文摘

气溶胶的潜在改进算法未来全球变化等未来climate-oriented卫星观测任务气候/第二代全球成像仪(GCOM-C / SGLI)讨论了基于验证研究三年(2008 - 2010)每日气溶胶特性,也就是说,气溶胶光学厚度(AOT)和埃指数(AE)从两个MODIS检索算法。真实数据用于验证研究气溶胶测量从3天网地面站点。获得的结果显示一个好的协议AOT的真实数据,卫星的算法,然后系统性偏高(约0.2)其他卫星的算法。AE的检查显示一个明确的低估(约0.2 - -0.3)两个卫星的算法。解释的不确定性,这些ground-satellites算法差异检查:云污染影响不同的气溶胶特性(AOT和AE)卫星的算法由于这些算法检索规模差异。折射率的实部的偏差值由卫星承担的算法从地面往往降低卫星的AOT的准确性的算法。不对称因子(AF)的地面会增加AE ground-satellites差异。

1。介绍

气溶胶的光学特性的测定及其大小分布在全球一直是一个重要的当代研究工作的(1]。的一些主要因素使这一进步更好的光谱和空间能力的卫星和地面辐射计、气溶胶信号过滤方法的提高,更好的了解气溶胶粒子的形状,等等。收集的数据的定性和定量重要性通过气溶胶的连续监测和日常的全球覆盖率,通过各种卫星,已经允许更好地表征气溶胶的作用在气候动力学和理解他们的时间和地方差异。最常见的气溶胶光学和物理特性用于此描述是AOT, AE,粒度分布,单一散射反照率(SSA)气溶胶相函数,不对称因素(AF)、折射率(RI),等等。从卫星获得这些气溶胶特征的观察,需要一个详细的气溶胶模型属性(2]。现场测量活动的增加和空间扩张和地面网站的报道帮助收集统计上有意义的数据发展的气溶胶模型。地面上收集的数据不仅作为气溶胶模型初步的输入,也可靠的评估和验证工具对气溶胶产品来源于卫星(GMS-5 / SVISSR NOAA-AVHRR, Terra - Aqua-MODIS和MISR OrbView-2 / SeaWiFS ENVISAT-MERIS,等等)。这些验证研究的目的是提高气溶胶的质量属性检索从卫星的观测,以及这些产品的信心水平。Terra和Aqua-MODIS发射以来,从AERONET地面数据被用来验证和完善MODIS海洋AOT / (3和土地4,5]。NOAA-AVHRR AOT数据评估使用太阳光度计AERONET和其他人的6,7]。检索质量在低地的海洋/ ADEOS气溶胶测量一直还通过比较AERONET太阳光度计数据(8]。

提高精度的气溶胶产品,由于这些评估/验证和修正的研究,可以用来减少不确定性与气溶胶辐射强迫的全球气候9]。由于复杂和多样化的组成、大小、结构和气溶胶的起源,虽然已经取得了很大的进展在卫星的观察,还有各种挑战全球气溶胶光学和微物理属性的可接受的精度不同类型的气溶胶。climate-oriented卫星的高光谱和空间分辨率等GCOM-C / SGLI,计划在2015年推出的日本宇宙航空研究开发机构(JAXA),旨在实现更好的大气气溶胶粒子和其他组件之间的区别。然而,编程的长寿命卫星系列(3)和相似/不同卫星之间的连接性的系列构成其他精度问题适当的长期气候观测(10- - - - - -12],可能只是缓解有更好的准确性检索算法。

