大气环境卫星温室气体和气溶胶协同观测综述

大气环境卫星温室气体和气溶胶协同观测综述 A review of collaborative remote sensing observation of greenhouse gases and aerosol with atmospheric environment satellites 1 first-author 李正强，研究方向为大气环境遥感。E-mail： lizq@aircas.ac.cn 李正强，研究方向为大气环境遥感。E-mail： lizq@aircas.ac.cn lizq@aircas.ac.cn 1 corresp 谢一凇，研究方向为大气环境遥感。E-mail： xieys@aircas.ac.cn 谢一凇，研究方向为大气环境遥感。E-mail： xieys@aircas.ac.cn xieys@aircas.ac.cn 1 2 3 4 5 6 7 8 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 Environmental Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China State Environmental Protection Key Laboratory of Satellite Remote Sensing, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100101, China 生态环境部卫星环境应用中心, 北京 100094 生态环境部卫星环境应用中心, 北京 100094 Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100094, China Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100094, China 中山大学 大气科学学院, 珠海 519082 中山大学 大气科学学院, 珠海 519082 School of Atmosphere Sciences, Sun Yat-Sen University, Zhuhai 519082, China School of Atmosphere Sciences, Sun Yat-Sen University, Zhuhai 519082, China 中国矿业大学 环境与测绘学院, 徐州 221116 中国矿业大学 环境与测绘学院, 徐州 221116 School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China 西湖大学 工学院 浙江省海岸带环境与资源研究重点实验室, 杭州 310024 西湖大学 工学院 浙江省海岸带环境与资源研究重点实验室, 杭州 310024 Key Laboratory of Coastal Environment and Resources of Zhejiang Province, School of Engineering, Westlake University, Hangzhou 310024, China Key Laboratory of Coastal Environment and Resources of Zhejiang Province, School of Engineering, Westlake University, Hangzhou 310024, China 中国科学院大学 资源与环境学院, 北京 100049 中国科学院大学 资源与环境学院, 北京 100049 College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China 中国科学院合肥物质科学研究院 中国科学院通用光学定标与表征技术重点实验室, 合肥 230031 中国科学院合肥物质科学研究院 中国科学院通用光学定标与表征技术重点实验室, 合肥 230031 Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei 230031, China Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei 230031, China 中国科学院大气物理研究所 碳中和研究中心, 北京 100029 中国科学院大气物理研究所 碳中和研究中心, 北京 100029 Carbon Neutrality Research Center, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China Carbon Neutrality Research Center, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China 人类排放的温室气体和气溶胶是造成全球气候变暖和大气环境恶化的主要因素，也是大气环境卫星遥感的核心探测目标。与传统的单一探测目标卫星相比，实现同平台的大气温室气体和气溶胶协同监测，对于提高温室气体卫星反演精度、改善“自上而下”碳源汇估算、提升温室气体和气溶胶的人为/自然源区分能力具有重要意义，也是各国航天机构积极发展的空间探测手段。本文对欧、日、中、美等具备温室气体和气溶胶协同监测能力的卫星进行系统的介绍，包括卫星平台、传感器、处理算法和质控验证。按照卫星监测任务和传感器用途，将其分为大气综合探测卫星和温室气体监测卫星两大类，并从碳中和行动和大气环境综合治理等需求出发，提出温室气体和气溶胶协同观测星座（GACOC）的概念及其发展方向，包括主被动卫星组网观测、温室气体和气溶胶高精度联合反演算法、人为排放源识别和定量监测等应用。 