DQ-1/ACDL的气溶胶-云层检测算法

《Remote Sensing of Environment》：Aerosol-cloud layer detection algorithm of the DQ-1/ACDL

卫星激光雷达层检测技术及其在ACDL中的应用研究。提出基于二维多尺度假设检验（2D-MHT）的层检测算法，创新性解决背景大气信号不确定性估计难题，实现云气溶胶垂直分布的高精度探测。相较于CALIPSO V4.51产品，ACDL在 June 2022期间检测到53.0%更多层次，并具备更高水平分辨率。

　　卫星激光雷达在观测全球气溶胶和云层的垂直分布方面发挥着独特的作用。自2006年4月至2023年8月，CALIPSO（云-气溶胶激光雷达与红外路径卫星观测）率先实现了这类观测，提供了长达17年的宝贵全球气溶胶和云层资料。而中国于2022年4月发射的DQ-1卫星搭载的气溶胶与碳检测激光雷达（ACDL）则继续了这一任务。因此，开发ACDL的气溶胶和云层产品具有重要意义。特别是，检测气溶胶和云层的垂直和水平范围是其中最具挑战性的任务之一。在本研究中，我们基于二维多尺度假设检验（2D-MHT）方法开发了一种ACDL层检测算法。值得注意的是，我们提出了一种用于估计背景大气中激光回波信号不确定性的方法，使ACDL能够成功进行层检测。结果表明，我们的算法不仅能够准确识别ACDL测量中的层，还提供了特定信号单元属于层的概率。这种概率使用户能够自定义层的定义，而这一功能在其他通常依赖阈值方法的激光雷达产品中并不具备。此外，ACDL的层产品在水平分辨率和全球层检测数量上均优于2022年6月的CALIPSO V4.51合并层产品，检测到的层数量增加了53.0%。这些发现凸显了我们的算法和ACDL层产品在推进大气和气候研究方面的巨大潜力。

气溶胶对气候评估的不确定性贡献最大，它们通过散射和吸收太阳辐射产生直接影响，并通过作为云凝结核来改变云和降水产生间接影响（Masson-Delmotte等，2021）。这种不确定性进一步加剧，因为不同的气溶胶和云层种类具有不同的辐射特征、微物理性质和形成机制，这使得它们的综合辐射效应无法用单一标准进行评估。因此，要获得可靠的总气溶胶效应估计，需要对每种气溶胶的直接强迫及其通过每种云层产生的间接强迫进行精确估计（Rosenfeld等，2023）。然而，不同气溶胶和云层常常在垂直方向上重叠，例如火山气溶胶、卷云、暖云和人为气溶胶常常从平流层堆积到地表。这种垂直信息主要被被动传感器忽略，而微波雷达只能部分捕捉，其回波主要来源于大颗粒云层（Ewald等，2019）。相比之下，激光雷达因其较短的波长，对气溶胶和云层的细小颗粒更为敏感（Baars等，2021）。因此，开发高精度的航天激光雷达对于全球气溶胶和云层的垂直分布测绘至关重要。

CALIPSO（云-气溶胶激光雷达与红外路径卫星观测）自2006年4月至2023年8月，率先实现了航天激光雷达的应用，提供了长达17年的全球气溶胶和云层资料（Feofilov等，2023）。而2015年1月发射到国际空间站的Cloud-Aerosol Transport System（CATS）则设计了532纳米的高光谱分辨率（HSR）通道（Yorks等，2016）。尽管CATS提供了33个月的观测数据，但由于其激光频率锁定问题，HSR通道从未正常工作（Noel等，2018）。因此，当前的航天任务仍然依赖于类似CALIPSO的激光雷达，其中单个方程包含两个未知数——后向散射系数和消光系数，迫使它们之间假设一个比例（称为激光比），这引入了较大的不确定性。然而，2022年4月，中国的DQ-1卫星通过搭载的气溶胶与碳检测激光雷达（ACDL）打破了这一局面（Ke等，2022）。幸运的是，ACDL利用其HSR通道独立的分子散射测量，以及其Mie通道的常规粒子和分子散射测量，实现了无需依赖激光比假设的气溶胶和云层后向散射与消光系数的反演。ACDL不仅无缝延续了CALIPSO的记录，还被期望在全球范围内提供更高精度的气溶胶和云层垂直属性反演（Dai等，2024；Liu等，2019）。

