全文总字数：6550字

1. 研究目的与意义及国内外研究现状

大气气溶胶是由悬浮在大气中的固体或液体的小质子形成的胶体分散体系，是大气中的重要组成部分，具有分布范围广、持续时间短、时空变化快等特点。也是引起全球气候变化、大气污染的重要因素之一。大气气溶胶主要通过直接辐射强迫和间接辐射强迫这两种辐射强迫，影响全球气候变化，从而影响人类健康。当前对气溶胶的研究主要是地面监测和卫星遥感监测，是通过测量大气气溶胶光学厚度研究气溶胶的变化。面临到的问题是，受监测站点分布的影响，有限的地基监测站点很难全面反映区域内气溶胶粒子的分布状况。卫星遥感的发展实现了对气溶胶粒子大范围、实时、动态的监测，解决了这个难题。因此，将地面监测和卫星遥感相结合，取长补短，对于气溶胶的监测，以及大气污染监测有重要的意义。landsat-8陆地卫星上搭载有两种传感器：陆地成像仪和热红外传感器。其中，oli的空间分辨率30ｍ，重访周期为16天，多光谱波段覆盖了可见光到短波红外波段，高空间分辨率和波段覆盖广的特点使得landsat卫星数据在气溶胶监测方面得到广泛应用。目前，利用光学遥感卫星反演陆地气溶胶光学厚度最常用的算法是暗目标法，或称浓密植被法。本选题是利用landsat气溶胶数据监测香港特别行政区气溶胶厚度，再用改进后的暗目标法反演出气溶胶厚度，再与aeronei上香港地区标准气溶胶厚度比较，以此来验证基于植被经验模型算法的气溶胶算法，也就是改进后的暗目标法模型是否具有可靠性。 若可靠，即可用这个可靠模型，通过监测大气气溶胶厚度，为全球气候变化，大气污染防治做出很大贡献，解决环境与科学问题起到重大作用。

国内外研究现状

国内目前运用暗目标法在风云三号与高分一号卫星数据反演进行比较，反演结果与地面观测结果有着良好的一致性，相关系数由于0.8，也有相关学者利用landsat-8卫星监测华北地区数据进行反演，也达到了较好的一致性，能较好的监测空气污染分布，且相关系数也达到了0.8.大于70%的数据在预期误差曲线之内，也有利用日本新一代静止卫星h8，监测京津冀地区，通过反演分析，相关系数达到了0.88，该算法有很高的可靠性。

国外美国在该方向进行了很多研究与分析，均达到了很高的一致性，可靠性。

20世纪70年代中期，人们就开始利用卫星遥感影像数据反演气溶胶光学厚度。noaa气象卫星的主要探测仪器的avhrr，是最早用于气溶胶探测的传感器。气溶胶的研究始于对海洋上空沙城粒子的监测，goddon的研究第一次认识到了气溶胶于海洋遥感研究的意义。在气溶胶对陆地遥感的影响研究过程中，tanre等人的研究提出了对遥感观测信息进行分析提取，从而剔除大气，尤其是气溶胶影响的可行性。durkee等人通过对avhrr辐射计的研究，提出遥感观测器在可见光和近红外波段所探测得到的辐射信号可以视作是由海洋上空气溶胶的散射得到，^[2] 因此可以利用avhrr探测器的两个通道获取气溶胶的光学厚度。

2. 研究的基本内容

共五部分，每部分的主要内容有：

第一部分，在usgs网站获取香港特别行政区五年内landsat-8卫星观测的气溶胶厚度数据;

第二部分，利用暗目标法得到气溶胶厚度的反演值，并与aeronet上香港地区标准气溶胶厚度进行比较;

3. 实施方案、进度安排及预期效果

实施方案： 在阅读相关参考文献的基础上，运用所学遥感知识，对获得的landsat数据进行处理，再运用暗目标法进行反演，所得结果与标准数据进行比对，得到结果。进度安排：2018年11月15日前，完成选题；2018年11月15日前，了解课题，填写毕业论文任务书；2018年12月10日前，收集并阅读相关文献，撰写开题报告并提交；2019年5月1日前，查阅文献，开展论文工作，进行外文文献翻译，完成毕业论文初稿；2019年5月10日前，对毕业论文进行检测、修改，开始准备答辩工作；2019年5月11日，论文答辩；

