Аэрозольные продукты MODIS коллекции 6 над сушей и океаном

The Collection 6 MODIS aerosol products over land and ocean
Lorraine A. Remer, Nai-Yung Christina Hsu, A. M. Sayer, R. C. Levy, Shana Mattoo, Falguni Patadia, Leigh A. Munchak
2013-11-06

алгоритм Dark Targetаэрозольные продукты MODISоптическая толщина аэрозолямаскирование облаковизвлечение по спектральной отражательной способности
Два спутниковых прибора Moderate Resolution Imaging Spectroradiometer (MODIS), установленные на спутниках Terra с 2000 года и Aqua с 2002 года, формируют обширный набор данных глобальных наблюдений Земли. В настоящей работе представлен алгоритм коллекции 6 (C6) для восстановления оптической толщины аэрозоля (AOD) и параметров размера аэрозольных частиц по спектральной отражательной способности, измеренной MODIS. Хотя новая версия не является радикальной переработкой предыдущей коллекции 5 (C5), внесенные изменения достаточно существенны, чтобы заметно повлиять на продукты и их интерпретацию. Набор аэрозольных данных C6 будет создаваться с использованием трех отдельных алгоритмов восстановления, работающих для различных типов земной поверхности. К ним относятся два алгоритма «Dark Target» (DT): (1) для океана, темного в видимом диапазоне и на более длинных длинах волн, и (2) для покрытой растительностью или темной почвой суши, темной в видимом диапазоне, а также алгоритм «Deep Blue» (DB), первоначально разработанный для (3) пустынных и аридных территорий, ярких в видимом диапазоне. Здесь основное внимание уделено алгоритмам DT-ocean и DT-land (#1 и #2). Были обновлены допущения относительно центральных длин волн, оптической толщины Рэлея и поправок на поглощение газами (H2O, O3, CO2 и др.), а ограничение на зенитный угол Солнца смягчено до ≤ 84° для расширения покрытия в направлении полюсов. Для DT-land обновлена маска облачности, что позволяет выполнять восстановление при сильной задымленности, уточнено назначение типа аэрозоля в зависимости от сезона и местоположения, исправлены ошибки в логике контроля качества (Quality Assurance, QA) и добавлены диагностические параметры, такие как топографическая высота. Для DT-ocean усовершенствования включают пересмотренную маску облачности для обнаружения тонких перистых облаков, учет зависимости отражательной способности поверхности от скорости ветра, обновление логики присвоения флага уверенности контроля качества (Quality Assurance Confidence, QAC) и добавление важной диагностической информации. Одновременно было количественно оценено, как «предшествующие» изменения калибровки прибора, маски суши и моря и маски облачности также повлияют на статистику глобальной AOD и будут по-разному воздействовать на Terra и Aqua. Для Aqua все изменения приведут к redu...
1
Продукты аэрозолей MODIS Collection 6 используют отдельные алгоритмы Dark Target над океаном и растительными или тёмными почвами, а также Deep Blue над яркими пустынными и аридными поверхностями.
2
Ослабление ограничения на зенитный угол Солнца до ≤84° увеличивает охват наблюдений в полярных и приполярных областях.
3
Алгоритм для суши в Collection 6 позволяет извлекать данные при сильном задымлении, уточняет сезонные и географические назначения типов аэрозолей, исправляет логику контроля качества и добавляет диагностику, включая высоту рельефа.
4
Алгоритм для океана улучшает обнаружение тонких перистых облаков, учитывает зависимость отражения поверхности от скорости ветра, пересматривает логику флага уверенности и добавляет диагностическую информацию; изменения предварительной обработки по-разному влияют на глобальную статистику AOD Terra и Aqua.
5
Обновления спектральных параметров, атмосферных поправок, калибровки, маскирования и алгоритмов существенно влияют на продукты оптической толщины аэрозолей и их интерпретацию по сравнению с Collection 5.

Аэрозольные продукты ретривала MODIS коллекции 6 над океаном и покрытыми растительностью/тёмными почвами участками суши

Восстановление и интерпретация оптической толщины аэрозоля, параметров размера аэрозолей и статистики глобальной AOD с использованием обновлённых алгоритмов Dark Target

Publication Details
Publication Date
2013-11-06
Journal
Publisher
ISSN
Cited by
2327
Access Type
Author Information
Authors
Lorraine A. Remer
Nai-Yung Christina Hsu
A. M. Sayer
R. C. Levy
Shana Mattoo
Falguni Patadia
Leigh A. Munchak
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%