Climate change is the most critical issue related to human survival and economic development currently being faced by the whole world. Greenhouse gases (GHGs) and aerosol are the main factors contributing to global warming and atmospheric environmental degradation caused by anthropogenic emissions; thus, they are the core detection targets of satellite remote sensing platforms. Compared with traditional single-target satellites, the collaborative monitoring of GHGs and aerosol on the same airborne platform, “Greenhouse gases and Aerosol Collaborative Observation Constellation” (GACOC), could significantly improve the accuracy of CO 2 and CH 4 retrieval. This way could improve the ability to estimate the carbon source and sink via the “top-down” method, as well as the ability to distinguish anthropogenic/natural sources of CO 2 , CH 4 , and atmospheric particulate matters. The GACOC has become an important spatial detection approach actively developed by aerospace agencies of various countries. This study introduces the satellites launched by the European Union, Japan, China, and the United States that can monitor GHGs and aerosol in one space-borne platform. These satellites are further divided into two categories according to their missions. The first one is the comprehensive atmospheric sounding satellites that independently detect GHGs and aerosol. These satellites can provide the temporal and spatial distribution of columnar CO 2 or CH 4 concentration and aerosol properties in the global context. The representative satellites of this category include ENVISAT, Sentinel-5P, FY-3D, and GF-5, as well as GF-5(02), DQ-1, DQ-2, and MetOp-SG-A that are about to launch in 1-3 years. The second category is the GHG monitoring satellites. Synchronous aerosol and cloud observations on the same platform provide necessary information for high-precision inversion of GHGs. The typical GHG satellites include GOSAT, GOSAT-2, OCO-2, OCO-3, TanSat, and the ESA-planned CO2M series. Focusing on the significant national demands such as assessment of carbon neutrality pathways and atmospheric environmental governance, this study also discusses the development tendencies of monitoring GHGs and aerosol within the framework of a collaborative observation constellation. (1) Identification and quantitative monitoring of large anthropogenic emission sources. The anthropogenic CO 2 /CH 4 and aerosol particles (and other tracers such as NO 2 ) emitted from large-scale industrial areas or cities have some similarities in source, environment, and meteorological condition. Therefore, the high-resolution GHGs and aerosol observation by collaborative satellites can be employed to improve the ability to identify, track, and monitor large-scale, fixed, anthropogenic sources more efficiently. (2) High-precision joint inversion of atmospheric GHGs and aerosol. The