包云軒　邵藝

摘要利用MODIS_L1B數(shù)據(jù)，結(jié)合AERONET（AErosol RObotic NETwork）地面觀測與反演的AOD（Aerosol Optical Depth）數(shù)據(jù)、北京市自動氣象站網(wǎng)的能見度觀測數(shù)據(jù)和北京市道面交通氣象監(jiān)測網(wǎng)的能見度觀測數(shù)據(jù)，選取2012年3月6—11日期間發(fā)生在北京市的一次重大霾天氣過程作為典型個例，反演了全過程的AOD和能見度變化，分析了兩者之間的關(guān)系。結(jié)果表明：1）由MODIS遙感數(shù)據(jù)反演的AOD值與地面實測AOD值變化趨勢均呈“單峰型”，但由于存在觀測時間的偏差，總體上反演值高于實測值；2）利用AOD反演值得到的能見度值與實際能見度觀測值基本吻合，兩者的時空變化趨勢基本一致，兩者之間的相關(guān)系數(shù)大于06（P<001），符合此次霾過程的實際發(fā)生特征。

關(guān)鍵詞霾；MODIS；氣溶膠光學(xué)厚度（AOD）；能見度反演；比較分析；高速公路

霾天氣的肆虐，導(dǎo)致空氣能見度降低，使得視野模糊，對陸路、水路、航空等交通運營造成影響，同時加重城市空氣污染，威脅人體健康，嚴重影響自然環(huán)境和人類的生活（Auffhammer et al.，2006；郝天依等，2012；杜軼群，2014；劉端陽等，2014；馬小穎等，2014；陶麗等，2016；吳丹等，2016）。近幾年霾天氣持續(xù)在我國東北、華北、華南等地區(qū)大范圍發(fā)生，給國家造成了巨大的經(jīng)濟損失，如2013年僅1月期間就因霾原因發(fā)生交通事故近千起，社會經(jīng)濟損失多達億元，霾天氣已經(jīng)成為我國阻礙交通正常運營的主要災(zāi)害性天氣。

目前，對于霾的監(jiān)測，國內(nèi)多在有限的區(qū)域內(nèi)進行定點監(jiān)測，較難反映出霾的范圍和動態(tài)變化趨勢，已無法滿足實時業(yè)務(wù)的需求，加強對大范圍霾天氣的動態(tài)監(jiān)測以及預(yù)報霾天氣的變化趨勢已成為發(fā)展共識。而利用霾的光學(xué)特性，借助于衛(wèi)星遙感數(shù)據(jù)，可以動態(tài)監(jiān)測大范圍霾的分布情況及其嚴重程度（Wu et al.，2009）。國內(nèi)外研究者在霾的遙感監(jiān)測方面大多將空氣質(zhì)量與氣溶膠含量結(jié)合在一起，發(fā)展了衛(wèi)星圖像算法，用以對霾和氣溶膠進行制圖，即SIPHA（Sifakis and Soulakelli，2000），提出了霾優(yōu)化變換（HOT法），并應(yīng)用于衛(wèi)星霾信息的提取；同時MODIS數(shù)據(jù)被廣泛應(yīng)用于衛(wèi)星遙感下的霾研究（Li et al.，2009；Guo et al.，2010）。多項研究表明，根據(jù)MODIS數(shù)據(jù)反演AOD數(shù)值得到霾過程的變化趨勢與范圍，其精確度較好，可為霾的有效監(jiān)測與進一步研究提供可靠的依據(jù)，利用AOD反演得到能見度的方法是可行且有效的。

迄今為止，遙感方法多用于地區(qū)環(huán)境質(zhì)量的監(jiān)測，而用于交通氣象監(jiān)測與預(yù)警預(yù)報方面的研究較少，本文擬通過遙感監(jiān)測手段對霾個例進行詳細系統(tǒng)地研究，利用MODIS遙感數(shù)據(jù)反演地區(qū)大氣氣溶膠狀況及區(qū)域能見度變化，結(jié)合多種觀測資料，驗證MODIS反演結(jié)果的精度，以實現(xiàn)衛(wèi)星遙感動態(tài)反演霾過程變化，達到實時監(jiān)測、預(yù)報霾天氣分布狀況及變化趨勢；并進一步結(jié)合反演的能見度時空變化結(jié)果和道路交通監(jiān)測資料，探討此次霾引起的低能見度對城郊高速公路交通的影響，并提出了相應(yīng)的應(yīng)急響應(yīng)措施，為道路交通指揮、營運管理和駕乘人員安全出行提供參考依據(jù)。

