EMI云量反演及与TROPOMI的对比研究

杨太平,司福祺,周海金,赵敏杰,罗宇涵,刘建国

(中国科学院合肥物质科学研究院安徽光学精密机械研究所,中国科学院环境光学与技术重点实验室,安徽 合肥 230031)

0 引言

云作为大气研究的重要输入参数,它不仅可以调节大气的辐射收支,还可应用于大气污染监测和全球气候研究[1,2]。云的存在会使太阳散射光的光子路径发生变化,进而影响以自然光作为光源的大气探测技术的反演精度,并且云在大气气候模型中参数设置以及遥感监测反演和定量应用中均起着关键影响作用。因此获取有效的云参数信息不仅便于掌握全球云量分布和云压情况,还是准确反演痕量气体的重要前提条件。

星载高光谱大气痕量气体探测仪在全球云量和云压反演中得到了广泛的应用。目前云参数反演算法主要有:Kuze和Chance[3]基于GOME(Global ozone monitoring experiment)星载仪器研发了云参数反演算法ICFA(Initial cloud fitting algorithm),用于反演有效云量,该算法对于高纬度地区云量反演误差较大。Loyola等[4]基于阈值方法开发的OCRA(Optical cloud recognition algorithm)有效云量反演算法,该算法也用于SCIMACHY(Scanning imaging absorption spectrometer for atmospheric chartography)云量的反演。Koelemeijer等[5]基于GOME开发的FRESCO(Fast retrieval scheme for clouds from oxygen a band)算法,无需云压作为先验信息,可以同时反演有效云量和云压,并与ISCCP(International satellite cloud climatology project)进行对比,一致性良好。Fournier等[6]将FRESCO算法应用于SCIMACHY沙漠上空云量的反演,与HICRU(Heidelberg iterative cloud retrieval utilities)和MODIS(Moderate resolution imaging spectroradiometer)对比相关性良好。Wang等[7,8]考虑单次瑞利散射对FRESCO进行改进提出FRESCO+算法,提高了部分有云情况时云压的反演精度,并通过地面数据对其进行了对比验证。Rodriguez等[9]将ROCINN(Retrieval of cloud information using neutral network)算法用于反演GOME云顶高度和云反照率,通过与SEVIRI(Spinning enhanced visible and infrared imager)结果的对比证明了此算法的有效性。Rozanov等[10]提出SACURA(Semianalytical cloud retrieval algorithm)算法,对云顶高度与云光学厚度进行反演。基于OMI(Ozone monitoring instrument)载荷,Acarreta等[11]利用O4的吸收带开发了OMCLDO2云参数反演算法,Joiner等[12]基于Ring效应提出OMCLDRR算法,2016年Veefkind等[13]加入实际温压廓线提高了OMCLDO2算法的反演精度。Loyola等[14,15]通过对OCRA算法和ROCINN算法进行改进用于TROPOMI(Tropospheric monitoring instrument)云产品开发。

国外基于星载高光谱大气痕量气体探测仪云参数研究已较为成熟,而我国正处于初步发展阶段,本文主要基于我国2018年发射的EMI(Environmental trace gas monitoring instrument)的有效云量进行反演并展开对比验证。EMI有效云量反演方法主要是继承了OMI的云参数反演算法,利用O4在477 nm处的吸收,结合SCIATRAN辐射传输模型,创建云量查找表,通过EMI实际监测数据插值得到EMI有效云量,并与TROPOMI的云产品进行对比验证。

1 研究方法

1.1 观测仪器介绍

EMI搭载于高分五号(GF-5)卫星,2018年5月9日发射,主要用于监测大气中NO2、SO2、O3等痕量气体。EMI运行在太阳同步轨道,对地进行面阵扫描天底观测,通过在大气层顶对地探测来自地球大气和地表的反射和散射光[16],观测模式如图1所示。本研究主要使用了EMI的可见1(401～550 nm)通道的观测数据对EMI有效云量进行反演,光谱分辨率范围为0.3～0.5 nm,视场为114°×0.5°,总视场114°,空间分辨率小于 48 km(穿轨方向)×13 km(沿轨方向)。

图1 EMI天底推扫示意图Fig.1 Diagram of EMI in a nadir push-broom mode

1.2 研究方案

主要基于O4在477 nm处的吸收特性展开云参数的反演。首先,利用SCIATRAN辐射传输模型模拟辐亮度,结合独立像元近似法加入云量和云压参数,进而得到模拟的反射(Reflectance)率和O4斜柱浓度(Slant column density,SCD)的査找表,其中SCIATRAN辐射传输模型的主要参数设置包括太阳天顶角(Solar zenith angle,SZA)、观测天顶角(Viewing zenith angle,VZA)、相对方位角(Relative azimuth angle,RAA)、地表反照率(Surface albedo)、地面高度(Surface altitude)。然后,通过径向基函数将反射率和O4SCD查找表转换为有效云量和云压的查找表。最后,利用EMI实际测量得到的O4SCD、连续反射率和实际相关参数进行多维插值得到有效云量,杨太平等[17]介绍了详细研究方法实现过程。EMI云参数反演算法的具体数据处理过程如图2所示。

