Глобальное распределение аэрозолей: использование данных со спутника Geofen-5 с пространственным разрешением 3,3 км

Чжэнцян Ли 1, Исун Се 1,*, Вэйчжэнь Хоу 1, Хуа Сюй 1, Кайтао Ли 1, Ли Ли 1, Ян Чжан 1,2

¹ Государственная лаборатория охраны окружающей среды Институт дистанционного зондирования Земли Китайской академии наук, Пекин 100101, Китай

² Колледж ресурсов и окружающей среды, Чэндуский университет информационных технологий, Чэнду 610225, Китай

*Автор, ответственный за переписку, E-mail: xieys@radi. ac.cn

Аннотация: Направленная поляриметрическая камера (DPC) является первым китайским многоугольным поляризованным спутниковым датчиком наблюдения за Землей, который был запущен на борту спутника GaoFen-5 в рамках китайской программы наблюдения за Землей с высоким разрешением. GaoFen-5 работает по солнечно-синхронной орбите с 2-дневным периодом повторного посещения. DPC использует блок обнаружения устройства с зарядовой связью и может реализовать пространственное разрешение 3,3 км при ширине полосы 1850 км. Кроме того, DPC имеет 3 поляризованных канала вместе с 5 неполяризованными диапазонами и способен получать не менее 9 углов обзора путем непрерывного получения серийных изображений одной и той же цели на орбите. На основе бортовой камеры направленной поляризации (DPC) на борту спутника GF-5 Институт аэрокосмической информации Китайской академии наук, Аньхойский институт оптики и точной механики Китайской академии наук (производитель датчика DPC) и другие институты. Этот набор данных наблюдения дистанционного зондирования AODf имеет самое высокое пространственное разрешение в мире. Он может отражать пространственную информацию об основных загрязнителях воздуха (PM2,5 и т.д.) и обеспечивать важнейшие базовые продукты для "расшифровки" глобального распределения аэрозолей.



Ключевое слово: направленная поляриметрическая камера (DPC), спутник GaoFen-5, спектральная оптическая глубина (AODf) в точном режиме, глобальное распределение аэрозолей, поляризационное дистанционное зондирование



1. Введение



Аэрозоли являются важными компонентами глобальной атмосферы и оказывают значительное влияние на изменение климата, загрязнение воздуха, перенос материалов и экологическую оценку. Аэрозольные компоненты, такие как черный углерод, осаждающийся на льду и снегу, еще больше ускоряют абляцию льда и снега и создают эффект обратной связи между криосферой, гидросферой и радиационным кругом в полярной области (Xie et al., 2018). Эти комплексные эффекты приводят к тому, что аэрозоли, в том числе их облачные эффекты, становятся наиболее важным фактором, влияющим на неопределенности в оценке изменения климата (Mishchenko et al., 2004). С другой стороны, аэрозоли с аэродинамическим диаметром менее 2,5 микрон (PM2,5) стали центром внимания атмосферного загрязнения, поскольку они могут проникать в легкие людей при дыхании и влиять на жизненно важные системы, такие как кровообращение (Zhang and Li, 2015; Li et al., 2016). Таким образом, очень важно получить пространственное распределение параметров аэрозолей в крупномасштабных и даже глобальных масштабах на основе спутникового дистанционного зондирования (Мищенко и др., 2007).

Многие спутниковые платформы позволили получить первый оптический параметр аэрозолей - оптическую глубину аэрозолей (AOD) от верхних слоев атмосферы (TOA). Среди этих достижений - продукт AOD спектрорадиометр для получения изображений среднего разрешения (MODIS) над землей, который извлекается с помощью алгоритма темной цели (DT), имеет хорошую точность поиска и широко используется в метеорологической и экологической областях (Levy et al., 2007, 2013). Одним из наиболее известных применений AOD является определение концентрации твердых частиц (ТЧ), и в недавних исследованиях была разработана физическая модель дистанционного зондирования PM2,5 (PMRS), которая отличается быстрыми вычислениями и простотой реализации (Zhang and Li, 2015; Li et al., 2016). Важным входным параметром в модели PMRS является AOD (AODf) в точном режиме, который получается с использованием аэрозольной фракции (FMF) в точном режиме в текущем подходе. Несмотря на то, что платформа MODIS предоставляет продукт FMF, его точность поиска на суше оставляет желать лучшего (Levy et al., 2010), и, как следствие, она ограничивает точность оценки PM2,5, полученную с помощью модели PMRS. В частности, если мы сможем получить AODf из спутниковых наблюдений напрямую и точно, а не использовать FMF, точность модели должна быть улучшена. Кроме того, AODf также важен в области глобального изменения климата, поскольку он в основном представляет собой компонент антропогенных аэрозолей, который может быть использован для расчета радиационного воздействия антропогенных аэрозолей (IPCC, 2014). Таким образом, AODf является значимым аэрозольным оптическим параметром, который может быть получен из спутникового наблюдения.

