FY-4A AGRI陆地气溶胶光学厚度反演

FY-4A AGRI陆地气溶胶光学厚度反演 Aerosol optical depth retrieval over land using data from AGRI onboard FY-4A first-author 谢艳清，研究方向为大气定量遥感。E-mail： xieyq@radi.ac.cn 谢艳清，研究方向为大气定量遥感。E-mail： xieyq@radi.ac.cn xieyq@radi.ac.cn corresp 侯伟真，研究方向为气溶胶偏振遥感及最优化反演。E-mail： houwz@radi.ac.cn 侯伟真，研究方向为气溶胶偏振遥感及最优化反演。E-mail： houwz@radi.ac.cn houwz@radi.ac.cn 中国科学院空天信息创新研究院 国家环境保护卫星遥感重点实验室, 北京 100101 中国科学院空天信息创新研究院 国家环境保护卫星遥感重点实验室, 北京 100101 State Environment Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China State Environment Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China 中国科学院大学, 北京 100049 中国科学院大学, 北京 100049 University of Chinese Academy of Sciences, Beijing 100049, China University of Chinese Academy of Sciences, Beijing 100049, China 风云四号A星（FY-4A）是中国第二代静止气象卫星的首颗星，多通道扫描成像辐射计AGRI（Advanced Geosynchronous Radiation Imager）是搭载在FY-4A上的主要光学载荷之一。AGRI具有高频率观测特点（每天观测205次），在大气气溶胶的遥感高频监测方面具有良好应用潜力，但目前官方还未发布相应的气溶胶数据集。本文旨在针对AGRI数据的特点开发基于地表反射率比值库的反演算法以生产高精度的AGRI气溶胶数据集。本文首先基于再分析数据对去云后的AGRI L1级数据进行气体吸收订正；然后利用背景气溶胶光学厚度AOD（Aerosol Optical Depth）对一个月内的“次暗像元”进行大气校正以获取AGRI 0.65 μm 和 0.83 μm 通道的地表反射率，进而获取这两个通道的地表反射率的比值，完成每个月的地表反射率比值库的构建；最后便可以基于已构建的地表反射率比值库实现地气解耦，完成气溶胶的遥感反演。该算法已被应用于2019年5—10月京津冀地区的气溶胶反演，AGRI AOD反演结果与美国国家航天局发布的MODIS（Moderate-resolution Imaging Spectroradiometer）AOD数据集、日本气象厅发布的AHI（Advanced Himawari Imager）AOD数据集的对比结果显示它们具有基本一致的空间分布趋势。利用AERONET（Aerosol Robotic Network）数据验证的结果显示AGRI AOD数据集具有较高的精度，且其精度要优于AHI AOD数据集和MODIS AOD数据集。AGRI AOD数据集的平均绝对误差，均方根误差，与地基数据的相关系数和误差落在期望误差 <math id="M1"><mo>±</mo><mo stretchy="false">(</mo><mn mathvariant="normal">0.05</mn><mo>+</mo><mn mathvariant="normal">0.15</mn><mi mathvariant="normal">A</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">D</mi><mmultiscripts><mrow><mo stretchy="false">)</mo></mrow><mprescripts/><mrow><mi mathvariant="normal">A</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">R</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">N</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">T</mi></mrow><mrow/></mmultiscripts></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624994&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624993&type= 33.78200150 3.89466691 范围内的反演结果所占的比例分别是0.09%，0.12%，0.91%和65.86%。上述验证结果表明基于地表反射率比值库的方法反演AGRI AOD具有可行性，且反演结果具有较高的精度。 FY-4A, as the latest generation of China’s geostationary meteorological satellite, has been launched on December 11, 2016. The Advanced Geosynchronous Radiation Imager (AGRI) is the primary payload onboard FY-4A, and it can image China and its surrounding areas 205 times per day. The AGRI with high-frequency observation capabilities can provide sufficient data support for aerosol monitoring, but few aerosol products are developed using AGRI. The accuracy of the available FY-4A AOD datasets is also inferior to that of the Himawari-8 aerosol product, which can also cover China. In this study, an aerosol optical depth (AOD) retrieval algorithm based on the database of ratio of surface reflectance of different channels is proposed to develop high-accuracy FY-4A AOD dataset. This algorithm involves four steps: (1) detect and remove cloud pixels in FY-4A L1 data; (2) perform gas absorption correction on FY-4A L1 data using the reanalysis data released by European Center for Medium-Range Weather Forecasts; (3) select the sub-dark pixels for each month from FY-4A data after gas absorption correction, and perform atmospheric correction on these sub-dark pixels using the background AOD (i.e., AOD at 550 nm is 0.02) to obtain the surface reflectance of VIS06 and NIR08 channels, obtain the ratio of surface reflectance of these two channels, and perform the abovementioned operations for all the pixels in the study area to complete the construction of surface reflectance ratio database of VIS06 and NIR08 channels; (4) retrieve AOD using FY-4A L1 data after gas absorption correction based on the constructed surface reflectance ratio database. The algorithm has been applied to aerosol retrieval over Beijing–Tianjin–Hebei region from May 2019 to October 2019. Comparison of FY-4A AOD retrieval results with MODIS AOD dataset released by NASA shows that the two AOD datasets have a consistent spatial distribution trend. Validation result of MODIS AOD dataset, the official Himawari-8 AOD dataset released by the Japan Meteorological Agency, and FY-4A AOD dataset against ground-based AOD data provided by Aerosol Robotic Network shows that the accuracy of FY-4A AOD dataset is better than that of Himawari-8 AOD dataset and MODIS AOD data. The root mean square error, mean absolute error, correlation coefficient with ground-based data, and percentage of retrieval results with error within ±(0.05+0.15AOD AERONET ) of FY-4A AOD dataset are 0.12, 0.09, 0.91, and 65.86%, respectively. Although the signal-to-noise ratio of FY-4A/AGRI is lower than that of Himawari-8/AHI, the absolute and relative errors of FY-4A AOD dataset are better than those of Himawari-8 AOD dataset. The statistical parameters of FY-4A AOD dataset are also slightly better than those of MODIS AOD dataset, which is one of the widely used AOD datasets with high accuracy. Therefore, the FY-4A AOD dataset developed in this study has high accuracy. 气溶胶光学厚度 遥感反演 风云四号 多通道扫描成像辐射计 静止卫星 aerosol optical depth remote sensing retrieval FY-4A advanced geosynchronous radiation imager geostationary satellite 1　引言 1 气溶胶光学厚度AOD（Aerosol Optical Depth）是气溶胶的消光系数从地面到大气顶部的垂直积分，它是表征气溶胶光学特性的重要参数之一（ Liu 等，2016 Liu 等，2016 ）。大气气溶胶在气候变化（ Samset等，2018 Samset等，2018 ）、大气环境监测（ Li等，2018 Li等，2018 ）以及定量遥感（ Mishra等，2020 Mishra等，2020 ）等领域均有重要的应用。由于气溶胶排放的时空差异较大，且气溶胶的寿命较短，气溶胶的分布具有显著的时空差异。因此，对气溶胶进行大范围的高频率探测是十分重要的。 目前对气溶胶的探测主要有3种方式，分别是地基观测、航空测量和卫星监测，其中卫星监测依据卫星的轨道又可以被分为静止卫星和极轨卫星两种（ Xie等，2020 Xie等，2020 ）。总地来看，地基观测具有最高的精度，例如AERONET（Aerosol Robotic Network）提供的紫外至近红外光谱范围内的气溶胶光学厚度数据的整体不确定性在0.02左右（ Giles等，2019 Giles等，2019 ）。不过由于站点数量的限制，AERONET数据通常只用于气溶胶的区域研究和遥感数据的验证，无法实现对气溶胶的大范围有效监测。