社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

IEEE TGRS |基于物理信息+深度学习的MISR气溶胶反演算法

气象学家 • 7 月前 • 198 次点击  

  第一时间获取气象科研资讯

气象学家公众号交流群

加入


近日,长江中游城市群气象生态环境遥感团队陶明辉教授、博士生满文婧等撰写的论文“Improving aerosol retrieval from MISR with a physics-informed deep learning method”发表在IEEE Transactions on Geoscience and Remote Sensing期刊,本工作得到国家自然科学基金(41830109、42271382)等项目资助。

多角度成像光谱辐射计(MISR)大散射角范围的观测提供了关于气溶胶光学和微物理特性的丰富信息。最新的NASA V23 MISR算法通过查找表中假设的74种气溶胶混合模态反演陆地上空的气溶胶光学微物理参数,该算法在全球范围内表现良好,但在区域尺度上仍存在较大不确定性。本研究基于物理信息和深度学习(PDL)方法实现了中国东部的MISR气溶胶光学/微物理参数的精准反演,不需要气溶胶模态假设并且能够高效充分地利用卫星的多角度观测信息。基于PDL算法的MISR气溶胶光学厚度(AOD)和细模态AOD(FAOD)与地基AERONET的观测值具有较高相关系数(R>0.95),并且解决了MISR产品的高值低估问题。除了能更好地约束粗AOD(CAOD)异常值外,PDL算法大幅提高了MISR单散射反照率(SSA)精度,使得MISR的SSA产品由定性变为了定量反演。PDL算法可为未来的MAIA等多角度卫星遥感探测提供了高效、灵活的气溶胶算法框架。



1

主要研究数据

本研究使用的主要数据包括MISR一级观测数据、MISR V23算法产品以及AERONET 2.0或1.5级数据。使用中国东部地区AERONET 2.0级或1.5级数据对MISR PDL算法的反演结果进行验证。基于MISR V23算法产品与MISR PDL算法的反演结果进行比较。图1展示了研究区域及所用AERONET站点的分布。


图1. 研究区域以及AERONET站点的地理位置


2

MISR PDL算法测试

图2显示了使用测试数据集对MISR PDL算法进行验证的结果。PDL AOD和FAOD具有较高的精度(R >0.99,RMSE ≤0.063),近90%的PDL CAOD反演结果落在预期误差(EE)±(0.05 + 20%)范围内。MISR PDL SSA 表现出与真实值非常一致的变化,并且集中在1:1线上(0.69<R<0.76)。

图2. 550 nm处MISR PDL算法反演的AOD、FAOD、CAOD和650 nm处的SSA 的反演值与真值的比较;黑色虚线和实线是预期误差(EE)±(0.05 + 20%)和1:1线。


3

研究结果

3.1 MISR PDL气溶胶反演结果与AERONET验证

图3展示了2015-2019年中国东部地区MISR PDL和V23气溶胶反演结果与地基AERONET产品的验证对比。MISR PDL和V23 AOD均有较高精度,且有超过85%的反演结果落在的预期误差(EE)±(0.05 + 20%)范围内。相比于V23的AOD产品,PDL(R=0.943,RMSE=0.181)具有更高的相关系数(R=0.974)和更低的均方根误差(RMSE=0.095)。此外,PDL算法有效解决了V23 AOD在中高值(AOD>0.5)时的低估问题。

PDL FAOD与AOD的反演精度非常接近(R=0.959,RMSE=0.099),明显优于MISR V23产品的FAOD(R=0.845,RMSE=0.215)。其中,MISR V23的FAOD包括了半径<0.35μm的细模态气溶胶和0.35-0.70μm范围内的中模态气溶胶。PDL的CAOD与AERONET产品的相关性(R=0.633)较MISR V23产品(R=0.336)更高,并且异常值相对较少。

图3. 550nm MISR PDL以及MISR V23 AOD、FAOD和CAOD反演结果验证;黑色虚线和实线是预期误差(EE)±(0.05 + 20%)和1:1线。


与MISR V23的SSA产品相比,MISR PDL SSA反演精度显著提高(图4)。由于蓝光波段瑞利散射影响,PDL的SSA存在显著的波长依赖性,在672nm和866 nm有更高的精度,能够准确地反映气溶胶吸收特性的变化。相比之下,PDL反演的472 nm处SSA的精度较低,在SSA <0.9时存在高估,而在SSA >0.9时存在低估。虽然SSA与AERONET产品的相关性明显低于粗细粒子AOD,但是在682和867nm相对均匀的分布在1:1线两侧,可定量表征吸收性气溶胶的变化。


