استفاده از تصویر ماهواره‌ای در محاسبه قابلیت دید افقی جو

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

2 دکتری سنجش از دور، دانشیار دانشگاه صنعتی خواجه نصیرالدین طوسی

3 کارشناسی ارشد مهندسی الکترواپتیک، دانشگاه صنعتی مالک اشتر

چکیده

کاهش قابلیت دید از اولین اثرات قابل ملاحظه آلودگی هوا بر پدیده‌های جوی بشمار می‌آید. در توصیفات هواشناسی قابلیت دید عبارتست از معیار استاندارد شفافیت اتمسفر در طیف مرئی. کاهش دید موجب مخاطرات ایمنی می‌شود و از لحاظ ظاهر نیز ناخواسته است. برای بررسی قدرت دید، محاسبه تیرگی جو مفید خواهد بود. هواویزها به عنوان مهمترین عامل تیرگی جو، با جذب و پراکنده‌سازی نور خورشید موجب کاهش قابلیت دید در جو می‌شوند.در این پژوهش با استفاده از روش سنجش از دوری تیرگی جو محاسبه شده است. به این منظور از تصاویر سنجنده MODIS مستقر بر سکوی Aqua ضخامت نوری هواویز استخراج شده و تصحیحاتی از قبیل رطوبت نسبی و ارتفاع اختلاط بر روی این پارامتر انجام می‌شود و با استفاده از روابط موجود بین ضخامت نوری هواویز و تیرگی جو، پارامتر تیرگی جو محاسبه می‌شود.در نهایت بررسی‌ها در این تحقیق نشان می‌دهد که بین پارامتر تیرگی جو و کاهش قدرت دید  جو، یک رابطه خطی با میزان همبستگی 77/0، وجود دارد که در مجموع این همبستگی نشان می‌دهد که برای سنجنده‌ای با دقت در حد سنجنده MODIS و قدرت تفکیک مکانی آن، قابل قبول می‌باشد از مزایای روش سنجش از دوری در محاسبه تیرگی جو نسبت به سایر روش‌ها، عدم محدودیت مکانی آن می‌باشد. با این حساب در هر روز در نوبت زمانی می‌توان قدرت دید مناطق مختلف را مورد ارزیابی قرار داد. موردی که باید به آن اشاره کرد فرضی است که در این پژوهش از آن استفاده شدو آن در نظر گرفتن توزیع همگن برای عوامل به وجود آورنده تیرگی جو در محیط تحت پوشش یک پیکسل می‌باشد که تا حدودی ممکن است خلاف واقع باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Using satellite images to calculate atmospheric visibility

نویسندگان [English]

  • A. Hejazi 1
  • M. R. Mobasheri 2
  • D. Majidi 3
1
2
3
چکیده [English]

Introduction

Atmospheric visibility distance is a crucial information for transport safety as well as a good evidence of air pollution. Electro-optical sensors such as transmitometers or scatterometers have been developed to measure this environmental parameter. Transmitometers are reliable but are very expensive, which explains why they are deployed at critical places like major airports.

The recent development of satellite meteorology has allowed us to estimate spatially and frequently number of basic meteorological parameters. This paper presents the proposed methodology for retrieving visibility values based on the application of aerosol optical thickness algorithm on satellite image data. To calculate the atmospheric visibility, computing Blur atmosphere parameter will be beneficial. Aerosols as the most important factor Blur the atmosphere and absorb sunlight, reducing visibility in the atmosphere. In this study, by Using remote sensing data (aerosol optical thickness), atmospheric blur parameter is calculated.

 

Methodology

 A number of data from various sources were collected for this research, including the historical air quality data sets, MODIS aerosol imagery, and ground-based meteorological measurements. In this work, using the relationship between the optical thickness and atmospheric blur, atmospheric blur parameter calculated evenly. For this, the corrected values of Aerosol Optical Depth (AOD) retrieved from MODIS images are used. Hence the AODs were corrected for the effects of air humidity and the air mixing height.

 

Results and discussion

Atmospheric visibility distance is a property of the atmosphere, which can be remotely sensed by satellite data. In this aim, a linear mapping function between the atmospheric visibility distance and atmospheric blur parameter was planned. In used model, with the help regression analysis, the relationships were detected between atmospheric blur parameter and the atmospheric visibility. According to this study, it is found that there are relatively good correlation between atmospheric blur parameter and atmospheric visibility (R= 0.77). However, in the procedure of atmospheric blur and AOD correction, limitations such as insufficient number of ground-based weather stations and approximate determination of the air mixing height may cause some uncertainties in the proposed method.  

