本發(fā)明涉及遙感圖像處理技術(shù)領(lǐng)域，具體的說是一種使用衛(wèi)星影像來評估顆粒物濃度的方法和裝置，適用于環(huán)境分析與處理領(lǐng)域。

背景技術(shù)：

隨著信息技術(shù)的發(fā)展，遙感技術(shù)越來越多的被用來獲取和分析各種信息。利用遙感進(jìn)行顆粒物濃度的監(jiān)測已經(jīng)成為研究的重點。

目前顆粒物濃度監(jiān)測技術(shù)主要包括地面監(jiān)測網(wǎng)絡(luò)監(jiān)測和衛(wèi)星遙感監(jiān)測。由于衛(wèi)星遙感圖像能夠監(jiān)測更大的連續(xù)的空間范圍，光譜分辨率也越來越高，能夠提取的信息也越來越多，所以使用衛(wèi)星遙感來監(jiān)測顆粒物濃度的技術(shù)研究有著更為重要的意義。衛(wèi)星遙感監(jiān)測主要使用多光譜傳感器或中分辨率成像光譜儀獲取的可見光及紅外波段的數(shù)據(jù)為基礎(chǔ)，處理得到氣溶膠光學(xué)厚度(AOD)，并進(jìn)行參數(shù)反演得到顆粒物濃度在分析區(qū)域的分布。《利用細(xì)模態(tài)氣溶膠光學(xué)厚度估計PM2.5》對霧霾污染嚴(yán)重時的氣溶膠光學(xué)厚度與顆粒物污染直接的相關(guān)關(guān)系進(jìn)行了分析，并利用太陽光度計在地面觀測得到的氣溶膠光學(xué)厚度數(shù)據(jù)進(jìn)行了模型估算和驗證。《Retrieval，Validation，and Application of the 1-km Aerosol Optical Depth From MODIS Measurements Over Hong Kong》使用MODIS原始影像為初始數(shù)據(jù)，使用太陽光度計的地面觀測數(shù)據(jù)輔助處理得到1km分辨率的AOD，以彌補(bǔ)標(biāo)準(zhǔn)的AOD產(chǎn)品分辨率太低(10km)，在城市區(qū)域監(jiān)測的不足。

上述從遙感圖像對顆粒物進(jìn)行分析的方法，能夠?qū)︻w粒物濃度進(jìn)行反演而獲取，但是對于較小尺度的城市區(qū)域，地面觀測條件苛刻，難以大量復(fù)制使用，而標(biāo)準(zhǔn)AOD產(chǎn)品則分辨率太低，無法呈現(xiàn)顆粒物濃度差異。

技術(shù)實現(xiàn)要素：

為了解決基于遙感技術(shù)對顆粒物濃度的分析中存在的不易適應(yīng)較小尺度區(qū)域分析的問題，本發(fā)明提供了一種評估顆粒物濃度的方法，該方法包括以下步驟：

a)利用衛(wèi)星傳感器，分別在不同時間對地表區(qū)域進(jìn)行拍攝以獲得所述地表區(qū)域的晴朗天氣影像和霧霾天氣影像，所述地表區(qū)域中的多個像素在所述晴朗天氣影像中各自的像素值組成晴朗天氣影像數(shù)據(jù)，所述多個像素在所述霧霾天氣影像中各自的像素值組成霧霾天氣影像數(shù)據(jù)；

b)分別從所述晴朗天氣影像數(shù)據(jù)和所述霧霾天氣影像數(shù)據(jù)提取所述多個像素中的每一個像素在三個光通道中的每一個光通道中的像素值，并分別作為晴朗天氣彩色圖像數(shù)據(jù)和霧霾天氣彩色圖像數(shù)據(jù)；

c)從所述晴朗天氣彩色圖像數(shù)據(jù)和所述霧霾天氣彩色圖像數(shù)據(jù)分別提取出所述每一個像素在晴朗天氣暗通道中的像素值以及所述每一個像素在霧霾天氣暗通道中的像素值，并分別作為晴朗天氣暗通道數(shù)據(jù)和霧霾天氣暗通道數(shù)據(jù)；

