将氡变换应用于研究型扫描偏振仪进行的多角度测量：一种新的云层层析成像方法。第二部分：来自CAMP2Ex数据集的反演实例

《Frontiers in Remote Sensing》：Application of radon transform to multi-angle measurements made by the research scanning polarimeter: a new approach to cloud tomography. Part II: examples of retrievals from CAMP2Ex dataset

云层体分布的断层扫描技术应用于NASA CAMP2Ex菲律宾东南季风实验中的真实RSP测量数据，通过Radon变换反演得到方向光学厚度（dCOT）断层图，结合极化反射率数据与激光雷达（HSRL-2）、多普勒天气雷达（APR-3）等仪器对比验证。研究展示了两种云案例（Cu和CuCg）的体分布特征，发现反演的消光系数与实况高度相关（相关系数80%），并通过云顶高度（CTH）的三源对比（RSP立体相关算法、HSRL-2激光雷达、APR-3雷达）验证算法可靠性。技术局限包括水平视场角缺失导致云边缘反演偏移，以及未考虑三维辐射效应引起的COT低估（需乘以（1+A_opt）校正因子）。未来将结合滴谱参数反演消光系数，并开发适用于单视场仪器的简化算法。

　　本文介绍了一种新的云层三维结构反演技术，并展示了其在实际观测数据中的应用。这项技术最初是为研究扫描偏振仪（Research Scanning Polarimeter, RSP）的数据而设计的，随后被应用于NASA的Plankton, Aerosol, Cloud Ocean Ecosystem（PACE）卫星上搭载的其他偏振测量设备。RSP是一种高分辨率的沿轨扫描仪，它能够以较高的频率获取云层的偏振反射率数据。这些数据不仅用于确定云滴的尺寸分布，还可以通过一种称为“切片法”（cutout method）的云形提取方法，推导出二维的消光系数分布。该方法依赖于一个抽象的“反射率密度”概念，通过一系列云形阈值，构建出反射率密度分布，进而通过反向Radon变换得到云层的二维消光系数分布。

在之前的系列研究（Part I）中，已经验证了该算法在合成数据上的性能，结果表明其在数值精度和稳定性方面表现良好。本次研究则将该方法应用于真实的RSP观测数据，这些数据来自2019年8月至9月在菲律宾附近进行的Cloud, Aerosol and Monsoon Processes Philippines Experiment（CAMP2Ex）实验。该实验旨在研究东南季风系统中气溶胶、云层和辐射过程的相互作用，涵盖了多种云类型，包括层积云（Cu）、积云（CuCg）和高层云（altocumulus）等。研究特别关注了层积云（Cloud 1）和积云（Cloud 2）这两种云的内部结构。

通过RSP的观测数据，可以获取云层的总反射率和偏振反射率信息。这些数据被用于构建云层的“反射率代理分布”（Reflectance-Proxy Distribution, RPD），即在云层内建立一个与反射率相关的二维分布模型。该模型通过插值方法生成，用于模拟不同视角下的反射率变化。基于该反射率代理分布，可以进一步计算出“方向云光学厚度”（directional Cloud Optical Thickness, dCOT）的二维分布图（tomogram）。dCOT的计算依赖于一个代理公式，将反射率代理分布转换为云光学厚度分布，从而构建出一个完整的云层结构图像。

为了进一步还原云层的消光系数分布，研究采用了反向Radon变换（Filtered Backprojection）技术。该技术通过在Radon空间中应用滤波和投影方法，将dCOT tomogram转换为二维的消光系数分布。然而，由于Radon变换的非唯一性，消光系数的数值结果需要通过校准来确定其准确的尺度。校准过程基于云光学厚度（COT）的独立测量数据，例如通过RSP的常规方法计算出的COT值，与通过反向Radon变换得到的COT值进行对比，从而确定校准系数。

在实验中，研究团队发现，由于云层结构的三维辐射效应，常规的COT反演方法可能会低估实际的云光学厚度。因此，引入了一种基于云层长宽比的校正公式，用于修正这种偏差。该公式利用云层的垂直高度（H）和水平长度（L）的比值（A = H/L）来调整COT的数值，使其更接近真实情况。这一校正方法已经在多种模拟云结构中得到验证，并且在实际观测数据中表现出良好的一致性。

在具体案例分析中，研究团队展示了两种典型云结构的反演结果：Cloud 1（层积云）和Cloud 2（积云）。通过RSP的观测数据，构建了这两种云的反射率代理分布和dCOT tomogram。随后，应用反向Radon变换得到了它们的消光系数分布。为了验证该方法的准确性，研究团队将反演结果与同一飞行平台上的其他仪器数据进行了对比，包括高光谱分辨率激光雷达（HSRL-2）和多波段气象雷达（APR-3）。这些仪器提供了独立的云层高度和消光系数信息，使得研究团队能够评估反演方法的可靠性。

结果显示，Cloud 1的消光系数分布与HSRL-2和APR-3的数据在整体趋势上一致，但存在一定的偏差，尤其是在云层的边缘部分。相比之下，Cloud 2的反演结果与这些仪器的数据匹配度更高，这可能与其更大的云层体积和更均匀的结构有关。此外，通过对比云层的长宽比，研究团队发现Cloud 1和Cloud 2的长宽比均接近1，表明它们的结构较为接近球形。然而，Cloud 2的消光系数值整体上高于Cloud 1，这与实际观测中的云光学厚度变化一致。

为了进一步提升该方法的应用范围，研究团队正在开发一种简化版的参数化云层反演技术。该技术基于一些对云层形状和消光系数分布的假设，可以用于处理单视角（如正下方）的观测数据，包括来自卫星的成像数据。这种简化方法具有较高的计算效率，适用于实时处理卫星数据，特别是来自PACE卫星上的Ocean Color Imager（OCI）的数据。此外，研究团队还计划将该方法应用于更多不同类型的云层，以进一步验证其适用性和准确性。

综上所述，本文通过实际观测数据展示了基于Radon变换的云层三维结构反演方法的有效性，并探讨了其在不同云层类型中的表现。该方法不仅能够提供云层的二维消光系数分布，还能够通过校正算法修正由于三维辐射效应带来的偏差。同时，研究团队也在探索更高效的参数化方法，以适应更多类型的观测数据。这些研究对于理解云层的微观物理结构及其对气候和天气的影响具有重要意义。