在目前的研究中,未来卫星的潜在性能的产品通过验证气溶胶检索的研究讨论了目前卫星”(Terra -和Aqua-MODIS卫星)算法使用幽灵似地兼容的渠道与未来GCOM-C / SGLI。这个验证是对三年(2008 - 2010)进行日常真实数据集从三个天网观测站点(Fukue、希和宫古岛)。这些地面站点位于太平洋东亚地区,一个区域融合的积极变化和混合气溶胶(快速工业化带来的自然和人为的粒子)。检索研究了来自两种算法使用类似的观察,地球——和Aqua-MODIS卫星校准光芒(MOD / MYD021,版本5.1)。第一个算法是MODIS-GLI命名,因为它以前全球成像仪(GLI)上应用先进的地球观测Satellite-II (ADEOS-II)。第二个算法是MODIS-NASA算法,用于MODIS标准产品的检索美国国家航空航天局(NASA)和服务管理。气溶胶特性研究是气溶胶光学厚度(AOT)和埃指数(AE)。卫星之间的差异的检索和地面观测结果进行了分析,问题困扰这些卫星的准确性的算法进行了讨论,为未来的卫星和教训的算法改进,比如未来的算法GCOM-SGLI,被吸引。开展这项工作,采用以下步骤:介绍,突出研究的基本设置和动机;地面数据采集方法的描述和卫星的算法主要特点;气溶胶的主要特征属性的表示的研究领域;(4)验证方案卫星的检索,讨论不确定性困扰这些检索;(5)课程未来的卫星的气溶胶产品;(6)获得的结果的总结。

2。地面数据收集和卫星的算法

在本研究进行的分析旨在验证对流层气溶胶的检索从两个算法,使用类似的观察从Terra -和Aqua-MODIS卫星。这些卫星已经可怕地兼容与未来GCOM-C / SGLI卫星频道。这个验证研究是通过比较卫星的检索与真实测量从三个天网网站:Fukue (32.752°N纬度,经度128.682°E,和50米高度),希(26.867°N纬度,经度128.249°E,和65米海拔),和宫古岛(24.737°N纬度,经度125.327°E,和50米高度)。这些网站是群岛位于太平洋东亚地区,日本南部。选择这三个地方的卫星气溶胶检索性能的评价研究来源于这样一个事实,他们是融合的最复杂的混合物的气溶胶类型之一。众所周知,亚洲大气环境迅速恶化,亚洲粉尘,近年来人为气体和气溶胶(13];它还被各种气溶胶项目的主题。一些例子是亚太地区气溶胶特性实验(ACE-Asia) [14- - - - - -16)这是一个多平台项目,气溶胶,辐射通量在东海进行了测量;和东亚地区大气棕色云实验200517,18),研究气溶胶辐射特性和气溶胶直接辐射强迫。

天网的数据用于验证卫星检索在这项研究中,是一个成熟的和维护网络的气候与地面辐射站站点遍布日本和东亚地区(17,19]。它为监测气溶胶和云服务属性以及其他天气/气候变量。气溶胶的基本属性,在天网网站获得与天空辐射计进行辐射测量。这些辐射计记录直接天空辐射强度11预定义的波长(315,340,380,400,500,675,870,940,1020,1600,和2200 nm)和散射角。测量频率为10或15分钟。太阳直射光束传输和天空光芒从天空辐射计测量用于气溶胶特性如AOT、气溶胶列大小分布、复杂的折射率,单一散射反照率和不对称因素,在多个波长。一个名为Skyrad的程序包。包(20.)用于检索这些参数。天网有助于扩展全球气溶胶监测从地面气溶胶位置并不总是被人们熟知的机器人网络(AERONET)。先前的研究显示一个好的匹配天网和AERONET气溶胶测量地区两个网络共存,确认天网测量的质量和一致性。其中一个是研究在中国西北的黄土高原。研究比较了气溶胶光学深度两个常见的波长(675和870海里)的CIMEL太阳光度计观测AERONET和观察天空POM-01辐射计的天网,基于在2009年[703晴空测量21]。研究显示高相关系数(0.99)和低约3%的相对偏差测量之间的两种乐器。Bi et al。22)也显示良好的匹配检索的AOT由网络四大渠道(440,675,870,1020)。

天网和AERONET气溶胶网络经常被用于验证和完善卫星的气溶胶模型检索(3,4,9,23- - - - - -26]。地面站的乘法和改善质量的获得的数据通过引入新的参数化方案的辐射传输派生代码和更严格的云掩模的应用程序使用这些增加了信心水平地面卫星数据产品的验证目的(25,27]。

