国土资源遥感, 2019, 31(4): 151-158 doi: 10.6046/gtzyyg.2019.04.20

技术应用

福建省空气清新度卫星遥感监测

李恺霖1, 张春桂,2, 廖廓2, 李丽纯2, 王宏2

1. 福建省气象信息中心,福州 350001

2. 福建省气象科学研究所,福州 350001

Study of remote sensing atmosphere index of Fujian Province

LI Kailin1, ZHANG Chungui,2, LIAO Kuo2, LI Lichun2, WANG Hong2

1. Fujian Meteorological Information Center, Fuzhou, 350001, China

2. Fujian Meteorological Institute, Fuzhou, 350001, China

通讯作者: 张春桂(1966-),男,教授级高级工程师,主要从事卫星遥感应用研究。Email:fjygwork@163.com。

责任编辑: 李瑜

收稿日期: 2018-12-14   修回日期: 2019-04-5   网络出版日期: 2019-12-15

基金资助: 福建省科技计划项目“卫星资料在福建强对流降水监测预报中的应用”.  2016Y0008
国家自然科学基金项目“气溶胶物理化学对台湾海峡及周边地区雾霾天气之影响”共同资助.  41461164007

Received: 2018-12-14   Revised: 2019-04-5   Online: 2019-12-15

作者简介 About authors

李恺霖(1989-),男,工程师,主要从事气象数据应用研究。Email:likailing2008@126.com。 。

摘要

通过利用葵花-8(Himawari-8)卫星气溶胶光学厚度(aerosol optical depth, AOD)数据三级(L3)资料(时间分辨率为60 min/次)和MODIS的归一化插值植被指数(normalized difference vegetation index, NDVI)资料,构建了卫星遥感空气清新度(remote sensing atmosphere index, RSAI)指数,并以福建省为例,分析其季节变化的规律。研究表明,四季中福建省沿海地区均为AOD高值区,西部地区为AOD低值区; 全省秋季AOD数值全年最低,且福建省四季整体AOD皆低于大陆周边省份。与长江三角洲、珠江三角洲和南昌市城市群相比,福建省境内福厦泉城市群植被覆盖良好,季节差异不大。根据RSAI指数,福建省四季皆为清新以上等级,福建省四季RSAI指数皆高于大陆周边省份,显示出福建省特有的生态优势。通过对AOD,NDVI和RSAI的分析表明,福建省空气质量好,透明度高,植被覆盖好,卫星遥感空气清新度指数高,对研究区旅游业发展,提高人类健康水平,脱贫致富,减少污染及改善环境等方面都大有裨益。

关键词： 葵花-8 ; MODIS ; RSAI ; 气溶胶光学厚度

Abstract

Based on the Himawari-8 Level3 aerosol optical depth data (Once per hour) and NDVI from MOIDS data, the authors constructed a new RSAI, which can be used to analyzed the seasonal variation of Fujian Province. The results indicate that AOD along the coast line of Fujian Province stand high all the seasons, while the AOD value reaches the bottom in western Fujian. In autumn, the AOD value is the lowest; furthermore, AOD values of Fujian Province are lower than those of any other provinces in China’s mainland. Contrary to things of Yangtze River Delta, Pearl River Delta and Nanchang urban agglomerations, in such main cities of Fujian as Fuzhou, Xiamen and Quanzhou, the vegetation coverage is pretty good. As a result, according to the new construction RSAI, Fujian ranks above ‘fresh’ level throughout all the seasons, the RSAI statistics are higher than those of other neighborhood in China’s mainland, implying privilege ecosystems of Fujian Province. These data show that Fujian Province is of good air quality, high atmospheric transparency, good vegetation coverage and high-level RSAI, as shown by comprehensively analysis of the three indexes. It is therefore held that Fujian Province is favorable not only for tourism but also for improving health, poverty alleviation, reducing pollution and improving the environment.

