来自EPIC/DSCOVR深空任务的每小时气溶胶光学质心高度（AOCH）数据产品的第2个版本

《Remote Sensing of Environment》：Version 2 of hourly aerosol optical centroid height (AOCH) data product from EPIC/DSCOVR in deep space

　　摘要
位于日地拉格朗日-1点轨道上的地球多光谱成像相机（EPIC）每隔1-2小时提供10个波段的太阳照射地球图像，覆盖从紫外线（UV）到近红外（NIR）的范围。本文介绍了用于从EPIC的可见光（443和680纳米）及氧气吸收（688和764纳米）波段中获取气溶胶光学厚度（AOD）和气溶胶光学质心高度（AOCH）的算法第2版本（以下简称AOCH-v2算法）。EPIC AOCH-v2算法与第1版本（AOCH-v1算法）在多个方面有所不同：首先，通过使用两个紫外波段（340和388纳米）独立计算紫外气溶胶指数（UVAI），以识别用于AOCH反演的吸收性气溶胶；其次，更新了气溶胶折射率的实部，以适应北美地区大规模烟雾情况下的新的烟雾气溶胶模型，同时保留了来自气溶胶机器人网络（AERONET）气候学的原始烟雾模型用于背景气溶胶情况；第三，开发了一种新的AOD反演方案，利用气候学表面反射率比来限制表面反射率的误差；最后，改进了云层遮罩方案，以更好地筛选明亮表面的云层。与AOCH-v1算法相比，EPIC AOCH-v2算法的反演结果与AERONET数据更为吻合。针对正交偏振云-气溶胶激光雷达（CALIOP）测量的评估表明，AOCH-v2算法显著减少了AOCH的过高估计，这表明通过更好地表征表面反射率、改进AOD反演以及更新烟雾气溶胶模型，EPIC AOCH反演的不确定性得到了显著降低。

引言
气溶胶的总柱浓度及其垂直分布是研究气溶胶对生态系统、气候和地表空气质量影响的关键参数（Val Martin等人，2013；Wang和Christopher，2003；Yu等人，2015；Zarzycki和Bond，2010）。地面、机载和空间仪器的观测大大提高了我们对气溶胶在环境和气候系统中作用的理解。然而，地面和飞机测量的空间或时间覆盖范围有限，无法全面测量全球范围内气溶胶特性的变化（Diner等人，2004）。目前，卫星遥感是唯一能够每日获取气溶胶光学厚度（AOD）和气溶胶层高度（ALH）全球分布的方法（Kim等人，2025）。过去二十年中，来自低地球轨道（LEO）卫星传感器（如中分辨率成像光谱辐射计（MODIS）、可见光红外成像辐射计套件（VIIRS）和对流层监测仪器（TROPOMI）的气溶胶参数反演，极大地增进了我们对气溶胶的空间和时间分布、来源和传输及其对环境和气候影响的理解（Hsu等人，2013；Hsu等人，2004；Jackson等人，2013；Kaufman等人，1997；Levy等人，2007；Lyapustin等人，2018；Torres等人，2020）。然而，目前缺乏来自空间仪器的全球气溶胶垂直分布的反演数据。这是因为主动式传感器的空间分布稀疏（Winker等人，2009；Yorks等人，2016），而被动式传感器通常会产生较大的不确定性（Nanda等人，2020；Park等人，2016；Xu等人，2018）。已经开发了几种算法使用不同的被动遥感技术来反演ALH，例如立体摄影测量（Nelson等人，2013）、红外热技术（Lyapustin等人，2020；Vandenbussche等人，2013）、紫外或深蓝波段的偏振测量（Wu等人，2016）、氧气或氧气二聚体吸收光谱（Lyapustin等人，2025；Park等人，2025）以及机器学习技术（Tian等人，2024）。然而，由于固有的观测和方法学限制，被动ALH反演仍然具有挑战性。这些限制包括太阳同步卫星的时间采样限制（Nanda等人，2019；Nelson等人，2013；Vandenbussche等人，2013）、地球静止平台的空间覆盖不完整（Park等人，2025；Zhang等人，2025）、特定物理假设或有利观测条件下的方法依赖敏感性（例如，立体摄影方法中的气溶胶羽流的空间变异性和纹理对比度（Nelson等人，2013）以及红外技术中对表面发射率和温度剖面的假设（Lyapustin等人，2020；Vandenbussche等人，2013），以及数据驱动方法在未见情况下的泛化能力不足（Tian等人，2024）。这些因素共同导致了不同方法反演的ALH存在较大的不确定性以及有限的时空代表性。在本文中，我们介绍了地球多光谱成像相机（EPIC）的AOCH算法第2版本（AOCH-v2），其AOD和气溶胶光学质心高度（AOCH）的反演性能优于AOCH-v1算法。AOCH定义为在假设气溶胶消光分布呈准高斯分布的情况下，气溶胶消光达到峰值的高度（Xu等人，2019；Xu等人，2017）。EPIC AOCH产品专门针对吸收性气溶胶（即烟雾和尘埃）设计，这些气溶胶经常被输送到对流层，并通过长距离传输对气候、空气质量和生态系统产生重大影响（Torres等人，2012）。EPIC搭载在深空气候观测站（DSCOVR）卫星上，从拉格朗日-1点的深空位置每隔1-2小时测量地球的日照侧10个光谱波段（Marshak等人，2018）。这些光谱通道包含对气溶胶垂直分布敏感的氧气A波段（764纳米）和B波段（688纳米）。基于从EPIC获取AOD和AOCH的研究算法（Lu等人，2021；Xu等人，2019；Xu等人，2017），我们在2022年开发了AOCH-v1操作产品，并在美国国家航空航天局（NASA）兰利研究中心大气科学数据中心进行了发布（https://asdc.larc.nasa.gov/project/DSCOVR/DSCOVR_EPIC_L2_AOCH_01）。与通常每天只对某个地点进行一次观测的常规LEO卫星传感器（如MODIS和TROPOMI）相比，EPIC能够从日地拉格朗日-1点提供几乎每小时的整个日照半球的观测数据。这种独特的观测几何结构使我们能够持续监测区域到半球尺度上的气溶胶羽流的快速演变和长距离传输，同时还能表征ALH的日变化，并在固定区域建立长期气候记录（Ahn等人，2021；Lu等人，2023a；Lu等人，2021；Xu等人，2019；Xu等人，2017），提供了LEO平台无法提供的观测能力。尽管AOCH-v1证明了从EPIC观测中反演AOCH的可行性，但其性能受到云层筛选、气溶胶光学模型和表面反射率表征的不确定性限制，这促使我们开发了AOCH-v2。AOCH-v2反演算法包括以下关键更新：(a) 修改云层遮罩方案以改善明亮表面的云层筛选；(b) 增加了适用于大AOD条件的烟雾气溶胶光学模型；(c) 设计了一种迭代方案，利用表面反射率比来限制AOD反演；(d) 计算紫外气溶胶指数（UVAI），减少EPIC视场边缘的伪影。我们使用正交偏振云-气溶胶激光雷达（CALIOP）测量数据评估了AOCH-v2算法的反演结果。与其他ALH反演算法的全面比较，包括大尺度空间模式、季节性和年际变化、逐像素比较的总体统计以及基准案例评估，超出了本研究的范围，将在未来的工作中进行。我们还比较了我们的AOCH-v2算法与EPIC近紫外气溶胶（EPICAERUV）算法的UVAI结果（Ahn等人，2021）。通过弥合主动式激光雷达的空间差距和传统LEO被动传感器的时间限制，EPIC AOCH-v2产品为吸收性气溶胶的垂直分布提供了独特的观测约束。它有助于理解与长距离传输的烟雾和尘埃相关的地表空气质量影响（Chen等人，2021；Val Martin等人，2013），并支持在气候模型中更精确地量化气溶胶辐射强迫（Ge等人，2014；Zarzycki和Bond，2010；Zhang等人，2013），以及通过调节大气成分和沉积过程评估气溶胶对生态系统和环境系统的影响（Rizzolo等人，2017；Yu等人，2015；Yu等人，2019）。本文的其余部分组织如下：第2节介绍了EPIC仪器的特点和本研究中使用的EPIC Level 1B数据以及其他数据集。第3节描述了算法的新发展，包括云层筛选方案的更新、新的烟雾气溶胶模型、表面反射率比的推导以及新的AOD和AOCH反演算法。第4节展示了新算法的AOD、AOCH和UVAI评估结果。第5节给出了总结。

