基于机器学习的气溶和海洋颜色联合检索算法,用于沿海水域上的多角度极度计

科学领域:

• 地球科学 地球科学 地球科学
• 大气科学 大气科学
• 海洋学 海洋学 海洋学

背景情况:

• 美国宇航局的浮游生物,气溶,云,海洋生态系统 (PACE) 任务使用先进的多角度极度计 (MAP) 如HARP2和SPEXone.
• 现有的检索算法面临着计算上昂贵的辐射传输模型的挑战,特别是对于大型数据集.

研究的目的:

• 扩展FastMAPOL联合检索算法用于沿海水域使用多参数生物光学模型.
• 用六个不同的组件表示气溶,以提高检索准确度.
• 评估不同PACE MAP配置的性能,以检索气溶,海洋颜色和表面参数.

主要方法:

• 开发了基于神经网络的前模型,用于沿海生物光学特性.
• 包含一个六个组件的气溶模型,具有可检索的丰度.
• 将增强的FastMAPOL算法应用于合成的PACE任务数据 (HARP2,SPEXone,组合).

主要成果:

• 只有SPEXone的配置在气溶采集方面是有效的,与HARP2-only相比.
• 由于更广泛的光谱覆盖范围,SPEXone提供了卓越的海洋色彩检索.
• 由于HARP2的视野广,HARP2在检索表面风速方面表现出色.
• 组合的HARP2+SPEXone配置提供了最佳的整体检索性能.
• 包括太阳光的几何形状显著提高风速和吸收气溶的检索.

结论:

• 改进的FastMAPOL算法有效地检索沿海环境中的气溶,海洋颜色和表面参数.
• 来自HARP2和SPEXone的联合测量为全面的地球系统研究提供了协同效益.
• 该算法的大气和BRDF校正模块增强了PACE极相仪数据对海洋生物地质化学的实用性.