Keywords： Himawari-8 ; MODIS ; RSAI ; aerosol optical depth

PDF (4577KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李恺霖, 张春桂, 廖廓, 李丽纯, 王宏. 福建省空气清新度卫星遥感监测. 国土资源遥感[J], 2019, 31(4): 151-158 doi:10.6046/gtzyyg.2019.04.20

LI Kailin, ZHANG Chungui, LIAO Kuo, LI Lichun, WANG Hong. Study of remote sensing atmosphere index of Fujian Province. REMOTE SENSING FOR LAND & RESOURCES[J], 2019, 31(4): 151-158 doi:10.6046/gtzyyg.2019.04.20

0 引言

大气气溶胶通常是指悬浮在大气中直径小于100 μm 的液态和固态颗粒总称,其质量仅占整个大气质量的十亿分之一,可散射和吸收太阳短波辐射以及地球长波辐射,从而影响地气系统的辐射平衡(直接效应),并且可以作为凝结核影响云的辐射特性以及作为反应表面,影响大量化学反应的速度(间接效应),因此其对大气辐射传输和水循环均有重要影响[1]。气溶胶光学厚度(aerosol optical depth, AOD)定义为气溶胶的消光系数沿辐射传播路径在垂直方向上的积分[2]。该参数描述了气溶胶对光的衰减作用,为无量纲量。AOD是大气气溶胶最基本的光学特性之一,同时也是描述气溶胶特性、表征大气浑浊度的重要物理量之一,能在一定程度上反映区域大气的污染程度。

目前获取大气气溶胶光学厚度资料的手段包括地基遥感和卫星遥感[3,4,5]。与地基遥感相比,卫星遥感具有连续、动态、宏观、快速的优势,为获取大范围的时空覆盖、变化趋势及气溶胶输送源的信息提供了强有力的监测手段[6,7]。

日本气象厅于2014年7月发射了新一代静止气象卫星葵花-8(Himawari-8)并于2015年7月开始提供运营[8]。葵花-8/AHI (Advanced Himawari Image)包含对气溶胶敏感的蓝光通道,在陆地气溶胶反演方面具有很大的潜力。葛邦宇等[9]利用暗目标法对葵花-8数据气溶胶进行了反演,分析了京津冀地区大气的空间分布和日变化情况; Yan等[10]利用最小反射率气溶胶反演方法对葵花-8卫星资料在北京及其附近区域进行了验证; Zhang等[11]利用葵花-8卫星资料与新的AOD反演方法,与MODIS资料进行对比,验证了该卫星在东亚地区的适用性,结果表明该卫星与MODIS气溶胶产品的相关系数达到0.8以上,与陆基观测相比,同样达到了很高的相关系数(0.86)。

绿地在生态系统占据重要的位置,尤其突出的是其在吸收、降解大气污染物中表现出的显著效果,且与AOD大小关系十分密切 [12,13,14,15,16]。现在通用的表征城市绿色环境质量特征的一个指标就是归一化植被指数 (normalized difference vegetation index, NDVI),它是影响城市空气污染浓度的重要指标[17],它可以通过反映区域地表植被的种类、覆盖密度等特征来表征区域下垫面的植被覆盖情况。NDVI 数值愈大表示植物生长愈多。众多学者利用MODIS的NDVI指数与AOD之间的关系进行了研究,并取得了丰硕的成果。张磊[18]利用MODIS的AOD数据与NDVI数据集研究了广东地区AOD变化规律与影响因素,指出AOD与NDVI在广东有着显著的负相关; 方炜[19]利用AOD建立与PM2.5相关模型,验证了其与NDVI在广州市呈现明显的负相关,植被对颗粒物的吸附效果明显; 岳辉[20]利用MODIS中AOD数据建立起了与PM10之间相关模型,并分析得出武汉市PM10数值与NDVI呈现极显著负相关; 董自鹏等[21]指出陕西省气溶胶波长指数分布与植被覆盖情况密切相关,地面扬尘是粗模态气溶胶的重要来源,NDVI上升和沙尘天气的减少使秦岭以北地区粗模态AOD逐年递减。

综上的研究表明地表植被的覆盖能够有效吸附空气中的悬浮物,对大气中的粉尘、微小颗粒具有附挡、吸附、滞留和过滤的作用,从而达到“净化”空气的效果,抑制了AOD高值的产生,对改善透明度有很大作用。卫星具有观测范围大,时间分辨率高等优点,那么如何通过卫星定量描述清新福建,并通过定义一种指数,建立起NDVI与AOD之间关系,用以表征福建省的清新程度,并阐述其在建设清新福建中的应用,本文将在这方面进行探索。