Поляризация и направленность отражения Земли (польдер), поляризация и анизотропия отражений для науки об атмосфере в сочетании с наблюдениями с лидара

(PARASOL), которые способны обнаруживать поляризованный свет в дополнение к традиционному измерению интенсивности, дают возможность получить больше оптических и физических параметров аэрозоля (Deuzé et al., 2001; Tanré et al., 2011). Поскольку поляризационный сигнал, принимаемый датчиком POLDER/PARASOL, в основном исходит от радиационного вклада аэрозолей в точном режиме, а аэрозоли с неточным режимом вносят незначительный вклад, эта функция непосредственно используется в рациональном алгоритме POLDER/PARASOL для поиска AODf на суше (Deuzé et al., 2001; Tanré et al., 2011; Herman et al., 1997). В частности, глобальные долгосрочные последовательности наборов данных о многоугольной поляризации были получены PARASOL с 2004 по 2013 год. Благодаря разработке соответствующих алгоритмов было сделано много научных прорывов, таких как многопараметрическая инверсия аэрозолей в океане (Hasekamp et al., 2011), инверсия мелкодисперсных аэрозолей над сушей и наблюдения за взаимодействием между облаками и аэрозолями (Costantino et al., 2010 ). В последние годы, с развитием методов статистической оптимизации (Dubovik et al., 2011) и моделей поляризованных поверхностей (Nadal et al., 1999; Maignan et al., 2009; Waquet et al., 2009), новый метод многопараметрической инверсии POLDER в основном созрел и применяется для повторной обработки исторических данных PLOLDER.

Основанный на технологии польдера, Аньхойский институт оптики и точной механики, принадлежащий Китайской академии наук, разработал космический датчик направленной поляриметрической камеры (DPC), поддерживаемый Национальным космическим управлением Китая, с акцентами на однократное увеличение пространственного разрешения с примерно 6 км × 7 км до 3,3 км × 3,3 км (Li et al., 2018). Первый датчик DPC был запущен в мае 2018 года с китайским флагманским спутником атмосферной среды GaoFen-5 (GF-5) в рамках китайской программы наблюдения за Землей с высоким разрешением (CHEOS) (Gu et al., 2015), и ряд данных был получен сверх работы. Таким образом, необходимо получить глобальную карту оптической глубины аэрозолей в точном режиме (AODf) над сушей с высоким разрешением из DPC/GF-5 и в дальнейшем отслеживать глобальное распространение дымки с помощью спутникового дистанционного зондирования. В ответ на это требование в этом документе сначала был представлен спутник GF-5 и датчик DPC в разделе 2, а затем установлена методология, включая алгоритм поиска и метод обработки данных в разделе 3. После этого полученные глобальные результаты AODf и проверки представлены в разделе 4. Наконец, мы получаем заключение нашей работы в разделе 5.



2. Датчик DPC и спутник GF-5



2.1 Спутник GF-5



В качестве флагмана спутника наблюдения за окружающей средой и атмосферой в китайской программе High Resolution Earth Observation System (CHEO S)(Gu et al., 2015) GF-5 был запущен 5 мая 2018 года. На борту спутника GF-5 имеется шесть полезных нагрузок, в которых одним из важных факторов является направленная поляризационная камера (DPC), как показано на рисунке 1 (Li et al., 2018). GF-5 движется по солнечно-синхронной орбите с углом наклона 98º. Местное время эстакады – 13:30, расчетный срок службы – 8 лет. Шесть датчиков на борту GF-5 работают вместе для мониторинга и оценки окружающей среды, уделяя особое внимание аэрозолям, газообразователям, загрязненным газам, облакам, водяному пару, сточным водам, поверхности земли, растительности, сжиганию биомассы, городской среде и т. д.

