《北极地区污染气溶胶地基遥感研究取得进展 》

  • 来源专题:长江流域资源与环境知识资源中心 | 领域情报网
  • 编译者: changjiang
  • 发布时间:2018-07-02
  • 近日,中国科学院空天信息研究院环境遥感应用技术研究室关于北极地区污染气溶胶地基遥感研究成果发表于 Nature集团出版刊物 Scientific Reports ,第一作者为谢一凇助理研究员,通讯作者为李正强研究员。

      作为全球对气候变化最敏感的区域,极地一直是相关环境研究关注的重点。然而,自然条件的恶劣导致有效观测难以长期维持。在北极地区,传输自中高纬区域的气溶胶颗粒物对辐射平衡、冰雪圈有重要影响,但获取可靠的极地气溶胶观测数据是一个很大的挑战。气溶胶成分中,具有较强吸光特性的黑碳、棕色碳等对极地气候变化和大气环境等的影响尤其重要,因此极地地区的气溶胶遥感研究具有独特的研究价值。

      该研究团队基于其发展的气溶胶成分遥感反演方法,与美国 Brookhaven 国家实验室 R. Wagener 教授、加拿大环境与气候变化中心 I. Abboud 教授等国际团队开展合作,利用分布在北极多个观测站点的地基遥感数据,首次反演获得了北极区域高气溶胶负载下的整层大气气溶胶成分信息,解析了北极气溶胶光学 - 物理 - 成分 - 辐射综合特性,为极地气候变化评估、大气环境效应等研究提供了关键数据。   

    图 1. 研究选择的北极地区 8 个观测站点

      研究显示,北极地区高浓度污染气溶胶基本以细模态为主,约 90% 以上的消光来自于细粒子。气溶胶成分遥感估计表明,质量占比最高的是散射性细粒子成分(约为 68% )。而黑碳和棕色碳成分虽然浓度较低,但对光吸收的贡献高达 98% 。气溶胶成分与辐射强迫的多元线性回归分析模型显示,北极气溶胶中黑碳成分对整层大气的加热作用非常显著。

      

    图 2 北极地区高浓度气溶胶成分反演结果:( a )总质量浓度及各成分比例;( b )黑碳、棕色碳和沙尘的光学吸收;( c )气溶胶吸光模型与仪器观测值对比

      结合后向轨迹分析模型,该研究发现并指出了 2 类北极地区典型污染气溶胶的主要来源和成分特征:( 1 )来源于欧洲大陆的污染气溶胶,其中散射性细粒子成分的质量占比高达 90% ;( 2 )来源于北美、东亚的生物质燃烧气溶胶,其中碳质成分含量较高。

     

      图 3. 北极地区污染气溶胶成分干物质质量浓度( TMC dry )及污染来源后向轨迹分析

      论文链接: https://www.nature.com/articles/s41598-018-27744-z

相关报告
  • 《合肥研究院在气溶胶光学厚度反演研究方面取得进展》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2023-02-24
    • 近日,中国科学院合肥物质科学研究院安徽光学精密机械研究所研究员孙晓兵团队为满足单角度多波段偏振气溶胶探测的需求,提出了一种多波段强度和偏振信息联合利用的最优化反演算法,相关成果发表在Remote Sensing上。 大气气溶胶光学厚度(Aerosol optical depth,AOD)常用来表征气溶胶对太阳辐射的消光作用,在遥感大气校正及细颗粒物污染评估中具有重要作用。该团队提出的反演算法主要利用短波红外波段的偏振信息,在不需要地面先验信息的情况下,对地面和大气信息进行分离,然后使用标量信息来获得最终结果。利用该方法进行地气解耦,可以避免地表反射率数据库更新不及时造成的反演误差和时空匹配误差。 研究人员利用搭载在高光谱观测卫星(GF-5B)上的高精度偏振扫描仪(POSP)的观测数据对该算法进行了验证。与不同地区气溶胶自动观测网(AEROENT)站点的AOD产品比对结果表明,该算法能反演不同地表上空的AOD;与中分辨率成像光谱仪(MODIS)的AOD产品进行比对,验证了算法在不同污染条件下的有效性。 相关研究得到航天科技创新应用研究项目、中国高分辨率对地观测系统项目、中国资源卫星应用中心项目的资助。 图1 POSP的反演结果与AEROENT产品比对 图2 POSP的AOD反演结果(a)与MODIS产品(b)对比(2022年5月4日)
  • 《空天院科研团队在气溶胶遥感协同反演研究取得新进展》

    • 来源专题:光电信息技术
    • 编译者:王靖娴
    • 发布时间:2025-03-07
    • 【内容概述】据中国光学期刊网3月3日报道,近日,中国科学院空天信息创新研究院(空天院)石崇研究团队在气溶胶遥感反演方面,提出一种基于大气辐射传输模型(物理机理)与迁移学习(数据驱动)融合的全新遥感算法AIRTrans,实现了气溶胶光学特性的精准高效反演。 针对静止卫星(如Himawari-8/AHI)高频次观测需求,研究团队创新性地提出一种融合大气辐射传输模型与机器学习的AIRTrans算法。首先,研究团队基于辐射传输模型,充分考虑多种气溶胶类型光学特性与地表特性,构建了卫星仿真模拟数据库,预训练神经网络模型;之后,进一步通过地面实测数据对模型进行微调,显著提升真实场景泛化能力。该算法构建了小时级的地表反射率数据库,并综合考虑背景气溶胶的影响。 与地面观测数据的验证结果显示,AIRTrans算法在全球多区域独立验证中表现优异,AOT和FMF反演结果的均方根误差(RMSE)分别为0.132和0.146,较Himawari-8卫星官方产品精度提升约40%和49%。尤其在细模态比反演方面,该算法成功解决了官方产品存在的系统性低估问题。此外,在沙尘暴与雾霾污染事件的监测方面,AIRTrans算法成功捕捉到AOT与FMF时空演变过程,这将为极端污染的动态监测及预警提供新的契机。 该研究提出的算法框架具有很强的普适性,可拓展至其他多光谱传感器的气溶胶参数反演,为碳中和背景下大气污染精准治理、气候效应评估等需求提供关键技术支撑。该成果以“Development of a hybrid algorithm for the simultaneous retrieval of aerosol optical thickness and fine-mode fraction from multispectral satellite observation combining radiative transfer and transfer learning approaches”为题,发表于国际遥感领域顶级期刊《Remote Sensing of Environment》(中国科学院一区,IF=11.1)。 (文献见附件)