d)計算所述霧霾天氣暗通道數(shù)據(jù)和所述晴朗天氣暗通道數(shù)據(jù)的差值，作為暗通道差值數(shù)據(jù)，并通過所述暗通道差值數(shù)據(jù)和所述霧霾天氣暗通道數(shù)據(jù)得出所述每一個像素在引導(dǎo)濾波后的像素值，作為引導(dǎo)濾波數(shù)據(jù)；

e)利用所述引導(dǎo)濾波數(shù)據(jù)，對從所述霧霾天氣影像數(shù)據(jù)計算得到的像素的標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值進(jìn)行重采樣，得出所述每一個像素的重采樣的氣溶膠光學(xué)厚度值；

f)利用參數(shù)反演方法，從像素的顆粒物濃度隨所述重采樣的氣溶膠光學(xué)厚度值變化的多個函數(shù)關(guān)系式中，確定一個函數(shù)關(guān)系式作為定量反演關(guān)系式，并根據(jù)所述定量反演關(guān)系式和所述每一個像素的重采樣的氣溶膠光學(xué)厚度值，得出所述每一個像素的顆粒物濃度。

在步驟b)中，所述三個光通道包括紅光通道、藍(lán)光通道和綠光通道。

通過關(guān)系式(1)，得到所述晴朗天氣暗通道數(shù)據(jù)和所述霧霾天氣暗通道數(shù)據(jù)，

J^dark(x)＝min_y∈Ω(x)(min_c∈{r,g,b}J^c(y)) 關(guān)系式(1)

其中，Ω(x)表示以所述多個像素中的第x個像素為中心的預(yù)定的像素區(qū)域，y是所述像素區(qū)域中的第y個像素，c是所述紅光通道r、藍(lán)光通道b和綠光通道g中的一個光通道，J^c(y)表示所述晴朗天氣彩色圖像數(shù)據(jù)或所述霧霾天氣彩色圖像數(shù)據(jù)中在所述像素區(qū)域中的所述第y個像素在光通道c中的像素值，J^dark(x)是所述第x個像素在所述晴朗天氣暗通道中的像素值或者在所述霧霾天氣暗通道中的像素值，其中，J^dark(x)是所述像素區(qū)域中的所有像素在在所述三個光通道中的最小像素值。

如此，晴朗天氣暗通道數(shù)據(jù)和霧霾天氣暗通道數(shù)據(jù)可以作為霧霾分布特征的參考信息。

所述像素區(qū)域是根據(jù)所述地表區(qū)域中的地物的尺寸而預(yù)定的。也就是說，根據(jù)影像中 景物的區(qū)域分布特征來設(shè)置該像素區(qū)域的范圍和大小，從而可以使相同類型景物的像素落入同一像素區(qū)域中。

在步驟d)中，將所述每一個像素在所述霧霾天氣暗通道中的像素值減去所述每一個像素在所述晴朗天氣暗通道中的像素值，得到所述每一個像素的暗通道差值，作為所述暗通道差值數(shù)據(jù)，并且根據(jù)以下等式(2)得出所述引導(dǎo)濾波數(shù)據(jù)，

$q_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{i\∈{\mathrm{\ω}}_k}(a_k{I}_i+b_k)$ 等式(2)

其中，q_i表示所述多個像素中的第i個像素在引導(dǎo)濾波后的像素值，ω_k是以所述多個像素中的第k個像素為中心的濾波像素區(qū)域，|ω|是所述濾波像素區(qū)域中的像素個數(shù)，I_i是所述霧霾天氣暗通道數(shù)據(jù)中的所述第i個像素的像素值，a_k和b_k是所述濾波像素區(qū)域中的線性因數(shù)，并通過以下等式(3)、(4)來分別獲得a_k和b_k，

$a_k=\frac{\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{i\∈{\mathrm{\ω}}_k}{I}_i{p}_i-{\mathrm{\μ}}_k\stackrel{\‾}{p_k}}{{\mathrm{\σ}}_k^2+\mathrm{\ϵ}}$ 等式(3)

$b_k=\stackrel{\‾}{p_k}-a_k{\mathrm{\μ}}_k$ 等式(4)

