气溶胶瞬时短波直接辐射效应反演方法

1.本发明涉及大气环境、大气遥感和气溶胶遥感技术领域，尤其涉及一种气溶胶瞬时短波直接辐射效应反演方法。


背景技术：

2.气溶胶是大气中的重要组成部分，对气候系统具有显著影响。气溶胶可以通过吸收和散射入射的太阳辐射来改变气候，但由于其种类繁多，生命周期短，水平和垂直分布相当复杂，在区域及全球气候和环境变化中具有很大的不确定性。气溶胶直接辐射效应（aerosol direct radiative effect，adre）作为气溶胶最著名的影响之一，对其进行量化有助于理解气溶胶对地球能量收支的影响。adre可用下式进一步描述为有气溶胶和无气溶胶的净辐射通量的瞬时变化：
3.式中，adre表示气溶胶直接辐射效应，是净辐射效应f
net
，箭头表示辐射通量的方向，fa和f0分别表示有气溶胶和无气溶胶的总辐射通量。向下的辐射通量定义为正，向上的辐射通量定义为负。
4.adre的变化由大气成分、气溶胶—云和表面性质以及时空变化综合决定。然而，由于气溶胶特性的时空异质性，不同来源和较短的寿命使得研究adre具有挑战性。气溶胶主要吸收和散射波长范围为0.25~4 μm的短波太阳辐射，即包括了可见光部分，也包含了部分紫外辐射波段和红外辐射波段。
5.随着卫星遥感技术的发展，基于卫星观测的大范围及时、准确的气溶胶监测信息，以及地表反射特征数据等，为定量化估算气溶胶对全球气候的影响提供了数据支持。adre估算常用方法有全球气候模式、直接观测方式、参数化建模方式和辐射传输模式。
6.全球气候模式可以输出气溶胶及其辐射效应的分布结果。但是，由于其输出分辨率一般在几百千米，难以获得adre的细致空间分布，并且在特定区域的结果有时会有问题，如在非洲南部，当烟雾气溶胶在云上场景时，adre与基于测量的气溶胶和云特性由辐射传输模式计算的toa （top of atmosphere，大气层顶）adre结果不符。
7.直接观测方式通常使用卫星遥感技术，结合卫星观测气溶胶光学厚度数据来获得toa adre，但无法对boa（bottom of atmosphere，大气层底）adre进行估算。地基辐射观测方式虽然可以获得toa adre和boa adre，但受限于观测范围，无法获得大区域连续的adre。
8.回归分析建模反演adre需要大量的数据支持，对数据的质量要求高，如果数据存在异常值、缺失值等，可能会导致模型不准确。adre估计涉及众多参数，因此，回归分析建模需要选择合适的模型类型和自变量，如果选择不当，可能会导致模型不准确或无法解释。回归分析建模中的模型可能受到样本偏差和过拟合的影响，需要进行模型评估和改进。现有回归模型方法仅能在特定太阳天顶角或特定地表特征情况下，建立aot（aerosol optical thickness，气溶胶光学厚度）、ssa（single scattering albedo，单次散射反照率）与adre
的回归关系，无法在不同气溶胶光学特性、地表特征和太阳天顶角情况下正确反演adre。
9.辐射传输模式是一种计算精度较高的方法，其通过对辐射传输方程的解算，考虑了大气中气溶胶-云的光学和物理特性以及表面性质等众多影响因子对adre的影响。辐射传输模式的方法能够同时对toa和boa adre进行计算，但需要输入大量特征解算辐射传输方程，计算效率低，难以开展针对大范围和长时间序列的adre进行计算。


技术实现要素：

10.鉴于上述问题，本发明提供了一种气溶胶瞬时短波直接辐射效应反演方法，具有计算效率高、计算精度高和适用范围广的优点。
11.本发明提供了一种气溶胶瞬时短波直接辐射效应反演方法，包括：步骤s1，基于aeronet地面站点和caliop卫星的气溶胶数据，获得计算adre所需的多个初始特征的数值分布情况，多个初始特征包括气溶胶光学特性和垂直分布特征；步骤s2，根据数值分布情况，获得每个初始特征对adre的影响程度；步骤s3，根据数值分布情况和影响程度，确定多个初始特征的不同特征组合，基于sbdart辐射传输模式，计算不同特征组合下的瞬时短波大气层顶adre和大气层底adre，形成样本数据集；步骤s4，根据样本数据集，构建用于计算瞬时adre的非均匀多维查找表；步骤s5，根据气溶胶数据，对非均匀多维查找表进行校正；步骤s6，输入待反演的遥感数据，调用校正后的非均匀多维查找表，采用三次样条插值计算对应的气溶胶瞬时短波直接辐射效应。
12.进一步地，在步骤s1，气溶胶光学特性包括：气溶胶光学厚度、单次散射反照率、不对称因子、angstrom波长指数、太阳天顶角、地表反照率；垂直分布特征包括：气溶胶层底高度和气溶胶层厚度。
