L'elevata sensibilità della superficie Aeolus UV restituisce la riflettività superficiale

Scientific Reports volume 13, numero articolo: 17552 (2023) Citare questo articolo

Dettagli sulle metriche

Le climatologie globali della riflettività superficiale dell'ultravioletto (UV) sono tutte composte da osservazioni di telerilevamento passivo della luce diurna della luce UV riflessa, generalmente integrate su una distribuzione di direzioni di riflessione ottenibili. Abbiamo scoperto la sensibilità dei ritorni superficiali del lidar Aeolus (LSR) alle caratteristiche della superficie, fornendo la prima prova che il telerilevamento attivo può essere utilizzato efficacemente per recuperare la riflettività superficiale UV unidirezionale su scala globale. L’LSR riproduce i cambiamenti mensili della riflettività superficiale nel Sahara, che sono visibili nelle climatologie della Riflettività Equivalente Lambertiana (LER) di TROPOMI e GOME-2. Correlazioni molto elevate (r > 0,90) tra LSR grigliato e climatologie LER sono riportate su scala globale e regionale per 36 diverse regioni. Dal segnale Aeolus LSR si distinguono tre chiari gradienti di copertura del suolo: (1) acqua/terra, (2) vegetazione/aree aride e (3) assenza di neve/neve. Il segnale LSR più forte è stato recuperato sulla neve, mentre sulla vegetazione abbiamo trovato un moderato accordo negativo (r < - 0,60) tra LSR e proxy dell'indice di vegetazione. Nel complesso, è stato dimostrato il successo del primo metodo di telerilevamento attivo per recuperare la riflettività superficiale UV unidirezionale utilizzando Aeolus. Il nostro approccio può essere utilizzato efficacemente per rilevare terreni irrisolti e, soprattutto, cambiamenti della copertura nevosa alle alte latitudini perché, a differenza degli strumenti passivi, Aeolus ha fornito anche osservazioni notturne.

La conoscenza limitata delle caratteristiche di riflettività superficiale alle lunghezze d'onda ultraviolette (UV) è stata fonte di risultati contrastanti in studi precedenti1. Questo divario è particolarmente preoccupante poiché abbiamo bisogno di conoscere le caratteristiche di riflettanza della superficie UV per comprendere l’esposizione umana ai raggi UV e per ottenere stime accurate della profondità ottica dell’aerosol a 355 nm2. Ancora più importante, le informazioni sulla riflettività superficiale sono un prerequisito per qualsiasi applicazione che richieda un'accurata modellazione del trasferimento radiativo come il telerilevamento spaziale di gas in tracce, aerosol/nuvole o modelli di trasporto chimico. Oltre a ciò, le forti caratteristiche di riflettanza superficiale delle superfici bianche alla lunghezza d'onda UV3,4 svelano il potenziale per il rilevamento di superfici nevose o addirittura la classificazione del tipo di neve (vecchio/nuovo) se una mappa di riflettanza superficiale UV accurata e ad alta risoluzione può essere generato. Queste informazioni sono essenziali per evitare un albedo della neve5 sottostimato, che può influenzare negativamente gli strumenti di telerilevamento passivi alle alte latitudini.

Nonostante la necessità di stime accurate dell’albedo superficiale per gli studi climatici e la ricerca atmosferica, la nostra comprensione della riflettività superficiale su scala globale nella banda spettrale UV rimane limitata. Ad oggi, tutti gli studi di telerilevamento si sono basati su strumenti passivi per recuperare le caratteristiche di riflettività superficiale negli UV, che utilizzano il sole e la relativa radiazione atmosferica come fonte di luce per il recupero. Ad esempio, le climatologie della Riflettività Equivalente Lambertiana (LER) generate utilizzando tali metodi contengono errori sostanziali, derivanti dalla necessità di applicare la correzione atmosferica, infliggendo effetti più negativi a lunghezze d'onda più corte3. Queste climatologie non tengono conto delle osservazioni effettuate dalle regioni ad alta latitudine durante la notte polare e si basano su osservazioni su tutti gli angoli emisferici solidi, richiedendo ipotesi sul tipo di riflettanza lambertiana. Studi precedenti hanno indicato che queste carenze e ipotesi possono essere alleviate dal telerilevamento attivo come il sondaggio lidar6, che beneficia del piccolo campo visivo, quello stabile; sorgente di luce unidirezionale dal laser utilizzato e angolo di visione costante delle osservazioni. Inoltre, le osservazioni lidar possono fornire caratteristiche unidirezionali della riflettività superficiale come la retrodiffusione attenuata dalla superficie (sr−1)7 senza ipotesi sull'eterogeneità e l'isotropia della superficie orizzontale sottostante richieste per gli strumenti passivi1.

