Aeolus UV 表面の高感度が表面反射率に戻る

Scientific Reports volume 13、記事番号: 17552 (2023) この記事を引用

メトリクスの詳細

地球規模の紫外 (UV) 表面反射率気候学はすべて、反射された UV 光の昼光受動的リモートセンシング観察から構成され、一般に、達成可能な反射方向の分布にわたって統合されます。私たちは、Aeolus LIDAR 表面反射率 (LSR) の表面特性に対する感度を発見し、アクティブリモートセンシングを地球規模での一方向 UV 表面反射率を取得するために効果的に使用できるという最初の証拠を提供しました。 LSR は、TROPOMI と GOME-2 からのランバート等価反射率 (LER) 気候学で確認できる、サハラ砂漠の表面反射率の毎月の変化を再現します。グリッド化された LSR と LER 気候の間の非常に高い相関関係 (r > 0.90) が、36 の異なる地域について地球規模および地域規模で報告されています。 Aeolus LSR 信号から 3 つの明確な土地被覆勾配が識別されます: (1) 水域/陸地、(2) 植生/乾燥地域、および (3) 雪なし/雪。最も強い LSR 信号は雪上で取得されましたが、植生上では、LSR と植生インデックス代理の間に中程度の負の一致 (r < − 0.60) が見つかりました。全体として、Aeolus を使用して一方向 UV 表面反射率を取得するための最初のアクティブリモートセンシング方法の成功が実証されました。私たちのアプローチは、受動的機器とは異なり、Aeolus が夜間観測も提供するため、未解決の土地、特に高緯度での積雪の変化を検出するために効果的に使用できます。

紫外 (UV) 波長における表面反射率特性に関する知識が限られていることが、これまでの研究で矛盾した結果の原因となっていました 1。人間の UV 曝露を理解し、355 nm2 での正確なエアロゾル光学深さ推定値を取得するには、UV 表面反射率特性を知る必要があるため、このギャップは特に懸念されます。最も重要なことは、微量ガス、エアロゾル/雲の宇宙リモートセンシング、または化学輸送モデルなど、正確な放射伝達モデリングを必要とするアプリケーションでは、表面反射率に関する情報が前提条件であるということです。それに加えて、UV 波長における白い表面の強力な表面反射率特性 3,4 により、正確で高解像度の UV 表面反射率マップが可能であれば、雪面の検出、さらには雪の種類 (古い/新しい) の分類の可能性が解明されます。生成される。この情報は、高緯度のパッシブリモートセンシング機器に悪影響を与える可能性がある過小評価された積雪アルベド5を回避するために不可欠です。

気候研究や大気研究には正確な表面アルベド推定が必要であるにもかかわらず、UVスペクトル帯域における地球規模の表面反射率についての理解は依然として限られています。これまで、すべてのリモートセンシング研究は、UV における表面反射率特性を取得するための受動的機器に依存しており、取得用の光源として太陽および関連する大気放射を使用します。たとえば、このような方法を使用して生成されたランバート等価反射率 (LER) 気候学には、大気補正を適用する必要性から生じる重大な誤差が含まれており、より短い波長でより悪影響を及ぼします 3。これらの気候学は、極夜の高緯度地域からの観測をまったく考慮しておらず、すべての固体半球角度にわたる観測に基づいており、ランバート型の反射率についての仮定が必要です。これまでの研究では、これらの欠陥や思い込みは、ライダー測深6などのアクティブなリモートセンシングによって軽減できることが示されています。使用されるレーザーからの一方向の光源と観察の一定の視野角。さらに、ライダー観測は、受動計測器に必要な下層の水平面の不均一性や等方性を仮定することなく、表面 (sr−1) からの後方散乱の減衰などの表面反射率の一方向特性を提供できます 1。

1.0 cases, some fairly high aerosol load cases (AOD 0.75–0.99 for example) were included in the analysis to ensure the abundance of statistics in the analysis. Overall, the clear land cover type-dependent LSR gradients from Fig. 1 confirm that the AOD < 1.0 filtering alleviated attenuation effect while the optimal threshold for filtering out high AOD cases should be a subject of detailed sensitivity analysis./p> 0.6 for various productive ecosystems)./p> 250 m), we consider only the bin that has the closest intersection with the DEM. Next, we corrected molecular and aerosol contributions using Eq. (2) and obtained final surface-based LSR estimates (γ). Eq. (2) shows how molecular and aerosol corrections were applied using the Rayleigh optical depth (ODRay; see Supplementary Material, S1) and Aerosol Optical Depth (AOD; see Supplementary Material, S2), respectively. In theory, LSR over land can be converted into BRDF using a 2π correction factor, while such conversion has been applied mostly to the nadir looking CALIOP with the incidence angle close to 3°6. The same approach might not be applicable for highly non-nadir lidars like Aeolus because one does not take into account the angles of incidence and refraction. Over water surfaces where much more complex interaction between specular, whitecap and subsurface reflectance components may occur the LSR and BRDF comparison is more complicated17./p> 1.0 We calculated AOD using the Aeolus Profile Processor Algorithm (AEL-PRO), which relies on the optimal estimation and forward modelling inversion procedure. In short, AEL_PRO retrieves the lidar-to-backscattering ratio profile by using only the pure Rayleigh and Mie attenuated backscatter values as input, thereby yielding accurate extinction coefficient profiles22. The output profiles of the retrieved state vector, including aerosol/cloud extinction coefficients, were utilized in this work to estimate AOD. Moreover, since AEL_PRO can categorize atmospheric features (water-cloud, ice-cloud, aerosol, clean sky, etc.), we applied the most stringent filtering strategy by excluding any LSR observations potentially contaminated by ice cloud and water cloud presence. In simple words, we used AEL_PRO to keep only the high quality LSR observations without clouds, where the surface signal was not attenuated. This filtering was performed at the highest measurement resolution of Aeolus. For AEL_PRO details, see supplementary material S2 and Donovan et al.22 work. We subsequently calculated monthly averages of the LSR with the corresponding standard deviations on a 2.5° × 2.5° grid in the first full yearly (or seasonal) cycle of Aeolus observations (September 2018–August 2019). In the study period, the monthly averaging of millions of observations yields an abundant quasi-global coverage by LSR observations. Minor temporal data gaps were present only during some days in January and February 2019, when Aeolus experienced a system failure. We also did not use any data from June 2019 due to the change from the Flight model-A laser, FM-A, to the second laser, FM-B, period14 to avoid any negative effects of the shift of the regime during the same month. Each step of the LSR calculation is illustrated in detail in the supplementary material (SI Fig. S1). Note that although we thoroughly addressed all potentially malignant effects for LSR estimation, some limitations stem directly from the Aeolus setup. Most importantly, the emitted lidar pulse is circularly polarized; however, the Aeolus receiver is only detecting the co-polar component, which could lead to discrepancies in the LSR estimations. This limitation is inherent as Aeolus does not have a depolarization channel. Future LSR estimations from Aeolus may be revisited when the EarthCARE mission is launched, which includes a linearly polarized lidar instrument at the same wavelength with a depolarization channel. This will allow an estimation of both the circular and co-polar components of depolarization, which can then be compared to the Aeolus LSR estimates in a retrospective analysis./p>