其中，p_i是所述暗通道差值數(shù)據(jù)中所述第i個像素的差值，μ_k和σ_k分別是所述霧霾天氣暗通道數(shù)據(jù)中的所述濾波像素區(qū)域中的所有像素值的平均值和方差，是所述暗通道差值數(shù)據(jù)中的所述濾波像素區(qū)域中的所有差值的平均值，ε是調(diào)節(jié)參數(shù)。

由于暗通道的亮度值為一個很小的值，所以霧霾成為暗通道的主要成分、因為霧霾顆粒物會對光線在大氣傳輸時產(chǎn)生較強(qiáng)的漫反射和散射作用，所以晴朗天氣的暗通道更符合景物本來的暗通道結(jié)果，而霧霾天氣暗通道數(shù)據(jù)則是附加了霧霾的影響。因此，暗通道差值數(shù)據(jù)可用于表示霧霾的分布差異。

由于在經(jīng)過相減算法后，暗通道差值數(shù)據(jù)在景物邊緣區(qū)域有較多噪聲誤差，所以，通過上述步驟，可以進(jìn)行平衡消減，著重在景物邊緣區(qū)域進(jìn)行平滑濾波。

標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值有M×N個，每個標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值對應(yīng)于所述多個像素中的m×n個像素,M、N、m、n為大于1的整數(shù)，

并且，通過以下等式(5)得到所述每一個像素的重采樣的氣溶膠光學(xué)厚度值，

${\mathrm{AOD}}_i={\mathrm{AOD}}_t*\frac{q_{i\∈w\left(t\right)}}{{\mathrm{\Σ}}_{s=1}^{m\×n}{q}_{s\∈w\left(t\right)}/(m\×n)}$ 等式(5)

AOD_i是所述第i個像素的重采樣的氣溶膠光學(xué)厚度值，AOD_t是第t個標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值，w(t)是與所述第t個標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值對應(yīng)的所述m×n個像素的區(qū)域，q_s是在區(qū)域w(t)中的第s個像素在引導(dǎo)濾波后的像素值，1≤i≤M×N×m×n，1≤t≤M×N，s、 t為整數(shù)。

如此，可以提高空間分辨率。

在步驟f)中，所述參數(shù)反演方法如下：將至少三個像素各自的重采樣的氣溶膠光學(xué)厚度值和所述至少三個像素各自的顆粒物濃度的實際測量值，分別帶入所述多個函數(shù)關(guān)系式中進(jìn)行反演計算，以確定每個函數(shù)關(guān)系式中的各個系數(shù)值，

所述定量反演關(guān)系式的確定如下：利用所述至少三個像素各自的顆粒物濃度的實際測量值、根據(jù)確定了所述各個系數(shù)值的所述每個函數(shù)關(guān)系式計算出的各個顆粒物濃度值、以及所述至少三個像素各自的顆粒物濃度的實際測量值的平均值，計算每個函數(shù)關(guān)系式的擬合度，并將擬合度的值最大的一個函數(shù)關(guān)系式確定作為所述定量反演關(guān)系式。

所述多個函數(shù)關(guān)系式包括線性函數(shù)關(guān)系式、多項式函數(shù)關(guān)系式、指數(shù)函數(shù)關(guān)系式、對數(shù)函數(shù)關(guān)系式、冪函數(shù)關(guān)系式。

本發(fā)明還提供一種評估顆粒物濃度的裝置，該裝置利用如上所述的評估顆粒物濃度的方法來評估所述每一個像素的顆粒物濃度。

通過本發(fā)明的評估顆粒物濃度的方法和裝置，可以提高顆粒物濃度的分辨率，且該方法和裝置能夠適用于較小尺寸的城市區(qū)域，對于地面觀測條件不苛刻，且方便大量復(fù)制使用，可以呈現(xiàn)顆粒物濃度的差異。

本發(fā)明可以以較低的成本來計算得到能夠使用于城市級霧霾分析的具有較高空間分辨率的顆粒物濃度信息。無需經(jīng)過傳統(tǒng)暗像元法的暗區(qū)域?qū)嵉剡x取及光譜測量，可改善空間分辨率，并且可以顯著降低數(shù)據(jù)獲取成本。

