《Remote Sensing of Environment》:Extending the MAIAC algorithm for hyperspectral atmospheric correction of TROPOMI measurements: A case study over vegetated regions
编辑推荐:
研究人员同时从TROPOMI反演了气溶胶光学厚度(AOD)和高光谱表面反射率。在7 km固定网格上生成了紫外-可见-近红外(340–495 nm;675–775 nm)范围内5 nm间隔的表面反射率。为期一年的AOD443验证与AERON
研究人员同时从TROPOMI反演了气溶胶光学厚度(AOD)和高光谱表面反射率。在7 km固定网格上生成了紫外-可见-近红外(340–495 nm;675–775 nm)范围内5 nm间隔的表面反射率。为期一年的AOD443验证与AERONET V3对比显示,在美国地区相关系数(R)通常大于0.7。MAIAC表面反射率比Lambertian-Equivalent Reflectivity(LER)和Directionally dependent LER(DLER)显示出更平滑的光谱和更强的物候特征。残留的O2/H2O特征表明对水汽输入的敏感性。
**论文解读:基于MAIAC算法的TROPOMI高光谱大气校正及其在植被区域的应用评估**
**研究背景与问题**
全球碳循环的准确理解依赖于对陆地表面反射率的有效监测。过去三十年间,多光谱卫星(如MODIS、VIIRS)提供的可见-近红外(VIS-NIR)表面反射率已成为作物生长监测(归一化植被指数,NDVI)、光合作用估算及陆地碳模型等应用的基础。然而,多光谱数据在捕捉植物生理变化相关的细微光谱特征方面能力有限,难以处理作物病害、虫害及营养缺乏等复杂问题。高光谱遥感技术(如HICO、DESIS)的发展为上述应用提供了更高光谱分辨率的观测,但现有卫星高光谱传感器(如TROPOMI)的常规表面反射率产品(如最小朗伯等效反射率,LER;方向依赖LER,DLER)主要基于多年气候学数据或几何分箱,存在以下突出问题:①空间分辨率较低(约0.5°×0.5°),不能反映瞬时地表状态;②未考虑地表双向反射分布函数(BRDF)的各向异性,导致短波波段误差可达2倍以上;③缺乏实时的气溶胶校正,残留气溶胶影响会污染表面反射率信号。因此,亟需发展一种能够同时考虑气溶胶效应和地表BRDF的动态高光谱大气校正方法,以提升TROPOMI数据在陆地生态和大气成分反演中的应用价值。
**研究内容与意义**
本研究基于多角度大气校正算法(MAIAC)框架,将其扩展至TROPOMI传感器,实现了从紫外-可见-近红外(UV-VIS-NIR,340–495 nm和675–775 nm,5 nm分辨率)波段同时反演气溶胶光学厚度(AOD)和高光谱表面反射率(SR)。研究人员利用一年(2018年4月至2019年4月)的TROPOMI数据,在美国地区验证了AOD反演精度,并与现有TROPOMI LER/DLER产品进行了对比。结果显示,MAIAC-TROPOMI AOD与AERONET V3观测的相关系数通常超过0.7,约70%的匹配点落在期望误差(EE=±(0.05+0.15×AOD))内。与LER/DLER相比,MAIAC表面反射率在不同土地覆盖类型上均表现出更平滑的光谱曲线和更真实的季节物候特征,尤其是在植被区域,近红外(NIR)反射率的季节性振幅提高约20%–40%。该研究发表在《Remote Sensing of Environment》上,其重要意义在于:①为TROPOMI提供了首个基于物理大气校正的动态高光谱表面反射率产品,显著优于传统气候学产品;②该框架可扩展至未来高光谱任务(如PACE OCI、TEMPO、GEMS),支持更精确的痕量气体和大气成分反演;③为陆地表面过程(如植被物候、碳循环)提供了更可靠的高光谱输入。
**主要关键技术方法概述**(不超过250字)
本研究采用的关键技术方法包括:①基于时间序列的MAIAC算法,通过滑动窗口(K天,纬度依赖)积累多次观测,分离大气与地表贡献;②辐射传输查找表(LUT)生成,使用SHARM-IPC代码(线-线精度)结合HITRAN 2020气体吸收数据库(O