为了获取ACDL数据，第一步是确定感兴趣的层，即气溶胶和云层。准确的层检测至关重要，因为它影响随后的分类和反演，进而影响科学应用。已有多种基于激光信号强度相对变化的坡度类方法被用于层检测，包括坡度法、连续小波变换（CWT）法和简单的多尺度算法，这些方法都可以直接应用于未校准的信号。坡度法通过检测信号的一阶导数中的零交叉点来识别层边界，对于平滑的地面激光雷达信号效果良好（Lewis等，2016；Pal等，1992）。然而，这种方法在航天激光雷达信号中效果不佳，因为航天激光雷达信号非常嘈杂，导致坡度在正负值之间震荡。连续小波变换（CWT）法以其强大的抗噪能力而著称，通过检测激光信号的CWT系数的局部模极大值来确定层底和层顶（Comeron等，2013；Morille等，2007）。然而，这些局部模极大值往往偏向于层顶，因为层底和层顶的信号增强通常不够明显，难以被清楚检测。Mao等（2011）提出了一种用于地面激光雷达层检测的简单多尺度算法，该方法通过在多尺度窗口内对信号强度的相对变化进行统计分析来确定趋势，而不是拟合坡度。然而，当激光雷达遇到层时，信号的相对增强并不持续高于噪声幅度，这种方法可能会失效。

另一种主流方法是阈值法，该方法利用衰减散射比（ASR）来检测层。ASR被定义为测量信号与估计清洁空气信号的比值。这种方法通过持续的ASR值超过由一个加范围依赖的噪声水平定义的阈值数组来识别层。阈值法已被证明比坡度类方法更为稳健，并在航天激光雷达中广泛应用。CALIPSO团队基于阈值法开发了Selective Iterated Boundary Location Algorithm（SIBYL）算法，后来被CATS采用（Vaughan等，2009；Yorks等，2021）。研究表明，SIBYL在白天时会显著遗漏一些脆弱的层，这可能导致CALIPSO获取的气溶胶光学厚度比MODIS产品低估（Kim等，2017；Ma等，2013；Rogers等，2014）。此外，Vaillant de Guélis等（2021）引入了一种考虑二维信息和迭代确定下限的Two-Dimensional and Multi-channel feature Detection Algorithm（2D-McDA）算法，使检测到的脆弱层数量比SIBYL更多。然而，这些阈值方法仍然会遗漏一些脆弱的层，因为它们依赖于相对较大的阈值来抑制噪声干扰，特别是在白天时更为明显。

Mao等（2021）率先提出了一种基于概率驱动的多尺度算法，用于航天激光雷达的层检测。该方法通过在二项式框架内统计评估ASR值与理想清洁空气值的偏差，假设对称且等概率的噪声分布，来识别层。对于选定的信号单元，该方法计算在清洁空气条件下观察到的ASR偏差随机出现的累积概率。当该概率低于给定的显著性水平（例如0.01）时，选定的信号单元被判定为遇到层。这种方法消除了ASR阈值依赖，相较于官方的CALIPSO产品表现出更优越的性能。此外，Mao等（2024）提出了一种基于二维多尺度假设检验（2D-MHT）的方法，通过在二维激光雷达场景中使用高斯分布模型，进一步优化概率驱动的层检测。2D-MHT方法首次消除了以往航天激光雷达层检测方法中复杂的过滤要求，例如最小层积分后向散射和最小层厚度，显示出比以往方法显著更好的性能（Mao等，2024）。因此，我们考虑在ACDL中使用2D-MHT方法进行层检测。值得注意的是，2D-MHT依赖于理想空气信号的均值及其相关不确定性（Liu等，2006；Mao等，2024）。对于之前的航天激光雷达如CALIPSO，其不确定性是通过在极高海拔（例如97–112 km和65–80 km）收集的背景信号估算的，此时大气后向散射可以忽略不计。然而，由于ACDL的最大检测高度约为40 km（Dai等，2024），因此用于CALIPSO的不确定性估算方法无法直接应用于ACDL。