13.进一步地，数值分布情况包括取值范围和基准值；步骤s1具体包括：步骤s11，设置气溶胶光学厚度、单次散射反照率、不对称因子和angstrom波长指数各自的取值范围和基准值；步骤s12，设置太阳天顶角和地表反照率各自的取值范围和基准值；步骤s13，设置气溶胶层底高度和气溶胶层厚度各自的取值范围和基准值。
14.进一步地，步骤s2具体包括：步骤s21，分析气溶胶层底高度变化对adre的影响程度；步骤s22，分析adre对各初始特征的局部敏感性；步骤s23，分析adre对各初始特征的全局敏感性；步骤s24，根据局部敏感性和全局敏感性，获得每个初始特征对adre的影响程度。
15.进一步地，按照以下方式分析adre对各初始特征的全局敏感性：假设模型，具有d个输入特征，基于sobol采样生成n
×
2d的样本矩阵，n为采样的样本数；将样本矩阵的前d列设置为矩阵a，后d列设置为矩阵b，矩阵a和b均为n
×
d的新矩阵；将矩阵a的第i列用矩阵b的第i列替换，构造新的n
×
d的矩阵abi，i=1,2,3,
…
,d，形成d个新的矩阵；矩阵a、b和abi合计有n
×
(d+2)个样本，利用模型y计算样本对应值f(a)、f(b)和f(abi)；根据以下公式计算总效应指数：
16.式中，；i=1,2,
…
,d；j=i+1,i+2,
…
,d；xi表示第i个输入特征；e
xi
表示第i个输入特征的条件期望；var
xi
表示第i个输入特征的条件方差；s
ti
表示模型y对第i个输入特征的总效应指数；var(y)表示模型y的期望值；根据总效应指数，确定adre对每个初始特征的全局敏感性。
17.进一步地，步骤s3具体包括：步骤s31，根据数值分布情况和影响程度，确定每个初始特征的取值范围和步长；步骤s32，基于取值范围和步长，将每个初始特征划分为多个子特征，将多个初始特征的多个子特征形成多个特征组合；步骤s33，基于sbdart辐射传输模式，计算在每个特征组合下的瞬时短波大气层顶adre和大气层底adre，形成样本数据集。
18.进一步地，步骤s5具体包括：步骤s51，对aeronet地面站点和caliop卫星的气溶胶数据进行时空匹配，获得aeronet地面站点的气溶胶层底高度和气溶胶层厚度；步骤s52，将aeronet地面站点的气溶胶光学特性和反照率数据，输入已构建的非均匀多维查找表，计算对应的adre反演结果；步骤s53，将adre反演结果与瞬时adre的实际值进行比较，确定非均匀多维查找表的参数，得到校正后的非均匀多维查找表。
19.进一步地，步骤s51具体包括：空间匹配：以aeronet地面站点为中心，以半径30 km为圆形区域，提取卫星过境时圆形区域内的气溶胶层底高度和气溶胶层厚度；时间匹配：在圆形区域内，以卫星过境时间为基准，提取卫星过境时刻
±
3小时内对应的气溶胶层底高度和气溶胶层厚度，以及aeronet地面站点数据。
20.进一步地，步骤s53包括：采用决定系数、均方根误差和平均绝对误差，衡量adre反演结果与瞬时adre的实际值的吻合程度；根据吻合程度，调整非均匀多维查找表的参数。
21.与现有技术相比，本发明提供的气溶胶瞬时短波直接辐射效应反演方法，至少具有以下有益效果：1、计算效率高。本发明的方法利用非均匀多维查找表，可以在较短时间内对大量数据进行处理和分析，实现adre的快速估算。相比于传统的辐射传输模式，本发明的方法具有更高的计算效率。
22.2、计算精度高。本发明的方法采用了多特征数据，建立了一个全面、准确的adre反演模型，可以更精确地估算adre。同时，通过对多特征取值范围的考虑，可以提高模型的反演能力和稳定性。
23.3、适用范围广。本发明的方法可以处理大范围、高时空分辨率的气溶胶数据，可以适用于全球、区域和局部的adre研究。同时，该方法也可以适用于不同类型和复杂程度的气溶胶场景，具有更广泛的应用前景。
附图说明
24.通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和
优点将更为清楚，在附图中：图1示意性示出了根据本发明实施例的气溶胶瞬时短波直接辐射效应反演方法的流程图；图2示意性示出了根据本发明实施例的气溶胶瞬时短波直接辐射效应反演方法的原理图；图3示意性示出了根据本发明实施例基于气溶胶数据对多个初始特征的数值分布情况统计的结果图，其中，(a)~(f)分别为气溶胶光学厚度、气溶胶单次散射反照率、气溶胶不对称因子、angstrom波长指数、地表反照率和太阳天顶角的数值分布情况统计；图4示意性示出了根据本发明实施例的步骤s1的流程图。