 

Conclusion

This paper has proposed model for the estimate of atmospheric visibility. Remotely sensed MODIS AOD, and ground-based measurements of surface temperature and surface relative humidity have been found to be highly significant in the prediction atmospheric visibility. Although MODIS extracted AOD may contain valuable information about atmospheric blur parameter but this parameter is highly affected by the atmospheric conditions where usually it is hard to acquire the weather data during many satellite overpasses.

 

کلیدواژه‌ها [English]

  • Atmospheric blur
  • Aerosol Optical Depth (AOD)
  • Atmospheric visibility

مقدمه

یکی از اولین واژه­هایی که همراه با آلودگی هوا در ذهن تداعی می­شود، کاهش دید افقی است (Malm, 1979) . قدرت دید را می­توان حداکثر فاصله­ای در نظر گرفت که درک بصری انسان تحت شرایط آب و هوایی محدود می­شود(Babari et al, 2011). به طور کلی قدرت دید به قابلیت عبور نور به صورت مستقیم در جو بر می­گردد و حداکثر فاصله­ای است که انسان در هر زمان از روز می­تواند ببیند(Sirniviasa & Narasimhan, 2001). دود و آلودگی هوا در شهرها موجب کاهش قابلیت دید خواهد شد. ذرات نمک در مناطق ساحلی نیز یکی از موارد کاهش دید خواهد بود. اما بدون شک زمانی قدرت دید حداقل خود را خواهد داشت که غلظت ذرات معلق در جو حداکثر مقدار خود را دارا باشد (قربانی، 1390).

تهیه اطلاعاتی در مورد قدرت دید افقی با دقت بالا برای خلبانان و کنترل کنندگان ترافیک هوایی با توجه به وجود جت­های سریع و مافوق صوت، بسیار مهم می­باشد(Mali & Vashistha, 2005) . قدرت دید هواشناسی، مربوط به شفافیت جو و در ارتباط با توانایی دید بشر اساس­گذاری شده است. روش معمول برای اندازه­گیری قدرت دید استفاده از ابزاری است که معمولا در اطراف فرودگاه­ها نصب می­شود و با دقت مطلوب توانایی اندازه­گیری قدرت دید را دارند، اما محدودیت این روش­ها زمانی است که خواسته شده باشد در مکانی قدرت دید تعیین شود که این امکانات وجود ندارد.[1]

انرژی تابشی که از خورشید به سطح زمین می­رسد، به میزان کاهش آن در عبور از جو بستگی دارد (مباشری، 1389). میزان کاهش در جو برای هوای صاف بسیار کم است ولی با افزایش هواویزها و یا تیرگی ناشی از بخار آب، گرد و غبار و گازها میزان کاهش انرژی عبوری افزایش می­یابد(مباشری، 1389). بنابراین با اندازه­گیری مستقیم تابش خورشیدی، می­توان میزان تیرگی جو را بدست آورد (مباشری، 1389). طبیعی است که بین تیرگی جو و کاهش دید افقی جو ارتباط وجود داشته باشد. بنابراین با توجه به آنچه که گفته شد، لازمه محاسبه تیرگی جو و متعاقب آن کاهش دید افقی، محاسبه تاثیر هواویزها در مسیر تابش خورشید می­باشد.

