于 雪 趙文吉 孫春媛 熊秋林 歐 陽(yáng)

(首都師范大學(xué)資源環(huán)境與旅游學(xué)院，資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048)

大氣PM2.5遙感反演研究進(jìn)展*

于 雪 趙文吉#孫春媛 熊秋林 歐 陽(yáng)

(首都師范大學(xué)資源環(huán)境與旅游學(xué)院，資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048)

PM2.5是中國(guó)空氣質(zhì)量的重要評(píng)價(jià)指標(biāo)，影響著環(huán)境和人體健康。近年來，遙感反演已逐漸成為監(jiān)測(cè)PM2.5的熱點(diǎn)。介紹了大氣PM2.5反演常用的遙感數(shù)據(jù)優(yōu)缺點(diǎn)及適用范圍，對(duì)遙感反演方法進(jìn)行歸納和總結(jié)，闡述構(gòu)建PM2.5與氣溶膠光學(xué)厚度關(guān)系模型、消除氣象因素和垂直分布等參數(shù)影響的方法，并展望PM2.5遙感反演在高時(shí)空分辨率數(shù)據(jù)和模型耦合等方面的發(fā)展趨勢(shì)。

PM2.5衛(wèi)星遙感 反演算法 氣溶膠光學(xué)厚度 關(guān)系模型

PM2.5是中國(guó)空氣質(zhì)量的重要評(píng)價(jià)指標(biāo)，因組成復(fù)雜、易吸附有毒有害物質(zhì)以及在大氣中滯留時(shí)間長(zhǎng)等特點(diǎn)，對(duì)人體健康、氣候和天氣過程產(chǎn)生重要影響，被學(xué)者廣泛研究[1]582，[2]。目前，PM2.5的監(jiān)測(cè)方法分為地面和遙感監(jiān)測(cè)。地面監(jiān)測(cè)雖精度高，但由于成本昂貴、站點(diǎn)分布不均且稀少，無法獲得大面積連續(xù)的PM2.5數(shù)據(jù)[3]3-4；衛(wèi)星遙感技術(shù)具有空間覆蓋范圍大、不同尺度采集數(shù)據(jù)和受限制條件少等優(yōu)勢(shì)，常用于監(jiān)測(cè)大范圍的PM2.5時(shí)空分布[4]，既能指導(dǎo)地面監(jiān)測(cè)站的布設(shè)又可模擬霧霾的發(fā)生。氣溶膠光學(xué)厚度(AOD)是反演PM2.5濃度的常見衛(wèi)星數(shù)據(jù)產(chǎn)品，用于描述氣溶膠對(duì)光的衰減作用。研究表明，遙感反演的AOD與地面監(jiān)測(cè)PM2.5濃度具有較高的相關(guān)性。因此，學(xué)者們通過衛(wèi)星遙感反演AOD，經(jīng)過垂直和濕度校正，建立AOD與PM2.5的關(guān)系模型來研究PM2.5的濃度、來源和傳輸機(jī)理。

從20世紀(jì)70年代遙感反演氣溶膠興起到90年代遙感蓬勃發(fā)展，從海洋上空反演到陸地反演，從高級(jí)甚高分辨率輻射計(jì)(AVHRR)到多角度成像光譜儀(MISR)，再到多光譜多角度偏振探測(cè)器(POLDER)的出現(xiàn)逐步提升了PM2.5反演的精度。反演方法基于KAUFMAN[5]建立的暗像元法不斷改進(jìn)，衍生新的算法。中國(guó)衛(wèi)星遙感反演PM2.5起步較晚，研究體系尚不完善，但近幾年已很重視該領(lǐng)域的研究。然而，有限的監(jiān)測(cè)站使得衛(wèi)星遙感監(jiān)測(cè)變成強(qiáng)化大氣環(huán)境監(jiān)測(cè)監(jiān)管的短板。

本研究針對(duì)PM2.5遙感反演數(shù)據(jù)的來源進(jìn)行詳細(xì)介紹，在此基礎(chǔ)上對(duì)遙感反演方法進(jìn)行歸納和對(duì)比，分析其優(yōu)缺點(diǎn)；論述如何建立PM2.5與AOD關(guān)系模型并消除參數(shù)影響，最后展望遙感反演的發(fā)展趨勢(shì)。本研究對(duì)衛(wèi)星反演氣溶膠的方法改進(jìn)、模型構(gòu)建和廣泛應(yīng)用具有重要意義。

1 PM2.5反演常用的遙感數(shù)據(jù)

AVHRR是最早用于AOD反演的衛(wèi)星傳感器。由于海洋表面相對(duì)均一，反射率很小且近似為常數(shù)，因此早期的氣溶膠反演主要集中于海洋和大水體表面上空。趙柏林等[6]利用AVHRR數(shù)據(jù)反演海上AOD；另一個(gè)長(zhǎng)期用于探測(cè)氣溶膠特性的傳感器是1978年發(fā)射，最初搭載于Nimbus-7上的臭氧總量繪圖光譜儀(TOMS)。