25.图5示意性示出了根据本发明实施例的步骤s2的流程图。
26.图6示意性示出了根据本发明实施例的步骤s3的流程图。
27.图7示意性示出了根据本发明实施例的步骤s5的流程图。
28.图8示意性示出了根据本发明实施例的校正前(a)和校正后(b)的非均匀多维查找表反演boa adre与aeronet adre的结果比较图；图9示意性示出了根据本发明实施例的校正前(a)和校正后(b)的非均匀多维查找表反演toa adre与aeronet adre的结果比较图。
具体实施方式
29.为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
31.在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
32.图1示意性示出了根据本发明实施例的气溶胶瞬时短波直接辐射效应反演方法的流程图。图2示意性示出了根据本发明实施例的气溶胶瞬时短波直接辐射效应反演方法的原理图。
33.如图1和图2所示，根据该实施例的气溶胶瞬时短波直接辐射效应反演方法，可以包括步骤s1~步骤s6。
34.步骤s1，基于aeronet（aerosol robotic network，气溶胶监测网络）地面站点和caliop（cloud-aerosol lidar with orthogonal polarization，星载激光雷达）卫星的气溶胶数据，获得计算adre所需的多个初始特征的数值分布情况，多个初始特征包括气溶胶光学特性和垂直分布特征。
35.本实施例中，气溶胶光学特性包括：气溶胶光学厚度（aerosol optical thickness，aot）、单次散射反照率（single scattering albedo，ssa）、不对称因子
（asymmetry parameter，asy）、angstrom波长指数（angstrom exponent，ae）、太阳天顶角（solar zenith angle，sza）、地表反照率（albedo，alb）。气溶胶垂直分布特征包括：气溶胶层底高度（aerosol layer base height，albh）和气溶胶层厚度（aerosol layer thickness，alt）。
36.图3示意性示出了根据本发明实施例基于气溶胶数据对多个初始特征的数值分布情况统计的结果图，其中，(a)~(f)分别为气溶胶光学厚度、气溶胶单次散射反照率、气溶胶不对称因子、angstrom波长指数、地表反照率和太阳天顶角的数值分布情况统计。
37.对全球aeronet地面站点level 2平纬圈数据进行统计，获得aot、ssa、asy、ae、sza和alb特征参数的分布情况。图3显示了不同特征aot、ssa、asy、ae、alb和sza的变化范围、均值以及最大最小值。可以得到，aot数值集中在0~1的范围内，平均值为0.24。ssa的理论取值范围为0~1，从全球aeronet地面站点的资料来看，ssa主要集中在0.75~0.99的范围内，均值为0.92。asy的分布比较集中，均值为0.71，从统计数据上看主要集中分布于0.6~0.85的范围内。ae集中分布于0~2.5的范围，全球测量均值为1.18。alb数据集中分布于0.05~0.5的范围，低反照率主要为暗地表，例如海洋表面。亮地表的反照率数值较高，通常在沙漠、极地或冰川覆盖区域。
38.图4示意性示出了根据本发明实施例的步骤s1的流程图。
39.如图4所示，本实施例中，数值分布情况包括取值范围和基准值；步骤s1具体包括步骤s11~步骤s13。
40.步骤s11，设置气溶胶光学厚度、单次散射反照率、不对称因子和angstrom波长指数各自的取值范围和基准值。
41.例如，aot、ssa、asy和ae的取值范围分别设置为0.01~1、0.75~0.99、0.6~0.85、0~2.5，基准值分别为0.24、0.92、0.71、1.18。
42.步骤s12，设置太阳天顶角和地表反照率各自的取值范围和基准值。
43.alb的理论范围在0~1，极大和极小值通常无法取到，alb的取值范围设为0.05~0.95，基准值为0.19。sza的取值范围设为0~90
°
，基准值取60
°
。
44.步骤s13，设置气溶胶层底高度和气溶胶层厚度各自的取值范围和基准值。
45.基于2018年caliop卫星的全球气溶胶消光系数廓线（aerosol extinction coefficient profile，aecp）观测数据，albh取值范围设为0~8 km，alt取值范围设为0~3 km。albh基准值设为1.24 km，alt基准值设为0.92 km。同时，基于caliop卫星观测获得了线性、高斯、指数和逻辑斯蒂分布的四种aecp变化分布。