在这项研究中,每日从Terra和气溶胶检索Aqua-MODIS为0.5μ米波长进行了分析。这些卫星数据之间的匹配时间和空间面积与地面站±30分钟,25公里左右每个地面站点(时间和空间应用平均),分别。参数研究了AOT在0.5μm和可见的AE频道。MODIS-NASA数据(MOD / MYD04,版本5.1)产生AOT在0.55μm。基于AE和AOT波长关系,后者将被内插到0.5μ米,为了匹配的检索MODIS-GLI AOT算法和地面数据。

MODIS-GLI算法的基本检索方案在海洋中描述和Higurashi只是23),Higurashi和及其28],Higurashi et al。29日(0.660),采用可见μ和近红外分层(0.870 m)μ米)检索AOT渠道。satellite-received光芒合成四查找表(附近地区)来自辐射传输计算根据米氏理论方案。该算法假定一个复杂的折射率(- - - - - -)和一个双峰大小分布表达为 在哪里对数正态气溶胶模式的数量,几何平均半径中值或在每一个模式,方差或模式的宽度,代表的粒子体积浓度峰值模式;这是一个待定参数检索satellite-received光芒。

AOT和峰值比率大小分布的检索通过比较测量和理论(预先计算的附近地区)反射率值。AOT和最优值之间的均方根偏差降到最低,观察和理论反射,迭代搜索。的δ参数,代表大型粒子气溶胶的贡献总负载,用于计算AE。

MODIS-NASA算法,描述的检索方案在海洋,考夫曼和Tanre30.从0.47到2.13),使用七个波长μm检索AOT和体积分布(0.08 - 5的范围μ从衡量美米半径)。附近地区的辐射传输计算MODIS辐射光谱波段用于检索气溶胶参数在每个粒度分布模式:小粒子模式或积累模式(5例)和大颗粒或粗模式粒子(6例)。AOT和体积分布的主要参数的算法,而AE(如MODIS-GLI算法)其次派生参数。AOT从测量获得美,五个光学厚度值之间的线性插值的气溶胶粒子模式组合。给最好的选择价值的两种模式(模式)之间的比例是选中的气溶胶模型检索。

3所示。气溶胶特征

评估前卫星对地面数据检索,快速的一些主要特征的描述该地区气溶胶分布观察覆盖地面站点选择本研究可能是有用的了解该地区的气溶胶。图1显示了AOT的主流模式和AE分布在该地区,冬天MODIS-GLI检索的算法(2010年1月),和天网地面站点的地理位置选择。在这个图中,气溶胶分布显示高aot附近的沿海地区西南西北地区(毗邻中国)和代表了日本海。但更高的AE(细颗粒)在前者比后者是可见的。近距离AOT和AE中可以看到一个南北乐队沿着天网网站运行,然而厚层和细粒子在北方比南方。三年的数据集相匹配的卫星的天桥,北方网站(Fukue)最厚的气溶胶(AOT的意思)以及最好的粒子(AE的意思)。另外两个网站(希和宫古岛)位于南有意味着AOT值和分别和AE和,分别。我们从北到南,也就是说,进一步从主要的沿海地区和中部地区的太平洋(图1),气溶胶粒径增加(AE值变小)。

4所示。评价的卫星气溶胶数据派生而来

4.1。分析和结果

前一节研究了气溶胶特性研究的领域,基于地面观测。现在,让我们使用这些特征来评估AOT和AE检索从卫星的算法。数据2和3现在1:1每天从地面气溶胶测量之间的散点图(天网网站)卫星的检索匹配的及时(从MODIS-GLI和MODIS-NASA算法)的AOT AE,分别在三年的学习期间。这些情节的分析表明,MODIS-GLI AOT值是系统地高估了地面数据相比,虽然MODIS-NASA AOT值显示一个更好的匹配与这些地面数据,如图所示的相关系数比MODIS-GLI更高。MODIS-GLI和MODIS-NASA情况下,分散在1:1相关线往往会增加大AOT值(以上1)。

