第一论文网免费提供科技创新论文范文,科技创新论文格式模板下载

基于遥感数据的雾物理属性信息提取

  • 投稿色系
  • 更新时间2015-09-23
  • 阅读量830次
  • 评分4
  • 11
  • 0

赵国庆

(中南大学地球科学与信息物理学院,湖南 长沙 410083)

【摘 要】大雾是一种常见的灾害性天气现象。基于遥感数据的雾物理属性参数提取日益成为了研究的热点。以MODIS和FY-3A数据,对发生于2013年1月的中国中东部大雾进行了雾物理参数提取,并对时间序列遥感影像进行时间序列变化分析。结果表明:雾物理参数提取既可以定量分析雾发展过程中内部变化的信息,又可以进一步认识雾生消的规律,为提高雾预报提供奠定一定的基础。

教育期刊网 http://www.jyqkw.com
关键词 遥感;大雾天气;信息提取

0 引言

雾是一种常见的灾害性自然天气现象,对交通、人体健康和大气环境等方面带来严重危害影响。随着遥感科学技术的发展,基于遥感数据的大雾物理参数反演分析是近年来的研究热点。低能见度直接威胁交通安全,而雾中能见度的变化直接受雾滴数密度、含水量、平均直径、等物理参量的影响。了解雾的微物理特性,分析其变化规律,有助于我们加深认识雾的发生、发展,为雾的预测预警、精确预报提供科学依据。

1 研究区域和研究数据

本文以中国东部地区为研究区域,对发生于2013年1月10日-14日的白天陆地辐射大雾过程进行研究。东部地区地理位置优越,地形以低山丘陵为主,雾天气一直是东部地区秋冬季节常见的灾害性天气现象之一。

MODIS是EOS计划的主要探测仪器,有36个光谱通道,星下点空间分辨率分别为250m、500m、1000m。由于MODIS具有多光谱,空间分辨率高,定标定位精度高、数据信噪比高等优点,为环境监测提供了可能[1]。

FY-3A,即风云三号卫星,是由我国国产的第二代太阳同步轨道气象卫星,其降交点地方时为10点05分,为上午星,回归周期为5天[2]。具有全球、全天候、多光谱、三维、定量遥感监测能力。本文主要应用的是可见光红外扫描辐射计(VIRR)探测仪,其包含7个可见光通道和3个红外通道。

针对此次大雾,本文选取研究区域内该时段的MODIS和FY-3A影像数据组成时间序列,总共得到9幅影像数据。具体数据如表1所示。

2 雾反演算法

雾物理参数反演是假设在理想化的大气辐射传输条件下,根据Stephen等人对大量实验数据分析所得到的经验公式。

(1)白天雾光学厚度可根据Stephen等人的假设[3],利用云雾在0.3~0.75μm波段对光吸收极少的特性,光学厚度近似解为:

3 实验结果与时间序列分析

3.1 能见度变化分析

根据上一节的反演算法,对此次大雾过程影像进行反演。其中,图1显示了本次大雾能见度反演的结果。

1月10日由于下垫面平均含水量较高,较厚的逆温层出现,此后出现较浓大雾,10时15分平均能见度约为122米,下午13时平均能见度约为81米。经过部分雾消散因子的影响,到晚上雾的浓度会有所下降。11日凌晨,气温持续降低,空气中的水汽达到饱和,雾开始形成,随后迅速下降,09时55分能见度约为118米。此后,12日~14日,雾能见度变化范围较小,一直持续在100米上下变动,说明了此次大雾日变化特征不明显,具有很强的稳定性和持续性,强度大不易消散。

3.2 物理参数变化分析

雾物理参量可以定量的描述陆地雾的发生发展特征,以了解研究区域陆地雾的特点。表2给出了此次大雾过程中不同发展阶段雾光学厚度、液态水含量(LWP)、雾滴平均半径(Re)的统计值。

雾在发展的不同阶段,物理参量存在明显差异。从表可以得到,雾在形成阶段雾滴数浓度较低,液态含水量较小;雾的发展、成熟和消散阶段,雾滴数浓度显著增大、液态含水量增大,粒子半径也有所增加。在雾的发展进程中,平均含水量、液态水含量与能见度呈明显反相变化。在雾发展过程的后期,雾滴粒子有效半径与能进度反相变化显著,但是在前期过程中,雾滴粒子的半径随时间变化较小。

4 结论

本位以MODIS和FY-3A数据为数据源,对发生于中国中东部的一次白天陆地辐射雾进行了微物理属性的信息提取,并定量分析了大雾过程。其不仅能宏观了解雾的发生发展趋势,而且可以定量化分析大雾发展过程中大雾内部物理属性的变化趋势和发展程度,为雾的精确预报提供数据支持。

教育期刊网 http://www.jyqkw.com
参考文献

[1]杨岚,魏鸣,徐永明.长江三角洲雾的 MODIS 遥感检测[J].科技创新导报, 2008,5(13):1-1.

[2]徐拥军.基于 FY-3A/VIRR 数据火情监测系统的设计与实现[D].北京:中国地质大学,2012.

[3] Stephens G L. Radiation profiles in extended water clouds. II: Parameterization schemes[J]. Journal of the Atmospheric sciences, 1978,35(11):2123-2132.

[4]Bendix J, Thies B, Cermak J, et al. Ground fog detection from space based on MODIS daytime data-a feasibility study[J]. Weather and Forecasting, 2005,20(6): 989-1005.

[5]吴晓京,陈云浩,李三妹.应用 MODIS 数据对新疆北部大雾地面能见度和微物理参数的反演[J].遥感学报,2005,9(6):688-696.

[责任编辑:邓丽丽]