【文献阅读】OCO-2氧a波段通道反演海洋液态云性质的信息量

本文链接：https://blog.csdn.net/ooooooopppppp/article/details/141187535

本文文献链接

AMT - Information content of OCO-2 oxygen A-band channels for retrieving marine liquid cloud properties

3.1 观测协方差的计算

为了简单起见，假设 $S_{\epsilon}$ 是独立的，考虑仪器不确定度 $S_I$ 的误差贡献，以及由温度剖面 $S_T$ 、湿度剖面 $S_q$ 和有效液滴半径 $S_{reff}$ 的不确定度引入的误差贡献：

$\mathbf{S}_{\epsilon}=\mathbf{S}_{\mathrm{I}}+\mathbf{S}_{T}+\mathbf{S}_{q}+\mathbf{S}_{\mathrm{reff}}$ （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 $S_I$ 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 $S_T$ 和 $S_q$ ，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 $r_{eff}$ 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 $r_{eff}$ $r_{eff}$ =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 $P_{top}$ 值上计算协方差，但是合成反演测试在一系列真实的 $P_{top}$ 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 $S_{i,j}$ ，其中i，j为通道指数：

$S_{i,j}=\sum_{k}\left(I_{i,k}-<I_{i}>\right)\left(I_{j,k}-<I_{j}>\right)/N$ （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， $<I_i>$ 和 $<I_j>$ 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 $\tau$ 为5，10,25和 $P_{top}$ 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°， $\tau$ , $P_{top}$ 和 $\Delta P$ 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， $\tau$ 的误差为1.5， $P_{top}$ 误差为60hpa， $\Delta P$ 误差为7.5hpa。 $\tau$ 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， $P_{top}$ 的不确定度来自OCO-2和CALIPSO $P_{top}$ 之间的差的标准差，用于OCO-2的先验。对于云分数＞0.8的云， $\Delta P$ 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 $S_x$ 。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 $\sigma$ 来表示这些，即 $\sigma_{\tau}^{2}={S_{\tau,\tau}}$ ，其中, ${S_{\tau,\tau}}$ 是协方差矩阵中与 $\tau -\tau$ 协方差对应的元素，注意文中给出的是这个值的平方根， $\sigma$ 。

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， $d_s$ 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 $\sigma_{\tau,\tau}$ 优于±0.05，压力后验 $\sigma_{P_{top},P_{top}}$ 和 $\sigma_{\Delta P,\Delta P}$ 优于±1hpa。这些阈值本质上是主观的。