附圖說明

圖1是根據(jù)本發(fā)明的實施例的評估顆粒物濃度的方法的流程圖；

圖2(a)顯示了根據(jù)本發(fā)明的實施例的9個像素在紅光通道中的像素值；

圖2(b)顯示了根據(jù)本發(fā)明的實施例的9個像素在藍(lán)光通道中的像素值；

圖2(c)顯示了根據(jù)本發(fā)明的實施例的9個像素在綠光通道中的像素值；

圖3顯示了根據(jù)本發(fā)明的實施例的晴朗天氣暗通道數(shù)據(jù)的一部分；

圖4顯示了根據(jù)本發(fā)明的實施例的霧霾天氣暗通道數(shù)據(jù)的一部分；

圖5顯示了根據(jù)本發(fā)明的實施例的暗通道差值數(shù)據(jù)的一部分。

具體實施方式

下面結(jié)合實施例，對本發(fā)明進(jìn)行詳細(xì)說明。

圖1是根據(jù)本發(fā)明的實施例的評估顆粒物濃度的方法的流程圖。在步驟S11中，利用衛(wèi)星傳感器，分別在不同時間對地表區(qū)域進(jìn)行拍攝以獲得所述地表區(qū)域的晴朗天氣影像和霧霾天氣影像，地表區(qū)域中的多個像素在晴朗天氣影像中各自的像素值組成晴朗天氣影像數(shù)據(jù)，多個像素在霧霾天氣影像中各自的像素值組成霧霾天氣影像數(shù)據(jù)。本實施例中，衛(wèi)星傳感器是MODIS，分辨率為1km，晴朗天氣影像和霧霾天氣影像的大小均為500×500個像素，該地表區(qū)域位于東經(jīng)114.84度至121.20度，北緯32.51度至37.53度。晴朗天氣影像的拍攝時間2014年11月23日上午10：45，霧霾天氣影像的拍攝時間2013年12月20日上午10：45。影像中該地表區(qū)域主要由云層、裸露地表(陸地、海洋)、霧霾覆蓋層組成。由于季節(jié)時間相差不大，所以地物覆蓋情況相差不大。

這里，晴朗天氣影像中的每個像素值組成晴朗天氣影像數(shù)據(jù)，霧霾天氣影像的每個像素值組成霧霾天氣影像數(shù)據(jù)。也就是說，晴朗天氣影像數(shù)據(jù)和霧霾天氣影像數(shù)據(jù)分別有500×500個像素。

在步驟S12中，分別從晴朗天氣影像數(shù)據(jù)和霧霾天氣影像數(shù)據(jù)提取多個像素中的每一個像素在三個光通道中的每一個光通道中的像素值，并分別作為晴朗天氣彩色圖像數(shù)據(jù)和霧霾天氣彩色圖像數(shù)據(jù)。本實施例中，三個光通道包括0.65μm紅光通道、0.47μm藍(lán)光通道和0.55μm綠光通道。

圖2(a)、圖2(b)和圖2(c)是晴朗天氣彩色圖像數(shù)據(jù)中的一部分，分別顯示了500×500個像素中處于相同位置的9個像素分別在三個光通道中的像素值。圖2(a)顯示了該9個像素在0.65μm紅光通道中各自的像素值，圖2(b)顯示了該9個像素在0.47μm藍(lán)光通道中各自的像素值，圖2(c)顯示了該9個像素在0.55μm綠光通道中各自的像素值。晴朗天氣彩色圖像數(shù)據(jù)包括從晴朗天氣影像數(shù)據(jù)提取的每個像素在每個光通道中的像素值，霧霾天氣彩色圖像數(shù)據(jù)包括從霧霾天氣影像數(shù)據(jù)提取的每個像素在每個光通道中的像素值。

接下來，在步驟S13中，從晴朗天氣彩色圖像數(shù)據(jù)和霧霾天氣彩色圖像數(shù)據(jù)分別提取出每一個像素在晴朗天氣暗通道中的像素值以及每一個像素在霧霾天氣暗通道中的像素值，并分別作為晴朗天氣暗通道數(shù)據(jù)和霧霾天氣暗通道數(shù)據(jù)。