1 研究区概况

福建省地处东南沿海,地理范围在E115°40'~120°30',N23°30'~28°20'之间,森林覆盖率达65.95%,连续37年位居全国第一,是全国“最绿”省份。生态资源已经成为福建省最宝贵的资源,生态优势是福建省最具竞争力的优势。同时,森林生态系统是开展养生旅游的重要载体和场所之一[22]。从2013年初开始,全国多地遭遇雾霾沙尘天气,人们对生态环境非常关注,从那时候起提出了“清新福建”的概念[23]。2014年福建省优质生态旅游景区“清新指数”正式对外发布,在全国率先发布涵盖PM2.5、负氧离子等指标的指数,以数据建立生态旅游新标准[24]。卫星遥感空气清新度(remote sensing atmosphere index, RSAI)指数的建立将有助于深入了解福建的生态环境情况,能更好更全面地描述“清新福建”。

2 数据源

葵花-8卫星AOD数据来源于日本气象厅,数据的下载地址为http: //www.eorc.jaxa.jp/ptree/。葵花-8卫星采用了全盘扫描的方法,观测范围为S60°~N60°,E80°~W160°。AOD仅有日间观测资料,分为二级(L2)和三级(L3)资料,空间分辨率均为5 km×5 km,其中L2资料10 min产生一次数据,L3资料1h产生一次数据。葵花-8卫星AOD质量控制分为4个等级,分别为“very good”(很好)、“good”(好)、“marginal”(边缘的)、“no confidence”(不可信任的)。 Zang等[25]选取了超过10 000个质量为“very good”的数据与气溶胶自动观测网 (Aerosol Robotic Network, AERONET)数据进行比较,二者的相关系数达到0.74,不确定性为0.24,分时段对比发现,AOD的反演质量在当地时间12: 00—14: 00时,质量最好; 14: 00—17: 00时,质量次之; 9: 00—11: 00时,质量最差。文中选择观测时段为北京时间8: 00—17: 00时的逐时数据。

本研究采用的NDVI来源于国家卫星气象中心业务内网,是以EOS/MODIS卫星数据作为信息源,在对EOS/MODIS数据进行包括地理定位、通道定标和投影变换等预处理的基础上,采用NDVI公式计算出来的。为了与葵花-8的AOD资料的时空分辨率相一致,本研究将NDVI数据通过重采样稀疏化处理成与葵花-8的AOD产品相同的5 km空间分辨率,研究的时段为2015年12月—2018年9月,并根据福建的气候特点,定义春季为3—6月,夏季为7—9月,秋季为10—11月,冬季为12—来年2月[26]。为了与周边区域进行比较,将区域范围扩大到E110°~125°,N20°~35°。

3 研究方法

3.1 AOD

AOD和Ångström波长指数是表征大气光学特性的基本参数,可以用来推算大气气溶胶的含量。AOD的具体的计算公式为[27]

τ(λ)=βλ-α,

式中: τ(λ)为AOD; β为浑浊系数; α为Ångström波长指数。 α是定性衡量气溶胶粒子大小的一个重要光学参数,其值越小说明粒子越大, 反之亦然[28]。 α通过在式(2)中代入不同的波长相除后,取以常数e为底数的对数ln得到,即

α=-ln[τ(λ1)/τ(λ2)]ln(λ1/λ2)。

葵花-8的AOD数据的具体计算方法为: 首先通过利用公式(3)计算出 α; 然后将其代入公式(2)计算出 τ(λ); 最后通过引用基于确定的球形粒子气溶胶模型查找表,查找出相应的AOD数值。

葵花-8的AOD资料为逐时数据,为了得到日平均、月平均和季节平均的结果,需要对数据进行进一步处理。平均值可表示为

avalid=1N∑n=1Naij,

式中: avalid表示在行数为i,列数为j格点上的平均值; N表示不同文件同一格点上,有数值并且通过质量控制的文件个数; aij代表行数为i,列数为j格点上的AOD数值,aij数值有3种情况,分别为缺测、反演失败、有数值并且有质量保证[29]。在文中采用的有数值且有质量保证的数据即为质量控制等级为“very good”的数据。3种情况下AOD的数值分别为: 0,0,实际值。只有当AOD为实际值时,该格点才参与运算,所得的日平均为参与计算格点的平均值。在此基础上进而得到月数据和季节数据。

3.2 NDVI

为了能有效地排除大气的干扰和福建地区多云天气的影响,本研究的NDVI资料采用月合成资料,具体方法是先根据目前最为常用的NDVI计算公式计算出福建地区晴空NDVI值,即

NDVI=(Xnir-Xred)/ (Xnir+Xred) ,

式中,Xnir和Xred分别是近红外波段和红光波段的反射率,对于MODIS数据来说,分别对应于CH2波段(0.841~0.876 μm)和CH1波段(0.62~0.67 μm)。