3、H
2O、O
2、NO
2),LUT参数化包括AOD
442(0–1.2)、水汽柱(0.5–5 cm)和地表气压(0.7–1.0 atm);③云掩膜算法(亮云测试、光谱云测试、空间变异性测试、O
2-A带高云测试);④AOD反演:基于蓝带(442 nm)光谱偏差和光谱回归系数(b
37),采用区域背景气溶胶模型(来自AERONET气候学),遍历LUT节点求最小代价函数;⑤空间AOD滤波与平滑,去除异常值;⑥高光谱大气校正:利用反演AOD和BRDF信息,在5 nm分辨率下输出Lambertian等效反射率(LER)。验证数据集来源:AERONET V3(美国地区)。
**研究结果**
**5.1 美国地区反演产品案例研究**
通过展示2018年多日期的MAIAC-TROPOMI AOD、云掩膜、BRF图像,并与MODIS AOD对比,发现:TROPOMI AOD能够捕捉区域尺度的气溶胶空间分布,尽管空间分辨率较粗(7 km),但与MODIS(1 km)整体一致;BRF图像平滑,表明大气校正有效。云掩膜显示,在密集云区TROPOMI AOD存在缺失,而MODIS在云隙间更完整。
**5.2 AOD与AERONET验证**
使用美国地区12个代表性AERONET站点的一年数据,进行时空匹配(25 km半径,30分钟窗口)。验证结果表明:MAIAC-TROPOMI AOD与AERONET的相关系数(R)普遍高于0.7,均方根误差(RMSE)和平均偏差(MBE)较小;约70%的匹配点落在期望误差(EE)内。在亮表面(如美国西部)存在较大偏差,可能源于高地表反射率和残留云污染降低了反演敏感性;在植被站点(如Santa Rita、Harvard Forest)表现稳健。
**5.3 表面反射率与LER/DLER的比较及土地覆盖类型特征**
研究人员选取12个代表不同IGBP土地覆盖类型的站点,对比了MAIAC表面反射率与TROPOMI LER、DLER。通过NIR波段季节性振幅定量评估,MAIAC的NIR峰值-谷值振幅比LER高约20%–40%,DLER处于中间水平。
**(1)森林生态系统(落叶阔叶林、混交林)**:MAIAC在森林站点(如Harvard Forest、Howland Forest)表现出更平滑的光谱和明显的季节变化(NIR在生长季峰值),而LER和DLER光谱变异性降低,物候信号减弱。在蓝-紫外波段(<500 nm),MAIAC与LER/DLER差异最大,表明后两者存在残留气溶胶影响。在O
2-A带(760–765 nm)附近,MAIAC显示出更有效的校正。
**(2)农田(Mead、Rosemount)**:MAIAC和DLER在农田站点显示出相似的季节变化(NIR在作物生长季增加),而LER光谱对比度和季节变异性较低,尤其在播种(4–5月)和收获(9–10月)期间。冬季或收获后,MAIAC和DLER能捕捉到地表变亮和光谱单调增加的趋势,LER则反应迟钝。
**(3)半干旱生态系统(木本稀树草原、草地)**:在Niwot Ridge和Santa Rita,NIR反射率振幅较小(峰值约0.25),季节行为复杂。MAIAC仍能反映混合植被的贡献,LER/DLER表现类似但变异性更弱。
**(4)干旱与稀疏植被表面(灌木地、裸地)**:在New Mexico、Railroad Valley、Goldstone,表面反射率随波长线性增加,所有产品均能捕捉,但MAIAC的波段间变异性更大。在O
2B带(~690 nm)和O
2A带过渡区(~720–730 nm)存在轻微欠校正,可能与水汽吸收有关。
**(5)永久湿地(Smith Island)**:反射率较低且光谱平坦,三种产品差异较小,MAIAC略高。
**总结与讨论**
本研究成功开发了基于MAIAC的TROPOMI高光谱大气校正框架,实现了AOD与高光谱表面反射率的同步反演。验证表明,AOD精度良好,表面反射率优于传统LER/DLER产品,能够更真实地反映植被物候和地表动态。然而,当前方法存在若干局限:①AOD反演在亮表面和复杂气溶胶条件下不确定性增加;②云掩膜缺乏红外波段测试,可能残留云污染;③水汽和氧气吸收校正依赖辅助数据(MODIS水汽),在强吸收波段(如720–730 nm)仍可见残留特征;④空间分辨率较粗(7 km),限制了细尺度应用。未来工作将聚焦于:全球范围AOD和表面反射率验证、亮表面和混合像元处理改进、水汽和氧气吸收校正优化(如评估替代水汽数据集),以及与其它TROPOMI气溶胶产品(如ESA业务产品、GRASP)的交叉比较。该框架可扩展至PACE OCI、TEMPO、GEMS等未来高光谱任务,为大气成分和陆地应用提供更准确、时间一致的表面反射率输入。
**结论部分翻译**:
高光谱表面反射率是准确反演大气成分(包括气溶胶和痕量气体)的必需组成部分,在森林管理、土地覆盖变化分析和陆地碳模型等众多陆地应用中发挥着关键作用。在本研究中,研究人员基于MAIAC MODIS算法的传统,开发并演示了基于MAIAC的TROPOMI AOD和高光谱表面反射率反演框架。此方法代表了MAIAC框架的高光谱扩展,其中MAIAC AOD为大气校正提供了主要约束。MAIAC框架通过时间序列和BRDF耦合的大气校正方法,适应了TROPOMI每日一次过境和较粗空间分辨率(~7 km)的特点。当前阶段,研究人员在美国部分TROPOMI观测上进行了MAIAC气溶胶反演和高光谱大气校正算法的原型验证。一年内MAIAC-TROPOMI AOD与AERONET观测的验证显示总体一致性良好,相关系数通常超过~0.7,在大多数植被区域表现稳健。较大偏差主要出现在美国西部光学亮表面,凸显了高反射率和异质背景上气溶胶反演的持续挑战。与现有TROPOMI气候学产品(LER和DLER)的比较表明,反演的高光谱表面反射率呈现清晰的地表类型依赖性行为。在植被表面(落叶阔叶林、混交林和农田),MAIAC产生更平滑的光谱,具有更真实的时间动态和物候季节性,包括NIR中明显的返青、成熟和衰老特征。相比之下,LER和DLER倾向于表现出降低或改变的光谱变异性,并显示蓝-紫外波段存在未补偿的气溶胶影响,与它们的气候学本质和有限的气溶胶校正一致。在农田上,MAIAC捕捉了与作物生长和收获周期相关的强烈季节转换,而LER(以及较小程度上的DLER)的时间响应被抑制。在光学亮表面类型(草地、稀疏灌木地和裸地/稀疏植被站点)上,所有产品都再现了预期的反射率随波长近线性增加,但在幅度和光谱平滑度上仍存在差异;MAIAC通常表现出比DLER更大的波段间变异性。在多个站点类别中,在氧气吸收区域附近(例如~690 nm和720–730 nm,以及O
2 A带760–765 nm附近)的残留小特征表明,需要进一步改进气体吸收处理和相关辅助约束,特别是考虑到本研究所用光谱范围在940 nm附近对水汽吸收的直接敏感性有限。总体而言,结果表明,应用于TROPOMI的基于MAIAC的高光谱大气校正提供了一个物理上一致且时间上响应的表面反射率产品,比现有气候学替代品更适合大气成分反演和陆地表面研究。未来工作将聚焦于:(i)在主要生物群落和表面亮度状态下进行全球范围的AOD和表面反射率验证;(ii)改进反演灵敏度降低的亮表面和混合像元的处理;(iii)增强水汽和氧气吸收校正的约束,包括评估替代的辅助水汽数据集和基于反演的方法。未来工作还将包括与其他可用TROPOMI气溶胶产品(如ESA业务产品和GRASP产品)的比较,以进一步评估气溶胶反演的稳健性及其对高光谱表面反射率的影响。未来工作还将包括在可用情况下,与地面高光谱表面反射率测量和专用卫星校准/验证数据集进行验证。除了TROPOMI,这项工作建立了一个可转移的基于MAIAC的框架,可扩展到未来的高光谱任务,例如NASA PACE任务上的OCI,以及需要准确、时间一致的表面反射率以最小化气溶胶和痕量气体产品反演偏差的地球静止轨道紫外-可见传感器。尽管当前的框架由于计算和实施限制尚未优化到可直接集成到TROPOMI业务处理链中,但它提供了一种物理一致的方法,可为未来算法开发提供参考。该方法特别适用于需要准确、时间分辨的表面反射率以改进大气反演的任务,如TEMPO和PACE OCI。