基于IASI测量的主成分分析用于极端大气成分事件检测：方法与应用

《Remote Sensing》：Principal Component Analysis of IASI Measurements for the Detection of Extreme Atmospheric Composition Events: Methodology and Applications

　　

极端大气事件是罕见现象，其特征是与大气背景状态相比具有异常强度或化学成分。在全球变暖背景下，许多此类事件对人类健康构成威胁，因此早期检测和监测至关重要。红外大气探测干涉仪（IASI）能够在全球范围内测量超过30种大气化学物种，在此背景下展现出巨大潜力。然而，当前和即将到来的卫星观测数据量巨大，使得智能数据筛选越来越具有挑战性。本研究旨在通过开发一种基于L1C IASI光谱主成分分析（PCA）的专用算法来克服这一限制。该算法命名为IASI-PCA，设计用于系统性检测火灾、火山喷发、沙尘暴、污染羽流以及其他尚未分类的极端大气事件。检测到的事件被定义为相对于正常或未扰动条件下IASI观测代表性全球变异的光谱异常值。单个光谱的检测由其选定光谱域中的异常行为驱动，已针对超过10种物种定义了一组优化指标，以根据其化学特征区分事件。该方法已实现为近实时运行系统，分别在1小时和1天内提供检测和分类产品。IASI-PCA方法已应用于多个案例研究，证明其是一个强大工具，能够：（1）有效检测和监测火灾，无论是孤立源还是扩展羽流；（2）处理晴空和多云条件；（3）检测主要与方解石相关的沙尘羽流；（4）识别污染源；（5）检测火山事件。通过处理一个代表性研究时段，也展示了研究人员的实验结果与欧洲气象卫星应用组织主成分压缩（EUMETSAT PCC）结果的一致性。

**论文解读：基于IASI测量的主成分分析用于极端大气成分事件检测**

**研究背景与意义**
近年来，气候变化导致野火、热浪、人为污染等极端事件频发，其强度与频率显著增加，对空气质量、气候、生态系统和人类健康构成严重威胁。传统卫星遥感数据虽能提供全球大气成分信息，但现有观测数据量庞大，智能筛选困难，难以实现快速、自动化的极端事件检测。红外大气探测干涉仪（IASI）搭载于MetOp系列卫星，可测量超过30种大气化学物种，但尚未充分挖掘其极端事件监测潜力。为此，研究人员开发了基于主成分分析（PCA）的IASI-PCA方法，旨在通过光谱异常检测实现火灾、火山喷发、沙尘暴、污染羽流等极端事件的近实时监测。该研究发表于《Remote Sensing》，为全球大气成分监测与风险管理提供了高效工具。

**关键技术方法**
研究人员采用以下关键技术：1）基于IASI L1C光谱的PCA，构建全球代表性参考数据集（约12万光谱，涵盖2020年全年、昼夜各半、不同云量，并依据纬度与扫描位置均匀采样），计算协方差矩阵并进行特征分解，保留信号主导的主成分，实现光谱重建与噪声降低；2）定义30个光谱指标（对应11种化学物种如CO、CO₂、NH₃、SO₂、VOCs，以及4个地球物理参数），在选定光谱域（如cm^-1区间）计算重建得分的标准偏差或均值，并通过阈值设定（基于2021年1月无事件数据统计，白天和夜间阈值不同）自动检测异常；3）后处理流程：过滤孤立检测（基于空间距离与指标数量），采用形态学图像处理（闭运算，3×3交叉核）识别羽流结构，并通过连通分量标记与指标模式分类（火灾、VOCs、火山、方解石、其他）。数据来源为IASI-A/B/C传感器（MetOp卫星），处理平台为AERIS/ICARE基础设施。