然后通过最大值合成法(maximum value composite, MVC)将每天NDVI数据合成为每月NDVI数据,MVC法可以进一步消除大气对NDVI削弱的影响以及消除云的影响,MVC表达式为

Mt=max[NDVI(t)] ,

式中,Mt为月NDVI值; t为月份。

3.3 指数构建

经过统计,福建省内AOD与NDVI多年平均值均在[0,1]之间。为了建立起AOD与NDVI之间的联系,定义了卫星遥感空气清新度(remote sensing atmosphere index, RSAI)指数,其具体计算公式为

RSAI=c1AOD+10d·NDVI, (6)

式中: c, d为权重系数。为了使AOD与NDVI单调性一致,且有相同的取值范围,对2个变量进行了均一化处理。当AOD与NDVI都有数值,且经过质量控制后RSAI数值为有效,否则设为缺测。数值越大表示空气越清新。表1为参考世界卫生组织关于空气清新度等级划分中的负氧离子指标[30],结合福建实际,制订的RSAI分级标准。

表1   卫星遥感空气清新度分级标准

Tab.1  Grinding standard of RSAI

RSAI值空气清新等级对健康的影响
RSAI>9非常清新具有治疗和康复的功效
(8,9]清新减少疾病传染
(7,8]较清新增加人体免疫力
(5,7]一般维持人体健康基本需要
RSAI≤5不清新易诱发各种疾病和生理障碍

新窗口打开| 下载CSV


4 结果分析

4.1 AOD的季节分布

图1给出了福建地区AOD季节变化的时空分布,从图中可以看出,春季,福建省大部分AOD数值在0.2左右,闽西北部分山区的数值在0.1左右,福建省沿海地区为AOD的大值区,数值在0.4左右,对比大陆周边省份,春季福建省大部AOD数值较低; 夏季,福建省大部AOD的数值范围在0.2~0.3之间,AOD大值区在福建中南部沿海,相比于大陆周边省份,夏季福建省AOD总体数值较低; 秋季,福建省西部大部地区AOD都在0.2以下,福建省中北部AOD大值区数值相比较于春夏有所降低,但闽南地区AOD数值上升,达到全年的最大值,福建省秋季整体AOD数值大大低于大陆周边省份,是一年中数值最低的季节; 冬季福建省大部分AOD数值在0.2左右,AOD的高值区在福建省闽南沿海,冬季福建全省AOD数值低于大陆周边省份。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   福建省气溶胶光学厚度季节变化时空分布示意图

Fig.1   Spatial distribution of seasonal mean AOD in Fujian Province


造成上述现象的原因有3点: ①沿海地区污染排放源强度大于内陆地区,其中中南部沿海地区经济发达、人口稠密、汽车保有量大,并有较多工业区,气溶胶排放量相对大; 而北部沿海地区受北霾南输影响,是区域污染输送开始的第一站,结束的最后一站,因此全年气溶胶浓度平均值也高于内陆; ②天气气候原因,沿海地区常年降水(不考虑台风产生的极端降水)平均值低于内陆地区,大气湿清除条件不如内陆地区好,尤其漳州地区为福建省降水最少的地区,晴热干燥的气象条件下造成AOD数值较大; ③沿海森林覆盖率低于内陆,植被对颗粒物吸附能力总量较低。

有研究表明[31]: 颗粒物通过对光的吸收和散射使地面大气水平能见度急剧降低,进而对居民生活、工作等造成不利影响,特别是能见度的改变会影响个体行为,降低对自然保护区、公园、景点的参观频率,从而减少旅游收入。与能见度直接相关的AOD起到直接作用。结合上述分析,福建省一年四季AOD数值较低,四季能见度优良,尤其以秋季闽西地区能见度极佳,均适合开发生态游项目。

4.2 NDVI的季节分布

通过MODIS的NDVI数据集能更直观地了解福建省内植被四季的覆盖情况,为生态、乡村旅游提供参考。

图2位置中,给出了福建省NDVI的时空变化分布。从图中可以看出,春夏2季全省大部的NDVI都在0.7以上,植被覆盖良好,而且NDVI数值在0.7左右的区域,福建省所占面积大于大陆周边省份,这与福建全省森林覆盖率排名全国第一的情况吻合; 秋冬2季由于作物收割或长势弱化,NDVI的数值有所降低,但植被覆盖率依旧高于大陆周边省份。与长江三角洲、珠江三角洲和南昌市城市群相比,福建境内福夏泉城市群植被覆盖良好,季节差异不大。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   福建省归一化的植被指数(NDVI)季节变化时空分布示意图