AE,图的图表3表明,该卫星的检索算法显然是低估了。这低估MODIS-GLI数据略高于MODIS-NASA,和它的大小似乎随小/大的比例气溶胶的粒子的大小在地面数据加载。地面的分布AE数据显示为两个重叠的数据集(约0.8的截断值),地面数据的数量的增加与AE与AE < 0.8 > 0.8对那些导致越来越低估AE的卫星检索。大型粒子集团,卫星颗粒大小是小于地面数据,而在小粒子群,卫星数据规模更大。正如,一般来说,小颗粒往往在数量高于大颗粒,在地面数据,AE被低估。AE的决定系数比较低于AOT比较MODIS-GLI和MODIS-NASA病例。3中地面站点,地面和卫星之间的最佳匹配的算法AOT和AE Fukue(北站点)。

表1展示了地面测量数据之间的差异和卫星的检索,表示为简单的区别和RMSE AOT(均方根误差)和AE。3处,有更高的AOT rms和偏见(对地观测)MODIS-GLI算法(范围0.214 - -0.234和0.194 - 0.203−−,resp)。相比MODIS-NASA算法(范围0.089 - -0.147和0.008−-0.009,职责)。AOT偏见MODIS-GLI算法总是消极的,也就是说,这个算法的平均AOT高估(平均约为0.2),而偏见的MODIS-NASA只显示一个略低于/高估价值约±0.010。这些AOT验证偏见证实的结论rem et al。9]表明MODIS-NASA海洋算法基本上没有抵消和小偏压除了略微高AOT underprediction,和线性回归行遵循1:1线。

AE卫星估算的不确定性将AOT的比。这种不确定性的表达是31日] 是埃指数,和在波长的气溶胶光学厚度吗和;,,是埃指数中的错误和气溶胶光学厚度的波长和,分别。

通常,气溶胶光学厚度的卫星检索比相应的检索更健壮的气溶胶大小;因此,细分数的总光学厚度放大模式贡献相对误差的检索单个路径美4到8倍原来的百分比(9]。AE的不确定性比AOT值更接近错误;两颗卫星之间的算法,RMSE和偏见从0.414 - -0.566和0.145 - -0.248,分别MODIS-GLI,然后0.321 - -0.388和0.065 - -0.150,分别为MODIS-NASA(表1)。两种算法显示一致的正偏压AE,也就是说,AE(大颗粒)小于地面数据。

图4介绍了对比地面测量的频率分布和卫星数据,AE和AOT。MODIS-NASA算法显示了最近的AOT分布范围的地面数据,然而始终低敏感度低AOT值(< 0.1)。主要模式发生在同一范围的地面数据,也就是说,在0.2 - -0.3。这个算法之间的差异数据分布和地面AOT分布范围的最多是低于5%。MODIS-NASA算法相反,MODIS-GLI算法显示了AOT最高的峰值范围> 0.7,相反还在地上数据峰值,大约是0.3。这MODIS-GLI更高的峰值范围耗尽数据下AOT的数量范围,该算法有助于AOT高估。关于AE,它显示了一个单峰分布(1.2)模式在Fukue地面站点而希和宫古岛地面数据分布出现双峰。这种分布与两颗卫星的算法,为他们展示网站的单峰分布模式一直在0.8 (MODIS-GLI)和1.0 (MODIS-NASA),和更少的数据除了这些模式。这导致低估的AE高AE范围2卫星的算法,压倒性的高估低AE范围。

AOT的比较,然后AE季节性分布之间的地面和卫星数据,显示在图5的月平均3年研究期间的每个参数。MODIS-GLI算法高估了AOT几乎每个月一样。轻微变形的高估被认为在夏天,7月左右。每个月有一个更好的匹配MODIS-NASA和地面之间的数据。