预期结果：

反演结果与aeronet站点实测值有较好的拟合结果，均方根误差与平均绝对误差较小，得出该气溶胶算法具有较高的稳定性。

4. 参考文献

[1]SOKOLIK I N，TOON O B.Direct radiative forcing by anthropogenic airborne mineral aerosols[J].Nature，1996，381 (6584):681-683. [2] KENNEDY I M.The health efects of combustion-generated aerosols[J].Procedings of the Combustion Institute，2007， 31(2):2757-2770. [3] YOU W，ZANG Z，PAN X，et al.Estimating PM2.5in Xi′an，China using aerosol optical depth:a comparison betwen the MODIS and MISR retrieval models[J].Science of the Total Environment，2015，505:1156-1165. [4]高慧婷, 马越, 刘薇, 等. 海洋水色遥感交叉定标精度分析与仿真[J]. 航天返回与遥感, 2016, 37(2): 116-125.GAO Huiting, MA Yue, LIU Wei, et al. Analysis and Simulation of Cross Calibration Precision of Ocean Color Remote Sensing[J]. Spacecraft Recovery Remote Sensing, 2016, 37(2): 116-125. (in Chinese) [5]赵志强, 李爱农, 边金虎, 等. 基于改进暗目标法山区 HJ CCD 影像气溶胶光学厚度反演[J]. 光谱学与光谱分析, 2015, 35(6): 1479-1487. ZHAO Zhiqiang, LI Ainong, BIAN Jinhu, et al. An Improved DDV Method to Retrieve AOT for HJ CCD Image in Typical Mountainous Areas[J]. Spectroscopy and Spectral Analysis, 2015, 35(6): 1479-1487. (in Chinese) .

[6] Colvile, R.N.; Hutchinson, E.J.; Warren, R.F. The transport sector as a source of air pollution. Atmos. Environ. 2001, 35,1537-1565. [CrossRef]

[7] Espinosa, A.J.F.; Rodriguez, M.T.; de la Rosa, F.J.B.; Sanchez, J.C.J. A chemical speciation of trace metals for fine urban particles. Atmos. Environ. 2002, 36, 773-780. [CrossRef]

[8] Xu, X.D. Dynamic issues of urban atmospheric pollution models. J. Appl. Meteorol. Sci. 2002, 13, 1-12. [CrossRef][9] Marcazzan, G.M.; Ceriani, M.; Valli, G.; Vecchi, R. Source apportionment of PM10 and PM2.5 in Milan (Italy) using receptor modelling. Sci. Total Environ. 2003, 317,137-147. [CrossRef][10] Kocifaj, M.; Horvath, H.; Jovanovic, O.; Gangl, M. Optical properties of urban aerosols in the region Bratislava-Vienna I. Methods and tests. Atmos. Environ. 2006, 40,1922-1934. [CrossRef][11] Huang, D.S.; Xu, J.H.; Zhang, S.Q. Valuing the health risks of particulate air pollution in the Pearl River Delta, China. Environ. Sci. Policy 2012,15, 3847. [CrossRef][12] Riffler, M.; Popp, C.; Hauser, A.; Fontana, F.; Wunderle, S. Validation of a modified AVHRR aerosol optical depth retrieval algorithm over Central Europe. Atmos. Meas. Tech. 2010, 3,1255-1270. [CrossRef][13] Sayer, A.M.; Hsu, N.C.; Bettenhausen, C.; Jenong, M.J.; Holben, B.N.; Zhang, J. Global and regional evaluation of over-land spectral aerosol optical depth retrievals from SeaWiFS. Atmos. Meas. Tech. 2012, 5,1761-1778. [CrossRef][14] Hsu, N.C.; Jeong, M.-J.; Bettenhausen, C.; Sayer, A.M.; Hansell, R.; Seftor, C.S. Enhanced deep blue aerosol retrieval algorithm: The second generation. J. Geophys. Res. Atmos. 2013,118, 9296-9315. [CrossRef]Levy, R.C.; Mattoo, S.; Munchak, L.A.; Rember, L.A.; Sayer, A.M.; Hsu, N.C. The Collection 6 MODIS aerosol products over land and ocean. Atmos. Meas. Tech. 2013, 6,159-259. [CrossRef][15] Kaufman, Y.J.; Sendra, C. Algorithm for automatic atmospheric corrections to visible and near-IR satellite imagery. Int. J. Remote Sens. 1988, 9,1357-1381. [CrossRef][16] Kaufman, Y.J.; Tanre, D.; Remer, L.A.; Vermote, E.F.; Chu, A.; Holben, B.N. Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer. J. Geophys. Res. 1997,102,17051-17067. [CrossRef][17] Remer, L.A.; Kaufman, Y.J.; Tanrex, D.; Mattoo, S.; Chu, D.A.; Martins, J.V.; Li, R.R.; Ichoku, C.; Levy, R.C.; Kleidman, R.G.; et al. The MODIS aerosol algorithm, products, and validation. J. Atmos. Sci. 2005, 62, 947-973. [CrossRef][18] Kaufman, Y.J. Satellite sensing of aerosol absorption. J. Geophys. Res. Atmos. 1987, 92, 4307-4317. [CrossRef][19] Vermote, E.F.; Vermeulen, A. MODIS ATBD: Atmospheric Correction Algorithm: Spectral Reflectances (MOD09), Version 4.0, April 1999. Available online: http://modis.gsfc.nasa.gov/data/atbd/ atbd_mod08.pdf (accessed on 30 June 2015).[20] Lyapustin, A.; Wang, Y.; Laszlo, I.; Kahn, R.; Korkin, S.; Remer, L.A.; Levy, R.C.; Reid, J.S. Multiangle implementation of atmospheric correction (MAIAC): 2. Aerosol algorithm. J. Geophys. Res. Atmos. 2011,116, 613-632. [CrossRef]