PACE-MAPP算法:同时气溶胶和海洋偏振计产品使用耦合矢量辐射传输硕士gydF4y2Ba

1介绍gydF4y2Ba

气溶胶数量构成一个源的不确定性在海洋被动遥感产品(gydF4y2Ba戈登,1997gydF4y2Ba)。遗留大气校正过程会导致检索- water-leaving光芒在沿海水域海洋地下并非完全吸收近红外(NIR)。但如果硕士系统正确地建模为一个耦合系统,然后检索- water-leaving美身体是不可能的(gydF4y2BaStamnes et al ., 2003gydF4y2Ba)。检索使用耦合系统硕士的最好方法是可靠、准确地检索海洋产品在复杂的沿海地区,尤其是在吸收气溶胶的存在。因此,PACE-MAPP算法的一个关键特性是,大气和海洋一起被认为是作为一个耦合系统从矢量辐射传输的角度来看。这身体上一致的治疗硕士系统所有光谱波段确保负面water-leaving光芒,否则会发生以上明亮的水域,如沿海地区,是可以避免的。,同时解决的气溶胶和海洋产品,我们可以确定最优解,加上一个完整的会计每个参数的不确定性。PACE-MAPP算法,结合硕士矢量辐射传输的方法,这是由于使用神经网络操作快,预计将提供气溶胶和海洋产品的全球海洋和沿海地区。PACE-MAPP的另一个关键特性是,它是一个multi-instrument算法。PACE-MAPP将使用渠道从速度上所有仪器(gydF4y2Ba戈尔曼et al ., 2019gydF4y2Ba),包括两个偏振计,SPEXone (gydF4y2BaHasekamp et al ., 2019gydF4y2Ba;gydF4y2Ba范Amerongen et al ., 2019gydF4y2Ba;gydF4y2BaRietjens et al ., 2021gydF4y2Ba)和HARP2 (gydF4y2Ba费尔南德斯Borda et al ., 2018gydF4y2Ba),“公盟”(gydF4y2BaWaluschka et al ., 2021gydF4y2Ba短波红外成像的乐队。短波红外成像的乐队将用于改善coarse-mode气溶胶的特性如灰尘和海盐粒子。为了使PACE-MAPP操作快,我们已经开发出一种准确、快速神经网络替代矢量辐射传输计算最优估计用于MAPP框架,建立在其他的努力在这个领域(gydF4y2BaStamnes et al ., 2018 agydF4y2Ba;gydF4y2Ba高et al ., 2021gydF4y2Ba)。背后的一般哲学PACE-MAPP检索方法是使用一个精确的向前模型封装在一个最优估计框架适合同时测量(总辐射和偏振辐射)在仪器测量误差(gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba)。所有产品包括不确定性产生的气溶胶和海洋数据PACE-MAPP检索最优估计,考虑到仪器测量误差和不确定性gydF4y2Ba先天的gydF4y2Ba信息。远期PACE-MAPP使用模型是一种先进的doubling-adding矢量辐射传输代码(gydF4y2Ba1974年汉森和特拉维斯gydF4y2Ba),输入提供的气溶胶模型和海洋bio-optical模型(bio-optical模型)。其他偏振计算法,共享一个相似的哲学PACE-MAPP气溶胶检索的属性包括RemoTAP (gydF4y2BaHasekamp et al ., 2011gydF4y2Ba;gydF4y2Ba风扇et al ., 2019gydF4y2Ba),MAPOL (gydF4y2Ba高et al ., 2018gydF4y2Ba),掌握(gydF4y2BaZhang et al ., 2021gydF4y2Ba)。PACE-MAPP不同于其他偏振计气溶胶检索算法,它使用神经网络训练耦合矢量辐射传输计算偏振计和硕士OCI的短波红外成像速度频道。其他的算法,只MAPOL已经采取了类似的神经网络方法来取代矢量辐射传输模型使用机器学习科学,但PACE-MAPP代表这样一个模型首次专门为开发步伐。PACE-MAPP独特之处在于,它的目的是同时检索整个UV-VIS-NIR-SWIR气溶胶和海洋属性,而其他算法不关注紫外线或短波红外成像区域。PACE-MAPP还有一个独特的设计,建立了利用一个家庭训练的神经网络来处理不同的观察情况,例如,(我)fine-mode气溶胶和coarse-mode海盐双峰在海洋上空气溶胶模型,(2)三峰在海洋上空气溶胶模型,还增加了对于灰尘(iii)三峰气溶胶模型下薄卷云在海洋之上。PACE-MAPP的模块化设计允许多个神经网络来实现不同的功能。例如,观察场景中(3)包括一个薄卷云模型,这将使PACE-MAPP同时检索薄卷云与气溶胶和海洋属性。PACE-MAPP算法三个方面的重点:(i)准确检索气溶胶微观物理学的属性包括气溶胶吸收量化的单散射反照率(SSA),自由对流层气溶胶层高度,气溶胶有效半径,和分离的气溶胶光学厚度(AOD)进入一个很好的模式和两种粗模式(海盐和尘埃),(2)同时检索的海洋产品使用偏振bio-optical模型参数化浮游植物和跨多个水nonalgal粒子类型包括开放海域浮游植物水华,和沿海地区,(3)身体一致的和健壮的检测污染气溶胶的薄卷云检索non-polarimeter测量(gydF4y2Ba阻止et al ., 2015gydF4y2Ba;gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba;gydF4y2BaNied et al ., 2023gydF4y2Ba),它将通过整合薄卷云模型直接检索算法。在本文中,我们演示的初始能力PACE-MAPP双向和三峰气溶胶海洋场景的框架。我们描述整个PACE-MAPP检索算法框架,但在特定的关注它的描述和性能对晴空和non-cloud-contaminated场景无尘和海洋充满尘埃的情况下。PACE-MAPP渠道和不确定性模型,我们使用模型SPEXone和HARP2偏振计和OCI高光谱传感器形成速度观测系统是在第二节中描述。我们在第三节总结PACE-MAPP检索方法框架。PACE-MAPP气溶胶模型是在第四节中描述。我们讨论PACE-MAPP海洋bio-optical模型,介绍了海洋小说bio-optical固有光学特性的模型,该模型包括look-up-tables涂层和裸露的水溶胶粒子,在第五节。向前发展的神经网络模型是在第六节讨论。PACE-MAPP算法验证了模拟速度SPEXone和HARP2数据上执行检索一个大范围的现实的气溶胶和海洋参数在第七节。8节讨论了未来算法的改进计划,也就是说,使用先进的bio-optical模型,使用涂层和裸球形水溶胶粒子的混合物模型从湛蓝的海水浑浊的沿海水域,并同时检测和表征细云污染。 We summarize the PACE-MAPP algorithm in Section 9.