航空测量和极轨卫星虽然可以实现对气溶胶的大范围监测，但是由于视场角和重访周期的限制，它们无法同时实现对气溶胶的大范围和高频率的监测（ Burton等，2012 Burton等，2012 ； Kolmonen等，2016 Kolmonen等，2016 ）。与上述的观测设备相比，静止卫星由于具有极高的观测频率和非常大的观测范围，其可以同时实现对气溶胶的大范围和高频率的监测，因此开发基于静止卫星的AOD数据集的意义重大（ Yang等，2018 Yang等，2018 ）。 风云四号A星（FY-4A）是中国第二代静止气象卫星的首颗卫星，多通道扫描成像辐射计AGRI（Advanced Geosynchronous Radiation Imager）是搭载在FY-4A上的主要光学载荷之一（ Yang等，2017 Yang等，2017 ），其具有2个可见光通道（0.47，0.65 μm），1个近红外通道（0.83 μm），3个短波红外通道（1.38，1.61和2.23 μm）和8个中红外通道。AGRI每天成像205次，可以为中国大气气溶胶的遥感监测提供充足的数据保障。目前研究人员针对FY-4A AGRI开发的气溶胶反演算法还比较少，主要有深蓝算法（ 祝善友 等，2020 祝善友 等，2020 ）和暗目标算法（ 许梦婕 等，2020 许梦婕 等，2020 ）两种气溶胶反演算法，这两种算法也是MODIS（Moderate-resolution Imaging Spectroradiometer）气溶胶产品的官方算法。其中，MODIS暗目标算法的关键是精确的确定MODIS 0.47 μm、0.64 μm和2.12 μm波段的地表反射率在暗目标区域的线性关系， Levy等（2013） Levy等（2013） 采用的方法是使用地基数据对MODIS 0.47 μm、0.64 μm和2.12 μm波段的数据进行大气校正以获取这3个波段的地表反射率，然后通过统计确定这3个波段的地表反射率在暗目标区域的线性关系。而 许梦婕等（2020） 许梦婕等（2020） 直接将 Kaufman等（1997） Kaufman等（1997） 构建的MODIS 0.47 μm、0.64 μm和2.12 μm波段的地表反射率在暗目标区域的比值关系移植到AGRI的0.47 μm、0.65 μm和2.23 μm通道上，认为在暗目标区域AGRI的0.47 μm通道的地表反射率为2.23 μm通道的地表反射率的四分之一，AGRI的0.64 μm通道的地表反射率为2.23 μm通道的地表反射率的二分之一，没有考虑MODIS和AGRI在波段设置上的显著差异，这会不可避免的引入较大的AOD反演误差。初步的验证结果显示许梦婕等人开发的FY-4A AOD数据集存在明显的低估，未来需要重新构建FY-4A AGRI的0.47 μm，0.65 μm和2.23 μm通道在暗目标区域的地表反射率的比值关系以提升反演结果的精度。 祝善友等（2020） 祝善友等（2020） 基于深蓝算法的原理开发的FY-4A气溶胶反演算法需要使用AGRI的深蓝波段，而AGRI的深蓝波段是AGRI可见光通道中信噪比最低的波段（信噪比为90）（ 张鹏 等，2016 张鹏 等，2016 ），这会对反演结果的精度产生消极影响。使用MODIS AOD数据集对祝善友等人开发的FY-4A AOD数据集进行验证的结果显示近一半的天数的反演结果的均方根误差大于0.4（ 祝善友 等，2020 祝善友 等，2020 ）。总地来看，目前针对FY-4A开发的气溶胶产品还比较少，且精度要差于同样可以覆盖东亚地区的Himawari-8气溶胶产品的精度，因此目前研究人员使用的中国及周边区域的静止卫星气溶胶产品基本都是Himawari-8 的气溶胶产品，而很少使用FY-4A的气溶胶产品（ Xu等，2021 Xu等，2021 ； Xue等，2020 Xue等，2020 ）。 由于AGRI的0.47 μm波段的信噪比较低，且存在明显的条带现象，为了保证气溶胶反演结果的质量，应当避免使用该波段。而常用的暗目标算法（ Levy等，2013 Levy等，2013 ）和深蓝算法（ Hsu等，2006 Hsu等，2006 ）都需要用到AGRI的0.47 μm波段，因此本研究将结合FY-4A AGRI的特点，开发一种面向FY-4A AGRI的基于地表反射率比值库的气溶胶反演算法。该算法的基本原理如下：首先选取每个月的“次暗像元”（一个月内表观反射率第2小的像元），使用背景AOD对“次暗像元”进行大气校正（ Prados等，2007 Prados等，2007 ），以获取AGRI 0.65 μm和0.83 μm波段的地表反射率，进而获取这两个波段的地表反射率的比值，完成0.65 μm和0.83 μm波段的地表反射率比值库的构建，最后便可以依据已构建的地表反射率比值库实现地气解耦，完成气溶胶的遥感反演。与深蓝算法和暗目标算法相比，该算法对用于气溶胶反演的数据的波长没有特定要求，能够在不使用AGRI质量较差的0.47 μm 波段数据的情况下实现气溶胶反演，可以保证气溶胶反演结果的质量。 2　数据及反演算法 1 2.1　数据介绍 2 2.1.1　FY-4A AGRI 数据 3 FY-4A是中国新一代的静止气象卫星，AGRI是搭载在FY-4A上的主要光学载荷。AGRI总共具有14个光谱通道，其在可见光至短波红外范围内的光谱通道一共有6个（ Min等，2017 Min等，2017 ），这些通道的空间分辨率及信噪比等参数见 表1 表1 ，光谱响应函数如 图1 图1 所示。正常情况下，AGRI每天全盘成像40次，对东亚区域成像165次，能够给东亚区域的大气气溶胶的遥感反演提供充足的数据保障。但是由于太阳高度角的变化，并不是所有时刻的AGRI数据均可以用于气溶胶的反演，本研究使用的是UTC时间0时—8时的数据。尽管AGRI的0.65 μm和0.83 μm通道的星下点的空间分辨率为1 km，但是国家卫星气象中心只发布了星下点的空间分辨率为4 km的观测几何数据，不提供其他空间分辨率的观测几何数据，因此本研究选择的是星下点的空间分辨率为4 km的AGRI L1级数据。此外，本文还采用了国家卫星气象中心发布的云识别产品（ Min等，2017 Min等，2017 ）来剔除L1级数据中的云像元。上述所有AGRI数据均可以从国家卫星气象中心的网站免费获取。 波段序号 波段简称 中心波长/μm 波长范围/μm 空间分辨率/km 信噪比 1 VIS04 0.47 0.45—0.49 1 90 2 VIS06 0.65 0.55—0.75 0.5/1 150 3 NIR08 0.83 0.75—0.90 1 200 4 SWIR13 1.38 1.36—1.39 2 150 5 SWIR16 1.61 1.58—1.64 2 200 6 SWIR22 2.23 2.10—2.35 2/4 200 2.1.2　AHI AOD数据 3 Himawari-8是日本Himawari系列静止卫星的第8颗，AHI（Advanced Himawari Imager）是搭载在Himawari-8上的光学载荷。由JMA（Japan Meteorological Agency）发布的官方L2等级的AHI AOD数据集（ Yoshida等，2018 Yoshida等，2018 ）的空间分辨率为5 km，时间分辨率为10 min。该产品的算法原理与深蓝算法的原理类似，都是基于提前计算的地表反射率库实现地气解耦（ Fukuda等，2013 Fukuda等，2013 ）。已有的研究表明官方AHI AOD数据集和地基观测结果具有很高的相关性（ R > 0.8）（ Zhang等，2019 Zhang等，2019 ）。AHI AOD数据集根据其精度被分为4个等级，分别是Very good，Good，Marginal和No confidence。本研究中我们将对比AGRI AOD数据集和最高质量等级的AHI AOD数据集的精度，以对本研究开发的AGRI AOD数据集的精度有一个更明确的认识。 2.1.3　MODIS AOD数据 3 MODIS是搭载在Aqua和Terra两颗卫星上的光学载荷。本文选用的是NASA最新发布的C61版本的MODIS气溶胶产品（MXD04），它的空间分辨率为10 km。MODIS气溶胶产品中包含了AOD和气溶胶类型等数据，其中AOD数据包括暗目标算法（ Levy等，2013 Levy等，2013 ） 和深蓝算法（ Sayer等，2013 Sayer等，2013 ）的反演结果，以及根据NDVI等参数对暗目标算法和深蓝算法的反演结果进行集成得到的AOD数据集。NASA发布的AOD数据集是目前精度最高的AOD数据集之一，我们将对比AGRI AOD数据集和MODIS AOD数据集的精度和空间分布，以更加全面的评估AGRI AOD数据集的质量。 2.1.4　ECMWF ERA5再分析数据 3 ERA5（ECMWF Reanalysis v5）是ECMWF（European Centre for Medium-Range Weather Forecasts）开发的最新一代的再分析数据，ERA5中包含了云的空间覆盖，水汽含量，臭氧含量等多种数据（ Hersbach等，2020 Hersbach等，2020 ）。其中，ECMWF发布的水汽和臭氧再分析数据的空间分辨率为0.25°，时间分辨率为1 h。由于用于气溶胶反演的AGRI 0.65 μm和0.83 μm通道的数据会受到水汽和臭氧吸收的影响，本研究需要在气溶胶反演之前依据ECMWF发布的水汽和臭氧再分析数据对AGRI数据进行气体吸收订正。 2.1.5　AERONET AOD数据 3 AERONET是由NASA参与建立的覆盖全球的地基气溶胶观测网，其已经连续工作超过25 a。由于AERONET AOD数据具有非常高的精度，其被广泛的用于遥感AOD数据的验证。本研究中采用AERONET最新发布的Version 3.0版本的经过去云处理和质量控制的Level 1.5等级的AOD数据（ Giles等，2019 Giles等，2019 ）对遥感AOD数据集进行质量评估。由于本文反演的FY-4A AOD数据集的波长为550 nm，而AERONET提供的数据中不包含波长为550 nm的AOD数据，因此本文将依据 式（1） 式（1） 通过内插相邻波段（440 nm和675 nm）的AOD来获取550 nm处的AOD（ 马小雨 等，2020 马小雨 等，2020 ）。本文的研究区域为中国大气污染较为严重的京津冀地区，一共5个AERONET站点被用于遥感AOD数据集的验证，它们的信息如 表2 表2 所示。 <math display="block" id="M2"><msub><mrow><mi>τ</mi></mrow><mrow><mi>λ</mi></mrow></msub><mo>=</mo><mi>β</mi><msup><mrow><mi>λ</mi></mrow><mrow><mo>-</mo><mi>α</mi></mrow></msup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625015&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625006&type= 13.80066681 4.74133301 式中， <math id="M3"><msub><mrow><mi>τ</mi></mrow><mrow><mi>λ</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625024&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625007&type= 3.13266683 3.72533321 表示波长为 <math id="M4"><mi>λ</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625173&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625163&type= 2.28600001 2.62466669 处的AOD， <math id="M5"><mi>β</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625041&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625028&type= 1.86266661 3.38666677 是大气的浑独度系数， <math id="M6"><mi>α</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625032&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625031&type= 2.20133328 2.62466669 是表示Ångström指数。 站点 经度/°E 纬度/°N 高程/m Beijing-CAMS 116.32 39.93 106 Beijing_RADI 116.38 40.00 59 Beijing_PKU 116.31 39.99 53 XiangHe 116.96 39.75 36 Yanqihu 116.67 40.41 100 2.2　反演算法 2 2.2.1　AGRI数据的预处理 3 本文使用的气溶胶反演算法只适用于无云的像元。如果不能有效的去除云像元，将会出现严重偏离真实值的气溶胶反演结果。为了避免这种情况的出现，本文在气溶胶反演之前将首先利用国家卫星气象中心发布的AGRI官方云识别产品剔除L1级AGRI数据中存在的云像元。另外，本研究采用的星下点空间分辨率为4 km的L1级AGRI数据在不同位置处的空间分辨率是不一致的，其在京津冀地区的空间分辨率约为10 km，为了方便AOD反演结果的后续使用，将研究区内的AGRI数据统一重采样为空间分辨率为10 km的数据。 