图4. 446nm、672nm、867nm MISR PDL以及MISR V23 SSA反演结果验证


3.2 PDL AOD与V23 AOD产品的对比

图5展示了2017年中国东部MISR PDL和V23气溶胶参数的年平均值对比。虽然它们具有一致的空间分布,但PDL和V23气溶胶的反演结果具有显著差异。与V23 AOD相比,PDL反演结果在污染地区的值(>0.4)明显更高。V23反演SSA的大幅高估可能是导致其AOD系统性低估的主要原因。PDL 反演的FAOD清晰地反映了中国东部城市/工业地区的人为排放热点。相比之下,V23的CAOD在以细颗粒为主的南部地区呈现出显著的高值(>0.3),PDL反演在空间一致性方面表现更好。中国东部PDL CAOD高值较少,主要分布在沙尘活动较多的西北戈壁沙漠地区。

图5. 2017年中国东部550nm MISR PDL和MISR V23 AOD、FAOD、CAOD以及650nm SSA年均值

为检验MISR PDL气溶胶算法识别不同类型气溶胶的能力,对2017年5月4日典型沙尘事件的MISR PDL和V23反演结果进行了分析比对(图6)。MISR PDL与V23反演的AOD在污染地区存在显著差异,尤其是在沙尘羽流集中区域,V23 CAOD具有明显低估。相比之下,PDL CAOD 可以很好地捕捉到沙尘的主要分布。

图6. 2017年5月4日沙尘天气550nm MISR PDL和 MISR V23 AOD、FAOD、CAOD和672nm SSA的反演结果比对


此外,本研究还对2012年6月13日生物质燃烧事件中的MISR PDL和V23的反演结果进行了分析比对(图7),当时大范围的火灾排放物被吹向北方。MISR PDL AOD和FAOD可以清晰地显示出浓烟的空间分布。MISR PDL 672 nm SSA的火点分布表明MISR PDL算法对吸收气溶胶的敏感性突出。

图7. 2017年5月4日生物质燃烧事件550nm MISR PDL和 MISR V23 AOD、FAOD、CAOD和672nm SSA的反演结果比对


4

结论

基于MISR数据的PDL算法充分利用现有MODIS BRDF和AERONET气溶胶的先验信息,实现了气溶胶光学/微物理特性的可靠、稳健的反演。MISR PDL算法大幅改进了现有V23算法的反演精度,获得了中国东部地区精准的气溶胶光学/微物理参数。与V23算法相比,PDL算法不仅避免了AOD在中高值(>0.4)时的系统性低估,而且显著提高了FAOD、CAOD以及SSA的反演精度。MISR PDL算法以其高效的计算速度展现了在气溶胶/地表特性反演方面的巨大潜力,可为多角度卫星观测提供统一且通用的算法框架。



CITATION

Man W, Tao M, Xu L, Xu X, Jiang J, Wang J, Wang L, Wang Y, Fan M, Chen L. Improving aerosol retrieval from MISR with a physics-informed deep learning method[J]. IEEE Transactions on Geoscience and Remote Sensing, 2024: 1–1. https://doi.org/10.1109/TGRS.2024.3376598.


撰稿 | 陶明辉

排版 | 何晨曦

审阅 | 王伦澈

来源 | 长江中游城市群气象生态环境遥感


点击“阅读原文”






声明:欢迎转载、转发。气象学家公众号转载信息旨在传播交流,其内容由作者负责,不代表本号观点。文中部分图片来源于网络,如涉及内容、版权和其他问题,请联系小编(微信:qxxjgzh)处理。


往期推荐
 获取ERA5/ERA5-Land再分析数据(36TB/32TB)
 获取全球GPM降水数据,半小时/逐日(4TB)
 获取1998-2019 TRMM 3B42逐日降水数据
 获取最新版本CMIP6降尺度数据集30TB
 EC数据商店推出Python在线处理工具箱
★ EC打造实用气象Python工具Metview
★ 机器学习简介及在短临天气预警中的应用
★ Nature-地球系统科学领域的深度学习及理解
★ 灵魂拷问:ChatGPT对气象人的饭碗是福是祸?
★  气象局是做啥的?气象局的薪水多少?


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/169219
 
198 次点击