《Astroparticle Physics》:Retrievals of smoke particle properties using AirMSPI measurements acquired during FIREX-AQ field campaign
编辑推荐:
基于优化策略的多角度极化观测烟粒属性反演方法研究,通过三步优化与深度神经网络加速的辐射传输模型,有效缓解了传统平面平行大气模型在烟羽三维结构下的不连续性问题。与AERONET及eMAS数据对比显示,排除±65°和±57°四个倾斜观测角后,气溶胶光学深度(AOD)误差控制在±0.05内,空间结构一致性达85%以上。敏感性测试表明,3-5个±45.8°内观测角配置可平衡模型误差与信息捕获效率,但单视角初始化仍存在10-15%的系统性偏差,主要源于烟粒时空异质性的耦合影响。
Benting Chen|Congcong Qiao|Feng Xu|Olga V. Kalashnikova|Yingxi Rona Shi
俄克拉荷马大学气象学院,诺曼,OK,73072,美国
摘要
本文提出了一种基于优化的方法,用于从“火灾对区域到全球环境的影响-空气质量(FIREX-AQ)”野外活动中由机载多角度光谱偏振成像仪(AirMSPI)获取的观测数据中反演烟粒子的属性。该框架采用三步优化策略来减少独立反演的图像块之间的不连续性,并结合了深度神经网络加速的辐射传输模型以提高反演效率。反演得到的气溶胶产品与AERONET参考数据以及增强型MODIS机载模拟器(eMAS)的反演结果进行了比较。在晴朗天空条件下,反演得到的气溶胶光学厚度(AOD)与AERONET数据的差异在±0.05以内。对于AOD中等到高的烟羽,AirMSPI反演的空间模式与eMAS反演的结果一致。通过排除四个最倾斜的观测角度(即±65°和±57°),可以获得最佳的一致性。敏感性测试表明,在±45.8°范围内使用三个到五个AirMSPI角度可以在减轻平行于平面的大气建模误差的同时保持多角度观测的信息丰富性。然而,即使使用多角度反演结果进行初始化,单角度反演仍会显示出差异,这可能是由于烟粒子性质的时间演变和烟羽内部的空间非均匀性共同作用的结果。
引言
偏振测量和多角度观测极大地提高了我们反演气溶胶属性的能力:与传统的单角度、非偏振测量相比,它们提供了更高的准确性和更少的歧义。通过结合角度和偏振敏感性,多角度偏振测量能够对关键粒子微观物理特性(如尺寸分布、形状和折射率)提供强有力的约束。作为先驱的卫星搭载多角度偏振仪,“地球反射率的偏振和方向性”(POLDER)仪器在可见光到近红外波段内的16个角度方向上同时测量辐射度和偏振度,成功实现了对气溶胶吸收和微观物理特性的同时约束(Deschamps等人,1994年;Deuzé等人,2001年;Mishchenko和Travis,1997年)。POLDER之后是MetOp-SG上的“多视角、多通道、多偏振成像仪”(3MI)(Fougnie等人,2018年),它覆盖了更宽的光谱范围。在过去二十年里,还开发了一些机载多角度偏振仪(MAP),如研究扫描偏振仪(RSP,Cairns等人,1999年)、机载多角度光谱偏振成像仪(AirMSPI,Diner等人,2013年)、AirHARP(Puthukkudy等人,2020年)和SPEX机载仪(Smit等人,2019年)。这些仪器在空间、光谱或角度领域捕获高分辨率图像,为卫星搭载的传感器(如多角度气溶胶成像仪MAIA,Diner等人,2018年;HARP2,McBride等人,2024年;SPEXone,Hasekamp等人,2019年)提供了宝贵的原型。HARP2和SPEXone偏振仪已被PACE(浮游生物、气溶胶、云、海洋生态系统)任务部署(Werdell等人,2019年),这些任务最近成功发射,扩展了我们的区域或全球气溶胶监测能力。
为了从偏振观测数据中反演气溶胶属性,已经开发了多种气溶胶反演算法(Dubovik等人,2019年;Kokhanovsky等人,2007年)。其中一种流行的方法是基于优化的反演方法,它允许在反演过程中同时施加观测约束和先验的物理约束(Dubovik和King,2000年),该方法已成功应用于MAP数据或MAP和激光雷达测量的联合反演(Lopatin等人,2021年;Xu等人,2021年)。除了处理真实数据外,基于优化的反演方法还被用来确定在给定偏振传感器成本限制下,为了最大化反演气溶胶地球物理变量的科学回报所需的最佳观测角度数量和光谱带配置。研究发现,虽然增加观测角度的数量和角度多样性通常可以提高对气溶胶微观物理特性的敏感性(如粒子尺寸分布和折射率,Mishchenko和Travis,1997年;Xu等人,2016年),但这种效益在超过某些阈值后趋于“饱和”。例如,使用模拟数据和从多次野外活动中获得的真实机载MAP测量数据进行的反演测试表明,使用两个到五个观测角度可以获得气溶胶量和单次散射反照率的显著提高,而超过五个角度时则收益较小(Wu等人,2015年;Xu等人,2017年)。然而,这些研究主要关注晴朗天空条件下的气溶胶反演,假设大气层是平行于平面的。每个层次都被假设为水平延伸至无限远,且气溶胶粒子的浓度和整体性质是均匀的。然而,这一假设不适用于野火烟雾的气溶胶排放,因为气溶胶分布及其性质存在空间非均匀性。已经进行了多次野外活动,部署了多种机载仪器来更好地研究烟羽的气溶胶特性及其对区域气候的影响。例如,“火灾对区域到全球环境的影响-空气质量(FIREX-AQ)”活动专注于美国西部的野火事件(Warneke等人,2023年),其目标是量化火灾排放并了解它们对大气成分和空气质量的影响。FIREX-AQ为评估MAP反演在烟雾条件下的性能以及角度采样几何形状如何影响此类复杂环境中的气溶胶特征提供了宝贵的机会。