**研究结果**
**4.1 案例研究**
- **4.1.1 孤立野火的检测**：通过分析2021年8月法国Var地区火灾的IASI-B与IASI-A数据，检测到孤立瞬时光谱视场（IFOV），触发CO与CO₂指标（共5个指标），光谱分析显示火点像素具有更暖的亮温偏移、更强的CO与CO₂吸收线深度及更宽的CO线形，证实IASI-PCA能有效检测单像素火灾事件。
- **4.1.2 野火的检测与监测**：分析2024年9月南美洲火灾（巴西、玻利维亚）的IASI-C数据，展示了随时间演变的野火羽流。CO与NH₃检测数量在9月10日达到峰值（约1000与300个异常点），VOCs（如CH₃OH、HCOOH、C₂H₂）呈现不同延迟峰值，指示羽流老化与化学转化过程，表明IASI-PCA能追踪多种生物质燃烧示踪物的时空动态。
- **4.1.3 全天气条件下的检测能力**：以2024年6月14日夜间为例，IASI-B与IASI-C检测到阿根廷北部火灾羽流，覆盖晴空、混合与多云条件（云覆盖率0%~100%），而传统L2产品（如C₂H₂、C₂H₄、HCN的HRI产品）仅在云覆盖率<25%时有效，证明IASI-PCA具有全天气检测优势。
- **4.1.4 沙尘羽流的检测**：针对2018年7月阿拉伯半岛南部沙尘暴（由Shamal风引发），通过CaCO₃_1指标得分图与异常点分布，显示羽流从沙特阿拉伯向南移动至阿拉伯海，与10 μm气溶胶光学厚度（AOD）产品一致，验证了对方解石主导沙尘事件的检测能力。

**4.2 统计分析**
- **4.2.1 基于EUMETSAT-PCC检测的IASI-PCA重建评估**：对比2024年6月至10月（115天）埃及（zone 1）与沙特阿拉伯（zone 2）两个方解石富集区域，IASI-PCA与EUMETSAT主成分压缩（PCC）方法在CaCO₃特征波段（848 cm^-1和871 cm^-1）的残差结构一致，PCC在848 cm^-1窄带残差更强。时空平均CaCO₃得分图显示这两个区域具有持续高得分（白天高于夜间，红海得分较低），且时间序列无显著瞬态峰，表明异常源于静止地表源（如方解石表面成分），而非短暂沙尘羽流，但表面发射率与悬浮沙尘的贡献难以分离。
- **4.2.2 NH₃排放热点的检测**：使用三个NH₃指标分析2025年全年IASI-C数据，累计检测图显示印度河流域与中国华北平原为白天NH₃检测热点（每个网格单元最多约20个异常点），夜间检测大幅减少，符合氨气短寿命与强日变化。时间序列显示3月至9月得分升高，与农业活动增强（印度Kharif季）一致，且与ANNI-NH₃-v4 L2总柱产品对比，IASI-PCA能检测到最大的NH₃柱浓度（如2025年5月7日印巴边境64个异常点，2025年6月13日华北平原26个异常点），空间模式一致，但仅检测高值区域。

**4.3 运行实施**
展示了2025年11月24日白天与夜间IASI-C的运行产品分类：检测到Hayli Gubbi火山（埃塞俄比亚）羽流漂移至也门、阿曼、巴基斯坦、印度，Saban Caya火山（秘鲁）羽流，澳大利亚火灾，沙特阿拉伯沙尘事件，以及三个未分类事件（中国、印度北部、阿根廷）。通过指标模式（如SO₂_n、CO_n、CaCO₃_1等）分类，验证了多事件同时检测与分类能力。运行系统将在AERIS/ICARE上提供，检测延迟1小时，分类延迟1天，处理速度约15分钟/天，近实时产品已通过Dataviz平台公开。

**讨论与结论**
讨论部分指出，IASI-PCA具有两个额外优势：可利用Band_n指标检测未分类事件；可作为仪器诊断工具识别未标志的仪器异常。未来方向包括：将IASI-B与IASI-C观测融合（时间偏移约30分钟）以确认或跟踪事件演变；适配下一代任务（如IASI-NG，具有更高光谱分辨率与更低噪声）；更新训练集以涵盖长期趋势（如CO、CO₂、CH₄、NH₃的年际变化）；量化多云与晴空条件之间的灵敏度差异；改进地表指标（Surf_n）以分离表面发射率与热对比影响；通过广泛评估强化产品可靠性；与L2产品（如最优估计方法、HRI、人工神经网络）进行定量比较（空间重叠、相关性等），并探索利用机器学习从IASI-PCA异常中推导浓度估算。

研究结论（原文Section 6翻译）：基于检测极端大气事件的目标，研究人员开发了一种原创且创新的方法，即基于IASI L1C光谱的主成分分析。该方法已被证明是一种强大且高效的技术，用于全球监测火灾、火山事件、沙尘羽流和污染事件。IASI-PCA的主要优势是其全天气能力，不同于传统仅限晴空观测的检索方法，这确保了无论气象条件如何，都能更全面、连续地跟踪大气扰动。AERIS/ICARE数据与服务中心将运营该软件并通过其数据门户传播产品，为近实时大气监测提供稳健工具。