Рисунок 1. Иллюстрация спутника GF-5 (a) и направленной поляризованной камеры (b).

2.2 Датчик DPC



Направленная поляриметрическая камера (DPC) — это первый китайский многоугольный поляризованный спутниковый датчик наблюдения за Землей, который является типом поляриметрического тепловизора PLOLDER. В DPC используется блок обнаружения устройства с зарядовой связью (CCD) с 512×512 эффективными пикселями из 544×512 полезных пикселей и может реализовать пространственное разрешение 3,3 км при ширине полосы 1850 км. 2-дневный период повторного посещения позволяет ему отследить временные изменения атмосферного загрязнения. В таблице 1 подробно перечислены инструментальные датчики датчика DPC на борту GF-5.

В датчик DPC интегрированы 3 поляризованных диапазона (490, 670 и 865 нм) и 5 неполяризованных диапазонов (443, 565, 763, 765 и 910 нм), а спектральная ширина этих 8 каналов составляет от 10 до 40 нм. Погрешности радиометрической и поляриметрической калибровки составляют менее примерно 5% и 0,02 (по отношению к степени линейной поляризации, сокращенно DOLP, которая находится в диапазоне 0−1) соответственно, которые будут постоянно поддерживаться путем выполнения лабораторных калибровочных коэффициентов на орбите. DPC имеет много общего в конструкции прибора с польдером, отличительной чертой которого является то, что пространственное разрешение пикселей DPC (3,3 км × 3,3 км ) значительно улучшилось, чем у польдера (около 6 км × 7 км), поэтому более высокое пространственное разрешение аэрозолей и поверхностных продуктов может быть дополнительно получено из измерений DPC (Li et al., 2018).

Таблица 1. Инструментальные параметры датчика DPC на борту спутника GF-5

3. Методология



3.1 Алгоритм поиска



Поисковая теория точной оптической глубины аэрозоля (AODf) была подробно представлена в исследовании Zhang et al. (2016, 2017, 2018), здесь мы непосредственно обсуждаем существующие недостатки.

При многоугловом поляризованном аэрозольном поиске используется серия аэрозольных моделей для имитации поляризованного отражения верхней части атмосферы (TOA), а функция заслуг применяется для определения оптимальной аэрозольной модели, которая наилучшим образом соответствует наблюдению. Большинство функций заслуг основаны на вычислении накопленной остаточной погрешности между моделируемым и наблюдаемым многоугольным излучением TOA. Например, метод определения оптимальной модели аэрозоля в операционном алгоритме DPC может быть выражен как

где n – накопленная остаточная погрешность; N – количество углов наблюдения; 1_@ и 1_' - это диапазоны PARAOSL 670 нм и 865 нм соответственно; Θ – угол рассеяния; ,_-./01, Θ ₄5 означает расчетный поляризованный коэффициент отражения для каждого 1 и Θ; ,_78.9(1, Θ ₄) означает наблюдаемый поляризованный коэффициент отражения, соответственно от 1 и Θ. Поскольку каждая аэрозольная модель имеет оптимальный AODf путем сравнения смоделированного и наблюдаемого поляризованного отражения TOA для каждого угла наблюдения, а наименьший n может различить оптимальную модель аэрозоля, тогда AODf и аэрозольная модель могут быть определены.

Хотя эта функция заслуг имеет очевидный физический смысл, ошибка наблюдения не учитывается. Следует отметить, что уравнение (1) показывает процесс, который, накапливая остаточную погрешность для многоугольников, чем больше углов, тем больше ошибок наблюдения не учитывалось, что в конечном итоге привело бы к неправильному выбору аэрозольных моделей. Другими словами, накопленные ошибки наблюдения могут усиливать или маскировать ошибки извлечения, но трудно понять конкретное влияние на ошибки извлечения, что приводит к тому, что модель с наименьшей остаточной ошибкой не обязательно является оптимальной моделью. Для решения этой проблемы мы дополнительно внедряем метод сортировки сгруппированных остаточных ошибок (GRES) для определения оптимальной модели аэрозоля (Zhang et al., 2018).