這里，通過關(guān)系式(1)，得到該晴朗天氣暗通道數(shù)據(jù)和霧霾天氣暗通道數(shù)據(jù)，

J^dark(x)＝min_y∈Ω(x)(min_c∈{r,g,b}J^c(y)) 關(guān)系式(1)

其中，Ω(x)表示以多個像素中的第x個像素為中心的預(yù)定的像素區(qū)域，y是該像素區(qū)域中的第y個像素，c是紅光通道r、藍(lán)光通道b和綠光通道g中的一個光通道，J^c(y)表示晴朗天氣彩色圖像數(shù)據(jù)或霧霾天氣彩色圖像數(shù)據(jù)中在像素區(qū)域中的第y個像素在光通道c中的像素值，J^dark(x)是第x個像素在晴朗天氣暗通道中的像素值或者在霧霾天氣暗通道中的像素值，其中，J^dark(x)是該像素區(qū)域中的所有像素在三個光通道中的最小像素值。

本實施例中，舉例說明提取晴朗天氣暗通道數(shù)據(jù)的過程。預(yù)定的像素區(qū)域Ω(x)例如包含3×3個像素，參見圖2(a)、圖2(b)和圖2(c)，其中顯示了在該像素區(qū)域Ω(x)中的9個相同位置的像素在紅光通道r、藍(lán)光通道b和綠光通道g中各自的像素值。該像素區(qū)域Ω(x)是以第520個像素為中心，即圖2(a)、圖2(b)和圖2(c)中第2行第2列的位置處的像素，且x＝520。在像素區(qū)域Ω(520)中，一共有9個像素，按從左到右、從上到下的順序依次為第1、第2、、、第9個像素。從圖2(a)、圖2(b)和圖2(c)可以看出，第1個像素在紅光通道r中的像素值為5，在藍(lán)光通道b中的像素值為86，在綠光通道g中的像素值為45；第5個像素(即，多個像素中的第520個像素)在紅光通道r中的像素值為26，在藍(lán)光通道b中的像素值為56，在綠光通道g中的像素值為123，等等。如此，可以得到9個像素各自在三個光通道中的像素值?？梢钥闯?，圖2(a)的紅光通道r中的9個像素值中的最小值是5，圖2(b)的藍(lán)光通道b中的9個像素值中的最小值是32，圖2(c)的綠光通道g中的9個像素值中的最小值是22，那么三個光通道中的最小值為5。

如此，通過關(guān)系式(1)可以得出J^dark(520)為5。也就是說，J^dark(520)是像素區(qū)域Ω(520)中的9個像素在圖2(a)、圖2(b)和圖2(c)顯示的三個光通道中的最小像素值。

按照上述關(guān)系式(1)，對其他像素進(jìn)行提取，以最終獲得每個像素在晴朗天氣暗通道中的像素值，并作為晴朗天氣暗通道數(shù)據(jù)。同樣，按照上述關(guān)系式(1)，可以獲得每個像素在霧霾天氣暗通道中的像素值，并作為霧霾天氣暗通道數(shù)據(jù)。

圖3顯示了晴朗天氣暗通道數(shù)據(jù)的一部分，顯示了與圖2(a)、圖2(b)和圖2(c)中的9個相同位置的像素各自在晴朗天氣暗通道中的像素值。圖4顯示了霧霾天氣暗通道數(shù)據(jù)的一部分，顯示了與圖2(a)、圖2(b)和圖2(c)中的9個相同位置的像素各自在霧霾天氣暗通道中的像素值。

另外，像素區(qū)域Ω(x)是根據(jù)地表區(qū)域中的地物的尺寸而預(yù)定的，且包含(2X+1)×(2X+1)個像素，X是大于等于1的整數(shù)。

在步驟S14中，計算霧霾天氣暗通道數(shù)據(jù)和晴朗天氣暗通道數(shù)據(jù)的差值，作為暗通道差值數(shù)據(jù)，并通過暗通道差值數(shù)據(jù)和霧霾天氣暗通道數(shù)據(jù)得出每一個像素在引導(dǎo)濾波后的像素值，作為引導(dǎo)濾波數(shù)據(jù)。