1資料與方法

11研究區(qū)與數(shù)據(jù)

本文選取北京市為研究區(qū)，位于115°42′～117°24′E、39°24′～41°36′N之間。近年來，北京市機動車數(shù)量快速增長，使得交通建設(shè)和管理面臨嚴峻挑戰(zhàn)，同時北京市的霾天氣也日趨嚴重。

1）衛(wèi)星數(shù)據(jù)：選取由NASA（National Aeronautics and Space Administration）官網(wǎng)免費提供的MODIS_L1B數(shù)據(jù)（MOD02_1KM），選取數(shù)據(jù)集6，同時匹配到114～118°E、38～42°N范圍內(nèi)。參考歷史天氣（http：//lishi.tianqi.com/beijing/201203.html），選取晴天條件下需要反演的數(shù)據(jù)日期。

2）AERONET（Aerosol Robotic Network）地基數(shù)據(jù)：選取經(jīng)過云除后的Level15數(shù)據(jù)，包括研究區(qū)內(nèi)兩個站點：北京站（116°22′E，39°58′N），香河站（116°57′E，39°45′N）。選取霾過程中的地基AOD數(shù)據(jù)，采用Augstrom公式將440 nm和670 nm兩個波段的AOD數(shù)據(jù)訂正至550 nm上，作為實測AOD來檢驗遙感反演所得AOD變化趨勢的準確性。

3）地面能見度觀測數(shù)據(jù)：使用北京市內(nèi)道面氣象監(jiān)測站及國家地面氣象站的實測能見度（文中能見度非特指均指地面能見度）數(shù)據(jù)，其中，北京市道面監(jiān)測站采用ROSA（高速路和跑道道面數(shù)據(jù)采集器）冰層警告系統(tǒng)中的遠程傳感器，即為能見度儀FD12；基本臺站使用CY1C前向散射能見度儀。數(shù)據(jù)時間為2012年3月6—11日，均提供逐小時能見度數(shù)據(jù)（北京時間，下同），具體站點分布見圖1。

12數(shù)據(jù)反演

121利用MODIS數(shù)據(jù)反演氣溶膠光學(xué)厚度

本文基于ENVI51遙感處理軟件，借鑒相關(guān)文獻（徐萌等，2006；王中挺等，2011；徐言和姜琦剛，2015）給出的反演方法，采用MODIS_L1B_1 km數(shù)據(jù)，利用6S輻射模型獲得氣溶膠AOD反演所用的查找表，據(jù)此反演一次霾過程的AOD變化。

具體操作如下：

1）原始數(shù)據(jù)發(fā)射率、反射率文件幾何校正；

2）角度數(shù)據(jù)集預(yù)處理：包括衛(wèi)星天頂角、衛(wèi)星方位角、太陽天頂角、太陽方位角4個角度數(shù)據(jù)；

3）對遙感圖像進行層堆積（Layer Stacking）：合成過程中，反射率文件在上，發(fā)射率文件在下（若順序調(diào)換，則信息覆蓋無法得到正確結(jié)果）；

4）查找表文件的構(gòu)建：設(shè)定相應(yīng)的參數(shù)并利用6S軟件進行輻射傳輸計算，以獲取查找表信息。6S軟件是將6S模式通過編程實現(xiàn)的大氣校正軟件，其中幾何參數(shù)即為輸入成像時的幾何條件；大氣模式參數(shù)：北京地區(qū)3月應(yīng)該選擇中緯度冬季模式；氣溶膠模式參數(shù)：北京地區(qū)3月應(yīng)該選擇大陸型氣溶膠模式；氣溶膠濃度參數(shù)：輸入550 nm處的光學(xué)厚度或者當時氣象條件下的能見度；地面高程參數(shù)：輸入目標物的地面高程，北京市即輸入北京市的平均海拔高度為432 m；傳感器的高度參數(shù)：MODIS傳感器是-1000；光譜參數(shù)：本文選取MODIS數(shù)據(jù)波段在550 nm，故輸入45；地表特征參數(shù)：分為均一和非均一兩大類；表觀反射率參數(shù)：可由公式得出，最終得到當天查找表的txt文件；

