2026《AOD数据产品现状研究的文献综述》3300字.docxVIP

1绪论

PAGE

PAGE31

AOD数据产品现状研究的文献综述

遥感技术历史悠久，已有几百年的历史，在近几十年，更是发展迅速，相关成果广泛渗透到了各个领域，在推动经济建设、社会进步、改善环境以及国防建设等方面扮演着重要角色。在大气环境PM2.5监测领域，许多学者的重点研究内容便是使用遥感卫星影像反演AOD数据，再据此估算地表PM2.5浓度，这也是当前定量获取AOD和PM2.5污染时空分布的重要技术手段。AOD是表征气溶胶光学特性的重要物理量，其定义为气溶胶消光系数在垂直方向上从地表至大气层顶这段路径上的积分，是气溶胶对光的衰减程度的一种描述，也是一种反映空气污染严重程度的重要指标。而传统的地面空气质量站点监测PM2.5的方式存在搭建成本昂贵、覆盖率低下，需要长期运营维护等缺点，所以AOD数据逐渐取代地面空气质量监测站点数据，成为反演地表PM2.5浓度的首要选择，而站点的监测数据则更多作为大范围反演PM2.5时的地表真实数据，验证反演结果的精度，或者反应一座城市主要城区的PM2.5浓度实际情况。

卫星遥感技术的蓬勃发展，再加上气溶胶对大气环境的影响越发受到人们重视，卫星上搭载的各种传感器往往也将气溶胶纳入监测范围，由此产生了许多的AOD数据产品，比如MODIS的AOD数据产品、MISR的AOD数据产品以及Himawari-8的AOD数据产品等。

（1）MODISAOD产品

MODISAOD产品是目前PM2.5反演监测中被广泛使用的数据，它是搭载在美国国家航空航天局NASA发射的对地观测卫星Terra与Aqua上的中分辨成像光谱仪(Moderate-resolutionImagingSpectroradiometer，MODIS)的数据产品之一。MODIS的AOD产品根据AOD数据反演算法的不同，又可以细分为基于暗目标法算法(DarkTarget,DT)的MODISDTAOD与基于深蓝算法(DeepBlue,DB)的MODISDBAOD，目前以DTAOD产品的引用最为广泛[19]。许多学者使用MODISAOD数据进行科学研究，取得了不错的成果。Levy等人于2005年对MODISDTAOD的第四版(C4)数据进行验证，得出了此版本数据在海洋上空表现较好(R2达到了0.92)，在陆地上空偏差较大(R2=0.36)的结论[20]。MODIS数据团队基于此研究结果，对DT算法的陆地部分进行调整优化，开发出第二代DT算法，并以此得到了MODISAOD第五版DT数据产品[21,22]。Levy等人利用全球范围内300余个AERONET站点，对MODIS的第五版DTAOD数据进行了验证，发现此版本数据与地表站点观测值之间的相关性很高，R2达到了0.81，66%以上的观测值处于预期误差区间范围内[23]。国内学者就MODISAOD数据也做了许多验证与分析工作。周春艳等人就MODISAODC4和C5产品在中国地区的适应性做了大量实验，对比二者精度后发现，C5产品使用的地表反射率确定方法在高植被覆盖率地区效果较好，而在高反射率地区效果较差[24]。

夏祥鳌通过对比MODISAOD数据与AERONET站点数据，发现东南亚与非洲的少数站点的MODISAOD数据偏低，而其他站点均存在MODISAOD数据偏高的现象，并得出MODIS气溶胶算法中红光波段地表反射率估算偏低可能是产生偏差的原因[25]。郑有飞等人利用长江三角洲地区的AERONET站点数据对MODISAOD数据的适用性进行了验证实验，发现此地区的AOD反演精度存在明显的地域差异现象，并对各个站点的误差产生原因进行了分析[26]。

（2）MISRAOD产品

多角度成像光谱仪(MISR)是Terra卫星上所搭载的一个传感器，与MODIS的单一星下观测点设计不同，MISR可以从多个倾斜角度观测大气层情况。MISR反演AOD所用的算法是基于经验正交函数(EmpiricalOrthogonalFunctions，EOF)所开发的，算法基本原理是使用经验正交函数来区分反演区域内的大气散射和地表散射，从而达到反演AOD的目的，而EOF本身的特性使得算法在地表高亮地区(比如沙漠、干旱以及半干旱区域)也能完成AOD反演。Mangla等人以印度恒河平原上三个典型地点(坎普尔、甘地学院、斋浦尔)为研究地区，使用MISRAOD数据与AERONET站点数据，探讨了MISRAOD数据的特点，发现了坎普尔与甘地学院两地的MISRAOD数据存在明显的季节性特征，3月至9月的MISRAOD数值偏小，10月至次年2月则会偏高，而斋浦尔地区的MISRAOD数据全年偏低[27]。Farahat使用2000年至2015年中东和北非地区7个AERO