AE,冬季(1月,2月,3月),夏季(7月、8月、9月),分别为网站(Fukue)北部和南部站点(希和宫古岛),显示地面之间更紧密的价值观和MODIS-GLI和MODIS-NASA数据。AE是低估了卫星的算法。但这低估通常在地面数据月度变化范围(标准偏差由垂直的蓝色酒吧在地图上)。

4.2。外部因素的影响和气溶胶模型假设卫星的检索

如前所述,前一步检索气溶胶属性是一个气溶胶模型的选择。这个模型是基于不同的假设。这些假设的不确定性可能会影响卫星观测的气溶胶属性检索的准确性。有些不确定性粒子大小、粒子折射率,单一散射反照率,球形(30.),卫星传感器的校准,云信号(薄云层或邻云气溶胶)干扰,不对称因素,等等。在本节中,我们将回顾这些不确定性的贡献在卫星气溶胶检索的准确性。初始评估Terra和Aqua-MODIS海洋气溶胶产品,由考夫曼和Tanre [30.),表明预期的不确定性对MODIS小aot范围从0.05到0.1,增加对aot高20 - 30%。在快速眼动等。9),给出了不确定性AOT。

4.2.1。准备云污染效应

大气气溶胶的地区属性检索应该是万里无云的。检查Terra和Aqua-MODIS云面具表明,即使在严格的云筛选,结果晴空数据仍然可以被污染(有时15%或更多)由小型云(32,33]。同时,云像素晴空无云区域,毗邻地区可以增加(增亮效果)或减少(阴影效应)气溶胶辐射的强度信号。亮的效果将在这些气溶胶地区发挥更重要的作用。讨论云污染的可能影响卫星的检索,我们将检查一个独立变量的变化,云的平均分数(CF)在每个空间分区从国防部(CF / MYD06 5.1版本MODIS云产品)执行MODIS-NASA算法检索,对AE的变化和AOT(包括地面和卫星)的偏见卫星检索,即差异(Ground-MODIS-GLI或Dif GLI Ground-MODIS-NASA或Dif NASA)。图6显示了这些关系的结果。在这个图中,CF数据在0.1范围(即分类。,10% CF)。的最大范围是> 0.7(即。,CF) > 70%。让我们首先检查在AE云污染的可能性。AE地面变化表明,它几乎是稳定的(没有特定的趋势)沿着CF变异范围,而MODIS-NASA和MODIS-GLI AE显示下降趋势(大号)CF增加。因此,AE不同卫星地面(Dif GLI和Dif NASA)倾向于CF的增加而增加。更强的AE下降趋势在高CF与MODIS-GLI可见比MODIS-NASA网站。这些趋势表明,两个卫星的算法检索AE似乎被云。

AOT AE没有特定的CF的地面数据变化趋势。相比之下,CF的MODIS-GLI AOT逐渐增加后者的增加而增加MODIS-NASA AOT是很清楚的。因此,地面和卫星之间的差异绝对值AOT (Dif GLI差异的差异与MODIS-GLI或Dif NASA MODIS-NASA)往往会增加,大大(Dif GLI)或略与CF (Dif NASA)增加。AOT偏见观察到这里可能会超过0.3(例如,CF峰值的0.7)。Dif NASA和CF之间的轻微的趋势,发现在这项研究中证实了快速眼动的言论等。9]MODIS每月的平均AOT /海洋云污染不明显(基于MODIS-NASA海洋之间的良好的协议算法和4 AERONET网站的AOT)。

3年数据集,南方的平均云金额更高(58.5%和60.2%在希和宫古岛,resp)比朝鲜在Fukue (44.2%)。巧合地,云污染和负偏压(表1)在后者面积相比,前者较低的地区。

AE和AOT大比MODIS-NASA MODIS-GLI偏见,与云污染,可以解释为像素大小选择规模差异的两种算法。MODIS-GLI算法获取气溶胶特性逐像素的基础上而MODIS-NASA算法检索是由10×10像素盒(只有像素最高的noncloudy选择概率和平均)。这个不幸的选择过程减少了数据分析的数量少但产生cloud-contaminated产品相比像素检索MODIS-GLI算法所采用的方法。考夫曼和Tanre30.)表明,气溶胶产品时没有在逐像素的基础上(0.5×0.5公里²),而是在一个网格的10×10公里²或50×50公里²,晴朗的天空区域用于气溶胶的决心会导致云气溶胶污染,因此导致这些气溶胶特性的测量误差。降低空间分辨率对气溶胶产品可以帮助减少云污染也提高信噪比(信噪比)AE检索(30.,34]。