氣溶膠遙感的飛速發(fā)展是在美國(guó)國(guó)家航空航天局(NASS)發(fā)射探測(cè)衛(wèi)星TERRA之后，該衛(wèi)星上攜帶著特別為氣溶膠遙感而設(shè)計(jì)的傳感器——中分辨率成像光譜儀(MODIS)和MISR。MODIS實(shí)現(xiàn)了全球覆蓋，數(shù)據(jù)可直接下載，在中國(guó)應(yīng)用廣泛，但受云影響較大。最新產(chǎn)品是C6，增加了3 km(僅限于AQUA)分辨率的AOD產(chǎn)品。LEVY等[7]驗(yàn)證了C6產(chǎn)品比C5具有更高的精度和覆蓋率，然而AOD C6產(chǎn)品發(fā)布時(shí)間較晚(2014年初發(fā)布)，因此在PM2.5的污染研究中應(yīng)用不如C5產(chǎn)品廣泛。而MISR可對(duì)高反射率地表進(jìn)行反演，因此被一些學(xué)者用來與MODIS相互補(bǔ)充，從而提高PM2.5反演精度[8]。MISR重返周期為2～9 d，無法檢測(cè)日常數(shù)據(jù)，但可作為長(zhǎng)期數(shù)據(jù)研究支撐。

臭氧觀測(cè)儀(OMI)是通過可見光和紫外光波段反演大氣氣溶膠的高分辨率傳感器，于2004年發(fā)射?？臻g分辨率較高，每天實(shí)現(xiàn)一次全球覆蓋。但因反演的紫外光波段易受瑞利散射影響，在AOD低值區(qū)反演精度較低。STRAWA等[9]將OMI與MODIS結(jié)合，應(yīng)用廣義加和模型來提高AOD與PM2.5的相關(guān)性；WONG等[10]901-906驗(yàn)證發(fā)現(xiàn)，OMI的反演精度較MODIS和MISR產(chǎn)品低。

2011年發(fā)射的國(guó)家極地軌道伴隨衛(wèi)星(Suomi NPP)上搭載的可見光紅外成像輻射儀(VIIRS)是超過服役期的MODIS衛(wèi)星的繼承和發(fā)展，主要用于觀測(cè)全球性的陸地、海洋和大氣。但反演氣溶膠精度不如MODIS產(chǎn)品高。蘇城林等[11]將VIIRS反演的高分辨率(750 m)的AOD與全球氣溶膠監(jiān)測(cè)網(wǎng)(AERONET)、MODIS的氣溶膠產(chǎn)品對(duì)比，發(fā)現(xiàn)VIIRS與兩者具有顯著的相關(guān)性；WANG等[12]研究驗(yàn)證了利用VIIRS的晝/夜波段反演夜間PM2.5的可能性。

云-氣溶膠激光雷達(dá)和紅外探測(cè)者衛(wèi)星(CALIPSO)是高分辨率觀測(cè)全球范圍內(nèi)氣溶膠垂直廓線的衛(wèi)星，可利用激光器探測(cè)到的信息獲取氣溶膠的垂直分布、多種氣溶膠類型以及PM2.5的空間分布[10]899-900，[13-14]。BRéON等[15]3106-3110對(duì)比分析了POLDER、MODIS和CALIPSO反演AOD的精度，結(jié)果表明，CALIPSO的相關(guān)系數(shù)最高。但因重返周期和分辨率的限制，目前應(yīng)用最廣泛的還是MODIS和MISR傳感器。

中國(guó)對(duì)氣溶膠的遙感反演始于1988年，風(fēng)云系列衛(wèi)星主要涉及AOD和紫外廓線的反演，很少涉及PM2.5的反演。周永波等[16]對(duì)比了風(fēng)云三號(hào)(FY-3A)和MODIS C5在中國(guó)渤海、黃海以及東海海域的氣溶膠樣品，結(jié)果發(fā)現(xiàn)，擬合度均較高。2002年，中國(guó)成功發(fā)射了海洋一號(hào)衛(wèi)星，衛(wèi)星上有效載荷包括電荷耦合元件(CCD)成像儀和海洋水色掃描儀。自此形成了氣象、海洋以及資源3大遙感衛(wèi)星系列，對(duì)中國(guó)氣溶膠的監(jiān)測(cè)發(fā)揮重要作用[17]。2008年，發(fā)射的環(huán)境與減災(zāi)衛(wèi)星(HJ-1)攜帶了高光譜傳感器和寬覆蓋多波段傳感器。王中挺等[18]采用改進(jìn)的暗像元法評(píng)價(jià)了基于HJ-1的CCD相機(jī)在陸地氣溶膠監(jiān)測(cè)中的應(yīng)用潛力和可行性。資源三號(hào)(ZY-3)是中國(guó)第一顆民用高分辨率測(cè)繪衛(wèi)星，對(duì)于定量遙感具有重要意義。秦雁等[19]分析了中國(guó)香港地區(qū)ZY-3的AOD數(shù)據(jù)，以識(shí)別局地大氣污染源，為中國(guó)城市區(qū)域氣溶膠自動(dòng)監(jiān)測(cè)提供參考。

