PIE-Engine助力沙塵天氣過程智慧監測分析

• 事件背景 •

我國位於世界四大沙塵暴多發區之一的中亞地區，沙塵暴成為影響我國生態環境的最主要自然災害之一。沙塵暴是在特定的地理環境和下墊麵條件下，由特定的大尺度環流背景和各種不同尺度的天氣系統疊加所誘發的一種災害性天氣。由於我國北方地區氣候乾旱，沙化土地面積大、分佈廣，地貌結構獨特，每年春季受西伯利亞冷空氣和蒙古氣旋的影響，沙塵暴災害天氣頻繁發生。

3月15日，我國遭遇了近十年來強度最大、影響範圍最廣的一次沙塵天氣過程，北京受其影響嚴重，沙塵來襲伴隨Pm2。5、PM10指數爆表，首要汙染物為PM10，空氣質量達嚴重汙染等級。繼3月15日沙塵天氣之後，3月27日滾滾黃沙自蒙古國又席捲而來，造成這兩次沙塵天氣過程的始作俑者是爆發力驚人的蒙古氣旋。此次沙塵過程的強度較14日至17日的強沙塵暴過程略弱，但卻聰明瞭許多，居然學會從海上迂迴前進，向東南傳輸至黃海上，之後隨著東北風迴流到長江口區，3月30日上海遭遇罕見的沙塵天氣，空氣質量爆表，長三角多個城市的PM10飆高。

3月15日沙塵籠罩下的北京（圖片來自網際網路）

3月29日16時，北京市房山燕山受沙塵迴流影響，PM10超過200ug/m3

截至當前，今年1月至3月我國北方地區已經出現6次沙塵天氣過程，其中兩次為強沙塵暴過程，是近15年以來強沙塵暴最多的一年。據統計，過去10年我國1月至3月沙塵天氣平均發生次數為4次，其中強沙塵暴發生頻次低於1次。

• 分析過程 •

航天宏圖依託PIE-Engine打造的大氣環境監測SaaS平臺，充分發揮靜止氣象衛星高時間解析度的優勢，第一時間進行了沙塵過程監測與發展趨勢分析，利用RGB合成技術、多通道動態閾值法、機器學習方法等多種先進技術，開展了沙塵判識、沙塵強度指數計算以及沙塵強度等級劃分，提供了高時效高精度的大氣環境監測服務，以及汙染物溯源、預測等分析服務。

航天宏圖SaaS服務產品-衛星遙感秸稈焚燒與大氣汙染物管控平臺

靜止氣象衛星（FY-4A、Himawari-8）的紅外窗區通道（8~12 μm）對於通常大氣氣溶膠幾乎沒有響應，但對於較大顆粒且濃度較強的沙塵氣溶膠，尤其是沙塵暴有明顯的訊號反應。基於以上原理，航天宏圖利用RGB合成技術，基於氣象衛星紅外通道，合成特定的沙塵紅外監測遙感影像，生成沙塵偽彩色圖，圖中粉色區域為沙塵區。從3月14日開始，蒙古國出現大範圍沙塵暴，於14日傍晚影響內蒙古，15日凌晨開始影響京津冀地區。從3月27日沙塵監測中可以看出：受東移鋒面氣旋雲系的影響，沙塵區自西北向東南方向持續移動。

3月15日11時沙塵偽彩色圖（Himawari-8）

3月28日11時沙塵偽彩色圖（Himawari-8）

航天宏圖基於靜止氣象衛星（FY-4A、Himawari-8）在可見光、近紅外以及紅外光譜波段處觀測的反射率以及亮溫資料，結合多通道資訊形成多個沙塵氣溶膠的判別變數，以多通道動態閾值法提取沙塵資訊，生成沙塵判識結果。從下圖中可以看出，黃色區域為沙塵判識結果。經估算，3月15日衛星可視的沙塵區面積約為50。3萬平方公里，3月28日衛星可視的沙塵區面積約為87。1萬平方公里。

3月15日11時沙塵判識圖（Himawari-8）

3月28日11時沙塵判識圖（Himawari-8）

同時，採用沙塵強度指數作為沙塵強弱的定量化指標，基於靜止氣象衛星（FY-4A、Himawari-8），考慮沙塵在熱紅外通道的光譜變化特徵，選取沙塵強度監測的敏感波段11μm，構建可指示沙塵強度的紅外差值沙塵指數IDDI模型，生成IDDI沙塵強度指數產品。

3月15日11時沙塵強度指數圖（Himawari-8）

3月28日11時沙塵強度指數圖（Himawari-8）

利用沙塵強度指數和沙塵判識結果，結合地面站點觀測資料，採用機器學習方法，確定基於靜止氣象衛星（FY-4A、Himawari-8）的沙塵強度等級（浮塵、揚沙、沙塵暴、強沙塵暴、特強沙塵暴等）。兩次沙塵過程均達到局地能見度不足500米的強沙塵暴等級。

3月15日11時沙塵暴強度等級圖（Himawari-8）

3月28日11時沙塵暴強度等級圖（Himawari-8）

選擇3月29日的沙塵過程及影響範圍的中間位置，鄭州作為汙染源的單點位，汙染源地理位置為：113。6425E，34。8138N。河南省內（113。6425E， 34。8138N）、（117。38E，36。8571N）、（108。16041E，33。9052N）作為多汙染源點位。基於HYSPLIT （Hybrid Single-Particle Lagrangian Integrated Trajectory model）模型結合氣象模式資料預測汙染源未來240小時的運動軌跡和溯源結果，模式資料型別為GFS（240h fcst， 3hrly， Global， pressure），得到單源點和矩陣式的溯源和軌跡預測結果。