5）合成后處理：基于ENVI51的擴展工具（modis_aerosol、modis_cloud）對反射率與發(fā)射率的合成文件進行云檢測（采用的云檢測算法是多光譜綜合去云法），最后進行氣溶膠反演（算法采用經(jīng)典的暗像元法（DDV））。

122基于遙感AOD數(shù)據(jù)的能見度反演

氣溶膠光學(xué)厚度（AOD）描述氣溶膠對光的衰減作用，表示為介質(zhì)的消光系數(shù)在垂直方向上的積分（于興娜等，2013），無量綱量。能見度與地表水平方向的大氣消光系數(shù)相關(guān)，而地表水平方向的大氣消光效應(yīng)主要為氣溶膠消光效應(yīng)，因此地表水平方向上的氣溶膠消光可表示為能見度。故本文根據(jù)AOD數(shù)值，借鑒相關(guān)文獻資料利用公式推算出能見度（張倩倩，2012）。

大氣中氣溶膠粒子的數(shù)目及消光截面決定了消光系數(shù)的大小，因此，近似（假設(shè)消光截面不變）有（盛立芳等，2009）

βZβ0=NZN0。 （1）

其中：NZ、N0、βZ、β0分別表示不同高度和地面的氣溶膠數(shù)目濃度（單位：個/m3）和氣溶膠消光系數(shù)（單位：km-1）。氣溶膠光學(xué)厚度與氣溶膠數(shù)目濃度之間滿足如下關(guān)系：

2結(jié)果與分析

21一次典型霾過程實況

2012年3月6—11日，北京地區(qū)出現(xiàn)持續(xù)性大范圍的霾天氣。根據(jù)地面氣象站監(jiān)測信息及環(huán)保部門發(fā)布的空氣質(zhì)量監(jiān)測報告顯示，6日北京地區(qū)空氣質(zhì)量優(yōu)良，能見度均在10 km以上，有小部分地區(qū)能見度達到20 km以上，視野清晰；7日北京市東南地區(qū)開始出現(xiàn)輕度霾污染現(xiàn)象，空氣質(zhì)量下降，東南地區(qū)能見度開始小于10 km；8日霾污染迅速擴散至全市范圍，空氣質(zhì)量達到最差，東南地區(qū)能見度低至3 km以下，視野模糊不清；9日全市持續(xù)霾污染，但空氣質(zhì)量開始好轉(zhuǎn)，能見度較前1日稍有轉(zhuǎn)好；10日西北郊區(qū)霾逐漸消散，空氣質(zhì)量變好，但北京市城區(qū)仍存在輕度霾污染現(xiàn)象，能見度較低；11日全市各地區(qū)霾天氣基本消散，空氣質(zhì)量恢復(fù)良好，能見度大。圖2為一次典型霾過程的能見度空間實況變化（以地面實測能見度為指標，選取與遙感圖像相對應(yīng)的時間段的地面實測能見度數(shù)據(jù)），可見，一次霾過程中能見度呈現(xiàn)先遞減后遞增的現(xiàn)象，霾越嚴重，能見度越小。

