《Remote Sensing》:A Multi-Wavelength Deep Neural Network Framework for Synergistic Retrieval of AOD, FMF, and AAOD from TROPOMI
Benben Xu,
Meng Fan,
Huaxuan Wang,
Heng Jia,
Yichen Li,
Yangyu Fan,
Jinhua Tao and
Liangfu Chen
编辑推荐:
气溶胶光学厚度(AOD)、细模态比(FMF)和吸收性气溶胶光学厚度(AAOD)是量化气溶胶消光及其气候与环境效应的关键参数。然而,现有卫星反演多针对单一波长或单一参数。本研究开发了一种深度神经网络(DNN)框架,基于哨兵5P/TROPOMI数据在380–772
气溶胶光学厚度(AOD)、细模态比(FMF)和吸收性气溶胶光学厚度(AAOD)是量化气溶胶消光及其气候与环境效应的关键参数。然而,现有卫星反演多针对单一波长或单一参数。本研究开发了一种深度神经网络(DNN)框架,基于哨兵5P/TROPOMI数据在380–772 nm范围内的七个目标波长协同反演AOD、FMF和AAOD。研究针对各参数设计了差异化的输入特征系统,融合气溶胶光学特性间的物理关联;采用贝叶斯优化进行超参数调优,并利用SHAP(Shapley可加性解释)方法解析特征贡献。该模型在独立测试集上展现出高准确性与强鲁棒性:反演AOD与AERONET的相关系数达0.960,平均绝对误差(MAE)为0.034,均方根误差(RMSE)为0.070;FMF反演性能同样优异(R = 0.955,MAE = 0.027,RMSE = 0.039);AAOD总体相关系数为0.86(MAE = 0.005,RMSE = 0.008)。与现有卫星产品的对比表明,该方法在全球空间分布上具有高度一致性,且在高气溶胶负荷条件下表现出更优的空间连续性。
本研究旨在开发一种基于深度神经网络(DNN)的多波长、多参数协同反演框架,利用哨兵5P/TROPOMI卫星观测数据同步获取380–772 nm范围内七个波长的气溶胶光学厚度(AOD)、细模态比(FMF)和吸收性气溶胶光学厚度(AAOD),以突破传统物理算法计算效率低、空间连续性差及参数反演割裂的技术瓶颈。
研究背景与问题方面,气溶胶通过散射和吸收太阳辐射、改变云光学特性显著调控地球辐射收支,是气候变化的关键因子。AOD表征柱积分消光,是气候与空气质量模型的核心输入;FMF反映细颗粒物占比,对气溶胶类型识别与源解析至关重要;AAOD则表征吸收特性,是区分黑碳、棕碳和矿物尘等吸收性气溶胶的关键。现有卫星反演算法如深蓝算法(DB)、暗目标法(DT)和MAIAC等多基于单一参数或有限波段,难以满足多波长协同、多参数同步反演的物理需求。TROPOMI虽具备紫外至短波红外宽谱段观测能力,但基于辐射传输模型(RTM)的GRASP物理反演方法存在前向模拟计算量大、质量控制严格导致数据缺失多、空间连续性差等问题。机器学习虽在气溶胶反演中展现出效率优势,但仍存在单波长/单参数反演为主、特征工程未充分挖掘波长依赖性规律、多参数物理耦合不足等局限。
研究人员开展了以下工作:构建融合时空信息、观测几何、大气状态、地表属性及光谱特征的多维输入特征体系;针对不同参数设计差异化特征扩展策略,包括AOD的光谱差值、比值和归一化差值特征,FMF的?ngstr?m指数(AE)特征,以及AAOD的光学参数、AE和UVAI特征;采用贝叶斯优化确定网络超参数,结合SHAP解析特征贡献与模型可解释性;基于2019–2021年全球AERONET站点13,745组样本训练DNN模型,并以80%/20%划分训练/测试集,最后与TROPOMI/GRASP、MODIS/MAIAC及VIIRS产品进行全球尺度验证。
研究结果表明:(1)模型可解释性分析——SHAP分析揭示不同参数反演的主导物理驱动因子存在显著差异。AOD反演中观测几何参数(尤其是观测天顶角VZA和太阳天顶角SZA)贡献最大(42.9%),扩展光谱特征贡献8.7%,高贡献的归一化差值反射率特征有效增强气溶胶信号并抑制地表背景干扰。FMF反演中多波长扩展特征贡献达70.5%,AE相关特征(如AE_670_747和AE_494_772)尤为重要。AAOD反演中,年积日(DOY)和AOD特征贡献最大(分别为25.9%和25.1%),反映吸收性气溶胶的强季节性和波长依赖性。(2)模型整体精度——训练与测试损失曲线均快速收敛且差距微小,表明模型拟合充分且泛化良好。