2.2.2　AGRI数据的气体吸收订正 3 由于AGRI 0.65 μm和0.83 μm通道并不完全位于大气窗口内，会受到大气的吸收影响，尤其是水汽和臭氧的吸收。0.65 μm和0.83 μm通道在不同水汽和臭氧含量下的大气吸收透过率如 图2 图2 所示。为了保证反演结果的精度，需要在气溶胶反演之前对AGRI L1级数据进行气体吸收订正。本文采用的吸收订正方法如下，利用6SV辐射传输模型（ Vermote等，1997 Vermote等，1997 ， 2006 2006 ）构建一个用于水汽和臭氧吸收订正的6维查找表，6个纬度分别为：波段（0.65 μm和0.83 μm），太阳天顶角（0—70°，间隔10°），卫星天顶角（0—70°，间隔10°），水汽含量（0—8 cm，间隔0.25 cm），臭氧含量（0—0.8 cm-atm，间隔0.04 cm-atm）和大气吸收透过率。在完成上述查找表的构建之后，便可以逐像元的依据太阳天顶角、卫星天顶角，水汽含量和臭氧含量通过插值计算出0.65 μm通道和0.83 μm 通道的大气吸收透过率，进而便可以根据 式（2） 式（2） 计算出气体吸收订正之后的AGRI 0.65 μm和0.83 μm通道的TOA反射率。 <math display="block" id="M7"><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi mathvariant="normal">c</mi></mrow><mrow><mi>λ</mi></mrow></msubsup><mo>=</mo><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi mathvariant="normal">w</mi></mrow><mrow><mi>λ</mi></mrow></msubsup><mo>/</mo><msubsup><mrow><mi>T</mi></mrow><mrow><mi mathvariant="normal">w</mi></mrow><mrow><mi>λ</mi></mrow></msubsup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625049&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625036&type= 26.41600037 4.06400013 式中， <math id="M8"><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi mathvariant="normal">w</mi></mrow><mrow><mi>λ</mi></mrow></msubsup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625069&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625052&type= 8.38199997 4.06400013 是中心波长为 <math id="M9"><mi>λ</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625173&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625163&type= 2.28600001 2.62466669 的通道气体吸收订正之前的TOA反射率， <math id="M10"><msubsup><mrow><mi>T</mi></mrow><mrow><mi mathvariant="normal">w</mi></mrow><mrow><mi>λ</mi></mrow></msubsup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625057&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625075&type= 3.89466691 4.06400013 为对应的气体吸收透过率， <math id="M11"><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi mathvariant="normal">c</mi></mrow><mrow><mi>λ</mi></mrow></msubsup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625077&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625060&type= 8.38199997 4.06400013 是气体吸收订正之后的TOA反射率。 1;2;3; 2.2.3　地表反射率比值库的构建 3 已有研究表明对于气溶胶反演，可以假定卫星不同通道的地表反射率的比值在一个月内不发生变化（ Knapp等，2005 Knapp等，2005 ； Yoshida等，2018 Yoshida等，2018 ），且可以在一个月内的“次暗像元”受气溶胶影响极小的假设之下对“次暗像元”进行大气校正，以获取不同通道的地表反射率（ Prados等，2007 Prados等，2007 ），进而获取不同通道的地表反射率的比值。 Knapp等（2005） Knapp等（2005） 测试了利用不同的AOD对“次暗像元”进行大气校正的效果，发现将AOD设为0.02时对“次暗像元”进行大气校正得到的地表反射率与真实的地表反射率最为接近。因此，本文把用于“次暗像元”大气校正的AOD设为0.02。此处使用的“次暗像元”是指一个月内表观反射率次小的像元。例如可以通过下述的方法选取2019年5月M位置处（本文指任意位置）的“次暗像元”：首先利用ECMWF再分析数据对2019年5月M位置处的所有0.65 μm通道和0.83 μm通道的数据进行气体吸收订正，然后从气体吸收订正之后的数据中选取M位置处0.65 μm通道次小的表观反射率数据，被选择的AGRI 0.65 μm通道的表观反射率数据及其同一观测时刻的0.83 μm通道的TOA数据即为2019年5月M位置处的“次暗像元”。其中，之所以要选择“次暗像元”而不是“最暗像元”来计算地表反射率是为了剔除可能存在的云的阴影的影响。 本研究中依据上述方法在每个月都利用当月的AGRI数据构建了一个0.65 μm通道和0.83 μm通道的地表反射率的比值文件，完整的比值库由所有月份的比值文件共同组成。现以构建2019年5月的比值文件为例介绍构建比值库的基本流程：（1）首先选出2019年5月的AGRI数据在研究区各个位置处的0.65 μm和0.83 μm波段的“次暗像元”；（2）在“次暗像元”受气溶胶影响极小（550 nm处的AOD等于0.02）的假设之下对这些“次暗像元”进行大气校正，得到整个研究区的0.65 μm和0.83 μm通道的地表反射率；（3）将得到的0.65 μm通道的地表反射率除以0.83 μm通道的地表反射率便可以得到2019年5月的0.65 μm通道和0.83 μm通道的地表反射率的比值文件。本文构建的0.65 μm通道和0.83 μm通道的地表反射率的比值文件的示例如 图3 图3 所示。 2.2.4　气溶胶反演 3 对于一个特定的像元，如果已知气溶胶类型、AOD和任意两个通道的地表反射率的比值，则可以根据式（ 3 3 ）—（ 4 4 ）使用一个通道的TOA反射率模拟出另外一个通道的TOA反射率。上述模拟过程的基本原理如下：如果已知某像元A通道的TOA反射率，想要模拟出该像元某种气溶胶类型和AOD情况下的B通道的TOA反射率，可以首先计算出这种气溶胶类型和AOD情况下的A通道和B通道的各个大气参数（透射率，程辐射和半球反射率），然后通过 式（4） 式（4） 计算得到这种气溶胶类型和AOD情况下的A通道的地表反射率，进而可以依据A通道与B通道的地表反射率的比值计算得到B通道的地表反射率，然后可以通过 式（3） 式（3） 模拟出这种气溶胶类型和AOD情况下B通道的TOA反射率。上述内容是开发的气溶胶反演算法在实现气溶胶反演之前所需的一些必备知识，即怎样在两个波段（0.65 μm波段和0.83 μm波段）的地表反射率的比值和气溶胶信息已知的情况下，利用0.83 μm波段的TOA反射率模拟0.65 μm通道的TOA反射率。 本文假定气溶胶类型为大陆型气溶胶，在获取上述的必备知识之后我们便可以利用0.83 μm 通道的实际观测的TOA反射率模拟出0.65 μm通道在不同AOD情况下（0—2，间隔0.001）的2001个TOA反射率。其中与实际观测的0.65 μm通道的TOA反射率最为接近的模拟TOA反射率所对应的AOD即为本算法的AOD反演结果。为了提升反演的效率，基于6SV模型提前创建了一个9维的查找表，这9个维度分别为：波段（0.65 μm，0.83 μm），太阳天顶角（0—65°，间隔5°），卫星天顶角（0—65°，间隔5°），太阳和卫星的相对方位角（0—360°，间隔10°），高程（0—2000 m，间隔400 m），550 nm处的AOD（0—2，间隔0.1），程辐射，透射率和半球反射率。完成上述查找表的构建之后，实际反演时便可以通过插值的方法计算出0.65 μm和0.83 μm两个通道在不同AOD情况下（0—2，间隔0.001）的大气参数以提升反演效率。 <math display="block" id="M16"><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi mathvariant="normal">c</mi></mrow><mrow><mi>λ</mi></mrow></msubsup><mo>=</mo><msubsup><mrow><mi>ρ</mi></mrow><mrow><mn mathvariant="normal">0</mn></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo>,</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub><mo>,</mo><mi>φ</mi><mo stretchy="false">)</mo><mo>+</mo><mfrac><mrow><msubsup><mrow><mi>T</mi></mrow><mrow><mo>↓</mo></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub><mo stretchy="false">)</mo><msubsup><mrow><mi>T</mi></mrow><mrow><mo>↑</mo></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo stretchy="false">)</mo><msubsup><mrow><mi>ρ</mi></mrow><mrow><mi mathvariant="normal">s</mi><mi mathvariant="normal">u</mi><mi mathvariant="normal">r</mi><mi mathvariant="normal">f</mi></mrow><mrow><mi>λ</mi></mrow></msubsup></mrow><mrow><mn mathvariant="normal">1</mn><mo>-</mo><msubsup><mrow><mi>ρ</mi></mrow><mrow><mi mathvariant="normal">s</mi><mi mathvariant="normal">u</mi><mi mathvariant="normal">r</mi><mi mathvariant="normal">f</mi></mrow><mrow><mi>λ</mi></mrow></msubsup><msub><mrow><mi>S</mi></mrow><mrow><mi>λ</mi></mrow></msub></mrow></mfrac></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625149&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625148&type= 59.85933304 9.39799976 <math display="block" id="M17"><msubsup><mrow><mi>ρ</mi></mrow><mrow><mi mathvariant="normal">s</mi><mi mathvariant="normal">u</mi><mi mathvariant="normal">r</mi><mi mathvariant="normal">f</mi></mrow><mrow><mi>λ</mi></mrow></msubsup><mo>=</mo><mfrac><mrow><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi mathvariant="normal">c</mi></mrow><mrow><mi>λ</mi></mrow></msubsup><mo>-</mo><msubsup><mrow><mi>ρ</mi></mrow><mrow><mn