
有詩云:“不畏浮云遮望眼,自緣身在最高層”——然而,在星載遙感快速發(fā)展的當下,如何保證衛(wèi)星“不畏浮云遮望眼”成為越來越多人關注的焦點。
衛(wèi)星的云層篩選算法極為重要。云的存在會使得OCO-2衛(wèi)星測量的光譜數據被“污染”,對數據進行反演不僅會得到錯誤的結果,還會造成巨大的計算力浪費!ABP與IDP云層篩選算法就是基于在大批量處理OCO-2衛(wèi)星數據下進行快速、準確云層判定的需求而提出的。但結合MODIS云層數據來看,現有云層篩選結果并不完美。
如何保證OCO-2衛(wèi)星對云場景有更高的識別能力呢?
浙江大學光電學院劉東課題組利用衛(wèi)星(OCO-2、MODIS)以及TCCON地基數據,以MODIS云層數據為判定真值,通過逐步調整云層篩選算法閾值組使得OCO-2衛(wèi)星數據總體通過率接近當地MODIS云層覆蓋率月均值,并據此分析最優(yōu)閾值組的季度分布特征。研究表明,相較于原算法對于晴空以及有云場景的判別,通過適應性的調整閾值可以將場景判定準確率提高5%-10%左右。
亮點介紹
? 提出一種基于地區(qū)條件,為OCO-2云層篩選算法提供更嚴格的閾值選擇的方案。
? 利用優(yōu)化后的閾值方案,將OCO-2測量得到的將XCO2與地基TCCON站點之間的差異從3.23±2.25 ppm減小到2.11±1.76 ppm。
? 將優(yōu)化閾值方案根據月平均晴空占比,成功應用于歐洲和日本地區(qū),并分析其季節(jié)性變化。
? A method to tighten the cloud screening thresholds based on local conditions is used to provide more stringent schemes for OCO-2 cloud screening algorithms.
? The optimized scheme reduces the difference between TCCON XCO2 retrievals and OCO-2 measurements from 3.23 ± 2.25 ppm to 2.11 ± 1.76 ppm.
? Adjustment is applied according to average monthly clear-sky fractions, which helps incorporate seasonal variation in Europe and Japan.
Cite this article:
Chen, S. J., and Coauthors, 2020: Optimization of OCO-2 cloud screening algorithm and evaluation against MODIS and TCCON measurements over land surfaces in Europe and Japan. Adv. Atmos. Sci., 37(4), https://doi.org/10.1007/s00376-020-9160-4. (in press)
Download:
http://www.iapjournals.ac.cn/aas/en/article/doi/10.1007/s00376-020-9160-4
原文鏈接:如何讓OCO-2衛(wèi)星更準確地進行云層篩選?
免責聲明:
網站內容來源于互聯網,由網絡編輯負責審查,目的在于傳遞信息,提供專業(yè)服務,不代表本網站平臺贊同其觀點和對其真實性負責。如因內容、版權問題存在異議的,請與我們取得聯系,我們將協(xié)調給予處理(按照法規(guī)支付稿費或刪除),聯系方式:ahos@aiofm.ac.cn 。網站平臺將加強監(jiān)控與審核,一旦發(fā)現違反規(guī)定的內容,按國家法規(guī)處理,處理時間不超過24小時。