2 AOD遙感反演算法

根據(jù)采用的數(shù)據(jù)不同，KAUFMAN等[20]和KING等[21]將衛(wèi)星遙感氣溶膠的標(biāo)量方法分為6類：?jiǎn)瓮ǖ浪惴?、多通道算法、多通道多角度算法、暗像元法、結(jié)構(gòu)函數(shù)法和偏振算法。本研究針對(duì)遙感反演中常用的算法進(jìn)行簡(jiǎn)要的概述、分析和比較。

2.1 暗像元法

KAUFMAN等[22]建立的基于陸地地表反演AOD的暗像元法是目前陸地上空使用最廣泛的算法。該法利用了植被密集、具有較低反射率的地表在近紅外(2.13 μm)與紅(0.66 μm)、藍(lán)(0.47 μm)通道反射率具有良好相關(guān)性的特性。李成才[23]采用暗像元法反演北京地區(qū)AOD時(shí)發(fā)現(xiàn)，由于降雪和綠色植被稀疏，估算的北京地表反射率可能偏小。該法局限于暗目標(biāo)區(qū)域，受地物類型的限制大。對(duì)于城市、半干旱和干旱等高反射率地區(qū)無法獲取AOD，氣溶膠模型誤用的敏感性較高，使用前需要先驗(yàn)知識(shí)確定氣溶膠的類型。

2.2 深藍(lán)算法(DB)

目前，暗像元法有很多改進(jìn)算法，如DB。DB處理的數(shù)據(jù)來源是藍(lán)色波段(412～470 nm)光譜[24]，藍(lán)色波段在亮地表區(qū)域具有較低地表反射率，且受氣溶膠垂直廓線影響偏低，所以利用這一特性反演植被、裸土、水體和沙漠等高反射率的區(qū)域。SAYER等[25]研究發(fā)現(xiàn)，亮地表應(yīng)用DB比暗像元法反演AOD更精確。但DB的精度受藍(lán)色波段地表反射率數(shù)據(jù)庫(kù)的精度限制。

2.3 雙星協(xié)同反演算法

為消除氣溶膠模式選取的誤差，唐家奎等[26]提出了基于TERRA和AQUA雙星的MODIS數(shù)據(jù)的協(xié)同反演算法。該法事先不需要假設(shè)氣溶膠類型，可同時(shí)獲得兩次過境時(shí)間的氣溶膠信息。因此，可用來分析區(qū)域氣溶膠動(dòng)態(tài)變化規(guī)律，有效提高了大氣污染的監(jiān)測(cè)質(zhì)量。胡秀清等[27]將FY-1C/1D氣溶膠衛(wèi)星成功應(yīng)用于全球海上AOD反演，從兩個(gè)衛(wèi)星連續(xù)的反演結(jié)果獲得清晰的全球氣溶膠主要排放地和季節(jié)變化。雙星協(xié)同反演算法無需使用地表反射率數(shù)據(jù)庫(kù)，對(duì)城市等高反射率地區(qū)效果明顯。但使用兩顆衛(wèi)星數(shù)據(jù)反演會(huì)受到不同衛(wèi)星傳感器性能差異和遙感圖像匹配的影響，同一像元可能出現(xiàn)云污染，影響反演AOD的精度，且計(jì)算量較大，造成結(jié)果誤差較大，應(yīng)用并不廣泛。

2.4 結(jié)構(gòu)函數(shù)法

20世紀(jì)90年代，HOLBEN等[28]利用結(jié)構(gòu)函數(shù)法減少地表二向反射特性的影響，從而反演了AOD；孫林[3]23-30基于結(jié)構(gòu)函數(shù)法開展了城市地區(qū)的二向性反射分布函數(shù)(BRDF)模型研究，用于北京地區(qū)的AOD反演；周春艷等[29]提出新的結(jié)構(gòu)函數(shù)公式用于HJ-1A/B衛(wèi)星的CCD數(shù)據(jù)，獲取北京地區(qū)的AOD時(shí)空分布情況。結(jié)構(gòu)函數(shù)法對(duì)地表反射率的限制很小，故可用來反演干旱、半干旱和城市等高反射率地區(qū)的AOD。但是，結(jié)構(gòu)函數(shù)法存在一些問題(參考圖像因分辨率限制，幾何條件存在差異；在衛(wèi)星觀測(cè)時(shí)段不可避免受到云、霧、雨和雪等影響，很難在短時(shí)段內(nèi)獲取清晰圖像；圖像選擇具有主觀性、時(shí)間變異性)，因而造成了反演誤差。

