严重低估了来自野火的微型气溶载荷及其辐射效应在美国当前卫星采集的辐射效应
Xing Yan1, Chen Zuo1, Zhanqing Li2
1State Key Laboratory of Remote Sensing Science, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China.
Environmental science & technology
|August 20, 2024
概括
一个新的深度学习模型使用卫星数据准确地测量了野火细模式气溶光学深度 (fAOD). 这种先进的方法揭示了fAOD被当前产品低估了,影响了气候变化预测.
科学领域:
- 大气科学 大气科学
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 野火产生大量的微型气溶,对气候至关重要,但很难通过卫星准确测量.
- 现有的卫星气溶光学深度 (fAOD) 产品显示出很高的不确定性,特别是野火烟雾.
- 多边卫星数据为改善FAOD检索提供了潜力,但未得到充分利用.
研究的目的:
- 开发和验证一个创新的视角依赖深度学习模型 (ADLM) 来检索精细模式气溶光学深度 (fAOD).
- 评估温室气体观测卫星-2 (GOSAT-2) 数据对于高分辨率的fAOD检索的潜力.
- 在野火事件期间,将ADLM衍生的fAOD和气溶辐射强迫 (ARF) 与现有的卫星产品进行比较.
主要方法:
- 开发了一个取决于角度的深度学习模型 (ADLM),利用双角度卫星观测.
- 将ADLM应用于GOSAT-2数据,以便在460米分辨率下在连续的美国上空进行FAOD检索.
- 根据地面测量验证了ADLM的性能,并将结果与MODIS,VIIRS和MISR fAOD产品进行了比较.
主要成果:
- 在对地面数据进行验证时,ADLM表现出强的性能,偏差最小.
- 来自MODIS,VIIRS和MISR的官方FAOD产品低估了美国西部的野火FAOD超过40%.
- ADLM衍生的ARF比MODIS,VIIRS和MISR的估计高出20%以上,这表明野火的影响更大.
结论:
- ADLM提供了使用多角度卫星数据检索野火fAOD的更准确的方法.
- 目前的卫星FAOD产品显著低估了野火气溶对地球能量平衡的影响.
- 改进的FAOD测量对于准确的气候建模和理解野火影响至关重要.