mathvariant="normal">0</mn></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo>,</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub><mo>,</mo><mi>φ</mi><mo stretchy="false">)</mo></mrow><mrow><msubsup><mrow><mi>T</mi></mrow><mrow><mo>↓</mo></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub><mo stretchy="false">)</mo><msubsup><mrow><mi>T</mi></mrow><mrow><mo>↑</mo></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo stretchy="false">)</mo><mo>+</mo><msub><mrow><mi>S</mi></mrow><mrow><mi>λ</mi></mrow></msub><mfenced separators="|"><mrow><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi>c</mi></mrow><mrow><mi>λ</mi></mrow></msubsup><mo>-</mo><msubsup><mrow><mi>ρ</mi></mrow><mrow><mn mathvariant="normal">0</mn></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi>v</mi></mrow></msub><mo>,</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi>s</mi></mrow></msub><mo>,</mo><mi>φ</mi><mo stretchy="false">)</mo></mrow></mfenced></mrow></mfrac></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625138&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625137&type= 70.35800171 10.49866676 式中， <math id="M18"><mi>φ</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625140&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625139&type= 2.20133328 3.30200005 是相对方位角， <math id="M19"><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625154&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625141&type= 2.79399991 3.80999994 是卫星天顶角， <math id="M20"><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625159&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625158&type= 2.70933342 3.80999994 是太阳天顶角， <math id="M21"><mi mathvariant="normal">T</mi><mi mathvariant="normal">O</mi><msubsup><mrow><mi mathvariant="normal">A</mi></mrow><mrow><mi mathvariant="normal">c</mi></mrow><mrow><mi>λ</mi></mrow></msubsup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625162&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625160&type= 8.38199997 4.06400013 是经过气体吸收订正之后的波长为 <math id="M22"><mi>λ</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625173&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625163&type= 2.28600001 2.62466669 的通道的TOA反射率， <math id="M23"><msubsup><mrow><mi>T</mi></mrow><mrow><mo>↑</mo></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo stretchy="false">)</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625168&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625166&type= 10.24466610 4.82600021 和 <math id="M24"><msubsup><mrow><mi>T</mi></mrow><mrow><mo>↓</mo></mrow><mrow><mi>λ</mi></mrow></msubsup><mo stretchy="false">(</mo><msub><mrow><mi>θ</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub><mo stretchy="false">)</mo></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625175&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625169&type= 10.07533360 4.82600021 分别是上行和下行的大气透射率， <math id="M25"><msub><mrow><mi>S</mi></mrow><mrow><mi>λ</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625188&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625176&type= 3.21733332 3.72533321 是大气的半球反照率， <math id="M26"><msubsup><mrow><mi>ρ</mi></mrow><mrow><mi mathvariant="normal">s</mi><mi mathvariant="normal">u</mi><mi mathvariant="normal">r</mi><mi mathvariant="normal">f</mi></mrow><mrow><mi>λ</mi></mrow></msubsup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625192&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625190&type= 4.82600021 4.74133301 是地表的反射率。 3　反演结果与分析 1 3.1　AGRI AOD数据集与MODIS AOD数据集、AHI AOD数据集的空间分布对比 2 本研究开发的AGRI AOD数据集和AHI AOD数据集采用的投影均是等经纬度投影，而MODIS AOD数据集的投影不是等经纬度投影，为方便对比，将MODIS AOD数据集也重采样成了等经纬度投影的数据。AGRI AOD数据集、AHI AOD数据集、MODIS DB AOD数据集和MODIS 集成AOD数据集在2019-09-27—2019-09-28的空间分布如 图4 图4 所示。通过对 图4 图4 进行分析可知，这4种AOD数据集在空间分布上均具备很好的连续性，几乎没有在空间上突变的异常值。总的来看，AGRI AOD数据集、AHI AOD数据集、MODIS DB AOD数据集和MODIS 集成AOD数据集的空间分布趋势基本一致：9月27日的4种AOD数据集的空间分布都是河北的南部（邯郸，邢台）、北京及天津的AOD较高，其他区域的AOD较低；9月28日两种AOD数据集的空间分布都是京津冀的东南部高，西北部低。 2019-09-27 http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625314&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625316&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625332&type= 29.37933159 28.95599937 http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625334&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625318&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625336&type= 29.59099960 29.16766548 http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625337&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625321&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625338&type= 29.50633049 29.12533188 http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625353&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625342&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625354&type= 29.50633049 29.04066467 http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625356&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625345&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625357&type= 29.50633049 29.08300018 2019-09-28 http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625359&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625349&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625347&type= 29.50633049 29.08300018 （a） AGRI假彩色图 （a） False color image of AGRI http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625362&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625364&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625369&type= 29.54866600 29.08300018 （b） FY-4A AOD （b） FY-4A AOD http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625371&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625375&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625373&type= 29.50633049 29.12533188 （c） AHI AOD （c） AHI AOD http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625377&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625383&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625366&type= 29.50633049 29.04066467 （d） MODIS DB