Аэрозольные продукты MODIS коллекции 6 над сушей и океаном

The Collection 6 MODIS aerosol products over land and ocean
L. A. Remer, N. Christina Hsu, A. M. Sayer, R. C. Levy, S. Mattoo, Falguni Patadia, L. 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
Access Type
Author Information
Authors
L. A. Remer
N. Christina Hsu
A. M. Sayer
R. C. Levy
S. Mattoo
Falguni Patadia
L. 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%