scattering of aerosol and cloud greatly impact the inversion accuracy of CO 2 /CH 4 satellite products. The advanced spaceborne technology that combines multi-angle, multi-band, and polarimetric measurements obtain high-precision aerosol optical and microphysical parameters. These parameters can be used to generate observation-based aerosol models when dealing with aerosol scattering during GHG’s inversion, and these models are more appropriate than the traditional models from modeling data. (3) Active–passive satellite networking. No single satellite can acquire a daily, global-coverage GHG or aerosol product due to the issues such as limited swath width, large number of cloudy pixels, and strict data quality criteria. Therefore, active–passive satellite networking is an essential approach to satisfy the demands of operationally observing the earth. The GACOC could fill in the data gap effectively and generate a spatially–temporally continuous global dataset of GHGs and aerosol. These data can provide a solid foundation for scientific research such as accurate assessments of climate change and dynamic monitoring of the atmospheric environment. 温室气体 气溶胶 卫星遥感 二氧化碳 协同观测星座 greenhouse gases aerosol satellite remote sensing carbon dioxide collaborative observation constellation 1　引言 1 气候变化是全人类生存和发展面临的最重要的问题，建立绿色低碳发展之路，提高气候变化应对能力，是世界各国亟需解决的燃眉之急。2015年12月《联合国气候变化框架公约》近200个缔约方在巴黎气候变化大会上达成《巴黎协定》（The Paris Agreement），长期目标是将全球平均气温较前工业化时期上升幅度控制在2℃以内。2018年10月，IPCC报告进一步提出了1.5℃的控温线，对今后数十年的地球生态系统和人类至关重要。之后，中国在2020年9月第七十五届联合国大会上做出了承诺，提出“努力争取2060年前实现碳中和”的战略目标。准确、客观、空间覆盖的CO 2 、CH 4 等主要温室气体的定量化监测是实现碳中和评估的重要观测基础；大型排放源的精准定位和动态监测是进一步开展针对性治理和防控的关键途径（ Gong和Shi，2021 Gong和Shi，2021 ）。 作为全球范围获取空间覆盖的温室气体GHGs（Greenhouse gases）柱浓度分布的唯一观测手段，卫星遥感已成为破解传统地面探测技术空间不连续、运维高成本等瓶颈问题，实现高精度、高时空分辨率碳排放获取的常规监测手段。世界上多个航天大国发射了温室气体监测卫星，包括日本的GOSAT和GOSAT-2（ Kuze等，2009 Kuze等，2009 ； Suto等，2021 Suto等，2021 ）、美国的OCO-2和OCO-3（ Eldering等，2017 Eldering等，2017 ， 2019 2019 ）、中国的TanSat（ Liu等，2018 Liu等，2018 ）等。此外，欧洲的ENVISAT（ Buchwitz等，2005 Buchwitz等，2005 ）、Sentinel-5p（ Lorente等，2021 Lorente等，2021 ），中国的GF-5（ 熊伟，2019 熊伟，2019 ）和GF-5（02）、FY-3D（ 陆其峰 等，2019 陆其峰 等，2019 ）、DQ-1（ Han等，2018 Han等，2018 ）等大气综合探测卫星也搭载了温室气体传感器，具备获取CO 2 或CH 4 分布信息的能力。在此基础上，各国航天机构进一步规划了多个温室气体探测卫星计划，包括欧州空间局（ESA）的CO2M计划卫星系列（ Kuhlmann等，2019 Kuhlmann等，2019 ）（拟2025年—2026年发射第一批）、美国宇航局（NASA）的GeoCarb卫星（ Moore等，2018 Moore等，2018 ）（拟2022年发射）、法国空间研究中心（CNES）的MicroCarb卫星（ Bertaux等，2020 Bertaux等，2020 ）（拟2023年发射）、法国CNES与德国航天局（DLR）联合研制的MERLIN卫星（ Ehret等，2017 Ehret等，2017 ）（拟2025年发射）、中国国家航天局（CNSA）的DQ-2卫星（ Han等，2018 Han等，2018 ）（2023年发射）等。 除了CO 2 、CH 4 等温室气体，气溶胶（大气颗粒物）是另一类具有显著辐射效应、对人类生存发展影响深远的大气成分，因此也是大气环境卫星遥感探测的主要目标之一。气溶胶主要来源于人类活动和自然源排放。