2速度高光谱辐射计和旋光计仪器gydF4y2Ba

速度预计将在2024年发射到轨道与太阳同步极675公里和98°倾角和当地赤道穿越下午1点左右。,类似于“飞越领空。卫星将速度三个工具:一个高光谱UV-VIS-NIR-SWIR辐射计(OCI)和两个偏振计(SPEXone和HARP2)。三个仪器的测量将网格常见Level-1C - code)数据格式5.2 5.2公里ground-pixel决议(gydF4y2BaKnobelspiesse et al ., 2020gydF4y2Ba)。这两个偏振计上的速度互相补充。SPEXone从UV-VIS-NIR高光谱能力,5查看天顶角度(VZA)。HARP2 10 VZA /通道,除了在670 nm, hyperangular能力有60的角度,可以观察到从蓝到深近红外光谱在873 nm。为了提供使用SPEXone和HARP2气溶胶和海洋属性,我们选择以下11个频道中心波长用于PACE-MAPP: 556, 385, 396, 413, 441, 470, 533, 549, 669, 759,和873海里的波长556 nm首先列出来是因为它是作为我们的参考波长气溶胶和云的光学深度。我们计划增加这些通道OCI NIR /短波红外成像乐队在1038年,1615年,2130年和2260海里,帮助约束并确定coarse-mode海盐和尘埃气溶胶特性。额外的OCI NIR /短波红外成像乐队在940年,1250年,1378海里可以用来同时检索水蒸气列数量和薄卷云的属性。VZA在表面定义为每个步伐L1C数据格式。所使用的仪器、通道和VZA PACE-MAPP前3个栏目进行了总结gydF4y2Ba表1gydF4y2Ba。SPEXone空中辐射测量的不确定性和HARP2预计方法OCI的辐射测量的不确定性。线性偏振的偏振度的不确定性(DoLP)预计将比0.005更好。在本研究中,我们建模SPEXone和HARP2 2%的高斯辐射测量的不确定性,这样预计测量遵循正态分布,在建模价值的2%∼68%的时间。这2%的误差在斯托克斯参数传递到DoLP,导致DoLP性能时,可以大于0.005 DoLP很大,但是当DoLP很小接近0.5%。我们假设所有测量是独立的,而实际的仪器测量预计将相关的。这个误差模型被使用之前,就可以很好地预测实际负责仪器的性能和检索进行合成由Monte-Carlo-style生成的数据采样的气溶胶和海洋参数(gydF4y2Ba佩纳和朋友,2009gydF4y2Ba;gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba;gydF4y2BaStamnes et al ., 2021gydF4y2Ba)。调查测量的影响对检索性能的相关性可能承担一旦确定仪器的测量的相关性。实际检索性能不确定性报道相比这里取决于我们可以限制使用气溶胶和海洋模型gydF4y2Ba先天的gydF4y2Ba信息,以及我们如何检测,正确的,或同时检索薄卷云的属性。gydF4y2Ba

3检索方法gydF4y2Ba

PACE-MAPP改编自自动化和操作负责微观物理学的气溶胶特性从偏振测定(RSP-MAPP)检索算法(gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba)。RSP-MAPP开发对准确检索气溶胶和海洋产品的机载NASA戈达德太空研究所研究扫描偏振计(gydF4y2Ba凯恩斯et al ., 1999gydF4y2Ba)。PACE-MAPP神经网络模型的概述中描述gydF4y2Ba图1gydF4y2Ba。PACE-MAPP预处理的概述,描述了最优估计,后处理步骤gydF4y2Ba图2gydF4y2Ba。RSP-MAPP算法是一个自动化、操作工具检索在海洋气溶胶参数为机载数据提供气溶胶和海洋产品。归档数据产品RSP-MAPP可从以下领域活动:(i)两栏气溶胶项目(TCAP, 2012);(2)排放和大气成分的研究,云层和气候耦合区域调查(SEAC4RS, 2013);(3)Ship-Aircraft Bio-Optical研究(SABOR, 2014);(iv)北大西洋气溶胶和海洋生态系统研究(拿安,2015 - 2017);上面(v)观测的气溶胶云层及其交互(神谕,2016 - 2018);从偏振计(vi)气溶胶特性,激光雷达(ACEPOL, 2017);(七)云、气溶胶和季风过程菲律宾实验(CAMP2Ex, 2019),和(八)西部大西洋上空的气溶胶云气象交互实验(激活,2020 - 2022)。gydF4y2Ba