AOD反演在蓝绿波段(400–550 nm)相关性最高(R > 0.95),494 nm处达峰值(R ≈ 0.96),RMSE由380 nm的0.083降至772 nm的0.038。FMF在494 nm处R达约0.96,但长波段误差增大。AAOD在380 nm表现最优(RMSE = 0.010,MAE = 0.006,R = 0.865),短波段性能更佳。消融实验证实,参数特异性光谱特征扩展对FMF和AAOD精度提升尤为关键。(3)与AERONET验证对比——TROPOMI/DNN的AOD反演与AERONET测试集比较,R = 0.960,MAE = 0.034,RMSE = 0.070,95.29%样本落入期望误差(EE)包络线,67.79%满足全球气候观测系统(GCOS)精度要求,全面优于TROPOMI/GRASP(R = 0.891,RMSE = 0.070,MAE = 0.052)。FMF反演优势更为显著:TROPOMI/DNN的R = 0.955,而TROPOMI/GRASP仅0.171。AAOD反演同样以明显优势领先(TROPOMI/DNN:R = 0.860,MAE = 0.005,RMSE = 0.008;TROPOMI/GRASP:R = 0.552,MAE = 0.008,RMSE = 0.014)。(4)全球空间分布对比——2019年3月至2020年2月的全球年均空间分布显示,TROPOMI/DNN与TROPOMI/GRASP在高AOD区域(非洲热带雨林、南美、东南亚及东北亚)空间格局高度一致,但TROPOMI/DNN在非洲沙尘区偏低、在东北亚森林火灾高发区偏高,可能与GRASP剔除了高浓度气溶胶案例有关。与MODIS/MAIAC与VIIRS/DB的550 nm AOD对比,相关系数分别达0.75和0.77,均方根误差为0.091和0.11,整体呈现轻微高估但空间分布高度吻合。?ngstr?m指数(490/670 nm)对比中,TROPOMI/DNN与TROPOMI/GRASP、VIIRS/DB的R分别为0.66和0.80,TROPOMI/DNN在高纬地区偏低。(5)极端野火事件应用——2019年12月8日澳大利亚东海岸森林火灾与2020年9月7日美国加州山火案例分析表明,TROPOMI/DNN在空间连续性上显著优于TROPOMI/GRASP。澳大利亚案例中,TROPOMI/DNN有效覆盖了更完整的烟羽区域,33.32%的TROPOMI/DNN高AOD像素(>0.5)在TROPOMI/GRASP中缺失;两者AOD、AODF、AAOD的像元尺度R分别为0.95、0.94和0.85。加州案例中TROPOMI/GRASP缺失率更高,TROPOMI/DNN恢复了57.06%的高AOD像素,且AERONET验证点与TROPOMI/DNN结果更为接近。
研究讨论部分深入分析了各参数波长依赖性误差的物理机制:AOD短波RMSE较大源于AOD绝对值本身较高;FMF长波误差放大因AOD减小导致细微波动更敏感;AAOD的短波优势与紫外吸收增强的物理特性一致。与现有研究相比,该DNN框架的AAOD误差低于Bao等人的模型(MAE = 0.008,RMSE = 0.016),与AERONET相关性优于Dong等人基于DPC数据的神经网络(R = 0.80)。研究同时指出当前局限:模型在裸地和沙漠区域性能下降,长波段(>600 nm)相关性降低,季节指示因子DOY的强相关性可能引入特定区域泛化风险,且未提供像元级不确定性量化。未来需进一步优化长波信息利用、增强复杂地表条件下(尤其裸地与沙漠)的模型泛化能力,并探索气溶胶类型判别等应用拓展。
研究结论如下:本研究基于TROPOMI多光谱观测,构建了集成贝叶斯优化与SHAP可解释性的DNN多参数协同反演框架,在380–772 nm七个波长同步获取AOD、FMF和AAOD。该框架通过参数特异性特征工程融入气溶胶光学特性的物理关联,实现了高精度(AOD:R = 0.960,MAE = 0.034,RMSE = 0.070;FMF:R = 0.955,MAE = 0.027,RMSE = 0.039;AAOD:R = 0.860,MAE = 0.005,RMSE = 0.008)、高效率和高空间连续性的协同反演,并在野火等极端气溶胶事件中展现出优于物理算法的监测能力。该方法为全球吸收性气溶胶监测、气溶胶类型判别及气候效应评估提供了新的技术路径和数据支撑,研究成果发表于《Remote Sensing》。