由于气溶胶成分组成的复杂性和不同成分间光学吸收散射特性的差异，气溶胶具有复杂的辐射效应，对全球气候变化的影响不可忽视（ Schuster等，2016 Schuster等，2016 ）。虽然大部分情况下气溶胶散射作用占主导，但强吸光性的黑碳气溶胶同样能造成正辐射强迫从而加热大气（ Cohen和Wang，2014 Cohen和Wang，2014 ； Olson等，2022 Olson等，2022 ）。因此，气溶胶含量及辐射强迫的认知也是辐射收支估算、气候变化贡献评估需要关注的重要问题。 由于工业发展、城市化、人口增长等原因，近几十年中国的温室气体和大气颗粒物排放较高，其中有相当一部分来自相同的排放源（例如，燃煤发电、机动车等）。同时，相关研究指出，大气颗粒物的散射施肥效应能够改变植被生长，进而对陆地生态系统碳汇产生影响（ 谢晓栋，2020 谢晓栋，2020 ）。然而，气溶胶与温室气体之间的辐射效应存在显著差异，难以准确定量评估人为排放对地气系统辐射的总体影响。例如， Li等（2016） Li等（2016） 通过模式研究指出，近几十年中国排放的硫酸盐气溶胶对全球辐射强迫有显著的致冷贡献，有效抵消了黑碳气溶胶及部分化石燃料产生CO 2 的增温效应。解决这一问题的根本途径是获得足够多的高精度定量数据（包括浓度、源汇等信息），特别是在同一卫星观测平台上实现温室气体和气溶胶的协同观测。除此之外，气溶胶和薄云的散射效应是影响CO 2 、CH 4 反演精度和产品数据量的重要因素（ Guerlet等，2013 Guerlet等，2013 ）。O’Dell等（2012）指出，忽略气溶胶或薄云散射引起的XCO 2 反演误差是不可接受的。将同平台观测提取的真实气溶胶和云信息，用于温室气体反演中的光学路径散射计算，是提高温室气体产品精度、增加产品数据量的有效方案。 基于卫星平台的大气温室气体和气溶胶协同监测，重要性已被科学界广泛认可，并逐渐成为各国开展航天遥感探测的重要手段。温室气体与气溶胶的联合探测传感器组成“温室气体和气溶胶协同观测星座（GACOC）”（ 图1 图1 ），为气候变化、大气环境等领域的研究提供重要的基础数据。本文在简要介绍温室气体与气溶胶反演基本原理、分析二者同步观测必要性的基础上，从卫星平台、传感器、数据处理算法、地基验证网络等方面对国内外主要的温室气体与气溶胶协同监测卫星进行了详细介绍，并对协同监测的发展方向进行总结和展望。 2　温室气体和气溶胶卫星反演 1 2.1　温室气体反演方法 2 大气CO 2 和CH 4 的卫星探测基本可分为热红外光谱探测和近红外光谱探测两类。其中，热红外传感器（例如，AIRS/Aqua）主要利用亮温数据进行探测，由于地表和近地面大气温度接近，热发射特性较为相似，热红外探测对近地面及边界层的温室气体含量不够敏感（ 吴浩，2019 吴浩，2019 ），因此目前星载温室气体探测技术主要利用的是近红外高光谱。下面以大气CO 2 柱浓度反演为例，对近红外卫星探测反演算法进行简单介绍。 CO 2 卫星遥感的基本原理是利用高光谱传感器探测到的CO 2 吸收带（主要包括1.6 μm的弱吸收带和2.0 μm的强吸收带）辐射光谱，去除多种影响因素的干扰后提取CO 2 含量信息，并结合O 2 -A吸收带（0.76 μm）估算的大气分子数浓度进一步计算CO 2 干空气柱混合比XCO 2 。 目前已经发展了多种反演算法应用于卫星数据获取CO 2 柱浓度，主要可归为经验统计方法和物理方法两大类。经验统计法的基本思路是基于大量卫星观测数据、辅助资料构建包括不同地理位置和季节变化的庞大训练样本集，利用统计回归或神经网络算法对CO 2 分布进行估算。经验统计方法虽然可避免复杂辐射传输计算，但受样本集选取、模型简化、缺少误差估计等影响，反演误差较大，难以获取可靠的全球CO 2 卫星产品，因此该方法一般用于提供物理算法需要的先验廓线（ 赵靓，2017 赵靓，2017 ）。 物理方法是从高精度辐射传输计算出发，将反演问题转变为求解非线性数学方程最优解的问题，从而实现CO 2 柱浓度的反演。温室气体卫星反演采用的物理方法主要包括基于差分吸收光谱DOAS（Differential Optical Absorption Spectroscopy）的反演算法和基于最优估计理论的全物理算法FP（Full Physics）等。 （1）差分吸收算法。差分吸收算法的基本原理是利用低阶多项式将消光截面的慢变部分（消光随波长缓慢变化，例如气溶胶米散射、分子瑞利散射等）和快变部分（消光随波长快速变化，主要是气体吸收）进行分离，从而实现吸收气体浓度的定量获取，在痕量气体反演中得到广泛应用（ Buchwitz等，2000 Buchwitz等，2000 ）。近红外通道气体吸收截面随温度、压强变化较大，德国不莱梅大学研究团队发展了改进的DOAS算法，包括WFM-DOAS（Weighting Function Modified-DOAS）算法（ Schneising 等，2008 Schneising 等，2008 ）和BESD（Bremen Optimal Estimation-DOAS）算法（ Heymann等，2015 Heymann等，2015 ）等。WFM-DOAS算法将模拟的归一化辐亮度 I mod 表示为线性辐射传输形式： <math display="block" id="M1"><mtable columnalign="left"><mtr><mtd><mi mathvariant="normal">l</mi><mi mathvariant="normal">n</mi><msubsup><mrow><mi>I</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi mathvariant="normal">m</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">d</mi></mrow></msubsup><mfenced separators="|"><mrow><mover accent="true"><mi mathvariant="bold-italic">V</mi><mo>̂</mo></mover><mo>,</mo><mover accent="true"><mi mathvariant="bold-italic">a</mi><mo>̂</mo></mover></mrow></mfenced><mo>=</mo><mi