**EPIC L1B数据**
EPIC是搭载在DSCOVR卫星上的多光谱成像仪，该卫星于2015年2月发射至日地拉格朗日-1轨道。它使用30厘米孔径的Cassegrain望远镜，每隔1-2小时提供10个波段的太阳照射地球盘面后向散射太阳辐射测量数据，覆盖从紫外线到近红外的范围。测量频率取决于季节。EPIC测量的空间分辨率在 nadir 处约为10公里，在60°的观测天顶角处约为20公里。

**新的云层遮罩方案**
我们设计了新的云层筛选方案，并在EPIC AOCH-v2算法中应用了该方案。EPIC AOCH-v1算法通过在443纳米和551纳米波段对陆地和水面进行空间变异性测试来实现云层遮罩，同时对陆地表面在443纳米和680纳米波段进行亮度测试，对水面则在443纳米、680纳米和780纳米波段进行测试（Xu等人，2019）。其基本原理是云层通常比无云区域表现出更高的空间异质性和反射率。

**AOCH的评估**
AOD是EPIC AOCH反演中的一个中间变量，下文从总体性能角度对其进行了评估。图8展示了2021年AOCH-v1和AOCH-v2算法对AERONET数据的全球EPIC AOD反演结果进行评估。AERONET基于的验证包括大陆站点和有限数量的岛屿或沿海站点。耦合策略是EPIC像素位于AERONET站点50公里范围内，且AERONET测量数据在30分钟以内。

**结论**
本文提出了AOCH-v2算法，用于从EPIC测量数据中反演几乎每小时的AOD、AOCH和UVAI。AOD、AOCH和UVAI分别从蓝色和红色波段（443和680纳米）、氧气吸收波段（688和764纳米）以及两个紫外通道（340和388纳米）中获取。与AOCH-v1算法相比，AOCH-v2算法包括以下修改：(a) 更新了云层遮罩方案，以减少明亮表面的云层过度筛选；(b)增加了新的烟雾气溶胶模型。

**作者贡献声明**
Lu Zhendong：可视化、验证、方法论、调查、形式分析、数据整理、写作 - 审稿与编辑、原始草稿撰写；
Wang Jun：监督、资源协调、项目管理、方法论、资金获取、概念化、写作 - 审稿与编辑；
Chen Xi：监督、软件开发、形式分析、写作 - 审稿与编辑；
Zhou Meng：监督、形式分析；
Xu Xiaoguang：软件开发、写作 - 审稿与编辑；
Park Yeonsu：数据整理；

**利益冲突声明**
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。