1.0 cases, some fairly high aerosol load cases (AOD 0.75–0.99 for example) were included in the analysis to ensure the abundance of statistics in the analysis. Overall, the clear land cover type-dependent LSR gradients from Fig. 1 confirm that the AOD < 1.0 filtering alleviated attenuation effect while the optimal threshold for filtering out high AOD cases should be a subject of detailed sensitivity analysis./p> 0.6 for various productive ecosystems)./p> 250 m), we consider only the bin that has the closest intersection with the DEM. Next, we corrected molecular and aerosol contributions using Eq. (2) and obtained final surface-based LSR estimates (γ). Eq. (2) shows how molecular and aerosol corrections were applied using the Rayleigh optical depth (ODRay; see Supplementary Material, S1) and Aerosol Optical Depth (AOD; see Supplementary Material, S2), respectively. In theory, LSR over land can be converted into BRDF using a 2π correction factor, while such conversion has been applied mostly to the nadir looking CALIOP with the incidence angle close to 3°6. The same approach might not be applicable for highly non-nadir lidars like Aeolus because one does not take into account the angles of incidence and refraction. Over water surfaces where much more complex interaction between specular, whitecap and subsurface reflectance components may occur the LSR and BRDF comparison is more complicated17./p> 1.0 We calculated AOD using the Aeolus Profile Processor Algorithm (AEL-PRO), which relies on the optimal estimation and forward modelling inversion procedure. In short, AEL_PRO retrieves the lidar-to-backscattering ratio profile by using only the pure Rayleigh and Mie attenuated backscatter values as input, thereby yielding accurate extinction coefficient profiles22. The output profiles of the retrieved state vector, including aerosol/cloud extinction coefficients, were utilized in this work to estimate AOD. Moreover, since AEL_PRO can categorize atmospheric features (water-cloud, ice-cloud, aerosol, clean sky, etc.), we applied the most stringent filtering strategy by excluding any LSR observations potentially contaminated by ice cloud and water cloud presence. In simple words, we used AEL_PRO to keep only the high quality LSR observations without clouds, where the surface signal was not attenuated. This filtering was performed at the highest measurement resolution of Aeolus. For AEL_PRO details, see supplementary material S2 and Donovan et al.22 work. We subsequently calculated monthly averages of the LSR with the corresponding standard deviations on a 2.5° × 2.5° grid in the first full yearly (or seasonal) cycle of Aeolus observations (September 2018–August 2019). In the study period, the monthly averaging of millions of observations yields an abundant quasi-global coverage by LSR observations. Minor temporal data gaps were present only during some days in January and February 2019, when Aeolus experienced a system failure. We also did not use any data from June 2019 due to the change from the Flight model-A laser, FM-A, to the second laser, FM-B, period14 to avoid any negative effects of the shift of the regime during the same month. Each step of the LSR calculation is illustrated in detail in the supplementary material (SI Fig. S1). Note that although we thoroughly addressed all potentially malignant effects for LSR estimation, some limitations stem directly from the Aeolus setup. Most importantly, the emitted lidar pulse is circularly polarized; however, the Aeolus receiver is only detecting the co-polar component, which could lead to discrepancies in the LSR estimations. This limitation is inherent as Aeolus does not have a depolarization channel. Future LSR estimations from Aeolus may be revisited when the EarthCARE mission is launched, which includes a linearly polarized lidar instrument at the same wavelength with a depolarization channel. This will allow an estimation of both the circular and co-polar components of depolarization, which can then be compared to the Aeolus LSR estimates in a retrospective analysis./p>