mathvariant="normal">l</mi><mi mathvariant="normal">n</mi><msubsup><mrow><mi>I</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi mathvariant="normal">m</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">d</mi></mrow></msubsup><mfenced separators="|"><mrow><mover accent="true"><mi mathvariant="bold-italic">V</mi><mo>¯</mo></mover></mrow></mfenced><mo>+</mo><msub><mrow><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>j</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>J</mi></mrow></munderover></mstyle><mrow><mfenced open="" close="|" separators="|"><mrow><mfrac><mrow><mo>∂</mo><mi mathvariant="normal">l</mi><mi mathvariant="normal">n</mi><msubsup><mrow><mi>I</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi mathvariant="normal">m</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">d</mi></mrow></msubsup></mrow><mrow><mo>∂</mo><msub><mrow><mi>V</mi></mrow><mrow><mi>j</mi></mrow></msub></mrow></mfrac></mrow></mfenced></mrow></mrow><mrow><msub><mrow><mover accent="true"><mi>V</mi><mo>¯</mo></mover></mrow><mrow><mi>j</mi></mrow></msub></mrow></msub><mo>×</mo></mtd></mtr><mtr><mtd><mfenced separators="|"><mrow><msub><mrow><mover accent="true"><mi>V</mi><mo>̂</mo></mover></mrow><mrow><mi>j</mi></mrow></msub><mo>-</mo><msub><mrow><mover accent="true"><mi>V</mi><mo>¯</mo></mover></mrow><mrow><mi>j</mi></mrow></msub></mrow></mfenced><mo>+</mo><msub><mrow><mi>P</mi></mrow><mrow><mi>i</mi></mrow></msub><mfenced separators="|"><mrow><mover accent="true"><mi mathvariant="bold-italic">a</mi><mo>̂</mo></mover></mrow></mfenced></mtd></mtr></mtable></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623881&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623877&type= 61.97600174 18.79599953 式中，下标 i 表示第 i 个探元的中心波长， V j 表示第 j 种吸收气体（共 J 种）的柱含量。向量 a 中的元素为多项式 P i 的系数。上标“^”和“-”分别表示反演值和模拟值。WFM-DOAS在反演过程中通过调整各光谱处的辐射强度模拟值，基于最小二乘获得模拟光谱 I mod 和观测光谱 I obs 的最佳匹配，从而实现气体柱浓度的反演： <math display="block" id="M2"><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>i</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>m</mi></mrow></munderover></mstyle><mrow><msup><mrow><mfenced separators="|"><mrow><mi mathvariant="normal">l</mi><mi mathvariant="normal">n</mi><msubsup><mrow><mi>I</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi mathvariant="normal">o</mi><mi mathvariant="normal">b</mi><mi mathvariant="normal">s</mi></mrow></msubsup><mo>-</mo><mi mathvariant="normal">l</mi><mi mathvariant="normal">n</mi><msubsup><mrow><mi>I</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi mathvariant="normal">m</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">d</mi></mrow></msubsup><mfenced separators="|"><mrow><mover