3.1最优估计gydF4y2Ba

宾州算法使用最优估计gydF4y2Ba罗杰斯(2000)gydF4y2Ba迭代找到解决方案从第一次开始想最小化代价函数如下:gydF4y2Ba

是我们提出模型的矢量辐射传输模型gydF4y2BafgydF4y2Ba,并提供spectrometer-measured强度可表示为BRFgydF4y2BaRgydF4y2Ba_我gydF4y2Ba用情商。gydF4y2Ba2gydF4y2Ba和polarimeter-measured DoLP定义为情商。gydF4y2Ba3gydF4y2Ba。gydF4y2BafgydF4y2Ba是一个函数的状态向量gydF4y2BaxgydF4y2Ba。gydF4y2Ba

3.2状态向量gydF4y2Ba

状态向量包含的气溶胶和海洋参数定义一个合适的模型硕士偏振计测量gydF4y2BaygydF4y2Ba。气溶胶状态向量描述在第四节和第五节中描述的海洋状态向量和状态向量参数的完整列表的编号gydF4y2Ba表2gydF4y2Ba。测量gydF4y2BaygydF4y2Ba可以是实际测量的速度向前或合成产生的测量模型添加了噪音。第一项在情商。gydF4y2Ba1gydF4y2Ba可以被称为gydF4y2Ba数据gydF4y2Ba术语,因为它取决于提出模型的残差和测量,通过测量误差考虑测量误差协方差矩阵gydF4y2Ba年代gydF4y2Ba_ϵgydF4y2Ba。第二个gydF4y2Ba先天的gydF4y2Ba起飞的状态向量gydF4y2BaxgydF4y2Ba从gydF4y2Ba先天的gydF4y2Ba状态向量gydF4y2BaxgydF4y2Ba_{一个gydF4y2Ba},gydF4y2Ba先天的gydF4y2Ba提供的不确定性gydF4y2Ba先天的gydF4y2Ba协方差矩阵gydF4y2Ba年代gydF4y2Ba_{一个gydF4y2Ba}。之前的状态向量中每个元素的意思是允许的范围内,和标准偏差的不确定性也容许范围的均值。完整的细节gydF4y2Ba先天的gydF4y2Ba状态向量和协方差矩阵的迭代过程MAPP算法提供了gydF4y2BaStamnes et al。(2018 b)gydF4y2Ba。gydF4y2Ba

3.3推进模型gydF4y2Ba

地球的耦合系统是完全定义的完成硕士气溶胶和海洋状态向量,gydF4y2BaxgydF4y2Ba。一旦我们另外指定太阳天顶角(SZA)和相对方位角(RAA),一个矢量辐射传输程序计算双向反射因子(BRFs)gydF4y2BaRgydF4y2Ba_我gydF4y2Ba,gydF4y2BaRgydF4y2Ba_问gydF4y2Ba,gydF4y2BaRgydF4y2Ba_UgydF4y2Ba。BRFs定义为gydF4y2Ba我gydF4y2Ba,gydF4y2Ba问gydF4y2Ba,gydF4y2BaUgydF4y2Ba斯托克斯参数扩展没有单位的使用:gydF4y2Ba

同样的因素gydF4y2BaRgydF4y2Ba_问gydF4y2Ba和gydF4y2BaRgydF4y2Ba_UgydF4y2Ba。斯托克斯参数gydF4y2Ba我gydF4y2Ba,gydF4y2Ba问gydF4y2Ba,gydF4y2BaUgydF4y2Ba单位(W / mgydF4y2Ba^2gydF4y2Ba/ sr),太阳辐照度gydF4y2BaEgydF4y2Ba_0gydF4y2Ba单位(W / mgydF4y2Ba^2gydF4y2Ba),gydF4y2BaμgydF4y2Ba_0gydF4y2BaSZA的余弦值,gydF4y2BaπgydF4y2Ba单位(sr)。DoLP被定义为gydF4y2Ba

这从输入状态向量映射到输出BRF和DoLP所需的旋光计信道波长和查看天顶角度通过矢量辐射传输程序代表了我们提出的模型。gydF4y2Ba

3.4最优估计反演gydF4y2Ba

在非线性最优估计,我们最小化代价函数,情商。gydF4y2Ba1gydF4y2Ba状态向量,通过一个迭代的过程gydF4y2BaxgydF4y2Ba改变直到结果forward-modeled测量gydF4y2BafgydF4y2Ba(gydF4y2BaxgydF4y2Ba)与测量gydF4y2BaygydF4y2Ba在其不确定性,如中概述gydF4y2Ba图2gydF4y2Ba。转换成gydF4y2BabgydF4y2Ba讨论用于平滑变化之间的不同的状态参数有不同的单位和范围,它类似于一个转换成日志空间(gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba)。下一步的迭代给出根据以下方程:gydF4y2Ba

在哪里gydF4y2BabgydF4y2Ba_我gydF4y2Ba,gydF4y2BabgydF4y2Ba_{一个gydF4y2Ba},gydF4y2BaKgydF4y2Ba_bgydF4y2Ba代表在gydF4y2BabgydF4y2Ba讨论的状态向量gydF4y2Ba我gydF4y2Bath一步,gydF4y2Ba先天的gydF4y2Ba状态向量,分别和雅可比矩阵。iteration-dependent约束矩阵gydF4y2Ba年代gydF4y2Ba_我gydF4y2Ba是由:gydF4y2Ba

在哪里gydF4y2Ba ${{\mathbf{年代gydF4y2Ba}}_{\mathbf{1gydF4y2Ba}}}_{\mathrm{一个gydF4y2Ba}}$ 是gydF4y2Ba先天的gydF4y2Ba约束矩阵gydF4y2BabgydF4y2Ba讨论。符号+表示伪逆。iteration-dependent阻尼因子gydF4y2Ba

