)對預訓練模型進行微調(diào)。收集地面實測的氣溶膠光學厚度（AOD）、細模態(tài)比（FMF）等參數(shù)，以及對應的AHI衛(wèi)星觀測數(shù)據(jù)。將這些真實數(shù)據(jù)輸入到預訓練模型中，通過反向傳播算法調(diào)整模型的參數(shù)，使模型能夠更好地適應真實場景的特點，提升在真實場景中的泛化能力。與地面觀測數(shù)據(jù)的驗證結果顯示，AIRTrans算法在全球多區(qū)域獨立驗證中表現(xiàn)優(yōu)異。AOT和FMF反演結果的均方根誤差（RMSE）分別為0.132和0.146，較Himawari-8衛(wèi)星官方產(chǎn)品精度提升約40%和49%。尤其在細模態(tài)比反演方面，該算法成功解決了官方產(chǎn)品存在的系統(tǒng)性低估問題。在沙塵暴與霧霾污染事件的監(jiān)測方面，AIRTrans算法成功捕捉到AOT與FMF時空演變過程，這將為極端污染的動態(tài)監(jiān)測及預警提供新的契機。本研究提出的算法框架具有很強的普適性，可拓展至其他多光譜傳感器的氣溶膠參數(shù)反演，為碳中和背景下大氣污染精準治理、氣候效應評估等需求提供關鍵技術支撐。3.3.3針對AHI數(shù)據(jù)特點的算法調(diào)整AHI數(shù)據(jù)具有高時間分辨率、特定的光譜設置和一定的空間分辨率特點，這些特點對陸地氣溶膠反演算法產(chǎn)生了多方面影響，需要在云檢測、氣溶膠類型識別等關鍵環(huán)節(jié)進行針對性的算法調(diào)整，以提高反演精度和可靠性。AHI數(shù)據(jù)每10分鐘一次的全盤觀測以及2.5分鐘一次的日本地區(qū)觀測，這種高時間分辨率使得數(shù)據(jù)中包含了大量的時間序列信息，同時也增加了數(shù)據(jù)處理的復雜性。在云檢測方面，傳統(tǒng)的云檢測算法可能無法快速、準確地處理如此高頻次的數(shù)據(jù)。由于云層的快速變化，傳統(tǒng)算法可能會出現(xiàn)誤判或漏判的情況。為了適應AHI數(shù)據(jù)的高時間分辨率，采用基于時間序列分析的云檢測算法。該算法通過分析相鄰時刻圖像中像素的輻射亮度變化情況，結合云的動態(tài)變化特征（如云層的移動速度、形狀變化等），來判斷像素是否為云。如果在連續(xù)幾個時刻，某個像素的輻射亮度發(fā)生了明顯的突變，且這種變化符合云的動態(tài)變化模式，那么就可以判斷該像素為云。利用機器學習中的分類算法（如支持向量機、隨機森林等），對時間序列數(shù)據(jù)進行訓練，提高云檢測的準確性和效率。在光譜設置上，AHI的16個觀測波段涵蓋了從可見光到紅外的廣泛光譜區(qū)域，不同波段對氣溶膠的光學特性有著不同的響應。這為氣溶膠類型識別提供了豐富的信息，但也要求算法能夠充分挖掘和利用這些多波段信息。傳統(tǒng)的氣溶膠類型識別算法可能只利用了少數(shù)幾個波段的信息，無法全面反映氣溶膠的特性。為了更好地利用AHI數(shù)據(jù)的多波段優(yōu)勢，采用基于深度學習的氣溶膠類型識別算法。構建卷積神經(jīng)網(wǎng)絡（CNN）模型，將AHI數(shù)據(jù)的多個波段作為輸入，讓模型自動學習不同氣溶膠類型在多波段下的特征表示。通過大量的樣本訓練，模型能夠準確地識別出不同類型的氣溶膠，如大陸型、海洋型、沙塵型等。在模型訓練過程中，采用多標簽分類的方式，因為在實際情況中，一個區(qū)域可能同時存在多種類型的氣溶膠，多標簽分類可以更準確地反映這種復雜情況。盡管AHI部分波段具有較高的空間分辨率（如500m），但大部分波段的空間分辨率為2km，在處理一些細節(jié)信息時可能存在不足。在氣溶膠反演過程中，空間分辨率會影響對氣溶膠分布的精細刻畫。對于小尺度的氣溶膠污染源，較低的空間分辨率可能會導致無法準確識別和定位。為了彌補空間分辨率的不足，采用數(shù)據(jù)融合的方法。