accent="true"><mi mathvariant="bold-italic">V</mi><mo>̂</mo></mover><mo>,</mo><mover accent="true"><mi mathvariant="bold-italic">a</mi><mo>̂</mo></mover></mrow></mfenced></mrow></mfenced></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></mrow><mo>≡</mo><msup><mrow><mfenced open="‖" close="‖" separators="|"><mrow><mi mathvariant="bold">R</mi><mi mathvariant="bold">E</mi><mi mathvariant="bold">S</mi></mrow></mfenced></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup><mo>→</mo><mi mathvariant="normal">m</mi><mi mathvariant="normal">i</mi><mi mathvariant="normal">n</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623899&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623889&type= 65.95532990 8.29733276 式中， RES 表示拟合光谱残差向量。 （2）全物理算法。全物理算法的基本原理如图2（ Crisp等，2021 Crisp等，2021 ）所示，利用高精度辐射传输模型（ F ），根据待求状态向量 x 的初始猜测值 x a ，模拟气体吸收波段观测光谱 y ，通过最小化代价函数（ 式（3） 式（3） ），并经迭代（ 式（4） 式（4） ）求解非线性问题方程的待反演参数的最大似然解，实现CO 2 及其他状态向量参数的反演： <math display="block" id="M3"><mi>δ</mi><mo>=</mo><msup><mrow><mfenced separators="|"><mrow><mi mathvariant="bold-italic">y</mi><mo>-</mo><mi>F</mi><mo stretchy="false">(</mo><mi mathvariant="bold-italic">x</mi><mo stretchy="false">)</mo></mrow></mfenced></mrow><mrow><mi mathvariant="normal">T</mi></mrow></msup><msubsup><mrow><mi mathvariant="bold-italic">S</mi></mrow><mrow><mi>ε</mi></mrow><mrow><mo>-</mo><mn mathvariant="normal">1</mn></mrow></msubsup><mfenced separators="|"><mrow><mi mathvariant="bold-italic">y</mi><mo>-</mo><mi>F</mi><mo stretchy="false">(</mo><mi mathvariant="bold-italic">x</mi><mo stretchy="false">)</mo></mrow></mfenced><mo>+</mo><msup><mrow><mfenced separators="|"><mrow><msub><mrow><mi mathvariant="bold-italic">x</mi></mrow><mrow><mi>a</mi></mrow></msub><mo>-</mo><mi mathvariant="bold-italic">x</mi></mrow></mfenced></mrow><mrow><mi mathvariant="normal">T</mi></mrow></msup><msubsup><mrow><mi mathvariant="bold-italic">S</mi></mrow><mrow><mi>a</mi></mrow><mrow><mo>-</mo><mn mathvariant="normal">1</mn></mrow></msubsup><mfenced separators="|"><mrow><msub><mrow><mi mathvariant="bold-italic">x</mi></mrow><mrow><mi>a</mi></mrow></msub><mo>-</mo><mi mathvariant="bold-italic">x</mi></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623896&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623893&type= 74.50666809 5.84200001 <math display="block" id="M4"><msub><mrow><mi mathvariant="bold-italic">x</mi></mrow><mrow><mi>i</mi><mo>+</mo><mn mathvariant="normal">1</mn></mrow></msub><mo>=</mo><msub><mrow><mi mathvariant="bold-italic">x</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>+</mo><msup><mrow><mfenced separators="|"><mrow><msubsup><mrow><mi mathvariant="bold-italic">K</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi mathvariant="normal">T</mi></mrow></msubsup><msubsup><mrow><mi mathvariant="bold-italic">S</mi></mrow><mrow><mi>ε</mi></mrow><mrow><mo>-</mo><mn mathvariant="normal">1</mn></mrow></msubsup><msub><mrow><mi mathvariant="bold-italic">K</mi></mrow><mrow><mi>i</mi></mrow></msub><mo>+</mo><msubsup><mrow><mi mathvariant="bold-italic">S</mi></mrow><mrow><mi>a</mi></mrow><mrow><mo>-</mo><mn mathvariant="normal">1</mn></mrow></msubsup></mrow></mfenced></mrow><mrow><mo>-</mo><mn mathvariant="normal">1</mn></mrow></msup><mfenced separators="|"><mrow><msubsup><mrow><mi mathvariant="bold-italic">K</mi></mrow><mrow><mi>i</mi></mrow><mrow><mi mathvariant="normal">T</mi></mrow></msubsup><msubsup><mrow><mi mathvariant="bold-italic">S</mi></mrow><mrow><mi>ε</mi></mrow><mrow><mo>-</mo><mn mathvariant="normal">1</mn></mrow></msubsup><mfenced separators="|"><mrow><mi mathvariant="bold-italic">y</mi><mo>-</mo><mi>F</mi><mfenced separators="|"><mrow><msub><mrow><mi mathvariant="bold-italic">x</mi></mrow><mrow><mi>i</mi></mrow></msub></mrow></mfenced></mrow></mfenced><mo>+</mo><msubsup><mrow><mi mathvariant="bold-italic">S</mi></mrow><mrow><mi>a</mi></mrow><mrow><mo>-</mo><mn mathvariant="normal">1</mn></mrow></msubsup><mfenced separators="|"><mrow><msub><mrow><mi mathvariant="bold-italic">x</mi></mrow><mrow><mi>a</mi></mrow></msub><mo>-</mo><msub><mrow><mi mathvariant="bold-italic">x</mi></mrow><mrow><mi>i</mi></mrow></msub></mrow></mfenced></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623907&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623903&type= 96.68933105 6.68866634 式中， S a 和 S ε 分别为先验协方差矩阵和观测协方差矩阵， K 为Jacobian矩阵，下标 i 表示第 i 次迭代。FP算法精度较高，是目前全球在轨CO 2 卫星普遍采用的反演算法（ 刘毅 等，2021 刘毅 等，2021 ），代表性的包括FOCAL算法（ Reuter等，2017 Reuter等，2017 ）、ACOS算法（O’Dell等，2012）、RemoTeC-FP算法（ Schepers等，2012 Schepers等，2012 ）、UoL-FP算法（ Yang等，2020 Yang等，2020 ）、IAPCAS算法（ Liu等，2018 Liu等，2018 ）等。本文仅作简单列举，详细介绍可参看上述文献或算法报告。 2.2　气溶胶反演方法 2 本文所指的气溶胶卫星反演方法主要针对气溶胶光学厚度AOD（Aerosol Optical Depth）。根据卫星传感器探测特点的不同，AOD反演算法主要包括暗目标/深蓝算法（多通道观测）、非均匀地表算法（多角度观测）、时间序列算法（静止卫星观测）、最优化估计算法（多角度多光谱偏振观测）等代表性算法。 （1）暗目标/深蓝算法。暗目标算法DT（Dark Target）由 Kaufman等（1997） Kaufman等（1997） 提出并应用在Aqua卫星和Terra卫星上搭载的MODIS传感器。其基本原理是假设陆地上浓密植被、湿土壤及水体区域为红光（0.65 μm）和蓝光（0.47 μm）波段卫星影像上的“暗像元”，对卫星表观反射率贡献较小，因此，在清洁无云的陆地暗像元上空，表观反射率随AOD的增加而增加；MODIS短波红外通道（2.12 μm）观测信号中，除了沙尘外，绝大多数气溶胶对表观反射率的贡献基本可以忽略。因此，利用2.12 μm观测可以实现暗像元的红、蓝光地表反射率的近似估算（ Tanré等，1999 Tanré等，1999 ），并进一步采用查找表等方法实现暗像元的AOD反演。由于不同波段间反射率的线性关系存在一定偏差， Levy等（2007） Levy等（2007） 引入受大气影响较小的归一化植被指数（NDVI），进一步对暗像元地表估算线性关系进行订正，同时考虑观测几何的影响，实现地表反射率估算的改进。参考该算法， 葛邦宇等（2018） 葛邦宇等（2018） 针对Himawari-8卫星AHI传感器数据，通过统计短波红外与可见光波段的地表反射率比值关系，用于地气解耦时的地表反射率估计，实现陆地上空气溶胶的反演。 