3.2 Обработка данных



Как правило, поляризованные сигналы в основном генерируются аэрозолями в точном режиме в диапазоне 80°<Θ<120°, поэтому мы используем данные с Θ в этом диапазоне только для получения AODf из поляризационных измерений DPC. Модель извлечения аэрозолей может быть выражена следующим образом:

Отражательная способность аэрозолей в основном генерируется сферическими частицами в точном режиме, вкладом неточного режима пренебрегают; _{AB /} ^9HIJ - отражательная способность поверхностной поляризации; O - воздушная масса; P₇ - молекулярно-оптическая глубина; CTa является AOD в точном режиме, а Q объясняет большое прямое рассеяние аэрозоля (Deuzé et al., 2001; Zhang et al., 2018).


Конкретные этапы обработки данных заключаются в следующем:

Шаг 1: Установите окно 3×3, начните процесс поиска, если все пиксели в этом окне очистятся, в противном случае нет.

Шаг 2: Получите параметры геометрии наблюдения пикселя из спутниковых данных, а затем выполните поиск значений, близких или равных наблюдениям в LUT.

Шаг 3: Введите все значения коэффициента отражения атмосферной поляризации v, которые соответствуют параметрам геометрии наблюдения в LUT, в уравнение (2), чтобы получить два набора скрытых параметров атмосферной поляризации и соответствующие AOD.

Шаг 4: Выполните линейную интерполяцию параметров поляризации атмосферы в соответствии с параметрами геометрии наблюдения и AOD, а затем генерируется новая многоразмерная LUT.

Шаг 5: Введите результаты нового LUT в уравнение (2) для выполнения сравнения с наблюдаемым поляризованным коэффициентом отражения TOA; вывести AODf, смоделированное поляризованное отражение которого TOA наиболее близко к наблюдению в качестве оптимального AODf соответствующей аэрозольной модели.

Шаг 6: Повторите четыре шага выше, и тогда можно будет получить 25 наборов AODf и остаточных ошибок.

Шаг 7: Используйте метод GRES для получения окончательного AODf.



4. Результаты и валидация



4.1 Результаты поиска и сравнения



На рисунке 2 показано глобальное распределение средних результатов AODf на длине волны 865 нм над землей, полученное DPC/GF-5 с разрешением около 3,3 км в период с 23 по 30 ноября 2018 года, где красным цветом обозначены области с высоким AODf, а светло-серым — облачные области или отсутствие достоверных данных. Следует отметить, что полученные результаты AODf от DPC/GF-5 являются продуктами с самым высоким пространственным разрешением в мире с помощью спутникового дистанционного зондирования, что примерно в 6 раз выше, чем у официального продукта POLDER/PARASOL.

На рисунке 3 показано распределение AODf и разрешение пикселей, полученные DPC/GF-5 и официальными продуктами POLDER/PARASOL в Пекине, соответственно. По той причине, что POLDER/PARASOL больше не работает на орбите после 2013 года, мы показываем полученные результаты в том же месяце, но в другом году. На рисунке 3 на левой панели показан полученный AODf с пространственным разрешением 3,3 км DPC/GF-5 в ноябре 2018 года, а на правой панели показан официальный AODf с пространственным разрешением 18,5 км POLDER/PARASOL в ноябре 2011 года. Продукты AODf с высоким пространственным разрешением могут четко показать местные детали распределения загрязнения и дальнейшую поддержку регионального контроля загрязнения, мониторинга передачи загрязнения в ключевых городах, отслеживания загрязняющих веществ и других услуг по охране окружающей среды.

На рисунке 4 также показаны полученные результаты AODf с помощью DPC/GF-5 и официальные продукты POLDER/PARASOL в некоторых ключевых глобальных регионах, в которых рассматриваются соответственно Восточный Китай, Индия и Центральная Африка. На левой панели представлены полученные AODf из измерений DPC/GF-5 с пространственным разрешением 3,3 км в ноябре 2018 года, а на правой панели представлены официальные продукты AODf из измерений POLDER/PARASOL с пространственным разрешением 18,5 км в ноябре 2011 года.

