DOI: https://doi.org/10.5194/amt-19-249-2026
تاريخ النشر: 2026-01-14
المؤلف: Joshua L. Laughner وآخرون
الموضوع الرئيسي: كيمياء الغلاف الجوي والهباء الجوي
نظرة عامة
تقدم هذه الورقة البحثية طريقة لاسترجاع أعمدة التروبوسفير الحرة من نترات البيروكسيل (PANs) من بيانات الإشعاع التي تم جمعها بواسطة جهاز قياس الأشعة تحت الحمراء الجوي (AIRS). منذ إطلاقه في عام 2002، قدم AIRS بيانات عالمية قيمة، لكن استرجاع الممتصات الضعيفة مثل PAN معقد بسبب الضوضاء الكبيرة في الإشعاع. لتعزيز دقة الاسترجاع، يركز المؤلفون على البيانات الأرضية لتجنب التداخل من السحب الدافئة والمنخفضة فوق المحيطات ويطورون فلتر جودة شجرة القرار. يتنبأ هذا الفلتر ما إذا كانت قيم PAN المسترجعة من AIRS ستتوافق بشكل وثيق مع تلك التي تم الحصول عليها من جهاز قياس الأشعة تحت الحمراء عبر المسار (CrIS). تشير النتائج إلى أن AIRS يمكنه استرجاع سحب PAN من حرائق الغابات بشكل فعال، مع إظهار ارتباط جيد مع بيانات CrIS عند المتوسط بشكل مناسب.
تخلص الدراسة إلى أنه بينما يمكن لـ AIRS استرجاع PAN، فإن العملية أكثر تحديًا مقارنةً بـ CrIS بسبب مستويات الضوضاء الأعلى والفجوات الطيفية. يظهر منتج AIRS أخطاء أكبر ويتطلب تطبيقًا دقيقًا، خاصة في وجود سحب دافئة ومنخفضة. يُقترح العمل المستقبلي لتحسين طرق الاسترجاع، مع إمكانية استخدام تقنيات التعلم الآلي المتقدمة لتعزيز دقة توقعات PAN من بيانات AIRS. تؤكد النتائج على أهمية تقليل التباينات بين الملاحظات والنماذج في المعلمات الجوية لتحسين نتائج الاسترجاع.
نقاش
خوارزمية استرجاع MUlti-SpEctra، MUlti-SpEcies، MUlti-Sensors (MUSES) هي أداة متعددة الاستخدامات لتحليل غازات الأثر الجوي، قادرة على دمج البيانات من أدوات مختلفة مثل AIRS وCrIS وOMI. يسمح تصميمها بعملية استرجاع تدريجية، حيث يمكن تخصيص كل خطوة لتحسين استرجاع معلمات جوية معينة مع إدارة تعقيدات تداخلها. تستخدم الخوارزمية محلل Levenberg-Marquardt تكراري لتقليل دالة التكلفة، مما يسهل استرجاع متجهات الحالة التي تمثل الظروف الجوية. يتم تعزيز مرونة MUSES بشكل أكبر من خلال استخدام جدول استراتيجيات، مما يسمح بإجراء تعديلات سريعة على عملية الاسترجاع.
يطبق مشروع TROPESS خوارزمية MUSES لاسترجاع تركيزات غازات الأثر، بما في ذلك PAN، من بيانات الأقمار الصناعية. يعمل على تدفقين من البيانات: إعادة تحليل رجعية من 2002 إلى 2021 وتدفق للأمام للمراقبة في الوقت الحقيقي. تتضمن عملية الاسترجاع اختيارًا دقيقًا للنوافذ الطيفية لتقليل التداخل من أنواع جوية أخرى، خاصة في حالة PAN، حيث تم اختيار نوافذ محددة لتحقيق توازن بين قوة الإشارة والتداخل. ومع ذلك، لا تزال التحديات قائمة، خاصة مع تداخل السحب فوق المحيطات، مما يمكن أن يؤدي إلى استرجاعات خاطئة لـ PAN. يوصي المؤلفون بتقييد التحليلات على القياسات الأرضية حتى يمكن تطوير طرق تصفية أكثر قوة. يتم تحقيق التحقق من منتج AIRS PAN من خلال المقارنة مع منتج CrIS PAN، باستخدام فلتر جودة قائم على شجرة القرار لضمان الاتساق والموثوقية في البيانات المسترجعة.
DOI: https://doi.org/10.5194/amt-19-249-2026
Publication Date: 2026-01-14
Author(s): Joshua L. Laughner et al.
Primary Topic: Atmospheric chemistry and aerosols
Overview
This research paper presents a method for retrieving free tropospheric columns of peroxyacyl nitrates (PANs) from radiance data collected by the Atmospheric Infrared Sounder (AIRS). Since its launch in 2002, AIRS has provided valuable global data, but the retrieval of weak absorbers like PAN is complicated by significant radiance noise. To enhance retrieval accuracy, the authors focus on land-based data to avoid interference from low, warm clouds over oceans and develop a decision tree quality filter. This filter predicts whether the retrieved PAN values from AIRS will align closely with those obtained from the Cross-track Infrared Sounder (CrIS). The results indicate that AIRS can effectively retrieve PAN plumes from wildfires, showing good correlation with CrIS data when averaged appropriately.
The study concludes that while AIRS can retrieve PAN, the process is more challenging than with CrIS due to higher noise levels and spectral gaps. The AIRS product exhibits larger errors and requires careful application, particularly in the presence of low, warm clouds. Future work is suggested to improve retrieval methods, potentially utilizing advanced machine learning techniques to enhance the accuracy of PAN predictions from AIRS data. The findings underscore the importance of minimizing observation/model mismatches in atmospheric parameters to improve retrieval outcomes.
Discussion
The MUlti-SpEctra, MUlti-SpEcies, MUlti-Sensors (MUSES) retrieval algorithm is a versatile tool for atmospheric trace gas analysis, capable of integrating data from various instruments such as AIRS, CrIS, and OMI. Its design allows for a step-wise retrieval process, where each step can be tailored to optimize the retrieval of specific atmospheric parameters while managing the complexities of their interdependencies. The algorithm employs an iterative Levenberg-Marquardt solver to minimize a cost function, facilitating the retrieval of state vectors that represent atmospheric conditions. The flexibility of MUSES is further enhanced by its use of a strategy table, which allows for quick adjustments to the retrieval process.
The TROPESS project applies the MUSES algorithm to retrieve trace gas concentrations, including PAN, from satellite data. It operates two data streams: a retrospective reanalysis from 2002 to 2021 and a forward stream for real-time monitoring. The retrieval process involves careful selection of spectral windows to minimize interference from other atmospheric species, particularly in the case of PAN, where specific windows were chosen to balance signal strength and interference. However, challenges remain, particularly with cloud interference over oceans, which can lead to erroneous PAN retrievals. The authors recommend limiting analyses to land-based soundings until more robust filtering methods can be developed. Validation of the AIRS PAN product is achieved through comparison with the CrIS PAN product, employing a decision tree-based quality filter to ensure consistency and reliability in the retrieved data.