城市AOD时空分布及与颗粒物浓度关系研究

由于不同区域的气候背景和污染物排放情况不同,导致气溶胶光学厚度在不同区域与颗粒物浓度的关系存在差异,因此,研究城市AOD时空分布及与颗粒物浓度关系。将山东省作为研究区域,结合深蓝算法和暗像元法,根据采集的数据反演气溶胶光学厚度,分析气溶胶光学厚度在各个地区的分布情况,获取气溶胶光学厚度的日变化情况和月变化情况,引入Pearson相关系数法获取相关性变化情况,分析结果表明,两者之间的Pearson相关系数低,并且进行垂直修正和湿度修正分析结果,提高相关性分析结果的精度。

基于MODIS数据的大气气溶胶光学厚度反演——以皖苏沪地区为例

目的气溶胶是影响大气质量的重要因素,卫星遥感在气溶胶反演研究上的优势日益凸显。利用2016年5月16日和5月25日皖苏沪地区MODIS L1B数据,反演气溶胶光学厚度的分布。方法利用AERONET监测网中太湖、徐州、合肥、南京和上海监测站的太阳光度计观测数据,对反演结果进行了精度验证。结果结果表明:绝对误差不超过0.08,相对误差绝对值在18%以内,反演结果符合研究精度要求。结论反演结果与实际观测数据之间虽然存在一定偏差,但大致能反映研究期内皖、苏、沪地区气溶胶光学厚度的分布情况,研究结果具有一定的参考价值。

基于MODTRAN的高光谱快速大气校正方法

高光谱遥感成像过程中一般会受大气成分的影响,为了利用高光谱数据进行有效的地物识别,这些影响必须消除。详细介绍大气校正的一个过程:首先采用大气预处理微分吸收法(APDA)和暗像元法,通过并行调用MODTRAN先后建立水汽和能见度的查找表,从而计算出图像中水汽含量和能见度,并利用得出的这些参数建立反射率查找表,最终对高光谱图像进行逐像元校正。该过程结合辐射传输模型法和基于图像信息的校正方法的优点,不需要实时的大气参数也能进行绝对大气校正。同时,加入并行处理使运行速度显著提高。通过对校正后的数据进行对比分析,结果表明校正后的光谱曲线与地面实物和其他软件校正后的光谱特征相吻合,该方法能够满足大气辐射校正的基本要求。

基于大连市MODIS数据的气溶胶光学厚度与PM2.5和PM10的相关性分析

本文根据MODIS数据,利用6S模型和暗像元法反演大连地区的气溶胶光学厚度,统计各监测站的PM2.5与PM10的质量浓度,利用数学模型进行二者之间的相关分析。通过分析发现在非极端天气下,AOD和PM2.5、PM10有良好的线性关系。通过MODIS进行颗粒物监测,弥补了监测站点密度小的局限性,对环境污染监测及防治开辟了新的方法。

南海岛礁遥感影像大气校正算法研究

针对目前传统大气辐射传输模型使用时难以确定气溶胶光学厚度的问题,提出一种仅依靠影像自身信息的大气校正算法,该算法针对南海水域清澈的特点,将暗像元法和大气辐射传输模型相结合,通过暗像元匹配和迭代运算确定气溶胶。实验结果表明:该算法与Sen2cor算法相比大气校正后的地物剖面光谱曲线基本一致,校正后影像能够反映出水深与蓝绿波段对数比值较好的相关性,具有较好的使用价值。

卫星遥感监测遵义市大气质量状况研究

为了解遵义市大气质量空间分布状况,采用MODIS L1B 1 km遥感影像数据,基于6S大气辐射传输模型构建查找表,利用暗像元法反演了遵义市AOD(气溶胶光学厚度)分布,并将反演结果与NASA公布的MOD04_3K气溶胶产品及地面观测空气质量数据进行对比。结果表明:反演的遵义市AOD结果与NASA公布的MOD04_3K气溶胶产品相关性为0.73,与地面观测的AQI、PM2.5、PM 10相关性分别为0.70、0.70、0.61,反演结果与验证数据具有较好的一致性,AOD反演结果具有较高准确性;遵义市AOD分布呈现西南部较高,东北部较低的格局,遵义市全域AOD均值为0.23,红花岗区AOD均值最高(0.51),赤水市AOD值最低(0.12)。

基于暗通道先验的自适应超像素去雾算法

传统基于暗通道先验的图像去雾算法不能有效去除有雾图像在景深突变处的雾点,边界处容易引起光晕效应,对此提出一种基于暗通道先验的自适应超像素去雾算法.首先,在暗通道的获取过程中引入自适应方法判断当前像素邻域内是否具有多个景深物体,若仅存在相同景深物体,则直接求取此像素的暗通道,若存在多个景深物体,则引入超像素分割算法区分不同景深物体,减小景深变化对暗通道获取的影响,以求取更准确的暗通道;然后,估计粗略的透射率,并根据上下文约束细化透射率;最后,通过图像降质的逆过程求解去雾图像.实验结果表明,所提出的算法与暗通道先验单幅图像去雾(DCP)算法、基于边界邻域最大值滤波的快速图像去雾(EMDCP)算法、基于自适应暗原色的单幅图像去雾(ADCP)算法、带边界约束和上下文正则化的高效图像去雾(BCCR)算法相比,可将客观质量综合评价准则提高10%,能够抑制光晕效应,提高有雾图像的视觉效果.