46.为了比较线性、高斯、指数和逻辑斯蒂分布这四种廓线高度变化对adre的影响，将廓线高度归化至0.5~3 km，即层底高0.5 km，层顶高3 km。气溶胶层底高度变化范围由底部高度0.5 km、变化间隔为1 km，逐渐变化至10.5 km高度。
47.步骤s2，根据数值分布情况，获得每个初始特征对adre的影响程度。
48.图5示意性示出了根据本发明实施例的步骤s2的流程图。
49.如图5所示，本实施例中，步骤s2具体包括步骤s21~步骤s24。
50.步骤s21，分析气溶胶层底高度变化对adre的影响程度。
51.例如，alt采用步骤s13中的年平均厚度。ssa分别为0.85和0.97，分别用于反应吸收性和非吸收性气溶胶，alb分别为0.19和0.3，其他初始特征如前述步骤s1中的均值/基准
值。
52.步骤s22，分析adre对各初始特征的局部敏感性。
53.分别改变输入的初始特征，获得各初始特征对adre结果的影响大小。将前述步骤s1中的均值/基准值以作为sbdart辐射传输模式的输入，计算boa adre和toa adre分别为-15.75 wm-2
和-51.54 wm-2
，作为adre的基准值。具体而言，将aot、ssa、asy、ae、alb特征减小-6%、-4%、-2%，增加2%、4%、6%，重新计算adre。基准aecp为高斯分布廓线，气溶胶层底初始高度和厚度分别为2 km和1 km，对气溶胶层底高度分别降低-1.5、-1、-0.5 km，分别增加0.5、1和1.5 km，然后计算adre并与基准adre结果进行比较。
54.步骤s23，分析adre对各初始特征的全局敏感性。
55.通过对影响adre的不同初始特征进行全局敏感性分析，从而获得各个特征对气溶胶直接辐射效应的影响百分比。即，将模型的输出归因于输入变量的百分比，这些百分比可解释为模型因变量对输入特征的敏感性度量。根据步骤s1中的各特征统计结果，设置特征的取值范围，然后分析各个特征对adre的影响百分比。在取值范围内对特征进行采样，采样的方法使用蒙特卡洛采样。
56.本实施例中，按照以下方式分析adre对各初始特征的全局敏感性：(1) 假设模型，具有d个输入特征，基于sobol采样生成n
×
2d的样本矩阵，n为采样的样本数；(2) 将样本矩阵的前d列设置为矩阵a，后d列设置为矩阵b，矩阵a和b均为n
×
d的新矩阵；(3) 将矩阵a的第i列用矩阵b的第i列替换，构造新的n
×
d的矩阵abi，i=1,2,3,
…
,d，形成d个新的矩阵；(4) 矩阵a、b和abi合计有n
×
(d+2)个样本，利用模型y计算样本对应值f(a)、f(b)和f(abi)；(5) 根据以下公式计算总效应指数：
57.式中，；i=1,2,
…
,d；j=i+1,i+2,
…
,d；xi表示第i个输入特征；e
xi
表示第i个输入特征的条件期望；var
xi
表示第i个输入特征的条件方差；s
ti
表示模型y对第i个输入特征的总效应指数；var(y)表示模型y的期望值；(6) 根据总效应指数，确定adre对每个初始特征的全局敏感性。
58.例如选择了7个初始特征进行全局敏感性分析，其中，气溶胶光学特性和反照率变化区间设置如步骤s1中所述。气溶胶层底高度变化范围为0.2~4 km，厚度变化范围为0.1~2 km。
59.步骤s24，根据局部敏感性和全局敏感性，获得每个初始特征对adre的影响程度。
60.由此，分析adre对初始特征aot、ssa、asy、ae、sza、alb、albh和alt的局部敏感性和全局敏感性，获得这些特征对adre的影响程度。
61.步骤s3，根据数值分布情况和影响程度，确定多个初始特征的不同特征组合，基于sbdart（santa barbara disort atmospheric radiative transfer，辐射传输模式），计算不同特征组合下的瞬时短波大气层顶adre和大气层底adre，形成样本数据集。
62.例如，根据步骤s1确定不同的初始特征aot、ssa、asy、ae、sza、alb、albh和alt的取值范围和步长，然后取不同的组合输入至sbdart辐射传输模式中计算对应的boa adre和toa adre，形成样本数据集。
63.图6示意性示出了根据本发明实施例的步骤s3的流程图。
64.如图6所示，本实施例中，步骤s3具体包括步骤s31~步骤s33。
