二重極化ライダーとPSO-GPRの機械学習アプローチを用いたエアロゾール吸収係数の高解像度プロファイリング

科学分野:

• 大気科学 大気科学
• リモートセンシング (リモートセンサー)
• 気候科学 気候科学

背景:

• エアロゾルの放射性強制を定量化することは,気候影響評価に不可欠です.
• エアロゾール吸収係数 (AAC) の信頼性の高い垂直プロファイルは,観測上の制約のために制限されています.

研究 の 目的:

• 双極化ライダーを使用して垂直AACプロフィールを検索するための新しい方法を開発する.
• 開発された回収アプローチの正確性と堅実性を検証する.

主な方法:

• 355nmと532nmで二重極化リダール測定を使用しています.
• 粒子群最適化-ガウスプロセス回帰 (PSO-GPR) スキームを統合する.
• 中国北西部の in-situ 吸収観測で校正した.

主要な成果:

• 表面近くのLidarで回収されたAACは,Aethalometerの測定値と良好な一致を示しました.
• 垂直のAACプロファイルは,テテッドバルーンの観測と強い相関関係 (0.74) を示した.
• PSO-GPRのアプローチは,AACのプロフィール検索に堅実であることが証明されました.

結論:

• この研究は,高解像度のAACプロファイルのための効果的な遠隔感知方法を提示しています.
• このテクニックは,エアロゾールの放射性影響の評価を強化します.
• 改善されたAACプロフィールデータは,気候研究のための新しい機会を提供します.