为了解决上述问题，我们开发了一种基于2D-MHT方法的ACDL层检测算法。该算法特别引入了一种新的信号不确定性估算方法，这对于在ACDL框架中实施2D-MHT至关重要，从而成功生成了ACDL层产品。接下来的章节将深入探讨ACDL和2D-MHT的基本原理，特别是用于估算背景大气中激光信号不确定性的方法。随后，我们将介绍和讨论ACDL的检测结果，重点分析层检测的分辨率和可靠性。最后，我们将总结我们的研究发现。

ACDL（气溶胶与碳检测激光雷达）运行在705 km的轨道高度上，搭载了一种三波长的Nd:YAG激光器（532、1064和1572 nm），如图1所示（Dai等，2024；Liu等，2019）。虽然1572 nm通道主要用于检测CO?，但532 nm和1064 nm的激光束用于对大气粒子和地表进行剖面测量（Yang等，2024）。在532 nm波长下，激光器以40 Hz运行（20 Hz下传），接收器以50 MHz的频率进行数字化，从而实现了约330米的水平分辨率。垂直分辨率方面，ACDL能够提供精确的气溶胶和云层垂直分布信息，其性能在多尺度分析和概率评估方面优于传统的阈值方法。此外，ACDL还能够通过其独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。

在本节中，我们旨在评估我们的算法及其产品的性能。首先，我们将算法应用于一个ACDL场景，以评估其初步效果。接着，我们使用一个月的数据进行全球统计评估，以确保检测结果的稳健性和可靠性。最后，我们将ACDL产品的检测能力与CALIPSO产品进行比较，以展示其优势。ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够自定义层的定义，而这一功能在其他依赖阈值方法的激光雷达产品中并不存在。此外，ACDL的层产品在水平分辨率和全球层检测数量上均优于CALIPSO V4.51合并层产品，检测到的层数量增加了53.0%。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够自定义层的定义，而这一功能在其他依赖阈值方法的激光雷达产品中并不存在。此外，ACDL的层产品在水平分辨率和全球层检测数量上均优于CALIPSO V4.51合并层产品，检测到的层数量增加了53.0%。ACDL的层检测算法通过考虑信号的二维信息和多尺度特征，能够更精确地识别层，并提供更可靠的结果。与传统的阈值方法相比，ACDL的算法能够更有效地识别脆弱的层，减少白天时由于噪声干扰而导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

在检测过程中，ACDL的算法能够通过分析信号的相对变化来识别层的边界。这种方法不仅能够提高检测的准确性，还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法通过统计分析信号的相对变化来确定层的边界。这种方法不仅能够提高检测的准确性，还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息，使用户能够根据实际需求调整层的定义，从而提高数据的适用性和准确性。

ACDL的层检测算法基于2D-MHT方法，通过统计分析信号的相对变化来确定层的边界。该方法能够有效识别层，并提供层概率信息，使用户能够根据实际需求调整层的定义。此外，ACDL的算法还能够通过独立的分子散射测量和常规的粒子与分子散射测量，实现对气溶胶和云层后向散射与消光系数的准确反演，无需依赖激光比假设。这种独立的反演方法能够减少数据处理中的不确定性，提高结果的可靠性。同时，ACDL的算法还能够通过考虑信号的二维信息，提高层检测的精度，减少由于噪声干扰导致的层遗漏问题。此外，ACDL的算法还能够提供更详细的层概率信息