AOD （d） MODIS DB AOD http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625385&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625390&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625388&type= 29.50633049 29.08300018 （e） MODIS集成AOD （e） MODIS combined AOD 3.2　AGRI AOD数据集的验证结果 2 本文将采用6个参数对遥感AOD数据集的精度进行评估，分别是平均绝对误差MAE（Mean Absolute Error），均方根误差RMSE（Root Mean Square Error），相对误差RE（Relative Error），误差落在期望误差 <math id="M27"><mo>±</mo><mo stretchy="false">(</mo><mn mathvariant="normal">0.05</mn><mo>+</mo><mn mathvariant="normal">0.15</mn><mi mathvariant="normal">A</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">D</mi><mmultiscripts><mrow><mo stretchy="false">)</mo></mrow><mprescripts/><mrow><mi mathvariant="normal">A</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">R</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">N</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">T</mi></mrow><mrow/></mmultiscripts></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625205&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625198&type= 39.03133011 4.57200003 范围内的反演结果所占的比例（EE15），平均偏差ME（Mean Error）以及相关系数 R （ Jiang等，2019 Jiang等，2019 ）。MAE，RMSE，RE，ME和 R 的具体计算原理见式（ 5 5 ）—（ 9 9 ）。 <math display="block" id="M28"><mi mathvariant="normal">M</mi><mi mathvariant="normal">A</mi><mi mathvariant="normal">E</mi><mo>=</mo><mrow><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><mfenced open="|" close="|" separators="|"><mrow><msub><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>-</mo><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup></mrow></mfenced></mrow></mrow><mo>/</mo><mrow><mi>N</mi></mrow></mrow></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625211&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625208&type= 34.62866592 8.80533314 <math display="block" id="M29"><mi mathvariant="normal">R</mi><mi mathvariant="normal">M</mi><mi mathvariant="normal">S</mi><mi mathvariant="normal">E</mi><mo>=</mo><mroot><mrow><mrow><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><msup><mrow><mfenced separators="|"><mrow><msub><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>-</mo><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup></mrow></mfenced></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></mrow></mrow><mo>/</mo><mrow><mi>N</mi></mrow></mrow></mrow><mrow/></mroot></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625220&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625218&type= 42.16400146 10.49866676 <math display="block" id="M30"><mi mathvariant="normal">R</mi><mi mathvariant="normal">E</mi><mo>=</mo><mrow><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><mfenced open="|" close="|" separators="|"><mrow><msub><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>-</mo><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup></mrow></mfenced></mrow></mrow><mo>/</mo><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><mfenced open="|" close="|" separators="|"><mrow><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup></mrow></mfenced></mrow></mrow></mrow></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625217&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625222&type= 40.21666718 8.80533314 <math display="block" id="M31"><mi mathvariant="normal">M</mi><mi mathvariant="normal">E</mi><mo>=</mo><mrow><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><mfenced separators="|"><mrow><msub><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>-</mo><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup></mrow></mfenced></mrow></mrow><mo>/</mo><mrow><mi>N</mi></mrow></mrow></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625235&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625234&type= 32.93532944 8.80533314 <math display="block" id="M32"><mi>R</mi><mo>=</mo><mfrac><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><mfenced separators="|"><mrow><msub><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>-</mo><mover><mrow><mi>A</mi></mrow><mo>¯</mo></mover></mrow></mfenced><mfenced separators="|"><mrow><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup><mo>-</mo><mover><mrow><msup><mrow><mi>A</mi></mrow><mrow><mi>'</mi></mrow></msup></mrow><mo>¯</mo></mover></mrow></mfenced></mrow></mrow><mrow><mroot><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><msup><mrow><mfenced separators="|"><mrow><msub><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>-</mo><mover><mrow><mi>A</mi></mrow><mo>¯</mo></mover></mrow></mfenced></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>N</mi></mrow></munderover></mstyle><mrow><msup><mrow><mfenced separators="|"><mrow><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup><mo>-</mo><mover><mrow><msup><mrow><mi>A</mi></mrow><mrow><mi>'</mi></mrow></msup></mrow><mo>¯</mo></mover></mrow></mfenced></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></mrow></mrow><mrow/></mroot></mrow></mfrac></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625228&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625237&type= 49.02199936 19.55800056 式中， <math id="M33"><msub><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625246&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625244&type= 2.79399991 3.72533321 是遥感AOD反演结果， <math id="M34"><msubsup><mrow><mi>A</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi>'</mi></mrow></msubsup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625249&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625247&type= 2.87866688 4.06400013 是对应的地基AOD数据， <math id="M35"><mover><mrow><mi>A</mi></mrow><mo>¯</mo></mover></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625252&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625263&type= 2.11666679 3.21733332 和 <math id="M36"><mover><mrow><msup><mrow><mi>A</mi></mrow><mrow><mi>'</mi></mrow></msup></mrow><mo>¯</mo></mover></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625254&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625266&type= 2.70933342 3.21733332 分别是遥感AOD反演结果的均值和地基AOD的均值， <math id="M37"><mi>N</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625257&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625270&type= 2.53999996 2.62466669 是地基数据与遥感数据有效匹配结果的数量。 