將AHI數(shù)據(jù)與其他高空間分辨率的數(shù)據(jù)（如VIIRS數(shù)據(jù)、高分系列衛(wèi)星數(shù)據(jù)等）進行融合。在像元級融合中，通過一定的算法將不同傳感器在相同位置的像元數(shù)據(jù)進行合并，綜合利用它們的優(yōu)勢，提高對氣溶膠分布的監(jiān)測精度。在特征級融合中，提取不同傳感器數(shù)據(jù)的特征信息，然后將這些特征進行融合，再輸入到反演算法中，以提高算法對氣溶膠特征的識別能力。還可以利用超分辨率重建算法，對AHI數(shù)據(jù)進行處理，提高其空間分辨率，從而更好地滿足氣溶膠反演的需求。四、基于VIIRS與AHI數(shù)據(jù)的反演模型構建與實驗4.1數(shù)據(jù)收集與預處理4.1.1VIIRS數(shù)據(jù)收集與預處理VIIRS數(shù)據(jù)主要來源于美國國家航空航天局（NASA）的陸地過程分布式主動存檔中心（LPDAAC）和國家海洋和大氣管理局（NOAA）的國家環(huán)境信息中心（NCEI）。通過LPDAAC的在線數(shù)據(jù)獲取平臺，能夠按照時間、空間范圍等條件精確篩選并下載所需的VIIRS數(shù)據(jù)。NCEI也提供了豐富的VIIRS數(shù)據(jù)產(chǎn)品，包括不同分辨率和數(shù)據(jù)格式的產(chǎn)品，以滿足不同研究需求。在獲取VIIRS原始數(shù)據(jù)后，需要進行一系列嚴格的預處理操作，以確保數(shù)據(jù)質(zhì)量，為后續(xù)的氣溶膠反演奠定基礎。輻射定標是預處理的關鍵步驟之一，其目的是將傳感器記錄的數(shù)字量化值（DN）轉(zhuǎn)換為具有物理意義的輻射亮度值。根據(jù)VIIRS傳感器的校準參數(shù)，通過特定的定標公式進行轉(zhuǎn)換。對于VIIRS的反射波段，定標公式一般為L=\frac{DN-Offset}{Gain}，其中L為輻射亮度，Offset和Gain分別為偏移量和增益系數(shù)，這些參數(shù)可從傳感器的校準文件中獲取。通過輻射定標，使得不同時間、不同觀測條件下獲取的數(shù)據(jù)在輻射亮度上具有一致性，便于后續(xù)的分析和比較。大氣校正是另一個重要的預處理環(huán)節(jié)，其主要作用是去除大氣對衛(wèi)星觀測信號的影響，獲取地表真實反射率信息。采用6S（SecondSimulationofaSatelliteSignalintheSolarSpectrum）大氣輻射傳輸模型進行大氣校正。該模型能夠考慮大氣中各種成分（如水汽、臭氧、氣溶膠等）對太陽輻射的吸收和散射作用，以及地表反射特性對輻射傳輸過程的影響。在進行大氣校正時，首先需要確定大氣模型和相關參數(shù)。根據(jù)研究區(qū)域的地理位置、季節(jié)和時間等信息，選擇合適的大氣模型，如中緯度夏季大氣模型、熱帶大氣模型等。確定大氣中水汽、臭氧等成分的含量，這些參數(shù)可以通過再分析數(shù)據(jù)（如ERA5等）獲取。利用6S模型，結合衛(wèi)星觀測的幾何條件（太陽天頂角、衛(wèi)星天頂角、相對方位角等）和地表類型信息，計算大氣對衛(wèi)星觀測信號的影響，并對原始數(shù)據(jù)進行校正，得到地表真實反射率。云檢測與去除是保證氣溶膠反演準確性的必要步驟，因為云層會對衛(wèi)星觀測信號產(chǎn)生強烈干擾，導致氣溶膠反演誤差增大。采用基于閾值的云檢測算法，結合VIIRS數(shù)據(jù)的多波段信息進行云檢測。在可見光波段，云的反射率通常較高，而在紅外波段，云頂溫度較低。通過設置合適的反射率閾值和亮溫閾值，篩選出可能為云的像元。在可見光波段，當像元的反射率大于某個閾值（如0.5）時，初步判斷該像元可能為云；在紅外波段，當像元的亮溫低于某個閾值（如270K）時，也將其視為可能的云像元。利用空間連續(xù)性分析等方法，對初步檢測出的云像元進行進一步的驗證和修正，去除誤判的像元。