اساس اپتیک هواویزها بر پایه تغییر میزان انرژی تابشی عبوری بعلت برهم کنش با ذرات معلق است (کاچار، 1390). وقتی یک ذره در معرض تابش طول موجی از نور قرار می­گیرد، دو فرآیند جذب و یا پراکنش روی می­دهد (کاچار، 1390). انرژی تابشی فرودی می­تواند به صورت­های دیگر انرژی مانند انرژی گرمایی، انرژی شیمیایی یا تابش در طول موج دیگری تبدیل شود که به این تبدیل انرژی، جذب گفته می­شود (مباشری، 1389). جذب انرژی تابشی، همراه با برانگیختگی ترازهای انرژی اتم­ها یا مولکول­های تشکیل دهنده هواویز می­باشد (مباشری، 1389). همچنین محیط می­تواند علاوه بر جذب، باعث پراکنده شدن فتون­ها شود. فرآیند پراکنش به معنی تغییر راستای انتشار فتون­ها می­باشد. این فرآیند بعلت ناهمگونی محلی محیط که ناشی از وجود ذرات جامد یا قطرات مایع معلق در گاز است، می­باشد. بعلاوه پدیده پراکندگی ممکن است بدلیل وجود مولکول­های گازی باشد(کاچار، 1390).  هنگامیکه پراکندگی انرژی تابشی، محدود به پراکندگی مولکولی است (یعنی هیچ ذره خارجی وجود ندارد)، پراکندگی ریلی1[2] نامیده می­شود. طبق تئوری ریلی، شدت تابش طیفی پراکنده شده متناسب با عکس چهارم طول موج است. بنابراین پراکندگی ریلی در طول موج­های کوتاه­تر اهمیت بیشتری دارد. یکی از پارامترهایی که تحت تاثیر پدیده جذب و پراکنش هواویز محاسبه می­شود، ضخامت نوری هواویز2 می­باشد(Tian & Chen, 2010) . این پارامتر به صورت انتگرال ضریب تضعیف در مسیر قائم و ستونی در جو تعریف می­شود(Tian & Chen, 2010) . با انجام محاسباتی بر روی AOD، تیرگی جو قابل محاسبه است (قربانی، 1390).

30 سال از زمانی که داده­های ماهواره­ای در پایش هواویزها استفاده می­شود، می­گذرد و در طی گذشت این زمان، تکنیک­های سنجش­از­دوری از بهبود و پیشرفت­های قابل ملاحظه­ای برخوردار شده­اند(Wang & Chen, 2010). بهره بردن تصاویر ماهواره­ای از پوشش مکانی و زمانی بالا، این توانایی را در این تکنیک­ها بوجود آورده است تا اطلاعات ارزشمندی برای مطالعات اپیدمولوژی، کمک به طراحی شبکه اندازه­گیری و پیش­بینی آلودگی هوا فراهم کند (Liu & Franklin, 2007). به بیان دیگر اطلاعات فراوان با هزینه اندک از مزایای این روش می­باشد.  پس از آن که سنجنده اسپکترورادیومتر تصویر بردار با قدرت تفکیک متوسط (MODIS) در مدار قرار گرفت، اقدام به برآورد عمق اپتیکی کلی از مشاهدات طیفی آن شده است. AOD حاصل از تصاویر MODIS نتیجه اندازه­گیری ضریب تضعیف هواویز از سطح زمین تا ارتفاع بالای جو برای یک طول موج ثابت در زمان گذر ماهواره می­باشد(Tian & Chen, 2010). AOD یک پارامترکلیدی برای تخمین آلودگی جوی در مطالعات آلودگی هوا می باشد.

تحقیقات مختلفی با استفاده از AOD در برآورد غلظت هواویز سطح زمین در نقاط مختلف جهان انجام شده است.  در این تحقیقات از مدل­های خطی و غیر خطی برای برآورد غلظت هواویزها استفاده شده است (Gupta,2006, 2008, Liu & Franklin, 2007,Chirostopher, 2008, Van Dankelaar & Martin, 2008, Wang & Chen, 2010, Tian & Chen, 2010)

در این تحقیق قصد بر این است که ضخامت نوری هواویز از تصاویر ماهواره­ای استخراج شود و از آن تیرگی جو محاسبه شده، سپس ارتباط تیرگی جو با قدرت دید افقی بررسی می­شود.

در جدول شماره 1 روش­های محاسبه دید افقی بیان شده و مزایا و معایب هر روش به طور مختصر بیان شده است.

 

 

جدول 1- روش­های محاسبه دید افقی جو و مزایا و معایب

نام روش

روش انجام محاسبات

مزایا

معایب

دید انسانی

با استفاده از تجربه

انعطاف­پذیری، قابلیت تطبیق با شرایط آب­و­هوایی

دقت پایین و عدم اعتماد پذیری و قابلیت استناد، بستگی به قابلیت و توانایی شخص بیننده

 

Photography

 

 

پردازش تصویر

ارتباط مستقیم با دید بصری، تحت تاثیر شرایط چشم اندازی (ثبت شرایط محیطی)

حساس به شرایط نوری هنگام عکس­برداری، کاهش کیفیت بسته به نوع فشرده­­سازی تصویر، کاهش کیفیت با توجه به نوع فیلم مورد استفاده

 

Integration nephelometer

از طریق محاسبه ضریب جذب

اندازه­گیری پیوسته، قابلیت اندازه­گیری در شب، ارتباط مستقیم با هواویز، قابلیت نمایش اتوماتیک ، غیر حساس به ابر

