CN115901553A - 一种基于Himawari-8卫星遥感数据的沙尘监测方法 - Google Patents
一种基于Himawari-8卫星遥感数据的沙尘监测方法 Download PDFInfo
- Publication number
- CN115901553A CN115901553A CN202210232780.7A CN202210232780A CN115901553A CN 115901553 A CN115901553 A CN 115901553A CN 202210232780 A CN202210232780 A CN 202210232780A CN 115901553 A CN115901553 A CN 115901553A
- Authority
- CN
- China
- Prior art keywords
- dust
- sand
- threshold value
- channel
- himapari
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于Himawari‑8卫星遥感数据的沙尘监测方法，主要涉及大气环境监测技术领域。包括以下步骤：获取Himawari‑8卫星全波段的扫描数据；提取波长在3.9μm通道下的亮度温度数据，设置阈值为300K，以大于该阈值为进入下一判识的条件；计算波长在3.9μm通道与11.2μm通道之间的亮度温度差值，设置阈值为20K，以差值大于该阈值为进入下一判识的条件；计算波长在11μm通道与12μm通道之间的亮度温度差值，设置阈值为0K，以差值大于该阈值作为识别沙尘的最终条件。本发明的有益效果在于：它极大提高了时间分辨率，有利于进行实时动态监测沙尘。
Description
技术领域
本发明涉及大气环境监测技术领域，具体是一种基于Himawari-8卫星遥感数据的沙尘监测方法。
背景技术
沙尘天气是指风将地面尘土、沙粒卷入空中，使空气混浊的一种天气现象的统称。沙尘天气是我国北方地区的主要灾害性天气之一，影响交通和人们的工作生活，危害人类健康；我国北方沙尘天气易发区范围广，地基灾害监测预警能力有限，面对这一气象灾害防御体系的薄弱点，卫星遥感则能够较好地发挥作用；开展沙尘监测不仅对沙尘灾害预警和生态环境影响评价具有重要意义，而且对人类社会生活和全球气候变化产生深远影响。
应用卫星遥感技术监测沙尘暴天气的工作在国内外都已开展，美国、欧共体、日本和我国的气象、资源、环境卫星的对地观测仪器中，许多都携载有对沙尘气溶胶“敏感”的观测通道，利用这些仪器都可以进行大气沙尘监测。然而，常用于沙尘监测的卫星以极轨卫星为主，由于重访周期较长，图像获取时间间隔较大，沙尘的动态监测受到很大限制。
发明内容
本发明的目的在于提供一种基于Himawari-8卫星遥感数据的沙尘监测方法，它极大提高了时间分辨率，有利于进行实时动态监测沙尘。
本发明为实现上述目的，通过以下技术方案实现：
一种基于Himawari-8卫星遥感数据的沙尘监测方法，包括以下步骤：
获取Himawari-8卫星全波段的扫描数据；
提取波长在3.9μm通道下的亮度温度数据，设置阈值为300K，以大于该阈值为进入下一判识的条件；
计算波长在3.9μm通道与11.2μm通道之间的亮度温度差值，设置阈值为 20K，以差值大于该阈值为进入下一判识的条件；
计算波长在11μm通道与12μm通道之间的亮度温度差值，设置阈值为0K，以差值大于该阈值作为识别沙尘的最终条件。
若最终条件若识别为沙尘，则计算沙尘指数D1，计算公式为：
其中：R1.6为近红外1.6μm波段测得的反射率。
以每间隔10分钟获取一次Himawari-8卫星全波段的扫描数据，并基于扫描数据获得的沙尘指数D1建立沙尘动态监测图。
对比现有技术，本发明的有益效果在于：
通过本方法，基于Himawari-8卫星数据对沙尘实现监测，经过与OMI AI 产品对比，能有效提取出沙尘区域，沙尘范围与强度基本一致，可以满足业务化监测的需求。基于静止卫星Himawari-8提取沙尘，对比极轨卫星，极大提高了时间分辨率，有利于进行实时动态监测沙尘。且本方法简单有效，数据来源单一，使用软件较少。
附图说明
图1是沙尘监测流程图。
图2是2020年3月30日Himawari-8真彩色影像图。
图3是7波段亮度温度阈值提取结果。
图4是中红7波段外与热红外14波段差值提取结果。
图5是本发明热红外***窗通道14、15波段差值提取结果。
图6是本发明2020年3月30日内蒙古地区沙尘强度分布图。
图7是本发明2021年5月6日沙尘全天监测图。
图8是本发明2021年5月6日沙尘动态监测图。
图9是本发明Himawari-8(左)与OMI(右)沙尘提取结果比较。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。