2.5 偏振算法

隨著遙感的發(fā)展，人們發(fā)現(xiàn)，地表反射率相對(duì)于大氣來說一般是低偏振或無偏振的，對(duì)大氣頂?shù)钠褫椛湄暙I(xiàn)小，因而可通過多角度偏振探測(cè)器測(cè)量后向散射的偏振特性，得到受地表反射和散射影響較小的氣溶膠信息[15]3104-3105。POLDER是可獲取全球氣溶膠偏振信息的探測(cè)器。DUBOVIK等[30]將多角度、多光譜、偏振和強(qiáng)度等信息融合在一起，研究出將前向模型和數(shù)值分別考慮其中的反演算法。中國(guó)也開展了關(guān)于POLDER數(shù)據(jù)的反演工作[31-32]。

2.6 其他算法

適用于復(fù)雜地表的簡(jiǎn)化的氣溶膠反演算法(SARA)是由BILAL等[33-34]首次提出，并在中國(guó)香港和北京地區(qū)進(jìn)行驗(yàn)證，分辨率高達(dá)500 m，為目前利用MODIS傳感器反演氣溶膠的最高分辨率。該法無需建立查找表，但因算法成立條件是假設(shè)地面的單次散射反照率與不對(duì)稱因子在反演地區(qū)沒有變化，SARA較適合城市尺度的研究。最大的局限性是必須要有AERONET站點(diǎn)提供反演所需要的參數(shù)(單次反照率和幾何對(duì)稱因子)，若某區(qū)域沒有AERONET，此法不能實(shí)現(xiàn)。LI等[35]采用SARA反演出京津冀地區(qū)秋冬兩季500 m分辨率的AOD及Angstrom指數(shù)，驗(yàn)證了SARA對(duì)不同污染條件適用性較好；LUO等[36]在SARA的基礎(chǔ)上引入暗像元理論，代替MOD09地表反射率產(chǎn)品，簡(jiǎn)化了反演過程。

大氣化學(xué)傳輸模型可提供區(qū)域到全球尺度的氣溶膠的質(zhì)量濃度、組分和光學(xué)性質(zhì)等信息，與遙感耦合可提高PM2.5反演精度。如多尺度空氣質(zhì)量(CMAQ)模式衛(wèi)星遙感產(chǎn)品源同化模型、大氣化學(xué)傳輸模型(GEOS-Chem)均取得有效的結(jié)果[37-38]。LI等[39]采用GEOS-Chem模擬美國(guó)地區(qū)2008—2010年的AOD，并與MISR反演的AOD和AERONET監(jiān)測(cè)的數(shù)據(jù)進(jìn)行對(duì)比分析得到較好的一致性。

3 PM2.5濃度估算方法

通過建立PM2.5與AOD間的統(tǒng)計(jì)關(guān)系是當(dāng)前獲取地面PM2.5濃度的重要研究方法。研究發(fā)現(xiàn)，AOD與地面PM2.5濃度間的相關(guān)性較高，驗(yàn)證了AOD估算地面PM2.5濃度的可行性[40-41]。研究者應(yīng)用簡(jiǎn)單線性模型建立PM2.5與AOD二元關(guān)系時(shí)發(fā)現(xiàn)，衛(wèi)星觀測(cè)的AOD受氣象因素(如相對(duì)濕度、邊界層高度、溫度和風(fēng)速)和氣溶膠垂直分布的影響，常規(guī)監(jiān)測(cè)的PM2.5濃度是經(jīng)50 ℃烘干的近地面干粒子濃度，因此氣象因素和垂直分布影響兩者的線性相關(guān)性[42]。

針對(duì)上述影響因素，WANG等[43]將垂直分布和相對(duì)濕度等影響因子引入PM2.5—AOD相關(guān)模型，有效減少了AOD與地面PM2.5濃度間的不確定性；氣象因素和地理要素的引入，提高了PM2.5與AOD的相關(guān)性[44]。LIU等[45]綜合考慮氣象、季節(jié)和地理，通過建立多元線性回歸模型定量描述了相對(duì)濕度、垂直分布對(duì)AOD—PM2.5關(guān)系的影響。LIU等[46]在2009年利用研發(fā)的兩層級(jí)廣義加和模型(GAM)成功估算新英格蘭地區(qū)的PM2.5濃度，但該模型缺點(diǎn)是需要大量地面監(jiān)測(cè)數(shù)據(jù)進(jìn)行模型的驗(yàn)證。LEE等[47]利用線性混合效應(yīng)回歸模型(LME)估算美國(guó)東北部PM2.5的逐日變化。HU等[48]開發(fā)了地理加權(quán)回歸模型(GWR)，利用氣象因素和土地利用信息估算了美國(guó)東南部的PM2.5地面濃度，研究證明，GWR比最小二乘回歸模型精度更高。