有常数gydF4y2Ba一个gydF4y2Ba_0gydF4y2Ba= 1000,gydF4y2BabgydF4y2Ba_0gydF4y2Ba= 8经验决定,这样的状态向量收敛于一个解决方案在一个高效和健壮的方式(gydF4y2Ba吴et al ., 2017gydF4y2Ba)。在实践中,我们训练一个神经网络为我们提供的输出模型。我们把这个神经网络模型的有限差分计算雅可比矩阵,我们可以有效地计算通过合并所有输入到一个叫TensorFlow每个迭代如6.3节所述。否则一个完整的描述方程给出最优估计反演中使用gydF4y2BaStamnes et al。(2018 b)gydF4y2Ba。gydF4y2Ba

4气溶胶模型gydF4y2Ba

PACE-MAPP气溶胶模型双向或三峰,因此由两个(或三个)外部混合的对数正态分布大小:(i) fine-mode粒子假定为球形,检索和fine-mode折射率作为独立的波长;(2)coarse-mode海盐粒子也假定为球形固定复杂折射率相应不吸收水分海盐粒子;(3)可选,三峰气溶胶模型,对于非coarse-mode尘粒也包括在内。fine-mode的光学深度和coarse-mode海盐检索参考波长556 nm。fine-mode coarse-mode海盐粒子有效半径和有效检索差异。fine-mode真实和虚构的折射率也检索,后者占气溶胶吸收。三峰气溶胶模型中,自由对流层层(FTL)也包含一个对于coarse-mode尘埃气溶胶,拥有两个独立的参数:尘埃气溶胶光学深度和有效半径的灰尘。粉尘有效方差被认为是coarse-mode海盐的一样,和光谱复杂折射率的尘埃气溶胶是固定根据气候学在波斯湾巴林AERONET网站(gydF4y2BaDubovik et al ., 2002gydF4y2Ba)。对于形状的尘埃,我们假定尘埃是球状等概率的长宽比,这样的粒子一样同样可能是扁扁长的。双峰的检索,我们假设的实际折射率海盐是固定值比水大1%,或1.346在556海里。三峰气溶胶检索,海盐coarse-mode实际折射率也允许不同的水至少1.333∼556海里,最大值的大2.5%或1.366∼556海里。gydF4y2Ba

4.1气溶胶位置gydF4y2Ba

在位置方面,我们使用一个独特的结构,将气溶胶的双层结构由一个海洋边界层(MBL)和FTL。气溶胶在MBL被当作一个外部的混合物coarse-mode球形海盐和fine-mode气溶胶混合代表大陆气溶胶包括MBL污染和烟雾。基于这一想法,大部分海洋气溶胶粒子主要是局限于MBL (gydF4y2BaBehrenfeld et al ., 2019gydF4y2Ba),FTL由球形fine-mode气溶胶粒子,需要外部混合的选择对于尘埃粒子。我们因此认为coarse-mode海盐粒子位于海洋边界层之间的海洋表面和0.5公里。表面之间的fine-mode气溶胶混合均匀和1公里,而被认为是海洋边界层的高度(MBL)。fine-mode气溶胶组件也出现在FTL,位于(检索)FTL基地高度和假设的物理厚度1公里,之间的位置可以改变1和8公里。例如,FTL跨越4 - 5公里的范围,如果FTL基础高度是4公里。三峰气溶胶模型添加coarse-mode尘埃颗粒均匀外部混合的fine-mode气溶胶FTL。固定的物理厚度值用于coarse-mode海盐气溶胶的位置(0 - 0.5公里),MBL的位置(0 - 1.0公里)和物理厚度FTL(1千米厚)是基于激光雷达观测在北部和南部大西洋,但是可以使用不同的物理厚度平均高度在世界的不同地区。旋光计观测通常发现检索∼1公里气溶胶层高度的不确定性,因此不会是极其敏感的MBL的固定物理高度和FTL气溶胶的光学深度模式中包含的层。gydF4y2Ba

4.2气溶胶状态向量gydF4y2Ba

球形粒子的单散射特性得到使用高度精确和免费的尺度不变性规则气溶胶查表(先生附近地区)(gydF4y2BaChemyakin et al ., 2021gydF4y2Ba)。球状颗粒的单散射特性计算使用AERONET附近地区(gydF4y2BaDubovik et al ., 2006gydF4y2Ba)。双峰气溶胶参数包含在PACE-MAPP中列出gydF4y2Ba表2gydF4y2Ba作为参数1 - 9。三峰气溶胶模型添加一个参数来调整水样的实际折射率海盐气溶胶参数(12),和两个参数来描述coarse-mode尘埃,13 - 14日列为参数。的状态向量双峰气溶胶模型是如此gydF4y2Ba

和对我们的三峰气溶胶模型状态向量gydF4y2Ba

4.3气溶胶模型概述gydF4y2Ba

这两层气溶胶系统,有三种不同的气溶胶类型复杂的折射率不同,提供了一个真实的描述气溶胶类型和位置在开放海域和沿海地区基于拟合优度hyperangular偏振计测量从410年到2264海里。相应的负责气溶胶和海洋产品公开和TCAP存档,SABOR,拿安,神谕,CAMP2Ex,激活空降场活动(gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba)。气溶胶位置参数的准确性将继续验证飞机HSRL自气溶胶激光雷达数据的位置直接影响气溶胶吸收检索精度。颗粒大小,我们更喜欢使用的有效半径和方差,因为他们可以用来描述任何气溶胶粒度分布。我们注意到PACE-MAPP假定气溶胶粒径分布与平均半径和对数正态模式宽度,和有效半径和方差的解析公式描述gydF4y2Ba附录AgydF4y2Ba。gydF4y2Ba