下述实施例中所涉及的仪器、试剂、材料等，若无特别说明，均为现有技术中已有的常规仪器、试剂、材料等，可通过正规商业途径获得。下述实施例中所涉及的实验方法，检测方法等，若无特别说明，均为现有技术中已有的常规实验方法，检测方法等。
由日本气象厅出资、三菱电机公司研制的Himawari-8(中文名：葵花-8) 气象卫星于日本时间2014年10月7日使用三菱重工的H-IIA-25火箭成功发射。作为一颗静止气象卫星，Himawari-8在地球赤道上空约35800公里，与地球自转同步运行，相对地球静止，产生同步效应，可以观测地球表面三分之一的固定区域，可以对同一目标地区进行持续不断的气象观测。10分钟的时间分辨率，高达500米的空间分辨率，搭载“向日葵8号”气象卫星的感应器能力大幅度提升，可以识别红蓝绿光，能够显示彩色图像，以茶色来表示沙尘可以与云区别开来，对于观测和预报都很有利。向日葵-8卫星主要性能参数如下：
发射时间：2014年10月7日
发射质量：约3500kg
全长：约8米(含太阳电池翼翼展)
平台：DS-2000
寿命：8年以上(包括并行观测)
观测范围：可见光：0.5～1km；
近红外：1～2km；
红外：2km
扫描频次：全盘扫描：1次/10分钟；
日本全境：1次/2.5分钟；
激动观测范围：1次/2.5分钟
本方案主要基于沙尘颗粒的气溶胶光谱特性，沙尘粒子本身能发射长波辐射，也能吸收地面向上的长波辐射，同时还能通过对太阳辐射的吸收和散射，共同影响地球辐射收支和能量平衡，表现出光谱特征的差异性。空中悬浮的沙尘粒子的辐射特性与粒子的大小、形状、质地和浓度密切相关，其中粒径大小是决定沙尘散射特性的重要因素。短波谱段消光贡献主要来自粒子的散射，长波谱段消光贡献主要来自粒子的吸收，且粗粒子的消光贡献明显大于细粒子。
表1 Himawari-8卫星波段设计
上表表1为Himawari-8卫星的主要技术参数。共有16个波段，包括3个可见光波段、3个近红外波段和10个红外波段，空间分辨率分别为500m、1000m 和2000m。其中，中红外通道(3.9μm)主要包含了地物的辐射和反射信息，该通道叠加了更多的沙尘反射信息，对沙尘有明显反映，因此可用作沙尘反演中沙尘判识的主要依据。热红外大气窗口区8～12μm的亮度温度差可减小地面影响，可用来较好地研究沙尘暴。对提取的典型地物进行统计分析，采用3.9μ m波段与热红外各波段分别进行差值计算，分析发现沙尘在第7波段亮度温度与14、15波段亮度温度的差值与其他地物有明显差别，可将其作为判识依据。
主要的判识方法如下(见图1沙尘监测流程图)：
获取Himawari-8卫星全波段的扫描数据，包括波段1-16；
提取第7波段对应的亮度温度，设置300K为该3.9μm通道的亮度温度阈值，当其≤300K，判断为非沙尘，当其＞300K，则进一步将第7波段的亮度温度数据与第14波段的亮度温度数据相减，得到第一差值，当第一差值≤20K，判断为非沙尘，当第一差值＞20K，则进一步将第14波段的亮度温度数据与第 15波段的亮度温度数据相减，得到第二差值，当第二差值≥0K，判断为非沙尘，当第二差值＜0K，则计算沙尘指数D1，采用的公式为：
其中：R1.6为近红外1.6μm波段(5通道)测得的反射率。并基于沙尘指数建立沙尘动态监测图。
实施例1：以2020年3月30日Himawari-8扫描的数据，基于上述判识方法，对沙尘天气进行识别的具体案例
1.数据导入
本技术采用的软件为Arcgis10.3，数据选择2021年3月28日和5月6日 Himawari-8AHI影像。
Himawari-8数据存储格式为.nc，Arcgis10.3可直接打开。将用到的1、2、 3(不需底图，可不添加上述三个波段)、5、7、14和15波段数据在Arcgis中打开。
2.基本阈值判识
中红外3.9μm通道对沙尘有明显的反映，采用3.9μm通道作为主要判识依据，判识条件为：
BT7＞300K (1)
其中：BT7为3.9μm通道的亮度温度；300K为3.9μm通道亮度温度阈值，以此作为沙尘判识首要条件。
3.中红外与热红外通道差值
3.1通过对沙尘与其他地物的遥感光谱特性分析发现，中红外3.9μm通道与热红外通道的差值具有明显差异。在实际应用中，采用3.9μm与11.2μm 通道之间的差值组合作为沙尘判识的主要依据，计算公式为：
BT7-BT14＞20K (2)
其中：BT7为3.9μm通道的亮度温度,BT14为11.2μm通道的亮度温度。采用经验阈值法20K，作为沙尘识别的主要条件。
3.2 Himawari-8卫星数据包含11、12μm波段附近的热红外***窗通道，能消除部分云影响，而且干燥沙尘对11、12μm的辐射有不同的吸收衰减，因此，当BT7-BT14小于阈值时结合BT14-BT15大于0作为识别沙尘的最终条件。
BT14-BT15＞0K (3)
4.沙尘强度指数计算