22利用MODIS數(shù)據(jù)反演AOD

221反演AOD的時空變化

基于ENVI51軟件使用MODIDS數(shù)據(jù)反演得到北京地區(qū)一次完整的霾天氣過程（2012年3月6—11日午間時段）的AOD時空變化（圖3；白色區(qū)域為當時天氣狀況對于衛(wèi)星遙感影像的影響所導(dǎo)致的反演缺值）。從圖3中可見，在此次霾過程中AOD值有一個顯著的變化過程，6日為霾天氣發(fā)生的前1日，天氣狀況晴好，研究區(qū)域內(nèi)大部分地區(qū)AOD值僅為0～025（圖3a）；7日為霾天氣的初始日，嚴重的地區(qū)AOD值已增大到07（圖3b）；8日霾范圍及程度最為廣泛嚴重，整個研究區(qū)均處于霾的影響下，北京市東南部霾最為嚴重，AOD值達到霾過程的最高值，超過15（圖3c），這與地勢以及城區(qū)人類活動密集等因素有關(guān)；9日仍處于較嚴重的霾過程影響下，AOD值較之8日有所降低至10以下（圖3d）；10日霾逐漸消散，僅部分地區(qū)AOD值仍處于05～10之間，其空間變化趨勢與7日基本一致（圖3e）；11日恢復(fù)晴好天氣，整個霾過程結(jié)束，AOD值回到05以下（圖3f）。綜上，基于MODIS數(shù)據(jù)反演得到的AOD值時空分布呈現(xiàn)先增后減趨勢，與霾天氣的發(fā)生、發(fā)展、消散過程基本保持一致。一些學(xué)者（Chu et al.，2002；Engelcos et al.，2004；黃艇等，2006）對MODIS氣溶膠光學(xué)厚度進行反演，反映氣溶膠污染物的區(qū)域分布，證實其與實際污染分布保持一定的一致性。

22.2反演AOD的驗證

根據(jù)全球探測網(wǎng)（AERONET）地面觀測站所測AOD數(shù)據(jù)繪制北京市內(nèi)北京站以及香河站2012年3月6—11日的AOD日平均值變化（波長為550 nm），作為實測AOD來檢驗遙感反演所得AOD變化趨勢的準確性。圖4a為AERONET北京站AOD地面實測值與遙感反演值的趨勢對比變化：AOD的地面實測值與遙感反演值的變化趨勢基本保持一致，均呈現(xiàn)“單峰型”的變化特征，先遞增后遞減。在8日達到AOD值的最高值，分別為149、107，且兩者差值也達到最大，為042；圖4b為香河站，與圖4a變化基本一致。綜上，一次霾過程中AOD變化呈現(xiàn)“單峰型”變化特征，反演值與實測值變化趨勢保持一致，與學(xué)者鄧學(xué)良等（2010）、Deng et al.（2012）利用AERONET地基觀測數(shù)據(jù)對MODIS/TERRA氣溶膠光學(xué)厚度在華東區(qū)域（安徽省等）的適用性進行的驗證相同，表明MODIS的AOD與地基觀測的AOD具有較好的一致性。

造成上述情況的原因可能是：1）地面觀測與遙感反演的時間段有所不同，可能導(dǎo)致地面實測值與遙感反演值存在一定的差距；2）北京站位于北京市區(qū)，而香河站位于北京郊外，因此香河站AOD值隨時間變化大，導(dǎo)致地面夜間實測值與遙感午間反演值差異較大，且香河站的AOD值較之北京站的AOD值小。

23利用遙感AOD值反演能見度

231能見度與AOD值的相關(guān)性擬合

根據(jù)公式（6）采用數(shù)學(xué)擬合的方法對其進行簡化：將能見度值從1～15 km范圍內(nèi)按照01 km的間隔分別求出相應(yīng)的AOD值，對計算所得AOD值與能見度進行擬合，從圖5中明顯可以看出，能見度與AOD的相關(guān)性與冪指數(shù)函數(shù)最為符合，得到冪指數(shù)公式（7）：V=3328 6τ0844。由于不同地區(qū)不同時段的氣溶膠垂直分布不同，且氣象條件較大程度地影響著氣溶膠的垂直分布。因此，圖5中所推斷得到的參數(shù)，并不一定適合實際情況，需要利用實測值來調(diào)試修改參數(shù)。例：由于無法精確選擇與遙感圖像相應(yīng)的時間點，故挑選相近時間點的實測數(shù)據(jù)，如2012年3月9日11時北京市道面監(jiān)測站監(jiān)測的實時能見度數(shù)據(jù)與反演AOD值進行擬合，得到新的冪指數(shù)公式（8）：V=3361 3τ-102。