4.2.2。颗粒大小和形状分布的假设

为了将气溶胶质量测量大小分布、气溶胶粒度分布的模型的函数需要气溶胶的质量(35]。如果“实际”气溶胶特性太不同于假设的模型,然后检索到的卫星产品将不准确36]。三年的研究期间,3地面站点检查一直双峰分布:小粒子模式(积累)和大粒子模式(粗)半径。是注意到小半径模式往往会转移到更高的值随着粒子体积的增加。这将创建一个较大的色散(稍后将显示标准差)的模式。的平均半径模式±标准差(STD)的罚款μ米,μm,μm和粗模式μ米,μm,μm Fukue,希和宫古岛,分别。积累模式半径几乎是类似的3处(0.15 - -0.16),和粗模式是在南方比北方。性传播疾病在每个模式范围也很类似。中使用的积累和粗模半径MODIS-GLI算法,分别,。这些值分别高于和低于地面的网站,而他们的性病较低,接近地面的观察。MODIS-NASA算法使用的组合模型的平均半径±标准不同来的模式和积累来粗的模式,在波长范围0.47 - -0.86μm。这些粒度模式值和性病低于相应的地面数据。单个进程原始颗粒较小的性病,而多个进程原始粒子有更广泛的对数正态分布分布37]。较小的积累模式性传播疾病的两个卫星的算法相比,地面数据可能意味着检索的气溶胶模型不考虑大多数过程这些粒子的起源。因此,卫星获取气溶胶的粒度可能不同于地面。在一些地区半干旱地区,积累模式的有效半径粒子可能会增加与增加AOT (38]。这种趋势也注意到在地上本研究的数据。不过没有关系可以建立卫星地面增加之间的差异与积累或粗模半径。

图7显示了直方图的AE和AE的区别(卫星地面)的比率积累(小)模式对大体积模式卷()。AE差异往往会增加的增加。之前注意到两个卫星的算法使用较小的性病积累模式比地面观察性病,尽管半径模式本身不是很不同于地面。性病的积累模式的不确定性可能会增加卫星AE的检索算法。

颗粒形状(nonsphericity)也可以是潜在因素的不准确度卫星气溶胶的检索。据利维et al。39]MODIS-NASA海洋算法不执行在充满尘埃的氛围,和这个问题归因于糟糕的假设nonsphericity dust-aerosol相粒子的功能。高峰尘埃粒子(球面)多发生在研究区域的气溶胶负载在春天并不特别增加的区别与卫星地面AOT或AE派生数据(如图所示图5)。1:1好对齐的AOT MODIS-NASA算法与地面数据没有显示一个特定的季节依赖性。所有这些可能导致少的结论有重大影响的球形卫星的检查算法与其他算法相比。此外,nonspherical模型进行测试,只是和Higurashi [23),在nonspherical MODIS-GLI算法表明,散射效应在这个算法是有限的。