LIN等[49]基于物理機(jī)理的半經(jīng)驗(yàn)公式法，依據(jù)PM2.5與AOD以及濕度、邊界層高度和垂直分布等特征，建立了PM2.5估算公式。但PM2.5與AOD間的物理機(jī)理較復(fù)雜，參數(shù)難以獲取，反演PM2.5效果并不理想[50]25-26。為更精確獲取PM2.5的濃度分布，KLOOG等[1]584-589將多角度大氣校正(MAIAC)算法處理過的AOD數(shù)據(jù)利用三級(jí)混合效應(yīng)模型成功回歸了地面PM2.5濃度(平均樣本的R2=0.88)。但是，MAIAC數(shù)據(jù)目前還難以在北美及亞馬遜以外的地區(qū)應(yīng)用。因此，一些學(xué)者采取土地利用回歸模型(LUR)內(nèi)插得到更高分辨率的PM2.5地面濃度[51]。也有研究者基于人工神經(jīng)網(wǎng)絡(luò)結(jié)合AOD、地面監(jiān)測(cè)和氣象數(shù)據(jù)構(gòu)建復(fù)雜的模型[52]，其反演結(jié)果優(yōu)于多元線性和簡(jiǎn)單線性回歸模型。

復(fù)雜統(tǒng)計(jì)模型的缺陷是必須要有海量地基數(shù)據(jù)支撐，而且需要大量的地面監(jiān)測(cè)數(shù)據(jù)進(jìn)行擬合和驗(yàn)證，因此必須在有地面監(jiān)測(cè)數(shù)據(jù)的區(qū)域使用。中國(guó)從2013年開始監(jiān)測(cè)PM2.5，2013年前沒有足夠的數(shù)據(jù)進(jìn)行建模，模型的準(zhǔn)確性和可行性無法估算[50]29-30。

4 結(jié)語(yǔ)與展望

國(guó)外基于衛(wèi)星的反演方法已逐漸業(yè)務(wù)化，而中國(guó)正處于發(fā)展階段，地面監(jiān)測(cè)PM2.5時(shí)間開始較晚，先驗(yàn)知識(shí)庫(kù)建立不完善。盡管衛(wèi)星遙感監(jiān)測(cè)相對(duì)于地面監(jiān)測(cè)有著很顯著的優(yōu)勢(shì)，但問題依然存在。

高時(shí)空分辨率以及高光譜衛(wèi)星的出現(xiàn)提高了衛(wèi)星遙感監(jiān)測(cè)的精度。如中國(guó)采用具有較高空間分辨率(30 m)的環(huán)境一號(hào)衛(wèi)星CCD相機(jī)提取城市地區(qū)AOD。高分辨率的Landsat-8和Suomi NPP衛(wèi)星也是未來研究PM2.5污染的重要來源。

衛(wèi)星遙感監(jiān)測(cè)AOD受氣象和地形因素影響，會(huì)造成數(shù)據(jù)缺失，而中國(guó)當(dāng)前所處的復(fù)合型大氣污染狀況也增加了反演難度。利用數(shù)據(jù)融合方法，將不同遙感數(shù)據(jù)源進(jìn)行融合研究，可減少單一數(shù)據(jù)造成的反演精度不高等問題。

將遙感反演與大氣動(dòng)力學(xué)模式耦合也可在一定程度上彌補(bǔ)地面觀測(cè)在區(qū)域大范圍監(jiān)測(cè)的不足，既可預(yù)測(cè)PM2.5濃度，又能估算組分。如當(dāng)前應(yīng)用CMAQ模型和GEOS-Chem已取得不錯(cuò)的成果。

AOD與地面PM2.5間存在很大的不確定性，氣溶膠的垂直廓線會(huì)受到氣象因素和污染傳輸影響。增加土地利用信息和氣象因素的訂正，利用有限的地面監(jiān)測(cè)數(shù)據(jù)建立恰當(dāng)?shù)腁OD與PM2.5統(tǒng)計(jì)模型，如LUR、混合效應(yīng)模型和神經(jīng)網(wǎng)絡(luò)分析等高級(jí)統(tǒng)計(jì)模型，消除氣溶膠垂直分布、粒子吸濕性增長(zhǎng)和土地利用信息等對(duì)PM2.5濃度反演的影響，也是未來遙感反演的重要研究途徑之一。

