Wyznaczanie grubości optycznej aerozoli atmosferycznych na podstawie pomiarów teledetekcyjnych

• Autorzy: Zawadzka O. , Markowicz K.M.

Warianty tytułu

EN

Retrieval of aerosol optical thickness from remote sensing observations

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowany został nowy algorytm do wyznaczania własności optycznych aerozoli atmosferycznych nad lądem wykorzystujący synergię obserwacji satelitarnych oraz pomiarów wykonywanych fotometrem słonecznym i ceilometrem. Instrument SEVIRI (Spinning Enhanced Visible Infrared Radiometer) znajdujący się na pokładzie satelity MSG (Meteosat Second Generation) oferuje możliwość monitoringu aerozoli atmosferycznych z wysoką rozdzielczością przestrzenną i czasową. Detektor SEVIRI mierzy promieniowanie elektromagnetyczne w 12 kanałach spektralnych, jednak tylko dane z trzech kanałów mogą być wykorzystane do wyznaczania własności optycznych aerozoli atmosferycznych. Są to dwa kanały w świetle widzialnym (0,6 i 0,8 žm) oraz jeden w bliskiej podczerwieni (1,6 žm). Zostały przeprowadzone testy mające na celu określenie przydatności każdego z wymienionych kanałów. W wyniku przeprowadzonych symulacji stwierdzono, że z powodu niskich wartości albeda wegetacji najbardziej czuły na obecność aerozoli w atmosferze jest kanał 1., natomiast radiancja mierzona na górnej granicy atmosfery w kanale 2. w niewielkim stopniu zależy od grubości optycznej aerozolu, ze względu na wysokie albedo podłoża. Ponieważ ekstynkcja promieniowania związana z obecnością aerozoli na ogół znacząco maleje z długością fali, aerozole mają stosunkowo mały wpływ na radiancję mierzoną w kanale 3. Ponadto kanał ten jest czuły na zmiany albeda powierzchni i na występowanie chmur. Do wyznaczenia grubości optycznej aerozoli atmosferycznych zostały zastosowane metody odwrotne. Do symulacji obserwacji satelitarnych został wykorzystany model transferu promieniowania 6S (Second Simulation of a Satellite Signal in the Solar Spectrum) (Vermote i in, 1997), oparty na przybliżeniu successive orders of scattering (Liou, 2002). Model 6S został użyty do zdefiniowania skalarnej funkcji kosztu. Funkcja ta została określona przez wartości obserwowane, wyznaczane własności optyczne aerozolu oraz dodatkowe informacje a priori (Rodgers, 2000). Algorytm składa się z trzech części. W pierwszym kroku eliminowanie są piksele zawierające chmury na podstawie zmienności przestrzennej reflektancji na górnej granicy atmosfery w kanale 1,6 žm. W kolejny kroku wykonywana była minimalizacja funkcji kosztu w celu uzyskania wartości reflektancji podłoża. Do estymacji tego parametru zostały użyte obserwacje naziemne grubości optycznej aerozoli pochodzące z pomiarów fotometrem słonecznym oraz pionowe profile ekstynkcji z ceilometru, zarejestrowane w dniu z niską zawartością aerozoli w atmosferze. Zakładając, że reflektancja podłoża dla rozdzielczości przestrzennej SEVIRI zmienia się wolno w czasie, uzyskane rezultaty mogły być użyte do wyznaczenia grubości optycznej w następnych lub poprzednich dniach. Ostatnia część algorytmu jest związana z wyznaczeniem własności optycznych aerozoli atmosferycznych na podstawie minimalizacji odpowiednio zdefiniowanej funkcji kosztu. Opisana metoda została przetestowana na podstawie danych zebranych w kwietniu i w maju 2009 r. Obliczenia przeprowadzone zostały dla pikseli obejmujących fragmenty Puszczy Kampinoskiej. Wstępne rezultaty pokazały dobrą zgodność wyznaczonych i zmierzonych na powierzchni ziemi wartości grubości optycznej. Wartości obliczone różniły się od tych zmierzonych fotometrem słonecznym o ok. 0,025. Słowa kluczowe: aerozole atmosferyczne, grubość optyczna, poprawka