232能見度反演驗證

根據(jù)反演時間段的實際天氣狀況、區(qū)域氣象要素變化特征對上述冪指數(shù)函數(shù)進行參數(shù)的調(diào)試得到反演能見度值，與實際能見度進行比較，

驗證其精確度。選擇霾過程中較為嚴重的2 d作為驗證日（由于無法精確選擇與遙感圖像相應(yīng)的時間點，故挑選相近時間點的實測數(shù)據(jù)，選擇2012年3月8日及9日11時），剔除設(shè)備故障原因造成的異常數(shù)據(jù)后得到圖7，從圖7a和圖7b可見，反演能見度值與實際能見度值的線性相關(guān)系數(shù)較高，分別達到0878、0851，通過了P小于001的顯著性檢驗。說明利用遙感AOD值能較好反演能見度值，精確度較高。

從圖8可進一步看出：實際值與反演值的變化趨勢基本保持一致，能見度反演值均略低于實際觀測值，數(shù)值存在一定的差異。圖8a中北京密云上甸子站（54421）以及霞云嶺站（54597）能見度實際值與反演值差值最大，且兩者的能見度也為最大值；圖8b中珠寶屯東橋站（A1565）能見度實際值與反演值差值最大，達到315 km；小湯山西橋站（A1420）能見度實際值與反演值差值次大，為241 km；徐莊橋站（A1210）、梨花橋站（A1269）及西關(guān)站（A1412）3個站點能見度實際值與反演值差值較大在1～2 km之間?？梢园l(fā)現(xiàn)這些站點均位于北京市郊區(qū)，在五環(huán)甚至六環(huán)以外，反演效果相對較差。

233反演能見度時空變化

研究區(qū)一次完整霾天氣過程的能見度時空變化如圖9所示。在此次霾過程中能見度值變化存在明顯的時空差異，與圖2的實測能見度變化趨勢基本一致（僅存在小部分地區(qū)差異，可能是由于地面氣象站點較為稀疏，進行插值過程產(chǎn)生誤差）。3月6日為霾天氣發(fā)生的前1 d，大部分地區(qū)能見度值保持在10 km以上（圖9a）；7日為霾天氣的初始日，能見度下降，尤其位于東南部城區(qū)的能見度明顯下降，達到501 km（圖9b）；8日霾程度加重，北京市均處于低能見度下，能見度值達到整個霾過程的最小值為258 km（圖9c）；9日能見度開始有所提高，但研究區(qū)仍處于中度霾下，能見度值基本保持在3～8 km內(nèi)（圖9d）；10日霾現(xiàn)象逐漸消散，能見度增大，郊區(qū)大部分范圍能見度為8～10 km，城區(qū)能見度為6～8 km，城區(qū)仍存在輕度霾（圖9e）；11日霾天氣基本結(jié)束，位于郊區(qū)范圍的能見度已趨于正常，達到10～15 km，而城區(qū)能見度較郊區(qū)能見度低，為8～10 km（圖9f）。

綜上，反演得到的能見度時空分布特征基本符合此次霾過程實際發(fā)生、發(fā)展和消散的趨勢特征，該次典型霾過程的能見度呈現(xiàn)“大→小→大”的變化特征，且城區(qū)能見度最小。

基于ARCGIS軟件得到該次霾過程中每日能見度實測值與反演值的平均值、標準差、均方根誤差及相關(guān)系數(shù)（表1），同時給出相關(guān)系數(shù)的空間分布（圖10）。表1中該次霾過程中每日反演能見度值與實際能見度值的線性相關(guān)系數(shù)均較高，3月6日相關(guān)系數(shù)較小為0636，8日達到最大值0851，霾越嚴重則相關(guān)系數(shù)越大。從圖10中進一步看出，該次反演過程中研究區(qū)內(nèi)能見度實測值與反演值的相關(guān)性均較好，尤以東南部城區(qū)相關(guān)系數(shù)最高，達到08以上。上述相關(guān)系數(shù)均通過了P小于001信度的顯著性檢驗。