5海洋bio-optical模型gydF4y2Ba

PACE-MAPP将适应两个bio-optical模型。在这项研究中,我们使用一种修改版的DP-I (Detritus-Plankton)海洋bio-optical极化模型,最初是为美国宇航局负责创建和APS传感器(gydF4y2BaChowdhary et al ., 2006gydF4y2Ba;gydF4y2Ba2012年gydF4y2Ba)。涂层领域模型最近被发现导致更现实的颗粒数量浓度,同时还产生现实的半球形后向散射值(gydF4y2BaOrganelli et al ., 2018gydF4y2Ba)。因此,除了这个默认chlorophyll-based bio-optical模型,在未来我们打算进一步建立这个海洋模型通过创建一个多参数bio-optical模型,我们将升级的浮游生物组件利用均匀球体涂层领域,同时将波长依赖米氏参数对涂层领域浮游生物和齐次nonalgal粒子,详细8节。海洋bio-optical极化模型将组织作为一个独立的模块(PACE-MAPP模块1),可以包含在其他矢量辐射传输编码的一部分海洋边界条件,将所有速度以及其他感兴趣的人员。此外,查表合并向前米氏参数建模的全动态范围的固有光学特性对涂层和均匀球体已经创建并也将可用。海洋模块,结合海洋表面粗糙度(Cox-Munk模型gydF4y2Ba考克斯和芒克,1954年gydF4y2Ba)和一个传感器的菲涅耳反射浪涛校正(gydF4y2BaKoepke 1984gydF4y2Ba;gydF4y2BaFrouin et al ., 1996gydF4y2Ba),将提供一个完整的海洋反射和耦合模型,高效、准确数值(定位精度优于1% top-of-atmosphere (TOA)gydF4y2Ba我gydF4y2Ba,gydF4y2Ba问gydF4y2Ba,gydF4y2BaUgydF4y2Ba斯托克斯参数)。P一个CE- - - - - -MAPP focuses on the most important first-order effects for the TOA total and polarized radiances, namely, the elastic scattering and absorption by particles in the ocean, and specifically the use of a coated sphere model for phytoplankton. Second-order effects, due to inelastic scattering sources like fluorescence and Raman scattering, are ignored because their influence on the reflectance at TOA is weak (Chowdhary et al ., 2019gydF4y2Ba)。PACE-MAPP将实现两个海洋bio-optical模型代表海洋与嵌入式微粒和建模为纯水溶解杂质。单参数模型对全球海洋chlorophyll-a-based使用一个参数,并基于DP-I bio-optical模型(gydF4y2BaChowdhary et al ., 2012gydF4y2Ba),这将表示gydF4y2BaxgydF4y2Ba_{bio-optical模型gydF4y2Ba}= [Chla]。这个海洋bio-optical单参数模型适用于地球的全球海洋和部分基于经验关系色素的吸收光谱依赖的粒子和粒子的半球形反向散射系数的大部分人口。第二个多参数bio-optical模型将基于一个新的bio-optical模型,我们正在开发连接海洋粒子光学的固有光学特性和微观物理学的属性使用数据库的涂层和裸露的水溶胶单散射特性,并将用状态向量gydF4y2BaxgydF4y2Ba_{bio-optical模型gydF4y2Ba}=gydF4y2BaxgydF4y2Ba_{bio-optical模型,DP5gydF4y2Ba}。这种新的多参数模型预计将适合复杂水域中当前的光谱吸收和散射系数都是无效的,或不遵循实证模型假设在我们的全球海洋模型。PACE-MAPP也检索海洋表面的粗糙度,这是使用一维Cox-Munk表面建模(gydF4y2Ba考克斯和芒克,1954年gydF4y2Ba)。海洋状态向量给出的gydF4y2Ba

在哪里gydF4y2BavgydF4y2Ba米/秒的风速,决定了海洋表面粗糙度gydF4y2Ba^1gydF4y2Ba。gydF4y2Ba

5.1海洋状态向量gydF4y2Ba

海洋bio-optical PACE-MAPP单参数模型所描述的叶绿素a浓度(gydF4y2BaChowdhary et al ., 2012gydF4y2Ba;gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba),这样海洋状态向量是由gydF4y2Ba

Chla是叶绿素a浓度在毫克/米gydF4y2Ba^3gydF4y2Ba。海洋参数包含在PACE-MAPP中列出gydF4y2Ba表2gydF4y2Ba第10 - 11作为参数。gydF4y2Ba

6 PACE-MAPP神经网络模型gydF4y2Ba

PACE-MAPP神经网络模型是一个密集的,全使用TensorFlow 2训练神经网络。精确的矢量辐射传输编码是缓慢和运算量,特别是当进行高精度计算需要使用大量的流计算,包括由大海洋粒子或大冰晶粒子散射在卷云。向前PACE-MAPP神经网络模型代替需要创建在线矢量辐射传输计算利用惊人的速度通过神经网络的改进。培训使用合成数据集(SD),我们通过运行大量的创建与所有状态向量输入随机模型计算,在6.1节中讨论了状态向量,神经网络训练的细节包括SD大小是6.2节中解释,并总结在第6.4节提供的神经网络。使用现实的组合气溶胶和水在自然界出现的IOPs将用于开发逆神经网络,可直接从TOA光芒映射到气溶胶和海洋状态向量。同样重要的是确保水的组合的IOPs bio-optical模型是现实的,并确保模型提供了一个平稳过渡从复杂沿海环境简单开放的海洋环境,讨论了gydF4y2Ba风扇et al . (2021)gydF4y2Ba。gydF4y2Ba