EN

The Spinning Enhanced Visible Infrared Radiometer (SEVIRI) instrument on board Meteosat Second Generation (MSG) offers new capabilities to monitor aerosol loading over land at high temporal and spatial resolution. We propose algorithm to derived aerosol optical properties from synergy of the satellite, sun photometer and ceilometer observations. SEVIRI instrument has three channels that can be useful in aerosol optical properties retrieval: two visible channels (0.6 and 0.8 ěm) and one near infrared channel (1.6 ěm). In order to determine usefulness of each of these channels we carried out tests. It turned out that the 1st channel is the most sensitive for the presence of aerosols, due to relatively low vegetation albedo values in this wavelength. On the contrary, because of rather high albedo of vegetation in the 2nd channel radiation measured at the top of the atmosphere weakly depends on aerosol optical thickness. Since radiation extinction connected with presence of aerosols strongly decrease with wavelength aerosols have relatively small influence on measured radiation in the 3rd channel. Furthermore, this channel is sensitive on changes in albedo of surface and on presence of clouds. Due to above-mentioned reasons we decided to use the radiance measurements in the 1st channel of SEVIRI in retrieval of aerosol properties. In order to retrieve aerosol optical thickness we apply inverse methods. For simulations of satellite observations we use 6S (Second Simulation of a Satellite Signal in the Solar Spectrum) (Vermote et al., 1997) radiative transfer model, based on successive orders of scattering approximations (Liou, 2002). The 6S model is used to define a scalar cost function. This function is defined by observation, retrieved quantities, and a priori information (Rodgers, 2000). Retrieval algorithm consists of three parts. The first step is to remove cloud-contaminated pixels using spatial variability of the top of the atmosphere reflectance at 1.6 ěm. The next step provides surface reflectance based on the cost function minimization. Surface reflectance is the main difficulty in determination of aerosol optical properties over land. To estimate this parameter we use surface observations of aerosol optical thickness from sun photometer and vertical profile of extinction coefficient from ceilometer during a day with low aerosol content in the atmosphere. Assuming that surface reflectance at SEVIRI resolution changes slowly with time we can use previous result to calculate aerosol optical thickness for next or previous days. The last part of algorithm is related to aerosol optical properties estimation based on minimization of the respectively defined cost function. Described method has been tested for data collected in April and May 2009. Preliminary results were obtained for pixels located in the Kampinos Forest, a large forest complex located near to Warsaw in Poland. We found good consistency between the retrieved and measured at the surface the aerosol optical thickness. The calculated values differ from those measured by sun photometer by 0.025.

Słowa kluczowe

PL

aerozol atmosferyczny; poprawka atmosferyczna; grubość optyczna; teledetekcja atmosfery

EN

atmospheric aerosol; optical thickness; atmospheric correction; remote sensing of atmosphere

• Wydawca: Polskie Towarzystwa Geofizyczne ; Komitet Geofizyki PAN
• Czasopismo: Przegląd Geofizyczny
• Rocznik: 2011
• Tom: Z. 1-2
• Strony: 3--26
• Opis fizyczny: Bibliogr. 34 poz., tab., wykr.

Twórcy

autor

Zawadzka O.

autor

Markowicz K.M.