65.步骤s31，根据数值分布情况和影响程度，确定每个初始特征的取值范围和步长。
66.例如，设置特征aot、ssa、asy、ae、sza、alb、albh和alt的取值范围和步长：aot = [0.001 0.005 0.01 0.025 0.05:0.05:1 1.1:0.1:3];ssa = 0.75:0.01:0.99;asy = [0.6 0.72 0.85];ae = [1.18];sza = 0:1:90;alb = [0.04:0.01:0.9];albh = [0.2 0.5 1 2 4];alt = [0.92];其中，符号“:”表示以指定步长递增。aot以分段式不同步长进行取值，取值个数为44，ssa取值范围为0.75~0.99，步长为0.01，取值个数为25，asy、alb和sza取值个数分别为3、87和91。adre对asy的敏感性相对较弱，且asy不影响adre符号，因此取三个值。alb海洋地表反照率约为0.05，因此取值范围设置在0.04~0.9，与ssa综合决定toa adre符号，因此步长设置为0.01。这些特征依次循环输入sbdart计算adre，一共可以形成44
×
25
×3×
87
×
91
×
5=130630500组样本数据。
[0067]
步骤s32，基于取值范围和步长，将每个初始特征划分为多个子特征，将多个初始特征的多个子特征形成多个特征组合。
[0068]
步骤s33，基于sbdart辐射传输模式，计算在每个特征组合下的瞬时短波大气层顶adre和大气层底adre，形成样本数据集。
[0069]
接着，基于sbdart辐射传输模式，计算在不同特征组合下的瞬时短波boa adre和toa adre，以下分别列出了boa adre和toa adre在不同特征组合下的连续变化情况。
[0070]
（1）boa adre在不同特征组合下的连续变化情况首先计算boa adre随不同特征aot、ssa、asy、ae、alb和sza的连续变化情况，估算adre所需特征基准值如步骤s1所述。从adre随不同特征的连续变化可以推断adre大致随该特征变化的分布形式，用于指导查找表输入特征步长的设置。对于近似线性分布或者作用甚微且不会影响adre符号的特征可以选择更大的步长，这样既可以确保更高的查询效率也能兼顾反演精度。boa adre符号始终为负，随aot变化，近似呈现指数衰减分布。鉴于此，在构建查找表时，aot的步长可以设置的精细一些，以减少由于插值时的反演误差。boa adre
在不同aot取值时随ssa变化情况，aot取0.001、0.1~0.9时，ssa的增大会使boa adre绝对值变小，且在aot小于0.5的情况下，boa adre与ssa呈现近似线性分布，在aot超过0.5时，boa adre与ssa服从幕律分布。在不同aot取值情况下，boa adre与asy、ae和alb都近似线性分布。在构建查找表时，这几个特征步长可以考虑设置的大一些，但是要兼顾toa adre对这几个特征的响应。boa adre随ae变化呈现了斜率近似为0的线性分布，表明在该条件下，ae的变化对boa adre的影响微弱。adre在一定sza条件下会达到一个极低值，并呈现近似的偏态分布特征。
[0071]
（2）toa adre在不同特征组合下的连续变化情况然后计算toa adre随不同特征aot、ssa、asy、ae、alb和sza的连续变化情况，估算adre所需特征基准值如步骤s1所述。toa adre随aot呈现指数分布，其值可以为正或为负，这取决于气溶胶单次散射反照率和地表反照率的综合影响。ssa的增大会使toa adre的符号发生变化。在正toa adre时随着ssa的增大，气溶胶在toa的加热效应减弱；在负toa adre时，随着ssa的增大，气溶胶在toa的冷却效应增强。在不同aot取值情况下，toa adre与asy与ae都呈现近似的线性分布。toa adre随asy的增大，气溶胶在toa的冷却效应逐渐减小。toa adre随ae更是呈现了斜率近似为0的线性分布。toa adre的变化与反照率近似成线性关系，该线性关系的斜率和截距与aot的变化有关。toa adre的符号由ssa和alb综合影响，alb增大使得原本的toa的冷却效应逐渐变小，加热效应逐渐变强。在一定ssa情况下，alb的大小更是决定了toa adre的正负符号。由此可见，地表反照率在研究气溶胶对太阳辐射作用至关重要。在构建反演adre查找表时可以考虑对其采用更精细的步长设置。从toa adre随sza余弦变化情况，可以发现toa adre在一定sza条件下会达到一个极小值，并呈现近似的偏态分布特征。
