1 概述 
　　每年春季，我國北方大部分地區都會受到不同程度的沙塵天氣的影響，一方面，沙塵引起的能見度降低與大顆粒沙塵的沉降嚴重影響了運輸業、農業等行業的正常發展，對于國民經濟造成極大的直接和間接的損失；另一方面，懸浮在空氣中粒徑小于100μm的總懸浮顆粒物會對人們的健康帶來不利的影響。 
　　國內對沙塵天氣的檢測當前以遙感為主、地面站點檢測為輔。比較而言，使用衛星傳感器獲取的遙感影像具有檢測范圍廣且時效性強的特點，以搭載MODIS的Aqua和Terra衛星為例，它們可以以1～2天為周期獲取數據，這樣便可以及時發現沙塵源地并將其規模和運動方向標記出來，達到動態、省時省力檢測大范圍沙塵天氣的目的。隨著遙感技術的發展，衛星傳感器更加廣泛地應用于環境管理與污染檢測等方向。 
　　2 數據源 
　　2.1 MODIS數據 
　　MODIS是Terra與Aqua上搭載的十分重要的地球觀測傳感器，兩顆衛星上的MODIS傳感器可以每1～2天對地球觀測一次，同時獲取36個波段（0.4～14.3μm）的數據，包括16個熱紅外波段以及20個可見光與近紅外波段，這些數據常用于反演水汽含量、地表溫度、氣溶膠參數等，可以幫助研究人員理解陸地、海洋以及低層大氣的動態變化進程，并有助于構建可以預測變化的地球系統模型。 
　　2.2 臭氧檢測儀（OMI）的數據 
　　2.2.1 Aura/OMI傳感器。Aura衛星亦隸屬于EOS系統，該衛星被設計用于獲取臭氧、氣溶膠和大氣中關鍵氣體的定量信息，因此，Aura搭載了四個相關的傳感器，分別是高分辨動力發聲器、微波分叉發聲器、臭氧層觀測儀和對流層放射光譜儀。其中，OMI可以對264～504nm范圍的波段進行觀測，其光譜分辨率在0.42～0.63nm，利用OMI獲取的數據可以對大氣中的NO2、SO2、BrO、HCHO以及氣溶膠進行量測，同時使用OMI還可以區分不同的氣溶膠類型，如沙塵和硫化物。 
　　2.2.2 紫外波段氣溶膠指數（UVAI）。大氣氣溶膠可以通過吸收作用對紫外輻射產生影響，研究表明，沙塵的增加使達到地面的紫外輻射量減少，而這個過程又可以對對流層中臭氧光化學反應產生影響，因此可以使用臭氧觀測儀收集的數據衍生出反映氣溶膠變化的紫外波段氣溶膠指數，可以認為UVAI提供了氣溶膠對紫外波段吸收作用的量化指標。Torres等人的研究表明紫外觀測對氣溶膠具有高度的敏感性，并能有效降低地表反射率對觀測的影響。在實際應用中，常常用于對煤煙或沙塵的檢測。 
　　在獲取UVAI時，將通過氣溶膠觀測到的光譜輻射率記為I360，而將無氣溶膠時觀測到的光譜輻射率記為I331，分別計算二者實測值與理論值的比值，并計算差值。使用等式可以表示為： 
　　3 算法原理與算法描述 
　　3.1 沙塵檢測算法原理以及亮度溫度的計算 
　　3.1.1 亮度溫度差值/比值算法。本文進行亮度溫度差值和比值運算時選擇MODIS 29、31和32波段，這三個波段分別處于8～9μm和10～12μm光譜區間，這樣選擇的原因在于氣溶膠顆粒在這一光譜區間內其光譜特征會隨著波長的改變而產生較大的波動，通過對不同的影像進行對比便可以有效識別不同的氣溶膠類型。不僅如此，大氣對該光譜區間的干擾往往是小的，這樣得到的影像便可以反映氣溶膠的實際情況。因此，基于單一波段影像數據，科學家成功實現了對大氣中火山灰的觀測。而且隨著高光譜數據的應用，研究人員利用窄波段光譜數據實現了對沙塵等氣溶膠更高精度的觀測。然而單一波段的影像不僅會受到地面輻射的干擾，同時氣體與氣溶膠還對輻射具有不可忽略的吸收作用。可以利用傳感器接收到的紅外波段的輻射亮度值公式對上述內容進行描述： 
　　式中：Bλ為普朗克方程；Ta表示大氣中氣溶膠層的溫度；Ts表示地表溫度；δλ為氣溶膠光學厚度。 
　　從等式中可以看出，即使當氣溶膠層足夠厚，使地面輻射的干擾可以忽略不計，即 ，所接收到的輻射亮度依然受到氣體與氣溶膠本身的影響，而正如前文所述，在8～9μm和10～12μm內，氣體對輻射的干擾會達到小，在這種情況下，就只需要考慮氣溶膠本身的吸收作用。 
　　3.1.2 Dust*-parameter（D*）算法。Dust*-parameter（D*）算法是基于上文論述的BTD11-12和BTD8.6-11兩種差值算法得到的，其表達式為： 