Fig.2   Spatial distribution of seasonal mean NDVI in Fujian Province


4.3 RSAI的季节分布

通过结合AOD与NDVI 2个生态环境的重要物理量,新构建了RSAI指数,定量描述了福建省生态总体情况。

图3给出了福建省卫星遥感清新度季节变化时空分布,根据表1中给出的标准,定义了非常清新、清新、较清新、一般和不清新4个等级。从图中可以看出,春季,福建省大部RSAI为清新,沿海地区为一般; 夏季,福建省大部RSAI清新和较清新,沿海地区一般; 秋季,福建省大部地区RSAI以清新为主,部分地区RSAI为非常清新,但闽南沿海地区RSAI一般,少部地区为不清新; 冬季,福建省大部RSAI以清新和较清新为主,闽南沿海少部地区为不清新。根据RSAI分级,福建省四季皆以清新以上等级为主,四季RSAI皆高于大陆周边省份,显示出福建省特有的生态优势。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   福建省卫星遥感清新度季节变化时空分布示意图

Fig.3   Spatial distribution of seasonal mean RSAI in Fujian Province


5 结论与讨论

通过综合利用葵花-8卫星AOD数据三级(L3)资料和MODIS的NDVI资料,构建了RSAI指数,并以福建省为例分析了其季节变化规律,得出以下结论:

1)四季福建省大部AOD变化不大,低值区一般分布在闽西北山区,东南沿海为大值区,其中闽南沿海均为当季福建省AOD大值区。福建省四季整体AOD皆低于大陆周边省份,以秋季最为明显。

2)造成福建省AOD沿海高内陆低,闽南沿海为大值中心这种现象的原因是,沿海地区污染排放源强大于内陆地区,气溶胶排放量相对大; 而北部沿海地区受北霾南输影响,全年AOD平均值也高于内陆; 沿海地区常年降水平均值低于内陆地区,大气湿清除条件不如内陆地区好,尤以漳州地区降水最为稀少,晴热干燥的气象条件下造成AOD数值较大; 沿海森林覆盖率低于内陆,植被对颗粒物吸附能力总量较低。

3)春夏两季全省大部植被覆盖良好,NDVI较大数值福建省所占面积大于大陆周边省份。秋冬两季,NDVI的数值有所降低,但植被的覆盖率依旧高于大陆周边省份。与研究范围内城市群相比,福建境内福夏泉城市群植被覆盖良好,季节差异不大。

4)四季福建省大部RSAI指数以清新为主,其中秋季RSAI指数最佳。RSAI指数一般的地区集中在福建沿海,闽南沿海为RSAI指数较差地区。福建四季RSAI指数皆高于大陆周边省份,显示出福建特有的生态优势。

5)通过对AOD,NDVI和RSAI的分析,福建气溶胶光学厚度数值较低,植被覆盖好,卫星遥感空气清新度指数高,对实现生态文明,推动既要金山银山,又要绿水青山的实践有着一定的参考意义。

但是,在使用葵花-8卫星和MODIS数据的时候主要考虑了季节变化,指数的构建也多依赖于平时业务经验。因此,今后将更加深入开展AOD与NDVI之间的关系研究,使RSAI的构建更加科学合理。

参考文献

杨琨, 孙照渤, 倪东鸿 .

1999-2003年我国气溶胶光学厚度的变化特征

[J]. 大气科学学报, 2008,31(1):92-96.

[本文引用: 1]

Yang K, Sun Z B, Ni D H .

Characteristics of atmospheric aerosol optical depth over China during 1999-2003

[J]. Journal of Nanjing Institute of Meteorology. 2008,31(1):92-96.

[本文引用: 1]

Charlson R J, Schwartz S E, Hales J M , et al.

Climate forcing by anthropogenic aerosols

[J]. Science, 1992,255(5043):423-430.

[本文引用: 1]

赵柏林, 俞小鼎 .

海洋大气气溶胶光学厚度的卫星遥感研究

[J]. 科学通报, 1986,31(21):1645-1645.

Magsci     [本文引用: 1]

<正> 大气气溶胶的含量标志着大气环境的好坏,同时在气候上也显示出它的重要性。利用卫星遥感进行大气气溶胶的监测是切实可行的。本文利用NOAA-7卫星AVHRR可见光辐射信息导出无尘暴情况下,晴空渤海上空大气气溶胶光学厚度,从而得知大气气溶胶的概况。

Zhao B L, Yu X D .