اندازه­گیری نقطه­ای، فرض بر توزیع همگن ذرات، قرار داشتن تحت تاثیر رطوبت نسبی، ، محدودیت مکانی، قابل استفاده تنها در روز

 

Multiwavelenght telephotometer

 

از طریق محاسبه ضریب تضعیف (مجموع ضریب جذب و پراکندگی)

قابلیت اندازه­گیری قدرت دید تا 100 کیلومتر، استفاده از ضریب تضعیف در محاسبات، وارد شدن تاثیر پراکندگی و جذب­ در طول موج­­های مختلف، قابلیت نمایش اتوماتیک

حساس به شرایط آب­و­هوایی، قابل استفاده تنها در روز، قابلیت استفاده تنها در آسمان صاف و بدون ابر، محدودیت مکانی

 

 

Transmissometer

از طریق محاسبه ضریب تضعیف (مجموع ضریب جذب و پراکندگی)

قابلیت اندازه­گیری در قدرت دیدهای متوسط، استفاده از ضریب تضعیف کلی، عدم حساسیت به ابر، قابلیت استفاده در شب

مشکلات کالیبراسیون، موارد استفاده­های خاص، هزینه بالای راه­اندازی، محدودیت مکانی

روش سنجش از دوری     (روش مورد استفاده در این تحقیق)

محاسبه تیرگی جو با استفاده از پارامتر AOD

استفاده از ضریب تضعیف تضعیف، عدم محدویت مکانی، هزینه کم، جامعیت اطلاعات، قالبیت تبدیل شدن به حالت اتوماتیک

فرض بر توزیع همگن ذرات، دسترس بودن این اطلاعات تنها در زمان عبور ماهواره، حساس به ابر

 

 

مواد و روش

تصاویر سنجنده MODISو داده­های سطح

دوم این سنجنده

در این پژوهش از داده­های سنجنده MODIS استفاده شده است.MODIS  (اسپکترورادیومتر تصویربردار با قدرت تفکیک متوسط) سنجنده ای است که بر روی ماهواره  Terra (EOS AM-1) قرار داده شده است. Terra MODIS هر یک الی دو روز یکبار از تمام سطح زمین تصویربرداری کرده و داده هایی در 36 باند طیفی اخذ می­کند. باندهای سنجنده MODIS در محدوده طیفی 0.4 تا 14 میکرومتر با توان تفکیک مکانی 250 و500 و1000 متر قرار دارند (NASA, 2002).

داده­های هواویز روزانه MODIS (MODIS AOD)، با سطح پردازش دوم[3] شامل اطلاعات مفید در خصوص هواویزها و ذرات معلق هواست که برای مطالعه هواویزها، منابع و محل فرونشست آن­ها، انواع هواویزها (مانند سولفات­ها و هواویزهای حاصل از سوخت توده زنده) و برهم­کنش هواویزها با ابرها و تصحیحات جوی و غیره، به کار می­روند (Savtchenko & Ouzounov, 2004). این محصولات به صورت ماتریس­های دوبعدی با ابعاد 203 × 135 (برای هر صحنه[4] تصویر در مدت 5 دقیقه کسب می­شوند)، در قالب فرمت سلسله مراتبی[5] موجود می­باشند (قربانی، 1390). تمام سلول­های این ماتریس دارای مختصات جغرافیایی هستند که در تهیه لایه­های اطلاعاتی، و ترکیب با سایر لایه­های مکانی می­توان از آن­ها استفاده کرد.

در این پژوهش از محصولات AOD سنجنده MODIS که بر مبنای الگوریتم مجموعه 5 (C005) بازیابی شده و تحت عنوان (Corrected_Optical_Depth_Land) در دسترس است، استفاده شده است.  این AOD در طول موج 550/0 میکرومتر در پایگاه اینترنتی http://Modis. gsf. gov/data/ قابل دسترسی است.

 

پارامترهای هواشناسی

اطلاعات هواشناسی شهر تهران مورد استفاده در این پژوهش شامل دمای 5 سانت سطح زمین، رطوبت نسبی، پوشش ابر و وضعیت جوی بوده که در ایستگاه­های هواشناسی مهرآباد، اقدسیه و فرودگاه امام جمع­آوری شده­اند. برای محاسبه مقدار تقریبی ارتفاع اختلاط (BLH) از مدل جهانیCSIRO Mixing Height  استفاده شده است. پارامترهای مورد نیاز این مدل که شامل دما، سرعت باد سطحی و وضعیت حضور ابر بود (Hanel, 1976)، از ایستگاه­های هواشناسی استخراج شد. گرادیان دمایی در این مدل در منطقه تهران به صورت نرمال در نظر گرفته شده است.