[0072]
步骤s4，根据样本数据集，构建用于计算瞬时adre的非均匀多维查找表。
[0073]
本步骤构建的非均匀多维查找表，综合考虑了气溶胶光学特性和垂直特征、地表特征以及太阳天顶角影响。
[0074]
需要说明的是，该非均匀多维查找表反演的是瞬时adre，在气候学中日均adre较瞬时adre更有意义。因此，可以通过对输入特征尤其是sza的变化计算全球任意地理位置任意时刻的瞬时adre，进而获得当地的日均adre。
[0075]
步骤s5，根据气溶胶数据，对非均匀多维查找表进行校正。
[0076]
具体地，根据aeronet地面站点的高精度的气溶胶及adre数据，对非均匀多维查找表进行校正。
[0077]
图7示意性示出了根据本发明实施例的步骤s5的流程图。
[0078]
如图7所示，本实施例中，步骤s5具体包括步骤s51~步骤s53。
[0079]
步骤s51，对aeronet地面站点和caliop卫星的气溶胶数据进行时空匹配，获得aeronet地面站点的气溶胶层底高度和气溶胶层厚度。
[0080]
时空匹配包括空间匹配和时间匹配。其中，空间匹配是指：以aeronet地面站点为中心，以半径30 km为圆形区域，提取卫星过境时圆形区域内的albh和alt数据。
[0081]
经过空间匹配后的albh和alt数据还需要进行时间匹配。时间匹配是指：在圆形区域内，以卫星过境时间为基准，提取卫星过境时刻
±
3小时内对应的气溶胶层底高度和气溶胶层厚度，以及aeronet地面站点数据。
[0082]
步骤s52，将aeronet地面站点的气溶胶光学特性和反照率数据，输入已构建的非均匀多维查找表，计算对应的adre反演结果。
[0083]
构建非均匀多维查找表后，就可以通过aot、ssa、asy、ae、sza、alb、albh和alt计算对应的瞬时adre。
[0084]
为了验证所构建的查找表的性能，通过aeronet地面站点的气溶胶光学特性和反照率数据作为查找表输入计算adre，然后与aeronet adre进行比较。由于aeronet不具备气溶胶垂直探测能力，考虑到大部分气溶胶层高度较低，验证校正阶段的气溶胶层底高度取0.2 km。
[0085]
步骤s53，将adre反演结果与瞬时adre的实际值进行比较，确定非均匀多维查找表的参数，得到校正后的非均匀多维查找表。
[0086]
本实施例中，步骤s53包括：采用采用决定系数（r2）、均方根误差（root mean square error，rmse）以及平均绝对误差（mean absolute error，mae），衡量adre反演结果与瞬时adre的实际值的吻合程度；根据吻合程度，调整非均匀多维查找表的参数。
[0087]
具体而言，r2、rmse和mae定义如下：
[0088]
式中，adrec为查找表反演值，adrem为aeronet adre，n为样本总数目。
[0089]
例如，非均匀多维查找表的输入特征为波长532 nm处的aot、ssa和asy，以及alb和sza。在532 nm波长的aot、ssa和asy可由443、667、865以及1020 nm的数据通过插值获得。从全球多年份数据中随机选择了5万个数据对查找表结果的检验和校正。将这些样本数据按照7:2:1分为i、ii、iii三份数据集，数据集i用于构建非均匀多维查找表，数据集ii用于对非均匀多维查找表进行校正，数据集iii用于对非均匀多维查找表进行检验。
[0090]
图8示意性示出了根据本发明实施例的校正前(a)和校正后(b)的非均匀多维查找表反演boa adre与aeronet adre的结果比较图。图9示意性示出了根据本发明实施例的校正前(a)和校正后(b)的非均匀多维查找表反演toa adre与aeronet adre的结果比较图。
[0091]
如图8和图9，通过非均匀多维查找表反演的boa adre的相关性r2为0.99，rmse和mae分别为4.90和3.31 wm-2
。非均匀多维查找表反演的toa adre与aeronet adre的相关性r2为0.97，rmse和mae分别为2.54和1.52 wm-2
。
[0092]
根据非均匀多维查找表反演结果与aeronet adre的线性关系对非均匀多维查找表结果进行校正，图8显示了对数据集ii通过校正后非均匀多维查找表反演adre与aeroent adre结果之间的比较，r2为0.99，rmse、mae分别为1.87和1.25 wm-2
