Комплексный спутниковый и наземный региональный мониторинг атмосферного аэрозоля лидарными и радиометрическими системами с использованием ассимиляции данных
Рубрика:
| Метельская, НС, Бриль, АИ, Чайковский, АП, Федоренко, АС, Милиневский, ГП |
| Косм. наука технол. 2020, 26 ;(1):59-71 |
| https://doi.org/10.15407/knit2020.01.059 |
| Язык публикации: Русский |
Аннотация: Алгоритм обработки данных комбинированных наземных измерений лидаров и радиометров модифицирован для комплексной обработки данных наземных радиометров и космического лидара, что позволяет расширить область применения метода лидарно-радиометрического зондирования. В настоящей работе для комплексной обработки данных использовались совмещённые в пространстве и времени измерения радиометрами сети AERONET и космическим лидаром CALIOP/CALIPSO. Сигналы обратного рассеяния лидара CALIOP усреднялись по выборке индивидуальных лидарных измерений на отрезке траектории спутника в окрестностях станции AERONET. Длина отрезка составляла примерно 100…200 км, что соответствует выборкам из 300…600 измерений, позволяющих существенно уменьшить вклад шумов в сигналах CALIOP. Для валидации такого подхода проводился комплексный LRS-эксперимент, в рамках которого использовались совпадающие во времени и пространстве наземные многоволновые лидарные измерения, измерения лидаром CALIOP и радиометрические измерения в сети AERONET. Для дальнейшего расширения области применения метода лидарно-радиометрического зондирования использована оптимальная интерполяция по данным наблюдений на станциях AERONET и результатам расчёта по химико-транспортной модели GEOS-Chem. В разработанном приложении метода оптимальнойинтерполяции учитываются как пространственные, так и временные корреляционные зависимости значений наблюдений. Построены пространственные и временные корреляционные зависимости содержания аэрозоля в атмосфере восточно-европейского региона. Оптимальная интерполяция данных наблюдений с учётом среднестатистических значений и
результатов моделирования позволяет получить наименьшую погрешность оценки в применении к ассимиляции данных радиометрических наблюдений. |
| Ключевые слова: аэрозоль, лидарно-радиометрическое зондирование, оптимальная интерполяция, химико-транспортная модель GEOS-Chem |
References:
1. Гандин Л. С. Объективный анализ метеорологических полей. Ленинград: Гидрометеорологическое изд-во, 1963. 288 с.
2. Колмогоров А. Н. Интерполирование и экстраполирование стационарных случайных последовательностей. Изв. АН СССР. Cер. математ. 1941. 5, № 1. С. 3—14.
3. Яглом А. М. Введение в теорию стационарных случайных функций. Успехи матем. наук. 1952. 7, № 5. С. 3—168.
4. Bey I., Jacob D. J., Yantosca R. M., et al. Global modeling of tropospheric chemistry with assimilated meteorology: Model description and evaluation. J. Geophys. Res. 2001. 106(D19). P. 23073—23095.
2. Колмогоров А. Н. Интерполирование и экстраполирование стационарных случайных последовательностей. Изв. АН СССР. Cер. математ. 1941. 5, № 1. С. 3—14.
3. Яглом А. М. Введение в теорию стационарных случайных функций. Успехи матем. наук. 1952. 7, № 5. С. 3—168.
4. Bey I., Jacob D. J., Yantosca R. M., et al. Global modeling of tropospheric chemistry with assimilated meteorology: Model description and evaluation. J. Geophys. Res. 2001. 106(D19). P. 23073—23095.
5. Chaikovsky A., Bril A., Dubovik O., et al. CIMEL and multiwavelength lidar measurements for troposphere aerosol altitude distributions investigation, long-range transfer monitoring and regional ecological problems solution: field validation of retrieval techniques. Optica Pura y Aplicada. 2004. 37. P. 3241—3246.
6. Chaikovsky A., Chaikovskaya L., Denishchik-Nelubina N., et al. Lidar & radiometer inversion code (LIRIC) for synergetic processing of EARLINET, AERONET and CALIPSO lidar data. EPJ Web of Conf. 2018. 176. P. 08007.
6. Chaikovsky A., Chaikovskaya L., Denishchik-Nelubina N., et al. Lidar & radiometer inversion code (LIRIC) for synergetic processing of EARLINET, AERONET and CALIPSO lidar data. EPJ Web of Conf. 2018. 176. P. 08007.