图2 算法流程图Fig.2 Flow diagram of EMI cloud fraction algorithm

1.3 TROPOMI数据介绍

研究主要使用了TROPOMI的云产品对EMI的有效云量进行验证分析。TROPOMI于2017年10月13日发射,同样运行在太阳同步轨道,过境时间为当地时间13:30,与EMI过境时间一致。TROPOMI是OMI使命的继承者,基于OMI的基础上功能更加强大,可测波段更广,分辨率更高,可达5.6 km×3.6 km,不仅用于NO2、SO2和O3的反演,还可用于CO和CH4的反演,同时可以更好地利用O2A带和O2B带的吸收反演云和气溶胶。TROPOMI云产品数据可从https://s5phub.copernicus.eu/dhus/#/home网站下载,TROPOMI相关特性参数如表1所示。

表1 TROPOMI特性参数及光谱波段Table 1 Characteristics of TROPOMI and spectral bands

2 实验结果与讨论

2.1 EMI与TROPOMI全球云量分布日变化对比

通过EMI云量反演算法对2019年3月EMI数据进行反演并与TROPOMI数据进行对比验证。为了比较EMI云量全球分布特征变化情况,首先对2019年3月2日、6日、9日、10日四天的数据进行反演得到全球云量分布如图3所示,部分轨道覆盖不完全是由于数据拼接问题导致部分数据缺失。因为该云反演算法对于高纬度和极地等冰雪覆盖的高地表反照率区域的敏感性较差[13],仅分析了±60°纬度范围内的云量分布情况,图中颜色由深到浅表示云量从小到大的变化。

图3 2019年3月2日(a)、6日(b)、9日(c)、10日(d)EMI云量分布图Fig.3 The distribution of EMI cloud fraction on March 2(a),March 6(b),March 9(c)and March 10(d),2019

为验证EMI云参数反演算法的有效性,进一步展开与载荷TROPOMI的对比验证分析,选取相同四天内TROPOMI的云量数据,分别进行网格化平均处理之后进行比较(图4)。通过对比图3和图4中四天的云量分布情况可以看出,EMI与TROPOMI云量高值和低值分布区域非常一致。

图4 2019年3月2日(a)、6日(b)、9日(c)、10日(d)TROPOMI云量分布图Fig.4 The distribution of TROPOMI cloud fraction on March 2(a),March 6(b),March 9(c)and March 10(d),2019

EMI和TROPOMI云量反演采用的算法不一样,为展开二者云量相关性分析,分别对四天的云量进行网格化平均,即对1°×1°网格内的云量求平均值,EMI和TROPOMI云量相关性如图5所示,色标颜色由浅到深表示分布密度由小到大,两者四天全天数据的相关性分别为0.752、0.712、0.764、0.762,相关性良好,证明了EMI云参数反演算法的正确性。

图5 2019年3月2日(a)、6日(b)、9日(c)、10日(d)TROPOMI与EMI云量相关性分析Fig.5 The correlation analysis of TROPOMI and EMI cloud fraction on March 2(a),March 6(b),March 9(c)and March 10(d),2019

2.2 EMI与TROPOMI不同区域云量变化对比

选取海洋、沙漠、陆地三种不同下垫面的上空云量进行对比,以研究不同区域长期的云量变化情况。三个区域分别为Atlantic、Sahara和EastChina,基本位置信息如表2所示。Sahara地区为在非洲北部沙哈拉沙漠地区选取的一个1°×1°的网格区域,Atlantic地区为在大西洋地区选取的一个1°×1°的网格区域,EastChina地区为在中国华东地区选取的一个1°×1°的网格区域。

表2 三个区域基本信息Table 2 Basic information of three areas

对2019年3月EMI数据反演的三个区域每日的云量与TROPOMI云量进行对比,结果如图6所示。由于数据拼接导致EMI多轨数据缺失,所以存在某些天数EMI数据间断的情况。图6(a)为Sahara区域整月EMI和TROPOMI的云量统计情况,从图中可以看出Sahara区域整体情况低云量居多,高云量现象也会存在,与TROPOMI对比,R2为0.88,一致性良好。图6(b)为EastChina区域整月EMI和TROPOMI的云量统计情况,从图中可以看出EastChina区域整体云量情况多变,高云量和低云量出现情况相当,与TROPOMI对比,R2为0.94,一致性非常好。图6(c)为Atlantic区域整月EMI和TROPOMI的云量统计情况,从图中可以看出Atlantic区域整体情况呈低云量,高云量现象非常少,与TROPOMI对比,R2为0.82,一致性良好。

图6 EMI与TROPOMI在Sahara、EastChina、Atlantic区域的云量对比(a)-(c)以及相关性分析(d)-(f)Fig.6 Comparison between EMI cloud fraction and TROPOMI cloud fraction in Sahara,EastChina,and Atlantic(a)-(c)and correlation analysis(d)-(f)

3 结论

主要依据O4在477 nm带的吸收特性对EMI有效云量进行反演,并与TROPOMI云产品进行对比分析。结果表明:EMI云参数反演算法反演的有效云量与TROPOMI云产品结果相关性良好;通过2019年3月数据分析得出沙漠地区低云量情况偏多,存在少数高云量情况,海洋上空云量整体呈低云量,东亚陆地高云量低云量存在情况相当,该结果对于EMI云产品的开发和云分布分析具有重要意义。