單汙染源溯源結果

多汙染源矩陣模式溯源結果

汙染源軌跡預測結果表明，3月29日的沙塵天氣將會出現沙塵迴流現象，沙塵天氣的迴流主要是由於在系統性的偏北風作用下，沙塵粒子會向下遊傳輸，包括河北、河南、山東等地，都會受到沙塵天氣的影響。等北風影響過後，逐漸轉為弱的偏西南風，但下游地區的沙塵粒子並未完全沉降，空氣中仍然懸浮有一些沙塵粒子，在轉為弱的偏南風的情況下，沙塵粒子會向北有一定的輸送，形成沙塵迴流。基於HYSPLIT模型的軌跡預測結果與中央氣象臺釋出的沙塵迴流現象一致。同時受上游沙塵傳輸影響，華中區域局地有浮塵天氣，造成輕至重度汙染，但未來一週區域多降水，受降水影響區域溼清除條件較好，沙塵天氣減弱消散，軌跡預測結果與環境氣象公報預報結果一致。

航天宏圖承研的風雲四號衛星天氣應用平臺（SWAP2。0）在沙塵天氣頻發的春季，為國家衛星氣象中心業務保障沙塵過程監測分析提供了堅實的技術支撐。在這兩次重大沙塵過程中，航天宏圖技術團隊提供了全天候、全方位的技術保障。

風雲四號A星於2021年3月27日09：00時至28日10：00時沙塵監測動畫（粉色為沙塵）

風雲四號A星於2021年3月28日09：00時至11：30時的監測

• 自己動手，監測沙塵：Pie-Engine沙塵監測程式碼樣例 •

作為一名愛好者，能否利用衛星遙感技術，自己動手監測沙塵呢？下面就分享一個衛星遙感監測沙塵的程式程式碼。

衛星遙感沙塵監測主要是利用懸浮的沙塵粒子與大氣中其他物質對不同通道散射和吸收特性上的差異這一特徵，從衛星影像上判識沙塵發生位置及其移動軌跡。沙塵粒子的消光特性在11μm通道較為顯著可用於沙塵識別，並且沙塵天氣下區域相對溼度較低，水汽在8。7μm通道特徵顯著，可用於區別沙塵區和非沙塵區。同時，沙塵氣溶膠光學厚度增加會增強BT12-BT11和BT11-BT8。7的亮溫差。因此，通常使用8。7、BT11-BT8。7和11μm通道進行假彩色合成實現對沙塵的遙感觀測。

示例程式碼：

https：//engine。piesat。cn/engine-share/shareCode。html？id=159865b732d441578ca194663c15a36b

向下滑動閱覽

/**

* @File ： dust

* @Time ： 2021/03/28

* @Author ： piesat

* @Version ： 1。0

* @Contact ： 400-890-0662

* @License ：（C）Copyright 航天宏圖資訊科技股份有限公司

* @Desc ：沙塵監測

// 影像RGB合成，並載入到地圖

let roi = pie。FeatureCollection（‘user/101/public/shape/China’）；

let current = new Date（）；

// let now = current；

// let _date = “2021-3-15”；

let _date = “2021-3-28”；

let now = new Date（_date）

let sday；

let eday；

if （now === current） {

now = new Date（now。getTime（） + 60 * 60 * 1000）；

let year = now。getFullYear（）；

let month = now。getMonth（） + 1；

let day = now。getDate（）；

let hour = now。getHours（）；

eday = `${year}-${month}-${day} ${hour}：00`；

let yesterday = new Date（now。getTime（） - 3 * 60 * 60 * 1000）；

year = yesterday。getFullYear（）；

month = yesterday。getMonth（） + 1；

day = yesterday。getDate（）；

hour = yesterday。getHours（）；

sday = `${year}-${month}-${day} ${hour}：00`；

} else {

let year = now。getFullYear（）；

let month = now。getMonth（） + 1；

let day = now。getDate（）；

sday = `${year}-${month}-${day} 10：00`；

eday = `${year}-${month}-${day} 16：00`；

}

//載入Himawari-8 （葵花-8）資料

var col = pie。ImageCollection（‘H08/AHI-L1-G’）。filterDate（sday， eday）；

var image = col。select（［“B11”， “B13”， “B15”］）。max（）；

print（image）

var imageRGB = pie。Algorithm。Himawari8。rgb（image，“Dust”）；

Map。addLayer（roi， {color： “ff0000”， fillColor：“00000000”}， “roi”）

Map。addLayer（imageRGB， {min：0，max：255}， “LayerRGB”）；

// 設定地圖顯示範圍

Map。setCenter（112。6， 32。5， 2）；

Map。addUI（ui。Label（_date+“葵花8沙塵圖”， {bottom：“10px”， right： “150px”，fontSize：“18px”}））；

沙塵監測程式碼執行結果

• 公司優勢 •

航天宏圖PIE-Engine平臺目前已接入30多類資料產品，總量超過500TB，為大氣環境監測提供所需的高分系列、風雲系列、葵花系列等多種衛星遙感資料。每日新增資料量可達10-14TB，可及時為沙塵監測、火點監測、大氣汙染監測等提供最新資料，為使用者提供高效穩定的大氣環境監測、預測、溯源、評估服務。

除了豐富的資料資源，PIE-Engine平臺還提供多種類資料計算、處理能力。平臺目前總計整合演算法270多個，完成PIE-Ortho、PIE-Basic、PIE-Hyp、PIE-SAR、PIE-SIAS等產品演算法上雲，可實現大氣環境監測所需包括光學、紅外、多光譜資料在內的多種資料處理能力支援，以及顆粒物濃度分佈、汙染氣體濃度分佈等多項專題產品生產。