。在相关性不变的情况
下，非均匀多维查找表反演的boa adre与aeronet adre的rmse和mae均较校正前有所提升，在toa非均匀多维查找表校正后的反演精度同样有所提升。表明通过对非均匀多维查找表进行校正有效的提升了其准确性。校正后，查找表反演结果与aeronet adre散点均匀分布在1:1线两侧，说明该算法能够以较高精度实现短波瞬时adre的反演。
[0093]
步骤s6，输入待反演的遥感数据，调用校正后的非均匀多维查找表，采用三次样条插值计算对应的气溶胶瞬时短波直接辐射效应。
[0094]
通过上述的实施例，本发明可以实现针对于晴空条件下短波adre的反演，在确保adre计算精度的同时，适用于不同地表特征、不同气溶胶物理和光学特性，又兼具高计算效率。
[0095]
本发明综合考虑气溶胶垂直分布、光学特性、反照率和太阳天顶角影响的反演晴空条件下adre。基于aeronet地面站点和caliop卫星资料的多特征数据，如地表反照率、太阳天顶角、气溶胶光学厚度等特征，在全球范围比较了非均匀多维查找表和sbdart辐射传输模式结果之间的差异，表明非均匀多维查找表能够简单、高效，在不引入明显误差的情况下较好地反演晴空条件下toa和boa adre。
[0096]
相比于现有技术，本发明的主要优点在于：1、计算效率高。本发明的方法利用非均匀多维查找表，可以在较短时间内对大量数据进行处理和分析，实现adre的快速估算。相比于传统的辐射传输模式，本发明的方法具有更高的计算效率。
[0097]
2、计算精度高。本发明的方法采用了多特征数据，建立了一个全面、准确的adre反演模型，可以更精确地估算adre。同时，通过对多特征取值范围的考虑，可以提高模型的反演能力和稳定性。
[0098]
3、适用范围广。本发明的方法可以处理大范围、高时空分辨率的气溶胶数据，可以适用于全球、区域和局部的adre研究。同时，该方法也可以适用于不同类型和复杂程度的气溶胶场景，具有更广泛的应用前景。
[0099]
综上所述，本发明的方法具有计算效率高、计算精度高和适用范围广等优点，是一种新型的adre反演方法。
[0100]
附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
[0101]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。此外，位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
[0102]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种气溶胶瞬时短波直接辐射效应反演方法，其特征在于，包括：步骤s1，基于aeronet地面站点和caliop卫星的气溶胶数据，获得计算adre所需的多个初始特征的数值分布情况，所述多个初始特征包括气溶胶光学特性和垂直分布特征；步骤s2，根据所述数值分布情况，获得每个所述初始特征对adre的影响程度；步骤s3，根据所述数值分布情况和所述影响程度，确定所述多个初始特征的不同特征组合，基于sbdart辐射传输模式，计算所述不同特征组合下的瞬时短波大气层顶adre和大气层底adre，形成样本数据集；步骤s4，根据所述样本数据集，构建用于计算瞬时adre的非均匀多维查找表；步骤s5，根据所述气溶胶数据，对所述非均匀多维查找表进行校正；步骤s6，输入待反演的遥感数据，调用校正后的非均匀多维查找表，采用三次样条插值计算对应的气溶胶瞬时短波直接辐射效应。2.根据权利要求1所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，在步骤s1，所述气溶胶光学特性包括：气溶胶光学厚度、单次散射反照率、不对称因子、angstrom波长指数、太阳天顶角、地表反照率；所述垂直分布特征包括：气溶胶层底高度和气溶胶层厚度。3.根据权利要求2所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，所述数值分布情况包括取值范围和基准值；所述步骤s1具体包括：步骤s11，设置气溶胶光学厚度、单次散射反照率、不对称因子和angstrom波长指数各自的取值范围和基准值；步骤s12，设置太阳天顶角和地表反照率各自的取值范围和基准值；步骤s13，设置气溶胶层底高度和气溶胶层厚度各自的取值范围和基准值。4.根据权利要求1所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，所述步骤s2具体包括：步骤s21，分析气溶胶层底高度变化对adre的影响程度；步骤s22，分析adre对各初始特征的局部敏感性；步骤s23，分析adre对各初始特征的全局敏感性；步骤s24，根据所述局部敏感性和全局敏感性，获得每个初始特征对adre的影响程度。5.根据权利要求4所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，按照以下方式分析adre对各初始特征的全局敏感性：假设模型，具有d个输入特征，基于sobol采样生成n