對于檢測出的云像元，采用空間插值或時間插值的方法進行填充，以保證數(shù)據(jù)的完整性。4.1.2AHI數(shù)據(jù)收集與預處理AHI數(shù)據(jù)主要從日本氣象廳（JMA）的官網(wǎng)數(shù)據(jù)下載平臺獲取。該平臺提供了豐富的AHI數(shù)據(jù)產(chǎn)品，包括不同時間分辨率和數(shù)據(jù)格式的觀測數(shù)據(jù)。用戶可以根據(jù)研究需求，按照時間范圍、觀測區(qū)域等條件進行數(shù)據(jù)篩選和下載。還可以從一些國際數(shù)據(jù)共享平臺獲取AHI數(shù)據(jù)，這些平臺整合了多個數(shù)據(jù)源的數(shù)據(jù)，為用戶提供了更便捷的數(shù)據(jù)獲取途徑。對AHI數(shù)據(jù)的預處理同樣至關重要，首先進行輻射定標。AHI傳感器的輻射定標采用基于實驗室校準和在軌校準相結合的方法。根據(jù)傳感器的校準系數(shù)，將原始的數(shù)字量化值（DN）轉(zhuǎn)換為輻射亮度值。對于AHI的不同波段，其定標公式有所差異。對于可見光和近紅外波段，一般采用線性定標公式L=a\timesDN+b，其中L為輻射亮度，a和b為定標系數(shù)，這些系數(shù)可從JMA發(fā)布的校準文件中獲取。通過精確的輻射定標，確保AHI數(shù)據(jù)在輻射量上的準確性，為后續(xù)的大氣校正和反演分析提供可靠的數(shù)據(jù)基礎。大氣校正也是AHI數(shù)據(jù)預處理的關鍵步驟，采用基于查找表（LUT）的大氣校正方法。預先利用輻射傳輸模型（如6S模型）計算不同大氣條件和地表類型下的大氣校正參數(shù)，構建查找表。在進行大氣校正時，根據(jù)AHI數(shù)據(jù)的觀測條件（太陽天頂角、衛(wèi)星天頂角、相對方位角等）、大氣參數(shù)（水汽含量、臭氧含量等）和地表類型信息，在查找表中查找對應的校正參數(shù)，對原始數(shù)據(jù)進行校正，得到地表真實反射率。大氣參數(shù)可以通過再分析數(shù)據(jù)（如MERRA-2等）獲取，地表類型信息則可以利用土地利用類型數(shù)據(jù)（如GlobeLand30等）進行確定。云檢測與去除對于AHI數(shù)據(jù)的氣溶膠反演同樣不可或缺。由于AHI數(shù)據(jù)具有高時間分辨率的特點，云的快速變化增加了云檢測的難度。采用基于多閾值和時間序列分析的云檢測算法。在多閾值檢測方面，結合AHI數(shù)據(jù)的多個波段信息，設置不同的閾值。在可見光波段，利用云與地表在反射率上的差異，設置反射率閾值；在紅外波段，根據(jù)云頂溫度與地表溫度的差異，設置亮溫閾值。通過多個閾值的綜合判斷，初步篩選出可能為云的像元。利用時間序列分析，對連續(xù)多個時間點的觀測數(shù)據(jù)進行分析。如果某個像元在多個時間點都表現(xiàn)出云的特征（如高反射率、低亮溫等），則進一步確認該像元為云。對于檢測出的云像元，采用基于空間和時間信息的插值方法進行填充。利用相鄰像元的信息進行空間插值，同時結合該像元在前后時間點的觀測數(shù)據(jù)進行時間插值，以保證數(shù)據(jù)的連續(xù)性和完整性。4.2反演模型構建4.2.1基于VIIRS數(shù)據(jù)的反演模型在基于VIIRS數(shù)據(jù)構建氣溶膠反演模型時，選擇合適的機器學習算法是提升模型性能的關鍵。神經(jīng)網(wǎng)絡算法作為一種強大的機器學習工具，具有高度的非線性擬合能力和復雜模式識別能力，能夠有效地挖掘VIIRS數(shù)據(jù)中蘊含的氣溶膠信息與其他相關參數(shù)之間的復雜關系。在本研究中，選用多層感知器（MLP）神經(jīng)網(wǎng)絡作為反演模型的核心算法。MLP是一種前饋神經(jīng)網(wǎng)絡，由輸入層、多個隱藏層和輸出層組成。在氣溶膠反演中，輸入層接收VIIRS數(shù)據(jù)的多個波段反射率值，以及其他輔助信息