Satellite remote sensing research of Marine atmospheric aerosol optical thickness

[J]. Chinese Science Bulletin, 1986,31(21):1645-1645.

Magsci     [本文引用: 1]

毛节泰, 刘晓阳, 李成才 , 等.

MODIS卫星遥感北京地区气溶胶光学厚度及与地面光度计遥感的对比

[J]. 应用气象学报, 2002,13(s1):127-135.

[本文引用: 1]

Mao J T, Liu X Y, Li C C , et al.

The comparison of remote sensing aerosol optical depth from MODIS data and ground sun-photometer observations

[J]. Journal of Applied Meteorology, 2002,13(s1):127-135.

[本文引用: 1]

吕达仁, 王普才, 邱金桓 , 等.

大气遥感与卫星气象学研究的进展与回顾

[J]. 大气科学, 2003,27(4):552-566.

DOI:10.3878/j.issn.1006-9895.2003.04.09      Magsci     [本文引用: 1]

大气遥感作为大气科学中的重要基础与技术支柱,是20世纪60年代以来迅速发展的一门年轻学科.中国大气科学工作者在这方面也紧密结合国家需求与国际学术前沿,从20世纪60年代开始在理论研究,技术发展与实验研究,以及在气象、环境和国防应用等多方面开展了活跃的研究与发展工作.作者主要对中国科学界在大气遥感与卫星气象学发展方面作简要回顾,并着重介绍中国科学院大气物理研究所在大气遥感的基础与方法研究方面的一些进展,以及对大气遥感发展中的作用.主要内容包括:中国大气遥感的简要发展过程、卫星气象的早期发展、卫星红外遥感的基

Lu D R, Wang P C, Qiu J H , et al.

An overview on the research progress of atmosphere remote sensing and satellite meteorology in China

[J]. Chinese Journal of Atmospheric Sciences. 2003,27(4):552-566.

Magsci     [本文引用: 1]

李俊, 方宗义 .

卫星气象的发展——机遇与挑战

[J]. 气象, 2012,38(2):129-146.

[本文引用: 1]

Li J, Fang Z Y .

The development of Satellite Metrology-Challenges and opportunities

[J]. Metrological Monthly. 2012,38(2):129-146.

[本文引用: 1]

张鹏, 王春姣, 陈林 , 等.

沙尘气溶胶卫星遥感现状与需要关注的若干问题

[J]. 气象, 2018,44(6):725-736.

[本文引用: 1]

Zhang P, Wang C J, Chen L , et al.

Current status of satellite-based dust aerosol remote sensing and some issues to be concern

[J]. Metrological Monthly. 2018,44(6):725-736.

[本文引用: 1]

Bessho K, Date K, Hayashi M , et al.

An Introduction to Himawari-8/9— Japan’s new-generation geostationary meteorological satellites

[J]. Journal of the Meteorological Society of Japan. ser. ii, 2016,94(2):151-183.

[本文引用: 1]

葛邦宇, 杨磊库, 陈兴峰 , 等.

暗目标法的Himawari-8静止卫星数据气溶胶反演

[J]. 遥感学报, 2018,22(1):38-50.

[本文引用: 1]

Ge B Y, Yang L K, Chen X F .

Study on aerosol optical depth retrieval over land from Himawari-8 data based on dark target method

[J]. Journal of Remote Sensing, 2018,22(1):38-50.

[本文引用: 1]

Yan X, Li Z, Luo N , et al.

A minimum albedo aerosol retrieval method for the new-generation geostationary meteorological satellite Himawari-8

[J]. Atmospheric Research, 2018,207(2018):14-27.

[本文引用: 1]

Zhang W, Xu H, Zheng F .

Aerosol optical depth retrieval over east Asia using Himawari-8/AHI Data

[J]. Remote Sensing, 2018,10(1):137-156.

[本文引用: 1]

Sehmel G A .

Partiele and gas dry deposition:A review

[J]. Atmospheric Environment, 1980,14(9):983-1011.

[本文引用: 1]

陈自新 .

城市园林绿化与城市可持续发展

[J]. 中国园林, 1998,1998(5):4-5.

[本文引用: 1]

Chen Z X .

Urban landscaping and sustainable development

[J]. Chinese Landscape Architecture, 1998,1998(5):4-5.