本研究开发的AGRI AOD数据集，AHI AOD数据集和MODIS集成AOD数据集在2019-05—2019-10的验证结果的散点图如 图5 图5 所示。首先来对比AGRI AOD数据集和AHI AOD数据集，总地来看，AGRI AOD数据集的RMSE，MAE，RE，ME， R 和EE15均要优于AHI AOD数据集。具体来看，RMSE和MAE是用来表征遥感反演结果绝对误差的参数，AGRI AOD数据集的RMSE（0.12）和MAE（0.09）要明显的小于AHI AOD数据集的RMSE（0.16）和MAE（0.12），这表明相比于AHI AOD数据集，AGRI AOD数据集的绝对误差更小。ME是用来表征遥感AOD数据集在整体上是否存在高估或低估现象的参数，AGRI AOD数据集 和AHI AOD数据集的ME分别为0和0.04，这表明AGRI AOD数据集在整体上基本不存在高估或低估现象，而AHI AOD数据集则存在一定的高估。RE是用来表征遥感AOD数据集的相对误差的参数，AGRI AOD数据集的RE（0.24）要明显的小于AHI AOD数据集的RE（0.28），这意味着AGRI AOD数据集的相对误差更小。AGRI AOD数据集和AHI AOD数据集的EE15分别是65.86%和58.14%，这意味着相比于AHI AOD数据集，AGRI AOD数据集的误差落在 <math id="M38"><mo>±</mo><mo stretchy="false">(</mo><mn mathvariant="normal">0.05</mn><mo>+</mo><mn mathvariant="normal">0.15</mn><mi mathvariant="normal">A</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">D</mi><mmultiscripts><mrow><mo stretchy="false">)</mo></mrow><mprescripts/><mrow><mi mathvariant="normal">A</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">R</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">N</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">T</mi></mrow><mrow/></mmultiscripts></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625260&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625274&type= 38.94666672 4.57200003 范围内的数据所占的比例更高。相关系数 R 是用来表征遥感反演结果与地基反演结果相关性的参数，AGRI AOD数据集和AHI AOD数据集都与地基数据具有很高的相关性，但AGRI AOD数据集与地基数据的相关性（ R =0.91）要略高于AHI AOD数据集与地基数据的相关性（ R =0.89）。综上，尽管FY-4A AGRI的信噪比要低于Himawari-8 AHI的信噪比（ 张鹏 等，2016 张鹏 等，2016 ），本研究开发的AGRI AOD数据集的绝对误差，相对误差等参数却均优于JMA发布的官方AHI AOD数据集。 1,2,3;4; 为了对AGRI AOD数据集的精度有一个更加明确的认识，还对比了AGRI AOD数据集和MODIS 集成AOD数据集的精度。AGRI AOD数据集的RMSE、MAE、RE、ME、 R 和EE15分别是0.12、0.09、0.24、0、0.91和65.86%，MODIS 集成AOD数据集的RMSE、MAE、RE、ME、 R 和EE15分别是0.15、0.11、0.36、0.08、0.89和54.27%。总的来看，AGRI AOD数据集的绝对误差，相对误差和反演结果的误差落在 <math id="M39"><mo>±</mo><mo stretchy="false">(</mo><mn mathvariant="normal">0.05</mn><mo>+</mo><mn mathvariant="normal">0.15</mn><mi mathvariant="normal">A</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">D</mi><mmultiscripts><mrow><mo stretchy="false">)</mo></mrow><mprescripts/><mrow><mi mathvariant="normal">A</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">R</mi><mi mathvariant="normal">O</mi><mi mathvariant="normal">N</mi><mi mathvariant="normal">E</mi><mi mathvariant="normal">T</mi></mrow><mrow/></mmultiscripts></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625328&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625327&type= 39.11600113 4.57200003 范围内的数据所占比例均要优于MODIS集成 AOD数据集，而MODIS AOD数据集是目前被广泛应用且具有较高精度的AOD数据集之一，因此可以认为本研究开发的AGRI AOD数据集具有较高的精度。 4　结论 1 搭载在静止卫星FY-4A上的AGRI具有极高的观测频率，可为大气气溶胶的持续监测提供充足的数据支持，但目前尚没有公开发布的AGRI AOD数据集可供使用。本文面向AGRI开发了一套基于地表反射率比值库的气溶胶反演算法以获取高精度的AGRI AOD数据集。反演算法由4部分构成：（1）AGRI L1级数据的预处理；（2）AGRI L1级数据的气体吸收订正；（3）AGRI 0.65 μm和0.83 μm通道的地表反射率比值库的构建；（4）基于地表反射率比值库的气溶胶反演。该算法已被应用于京津冀地区的气溶胶反演。利用地基数据，AHI AOD数据和MODIS 集成AOD数据评估AGRI AOD数据的质量，结果显示AGRI AOD数据具有较高的精度，且其精度要高于目前被广泛使用的AHI AOD数据集和MODIS AOD数据集的精度。这表明本文提出的基于地表反射率比值库的气溶胶反演算法可用于高精度AGRI AOD数据集的开发。 相比于已有的基于暗目标和深蓝算法原理开发的AGRI AOD反演算法（ 许梦婕 等，2020 许梦婕 等，2020 ； 祝善友 等，2020 祝善友 等，2020 ），本文提出的气溶胶反演算法的创新点主要体现在两个方面：（1）该算法仅依靠AGRI数据来完成地表反射率比值库的构建，不需要借助额外的MODIS AOD数据、地表反射率数据或是AERONET AOD数据。（2）该算法对参加反演的遥感数据的波长没有特定的要求，只需要两个通道（至少包含一个可见光通道）的数据即可实现气溶胶反演，适用于AHI、MODIS等目前在轨运行的大多数卫星传感器，具有较强的灵活性和可移植性。 尽管本文取得了一定的成果，但针对AGRI数据开发的气溶胶反演算法仍然有一定的改进空间，主要表现为本研究采用的气溶胶反演算法仅考虑了大陆型一种气溶胶类型。事实上，仅利用大陆型一种气溶胶类型并不能完全表征京津冀地区所有的气溶胶情况，这会对气溶胶反演结果的精度造成负面影响。未来需要利用AERONET等地基观测数据构建更多贴近研究区实际情况的气溶胶模型，并将其引入到AGRI气溶胶反演算法中，以进一步提升气溶胶反演结果的精度。 参考文献（References） Burton S P , Ferrare R A , Hostetler C A , Hair J W , Rogers R R , Obland M D , Butler C F , Cook A L , Harper D B and Froyd K D . 2012 . Aerosol classification using airborne High Spectral Resolution Lidar measurements - methodology and examples . Atmospheric Measurement Techniques , 5 ( 1 ): 73 - 98 [ DOI: 10.5194/amt-5-73-2012 http://dx.doi.org/10.5194/amt-5-73-2012 ] Aerosol classification using airborne High Spectral Resolution Lidar measurements - methodology and examples Fukuda S , Nakajima T , Takenaka H , Higurashi A , Kikuchi N , Nakajima T Y and Ishida H . 2013 . New approaches to removing cloud shadows and evaluating the 380 nm surface reflectance for improved aerosol optical thickness retrievals from the GOSAT/TANSO-Cloud and Aerosol Imager . Journal of Geophysical Research , 118 ( 24 ): 13520 - 13531 [ DOI: 10.1002/2013jd020090 http://dx.doi.org/10.1002/2013jd020090 ] New approaches to removing cloud shadows and evaluating the 380 nm surface reflectance for improved aerosol optical thickness retrievals from the GOSAT/TANSO-Cloud and Aerosol Imager Giles D M , Sinyuk A , Sorokin M G , Schafer J S , Smirnov A , Slutsker I , Eck T F , Holben B N , Lewis J R , Campbell J R , Welton E J , Korkin S V and Lyapustin A I . 2019 . Advancements in the Aerosol Robotic Network (AERONET) Version 3 database - automated near-real-time quality control algorithm with improved cloud screening for Sun photometer aerosol optical depth (AOD) measurements . Atmospheric Measurement Techniques , 12 ( 1 ): 169 - 209 [ DOI: 10.5194/amt-12-169-2019 http://dx.doi.org/10.5194/amt-12-169-2019 ] Advancements in the Aerosol Robotic Network (AERONET) Version 3 database - automated near-real-time quality control algorithm with improved cloud screening for Sun photometer aerosol optical depth (AOD) measurements Hersbach H , Bell B , Berrisford P , Hirahara S , Horányi A , Muñoz-Sabater J , Nicolas J , Peubey C , Radu R , Schepers D , Simmons A , Soci C , Abdalla S , Abellan X , Balsamo G , Bechtold P , Biavati G , Bidlot J , Bonavita M , de Chiara G , Dahlgren P , Dee D , Diamantakis M , Dragani R , Flemming J , Forbes R , Fuentes M , Geer A , Haimberger L , Healy S , Hogan R J , Hólm E , Janisková M , Keeley S , Laloyaux P , Lopez P , Lupu C , Radnoti G , de Rosnay P , Rozum I , Vamborg F , Villaume S and Thépaut J N . 