其中，將每一個像素在霧霾天氣暗通道中的像素值減去每一個像素在晴朗天氣暗通道中的像素值，得到每一個像素的暗通道差值，作為暗通道差值數(shù)據(jù)。

具體的，參見圖3和圖4，對于本實施例中的這9個像素中的第1個像素，得到該第1個像素的暗通道差值為20-5＝15。對于第9個像素，是1-2＝-1，那么第9個像素的暗通道差值就取0。也就是說，如果某個像素在霧霾天氣暗通道中的像素值減去其在晴朗天氣暗通道中的像素值的差為負(fù)數(shù)，那么該像素的暗通道差值為0。

如此，可以得到這9個像素的暗通道差值，如圖5所示，且圖5顯示了暗通道差值數(shù)據(jù)的一部分。

然后，根據(jù)以下等式(2)得出引導(dǎo)濾波數(shù)據(jù)，

$q_i=\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{i\∈{\mathrm{\ω}}_k}(a_k{I}_i+b_k)$ 等式(2)

其中，q_i表示500×500個像素中的第i個像素在引導(dǎo)濾波后的像素值，ω_k是以500×500個像素中的第k個像素為中心的濾波像素區(qū)域，|ω|是該濾波像素區(qū)域中的像素個數(shù)，I_i是霧霾天氣暗通道數(shù)據(jù)中的第i個像素的像素值，a_k和b_k是該濾波像素區(qū)域中的線性因數(shù)，并通過以下等式(3)、(4)來分別獲得a_k和b_k，

$a_k=\frac{\frac{1}{\left|\mathrm{\ω}\right|}{\mathrm{\Σ}}_{i\∈{\mathrm{\ω}}_k}{I}_i{p}_i-{\mathrm{\μ}}_k\stackrel{\‾}{p_k}}{{\mathrm{\σ}}_k^2+\mathrm{\ϵ}}$ 等式(3)

$b_k=\stackrel{\‾}{p_k}-a_k{\mathrm{\μ}}_k$ 等式(4)

其中，p_i是暗通道差值數(shù)據(jù)中第i個像素的差值，μ_k和σ_k分別是霧霾天氣暗通道數(shù)據(jù)中的位于該濾波像素區(qū)域ω_k中的所有像素值的平均值和方差，是暗通道差值數(shù)據(jù)中的位于該濾波像素區(qū)域ω_k中的所有差值的平均值，ε是調(diào)節(jié)參數(shù)。

參見圖4和圖5，本實施例中，例如k取520，即，ω₅₂₀是以第520個像素為中心的濾波像素區(qū)域，|ω|＝9。I_i是霧霾天氣暗通道數(shù)據(jù)中的第i個像素的像素值，從圖4可以看出，霧霾天氣暗通道數(shù)據(jù)中的第520個像素I₅₂₀的像素值為32；p_i是暗通道差值數(shù)據(jù)中第i個像素的差值，從圖5可以看出，暗通道差值數(shù)據(jù)中第520個像素的差值p₅₂₀＝27。μ_k和σ_k分別是霧霾天氣暗通道數(shù)據(jù)中的位于該濾波像素區(qū)域ω_k中的像素值的平均值和方差。本例中，從圖4可以得出，λ₅₂₀＝12.55，和σ₅₂₀＝7.29。在本實施例中，ε例如是0.4。本例中，是 暗通道差值數(shù)據(jù)中的位于濾波像素區(qū)域ω₅₂₀中的9個差值的平均值，并從圖5的9個差值可以計算得出。如此，根據(jù)上述等式(3)和(4)，可以分別計算得出一組a₅₂₀和b₅₂₀。

本例中，第520個像素也被包含在以第519個像素為中心的濾波像素區(qū)域ω₅₁₉中，因此，對于I₅₂₀，可以根據(jù)圖4、圖5中的數(shù)據(jù)，從等式(3)和等式(4)計算得出另一組a₅₁₉和b₅₁₉。本例中，濾波像素區(qū)域包含9個像素，那么對于第520個像素(I₅₂₀)，可以計算得出9組a_k和b_k。將這9組a_k和b_k代入上述等式(2)，從而計算得出q₅₂₀的值。按照上述方式，可以計算出500×500個像素中的每個像素在引導(dǎo)濾波后的像素值，從而得到引導(dǎo)濾波數(shù)據(jù)。

