本文文献链接
3.1 观测协方差的计算
为了简单起见,假设是独立的,考虑仪器不确定度的误差贡献,以及由温度剖面、湿度剖面和有效液滴半径的不确定度引入的误差贡献:
(10)
在现实中,温度和湿度的不确定度可能是相关的,但这里简化了计算,并允许协方差源的唯一属性。矩阵是一个对角矩阵,所以在更多的通道上平均可以减少总的后验不确定度,即使雅可比矩阵不是独立的。它的元素等于仪器不确定度的平方,这取决于辐射。
对于和,文中采用Chang等人的方法,分别对热带、中纬度和高纬度大气剖面进行2000次温度和湿度扰动,其不确定性基于1公里分辨率AIRS验证结果。对于温度,在每个水平上添加均匀扰动,其值从零均值(μ)高斯分布中采样,标准差(δ)为±1.5K。对于特定湿度,从标准差为1的零均值高斯分布中采样,然后根据压力水平缩放该值。这个缩放因子等于表面初始比湿度的±20%,在250 hpa的时候线性增加到±50%,在较低压力水平维持在±50%。文中还通过对数正态分布的采样对进行了2000次扰动的计算,该对数正态分布近似于MODIS报告的2015年11月低云情况的有效半径分布。该对数正态拟合的算术平均值为12.0 μm,但在排除MODIS反演的4-30 μm以外的值后,算术平均值为12.6 μm,5-95%的值落在7.5-19.4 μm。在默认反演中,选择=12 μm,因为可用的L2RTM Mie散射表限制了整数,并且基于它与完整分布平均值的相似性。
对于每一组扰动,模拟云光学厚度为5,10和25,太阳天顶角(SZA)约为30、45和60°,云顶压力为850 hpa的a波段光谱。在单个值上计算协方差,但是合成反演测试在一系列真实的值上的收敛表明,无论如何都获得了可靠的结果。
输出光谱提供了与8个不同OCO-2跨轨探测位置相关的8种仪器线型函数。对于每组2000个扰动输出,估计协方差矩阵元素,其中i,j为通道指数:
(11)
其中,和是N=2000光谱的辐射I,单独表示使用指数k。在这种情况下,和是相关通道i和j中的样本平均辐射度。
3.2 通道选择
由(3)和(6)可知,可以通过先验协方差、观测协方差和雅可比矩阵来确定信息量后验误差协方差。目标是选择连续OCO-2通道中的最佳微通道,以提供有效减少后验状态误差的反演。
使用L2FP辐射传输模拟了3.1节中描述的三种气象情况和八个跨轨道探测位置中为5,10,25和为680,750和850hpa的海洋液态云光谱。在每种情况下,太阳天顶角为45°,,和由有限差分确定。相关观测协方差为2.2节中相同探测位置、区域和光学厚度在SZA=45°处确定的观测协方差。假设先验协方差为对角,的误差为1.5,误差为60hpa,误差为7.5hpa。的先验误差来自于在提供MODIS光学厚度时对均匀云的模拟辐亮度施加±18%的误差。当使用OCO-2的简单查找表时,的不确定度来自OCO-2和CALIPSO 之间的差的标准差,用于OCO-2的先验。对于云分数>0.8的云,不确定度类似于(8)的±20%。
考虑信息量IC和后验协方差矩阵的三个对角元素。信息量占后验协方差中的非对角线项,允许客观的最佳选择,而对角线元素允许更直观地解释后验不确定度的大小。使用带有相关下标的符号来表示这些,即,其中,是协方差矩阵中与协方差对应的元素,注意文中给出的是这个值的平方根,。
这种方法代表了包含8组不同OCO-2仪器线型的27个独特的云-气象情况,即总共216种情况(27*8)。在选择最佳的微窗口进行反演时,不仅要选择它的位置,还要选择它的大小(即微窗口内临近通道的数量)
为了使这个问题易于处理,选择以下大小的微窗口:5,10,25,50,75,100,150,200和500个相邻通道。对于每一个可能的大小,计算其中每一个微通道的IC,和后验误差对角项。例如,853个独立的OCO-2通道允许849个重叠的五通道微窗口,为此确定了216中情况中每种情况的信息内容值。(意思就是以5个相邻通道为一组,共有849组,从第1,2,3,4,5通道一直到第849, 860, 851, 852, 853通道)。
对于每种大小的微通道,选择在216个cases中平均信息量最高的一个微通道。虽然这可能导致不同尺寸的微窗口的位置不同,但对于单个情况,位置是固定的:即,在所有216种情况下五通道微窗口由相同的五个通道组成。在所有216种情况下,选择的最佳微窗口尺寸为:IC>500通道IC的80%,光学厚度后验优于±0.05,压力后验和优于±1hpa。这些阈值本质上是主观的。