[本文引用: 1]

柴一新, 祝宁, 韩焕金 .

城市绿化树种的滞尘效应一以哈尔滨市为例

[J]. 应用生态学报, 2002,13(9):1121-1126.

[本文引用: 1]

Chai Y X, Zhu N, Han H J .

Dust removal effect of urban tree species in Haerbin

[J]. Chinese Journal of Applied Ecology, 2002,13(9):1121-1126.

[本文引用: 1]

葛非凡, 毛克彪, 蒋跃林 , 等.

华东地区夏季极端高温特征及其对植被的影响

[J]. 中国农业气象, 2017,38(1):42-51.

[本文引用: 1]

Ge F F, Mao K B, Jiang Y L , et al.

Extreme high-temperature in summer and its impacts on vegetation in East China

[J]. Chinese Journal of Agrometeorology, 2017,38(1):42-51.

[本文引用: 1]

陈艳英, 唐云辉, 张建平 , 等.

基于MODIS的重庆市植被指数对地形的响应

[J]. 中国农业气象, 2012,33(4):587-594.

DOI:10.3969/j.issn.1000-6362.2012.04.017      Magsci     [本文引用: 1]

利用重庆市2011年3-11月晴空条件下逐日MODIS数据，采用最大值合成法合成逐旬（月、年）归一化植被指数，将各旬植被指数按高度和坡度分别分成6个高度特征区和5个坡度特征区，对各特征区植被指数进行对比分析。结果表明，（1）区域平均植被指数随特征区高度或坡度值增加呈增大的趋势。高程1500m以下相邻区域间NDVI值相差3.5～8.7，且植被指数随高度升高增加较快，1500m以上相邻区域间NDVI值相差在1.9以内，随高度升高增加缓慢；坡度25°以下相邻区域间NDVI值相差3.0～8.0，且植被指数随坡度增加增大较快，25°以上相邻区域间NDVI相差0.2～1.0，随坡度增大增加缓慢。（2）大于平均植被指数的频率与高度和坡度的相关分析表明，在海拔较高的特征区，植被指数高值格点的频率也较大，该频率与海拔高度间呈极显著正相关关系，相关系数为0.9552（P＜0.01）；而植被指数与坡度无显著的相关性，相关系数为-0.3000。（3）按高度分区比按坡度分区更能体现植被指数的地区差异性。各高度特征区高程与植被指数的相关系数在0.9541～0.9871（P＜0.001），各坡度特征区坡度与植被指数的相关系数在0.9457～0.9723（P＜0.01）。研究结果说明，重庆市地形因素对植被指数有较大的影响，且高度因素对植被指数及其分布的影响较坡度更明显。

Chen Y Y, Tang Y H, Zhang J P , et al.

Response of vegetation index based on MODIS to topographic factor in Chongqing

[J]. Chinese Journal of Agrometeorology, 2012,33(4):587-594.

Magsci     [本文引用: 1]

Rouse J W, Haas R H, Schell J .

A.Monitoring the Vernal Advancements and Retrogradation (Greenwave Effect) of Nature Vegetation

[M]. Texas:Texas A &M University, 1974.

[本文引用: 1]

张磊 .

2001—2015年广东地区气溶胶光学厚度变化趋势及其影响因素

[D]. 南京:南京大学, 2016.

[本文引用: 1]

Zhang L .

The Changing Trends of Aerosol Optical Depth over the Guangdong Region from 2001 to 2015 and Their Influencing Factors

[D]. Nanjing:Nanjing University, 2016.

[本文引用: 1]

方炜 .

广州市气溶胶光学厚度及PM2.5浓度的时空特征及其影响因素

[D]. 广州:中山大学, 2017.

[本文引用: 1]

Fang W .

Temporal and Spatial Characteristics of Aerosol Optical Depth and Concentration of PM2.5 in Guangzhou and Its Influencing Factors

[D].Guangzhou:Sun Yat-sen University, 2017.

[本文引用: 1]

岳辉 .

武汉市大气PM10浓度空间分布特征及其影响因素研究

[D]. 武汉:华中农业大学, 2012.

[本文引用: 1]

Yue H ,

Reaserch On the Spatial Distribution Characteristic and Its Influencing Factors of Atmospheric PM10 Concentration in Wuhan City

[D]. Wuhan:Huazhong Agricultural University, 2012.

[本文引用: 1]

董自鹏, 余兴, 李星敏 , 等.

