论文部分内容阅读
利用遥感技术监测气溶胶对雾霾的监测具有重要意义。当前使用日间气溶胶光学厚度(Aerosol Optical Thickness, AOT)反演地表大气颗粒物浓度非常普遍,结果可靠性高。本研究以美国国防气象卫星计划-可见红外成像线性扫描业务系统(Defense Meteorological Satellite Program-the Operational Linescan System, DMSP-OLS)的夜间灯光数据为数据源,探讨应用夜间灯光数据反演大气颗粒物浓度的模型与方法,并基于此方法进行夜间大气颗粒物浓度的反演。本文选取北京市作为研究区,收集2013年10月至2014年1月北京市大气污染监测站中的23个“城市环境评价点”的每天平均PM25浓度数据,夜间灯光(NightTime Light, NTL)数据、月相数据和气象数据,并获取准同步的2013年9月1日北京地区的LANDSTA-8 OLI影像数据。通过理论分析,研究了影响每天NTL的主要因素,对各个因素分别进行了不同途径的处理；建立了BP神经网络模型用于反演；从构建的4个区域中提取了每天的NTL数据的部分数据并计算得出了BP神经网络的输入参数,通过NTL数据反演了地表PM2.5浓度；使用粒子群算法(PSO算法)对BP网络进行了优化。论文的研究工作及结论如下：1)对数字化后的月相、每天NTL图像的DN值和各气象因素进行相关性分析。结果表明：月相对每天NTL图像有显著影响。2)应用消除月相影响后的NTL图像,提取了4个与PM2.5浓度相关的指数,其中非饱和区亮度指数与湿度校正的PM2.5浓度相关性最高。3)应用北京市城区边界,划分了4个区域,获取了4个区域的NTL数据,计算了反演地表大气的PM2.5浓度的BP神经网络的输入参数。构建了大气污染水平评估模型。采用同时期的数据,运用其它3种模型与本研究建立的模型进行了对比。论文的创新点：1)应用夜间灯光遥感影像反演大气PM2.5浓度,探讨了夜间灯光数据与PM2.5浓度的相关性,提取PM2.5浓度敏感的夜间灯光指数,引入了评估大气污染状况的新数据源,为城市范围内PM2.5浓度反演与监测提供新的途径和实例。2)通过消除了月相变化的影响,使每天夜间的灯光数据相对于大气变化的影响是可比的。