Из сравнения ключевых регионов мира за более длительный промежуток времени (2018 год по сравнению с 2011 годом) видно, что уровень загрязнения в восточном Китае значительно снизился по сравнению с пиковой ситуацией в ноябре 2011 года, особенно в юго-восточном прибрежном регионе, наблюдается значительное снижение. Тем не менее, аэрозоли в точном режиме на севере Китая по-прежнему высоки и нуждаются в дальнейшем контроле и улучшении. Напротив, Индия, еще одна ключевая загрязненная территория в мире, продемонстрировала значительный рост загрязнения, отражающий увеличение человеческой деятельности, такой как увеличение промышленных и сельскохозяйственных выбросов. Кроме того, ситуация с загрязнением в Центральной Африке также значительно улучшилась по сравнению с 2011 годом, в отличие от этих регионов с быстрым экономическим ростом, на изменения AODf в этом регионе в основном влияют такие факторы, как сжигание естественной биомассы и уничтожение лесов.



4.2 Предварительная валидация



В ответ на основные требования, такие как оценка дистанционного зондирования PM2,5, в алгоритм инверсии добавлена функция применимости модуля тонкого усечения с целью дальнейшего улучшения корреляции между спутниковыми продуктами и PM2,5, и была проведена некоторая предварительная проверка.

На рисунке 5 показаны результаты валидации полученных AODf из DPC/GF-5, на которых панель (a) иллюстрирует глобальную аэрозольную роботизированную сеть (AERONET) (Holben et al., 1998) и сеть наблюдений Sun-Sky Radiometer (SONET) ( Li et al., 2018) для проверки спутниковых продуктов AODf; панель (b) отображает используемые наземные участки наблюдения PM2,5 в Пекине; на панели (c) показана корреляция между полученными AODf и наземным мониторингом PM2,5.

Синхронизированные данные проверки достоверности данных для поиска AODf с 215 наземных станций по всему миру показывают, что результаты спутникового дистанционного зондирования DPC в значительной степени согласуются с наземными наблюдениями. Между тем, совместный анализ с поверхностными данными PM2,5 в Пекине показывает, что спутниковое дистанционное зондирование AODf имеет хорошую корреляцию с концентрацией PM2,5, что указывает на хороший потенциал DPC в количественной оценке PM2,5.

Рисунок 2. Глобальное распределение глубины аэрозольной оптики в точном режиме (AODf) над сушей, полученной с помощью DPC/GF-5. Красным цветом обозначены области с высоким уровнем AODf, а светло-серым — облачные области или отсутствие достоверных данных.

Рисунок 3. Полученное распределение AODf и разрешение пикселей от DPC/GF-5 и официальные продукты AODf от POLDER/PARASOL в Пекине. Левая панель: полученный AODf с пространственным разрешением 3,3 км DPC/GF-5 в ноябре 2018 года; правая панель: официальные продукты AODf с пространственным разрешением 18,5 км от POLDER/PARASOL в ноябре 2011 года.

Рисунок 4. Полученные результаты AODf с помощью DPC/GF-5 и официальные продукты POLDER/PARASOL в некоторых ключевых регионах мира, в которых верхняя, средняя и нижняя части соответствуют Восточному Китаю, Индии и Центральной Африке. На левой панели представлены полученные AODf из измерений DPC/GF-5 с пространственным разрешением 3,3 км в ноябре 2018 года, а на правой панели представлены официальные продукты AODf из измерений POLDER/PARASOL с пространственным решением 18,5 км в ноябре2011 года.

Рисунок 5. а) сайты Global AERONET и SONET для проверки спутниковой продукции AODf ; b) используемые наземные участки наблюдения PM2,5, используемые в Пекине; c) существует хорошая корреляция между полученными AODf и наземным мониторингом PM2,5.

5. Выводы



На основе бортовой камеры направленной поляризации (DPC) на борту спутника GF-5 была получена первая глобальная карта высокочастотной (3,3 км) аэрозольной оптической глубины (AODf) над сушей. Этот набор данных наблюдения дистанционного зондирования AODf имеет самое высокое пространственное разрешение в мире. Он может отражать пространственную информацию об основных загрязнителях воздуха (PS2,5 и т.д.) и обеспечивать важнейшие базовые продукты для «расшифровки» глобального распространения дымки.



Кроме того, AODf, полученный с помощью спутникового дистанционного зондирования, представляет собой общее оптическое количество мелких частиц всей атмосферы, в то время как PM2,5, который тесно связан с окружающей средой и здоровьем человека, относится конкретно к массовой концентрации мелких частиц в поверхностном слое. Таким образом, точная оценка поверхностных PM2,5 с помощью спутника AODf по-прежнему требует большой исследовательской и инновационной работы (Zhang and Li, 2015; Li et al., 2016).