基于中國(guó)自主研發(fā)建立的衛(wèi)星遙感監(jiān)測(cè)系統(tǒng)，利用高時(shí)空分辨率的遙感數(shù)據(jù)，通過改進(jìn)現(xiàn)有算法，消除影響PM2.5與AOD關(guān)系的不確定性，結(jié)合地面實(shí)測(cè)數(shù)據(jù)，反演全國(guó)乃至全球范圍內(nèi)的AOD，對(duì)中國(guó)防治大氣污染和保護(hù)環(huán)境具有重要現(xiàn)實(shí)意義，也為中國(guó)建立遙感監(jiān)測(cè)系統(tǒng)奠定基礎(chǔ)。

[1] KLOOG I，CHUDNOVSKY A A，JUST A C，et al.A new hybrid spatio-temporal model for estimating daily multi-year PM2.5concentrations across northeastern USA using high resolution aerosol optical depth data[J].Atmospheric Environment，2014，95(1).

[2] HART J E，LIAO X，HONG B，et al.The association of long-term exposure to PM2.5，on all-cause mortality in the Nurses’ Health Study and the impact of measurement-error correction[J].Environmental Health，2015，14(1)：1-9.

[3] 孫林.城市地區(qū)大氣氣溶膠遙感反演研究[D].北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2006.

[4] DONKELAAR A V，MARTIN R V，BRAUER M，et al.Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth：development and application[J].Environmental Health Perspectives，2010，118(6)：847-855.

[5] KAUFMAN Y J.Aerosol optical thickness and atmospheric path radiance[J].Journal of Geophysical Research：Atmospheres，1993，98(D2)：2677-2692.

[6] 趙柏林，俞小鼎.海洋大氣氣溶膠光學(xué)厚度的衛(wèi)星遙感研究[J].科學(xué)通報(bào)，1986，31(21)：45-51.

[7] LEVY R C，MATTOO S，MUNCHAK L A，et al.The Collection 6 MODIS aerosol products over land and ocean[J].Atmospheric Measurement Techniques，2013，6(11)：2989-3034.

[8] WEI Y，ZANG Z L，ZHANG L F，et al.Estimating national-scale ground-level PM25 concentration in China using geographically weighted regression based on MODIS and MISR AOD[J].Environmental Science & Pollution Research International，2016，23(9)：8327-8338.

[9] STRAWA A W，CHATFIELD R B，LEGG M，et al.Improving retrievals of regional fine particulate matter concentrations from moderate resolution imaging spectroradiometer (MODIS) and ozone monitoring instrument (OMI) multisatellite observations[J].Journal of the Air & Waste Management Association，2013，63(12)：1434-1446.

[10] WONG M S，SHAHZAD M I，NICHOL J E，et al.Validation of MODIS，MISR，OMI，and CALIPSO aerosol optical thickness using ground-based sunphotometers in Hong Kong[J].International Journal of Remote Sensing，2013，34(3).

[11] 蘇城林，蘇林，陳良富，等.NPP VIIRS數(shù)據(jù)反演氣溶膠光學(xué)厚度[J].遙感學(xué)報(bào)，2015，19(6)：977-982.

[12] WANG J，AEGERTER C，XU X，et al.Potential application of VIIRS Day/Night Band for monitoring nighttime surface PM2.5air quality from space[J].Atmospheric Environment，2016，124：55-63.

[13] YAO H.The relevant research on AOD and concentration of PM2.5pollutant[C]//NI X C，WANG X.Conferences of the Photoelectronic Technology Committee of the Chinese Society of Astronautics 2014.Bellingham：Book Proposals，2015.

[14] BOVCHALIUK A.The spatial variability of PM2.5over Europe using satellite POLDER-3/PARASOL data[J].Advances in Astronomy & Space Physics，2013，3(2)：102-108.

[15] BRéON F M，VERMEULEN A，DESCLOITRES J.An evaluation of satellite aerosol products against sunphotometer measurements[J].Remote Sensing of Environment，2011，115(12).

[16] 周永波，白潔，周著華，等.FY-3A/MERSI海上沙塵天氣氣溶膠光學(xué)厚度反演[J].遙感學(xué)報(bào)，2014，18(4)：771-787.

[17] 陳良富，李莘莘，陶金花，等.氣溶膠遙感定量反演研究與應(yīng)用[M].北京：科學(xué)出版社，2014.

[18] 王中挺，厲青，陶金花，等.環(huán)境一號(hào)衛(wèi)星CCD相機(jī)應(yīng)用于陸地氣溶膠的監(jiān)測(cè)[J].中國(guó)環(huán)境科學(xué)，2009，29(9)：902-907.