6.1 PACE-MAPP状态向量gydF4y2Ba

PACE-MAPP检索参数的状态向量的定义是gydF4y2Ba

在哪里gydF4y2BaxgydF4y2Ba_{气溶胶gydF4y2Ba}是双向(或三峰)气溶胶状态向量定义在第四节和gydF4y2BaxgydF4y2Ba_{海洋gydF4y2Ba}第五节中定义的海洋状态向量。我们计算的因素gydF4y2BaRgydF4y2Ba_我gydF4y2Ba,gydF4y2BaRgydF4y2Ba_问gydF4y2Ba,gydF4y2BaRgydF4y2Ba_UgydF4y2BaVZA 160−65°- 65°,负VZA表示的视角转移到180°从正面VZA方位。参数的范围可以从建模gydF4y2Ba表2gydF4y2Ba。的生成VZA 11渠道集中在11频道选择PACE-MAPP如第二节所述。gydF4y2Ba

6.2 PACE-MAPP神经网络输入/输出gydF4y2Ba

PACE-MAPP神经网络接受14使用双峰气溶胶模型输入参数,我们将称之为双峰PACE-MAPP神经网络,或17使用三峰气溶胶模型输入参数,我们将称之为三峰PACE-MAPP神经网络。我们标签这些输入参数作为神经网络状态向量:gydF4y2Ba

的余弦三solar-instrument观察几何图形(SZA、RAA VZA)是紧随其后的是状态向量gydF4y2BaxgydF4y2Ba。PACE-MAPP神经网络输出gydF4y2BaRgydF4y2Ba_我gydF4y2Ba和给定atmospheric-ocean DoLP状态向量和solar-instrument观测几何。双峰PACE-MAPP神经网络模型将这些14输入参数映射到22日输出值:gydF4y2BaRgydF4y2Ba_我gydF4y2Ba并在一个VZA DoLP上午11频道。我们随机选择40 VZA 0°、65°之间每SZA、RAA,gydF4y2BaxgydF4y2Ba。培训目的,我们注意VZA 0°之间,−65°,负值表明VZA在哪里被改变了方位180°,可以获得的方位对称(180°+ RAA)。很低的表面粗糙度,这发生在全球海洋,但很少导致镜面反射,导致极端反射率值可能需要额外的培训来捕获,避免了通过删除所有情况下,风速小于1 m / s。用于训练和验证,数据被分割成两半,这样85%的数据用于训练,其余15%是用于验证。这种分配导致共45495680个样本进行训练和8848320个样本,可用于验证。因为所有的输入和输出参数有不同范围的值,神经网络可以成为大量的偏见。为了防止这样的偏见,我们使用min-max标准化规模所有值在0和1之间,定义为gydF4y2Ba

在哪里gydF4y2BavgydF4y2Ba是一个变量的所有数据,gydF4y2BavgydF4y2Ba_{最小值gydF4y2Ba}是最小的值gydF4y2BavgydF4y2Ba,gydF4y2BavgydF4y2Ba_{马克斯gydF4y2Ba}是最大的价值gydF4y2BavgydF4y2Ba。对于训练集,solar-instrument观察几何图形,gydF4y2BaxgydF4y2Ba和输出(gydF4y2Ba我gydF4y2Ba独立和DoLP)都是标准化的。从训练集,使用相同的归一化值solar-instrument观察几何图形gydF4y2BaxgydF4y2Ba也在标准化验证集。gydF4y2Ba

6.3向前PACE-MAPP神经网络模型的性能gydF4y2Ba

双峰PACE-MAPP性能的神经网络模型中描述gydF4y2Ba图3gydF4y2Ba。神经网络模型的性能三峰气溶胶模型是相似的,和RMSE梅的双峰和三峰PACE-MAPP神经网络模型列表在向前发展gydF4y2Ba表1gydF4y2Ba。双峰PACE-MAPP神经网络为25.8 MB。gydF4y2Ba表3gydF4y2Ba总结了双峰PACE-MAPP神经网络需要多长时间来计算的gydF4y2Ba我gydF4y2Ba和DoLP 11不同数量的渠道查看天顶角度。的近似速度向前运行一个模型模拟125 VZA对应SPEXone和HARP2观察∼0.045 s。TensorFlow 2可以并行处理多个输入,这样不会增加线性性能。神经网络的性能尺度随着样本数量的增加。我们利用这个扩展,我们需要多次调用该神经网络模型每个迭代找到解决方案在多个VZAs和计算所需的雅可比矩阵最优估计检索通过有限的差异。雅可比矩阵从而涉及12个前进模型计算每个迭代的双峰气溶胶模型。因为每个检索使用20迭代,总共有12×20 = 240神经网络模型调用包括雅可比矩阵计算。然而,通过整合的呼声在多个角度和有限差分计算雅可比矩阵为一个呼吁效率,这将导致只有20个独立TensorFlow调用/检索。gydF4y2Ba

6.4 PACE-MAPP神经网络总结gydF4y2Ba

PACE-MAPP神经网络训练使用科学的机器学习,这是区别于机器学习,训练有素的繁殖结果从科学模型,即一个矢量辐射传输模型。PACE-MAPP神经网络地图gydF4y2BaxgydF4y2Ba_{神经网络gydF4y2Ba}到输出gydF4y2BaRgydF4y2Ba_我gydF4y2Ba并在一个VZA DoLP上午11频道。然而,由于我们巩固所有的输入VZAs和雅可比矩阵的输入扰动gydF4y2BaKgydF4y2Ba成一个单一的TensorFlow电话,我们有效地获得gydF4y2BaRgydF4y2Ba_我gydF4y2Ba和DoLP请求通道和所有VZAs和相应的雅可比矩阵gydF4y2BaKgydF4y2Ba在一个过去。PACE-MAPP神经网络完全与架构14×1024×1024×1024×22和有三个隐藏层致密,使用ReLU激活函数。培训,亚当优化器使用mean_squared_error损失函数的关系。学习速率是固定在一个常数10gydF4y2Ba^5gydF4y2Ba。更新模型的每个批次的生产200个样本。峰模型表现为双峰气溶胶模型实现训练后285时代。gydF4y2Ba