Ссылка

Костантино Л. и Ф.-М. Bréon (2010), Анализ взаимодействия аэрозолей и облаков по данным мультисенсорных спутниковых наблюдений, Geophys Res Lett, 37(11), doi:10.1029/2009gl041828.

Deuzé, J.L., et al. (2001), Дистанционное измерение аэрозолей над поверхностью земли по данным поляризованных измерений POLDER-ADEOS-1, J Geophys Res, 106(D5), 4913-4926, doi:10.1029/2000JD900364.

Дубовик, О., М. Герман, А. Холдак, Т. Лапёнок, Д. Танре, Ж. Л. Деузе, Ф. Дюко, А. Синюк и А. Лопатин (2011), Статистически оптимизированный алгоритм инверсии для расширенного извлечения свойств аэрозоля из спектральных многоугольных поляриметрических спутниковых наблюдений, Atmos Meas Tech, 4(5), 975-1018, doi:10.5194/amt-4-975-2011.

Herman, M., J. L. Deuzé, C. Devaux, P. Goloub, F.M. Bréon, and D. Tanré (1997), Дистанционное зондирование аэрозолей над поверхностью земли, включая поляризационные измерения и применение к измерениям польдера, J Geophys Res, 102(D14), 17039, doi:10.1029/96jd02109.

Гасекамп, О..,. Литвинов и А. БуТц (2011), Свойства аэрозоля над океаном по данным многоугольных фотополяриметрических измерений PARASOL, J Geophys Res, 116 (D14), doi: 10.1029 / 2010jd015469.

Холбен, Б. Н., и др. (1998), AERONET - Федеративная сеть приборов и архив данных для аэрозольной циклизации, Remote Sens Environ, 66 (1), 1-16, doi : https://doi.org/10.1016/S0034-4257 (98) 00031-5.

МГЭИК (2014 г.), Изменение климата 2014 г.: сводный доклад, отредактированный, МГЭИК, Женева, Швейцария.

Танре, Д., Ф. М. Бреон, Ж. Л. Деузе, О. Дубовик, Ф. Дюко,.Франсуа с,. Голуб, М. Герман, А. Лиферманн и Ф. Ваке (2011), Дистанционное зондирование аэрозолей с использованием поляризованных, направленных и спектральных измерений в A-Train: миссия PARASOL, Atmos Meas Tech, 4 (7), 1383-1395, doi: 10.5194 / amt-4-1383-2011.

Гу, X. и X. Tong (2015), Обзор китайских спутниковых программ наблюдения за Землей, IEEE Geoscience and Remote Sensing Magazine, 3 (3), 113-129, doi: 10.1109 / MGRS.2015.2467172.

Леви, Р. К., Л. А. Ремер и О. Дубовик (2007), Глобальные оптические свойства аэрозоля иего применение к спектрорадиометру с умеренным разрешением для поиска аэрозолей над землей, J Geophys Res: Atmos, 112 (D13), doi: 10.1029 / 2006JD007815.

Леви, Р. К., С. Матту, Л. А. Мунчак, Л. А. Ремер, А. М. Сэйер, Ф. Патадия и Н. К. Сюй (2013),Аэрозольные продукты Collection 6 MODIS над сушей и океаном, Atmos Meas Tech, 6 (11), 2989-3034, doi: 10.5194 / amt-6-2989-2013.

Леви, Р. К., Л. А. Ремер, Р. Г. Клейдман, С. Матту, К. Ичоку, Р. Кан и Т. Ф. Эк (2010), Глобальная оценка аэрозольных продуктов Collection 5 MOD IS с темной целью над землей, Atmos Chem Phys, 10 (21), 10399-10420, doi: 10.5194 / acp-10-10399-2010.

Li, Z., et al. (2016), Дистанционное зондирование массы атмосферных твердых частиц сухих PM2,5 вблизи земли: проверка метода с использованием наземных измерений, Remote Sens Environ, 173, 59-68, doi: 10.1016 / j.rse.2015.11.019.

Ли, З., В. Хоу, Д. Хун, Ф. Чжэн, Д. Ло, Дж. Ван, С. Гу и Ю. Цяо (2018), Направленная поляриметрическая камера (DPC): мониторинг спектральных оптических свойств аэрозоля над сушей по спутниковым наблюдениям, J Quant Spectrosc Ra, 218, 21-37, doi: 10.1016 / j.jqsrt.2018.07.003.

