联合红外和微波观测的沙尘暴遥感算法研究

滑不拉几

联合红外和微波观测的沙尘暴遥感算法研究高泽田中国气象科学研究院
为了提高国产静止气象卫星FY-4A对夜间沙尘和云下沙尘的遥感判识精度,本研究将静止卫星红外数据和极轨卫星微波数据相结合,建立了联合红外和微波监测沙尘暴的遥感识别算法。为改善夜间沙尘监测效果,本研究基于FY-4A上搭载的多通道扫描成像辐射计(AGRI)红外通道的数据,利用参数阈值法(参数包括:红外差值沙尘指数、红外分裂窗亮温差等),建立了基于红外的遥感监测沙尘暴的识别算法。并且将FY-4A判识的沙尘强度(IDDI)与Micaps地面实际观测的沙尘天气现象、地基PM10浓度、Himawari-8判识的沙尘强度(IDDI)、亚洲中心集合预报的沙尘浓度等进行了多种资料间的对比验证。通过计算FY-4A沙尘遥感监测结果的判识精度,证明了该算法在晴空无云区具有较高的可靠性和适用性。为改善云下沙尘监测效果,本研究在基于红外的沙尘遥感识别算法的基础上,引入FY-3D上搭载的微波成像仪(MWRI)数据(或GCOM-W1/AMSR-2微波数据),通过将静止卫星与极轨卫星数据结合,将红外和微波数据结合,建立了联合红外和微波的沙尘遥感识别算法。本研究通过分析云下沙尘像元、纯云像元、纯沙尘像元的统计分布特征,发现:极化亮温差指数PTD(Polarization Temperature Difference)对云下沙尘像元和纯云像元的区分更加明显;云下沙尘像元和纯云像元的垂直和水平极化亮温差的差异更加明显,利用其进行云下沙尘判识的效果可能更加突出。基于上述云下沙尘像元、纯云像元、纯沙尘像元的统计特征,通过调整参数的阈值条件,实现了对云下沙尘的补充判识,建立了联合红外和微波的沙尘遥感识别算法。最后分别对基于红外的沙尘遥感识别算法、联合红外和微波的沙尘遥感识别算法得到的沙尘监测结果进行分析。首先利用基于红外的沙尘遥感识别算法对2019-2021年春季的沙尘过程进行了遥感监测,并通过统计沙尘天气发生频次分析了2021年春季三次典型沙尘过程对我国北方各省份的影响面积情况以及2021年较往年相比总的受沙尘暴影响变化情况。本研究发现:2021年春季的三次典型沙尘过程均影响了我国陆地总面积的30%以上,新疆和内蒙古在三次典型沙尘过程中受影响面积较大。2019-2021年我国内蒙古西部、新疆南部和甘肃北部是受沙尘暴灾害影响最严重的地区,2021年的沙尘暴比前两年更严重、影响更广泛。然后利用联合红外和微波的沙尘遥感识别算法分别对FY-3D MWRI和AMSR-2白天时次的沙尘个例进行结果分析,证明了该算法在白天时具备一定的可靠性;且在蒙古国地区以及我国西北地区,其云下沙尘补充判识的效果较好,算法适用性较好。并且该算法不仅适用于FY-3D MWRI,也同样适用于AMSR-2;基于FY-4A和AMSR-2的云下沙尘补充判识结果与基于FY-4A和FY-3D MWRI的云下沙尘补充判识结果基本一致。