接著，在步驟S15中，利用上述得到的引導(dǎo)濾波數(shù)據(jù)，對從霧霾天氣影像數(shù)據(jù)計算得到的像素的標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值進(jìn)行重采樣，得出每一個像素的重采樣的氣溶膠光學(xué)厚度值。

這里，從霧霾天氣影像數(shù)據(jù)計算像素的標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值的方法和現(xiàn)有技術(shù)中的一樣，因此這里不再詳述。

本例中，標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值有M×N個，每個標(biāo)準(zhǔn)氣溶膠光學(xué)厚度(AOD)值對應(yīng)于500×500個像素中的m×n個像素,M、N、m、n為大于1的整數(shù)。

如上所述，晴朗天氣影像和霧霾天氣影像的分辨率都為1km。本例中，標(biāo)準(zhǔn)AOD值的分辨率例如為10km，也就是說，一共有50×50個標(biāo)準(zhǔn)AOD值，即，M＝N＝50，且每個標(biāo)準(zhǔn)AOD值對應(yīng)于10×10個像素，即m＝n＝10。

然后，通過以下等式(5)得到每一個像素的重采樣的氣溶膠光學(xué)厚度值，

${\mathrm{AOD}}_i={\mathrm{AOD}}_t*\frac{q_{i\∈w\left(t\right)}}{{\mathrm{\Σ}}_{s=1}^{m\×n}{q}_{s\∈w\left(t\right)}/(m\×n)}$ 等式(5)

AOD_i是第i個像素的重采樣的氣溶膠光學(xué)厚度值，AOD_t是第t個標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值，w(t)是與第t個標(biāo)準(zhǔn)氣溶膠光學(xué)厚度值對應(yīng)的10×10個像素的區(qū)域，q_s是在區(qū)域w(t)中的第s個像素在引導(dǎo)濾波后的像素值，1≤i≤M×N×m×n，1≤t≤M×N，s、t為整數(shù)。本例中，1≤i≤500×500，1≤t≤50×50。

例如，以第520個像素為例，第2個標(biāo)準(zhǔn)AOD值對應(yīng)的10×10個像素的區(qū)域中包含第520個像素。根據(jù)步驟S14中得出的引導(dǎo)濾波數(shù)據(jù)，并從上述等式(5)可以計算出AOD₅₂₀。如此，可以計算出500×500個像素中的每個像素的重采樣的AOD值。

接下來，在步驟S16中，利用參數(shù)反演方法，從像素的顆粒物濃度隨重采樣的氣溶膠光學(xué)厚度值變化的多個函數(shù)關(guān)系式中，確定一個函數(shù)關(guān)系式作為定量反演關(guān)系式，并根據(jù) 定量反演關(guān)系式和每一個像素的重采樣的氣溶膠光學(xué)厚度值，得出每一個像素的顆粒物濃度。

多個函數(shù)關(guān)系式包括線性函數(shù)關(guān)系式、多項式函數(shù)關(guān)系式、指數(shù)函數(shù)關(guān)系式、對數(shù)函數(shù)關(guān)系式、冪函數(shù)關(guān)系式，當(dāng)然還可以有其他函數(shù)關(guān)系式。

本實施例中，這些函數(shù)關(guān)系式例如如下：

線性函數(shù)： y＝a₁x+b₁

多項式函數(shù)： y＝a₂x²+b₂x+c₂

指數(shù)函數(shù)： y＝a₃e^x+b₃

對數(shù)函數(shù)： y＝a₄ln(x)+b₄

冪函數(shù)： $y=a_5{x}^{b_5}+c_5$

具體的，該參數(shù)反演方法如下：將根據(jù)步驟S15得出的至少三個像素各自的重采樣的氣溶膠光學(xué)厚度值和該至少三個像素各自的顆粒物濃度的實際測量值，分別代入上述多個函數(shù)關(guān)系式中進(jìn)行反演計算，以確定每個函數(shù)關(guān)系式中的各個系數(shù)值。