4.2.3。折射率的影响

在一个给定的位置,大气气溶胶的特点是浓度,它们的大小分布,其形状,垂直剖面,通过他们的化学成分2]。后者表明的模折射率的实部和虚部(RI)的气溶胶。国际扶轮的实部(RIr)幽灵似地相关的散射辐射,而虚部(RIi)是由于辐射的吸收,与一个null值即粒子不吸收辐射。在卫星气溶胶检索方案,气溶胶模型假定特定的真实值的实部和虚部RI。在波长范围0.47 - -0.86μm, MODIS-GLI算法使用气溶胶模型与一个单一的RI (1.5 -我0.005),基于现场数据分析。这个算法的实部RI是接近一般对流层气溶胶指数(40]。同时,MODIS-NASA算法使用的组合模型的RIs将根据不同面积和体积比例大小分布模式。该算法使用的值来自太阳/天空地面光度计AERONET [9),1.45 -我0.0035或1.40 -我好模式和1.35 - 0.0020我0.001粗模式下,所有的气溶胶类型除了尘埃的RIs的1.53 -我0.003和1.53,我0.000 0.47μm和0.86μ分别为米波长(41]。RIs平均为0.5μ米波长从地面获得的数据对整个研究期间是1.44 -我0.0043,1.43,我0.0016,1.44,我0.0029 Fukue希,分别和宫古岛网站。MODIS-NASA的实部和虚部更接近或范围内的地面比MODIS-GLI RI值是后者。国际扶轮的后分布在地面观察网站(在括号中数据的百分比在Fukue,希,和宫古岛,分别为国际扶轮范围考虑):真正的国际扶轮部分:< 1.40 (33%、41%、36%),1.4 - -1.5 (37%、29%、32%),> 1.5 (30%、30%、32%);和虚部RI: < 0.002 (54%、84%、75%), 0.002 - -0.005 (22%、7%、10%), > 0.005 (24%、9%、15%)。只有三分之一的数据超出RIr 1.5,和不到25% RIi 0.005以上(RI值考虑MODIS-GLI)。

AOT的比较显示(图8与AOT) RIr往往会增加增加,地面和卫星的算法数据。AOT RMSE高在高RIr反之亦然等低RIr值1.4(接近值用于MODIS-NASA算法)。MODIS-GLI, AOT RMSE高在1.4 - -1.45范围内,倾向于减少超出1.5(接近MODIS-GLI算法所使用的值)。所有这些变化表明,RIr的增强是一个重要的贡献者卫星AOT的不确定性。没有看到趋势RIi和AOT RMSE也RIr或RIi和AE RMSE之间的变异。

4.2.4。散射参数的影响

主要属性代表气溶胶的散射通常表达的单散射反照率(SSA)。向前散射优惠方向可以是纯向前散射(+ 1)或向后纯反向散射(1)。光的比例分散前进方向被定义为不对称因素(AF)。卫星气溶胶的检索,使用Mie-based SSA和房颤是预先计算的理论(球形粒子)散射模型。形状不规则的对流层粒子房颤可能更大的SSA和小于等于体积球形同行(40]。平均SSA±性病和房颤±STD天网地观察到网站,分别和Fukue,和希,和美弥子。图9显示了房颤的变化对AE和AE Dif。地面AE持续减少与增加房颤的三个地面站点;即增加向前散射光的粒子大小的增加的结果。之间没有明显的趋势是观察地面房颤和两个卫星的AE GLI和美国国家航空航天局(NASA)算法。结果,减少卫星地面AE差异随着房颤的增加,散射光的前进方向增加。房颤的决心似乎那么的不确定性影响两个卫星的AE的检索算法。地面AF斜率改变房颤陡峭的北部Fukue不如在南部希和宫古岛。这是符合粗颗粒的增加从北到南(增加向前辐射散射),因此AE RMSE。SSA和之间没有一致的相关性被发现,地面AE, AOT或错误的决心卫星AOT检索和AE。这可能与检索SSA误差的影响是重要的只有厚层(36]。这里使用的数据大多是气溶胶的薄层。

4.2.5。太阳能和卫星天顶角度的影响

理想的气溶胶算法将检索aot同等质量的,独立的太阳能和观察几何(42]。不一致的趋势显示之间可能的或重要的卫星观察偏见AOT和AE (AOT和AE RMSE)和太阳天顶角或卫星天顶角。使用集合5 MODIS暗目标数据在土地、征收et al。42)表明,只有一个轻微低估的AOT ~ 0.01,分别在阳光闪烁,sun-shadow MODIS片。