×
2d的样本矩阵，n为采样的样本数；将所述样本矩阵的前d列设置为矩阵a，后d列设置为矩阵b，矩阵a和b均为n
×
d的新矩阵；将矩阵a的第i列用矩阵b的第i列替换，构造新的n
×
d的矩阵ab
i
，i=1,2,3,
…
,d，形成d个新的矩阵；矩阵a、b和ab
i
合计有n
×
(d+2)个样本，利用所述模型y计算样本对应值f(a)、f(b)和f(ab
i
)；根据以下公式计算总效应指数：
，式中，；i=1,2,
…
,d；j=i+1,i+2,
…
,d；x
i
表示第i个输入特征；e
xi
表示第i个输入特征的条件期望；var
xi
表示第i个输入特征的条件方差；s
ti
表示模型y对第i个输入特征的总效应指数；var(y)表示模型y的期望值；根据所述总效应指数，确定adre对每个所述初始特征的全局敏感性。6.根据权利要求1所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，所述步骤s3具体包括：步骤s31，根据所述数值分布情况和所述影响程度，确定每个初始特征的取值范围和步长；步骤s32，基于所述取值范围和步长，将每个所述初始特征划分为多个子特征，将所述多个初始特征的多个所述子特征形成多个特征组合；步骤s33，基于所述sbdart辐射传输模式，计算在每个所述特征组合下的瞬时短波大气层顶adre和大气层底adre，形成样本数据集。7.根据权利要求2所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，所述步骤s5具体包括：步骤s51，对所述aeronet地面站点和caliop卫星的气溶胶数据进行时空匹配，获得aeronet地面站点的气溶胶层底高度和气溶胶层厚度；步骤s52，将aeronet地面站点的气溶胶光学特性和反照率数据，输入已构建的非均匀多维查找表，计算对应的adre反演结果；步骤s53，将所述adre反演结果与所述瞬时adre的实际值进行比较，确定所述非均匀多维查找表的参数，得到校正后的非均匀多维查找表。8.根据权利要求7所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，所述步骤s51具体包括：空间匹配：以所述aeronet地面站点为中心，以半径30 km为圆形区域，提取卫星过境时所述圆形区域内的气溶胶层底高度和气溶胶层厚度；时间匹配：在所述圆形区域内，以卫星过境时间为基准，提取卫星过境时刻
±
3小时内对应的气溶胶层底高度和气溶胶层厚度，以及所述aeronet地面站点数据。9.根据权利要求7所述的气溶胶瞬时短波直接辐射效应反演方法，其特征在于，所述步骤s53包括：采用决定系数、均方根误差和平均绝对误差，衡量所述adre反演结果与所述瞬时adre的实际值的吻合程度；根据所述吻合程度，调整所述非均匀多维查找表的参数。

技术总结
本发明提供一种气溶胶瞬时短波直接辐射效应反演方法，包括：基于AERONET地面站点和CALIOP卫星的气溶胶数据，获得计算ADRE所需的多个初始特征的数值分布情况；根据数值分布情况，获得每个初始特征对ADRE的影响程度；根据数值分布情况和影响程度，确定多个初始特征的不同特征组合，基于SBDART辐射传输模式，计算不同特征组合下的瞬时短波大气层顶ADRE和大气层底ADRE，形成样本数据集；根据样本数据集，构建用于计算瞬时ADRE的非均匀多维查找表；根据气溶胶数据，对非均匀多维查找表进行校正；输入待反演的遥感数据，调用校正后的非均匀多维查找表，采用三次样条插值计算对应的气溶胶瞬时短波直接辐射效应。本发明具有计算效率高、计算精度高和适用范围广的优点。计算精度高和适用范围广的优点。计算精度高和适用范围广的优点。


技术研发人员：史振伟 龙辉 李建忠 许宁 周浩然 金婷婷 黄博学
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2023.07.10
技术公布日：2023/8/9