7. Chaikovsky A., Dubovik O., Holben B., et al. Lidar-Radiometer Inversion Code (LIRIC) for the retrieval of vertical aerosol properties from combined lidar/radiometer data: development and distribution in EARLINET. Atmos. Meas. Tech. 2016. 9. P. 1181—1205.
8. Dubovik O., King M. A flexible inversion algorithm for retrieval of aerosol optical properties from sun and sky radiance measurements. J. Geophys. Res. 2000. 105(D16). P. 20673—20696.
9. Dubovik O., Smirnov A., Holben B. N., et al. Accuracy assessments of aerosol optical properties retrieved from Aerosol Robotic Network (AERONET): Sun and sky radiance measurements. J. Geophys. Res.: Atmospheres. 2000. 105(D8). P. 9791—9806.
10. Ford B., Heald C. L. Aerosol loading in the Southeastern United States: reconciling surface and satellite observations. Atmos. Chem. Phys. 2013. 13. P. 9269—9283.
11. GEOS-5 system. URL: http://gmao.gsfc.nasa.gov/systems/geos5/ (дата звернення 10.10.2019).
12. Granados-Muñoz M. J., Guerrero Rascado J. L., Bravo-Aranda J. A., et al. Retrieving aerosol microphysical properties by Lidar — Radiometer Inversion Code (LIRIC) for different aerosol types. J. Geophys. Res.: Atmospheres. 2014. 119. P. 4836—4858.
12. Granados-Muñoz M. J., Guerrero Rascado J. L., Bravo-Aranda J. A., et al. Retrieving aerosol microphysical properties by Lidar — Radiometer Inversion Code (LIRIC) for different aerosol types. J. Geophys. Res.: Atmospheres. 2014. 119. P. 4836—4858.
13. Granados-Muñoz M. J., Guerrero Rascado J. L., Bravo-Aranda J. A., et al. AERONET — A federated instrument network and data archive for aerosol characterization . Remote sensing of env. 1998. 66, № 1. P. 1—16.
https://doi.org/10.1016/S0034-4257(98)00031-5
14. Jo D. S., et al. Effects of chemical aging on global secondary organic aerosol using the volatility basis set approach. Atmos. Environ. 2013. 81. P. 230—244.
15. Miatselskaya N., Kabashnikov V., Milinevsky G., et al. Atmospheric aerosol distribution in the Belarus-Ukraine region by the GEOS-Chem model and AERONET measurements. Int. J. Remote Sensing. 2016. 37, № 14. P. 3181—3195.
16. Pye H. O. T., Chan A. W. H., Barcley M. P., et al. Global modeling of organic aerosol: the importance of reactive nitrogen (NOx and NO3). Atmos. Chem. Phys. 2010. 10. P. 11261—11276.
17. Shenshen L., Garay M. J., Chen L., et al. Comparison of GEOS-Chem aerosol optical depth with AERONET and MISR data over the contiguous United States. J. Geophys. Res. 2013. 118. P. 1—14.
18. Tackett J. L., Winker D. M., Getzewich B. J., et al. CALIPSO lidar level 3 aerosol profile product: version 3 algorithm design. Atmos. Meas. Tech. 2018. 11. P. 4129—4152.
18. Tackett J. L., Winker D. M., Getzewich B. J., et al. CALIPSO lidar level 3 aerosol profile product: version 3 algorithm design. Atmos. Meas. Tech. 2018. 11. P. 4129—4152.
19. The Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO). URL: http://wwwcalipso.larc.nasa.gov/ (дата звернення 10.10.2019).
20. Wagner J., Ansmann A., Wandinger U., et al. Evaluation of the Lidar/Radiometer Inversion Code (LIRIC) to determine microphysical properties of volcanic and desert dust. Atmos. Meas. Tech. 2013. 6. P. 1707—1724.
20. Wagner J., Ansmann A., Wandinger U., et al. Evaluation of the Lidar/Radiometer Inversion Code (LIRIC) to determine microphysical properties of volcanic and desert dust. Atmos. Meas. Tech. 2013. 6. P. 1707—1724.
21. Wiener N. Extrapolation, interpolation and smoothing of stationary time series. New York, 1949. 163 p.
22. Yu F. A secondary organic aerosol formation model considering successive oxidation aging and kinetic condensation of organic compounds: global scale implications. Atmos. Chem. Phys. 2011. 11. P. 1083—1099.