基于深度学习方法(ECRAD)的O2–O2波段EMI系列仪器云参数反演

《Atmospheric Environment》:Cloud parameter retrieval for EMI-series instruments from the O 2–O 2 band using a deep learning approach (ECRAD)

【字体: 大 中 小 】 时间:2026年07月31日 来源:Atmospheric Environment 3.8

编辑推荐:

  摘要:在基于卫星的高光谱大气成分监测中,准确获取云参数至关重要,因为它直接影响NO2、SO2以及O3等痕量气体的分析精度。由于环境痕量气体监测仪器(EMI)系列载荷的探测范围为240–710纳米,无法覆盖O2的A波段,因此O2–O2吸收带成为获取云参数的可行替代方案。不过,传统依

  摘要:在基于卫星的高光谱大气成分监测中,准确获取云参数至关重要,因为它直接影响NO2、SO2以及O3等痕量气体的分析精度。由于环境痕量气体监测仪器(EMI)系列载荷的探测范围为240–710纳米,无法覆盖O2的A波段,因此O2–O2吸收带成为获取云参数的可行替代方案。不过,传统依赖查表法和最优估计方法的云参数反演方法在计算速度和精度方面存在局限。为此,本研究提出了一种名为ECRAD的云参数反演算法,该算法采用全连接神经网络,并针对EMI系列载荷数据进行了优化。该方法结合SCIATRAN辐射传输模型,利用O2–O2吸收带来反演云分数和云压力。通过模拟测试数据的验证,ECRAD具有很高的精确度,云分数和云压力的相关系数分别达到0.997,而传统查表法的相关系数分别为1.000和0.995。尽管两种方法表现良好,但在高表面反照率条件下(0.8),ECRAD的反演性能更优。该算法还被应用于对流层监测仪器(TROPOMI)的数据,其反演得到的云参数与三种其他产品——光学云识别算法/基于神经网络的云信息反演算法(OCRA/ROCINN)、基于O2 A波段的快速云反演算法(FRESCO+版本)以及TROPOMI的O2–O2产品——进行了对比,结果显示两者之间的相关性均高于0.98,尤其是O2–O2产品。最后,ECRAD被应用于EMI-02观测数据,生成了云分数和云压力产品,其与Himawari-8卫星及地面激光雷达测量的云高度数据对比后显示出极佳的一致性,进一步证明了该方法的有效性。

引言:通常需要反演的云参数包括云光学厚度、云分数、顶层气压、成分、类型以及有效半径。在痕量气体吸收主要发生的紫外线和可见光波段中,关键的反演参数是有效云分数和云压力。这些参数是痕量气体反演算法提高精度的核心输入(Liu等人,2019、2021;Wang等人,2024;Yu等人,2025)。由于不同卫星仪器的特性差异,针对上述波段已提出了多种云反演方法。目前已有多种基于O2 A波段的云反演算法,包括FRESCO系列(Koelemeijer等人,2001、2002;Wang等人,2008;Wang & Stammes,2014;Lelli等人,2012)、基于SCIAMACHY/MERIS的方法(Lindstrot等人,2006;Preusker等人,2007)以及机器学习方法(Loyola等人,2018;Richardson等人,2019)。早期的基础研究还包括Vanbauce等人(1998)和Fournier等人(2006)的工作。此外还有基于O2 B波段的方法(Yang等人,2012;Davis等人,2018;Desmons等人,2019)、环效应方法(Joiner等人,1995;de Beek等人,2001;Joiner等人,2004)以及基于O2–O2吸收带的方法(Acarreta等人,2004;Sneep等人,2008;Stammes等人,2008;Veeefkind等人,2016;Vasilkov等人,2018;Yang等人,2023;Wang等人,2020;Wang等人,2024)。其中,基于O2–O2吸收带的云反演方法以Acarreta等人(2004)的开创性工作为代表,Stammes等人(2008)和Veeefkind等人(2016)还对其进行了针对臭氧监测仪器(OMI)的优化研究,近期也有将这类方法应用于OMI和TROPOMI数据的研究(Wang等人,2020、2024),以及Yang等人(2023)针对EMI仪器的应用研究。基于O2 A吸收带的云参数反演方法利用760纳米附近的O2吸收特性,代表性算法包括ICFA(初始云拟合算法)、FRESCO(基于O2 A波段的快速云反演算法,Koelemeijer等人,2001)、SACURA(半解析式云反演算法,Rozanov等人,2004)以及ROCINN(基于神经网络的云信息反演算法,Loyola等人,2018)。基于O2 B波段的方法则利用687纳米附近的O2吸收特性,进而发展出了改进版的FRESCO云参数反演算法(Desmons等人,2019)。环效应方法利用大气分子旋转拉曼散射产生的紫外线傅里叶线填充效应,其典型实现算法为OMCLDRR。而基于O2–O2吸收带的云参数反演方法则利用以477纳米为中心的紫外-可见光光谱。对于臭氧监测仪器而言,关键算法包括OMCLDO2(Acarreta等人,2004)和OMCLDRR(Joiner等人,2004),Veeefkind等人(2016)通过引入温度校正进一步优化了OMCLDO2算法。最近,Wang等人(2024)提出了一种基于神经网络的、利用O2–O2吸收特性的云反演算法,并通过OMI和对流层监测仪器(TROPOMI)的数据对其进行了验证。近年来,针对中国高光谱卫星载荷的云反演方法也有所发展。Wang等人(2020)基于477纳米处的O2–O2吸收特征,为EMI-01开发了合肥环境痕量气体监测仪器云反演算法(HECORA),该算法已在OMI和TROPOMI数据上得到验证,但尚未应用于EMI的实际观测数据。Yang等人(2020、2023)则利用477纳米处的O2–O2吸收特性从EMI-01数据中反演出有效云分数和云压力,并通过与TROPOMI、CALIOP以及地面激光雷达观测得到的云参数对比,证明了该算法具有极佳的一致性。从卫星仪器获取云参数通常会用到477纳米的O2–O2波段和760纳米的O2 A波段。O2–O2吸收带具有强度高且光谱结构简单的特点,除NO2和O3外几乎不受其他痕量气体的影响,因此能够高效地计算出O2–O2斜向柱密度。由于O2–O2的丰度与O2浓度呈二次方关系,且大气中的O2分布均匀且不随时间变化,因此O2–O2的稳定性也很高。O2 A波段(760纳米)处的表面反射率通常高于477纳米这个较短波长处的反射率。对于植被覆盖的表面而言,基于477纳米的O2–O2吸收带的算法比基于O2 A波段的方法具有更好的反演性能。当云分数超过0.2时,基于紫外线和O2 A波段测量得到的云参数一致性很高(Van Diedenhoven等人,2007)。然而,在晴朗天空或云分数较低的条件下,FRESCO+算法得到的云分数往往高于基于紫外线的算法。此外,O2 A波段与NO2、SO2和O3等关键痕量气体的吸收窗口没有重叠,且其精细的光谱结构也限制了它被用于常规差分光学吸收仪器的适用性。由于中国目前的EMI系列载荷的探测范围为240–710纳米,不包含O2 A波段,因此云反演必须依靠O2–O2吸收特性。另外,以往基于查表法的EMI云反演研究往往需要耗费大量计算时间。近年来,机器学习方法在云参数反演领域展现出了巨大潜力,但基于O2–O2吸收带的机器学习云反演研究仍相对较少。Wang等人(2024)提出了基于神经网络的CRANN算法,该算法已被应用于TROPOMI和OMI等仪器,取得了不错的反演效果。不过,目前尚未有专门为EMI系列载荷开发的深度学习云反演方法,这凸显出有必要开展相关研究,将这些方法应用于中国的卫星数据。因此,本研究探讨了结合深度学习、利用477纳米处的O2–O2吸收特性对EMI-02数据进行云参数反演的方法,并为EMI系列载荷提出了一种快速的云参数反演算法ECRAD。本文的其余部分结构如下:第2节介绍本研究使用的数据集,包括EMI-02、TROPOMI、Himawari-8等数据源;第3节阐述ECRAD算法的具体原理;第4节通过与其他产品的对比以及与地面观测数据的对比,展示研究结果并进行验证;第5节给出结论。