　　式中：C和E分別為BTD11-12、BTD8.6-11的溫度位移，本文取值分別為0.09與15.0。 
　　通過前文所述，可以得知BTD11-12與BTD8.6-11均可以對以石英為主要成分的沙塵進行有效觀測，除此以外，BTD8.6-11還對硅質礦物非常敏感，因為硅質礦物擁有較寬的殘余輻射帶，相較于11μm，可以吸收更多在8.6μm處的輻射，造成BTD8.6-11的值為負值；而云層與此相反，因為云層會更多地吸收11μm處的輻射，這樣BTD8.6-11值即為正值。基于此，如果沙塵中含有硅質礦物，D*算法就可以有效進行識別，同時取自然指數可以對沙塵信號進行放大。 
　　3.1.3 MODIS亮度溫度計算方法。本文使用普朗克函數對亮度溫度進行求解，在進行計算之前，需要將MODIS影像的像元值轉換為對應的熱輻射強度值，衛星接收到的熱輻射強度轉換方法如下：sr-1·μm-1；NDi為第i波段影像的像元值；DRi與DRSi則是對應波段的輻射常量。 
　　接下來，利用普朗克函數對各波段亮度溫度計算，亮度溫度Ti計算公式為： 
　　式中：λi是對應波段的有效波長，在本文中使用的是29、31和32波段的有效波長分別為8.6μm、11μm和12μm。C1和C2均為光譜常量，它們的值分別是C1=119104356W·m-2·sr-1·μm4、C2=1.4387685×104μm·K。在計算時為簡便直觀可以將C2/λi與C1/λi5看作一個整體。 
　　實際上，亮度溫度是描述一般地物的“等效”溫度參數即在一定的波段范圍內，這一參數指的是當一般地物與黑體具有相等的輻射亮度時，黑體所具有的溫度。它表示地物的輻射量與具有多大溫度的黑體的輻射相當，由于一般地物的比輻射率ε均小于1，故地物的亮度溫度往往小于它對應的實際溫度。從影像中可以看到計算得到的亮度溫度的取值在220K和300K之間，比同季節正常的地表溫度低一些，根據上述結論，這個計算結果是合理的。 
　　3.2 云層的處理 
　　3.2.1 決定系數（R2）去云。通過計算BT7.3與BT11間的決定系數來確定高緯度云層的地理位置從而將其去除，當決定系數趨近于1，說明觀測區域是云層的可能性極大；當這個數值遠離1，則該區域應為無云區域。這個方法的關鍵在于尋找一個合適的閾值來界定云層與非云層區域，如果閾值選擇偏小，可能會將有用的信息劃為云層而遭到掩蓋；如果偏大，則有部分高緯度云層會有所遺漏。在本實驗中，首先選取同一地區有云與無云時刻的兩幅影像，并按上述方法計算其28、31波段的亮度溫度與決定系數，根據決定系數影像上像元值的直方圖分布決定該閾值的取值。 
　　3.2.2 BT11去云。31波段被設計用于獲取云層或地表溫度，而云層的溫度往往低于后者。因此從11μm波段的亮度溫度影像上便可以對云層覆蓋區域進行判別。本文首先統計出BT11影像上的大值Tmax，為了排除噪聲對統計結果的影響，選擇大的五個像元值并計算其平均數作為Tmax，同時根據相關文獻，可以獲知云層在11μm處的大亮度溫度約為273K，而對應的地表溫度為288.2K，其比值為0.95，因此本文將溫度大值的0.95倍作為云層的閾值溫度，即T云=0.95×Tmax。那么，BT11影像上像元值大于T云且小于Tmax的區域可作為無云區域；同樣的，當像元值小于T云，則相應區域可判定為有云區域。 
　　4 結語 
　　本文主要依據紅外波段對沙塵粒徑、光學折射系數等屬性的敏感性展開沙塵檢測算法的研究，在構建算法時，主要考慮了云層對沙塵數據的掩蓋以及地面輻射、大氣吸收散射作用等因素對沙塵信息的干擾。 
　　云層不僅會對沙塵數據掩蓋，同時細小的卷云有可能會與提取的沙塵信息混淆造成精度下降，因此本文通過雙重云層掩膜算法對云層去除，介紹了亮度溫度差值算法（BTD）、亮度溫度比值算法（RBT）和Dust*算法的沙塵檢測算法，考慮到云層的影響，又介紹了決定系數（R2）去云和BT11去云方法，終獲得沙塵檢測結果。本文提到的檢測方法可以實現一定精度的沙塵檢測，但是隨著沙塵越來越嚴重，對沙塵的檢測及產生原因的研究還需要更加深入。