1.6μm近红外波段对沙尘反映明显，可以较好地描述沙尘暴特征。与可见光波段相比，该波段受到大气分子和微粒气溶胶干扰较小，在沙尘监测中具有较高的稳定性，对多颗卫星资料研究发现，沙尘强度与1.6μm反射率之间存在线性一致关系，可以很好解决沙尘监测的标准同一化。沙尘强度(dust index， DI)计算公式：
其中：R1.6为近红外1.6μm波段(5通道)测得的反射率。
5.沙尘动态观测
沙尘天气出现和消退是一个持续性过程，以上基于Himawari-8卫星影像，提取了某时段沙尘的分布和强度，然而，Himawari-8作为一颗静止轨道卫星， 10分钟获取一次影像的超高时间分辨率，让其在对沙尘进行动态监测上发挥了无法比拟的优势。2021年5月6日8时开始，一场从蒙古国进入的沙尘，影响了我国内蒙古、宁夏、陕西、甘肃、山西和京津冀等多个区域，依据上述方法，基于Himawari-8小时级数据，制作了沙尘全天动态监测图。
6.精度评价
根据沙尘粒子反射特性，提出中红外和热红外通道亮度温度差值的组合阈值法，可准确判别沙尘的发生情况，本方法简单可靠。通过对长时间序列影像沙尘监测结果之间的对比分析，可以实时、准确地捕捉沙尘的影响范围和强度。为了验证沙尘识别算法的可行性，以OMI反演的紫外气溶胶指数(aerosol index，AI)产品为参考，对反演结果进行了验证。AI指数是识别沙尘气溶胶的关键参数，在东亚大陆具有很好的一致性，每天提供的数据几乎可以覆盖全球。图8为2021年5月6日北京时间11时沙尘监测结果与OMI沙尘结果的对比，表明该算法能够有效地提取出沙尘区域，提取结果与OMI AI产品具有较好的时空一致性。用OMI AI产品验证分析Himawari-8卫星沙尘提取结果，沙尘范围与强度基本一致，可以满足业务化监测的需求。
Claims (3)
1.一种基于Himawari-8卫星遥感数据的沙尘监测方法，其特征在于，包括以下步骤：
获取Himawari-8卫星全波段的扫描数据；
提取波长在3.9μm通道下的亮度温度数据，设置阈值为300K，以大于该阈值为进入下一判识的条件；
计算波长在3.9μm通道与11.2μm通道之间的亮度温度差值，设置阈值为20K，以差值大于该阈值为进入下一判识的条件；
计算波长在11μm通道与12μm通道之间的亮度温度差值，设置阈值为0K，以差值大于该阈值作为识别沙尘的最终条件。
2.根据权利要求1所述一种基于Himawari-8卫星遥感数据的沙尘监测方法，其特征在于，若最终条件若识别为沙尘，则计算沙尘指数D1，计算公式为：
其中：R1.6为近红外1.6μm波段测得的反射率。
3.根据权利要求2所述一种基于Himawari-8卫星遥感数据的沙尘监测方法，其特征在于，以每间隔10分钟获取一次Himawari-8卫星全波段的扫描数据，并基于扫描数据获得的沙尘指数D1建立沙尘动态监测图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210232780.7A CN115901553A (zh) | 2022-03-09 | 2022-03-09 | 一种基于Himawari-8卫星遥感数据的沙尘监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210232780.7A CN115901553A (zh) | 2022-03-09 | 2022-03-09 | 一种基于Himawari-8卫星遥感数据的沙尘监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115901553A true CN115901553A (zh) | 2023-04-04 |
Family
ID=86482916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210232780.7A Pending CN115901553A (zh) | 2022-03-09 | 2022-03-09 | 一种基于Himawari-8卫星遥感数据的沙尘监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115901553A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
-
2022
- 2022-03-09 CN CN202210232780.7A patent/CN115901553A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
| CN116449331B (zh) * | 2023-06-20 | 2023-08-15 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101424741B (zh) | 卫星遥感海雾特征量的实时提取方法 | |