7的结果gydF4y2Ba

共有120000个模拟执行检索通过运行PACE-MAPP向前模型输入生成Monte-Carlo-style对所有11个样本均匀随机分布状态参数使用的范围gydF4y2Ba表2gydF4y2Ba。solar-instrument几何图形也随机变化。实际solar-instrument几何随机观测到的速度不会改变,会有季节性的依赖,但预计不会明显影响海洋气溶胶检索性能。仪器噪声添加如第2部分所述。我们选择有一个标准化的成本函数检索低于0.05代表案例成功收敛。这融合滤波器的结果在92426成功的双峰情况下收敛速度的77%。真理与检索的结果散点图描述了状态参数gydF4y2Ba图4gydF4y2Ba(双向)gydF4y2Ba图5gydF4y2Ba(三峰)。双峰的性能和三峰气溶胶和海洋检索参数进行了总结gydF4y2Ba表4gydF4y2Ba和一般同意预期的气溶胶检索SPEXone仪器(gydF4y2BaHasekamp et al ., 2019gydF4y2Ba)。选择RMSE估计的1gydF4y2BaσgydF4y2Ba产品的不确定性,我们发现双峰气溶胶的场景,我们希望检索AOD 0.01∼0.02∼fine-mode该,coarse-mode AOD至0.01∼。总气溶胶单散射反照率的不确定性在556 nm, SSAgydF4y2Ba_{556年gydF4y2Ba}0.01∼。我们希望检索fine-mode有效半径0.02∼gydF4y2BaμgydF4y2Ba米,coarse-mode有效半径0.29∼gydF4y2BaμgydF4y2Bam,罚款,coarse-mode有效方差0.06和0.08∼∼。我们希望检索fine-mode RRI∼0.03,和0.004∼IRI, fine-mode SSA对应gydF4y2Ba_{华氏556度gydF4y2Ba}不确定性0.02∼。FTL基础高度检索∼0.9公里。地面坡度检索检索对应于风速0.002∼∼0.7 m / s。检索Chla∼0.8毫克/米gydF4y2Ba^3gydF4y2Ba。注意这些建模的估计使用合成近似检索性能测量使用抽样的11个频道125结合我们选择的视角gydF4y2Ba表1gydF4y2Ba。晴空步伐的现实世界的不确定性观测的海洋没有薄卷云将取决于仪器在轨性能,提出模型错误,和合适的可用性gydF4y2Ba先天的gydF4y2Ba信息,可以用来帮助限制检索。运行一个模拟检索的平均时间是4.5∼年代一个英特尔黄金6148 Skylake处理器的核心。处理速度L1C数据文件我们的目标是使低延迟气溶胶、云,和海洋产品收购平均检索速度∼1 s / L1C像素。gydF4y2Ba

8未来的视角gydF4y2Ba

在本节中,我们简要讨论未来计划升级。在8.1节我们讨论bio-optical模型,使用涂层和裸水溶胶粒子。我们讨论气溶胶和薄卷云属性的同步检索在8.2节。其他计划升级包括OCI短波红外成像的使用渠道,其中一些必须包括检索或水蒸气,校正参数化的尘埃复杂折射率使用主成分分析(gydF4y2Ba吴et al ., 2015gydF4y2Ba),增加紫外线吸收由于褐碳气溶胶,总压强厚度的偏差控制瑞利散射的大气,和窗口通道修正任何小衰减等气态物种由于吸收水蒸气,二氧化氮、臭氧、甲烷和二氧化碳。gydF4y2Ba

8.1多参数bio-optical模型与涂层和裸露的水溶胶粒子gydF4y2Ba

涂层领域模型最近被发现导致更现实的颗粒数量浓度,同时还产生现实的半球形后向散射值(gydF4y2BaOrganelli et al ., 2018gydF4y2Ba)。这个涂层领域模型允许我们开发一个biologically-founded机械的代表浮游植物固有光学特性,在涂层领域是模仿弱折射细胞质gydF4y2Ba核心gydF4y2Ba更折射包围gydF4y2Ba壳牌gydF4y2Ba光合色素的(gydF4y2Ba伯纳德et al ., 2009gydF4y2Ba)。bio-optical模型的公司,包括涂层领域允许涂层领域模型如何影响调查结果的气溶胶和海洋产品相比bio-optical模型只使用均匀球体。脱色粒子是另一个重要的海洋光学组成,通常可以独立于叶绿素a的浓度不同,特别是在沿海环境。海洋bio-optical PACE-MAPP多参数模型使用涂层和裸水溶胶粒子的混合物Junge粒度分布。注意,尽管这些涂层粒子仍gydF4y2Ba球形gydF4y2Ba粒子,rainbow-like特性明显抑制散射角之间137 - 165°,因为真正的相对折射率(RRI)远远低于1.33对应云滴在空气中。执行和集成在大小使用Junge大小分布覆盖超过三个数量级的半径值,消除振荡。脱色粒子被建模为裸球体半径范围0.01和100之间gydF4y2BaμgydF4y2Ba米,一个常数RRI和一个指数衰减虚折射率(IRI)对波长。浮游生物被建模为涂层球体半径范围介于0.15和100gydF4y2BaμgydF4y2Ba米,一个固定的核心体积比(85%),和一个弱折射的核心,更折射外壳相对于水(gydF4y2BaChemyakin Stamnes, 2023gydF4y2Ba)。gydF4y2Ba表5gydF4y2Ba列出了输入Lorenz-Mie参数由我们的涂层和裸露的水溶胶附近地区。这附近地区预计将是有效的在整个UV-VIS-NIR光谱范围的速度。gydF4y2Ba