پارامتر مورد استفاده دیگر، قابلیت دید افقی است که در ایستگاه­های هواشناسی و فرودگاه­های کشور اندازه­گیری می­شود و از این پارامتر برای صحت سنجی استفاده می­شود.

ضخامت نوری هواویز و تیرگی جو

ضخامت نوری هواویزها از انتگرال ضریب تضعیف هواویز از سطح زمین تا بالای جو برای یک طول موج معین،  به صورت زیر بدست می­آید(Tian & Chen,2010). [6]

(1)      

که در آن  ضریب تضعیف ، غلظت هواویز در ارتفاع و   سطح مقطع تضعیف هواویز است. صحت و دقت در محاسبه AOD سنجنده MODIS در حدود 15/005/0گزارش شده است، که این نتیجه با مقایسه  بازیابی شده از مشاهدات MODIS با اندازه گیری زمینی توسط دستگاه AERONET به دست آمده است(NASA, 2002).  با توجه به تاثیری که رطوبت نسبی و ارتفاع اختلاط یا لایه مرزی (ارتفاع لایه­ای از جو که در آن لایه، هوا کاملا مخلوط شده­است) بر AOD می‌گذارد، رابطه زیر برای اعمال این تاثیر پیشنهاد شده است (Wang & Chen, 2010).

(2)

در این رابطه BLH ارتفاع لایه مرزی و  تابعی بر اساس رطوبت نسبی جو می­باشد.  این تصحیح، اثر بخار آب و ارتفاع را بر ضریب تضعیف تا حدودی تعدیل می­کند.  هنگامی که رطوبت هوا زیاد باشد، اندازه ذرات معلق به صورت نمایی افزایش می­یابند و در نتیجه ضریب تضعیف به صورت مشهودی افزایش یافته و غلظت هواویزها نیز بیشتر از مقدار واقعی برآورد می­شود(Tian & Chen, 2010). توسط (Hanel, 1976) به صورت رابطه 3 تعریف شده است. در حالت کلی ضریب تجربی g عدد 04/1در نظر گرفته می­شود (Hanel, 1976).  رطوبت نسبی مبنا (RH0) بر اساس میانگین رطوبت نسبی منطقه در نظر گرفته می­شود،که در این تحقیق میانگین رظوبت نسبی در طول دوره تحقیق (تابستان سال 1388) 35/0 محاسبه شده است.


 

جدول 2- توصیف اطلاعات استفاده شده در این تحقیق

نام پارامتر

واحد

فراوانی

منبع

AOD مستخرج ازMODIS در 0. 550 µm

بدون واحد

روزانه

MODIS تصاویر

دمای سطح زمین

˚C

ساعتی

ایستگاه های هواشناسی

رطوبت نسبی

%

روزانه

ایستگاه های هواشناسی

ارتفاع اختلاط (BLH)

M

ساعتی

CSIRO Model

دید افقی جو

KM

ساعتی

ایستگاه های سنجش آلودگی و فرودگاه­ها

 

 

 


(3)

                                                                                                                               

مشاهدات میدانی، یک رابطه خطی بین AOD و ضریب تیرگی (β) را نشان می­دهند. تیرگی جو که با میزان هواویزهای جوی ارتباط مستقیم دارد، یک نماینده مهم برای نظارت بر کیفیت هوا می­باشد. اگر توزیع اندازه ذرات هواویز (نمای انگستروم  (α) ) و AOD معلوم باشند، تیرگی جو می­تواند از رابطه انگستروم که بصورت زیر بیان می­شود بدست آید (Veefkind, 1999). در این رابطه ، ضخامت نوری تصحیح شده می­باشد.

(4)     

پارامتر  با تیرگی جو همبستگی مثبت دارد. مقادیر تیرگی بالاتر نشان­دهنده غلظت بیشتری از هواویز است. پارامتر  در واقع بیان کننده اندازه ذرات هواویز است. پارامتر  با مقادیر کمتر، نماینده توزیع ذرات درشت در جو بوده و بر عکس مقادیر بزرگ α توزیع ذرات ریز در جو را نمایندگی می­کنند. دامنه تغییرات  بین مقادیر 0 (پراکنش می) تا 4 (پراکنش ریلی) می­باشد. برای گرد­و­غبار ممکن است این مقدار به صفر برسد (Ogunjobi & Kim, 2004).

