基于SPOT影像的可吸入颗粒物遥感反演

doi:10.6046/gtzyyg.2011.01.12

摘要
参考文献
相关文章
Metrics

全文: PDF(2106 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要通过用SPOT 5遥感影像近红外与红光波段计算的差值植被指数(DVI)与实测的可吸入颗粒物（PM10）浓度数据建立模型，对2007年北京市城区SPOT 5影像进行PM10浓度反演试验，反演结果与实测数据所反映的PM10空间分布趋势基本一致。2007年北京市城区北部PM10污染较为严重，南部污染相对较弱；绿地和水体附近PM10浓度较低，道路附近PM10浓度较高。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：高光谱, 成像遥感, 进展, 综述

Abstract：A model of DVI is built in this paper. The computation was conducted by near-infrared and red bands of SPOT 5 image and observed concentration of PM10 (inhalable particulate matter) to retrieve concentration of PM10 in SPOT 5 image of Beijing urban area acquired in 2007. It is shown that the spatial distribution trends of PM10 are basically identical between the retrieved result and the observed data. In 2007，PM10 pollution in northern part of Beijing urban area was more serious than that in southern part. The concentration of PM10 was relatively low near the greenbelt and water body，and was comparatively high around roads.

Key words： Hyperspectrum Imaging remote sensing Advance Summarization

收稿日期: 2010-04-23 出版日期: 2011-03-22

TP 75

基金资助:

北京市自然科学基金重点项目（编号： KZ200910028006）资助。

作者简介: 唐明（1985-），男，硕士研究生，主要研究方向为遥感与地理信息系统应用。

引用本文:

唐明, 赵文吉, 赵文慧. 基于SPOT影像的可吸入颗粒物遥感反演[J]. 国土资源遥感, 2011, 23(1): 62-65.
TANG Meng, ZHAO Wen-Ji, ZHAO Wen-Hui. The Retrieval of Inhalable Particulate Matter Based on SPOT Images. REMOTE SENSING FOR LAND & RESOURCES, 2011, 23(1): 62-65.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2011.01.12 或 https://www.gtzyyg.com/CN/Y2011/V23/I1/62

［1］赵琦.城市PM10来源及控制［M］.重庆:西南师范大学出版社，2007:1-2.
［2］谷雨，李红丽，董智，等.2008年春季呼和浩特沙尘天气与TSP和PM10污染的关系［J］.中国环境监测，2009，25(5):95-98.
［3］金维明.主要气象因素对可吸入颗粒物浓度影响规律探讨［J］.中国环境监测，2009，25(4):71-75.
［4］张海霞，董占强，杨玲珠，等.邯郸市可吸入颗粒物的污染现状及相关气象条件分析［J］.气象与环境科学，2009，32:134-137.
［5］郭建斌，陈钰.北京市空气污染季节变化规律研究及污染控制建议［J］.生态环境学报，2009，18(3):952-956.
［6］余梓木，周红妹，郑有飞.基于遥感和GIS的城市颗粒物污染分布研究［J］.自然灾害学报，2004，13(3):58-64.
［7］史同广，段玉森，孙林，等.济南市颗粒物污染MODIS遥感反演方法研究［J］.山东建筑大学学报，2008，23(3):213-220.
［8］赵英时.遥感应用分析原理与方法［M］.北京:科学出版社，2003:378-379.

[1]	王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[2]	曲海成, 王雅萱, 申磊. 多感受野特征与空谱注意力结合的高光谱图像超分辨率算法[J]. 自然资源遥感, 2022, 34(1): 43-52.
[3]	陈洁, 张立福, 张琳珊, 张红明, 童庆禧. 紫外-可见光水质参数在线监测技术研究进展[J]. 自然资源遥感, 2021, 33(4): 1-9.
[4]	高文龙, 张圣微, 林汐, 雒萌, 任照怡. 煤矿开采中SOM的遥感估算和时空动态分析[J]. 自然资源遥感, 2021, 33(4): 235-242.
[5]	杜程, 李得林, 李根军, 杨雪松. 基于高原盐湖光谱特性下的溶解氧反演应用与探讨[J]. 自然资源遥感, 2021, 33(3): 246-252.
[6]	姜亚楠, 张欣, 张春雷, 仲诚诚, 赵俊芳. 基于多尺度LBP特征融合的遥感图像分类[J]. 自然资源遥感, 2021, 33(3): 36-44.
[7]	臧传凯, 沈芳, 杨正东. 基于无人机高光谱遥感的河湖水环境探测[J]. 自然资源遥感, 2021, 33(3): 45-53.
[8]	王华, 李卫卫, 李志刚, 陈学业, 孙乐. 基于多尺度超像素的高光谱图像分类研究[J]. 自然资源遥感, 2021, 33(3): 63-71.
[9]	蒋校, 钟昶, 连铮, 吴亮廷, 邵治涛. 卫星遥感地质信息产品分类标准研究进展[J]. 自然资源遥感, 2021, 33(3): 279-283.
[10]	刘咏梅, 范鸿建, 盖星华, 刘建红, 王雷. 基于无人机高光谱影像的NDVI估算植被盖度精度分析[J]. 自然资源遥感, 2021, 33(3): 11-17.
[11]	李双权, 马玉凤, 刘勋, 李长春, 杜军. 郑州邙山枣树沟黄土剖面常量元素含量的高光谱反演[J]. 自然资源遥感, 2021, 33(3): 121-129.
[12]	韩彦岭, 崔鹏霞, 杨树瑚, 刘业锟, 王静, 张云. 基于残差网络特征融合的高光谱图像分类[J]. 国土资源遥感, 2021, 33(2): 11-19.
[13]	舒慧勤, 方俊永, 鲁鹏, 顾万发, 王潇, 张晓红, 刘学, 丁兰坡. 基于多源高分辨率数据的遗址空间考古精细识别研究[J]. 国土资源遥感, 2021, 33(2): 162-171.
[14]	肖艳, 辛洪波, 王斌, 崔利, 姜琦刚. 基于小波变换和连续投影算法的黑土有机质含量高光谱估测[J]. 国土资源遥感, 2021, 33(2): 33-39.
[15]	胡新宇, 许章华, 陈文慧, 陈秋霞, 王琳, 刘辉, 刘智才. 基于PROBA/CHRIS影像的归一化阴影植被指数NSVI构建与应用效果[J]. 国土资源遥感, 2021, 33(2): 55-65.

Viewed

Full text

Abstract

Cited

Shared

Discussed