3結(jié)論與討論

本文基于MODIS遙感數(shù)據(jù)選取霾個例進行反演，得到北京市一次霾過程的大氣氣溶膠光學(xué)厚度的時空變化，并通過AOD值進行區(qū)域能見度的時空變化反演，結(jié)合地面實測數(shù)據(jù)，分析遙感反演參數(shù)的精度，以驗證利用遙感數(shù)據(jù)監(jiān)測能見度變化的準確性。主要研究結(jié)論如下：

1）根據(jù)MODIS數(shù)據(jù)反演得到北京市2013年3月6—11日期間AOD值的時空分布特征，與由全球探測網(wǎng)（AERONET）地面觀測站反演的AOD數(shù)據(jù)進行對比分析，發(fā)現(xiàn)遙感反演霾天氣過程與實際霾發(fā)生、發(fā)展、消散過程基本保持一致的變化趨勢。

2）基于反演得到的AOD數(shù)據(jù)，采用相關(guān)公式根據(jù)實際天氣狀況、區(qū)域地理特征及反演時間段進行反演參數(shù)的調(diào)試，最終得到研究區(qū)（北京市）能見度的時空變化特征，與實際能見度進行比較后發(fā)現(xiàn)反演精度較高。

綜上，利用MODIS遙感數(shù)據(jù)進行反演繼而得到較全面的能見度變化信息，可以實現(xiàn)霾動態(tài)的實時而全面的監(jiān)測，以彌補實測時空分辨率偏低的不足，從而提升交通能見度監(jiān)測水平。但本文僅選取一個完整的霾個例進行了反演和分析，研究結(jié)果缺乏普遍性。且遙感數(shù)據(jù)適用于天氣條件良好的情況，能見度反演參數(shù)仍不夠全面，霾的產(chǎn)生也與季節(jié)、一天中的時間、地域、污染程度等有很大的關(guān)系，下一步將結(jié)合數(shù)值模擬對霾的成因、環(huán)境因素的作用、霾對交通運營的影響等開展更深入的研究。

致謝：NASA、AERONET等提供了MODIS、AOD等資料的在線下載服務(wù)。

參考文獻（References）

Auffhammer M，Ramanathan V，Vincent J R，2006.Integrated model shows that atmospheric brown clouds and greenhouse gases have reduced rice harvests in India[J].Proc Natl Acad Sci USA，103：1966819672.

Chu D A，Kaufman Y J，Ichoku C，et al.，2002.Validation of MODIS aerosol optical depth retrieval over land[J].Geophys Res Lett，29（12）：14.

鄧學(xué)良，鄧偉濤，何冬燕，2010.近年來華東地區(qū)大氣氣溶膠的時空特征[J].大氣科學(xué)學(xué)報，33（3）：347354.Deng X L，Deng W T，He D Y，2010.Spatialtemporal features of atmospheric aerosol in East China in recent years[J].Trans Atmos Sci，33（3）：347354.（in Chinese）.

Deng X L，Shi C N，Wu B W，et al.，2012.Analysis of aerosol characteristics and their relationships with meteorological parameters over Anhui province in China[J].Atmospheric Research，109：5263.

杜軼群，2014.霧霾對私家車主交通方式選擇行為的影響[J].中國公路學(xué)報，27（7）：105111.Du Y Q，2014.Impact of haze on travel mode choice behaviors for private car owners[J].China Journal of Highway and Transport，27（7）：105111.（in Chinese）.

Engelcos J A，Hollen C H，Coutant B W，et al.，2004.Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality[J].Atmospheric Environment，38（16）：24952509.

Guo J P，Zhang X Y，Chun X C，et al.，2010.Monitoring haze episodes over the Yellow Sea by combining multisensory measurements[J].International Journal of Remote Sensing，31（17）：47434755.

郝天依，王式功，尚可政，等，2012.環(huán)渤海地區(qū)大氣低能見度氣候特征及影響因子分析[J].氣象，38（9）：10871096.Hao T Y，Wang S G，Shang K Z，et al.，2012.Analysis on climate characteristics of poor atmospheric visibility and its influencing factors in Bohai Rim[J].Meteor Mon，38（9）：10871096.（in Chinese）.