[19] 秦雁，鄧孺孺，何穎清，等.資源三號(hào)衛(wèi)星多光譜數(shù)據(jù)自動(dòng)反演香港地區(qū)氣溶膠光學(xué)厚度[J].環(huán)境科學(xué)學(xué)報(bào)，2015，35(5)：1512-1519.

[20] KAUFMAN Y J，TANRE D，GORDON H R，et al.Passive remote sensing of tropospheric aerosol and atmospheric correction for the aerosol effect[J].Journal of Geophysical Research：Atmospheres，1997，102(D14)：815-816.

[21] KING M D，KAUFMANY J，TANRE D.Remote sensing of tropospheric aerosol from space：past，present，furture[J].Bulletin of the American Meteorologic Society，1999，80(11)：2229-2259.

[22] KAUFMAN Y J，SENDRA C.Algorithm for automatic atmospheric corrections to visible and near-IR satellite imagery[J].International Journal of Remote Sensing，1988，9(8)：1357-1381.

[23] 李成才.MODIS遙感氣溶膠光學(xué)厚度及應(yīng)用于區(qū)域環(huán)境大氣污染研究[D].北京：北京大學(xué)，2002.

[24] HSU N C，JEONG M J，BETTENHAUSEN C，et al.Enhanced Deep Blue aerosol retrieval algorithm：the second generation[J].Journal of Geophysical Research：Atmospheres，2013，118(16)：9296-9315.

[25] SAYER A M，MUNCHAK L A，HSU N C，et al.MODIS Collection 6 aerosol products：comparison between Aqua’s e-Deep Blue，Dark Target，and “merged” datasets，and usage recommendations[J].Journal of Geophysical Research：Atmospheres，2015，119(24)：13965-13989.

[26] 唐家奎，薛勇，虞統(tǒng)，等.MODIS陸地氣溶膠遙感反演——利用TERRA和AQUA雙星MODIS數(shù)據(jù)協(xié)同反演算法[J].中國(guó)科學(xué)：D輯 地球科學(xué)，2005，35(5)：474-481.

[27] 胡秀清，盧乃錳，邱紅.FY-1C/1D全球海上氣溶膠業(yè)務(wù)反演算法研究[J].海洋學(xué)報(bào)，2006，28(2)：56-65.

[28] HOLBEN B，VERMOTE E，KAUFMAN Y J，et al.Aerosol retrieval over land from AVHRR data-application for atmospheric correction[J].IEEE Transactions on Geoscience & Remote Sensing，1992，30(2)：212-222.

[29] 周春艷，仲波，柳欽火，等.基于HJ-1A/B衛(wèi)星利用結(jié)構(gòu)函數(shù)法反演北京地區(qū)氣溶膠光學(xué)厚度[C]//第十六屆中國(guó)環(huán)境遙感應(yīng)用技術(shù)論壇論文集.北京：中國(guó)遙感應(yīng)用協(xié)會(huì)遙感分會(huì)，2012.

[30] DUBOVIK O，HERMAN M，HOLDAK A，et al.Statistically optimized inversion algorithm for enhances retrieval of aerosol properties from spectral multi-angle polarimetric satellite observations[J].Atmosphere Measurement Techniques，2011，4(5)：975-1018.

[31] 段民征，呂達(dá)仁.利用多角度偏振POLDER偏振資料實(shí)現(xiàn)陸地上空大氣氣溶膠光學(xué)厚度和地表反照率的同時(shí)反演Ⅱ.實(shí)例分析[J].大氣科學(xué)，2008，32(1)：27-35.

[32] WANG Z T，CHEN L F，LI Q，et al.Retrieval of aerosols size distribution from multi-angel polarized measurements assisted by intensity measurements over East China[J].Remote Sensing of Environment，2012，124：679-688.

[33] BILAL M，NICHOL J E，BLEIWEISS M P，et al.A Simplified high resolution MODIS Aerosol Retrieval Algorithm (SARA) for use over mixed surfaces[J].Remote Sensing of Environment，2013，136：135-145.

[34] BILAL M，NICHOL J E，CHAN P W.Validation and accuracy assessment of a Simplified Aerosol Retrieval Algorithm (SARA) over Beijing under low and high aerosol loadings and dust storms[J].Remote Sensing of Environment，2014，153：50-60.

[35] LI Q，WANG J J.Aerosol retrieval using remote sensing data over Jing-Jin-Ji Area with SARA Algorithm[J].Scientific Journal of Earth Science，2015，5(3)：47-54.

[36] LUO N N，WONG M S，ZHAO W J，et al.Improved aerosol retrieval algorithm using Landsat images and its application for PM10monitoring over urban areas[J].Atmospheric Research，2015，153：264-275.

[37] 程興宏，徐祥德，丁國(guó)安.CMAQ模式衛(wèi)星產(chǎn)品源同化模型及其在空氣質(zhì)量預(yù)報(bào)中的應(yīng)用研究[J].中國(guó)科學(xué)：D輯 地球科學(xué)，2010，40(4)：511-522.