8.2同时检索薄卷云的属性gydF4y2Ba

自当前MODIS光学薄卷云是一个很重要的问题检索了偏见在气溶胶光学厚度薄卷云(由于污染gydF4y2Ba太阳et al ., 2011gydF4y2Ba)。事实上,任何检索的影响卷还没有仔细考虑可能会自检测薄卷云卷云污染很难与现有检测方案由于混杂从气溶胶散射和吸收,表面(例如,海洋和陆地)。最好的方法来检索薄卷云属性的海洋利用多光谱和偏振辐射测量总可能同时检索以及气溶胶和海洋组件。多角度偏振测定提供了独特的敏感性薄卷云的光谱偏振信号大大不同于气溶胶信号(gydF4y2Ba太阳et al ., 2015gydF4y2Ba)。我们计划目标检索的气溶胶和海洋属性一起薄卷云光学深度0.5在670纳米或更少。一般气溶胶和海洋信号将显著削弱随着卷云光学深度的增加,但也取决于相对aerosol-to-cirrus加载、海洋表面粗糙度和海洋次表层亮度。三个薄卷云参数,预计将包括在PACE-MAPP中列出gydF4y2Ba表2gydF4y2Ba15 - 17日作为参数。gydF4y2Ba

9的结论gydF4y2Ba

我们已经描述了PACE-MAPP这检索的发展和初步性能好,coarse-mode光学和微物理特性和海洋叶绿素a浓度和风速使用偏振计和“公盟”的使命。PACE-MAPP算法检索以下column-averaged总,fine-mode, coarse-mode环境气溶胶光学和微物理性质:气溶胶光学深度,有效半径,复杂的折射率,气溶胶吸收或使用总单散射反照率和/或偏振光谱乐队从380 - 2260 nm (gydF4y2BaMishchenko et al ., 2004gydF4y2Ba;gydF4y2BaChowdhary et al ., 2005gydF4y2Ba;gydF4y2BaStamnes et al ., 2018 bgydF4y2Ba)。矢量辐射传输模型用于PACE-MAPP对待海洋表面粗糙度通过海面风速参数化方面,包括耦合到海洋叶绿素a浓度(地下参数化的gydF4y2BaChowdhary et al ., 2006gydF4y2Ba;gydF4y2Ba2012年gydF4y2Ba),升级多参数bio-optical模型,该模型将用于沿海水域不能充分描述由一个单参数模型。PACE-MAPP气溶胶附近地区和涂层和裸露的水溶胶附近地区和bio-optical模型可供免费下载和评估的社区。未来的工作将包括训练神经网络,包括复杂的沿海地区海洋bio-optical模型,对于非coarse-mode沙尘气溶胶和薄卷云计算water-leaving光辉使用检索aerosol-ocean状态向量。改善bio-optical模型的一个目标是允许从开放海域平稳过渡到复杂沿海环境所描述的gydF4y2Ba风扇et al . (2021)gydF4y2Ba。除了本文提供的性能模拟数据,未来PACE-MAPP检索算法可以与机载测试PACE-like SABOR期间,收集的数据拿安,和ACEPOL活动,未来激活数据集。从机载负责海洋检索产品的验证,使用舰载SPEXairborne, AirHARP将被完成gydF4y2Ba原位gydF4y2Ba测量和集中的高光谱分辨率激光雷达(HSRL) (gydF4y2Ba头发et al ., 2008gydF4y2Ba)海洋测量。验证气溶胶检索产品将通过HSRL完成气溶胶测量和AERONET站天桥比较。PACE-MAPP检索算法健壮,这样它将有能力提供改进的结果为气溶胶和海洋产品数据只要SPEXone或HARP2操作,通过结合数据从单一旋光计OCI短波红外成像的频道,或只使用数据从两个偏振计没有OCI短波红外成像频道。PACE-MAPP极快是因为神经网络为框架的整合,这将使其产品适合低延迟应用,如天气预报和空气质量监测。gydF4y2Ba

数据可用性声明gydF4y2Ba

公开的数据集进行分析。这些数据可以在这里找到:气溶胶和水溶胶尺度不变的规则附近地区公开下载gydF4y2Bahttps://science.larc.nasa.gov/polarimetry/gydF4y2Ba。负责算法的结果MAPP可从NASA兰利机载科学数据档案gydF4y2Bahttps://www-air.larc.nasa.gov/gydF4y2Ba和美国国家航空航天局戈达德太空研究所负责网站gydF4y2Bahttps://data.giss.nasa.gov/pub/rsp/gydF4y2Ba。gydF4y2Ba

作者的贡献gydF4y2Ba

算法发展:SS,乔丹、AB、EC、BC。所有作者的文章和批准提交的版本。gydF4y2Ba

资金gydF4y2Ba

这项工作是由美国国家航空航天局任务。gydF4y2Ba

的利益冲突gydF4y2Ba

作者EC和乔丹是受雇于科学系统和应用程序。gydF4y2Ba

其余作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。gydF4y2Ba

出版商的注意gydF4y2Ba

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。gydF4y2Ba

脚注gydF4y2Ba

^1gydF4y2Ba虽然我们使用“风速”作为我们的检索参数,严格地说我们是敏感和检索方面的概率分布的方差的斜坡,这是成正比的风速通过地面坡度的关系方面方差= 0.0015 + 0.00256gydF4y2BavgydF4y2Ba。gydF4y2Ba

引用gydF4y2Ba