(5) 

 

 

در این رابطه عمق نوری هواویز در طول موجو عمق نوری هواویز در طول موج می­باشد. در حقیقت اگر نمای انگستروم در یک طول موج مشخص باشد، می­توان در تمام طول موج­ها می­توان عمق نوری هواویز را محاسبه نمود. معمولا برای محاسبه نمای انگستروم، در دو طول موج عمق نوری هواویز محاسبه می­شود و سپس از رابطه 6 نمای انگستروم برآورد می­شود.

(6)

 

 

در نهایت با استفاده از رابطه 7، تیرگی جو (β) محاسبه می­شود.

(7)

روش تحقیق

در انتخاب تصاویر ماهواره­ای برای بررسی هواویزها، نیاز به تصاویری می­باشد که پیکسل­های آن خالی از ابر باشند، زیرا ابرها تحمیل تابشی زیادی دارند و حضور آنها عدم قطعیت فراوانی وارد محاسبات می­کند. برای کسب اطمینان عدم حضور ابر در تصویر مورد استفاده، از تست ابر استفاده می­شود. در این تست از محصولات سطح دو MODIS استفاده می­شود و با عنوان MOD 35 در اختیار استفاده­کنندگان قرار می­گیرد. این تست از الگوریتم­ آستانه­گذاری دمایی استفاده می­کند.

در مرحله بعد از تصاویر MOD04 زمین مرجع شده، ضخامت نوری هواویز استخراج می­شود و تصحیح نسبت به رطوبت و ارتفاع اختلاط صورت می­گیرد. پس از استخراج ضخامت نوری هواویز در دو طول موج مختلف، نمای انگستروم محاسبه می­شود و با استفاده از رابطه 7 ضریب تیرگی جو محاسبه می­شود.

بعد از محاسبه تیرگی جو ارتباط بین این پارامتر و قدرت دید افقی که از سوی سازمان هواشناسی اعلام شده است، مورد بررسی قرار می­گیرد.

 

نتایج و بحث

همانطور که بیان شد نمای انگستروم با اندازه ذرات معلق رابطه معکوس دارد. دامنه تغییرات این پارامتر از صفر تا 5/0 و یا حتی بالاتر می­باشد. پارامتر α با مقادیر کمتر، نماینده توزیع ذرات درشت موجود در جو می­باشد. دامنه تغییرات α بین مقادیر 0 (پراکنش ریلی) تا 4 (پراکنش مای) می­باشد که برای گرد و غبار این مقدار ممکن است حتی به صفر برسد و در حالتی که در جو تنها مولکول هوا وجود داشته باشد این مقدار به 4 خواهد رسید. در شکل­های 1 تصویر ماهواره­ای و نمای انگستروم در یک روز طوفان شن در غرب ایران به نمایش در آمده است. در این روز توفان گرد و غبار و ذرات معلق برخاسته از صحراهای کشور عراق، در غرب کشور اتفاق افتاد. در این روز ضخامت نوری هواویز در این مناطق حتی به 3 نیز رسیده است. این در حالی است که نمای انگستروم در این روز مقادیر بسیار پایینی را به خود اختصاص داده است و مطابق انتظار نشان­دهنده درشت بودن ذرات گرد و غبار موجود در جو می­باشد.

در شکل 2پراکنش نمای انگستروم بر حسب ضخامت نوری هواویز دیده می­شود. همانطور که در این شکل دیده می­شود تغییرات نمای انگستروم در جهت عکس با تغییرات ضخامت نوری هواویز می­باشد. با افزایش ضخامت نوری هواویز نمای انگستروم به تدریج کاهش می­یابد و این نشان دهنده آن است که ذرات درشت­تر مسئول اصلی افزایش ضخامت نوری هواویز می­باشند و این ذرات نیز مسبب اصلی تیرگی جو می­باشند.

همانطور که بالا اشاره شد ضریب تیرگی با استفاده از ضخامت نوری هواویز و نمای انگستروم قابل محاسبه است. در شکل 3 نمایش توزیعی مقادیر AOD و β برای ناحیه تصویری شکل 3 در تاریخ 15/4/88 نشان داده شده است. ملاحظه می­شود که میزان هم­خوانی خوبی میان این دو پارامتر برقرار است.