大多数现有的多角度偏振气溶胶反演算法基于独立像素近似,并隐含或明确假设每个反演柱内的气溶胶和表面属性具有水平均匀性,这与平行于平面的大气表示一致。在晴朗天空或区域气溶胶均匀的条件下,这一假设通常是合理的,并已在MAP反演研究中得到广泛采用。然而,野火烟雾羽流代表了根本不同的观测情况。它们具有强烈的三维结构、明显的水平梯度和快速的空间时间演变,这些都违反了传统反演框架所基于的水平均匀性假设。因此,多角度偏振仪的不同观测角度可能会采样到羽流的不同部分,当所有视图都在一个平行于平面的大气柱内解释时,会导致系统性的建模误差。这些挑战促使了本研究,该研究使用FIREX-AQ活动期间获取的AirMSPI观测数据作为测试平台,系统地检验和减轻传统MAP气溶胶反演在复杂野火羽流环境中的局限性。在这项工作中,我们旨在开发一种高效且改进的AirMSPI算法来表征由羽流产生的气溶胶粒子。该仪器安装在ER-2飞机的机头部分。在FIREX-AQ活动期间,AirMSPI提供了高空间分辨率的烟羽多角度光谱-偏振图像。通过案例研究,我们将展示羽流的三维几何结构对假设平行于平面的大气的气溶胶反演准确性的影响,并寻找一组最佳观测角度来减轻这种影响。本文的结构如下:第2节描述了反演算法的一般结构,第3节描述了本研究使用的数据集。第4节描述了将AirMSPI反演结果与地面气溶胶机器人网络(AERONET)获取的参考数据以及增强型MODIS机载模拟器(eMAS,Ellis等人,2011年)的气溶胶产品进行验证的情况。此外,还讨论了观测角度采样对气溶胶光学厚度(AOD)反演的影响。第5节探讨了使用多角度反演作为先验来改进单角度反演的潜力。在此基础上,独立反演目标羽流的多角度视图图像,允许在多角度采集的短时间内考虑野火羽流中烟粒子的时间变化。第6节提供了简要总结和展望。
反演算法的一般结构
AirMSPI采用的首个气溶胶反演方法是基于优化的方法。其前向模型使用了马尔可夫链辐射传输(RT)方法和加双倍法(MarCh-AD)。为了约束气溶胶属性,结合了MAP测量数据以及相邻像素之间的平滑性约束,假设气溶胶属性在水平方向上具有平滑变化(Dubovik等人,2011年)。该算法使用27个
AirMSPI
AirMSPI是一种八波段(355、380、445、470、555、660、865、935纳米)的推扫式相机,安装在云台上。在470、660和865纳米波段进行偏振测量(BRF、q、u)。多角度观测覆盖了±67°的轨迹角度范围。AirMSPI有两种工作模式:(1)“步进和固定”模式,提供最多九个观测角度的测量,空间分辨率为约10米;(2)“连续扫描”模式,空间分辨率为约25米(Diner等人,2013年)。
与AERONET参考AOD的比较
根据第3.2节描述的配准标准,确定了三个与AERONET观测结果一致的AirMSPI场景。这些匹配的情况通常具有相对晴朗的天空条件,没有明显的羽流非均匀性。因此,本研究中的AERONET比较主要作为在这些条件下的 consistency 检查。案例的详细信息总结在表2中。对于每个案例,所有可用的观测角度都用于气溶胶反演。
超出AOD的气溶胶属性
除了AOD之外,AirMSPI反演还提供了一组气溶胶微观物理属性,如尺寸分布和非球形粒子比例,以及派生的气溶胶产品(如SSA),还有气溶胶层位置信息(如有效气溶胶层高度(Hasl)。
虽然本研究中没有可用于验证AirMSPI反演的除AOD之外的微观物理属性的参考数据,但我们使用532纳米处的CPL消光剖面来进行评估
总结与展望
我们开发了一种基于多步骤优化的反演方法,使用偏振测量数据来反演烟粒子属性。该方法确保了反演得到的气溶胶参数在相邻图像块之间的空间连续性以及反演效率。后者是通过使用带有神经网络训练的马尔可夫链辐射传输模型来进一步提高计算速度实现的。然后将这种方法应用于FIREX-AQ活动期间AirMSPI获取的数据。
CRediT作者贡献声明
Benting Chen:概念化、数据整理、正式分析、调查、可视化、初稿撰写、审稿与编辑。Congcong Qiao:撰写、审稿与编辑。Feng Xu:概念化、资金获取、方法论、监督、撰写、审稿与编辑。Olga V. Kalashnikova:撰写、审稿与编辑。Yingxi Rona Shi:撰写、审稿与编辑。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
我们感谢NASA戈达德太空飞行中心的George T. Arnold和Robert C. Levy帮助我们获取eMAS气溶胶产品,以及俄克拉荷马大学的Jens Redemann教授提供的有益讨论。作者还感谢AirMSPI、eMAS、CPL和AERONET团队提供和维护本研究使用的数据。部分工作是在加州理工学院的喷气推进实验室进行的,该工作是在与国家