黃艇，陳長和，陳勇航，等，2006.利用MODIS衛(wèi)星資料對比反演蘭州地區(qū)氣溶膠光學(xué)厚度[J].高原氣象，25（5）：886892.Hang T，Chen C H，Chen Y H，et al.，2006.The aerosol optical depth over Lanzhou area retrieved with a compared method using MODIS data[J].Plateau Meteor，25（5）：886892.（in Chinese）.

Li S S，Chen L F，Zheng F B，et al.，2009.Design and application of haze optic thickness retrieval model for Beijing Olympic Games[C]//Geoscience and Remote Sensing Symposium，IEEE International.

劉端陽，張靖，吳序鵬，等，2014.淮安一次霧霾過程的污染物變化特征及來源分析[J].大氣科學(xué)學(xué)報，37（4）：484492.Liu R Y，Zhang J，Wu X P，et al.，2014.Characteristics and sources of atmospheric pollutants during a fog-haze process in Huaian[J].Trans Atmos Sci，37（4）：484492.（in Chinese）.

馬小穎，穆慧娟，唐明，等，2014.持續(xù)灰霾天氣對大連金州新區(qū)居民健康影響評估[J].中國公共衛(wèi)生，30（2）：162165.Ma X Y，Mu H J，Tang M，et al.，2014.Assessment on effects of continuous heavy hazy episode on health among residents in Jinzhou district of Dalian city[J].Chin J Public Health，30（2）：162165.（in Chinese）.

盛立芳，申莉莉，李秀鎮(zhèn)，等，2009.水平能見度經(jīng)驗公式在青島沿海地區(qū)的應(yīng)用[J].中國海洋大學(xué)學(xué)報，39（5）：877882.Sheng L F，Shen L L，Li X Z，et al.，2009.Studies on the application of empirical formulae to the calculation of horizontal visibility in Qingdao coastal area[J].Periodical of Ocean University of China，39（5）：877882.（in Chinese）.

Sifakis N I，Soulakellis N A，2000.Satellite image processing for haze and aerosol mapping（SIPHA）：Code description and presentation of results[C]//Geoscience and Remote Sensing Symposium，Proceedings.IGARSS 2000.IEEE International.

陶麗，周宇桐，李瑞芬，2016.我國霾日和API分布特征及典型大城市中它們與氣象條件關(guān)系[J].大氣科學(xué)學(xué)報，39（1）：110125.Tao L，Zhou Y T，Li R F，2016.Characteristics of haze days and air pollution index（API） and their relationship with weather conditions at four large cities/district of China[J].Trans Atmos Sci，39（1）：110125.（in Chinese）.

王中挺，厲青，陳良富，等，2011.從MODIS數(shù)據(jù)反演粗細粒子氣溶膠[J].光譜學(xué)和光譜分析，31（10）：28092814.Wang Z T，Li Q，Chen L F，et al.，2011.The retrieval of fine and coarse aerosol from MODIS[J].Spectroscopy and Spectral Analysis，31（10）：28092814.（in Chinese）.

Wu D，Mao J T，Deng X J，et al.，2009.Black carbon aerosols and their radiative properties in the Pearl River Delta region[J].Sci China（Series D），52（8）：11521163.

吳丹，于亞鑫，夏俊榮，等，2016.南京市灰霾天氣的長時間變化特征及其氣候原因探討[J].大氣科學(xué)學(xué)報，39（2）：232242.Wu D，Yu Y X，Xia J R，et al.，2016.Long-term variation in haze days and related climatic factors in Nanjing[J].Trans Atmos Sci，39（2）：232242.（in Chinese）.

徐萌，郁凡，李亞春，等，20066S模式對EOS/MODIS數(shù)據(jù)進行大氣校正的方法[J].南京大學(xué)學(xué)報（自然科學(xué)），42（6）：582590.Xu M，Yu F，Li Y C，et al.，2006.The method of atmospheric correction on the EOS/MODIS data with 6S model[J].Journal of Nanjing University（Natural Sciences），42（6）：582590（in Chinese）.

