Aeolus UV 표면의 고감도는 표면 반사율로 돌아갑니다.

Scientific Reports 13권, 기사 번호: 17552(2023) 이 기사 인용

측정항목 세부정보

지구 자외선(UV) 표면 반사 기후학은 모두 반사된 자외선의 일광 수동 원격 감지 관측으로 구성되며, 일반적으로 달성 가능한 반사 방향의 분포에 대해 통합됩니다. 우리는 표면 특성에 대한 Aeolus 라이더 표면 반사(LSR)의 민감도를 발견하여 능동형 원격 감지가 전 세계적으로 단방향 UV 표면 반사율을 검색하는 데 효과적으로 사용될 수 있다는 최초의 증거를 제공했습니다. LSR은 TROPOMI 및 GOME-2의 LER(Lambertian Equivalent Reflectivity) 기후학에서 볼 수 있는 사하라 사막의 표면 반사율 월별 변화를 재현합니다. 격자형 LSR과 LER 기후 사이의 매우 높은 상관관계(r > 0.90)가 36개 지역에 대한 전 세계 및 지역 규모로 보고되었습니다. Aeolus LSR 신호에서는 (1) 물/땅, (2) 초목/건조 지역, (3) 눈/눈 없음의 세 가지 명확한 토지 피복 경사도가 식별됩니다. 가장 강한 LSR 신호는 눈 위에서 검색된 반면, 식생에서는 LSR과 식생 지수 프록시 사이에 적당한 음의 일치(r < - 0.60)를 발견했습니다. 전반적으로 Aeolus를 사용하여 단방향 UV 표면 반사도를 검색하는 최초의 능동 원격 감지 방법의 성공이 입증되었습니다. 우리의 접근 방식은 수동 장비와 달리 Aeolus가 야간 관측도 제공했기 때문에 해결되지 않은 토지, 특히 고위도의 적설 변화를 탐지하는 데 효과적으로 사용될 수 있습니다.

자외선(UV) 파장의 표면 반사 특성에 대한 제한된 지식은 이전 연구에서 상충되는 결과의 원인이 되었습니다. 인간의 UV 노출을 이해하고 355 nm2에서 정확한 에어로졸 광학 깊이 추정치를 검색하려면 UV 표면 반사 특성을 알아야 하기 때문에 이러한 격차는 특히 중요합니다. 가장 중요한 것은 표면 반사율에 대한 정보가 미량 가스, 에어로졸/구름의 우주 원격 감지 또는 화학 수송 모델과 같은 정확한 복사 전달 모델링이 필요한 모든 응용 분야의 전제 조건입니다. 그 외에도, UV 파장3,4에서 흰색 표면의 강한 표면 반사 특성은 눈 표면을 감지할 수 있는 가능성을 열어주며, 정확한 고해상도 UV 표면 반사 맵이 가능하다면 눈 유형(오래된/새)을 분류할 수도 있습니다. 생성될 수 있습니다. 이 정보는 고위도에서 수동 원격 탐사 장비에 부정적인 영향을 미칠 수 있는 과소평가된 눈 반사도5를 방지하는 데 필수적입니다.

기후 연구 및 대기 연구를 위한 정확한 표면 알베도 추정의 필요성에도 불구하고 UV 스펙트럼 대역에서 전 세계 규모의 표면 반사율에 대한 우리의 이해는 여전히 제한적입니다. 현재까지 모든 원격 탐사 연구는 태양 및 관련 대기 방사선을 검색용 광원으로 사용하는 UV의 표면 반사 특성을 검색하기 위한 수동 장비에 의존해 왔습니다. 예를 들어, 이러한 방법을 사용하여 생성된 LER(Lambertian Equivalent Reflectivity) 기후학에는 대기 보정 적용의 필요성으로 인해 발생하는 상당한 오류가 포함되어 있어 단파장에서 더 많은 부작용을 초래합니다3. 이러한 기후학은 극야간 고위도 지역의 관측을 고려하지 않으며 모든 고체 반구 각도에 대한 관측을 기반으로 하므로 램버시안 유형의 반사율에 대한 가정이 필요합니다. 이전 연구에서는 이러한 결함과 가정이 LiDAR Sounding6과 같은 능동 원격 감지를 통해 완화될 수 있음을 보여주었습니다. 사용된 레이저의 단방향 광원과 관찰의 일정한 시야각. 더욱이 LiDAR 관측은 수동 장비에 필요한 기본 수평 표면의 이질성과 등방성에 대한 가정 없이 표면(sr-1)7에서 감쇠된 후방 산란과 같은 표면 반사의 단방향 특성을 제공할 수 있습니다1.

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>