2020 . The ERA5 global reanalysis . Quarterly Journal of the Royal Meteorological Society , 146 ( 730 ): 1999 - 2049 [ DOI: 10.1002/qj.3803 http://dx.doi.org/10.1002/qj.3803 ] The ERA5 global reanalysis Hsu N C , Tsay S C , King M D and Herman J R . 2006 . Deep blue retrievals of asian aerosol properties during ACE-Asia . IEEE Transactions on Geoscience and Remote Sensing , 44 ( 11 ): 3180 - 3195 [ DOI: 10.1109/TGRS.2006.879540 http://dx.doi.org/10.1109/TGRS.2006.879540 ] Deep blue retrievals of asian aerosol properties during ACE-Asia Jiang T T , Chen B , Chan K K Y and Xu B . 2019 . Himawari-8/AHI and MODIS aerosol optical depths in China: evaluation and comparison . Remote Sensing , 11 ( 9 ): 1011 [ DOI: 10.3390/rs11091011 http://dx.doi.org/10.3390/rs11091011 ] Himawari-8/AHI and MODIS aerosol optical depths in China: evaluation and comparison Knapp K R , Frouin R , Kondragunta S and Prados A . 2005 . Toward aerosol optical depth retrievals over land from GOES visible radiances: determining surface reflectance . International Journal of Remote Sensing , 26 ( 18 ): 4097 - 4116 [ DOI: 10.1080/01431160500099329 http://dx.doi.org/10.1080/01431160500099329 ] Toward aerosol optical depth retrievals over land from GOES visible radiances: determining surface reflectance Kaufman Y. J. , D. Tanré , L. A. Remer , E. F. Vermote , A. Chu , and B. N. Holben . 1997 . “ Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer.” Journal of Geophysical Research: Atmospheres 102 (D 14 ): 17051 - 67 . [ DOI: https://doi.org/10.1029/96JD03988 https://doi.org/10.1029/96JD03988 ] Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer.” Journal of Geophysical Research: Atmospheres 102 Kolmonen P , Sogacheva L , Virtanen T H , de Leeuw G and Kulmala M . 2016 . The ADV/ASV AATSR aerosol retrieval algorithm: current status and presentation of a full-mission AOD dataset . International Journal of Digital Earth , 9 ( 6 ): 545 - 561 [ DOI: 10.1080/17538947.2015.1111450 http://dx.doi.org/10.1080/17538947.2015.1111450 ] The ADV/ASV AATSR aerosol retrieval algorithm: current status and presentation of a full-mission AOD dataset Levy R C , Mattoo S , Munchak L A , Remer L A , Sayer A M , Patadia F and Hsu N C . 2013 . The Collection 6 MODIS aerosol products over land and ocean . Atmospheric Measurement Techniques , 6 ( 11 ): 2989 - 3034 [ DOI: 10.5194/amt-6-2989-2013 http://dx.doi.org/10.5194/amt-6-2989-2013 ] The Collection 6 MODIS aerosol products over land and ocean Li Y , Xue Y , Guang J , She L , Fan C and Chen G L . 2018 . Ground-level PM 2.5 concentration estimation from satellite data in the Beijing area using a specific particle swarm extinction mass conversion algorithm . Remote Sensing , 10 ( 12 ): 1906 [ DOI: 10.3390/rs10121906 http://dx.doi.org/10.3390/rs10121906 ] Ground-level PM2.5 concentration estimation from satellite data in the Beijing area using a specific particle swarm extinction mass conversion algorithm Liu X Y , Chen Q L , Che H Z , Zhang R J , Gui K , Zhang H and Zhao T L . 2016 . Spatial distribution and temporal variation of aerosol optical depth in the Sichuan basin, China, the recent ten years . Atmospheric Environment , 147 : 434 - 445 [ DOI: 10.1016/j.atmosenv.2016.10.008 http://dx.doi.org/10.1016/j.atmosenv.2016.10.008 ] Spatial distribution and temporal variation of aerosol optical depth in the Sichuan basin, China, the recent ten years Ma X Y , Chen Z H , Su X , Yu H Y , Jia D D and Yao H M . 2020 . GF-4 aerosol retrieval study of enhanced surface reflectance library support algorithm . Journal of Remote Sensing , 24 ( 5 ): 578 - 595 GF-4 aerosol retrieval study of enhanced surface reflectance library support algorithm 马小雨 , 陈正华 , 宿鑫 , 于会泳 , 贾丹丹 , 姚焕玫 . 2020 . GF-4增强型地表反射率库支持法的气溶胶光学厚度反演 . 遥感学报 , 24 ( 5 ): 578 - 595 [ DOI: 10.11834/jrs.20208341 http://dx.doi.org/10.11834/jrs.20208341 ] GF-4增强型地表反射率库支持法的气溶胶光学厚度反演 Min M , Wu C Q , Li C , Liu H , Xu N , Wu X , Chen L , Wang F , Sun F L , Qin D Y , Wang X , Li B , Zheng Z J , Cao G Z and Dong L X . 2017 . Developing the science product algorithm testbed for Chinese next-generation geostationary meteorological satellites: Fengyun-4 series . Journal of Meteorological Research , 31 ( 4 ): 708 - 719 [ DOI: 10.1007/s13351-017-6161-z http://dx.doi.org/10.1007/s13351-017-6161-z ] Developing the science product algorithm testbed for Chinese next-generation geostationary meteorological satellites: Fengyun-4 series Mishra M K , Rathore P S , Misra A and Kumar R . 2020 . Atmospheric correction of multispectral VNIR remote sensing data: algorithm and inter-sensor comparison of aerosol and surface reflectance products . Earth and Space Science , 7 ( 9 ): e2019EA 000710 [ DOI: 10.1029/2019ea000710 http://dx.doi.org/10.1029/2019ea000710 ] Atmospheric correction of multispectral VNIR remote sensing data: algorithm and inter-sensor comparison of aerosol and surface reflectance products Prados A I , Kondragunta S , Ciren P and Knapp K R . 2007 . GOES Aerosol/Smoke Product (GASP) over North America: comparisons to AERONET and MODIS observations . Journal of Geophysical Research , 112 ( D15 ): D 15201 [ DOI: 10.1029/2006jd007968 http://dx.doi.org/10.1029/2006jd007968 ] GOES Aerosol/Smoke Product (GASP) over North America: comparisons to AERONET and MODIS observations Samset B H , Sand M , Smith C J , Bauer S E , Forster P M , Fuglestvedt J S , Osprey S and Schleussner C F . 2018 . Climate impacts from a removal of anthropogenic aerosol emissions . Geophysical Research Letters , 45 ( 2 ): 1020 - 1029 [ DOI: 10.1002/2017gl076079 http://dx.doi.org/10.1002/2017gl076079 ] Climate impacts from a removal of anthropogenic aerosol emissions Sayer A M , Hsu N C , Bettenhausen C and Jeong M J . 