徐言，姜琦剛，2015.基于6S模型的MODIS影像逐像元大氣校正及其應(yīng)用[J].吉林大學(xué)學(xué)報：地球科學(xué)版，45（5）：15471553.Xu Y，Jiang Q G，2015.A pixel by pixel atmospheric correction algorithm and its application for MODIS data based on 6S model[J].Journal of Jilin University：Earth Science Edition，45（5）：15471553.（in Chinese）.

于興娜，袁帥，馬佳，等，2013.南京北郊2011年春季氣溶膠粒子的散射特征[J].大氣科學(xué)學(xué)報，36（3）：354360.Yu X N，Yuan S，Ma J，et al.，2013.Scattering properties of aerosol in north suburb of Nanjing in spring 2011[J].Trans Atmos Sci，36（3）：354360.（in Chinese）.

張倩倩，2012.基于MODIS數(shù)據(jù)的霧霾檢測方法研究—以南京仙林為例[D].南京：南京師范大學(xué).Zhang Q Q，2012.Study on the haze/fog detection methods based on MODIS data—A case study in Xianlin，Nanjing[D].Nanjing：Nanjing Normal University.（in Chinese）.

Visibility inversion of a haze process in Beijing by remote sensing based on MODIS satellite observations

BAO Yunxuan1，2，SHAO Yi1，2，LI Xun3

1Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters（CICFEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China；

2Key Laboratory of Transportation Meteorology，China Meteorological Administration，Nanjing 210008，China；

3Meteorological Administrative of Beijing City，Beijing 100089 China

Haze has become one of the major weather disasters to harm social security and human health in the recent years and it reduces visibility and air quality for it contains a large number of pollutants and affects seriously the natural environment，human production and life. Satellite remote sensing data can make up for the shortage of manual field monitoring，which making full use of timeliness，reliability，wide range of satellite remotesensing to monitor dynamically the distribution of a wide range of haze.

In this paper，MODIS_L1B data （MOD02_1KMCollections 6） was used to inverse the air aerosol optical thickness （AOD） and the road visibility of a great haze weather event occurred in Beijing from March，6th to March，11th in 2012 combined with the retrieved data of AOD from AERONET （Aerosol Robotic Network） of NASA in USA，the observed data of visibility from the Ground Meteorological Observation Stations Network in Beijing and the observed data of visibility from the Road Automatic Weather Monitoring Stations Network and the relationship between the AOD and the visibility in this event was analyzed. Finally，the reasonable control measures were tried to put forward combined with the local traffic situation against haze. It can be provide reference for haze weather monitoring and early warning and traffic safety operation in the future （Inversion Comparison process time matches the satellite transit time from 10：0012：00）.

The results showed as follows：（1） Both of the retrieved AOD values from MODIS remote sensing and the ground observed values of AOD from AERONET had a change tendency of a single peak type. But the AOD inversion values were higher than the observed values for the deviation of observed times. （2） The visibility values calculated by the retrieved AOD values was basically consistent with the observed values，both the temporal and spatial variation trends were basically consistent and the correlation coefficient between the two was large than 06 （P<001）. All of these inversions and calculation was consistent with the actual occurrence characteristics of this haze event，the errors between the inversion values and actual values of the visibility was small （<05km） in the urban area and the inversion effect was better，but this error was large （>1 km） in the suburban area and the inversion effect was poor. （3） Based on the distribution of expressway，and combined with different degrees of haze in different regions of Beijing，it can be seen that the haze pollution in the southeastern part of Beijing is the most serious. The sections of the expressway in the area are respectively：BeijingHarbin Expressway （G1），BeijingShanghai highspeed （G2），BeijingTaiwan highspeed （G3） and BeijingHong Kong and Macao highspeed （G4）. In addition，it also included the Fifth Ring Road in Beijing.

haze；MODIS（moderateresolution imaging spectrometer）；aerosol optical thickness（AOD）；visibility inversion；comparative analysis；expressway

doi：1013878/j.cnki.dqkxxb.20161222010

（責(zé)任編輯：孫寧）