這里，當(dāng)實際測量值大于3組(即，3個像素的重采樣的氣溶膠光學(xué)厚度值和各自的顆粒物濃度的實際測量值)時，可以通過最小二乘法和冪函數(shù)回歸計算等擬合方法求最優(yōu)解。實際測量值越多，得到的反演關(guān)系越穩(wěn)定和精確。通過解方程組得到各函數(shù)關(guān)系式中的系數(shù)a、b、c。

本實施例中，計算得到的具體函數(shù)關(guān)系式如下：

指數(shù)函數(shù)：y＝74.982×e^0.8422x

線性函數(shù)：y＝110.52x+71.588

對數(shù)函數(shù)：y＝51.599ln(x)+173.62

多項式函數(shù)：y＝-26.649x²+148.49x+61.014

冪函數(shù)：y＝168.05×x^0.4405

然后，定量反演關(guān)系式的確定如下：利用至少三個像素各自的顆粒物濃度的實際測量值、根據(jù)確定了各個系數(shù)值的每個函數(shù)關(guān)系式計算出的各個顆粒物濃度值、以及至少三個像素各自的顆粒物濃度的實際測量值的平均值，計算每個函數(shù)關(guān)系式的擬合度，并將擬合度的值最大的一個函數(shù)關(guān)系式確定作為所述定量反演關(guān)系式。

本實施例中，按照以下等式(6)來計算每個函數(shù)關(guān)系式中的擬合度。

$R_T=1-\frac{\underset{V=1}{\overset{Z}{\mathrm{\Σ}}}{(y_V-y_{\mathrm{VY}}^{*})}^2}{\underset{V=1}{\overset{Z}{\mathrm{\Σ}}}{(y_V-\stackrel{\‾}{y})}^2}$ 等式(6)

其中，R_T表示上述確定各系數(shù)值的5個函數(shù)關(guān)系式中的第T個函數(shù)關(guān)系式的擬合度，1≤T≤5，Z表示上述至少三個像素的個數(shù)，例如Z＝3，y_V是至少三個像素中的第V個像素的顆粒物濃度的實際測量值，1≤V≤Z，表示將第V像素的重采樣的氣溶膠光學(xué)厚度值作為自變量x代入根據(jù)上述確定各系數(shù)值的5個關(guān)系函數(shù)式中的第T個函數(shù)關(guān)系式計算得出的值，表示至少三個像素各自的顆粒物濃度的實際測量值的平均值。T、V、Z為整數(shù)。

本實施例中，根據(jù)上述等式(6)，得到5個函數(shù)關(guān)系式的擬合度分別為：指數(shù)函數(shù)的擬合度為0.7501，線性函數(shù)的擬合度為0.7972，對數(shù)函數(shù)的擬合度為0.7909，多項式函數(shù)的擬合度為0.9203，冪函數(shù)的擬合度為0.7426。

其中，多項式函數(shù)的擬合度的值最大，所以多項式函數(shù)是最優(yōu)反演關(guān)系式，并將該多項式函數(shù)確定作為定量反演關(guān)系式。

然后，根據(jù)該多項式函數(shù)：y＝-26.649x²+148.49x+61.014，將每個像素的重采樣的氣溶膠光學(xué)厚度值作為自變量x代入，從而得出每個像素的顆粒物濃度。

另外，本發(fā)明還提供一種使用上述評估顆粒物濃度的方法來評估每個像素的顆粒物濃度的裝置。

通過本發(fā)明的評估顆粒物濃度的方法和裝置，可以提高顆粒物濃度的分辨率，且該方法和裝置能夠適用于較小尺寸的城市區(qū)域，對于地面觀測條件不苛刻，且方便大量復(fù)制使用，可以呈現(xiàn)顆粒物濃度的差異。

雖然本發(fā)明的特定實施例已被描述，但這些實施例只通過實例的方式進(jìn)行表述，并不意欲限制本發(fā)明的范圍。實際上，本文描述的創(chuàng)新方法可以通過各種其他形式實施；此外，也可以進(jìn)行對本文描述的方法和系統(tǒng)的各種省略、替代和改變而不背離本發(fā)明的精神。附后的權(quán)利要求及其等同內(nèi)容的目的是涵蓋落入本發(fā)明的范圍和精神內(nèi)的這樣的各種形式或修改。