• Instytut Geofizyki UW(

Bibliografia

• 1.Baldridge A.M., Hook S. J., Grove C. I., Rivera G., 2009, The ASTER Spectral Library Version 2.0. Remote Sensing of Environment, 113, 711-715.
• 2.Bennouna Y.S., de Leeuw G., 2007, Aerosol retrievals over land and sea surface using combined satellite measurements from MSG-SEVIRI and ENVISAT-AATSR. Proceedings Envisat Symposium, Montreux, Switzerland.
• 3.Chu D.A., Kaufman Y.J., Zibordi G., Chern J.D., Mao J., Li C., Holben B.N., 2003, Global Monitoring of Air Pollution over Land from EOS-Terra MODIS. Jour, of Geoph. Res., 108, D21, 4661.
• 4.Chu D.A., Kaufman Y.J., Ichoku C, Remer L.A., Tanre D., Holben B.N., 2002, Validation of MODIS aerosol optical depth retrieval over land. Geoph. Res. Letter, 29, 12, 8007
• 5.Coakley J.A., Cess R.D., 1985, Response of the NCAR Community Climate Model to the radiative forcing by the naturally occuring tropospheric aerosol. Jour, of Atmos. Sci., 42, 1677-1692.
• 6.Diner D.J., Abdou W., Ackerman X, Crean K., Gordon H., Kahn R., Martonchik J., McMuldroch S., Paradise S., Pinty B., Verstrete M., Wang M., West R., 2001, MISR Level 2 Aerosol Retrieval Algorithm Theoretical Basis. JPLD11400, Rev. E.
• 7.Fernald EG., 1984, Analysis of atmospheric lidar observations: some comments. Applied Optics, 23, 652-653.
• 8.Govaerts Y., Wagner S., Lattanzio A., Watts P., 2009, Application of the Optimal Estimation Method to the Joint Retrieval of Aerosol Load and Surface Reflectance from MSG/SEVIRI Observations. Proceedings of the International Radiation Symposium (IRC/IAMAS), AIP Conference Proceedings, t. 1100, s. 255-258.
• 9.Gordon H.R., Wang M.H., 1994, Retrieval of water-leaving radiance and aerosol optical-thickness over the oceans with SeaWiFS - a preliminary algorithm. Applied Optics, 33, 443-452.
• 10.Hapke B., 1993, Theory of reflectance and emittance spectroscopy. Cambridge University Press.
• 11.Henyey L.G., Greenstein J.L., 1941, Diffuse radiation in the galaxy. Astrophys. Jour., 93, 70-83.
• 12.Herman J.R., Bhartia P.K., Torres O., Hsu N.C., Seftor C.J., Celarier E., 1997, Global distribution of UV-absorbing aerosols from Nimbus-7/TOMS data. Jour, of Geoph. Res., 102, 16, 911-16,922.
• 13.Hess M., Koepke R, Schult I., 1998, Optical Properties of Aerosol and Clouds: The Software Package OPAC. Bull, of the Am. Met. Soc, 79, 831-844.
• 14.Hsu N.C., Herman J.R., Bhartia P.K., Seftor C.J., Torres O., Thompson A.M., Gleason J.E, Eck T.F., Holben B.N., 1996, Detection of biomass burning smoke from TOMS measurements. Geoph. Res. Letter, 23, 745-748.
• 15.Ignatov A., 1997, Estimation of the Aerosol Phase Function in Backscatter from Simultaneous Satellite and Sun-Photometer Measurements. Jour, of Appl. Met., 36, 688-694.
• 16.IPCC, 2007, Climate Change 2007: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Parry M.L., Canziani O.F., Palutik of J.P., van der Linden P.J., Hanson C.E.. Cambridge University Press.
• 17.Jiakui T., Xue Y., Yu T., Guan Y, 2005, Aerosol optical thickness determination by exploiting the synergy of TERRA and AQUA MODIS. Remote Sensing of Envir., 94, 3, 327-334.
• 18.Kaufman Y.J., Tanre D., Remer L.A., Vermote E.F., Chu A., Holben B.N., 1997, Operational remote sensing of tropospheric aerosol over the land from EOS-MODIS. Jour, of Geoph. Res., 102, 17,051-17,061.
• 19.King M.D., Kaufman Y.J., Tanre D., Nakajima T, 1999, Remote sensing of tropospheric aerosols from space: Past, present and future. Bull, of the Am. Met. Soc, 80, 2229-2259.
• 20.Klett J.D., 1985, Lidar inversions with variable backscatter/extinction values. Applied Optics, 24, 211-220.
• 21.Liou K., 2002, An Introduction to Atmospheric Radiation. Int. Geoph. Series, 84, Academic Press.
• 22.Markowicz K.M, Flatau P.J., Kardaś A.E., Stelmaszczyk K., Woeste L., 2008, Ceilometer retrieval of the boundary layer vertical aerosol extinction structure. Jour, of Atm. and Oceanic Technology, 25, 6, 928-944.
• 23.Markowicz K.M., Zawadzka O., Stachlewska I., 2010, Obserwacje pyłu wulkanicznego nad Polską w kwietniu 2010 roku. Prz. Geof., 55, 3-4, 119-143.
• 24.Martonchik J.V., Diner D. J., Kahn R., Gaitley B., Holben B.N., 2004, Comparison of MISR and AERONET aerosol optical depths over desert sites. Geoph. Res. Letter, 31, LI6102.
• 25.Morys M., F. M. III, Hagerup S., Anderson S., Baker A., Kia J., Walkup X, 2001, Design, calibration, and performance of MICROTOPS II handheld ozone monitor and Sun photometer. Jour, of Geoph. Res., 106, D13, 14,573-14,582.
• 26.Rodgers C, 2000, Inverse Methods for Atmospheric Sounding. Theory and Practise. Series on Atmospheric, Oceanic and Planetary Physics, 2, World Scientific.
• 27.Sasano Y, Browell E.V., Ismail S., 1985, Error caused by using a constant extinction/back-scattering ratio in the lidar solution. Applied Optics, 24, 3929-3932.
• 28.Solar Light Company, 2001, MICROTOPS II - Ozone Monitor and Sunphotometer Version 2.43. User's Guide. Solar Light Company, Inc.
• 29.Stephens G.L., Vane D.G., Boain R.J., Mace G.G., Sassen K., Wang Z., Illingworth A.J., O'Connor E.J., Rossow W.B., Durden S.L., Miller S.D., Austin R.T., Benedetti A., Mitrescu C, T. CloudSat Science Team, 2002, The Cloudsat Mission And The A-Train. Bull, of the Am. Met. Soc, 83, 1771-1790.
• 30.Stowe L.L., Ignatov A.M., Singh R.R., 1997, Development, validation, and potential enhancements to the secondgeneration operational aerosol product at the National Environmental Satellite, Data, and Information Service of the National Oceanic and Atmospheric Administration. Jour, of Geoph. Res., 102, D14, 16,923-16,934.
• 31.Vermote E., Tanre D., Deuze J., Herman M., Morcrette J.J., 1997, Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: An overview. IEEE Transactions on Geoscience and Remote Sensing. 35, 3, 675-686.
• 32.Vermote E., Tanre D., Deuze J., Herman M., Morcrette J.J., Kotchenova S.Y., 2006, Second Simulation of a Satellite Signal in the Solar Spectrum - Vector (6SV). Laboratoire d'Optique Atmospherique.
• 33.Xiang'ao Xia, 2006, Significant overestimation of global aerosol optical thickness by MODIS over land. Chinese Science Bulletin, 51, 23, 2905-2912.
• 34.Xu Q,, Obradovic Z., Han B., Li Y., Braverman A., Vucetic S., 2005, Improving aerosol retrieval accuracy by integrating AERONET, MISR and MODIS data. Center for Inf. Sci. & Technol., Temple Univ., Philadelphia.