片段内容:EMI-02数据:GF-5B卫星于2021年9月7日成功发射,搭载了EMI-02载荷,运行在太阳同步极地轨道上,当地时间每10小时30分钟经过一次赤道。EMI-02的探测范围为240-710纳米,光谱分辨率约为0.3-0.6纳米(Zhao等人,2021)。该仪器采用扫掠式扫描结构,配备面阵电荷耦合器件,其瞬时视场角为114°,且垂直于卫星的轨道方向。

方法:ECRAD算法利用SCIATRAN辐射传输模型进行光谱模拟。结合独立像素近似方法,通过DOAS方法将云分数和云压力纳入模拟过程,进而计算出连续反射率,构建出模拟数据集。之后,使用包含表面反照率、表面高度、太阳天顶角等输入参数的全连接神经网络对模型进行训练。

结果与验证:为全面评估ECRAD算法的云参数反演性能,本研究从算法一致性及独立验证两个层面展开验证。在算法一致性层面,将ECRAD的反演结果与TROPOMI的各类运行中的云产品进行对比,这些产品包括OCRA/ROCINN、FRESCO+以及O2–O2云产品,它们要么具有相似的物理假设,要么基于与ECRAD类似的辐射传输框架。

结论:本研究提出了一种基于全连接神经网络的快速云参数反演算法ECRAD,适用于EMI系列载荷。该算法利用477纳米处的O2–O2吸收带,结合朗伯云模型和独立像素近似方法,在DOAS框架内反演有效云分数和云压力。通过模拟数据集的验证,该算法具有很高的反演精度,云分数和云压力的相关系数均为0.997,与传统基于查表法的结果相当。值得注意的是,ECRAD在某些条件下的表现更为优异。

CRediT作者贡献说明:Fuqi Si:监督、资源提供、形式分析、概念设计;Taiping Yang:论文撰写与修订、原始稿撰写、方法设计、研究实施、资金获取、形式分析、概念设计;Yuhan Luo:资源提供;Minjie Zhao:资源提供、形式分析;Haijin Zhou:资源提供、形式分析;Liang Xi:资源提供、形式分析;Kai Zhan:资源提供。

未引用参考文献:Danielson和Gesch,2011;Koelemeijer和Stammes,1999;Kuze和Chance,1994;Rozanov,2004。

利益冲突声明:作者声明没有竞争性财务利益。

数据可用性:如需获取云参数数据集及地面激光雷达云数据,可联系Fuqi Si(sifuqi@aiofm.ac.cn)。

资助情况:本研究得到了中国国家自然科学基金(42305140)、国家关键研发计划(2022YFC3700102)以及安徽省高等教育科研项目(2024AH051740)的资助。

利益冲突声明:作者再次声明没有竞争性财务利益。

致谢:作者感谢荷兰代尔维尔特的荷兰皇家气象研究所的Ping Wang所提供的宝贵指导。同时,也要感谢S5P任务的科学家们以及NASA的相关人员,他们为这项研究提供了所需数据。此外,还要感谢BIRA-IASB的DOAS紫外-可见光团队,尤其是M. Van Roozendael的贡献。

作者名单:Taiping Yang|Fuqi Si|Liang Xi|Haijin Zhou|Minjie Zhao|Yuhan Luo|Kai Zhan
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号