[38] 薛文博，武衛(wèi)玲，付飛，等.中國(guó)2013年1月PM2.5重污染過程衛(wèi)星反演研究[J].環(huán)境科學(xué)，2015，36(3)：794-800.

[39] LI S S，GARAY M J，CHEN L F，et al.Comparison of GEOS-Chem aerosol optical depth with AERONET and MISR data over the contiguous United States[J].Journal of Geophysical Research：Atmospheres，2013，118(19)：11228-11241.

[40] CHU D A，KAUFMAN Y J，ZIBORDI G，et al.Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS)[J].Journal of Geophysical Research：Atmospheres，2003，108(D21)：1-18.

[41] ENGLE COX J A，HOLLOMAN C H，COUTANT B W.Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality[J].Atmospheric Environment，2004，38(16)：2495-2509.

[42] 陶金花，張美根，陳良富，等.一種基于衛(wèi)星遙感AOT估算近地面顆粒物的方法[J].中國(guó)科學(xué)：D輯 地球科學(xué)，2013，43(1)：143-154.

[43] WANG Z F，CHEN L F，TAO J H，et al.Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method[J].Remote Sensing of Environment，2010，114(1)：50-63.

[44] GUO J P，ZHANG X Y，CHE H Z，et al.Correlation between PM concentrations and aerosol optical depth in eastern China[J].Atmospheric Environment，2009，43(37)：5876-5886.

[45] LIU Y，SARNAT J A，KILARU V，et al.Estimating ground-level PM2.5in the eastern United States using satellite remote sensing[J].Environmental Science & Technology，2005，39(9)：3269-3278.

[46] LIU Y，PACIOREK C J，KOUTRAKIS P.Estimating regional spatial and temporal variability of PM2.5concentrations using satellite data，meteorology，and land use information[J].Environmental Health Perspectives，2009，117(6)：886-892.

[47] LEE H J，LIU Y，COULL B A，et al.A novel calibration approach of MODIS AOD data to predict PM2.5concentrations[J].Atmospheric Chemistry & Physics Discussions，2011，11(15)：8157-8170.

[48] HU X F，WALLER L A，AL HAMDAN M Z，et al.Estimating ground-level PM2.5concentrations in the southeastern US using geographically weighted regression[J].Environmental Research，2013，121(2)：1-10.

[49] LIN C L，LI Y，YUAN Z B，et al.Using satellite remote sensing data to estimate the high-resolution distribution of ground-level PM2.5[J].Remote Sensing of Environment，2015，156：117-128.

[50] 馬宗偉.基于衛(wèi)星遙感的我國(guó)PM2.5時(shí)空分布研究[D].南京：南京大學(xué)，2015.

[51] BECKERMAN B S，JERRETT M，MARTIN R V，et al.Application of the deletion/substitution/addition algorithm to selecting land use regression models for interpolating air pollution measurements in California[J].Atmospheric Environment，2013，77(68)：172-177.

[52] WU Y R，GUO J P，ZHANG X Y，et al.Synergy of satellite and ground based observations in estimation of particulate matter in eastern China[J].Science of the Total Environment，2012，433(7)：20-30.

ProgressstudyonremotesensingretrievalofatmosphericPM2.5concentration

YUXue，ZHAOWenji，SUNChunyuan，XIONGQiulin，OUYang.

(CollegeofResourceEnvironmentandTourism，CapitalNormalUniversity，BeijingKeyLaboratoryofResources，EnvironmentandGeographicInformationSystem，Beijing100048)

PM2.5is an important index of air quality，affecting the environment and human health. Using remote sensing technology to estimate the concentration of PM2.5has been regarded as the focus of the researches in recent years. The advantages and disadvantages of atmospheric remote data and applications were reviewed. The principles of different retrieval methods were compared and summarized. Then AOD-PM2.5relationship model which eliminates the impact of meteorological and vertical distribution factors on remote sensing was demonstrated. The development trend of high spatial-temporal resolution satellite data and coupling model was prospected.

PM2.5; remote sensing; retrieval algorithm; AOD; relationship model

10.15985/j.cnki.1001-3865.2017.10.023

于 雪，女，1992年生，碩士研究生，研究方向?yàn)镻M2.5遙感反演與時(shí)空分布。#

。

*國(guó)家青年科學(xué)基金資助項(xiàng)目(No.41101404)；北京城市可吸入顆粒物濃度遙感數(shù)據(jù)反演及時(shí)空分布分析博士點(diǎn)基金資助項(xiàng)目(No.20111102110004)；北京市教委科技計(jì)劃項(xiàng)目(No.KM201110028013)。

2016-05-21)