| CN111598048B (zh) | 一种融合高分遥感影像和街景影像的城中村识别方法 | |
| Chabrillat et al. | Ronda peridotite massif: Methodology for its geological mapping and lithological discrimination from airborne hyperspectral data | |
| CN101464521B (zh) | 静止气象卫星遥感白天和夜间海雾的检测方法 | |
| Ninomiya | Rock type mapping with indices defined for multispectral thermal infrared ASTER data: case studies | |
| CN116359137B (zh) | 多水域城市生态环境遥感监测方法 | |
| CN110632032A (zh) | 一种基于地表反射率库的沙尘暴监测方法 | |
| CN109406361B (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
| WO2024021225A1 (zh) | 一种高解析度真彩可见光模型生成、反演方法及其*** | |
| Sousa et al. | Evaluating the performance of multitemporal image compositing algorithms for burned area analysis | |
| CN116449331B (zh) | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 | |
| CN108876172B (zh) | 一种基于改进型modis植被供水指数的地表土壤含水量评估方法 | |
| CN115901553A (zh) | 一种基于Himawari-8卫星遥感数据的沙尘监测方法 | |
| Su et al. | Dynamic monitoring of the strong sandstorm migration in northern and northwestern China via satellite data | |
| CN114112065A (zh) | 一种卫星遥感火险判识的方法 | |
| CN110489505B (zh) | 一种动态阈值法来识别低云大雾的方法 | |
| Wen et al. | Impact of cumulus cloud spacing on Landsat atmospheric correction and aerosol retrieval | |
| Chen et al. | Urban land surface temperature retrieval from high spatial resolution thermal infrared image using a modified split-window algorithm | |
| Heiden et al. | Ecological evaluation of urban biotope types using airborne hyperspectral hymap data | |
| CN115546658A (zh) | 一种数据集质量提升与改进cnn相结合的夜间云检测方法 | |
| Jaiswal et al. | Intensification of tropical cyclone FANI observed by INSAT-3DR rapid scan data | |
| Slater et al. | Potential operational multi-satellite sensor mapping of snow cover in maritime sub-polar regions | |
| Kobliuk et al. | Infornation Technology of Aerospace Images Fractal Analysis | |
| Kim et al. | Convective cloud RGB product and its application to tropical cyclone analysis using geostationary satellite observation | |
| Yang et al. | The extraction of urban surface water from hyperspectral data based on spectral indices |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |