《Remote Sensing》：Machine Learning-Based Atmospheric Radiation Calculation Incorporating Earth Curvature
编辑推荐：
平面平行大气辐射传输模型忽略了地球曲率，导致在大天顶角条件下存在显著的光学路径误差，限制了卫星遥感反演的精度。完全球面蒙特卡罗模型能够精确表征曲率和多次散射效应，但其高昂的计算成本限制了其在快速或业务化计算中的应用。伪球面近似方法虽然计算效率较高，但通常在多次
平面平行大气辐射传输模型忽略了地球曲率，导致在大天顶角条件下存在显著的光学路径误差，限制了卫星遥感反演的精度。完全球面蒙特卡罗模型能够精确表征曲率和多次散射效应，但其高昂的计算成本限制了其在快速或业务化计算中的应用。伪球面近似方法虽然计算效率较高，但通常在多次散射计算中保留平面平行假设，这可能降低其在含气溶胶和云大气中的精度。为克服这些限制，本研究构建了一个物理引导、数据驱动的框架，用于实现高效的球面辐射估算。利用蒙特卡罗辐射传输模型生成了代表性晴空、含气溶胶和云天大气场景的参考球面辐射值。随后训练了一个极端梯度提升（XGBoost）模型，将平面平行辐射映射至其在450、550和650 nm波长处的球面对应值。预测变量包括波长、太阳天顶角（SZA）、观测天顶角、方位角、不对称因子、地表反照率、光学厚度、单次散射反照率、单一气溶胶或云层的中心高度以及平面平行辐射。在独立测试集上，XGBoost模型实现了5.71%的平均绝对百分比误差（MAPE）。在用于比较三种方法的共同晴空子集上，平面平行和伪球面模型对应的MAPE分别为29.61%和19.65%。这些结果表明，所提出的模型能够显著减少与曲率相关的辐射误差，同时在本研究考虑的大气场景中保持较高的计算效率。
论文解读：基于机器学习的大气辐射计算中地球曲率效应的建模方法
**1. 研究背景与问题**
大气辐射传输模型是卫星遥感反演的基础支撑，其计算精度直接决定遥感数据的质量与应用价值。然而，传统模型普遍采用平面平行大气假设，忽略地球曲率特征。在平面平行模型中，光线在水平均匀大气层内近似直线传播，路径长度仅由天顶角决定。当观测天顶角（VZA）较大（≥75°）时，由于忽略地球曲率，光路径模拟误差显著增大。例如，当太阳天顶角（SZA）为85°时，平面平行假设造成的辐射误差可达12%，直接影响气象卫星的遥感精度。在球面大气模型中，大气呈包围地球的球壳结构，光线沿径向或非径向路径传播，其路径长度和方向与平面平行模型存在差异。尤其在黎明黄昏时段和高纬度地区，大太阳天顶角使光传播路径延长，球面曲率影响更为突出。平面平行与球面大气模型间的辐射相对差异在高SZA和VZA条件下非常显著。
为消除平面平行近似的系统误差，研究者发展了多种球面大气模型。早期理论框架（如Bellman、Smokty、Rozenberg等）奠定了球面大气光散射的数学基础，但大多忽略了多次散射的复杂动力学。Marchuk将蒙特卡罗（MC）技术引入大气光学，通过随机追踪光子历史（包括自由路径传播、吸收、气体/气溶胶/云粒子的散射以及大气和地表边界相互作用），显式表征多次散射过程。球面大气计算中，地球曲率通过同心大气层几何结构和光子轨迹与层界面的交点直接纳入，无需经验曲率校正。MC方法（如MYSTIC）被公认为模型验证的参考标准，但统计收敛需要追踪大量光子，计算成本极高，难以用于快速业务化处理。为缓解计算延迟，伪球面近似（PSS）策略被提出，它保留平面平行结构进行多次散射计算，通过角度校正提供足够精度，如SCIATRAN模型。然而，PSS在多次散射部分仍依赖平面平行假设，当天顶角超过84°时输出可靠性急剧下降。Spurr等将球面校正集成到LIDORT和VLIDORT框架中，但独立评估显示这些求解器的有效观测天顶角限制在79.9°以下。近期发展的改进伪球面方案（IPSS）基于多次散射与单次散射比值在平面平行和球面几何中一致的假设，在理想纯瑞利散射测试中表现出高精度，但在复杂气溶胶和云层主导的浑浊气象条件下的性能尚未得到严格验证。
近年来，机器学习与物理模型的结合为解决此类问题提供了新思路。例如，Lagerquist等利用知识引导的U-net++深度学习模型模拟短波快速辐射传输模型（RRTM），将计算加速约4个数量级；Weber等结合空间近似和人工神经网络实现偏振三维辐射传输的快速正演算子；Pal等在超级参数化能量百亿亿次地球系统模型（SP-E3SM）中应用深度神经网络替代辐射传输计算，以8-10倍的计算成本降低获得90-95%的精度。这些研究展示了物理引导数据驱动方法的潜力。
**2. 研究目标与方法**
本研究旨在解决传统球面大气辐射传输计算的高计算复杂性和差时效性问题。研究人员构建了一个物理引导、数据驱动的框架，利用XGBoost机器学习模型实现从平面平行辐射到球面辐射的高精度、高效率映射。研究数据基于libRadtran软件包（版本2.0.4）生成，采用内置的MYSTIC蒙特卡罗算法分别模拟平面平行和球面大气条件下的辐射值。研究选取了六个标准大气廓线（热带、中纬度夏季、中纬度冬季、亚北极夏季、亚北极冬季、美国标准大气），大气柱离散为50层，垂直网格非均匀分布。模拟波长基于风云三号F星（FY-3F）上中分辨率光谱成像仪-III（MERSI-III）的可见光通道中心波长，选取450、550和650 nm。SZA范围0°-89°，在70°-89°高角度区间加密采样；VZA范围0°-79°，对大于60°的大角度加强覆盖。气溶胶光学参数来自OPAC数据库，包括可溶性硫酸盐气溶胶（SUSO）、海盐粗模态（SSCM）、黑碳（SOOT）和水溶性气溶胶（WASO），以覆盖不同光学特性。云场景包括积云和卷云，微物理数据参考OPAC数据库。引入关键参数——气溶胶或云层中心高度（h），层厚度固定为1 km。数据集经过清洗：剔除负值、检查平面平行与球面辐射比值（0.05-20范围）、去除极端值（0.1%尾部），过滤约1.40%数据后得到12,517个样本。XGBoost模型输入特征包括波长、SZA、VZA、方位角、不对称因子、地表反照率、光学厚度、单次散射反照率、中心高度和平面平行辐射，目标变量为球面辐射。数据集按分层随机抽样分为训练集（70%）和独立测试集（30%），超参数通过10折交叉验证优化，最终配置为300个估计器。评估指标包括平均误差、中位误差、标准差、95百分位相对误差（P95）和平均绝对百分比误差（MAPE）。
**3. 研究结果**
**3.1 整体性能评估**
在独立测试集（N=3703）上，XGBoost模型相比平面平行模型显著提升了精度：平均误差从38.96 W m?2 sr?1 nm?1降至4.06 W m?2 sr?1 nm?1，标准差从81.39降至8.19 W m?2 sr?1 nm?1，P95从81.63%降至17.54%，MAPE从29.06%降至5.71%。这表明模型不仅校正了平面平行近似的系统偏差，还减小了误差离散度和上尾幅度。
**3.2 大角度性能**
针对SZA≥75°（N=2753）和VZA≥75°（N=1447）的子集，XGBoost模型保持稳定精度，MAPE分别不超过6.53%，P95不超过20.25%。证明模型成功捕捉并校正了导致传统模型在大天顶角下失效的非线性球面几何效应。
**3.3 与伪球面模型的比较**
在300个晴空样本的公共子集上，平面平行模型MAPE为29.61%，伪球面模型为19.65%，而XGBoost模型仅为4.64%。散点图显示平面平行和伪球面模型在高辐射值区域明显低估，而XGBoost模型预测点紧密分布在1:1参考线附近。误差概率密度分布中，XGBoost的误差分布更窄且更集中于零。
**3.4 不同SZA区间的误差分析**
按SZA分为低、中、大角度区间，平面平行和伪球面模型的MAPE均随SZA增大而增加，在大角度区间分别达38.67%和24.35%，而XGBoost模型仅为5.78%。相对于平面平行模型，MAPE绝对减少32.89个百分点（相对减少85.05%）；相对伪球面模型减少18.57个百分点（相对减少76.26%）。表明XGBoost提升在大SZA下最显著。
**3.5 特征重要性分析**
晴空条件下，平面平行辐射贡献最高（26.6%），其次为波长（19.6%）、VZA（17.4%）、SZA（14.4%）、地表反照率（13.4%）和方位角（8.6%）。非晴空条件下，平面平行辐射仍占26.6%，光学厚度升为第二（18.2%），中心高度贡献12.0%，而波长和地表反照率重要性骤降至1.5%和1.0%。这反映了模型在不同大气状态下对物理参数的动态依赖。
**4. 讨论与结论**
讨论部分指出当前模型的局限性：数据集未覆盖矿物粉尘气溶胶、其他冰云和混合相云、多层云场景；温度、压力、相对湿度未独立变化；固定相对湿度50%限制湿度依赖的吸湿增长表征；地表假设为朗伯体，未考虑BRDF效应；数据驱动方法外推可靠性需进一步验证。此外，研究探索了将模型扩展至偏振辐射计算，通过添加Q/I特征预测偏振信息，在70个晴空样品上获得R2=0.9975。
结论部分总结：本研究建立了基于XGBoost的映射模型，实现从平面平行辐射到球面辐射的高精度高效转换。相比蒙特卡罗物理模型，计算效率提升约285倍（在Intel Core i5-10200H CPU上，批量3500样本多线程处理）。相比平面平行和伪球面模型，大幅减小了球面几何效应引起的辐射偏差，平均误差降至4.06 W m?2 sr?1 nm?1，标准差降至8.19 W m?2 sr?1 nm?1，在极端角度（SZA或VZA≥75°）下仍保持关键改进。在300个晴空案例中，传统方法因MAPE过大失效，而XGBoost模型保持约4.64%的MAPE。平面平行辐射在所有场景中保持26.6%的稳定贡献，为球面辐射预测提供基础基线。该模型为卫星遥感数据的大气校正提供了新方法，展示了机器学习通过数据驱动方式桥接简化模型与真实物理过程的巨大潜力。未来研究可扩展至更广泛的大气廓线，包括极端条件，并通过纳入温度-气压剖面等气象参数来量化其对球面辐射传输路径的非线性影响。