 


 

 

           
     
   
 
 
     
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


شکل 1- تصویری از سنجنده MODISبر فراز ایران در یک روز توفانی گرد و غبار (شکل سمت راست)، نقشه محاسبه شده نمای انگستروم در همان روز توفانی (شکل سمت چپ).

 

 

شکل2- نمودار پراکنش نمای انگستروم بر حسب MODIS AOD در تاریخ 15/4/88

 

 

شکل 3- ارتباط میان مقادیر AODو βبدست آمده از سنجنده MODISدر تاریخ 15/4/88

 

 

شکل 4- همبستگی میان ضریب تیرگی جو به دست آمده از سنجنده MODISو قدرت دید افقی در لحظه گذر ماهواره

 

 


هر چند ممکن است مقدار 77/0 برای همبستگی بین این دو پارامتر، از لحاظ آماری مقدار بالایی نیاشد، اما در خلاء اطلاعات در مورد قدرت دید افقی در بسیاری از نقاط (به غیر از مناطق اطراف ایستگاه­ها هواشناسی و فرودگاه­ها)، همین حد دقت در آن نقاط  نیز قابل توجه خواهد بود. با توجه به محدودیت­های موجود در روش­هایی که در جدول 1، به آنها اشاره شد که مهمترین آنها، محدودیت مکانی آن روش­هاست، می­توان بیان داشت مهمترین مزیت این روش عدم محدودیت مکانی می­باشد (شکل 4).

از مشکلات این روش به عدم دسترسی به این اطلاعات در هر زمان مورد نیاز اشاره کرد. این اطلاعات تنها در زمان عبور ماهواره بر فراز منطقه مورد نظر قابلیت دسترسی دارد و به عنوان مثال سنجنده MODIS مستقر بر دو سکوی Aqua و Terra هر روز دو بار (سکوی Terra بین ساعت 9 تا 11 صبح و سکوی Aqua بین ساعت 4 تا 6 بعدازظهر) بر فراز ایران عبور می­کند. البته از اطلاعات سنجنده­های دیگری چون MISR نیز می­توان استفاده کرد که مشکل این سنجنده­ها رزولوشن زمانی پایین آنها می­باشد.

 

نتیجه­گیری

ضخامت نوری هواویز که از تصاویر ماهواره­ای استخراج می­شود، یک پارامترکلیدی برای تخمین آلودگی جوی در مطالعات آلودگی هوا می باشد. یکی دیگر از پارامترهای مفیدی که از داده­های ماهواره­ای و به طور ویژه سنجنده MODIS قابل حصول است، پارامتر نمای انگستروم می­باشد. با در اختیار داشتن این پارامتر دسترسی به اندازه ذرات موجود در جو مقدور خواهد بود.نمای انگستروم با مقادیر کمتر، نماینده توزیع ذرات درشت در جو بوده و بر عکس مقادیر بزرگ آن توزیع ذرات ریز در جو را نمایندگی می­کنند. دامنه تغییرات این پارامتر بین مقادیر 0 (پراکنش مای) تا 4 (پراکنش ریلی) می­باشد. برای گرد­و­غبار ممکن است این مقدار به صفر برسد.

یکی از بحث­های مهم در زمینه هواشناسی و کاربردهایی نظیر هدایت ناوگان هوایی، پارامتر تیرگی جو می­باشد. این پارامتر با ضخامت نوری هواویز همبستگی مثبت دارد. روش­های مختلفی جهت محاسبه تیرگی جو از قبیل Integration  nephelometer ، Multiwavelenght telephotometer  و Transmissometer  وجود دارد که علی رغم داشتن دقت بسیار مناسب، به دلیل داشتن محدودیت مکانی استفاده از آنها محدود خواهد بود. بنابراین استفاده از روش سنجش از دوری با در نظر گرفتن عدم محدودیت مکانی، مناسب به نظر می­رسد.

در این پژوهش، پس از استخراج ضریب تیرگی جو از تصاویر سنجنده MODIS در هنگام گذر بر فراز ایران، همبستگی در حدود 77 درصد میان این داده­ها با داده­های قدرت دید افقی که از ایستگاه­های هواشناسی و فرودگاه­ها بدست آمد که در مجموع این همبستگی نشان داد که برای سنجنده­ای با دقت در حد MODIS و قدرت تفکیک مکانی آن، قابل قبول می­باشد.