5。影响未来的卫星的算法

AOT的RMSE和Dif从MODIS-GLI检索算法更高的MODIS-NASA算法相比。AE的两种算法的精度更接近彼此,以及低于AOT精度。这些精度的因素解释差异的范围从云污染,粒子大小和形状分布、折射率和散射参数sun-satellite几何学。可能的教训这些参数对卫星的影响检索将有助于改善未来的卫星的准确性的气溶胶产品,如未来GCOM-C / SGLI卫星。

云污染被发现更强的AOT MODIS-GLI比MODIS-NASA。这是解释为检索的空间分辨率的差异:像素检索MODIS-GLI和像素的选择检索框MODIS-NASA的10×10像素。为了避免这种污染在未来和像素的方法是选择的,云分数应该陪气溶胶的检索和分析被用来纠正气溶胶特性的不准确。MODIS-NASA方法看起来具有吸引力,因为检索明确只在高概率大池的像素的像素,但不便是低数量的输出数据。该地区气溶胶混合的变化需要一个更好的表现。例如,这项研究表明,气溶胶粒子半径偏离模式应该更广泛的为了集成动态流程在本地区的气溶胶的来源。比这更广泛(已经使用的MODIS-NASA算法)的折射率将有必要降低AE的不确定性。的高空间和光谱分辨率GCOM-C / SGLI卫星(例如,250可见光和热红外通道)应有助于更好的歧视比实际卫星云从无云区域,因此减少可能云污染气溶胶产品。的改善AOT AE的精度肯定会增加。地面站点的数量增加测量气溶胶等的天网,AERONET,和其他网络,提供更好的质量数据和定量表征气溶胶,是伟大的资产用于气溶胶的假设模型的改进:预定的粒度分布(模式的半径和卷)、折射率、不对称因素,单一的散射反照率,环境湿度和粒子的增长,等等。

6。结论

讨论了气溶胶的质量检索从未来卫星在这项研究中,通过验证的研究气溶胶产品实际卫星(Terra, Aqua-MODIS)兼容的渠道与未来GCOM-C / SGLI。气溶胶产品来源于两种算法(MODIS-GLI和MODIS-NASA)使用这些卫星进行评估针对真实数据从3天网网站位于太平洋东亚地区。获得的结果显示系统性偏高的AOT MODIS-GLI和一个更好的协议之间的地面和MODIS-NASA AOT和AE低估的算法。大型粒子AE高估被小粒子低估。季节性变化的气溶胶参数(AOT和AE)基于月度平均值显示类似的趋势/变化虽然直接值不同,有时与MODIS-GLI MODIS-NASA或更多。也几乎恒定的月度AOT地面气溶胶数据之间的差异和卫星观察检索。AE显示近地面和卫星数据之间的值在冬季和春季Fukue网站和南部的夏季和秋季(希和宫古岛)的网站。卫星检索云污染的影响,研究了通过使用一个独立的变量,云计算分数,显示云污染更明显比MODIS-NASA AOT MODIS-GLI。AE分析表明,该参数(颗粒变大),减少的CF算法。两颗卫星之间的AOT污染的差异的算法被发现主要是由于检索像素的分辨率的区别:MODIS-GLI像素,因此更高的污染比像素的概率选择MODIS-NASA从大箱子。 Also, this difference could be explained by the fact that the MODIS-NASA uses wider spectral information to estimate the aerosol model and, may perform more accurate retrieval of spectral AOT [36]。AE分布表明,双峰分布,地面数据时的不确定性AE检索两颗卫星的算法更高。粒度分布的形状性病检查显示高于那些被卫星气溶胶的算法,导致有限的混合物大小卫星的检索算法。卫星地面差异的另一个因素是卫星的检索上的不确定性,由于不对称因素(AF)。负的相关性被发现与地面AE和AE的区别对房颤(卫星地面)。前进方向的光散射的增加是不断增加的结果气溶胶粒子的大小。折射率的实部被发现与卫星的AOT RMSE AE RMSE算法和不是。结束这一研究中,一些措施旨在改善未来的卫星算法的精度进行了讨论。这些补救措施涉及到云污染和粒度分布和散射模型的修正。