Li, Z., et al. (2018), Всестороннее исследование оптических, физических, химических и радиационных свойств общих столбчатых атмосферных аэрозолей над Китаем: обзор измерений NETwork (SONET) радиометра Солнце-небо, B Am Meteorol Soc, 99 (4), 739–755, doi: 10.1175 / bams-d-17-0133.1.

Меньян, Ф., Ф.-М. Бреон, Э. Федель и М. Бувье (2009), Поляризованные отражательные способности природных поверхностей: космические измерения и аналитическое моделирование, Remote Sens Environ, 113 (12), 2642-2650, doi: 10.1016 / j.rse.2009.07.022.

Мищенко, М. И., Б. Кэрнс, Д. Э. Хансен, Л. Д. Трэвис, Р. Бург, Ю. Дж. Кауфман, Д. Вандерлей Мартинс и Э.. Шеттл (2004), Мониторинг аэрозольного воздействия климата из космоса: анализ требований к измерениям, J Quant Spectrosc Ra, 88 (1-3), 149-161, doi: 10.1016 / j.jqsrt.2004.03.030.

Надаль, Ф. и Ф. М. Бреон (1999), Параметризация поверхностного поляризованного отражения, полученного из космических измерений POLDER, IEEE T Geosci Remote, 37 (3), 1709-1718, doi: 10.1109 / 36.763292.

Мищенко, М. И., И. В. Геогджаев, Б. Кэрнс, Б. Э. Карлсон, Д. Чоудхари, А. А. Лацис, Л. Лю, В. Б. Россоу и Л. Д. Трэвис (2007), Прошлое, настоящее и будущее глобальных аэрозольных климатических атолологий, полученных из спутниковых наблюдений: перспектива, J Quant Spectrosc Ra, 106 (1-3), 325-347, doi: 10.1016 / j.jqsrt.2007.01.007.

Ваке, Ф., Ж.-Ф. Леон, Б. Кэрнс,. Голуб, Ж.-Л. Дьюзе и Ф. Ориоль (2009), Анализ спектрального и угловой ответной поляризации растительной поверхности с целью аэрозольного дистанционного зондирования над землей, Applied Aptics, 48, 1228-1236.

Се, Ю., З. Ли, Л. Ли, Р. Вагенер, И. Аббуд, К. Ли, Д. Ли, Ю. Чжан, С. Чен и Х. Сюй (2018), Аэрозольные оптические, микрофизические, химические и радиационные свойства случаев высоких аэрозольных нагрузок над Арктикой на основе измерений AERONET, Sci Rep, 8 (1), 9376, doi: 10.1038 / s41598-018-27744-z.

Чжан Ю. и З. Ли (2015), Дистанционное зондирование массовой концентрации мелких твердых частиц в атмосфере (PM2.5) вблизи земли по данным спутникового наблюдения, Remote Sens Environ, 160, 252-262, doi:10.1016/j.rse.2015.02.005.

Чжан, Ю., З. Ли, Л. Це, Ю. Чжан, З. Лю, С. Чен, В. Хоу, К. Ли, Д. Ли и Х. Сюй (2016), Извлечение аэрозольного действия в точном режиме из измерений интенсивности и поляризации с помощью PARASOL над Восточной Азией, Дистанционное зондирование, 8 (5), 417, doi: 10.3390 / rs8050417.

Чжан, Ю., З. Ли, Л. Це, В. Хоу, З. Лю, Ю. Чжан, Ю. Се, С. Чен и Х. Сюй (2017), Извлечение оптической глубины аэрозоля с использованием эмпирических ортогональных функций (EOF) на основе данных многоугольной интенсивности PARASOL, Дистанционное зондирование, 9 (6), 578, doi: 10.3390 / rs9060578.

Чжан, Ю., З. Ли, З. Лю, Д. Чжан, Л. Ци, Ю. Се, В. Хоу, Ю. Ван и З. Е (2018), Извлечение точной оптической глубины аэрозолей над Восточным Китаем с использованием метода сортировки группированных остаточных ошибок (GRES) из многоугольных и поляризованных спутниковых данных, Дистанционное зондирование, 10, 1838, doi: 10.3390 / rs10111838.