از مزایای این روش نسبت به سایر روش­ها، عدم محدودیت مکانی آن می­باشد. با این حساب در هر روز در نوبت زمانی می­توان قدرت دید مناطق مختلف را مورد ارزیابی قرار داد. موردی که باید به آن اشاره کرد فرضی است که در این پژوهش از آن استفاده شد و آن در نظر گرفتن توزیع همگن برای عوامل به وجود آورنده تیرگی جو در محیط تحت پوشش یک پیکسل می­باشد که تا حدودی ممکن است خلاف واقع باشد.

 

تشکر و قدردانی:

این نویسندگان برخود لازم میدانند که از همکاری سازمان هواشناسی کشور در تامین داده­های مورد نیاز این تحقیق تشکر و قدردانی نمایند.



2. Aerosol Optic Depth (AOD)

1. Rayliegh Scattering

 

[4]. Scene

 

1. MOD04-L2

3. HDF(Hierarchical Data Format)

  1. Kachar,. H, 2011, To evaluate the ability of the MODIS sensor for detection of temperature inversion, Department of Remote Sensing, KNToosi University of Technology, Tehran
  2. Ghorbani., R, 2010, alidation of MODIS data in relation to atmospheric pollution in urban areas, Department of Remote Sensing, KNToosi University of Technology, Tehran
  3. Mobasheri., MR, 2010, Foundations of Physics in remote sensing and satellite technology, Department of Remote Sensing, KNToosi University of Technology, Tehran
  4. Babari, R., Hautière. N, Dumont. E, 2011, Computer Vision for the Remote Sensing of Atmospheric Visibility, 2011 IEEE International Conference on Computer Vision Workshops 978-1-4673-0063-6/11
  5. Gupta, P., Christopher. A, Wang. J, 2006, Satellite remote sensing of particulate matter and air quality assessment over global cities. Atmospheric Environment, No. 40, pp. 5880–5892.
  6.  Gupta, P., Christopher. A, 2008, Seven year particulate matter air quality assessment from surface and satellite measurements Atmospheric Chemistry and Physics Discussions,  No. 8, pp 327-365.
  7. Hanel, G., 1976, The properties of atmospheric aerosol particles as functions of therelative humidity at thermodynamic equilibrium with the surrounding moist air, Advances in Geophysics,  No. 19, pp 73−188.
  8. http://modis.gsfc.nasa.gov/sci_team/meetings/200610/atmosAgenda.pdf
  9. Veefkind., J, 1999, Aerosol Satellite Remote Sensing, Phd thesis.
  10. Ogunjobi., K.O, He. Z,  Kim. K.W, 2004, Aerosol optical depth during episodes of Asian dust storms and biomass burning at Kwangju, South Korea, Atmospheric Environment, No. 38, pp 1313–1323
  11. Liu., Y,  Franklin. M, Kahn. R , 2007, Using aerosol optical thickness to predict ground-level PM25 concentrations in the St. Louis area: A comparison between MISR and MODIS, Remote Sensing of Environment, No.107, pp 33–44.
  12. Malm., W, 1979, Visibility A Physical Perspective. In: Proceedings of the Workshop in Visibility Values, Fox D., R. J. Loomis and T. C. Greene (technical coordinators). Fort Collins, Colorado, U.S. Department of Agriculture, pp 56-68
  13. Mali., R,  Vashistha. R, 2005 ,Visibility Measurent Techniqe and its Application Aviation Services at International Airports india
  14. NASA, 2002, MODIS Brochures, GSFC, (MODIS Moderate Resalution Imaging Spectroradiometer.
  15. Savtchenko., A, Ouzounov. D, Ahmad. S, 2004, Terra and Aqua MODIS products available from NASA GES DAAC, Advances in Space Research, No. 34, pp 710 - 714
  16. Sriniviasa., G, Narasimhan. S,  2001, Vision and the Atmosphere, International Journal of Computer Vision, No. 48, pp 233–254,
  17. Tian., J, Chen. D, 2010, A semi-empirical model for predicting hourly round-level fine particulate matter (PM2.5) concentration in southern Ontario from satellite remote sensing and ground-based meteorological measurements, Remote Sensing of Environment, No. 114, pp 221–229.
  18. Van Donkelaar., A, Martin. V, 2006, Estimating ground-level PM .5 with aerosol optical depth determined from satellite remote sensing, JOURNAL OF GEOPHYSICAL RESEARCH, No. 111, pp 69-77
  19. Wang., Z,  Chen. L, Tao. J, Zhang, 2010, Satellite-based stimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method