2013 . Validation and uncertainty estimates for MODIS Collection 6 “Deep Blue” aerosol data . Journal of Geophysical Research , 118 ( 14 ): 7864 - 7872 [ DOI: 10.1002/jgrd.50600 http://dx.doi.org/10.1002/jgrd.50600 ] Validation and uncertainty estimates for MODIS Collection 6 “Deep Blue” aerosol data Vermote E , Tanré D , Deuzé J , Herman M , Morcrette J J and Kotchenova S Y . 2006 . Second simulation of a satellite signal in the solar spectrum-vector (6SV) . Second simulation of a satellite signal in the solar spectrum-vector (6SV) Vermote E F , Tanre D , Deuze J L , Herman M and Morcrette J J . 1997 . Second simulation of the satellite signal in the solar spectrum, 6S: an overview . IEEE Transactions on Geoscience and Remote Sensing , 35 ( 3 ): 675 - 686 [ DOI: 10.1109/36.581987 http://dx.doi.org/10.1109/36.581987 ] Second simulation of the satellite signal in the solar spectrum, 6S: an overview Xie Y Q , Xue Y , Guang J , Mei L L , She L , Li Y , Che Y H and Fan C . 2020 . Deriving a global and hourly data set of aerosol optical depth over land using data from four geostationary satellites: GOES-16, MSG-1, MSG-4, and Himawari-8 . IEEE Transactions on Geoscience and Remote Sensing , 58 ( 3 ): 1538 - 1549 [ DOI: 10.1109/tgrs.2019.2944949 http://dx.doi.org/10.1109/tgrs.2019.2944949 ] Deriving a global and hourly data set of aerosol optical depth over land using data from four geostationary satellites: GOES-16, MSG-1, MSG-4, and Himawari-8 Xu M J , Bao Y S , Xu D , Lu Q F and Zhang X Y . 2020 . Retrieval of aerosol optical depth based on FY-4A satellite data and its analysis and application . China Environmental Science , 40 ( 12 ): 5162 - 5168 Retrieval of aerosol optical depth based on FY-4A satellite data and its analysis and application 许梦婕 , 鲍艳松 , 许丹 , 陆其峰 , 张兴赢 . 2020 . 基于FY-4A卫星数据反演气溶胶光学厚度及分析应用 . 中国环境科学 , 40 ( 12 ): 5162 - 5168 基于FY-4A卫星数据反演气溶胶光学厚度及分析应用 Xu Q Q , Chen X L , Yang S B , Tang L L and Dong J D . 2021 . Spatiotemporal relationship between Himawari-8 hourly columnar aerosol optical depth (AOD) and ground-level PM 2.5 mass concentration in mainland China . Science of the Total Environment , 765 : 144241 [ DOI: 10.1016/j.scitotenv.2020.144241 http://dx.doi.org/10.1016/j.scitotenv.2020.144241 ] Spatiotemporal relationship between Himawari-8 hourly columnar aerosol optical depth (AOD) and ground-level PM2.5 mass concentration in mainland China Xue Y , Li Y , Guang J , Tugui A , She L , Qin K , Fan C , Che Y H , Xie Y Q , Wen Y N and Wang Z X . 2020 . Hourly PM 2.5 estimation over central and eastern China based on himawari-8 data . Remote Sensing , 12 ( 5 ): 855 [ DOI: 10.3390/rs12050855 http://dx.doi.org/10.3390/rs12050855 ] Hourly PM2.5 estimation over central and eastern China based on himawari-8 data Yang F K , Wang Y , Tao J H , Wang Z F , Fan M , de Leeuw G and Chen L F . 2018 . Preliminary investigation of a new ahi Aerosol Optical Depth (AOD) retrieval algorithm and evaluation with multiple source AOD measurements in China . Remote Sensing , 10 ( 5 ): 748 [ DOI: 10.3390/rs10050748 http://dx.doi.org/10.3390/rs10050748 ] Preliminary investigation of a new ahi Aerosol Optical Depth (AOD) retrieval algorithm and evaluation with multiple source AOD measurements in China Yang J , Zhang Z Q , Wei C Y , Lu F and Guo Q . 2017 . Introducing the new generation of Chinese geostationary weather satellites, Fengyun-4 . Bulletin of the American Meteorological Society , 98 ( 8 ): 1637 - 1658 [ DOI: 10.1175/bams-d-16-0065.1 http://dx.doi.org/10.1175/bams-d-16-0065.1 ] Introducing the new generation of Chinese geostationary weather satellites, Fengyun-4 Yoshida M , Kikuchi M , Nagao T M , Murakami H , Nomaki T and Higurashi A . 2018 . Common retrieval of aerosol properties for imaging satellite sensors . Journal of the Meteorological Society of Japan , 96 B: 193 - 209 [ DOI: 10.2151/jmsj.2018-039 http://dx.doi.org/10.2151/jmsj.2018-039 ] Common retrieval of aerosol properties for imaging satellite sensors Zhang P , Guo Q , Chen B Y and Feng X . 2016 . The Chinese next-generation geostationary meteorological satellite FY-4 compared with the Japanese Himawari-8/9 satellites . Advances in Meteorological Science and Technology , 6 ( 1 ): 72 - 75 The Chinese next-generation geostationary meteorological satellite FY-4 compared with the Japanese Himawari-8/9 satellites 张鹏 , 郭强 , 陈博洋 , 冯绚 . 2016 . 我国风云四号气象卫星与日本Himawari-8/9卫星比较分析 . 气象科技进展 , 6 ( 1 ): 72 - 75 我国风云四号气象卫星与日本Himawari-8/9卫星比较分析 Zhang W H , Xu H and Zhang L L . 2019 . Assessment of Himawari-8 AHI aerosol optical depth over land . Remote Sensing , 11 ( 9 ): 1108 [ DOI: 10.3390/rs11091108 http://dx.doi.org/10.3390/rs11091108 ] Assessment of Himawari-8 AHI aerosol optical depth over land Zhu S Y , Li J M , Xiang J M and Wang S S . 2020 . Research on aerosol optical depth inversion based on FY4A AGRI data . Geography and Geo-information Science , 36 ( 4 ): 26 - 32 Research on aerosol optical depth inversion based on FY4A AGRI data 祝善友 , 李佳敏 , 向嘉敏 , 王诗圣 . 2020 . 基于FY4A AGRI数据的气溶胶光学厚度反演研究 . 地理与地理信息科学 , 36 ( 4 ): 26 - 32 基于FY4A AGRI数据的气溶胶光学厚度反演研究 致谢:本研究使用的FY-4A数据，MODIS数据，Himawari-8数据和再分析数据分别是由中国国家卫星气象中心，NASA，JMA和ECMWF提供的，作者向上述机构表示感谢。此外，本研究使用了5个AERONET站点（Beijing-CAMS，Yanqihu，Beijing_RADI，XiangHe，Beijing_PKU）的数据用于遥感AOD数据的验证，感谢建立和维护上述站点的相关人员。 10.11834/jrs.20211366 1007-4619（2022）05-0913-10 谢艳清，李正强，侯伟真.2022.FY-4A AGRI陆地气溶胶光学厚度反演.遥感学报，26（5）： 913-922 谢艳清，李正强，侯伟真.2022.FY-4A AGRI陆地气溶胶光学厚度反演.遥感学报，26（5）： 913-922 Xie Y Q， Li Z Q and Hou W Z. 2022. Aerosol optical depth retrieval over land using data from AGRI onboard FY-4A. National Remote Sensing Bulletin， 26（5）：913-922 Xie Y Q， Li Z Q and Hou W Z. 2022. Aerosol optical depth retrieval over land using data from AGRI onboard FY-4A. National Remote Sensing Bulletin， 26（5）：913-922 国家杰出青年科学基金（编号：41925019）；国家自然科学基金（编号：41871269） Supported by The National Science Fund for Distinguished Young Scholars (No. 41925019); National Natural Science Foundation of China (No. 41871269) 2021-05-31 2022-05-07 2022-05-30 2021-09-18 遥感学报 5 26