基于MODIS数据的陕西省气溶胶光学厚度变化趋势与成因分析

[J]. 科学通报, 2014,59(3):306-316.

Magsci     [本文引用: 1]

<p>利用MODIS（moderate resolution imaging spectroradiometer）数据探讨了2000年3月~ 2012年2月陕西省气溶胶光学厚度（aerosol optical depth，AOD）的时空变化趋势及成因. 结果表明，在地形因素和局地源的共同影响下，关中盆地、安康和汉中是陕西AOD高值区，除上述地区AOD在上升外，陕西大部分地区AOD在下降. 陕西气溶胶波长指数（<em>&alpha;</em>）分布与植被覆盖情况密切相关，地面扬尘是粗模态气溶胶的重要来源，归一化植被指数（normalized difference vegetation index，NDVI）上升和沙尘天气的减少使秦岭以北地区粗模态AOD逐年递减，而人类活动导致陕西林区以外的大部分地区细模态AOD的上升. 随着细模态AOD上升和粗模态AOD下降，人类活动对气溶胶影响日益突出，陕西地区气溶胶类型正逐渐向城市工业型转变.</p>

Dong Z P, Yu X, Li X M , et al.

Analysis of variation trends and causes of aerosol optical depth in Shaanxi Province using MODIS data

[J]. Chinese Science Bull, 2014,59(3):306-316.

Magsci     [本文引用: 1]

杨艺宸 .

森林养生生态游靠什么推动

[J]. 中国林业产业, 2015,2015(12):63-63.

[本文引用: 1]

Yang Y C .

What drives the ecological tour of forest health

[J]. China Forestry Industry, 2015,2015(12):63-63.

[本文引用: 1]

张光英, 沈德福 .

“清新福建”旅游品牌视野下的旅游资源总体评价体系研究

[J]. 经济研究导刊, 2014,2014(31):238-241.

[本文引用: 1]

Zhang G Y, Shen F D .

Research on the overall evaluation system of tourism resources under the vision of “Refreshing Fujian” tourism brand

[J]. Economic Research Guide, 2014,2014(31):238-241.

[本文引用: 1]

宗和 .

福建生态文明引领全省旅游产业发展

[J]. 福建质量管理, 2014,2014(s2):9-12.

[本文引用: 1]

Zong H .

Ecological civilization leads the development of tourism industry in the whole Province of Fujian

[J]. Fujian Quality Management, 2014,2014(s2):9-12.

[本文引用: 1]

Zang L, Mao F, Guo J , et al.

Estimating hourly PM1 concentrations from Himawari-8 aerosol optical depth in China

[J]. Environmental Pollution, 2018,2018(241):654-663.

[本文引用: 1]

鹿世瑾 . 福建气候[M]. 北京: 气象出版社, 2012: 3.

[本文引用: 1]

Lu S J. Fujian Climate[M]. Beijing: China Meteorological Press, 2012: 3.

[本文引用: 1]

Ångström A. Techniques of Determinig the Turbidity of the Atmosphere[M]. Oxfordshire: Oxford University Press, 1964: 214-223.

[本文引用: 1]

Bréon F, Tanré D, Generoso S .

Aerosol effect on cloud droplet size monitored from satellite

[J]. Science, 2002,295(5556):834-838.

[本文引用: 1]

Kikuchi M, Murakami H, Suzuki K , et al.

Improved Hourly Estimates of Aerosol Optical Thickness Using Spatiotemporal Variability Derived From Himawari-8 geostationary satellite

[J]. IEEE Transactions on Geoscience & Remote Sensing, 2018,56(6):3442-3455.

[本文引用: 1]

施佳琦, 江帆 .

浙江空气质量“清新指数”要来了!“洗肺之地”这里寻

[N/OL].浙江新闻, 2017 -07-14[2019-03-26].

URL     [本文引用: 1]

Shi J Q, Jiang F .

The “Fresh Index” of atmosphere quality in Zhejiang Province is coming.“Washing your lung” is spotted here

[N/OL].Zhejiang News, 2017 -07-14[2019-03-26].

URL     [本文引用: 1]

于亢亢, 钱程, 高健 , 等.

公众大气能见度认知下的支付意愿及影响因素

[J]. 环境科学研究, 2014,27(10):1095-1102.

[本文引用: 1]

Yu K K, Qian C, Gao J , et al.

Public perception of visibility and its relationship to willingness-to-pay

[J]. Research of Environmental Sciences, 2014,27(10):1095-1102.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发