对于沙漠等以亮地表为主的区域，MODIS采用深蓝算法DB（Deep Blue）进行AOD反演（ Hsu等，2004 Hsu等，2004 ），解决亮地表区域DT算法难以适用的问题。DB算法假设地表覆盖类型在季节/月尺度上变化较小，对于一段时期内的卫星观测，区域内每个像元均可对应一个“最清洁”场景（即最小表观反射率），此时不受气溶胶和云的影响，卫星表观反射率仅由大气分子瑞利散射和地表均一朗伯体表面反射贡献构成。利用大气辐射传输模型建立瑞利散射查找表，去除大气分子散射影响，进而获得此像元的地表反射率，即可用于AOD反演。 He等（2021） He等（2021） 评估了S-NPP卫星VIIRS传感器的DB反演产品，发现气溶胶卫星产品与地基观测的一致性较高。 （2）非均匀地表算法。非均匀地表算法HL（Heterogeneous Land）是基于MISR传感器上9个不同角度观测发展的陆地区域AOD反演算法（ Diner等，2005 Diner等，2005 ）。其基本原理是利用多个角度的辐射观测信息描述一定范围的空间非均匀性，构建经验正交函数（EOF）来表示大气层顶表观反射率的角度变化特性，从而估算大气程辐射，进而实现AOD的反演（ Martonchik等，1998 Martonchik等，1998 ）。HL算法假设在一定的空间（MISR设置16像元×16像元的范围为一个反演区域）内满足地表非均匀、大气均一的条件，不依赖于地表类型的准确描述或地表反射率的准确估算，而是通过数学变化用经验正交函数表达目标区域的平均地表辐射贡献，实现地表反射和大气程辐射的有效分离（ 吴孔逸 等，2021 吴孔逸 等，2021 ）。MISR算法采用粒子形状（球形、沙尘形）、粒径大小（尺度谱均值半径、方差）、光谱吸收特性（复折射指数、单次散射反照率）等参数对气溶胶模型进行描述。通过8种单成分气溶胶粒子类型中2种或3种不同比例的组合，形成74个气溶胶模型，具体可见MISR气溶胶反演算法文档（ Diner等，2008 Diner等，2008 ）。 Zhang等（2017） Zhang等（2017） 将该算法移植于同样具有多角度观测的POLDER-3传感器，利用多个波段的标量表观反射率构建经验正交函数从而还原地表反射贡献，最终实现AOD的反演。 （3）时间序列算法。时间序列算法主要适用于静止卫星凝视成像探测方式（例如COMS卫星上的GOCI传感器和Himawari-8卫星上的AHI传感器），利用短时间内多个时相的影像进行大气和地表信息的解耦合。时间序列算法的基本思路主要基于两个关键假设（ Hagolle等，2008 Hagolle等，2008 ）：一是气溶胶光学特性在时间维度上变化较快而在空间维度上变化缓慢；二是地表反射率在空间上变化显著而在较短的时间间隔内基本不变。在静止卫星多天连续、同时次的观测场景中，对于下垫面同一地理位置，卫星观测角度基本不变，同一地方时的太阳高度角和方位角变化较小，可以认为相邻两景卫星影像表观反射率的差异主要是由于大气光学特性变化引起的。通过构建描述静止卫星相邻时相多幅影像地表反射率差异的代价函数，结合气溶胶光学厚度查找表，可实现气溶胶光学厚度的反演（使得相邻景地表反射率差异最小时对应的AOD）。 MODIS的多角度大气校正（MAIAC）方法（C6版本， Lyapustin等，2018 Lyapustin等，2018 ）基于时间序列算法原理，通过0.47 μm和2.13 μm波段的地表反射率关系进行动态地气解耦，同时在气溶胶反演中加入蓝—绿波段比值以约束地表双向反射分布的波段间差异，最终实现AOD反演，并且其精度略优于DT和DB产品（ Choi等，2019 Choi等，2019 ）。 （4）最优化估计算法。最优化估计算法OE（Optimal Estimation）利用多个卫星观测，通过前向辐射传输计算，在连续求解空间中寻找最优估计结果，具有较高的理论反演精度。气溶胶与地表通用反演算法GRASP（Generalized Retrieval of Aerosol and Surface Properties）对气溶胶和地表特性进行全局最优化反演（ Dubovik等，2014 Dubovik等，2014 ），是较有代表性的最优化估计卫星遥感算法之一。GRASP算法的基本原理如下方程组所示（ Dubovik等，2011 Dubovik等，2011 ）： <math display="block" id="M5"><mfenced open="{" close="" separators="|"><mrow><mtable columnalign="left"><mtr><mtd><msup><mrow><mi mathvariant="bold-italic">f</mi></mrow><mrow><mi mathvariant="bold-italic">*</mi></mrow></msup><mo>=</mo><mi mathvariant="bold-italic">f</mi><mfenced separators="|"><mrow><mi mathvariant="bold-italic">a</mi></mrow></mfenced><mo>+</mo><mi mathvariant="normal">Δ</mi><mi mathvariant="bold-italic">f</mi></mtd></mtr><mtr><mtd><msup><mrow><mn mathvariant="normal">0</mn></mrow><mrow><mi mathvariant="normal">*</mi></mrow></msup><mo>=</mo><msup><mrow><mfenced separators="|"><mrow><mi mathvariant="normal">Δ</mi><mi mathvariant="bold-italic">a</mi></mrow></mfenced></mrow><mrow><mi mathvariant="normal">*</mi></mrow></msup><mo>=</mo><mi mathvariant="bold-italic">S</mi><mi mathvariant="bold-italic">a</mi></mtd></mtr><mtr><mtd><msup><mrow><mi mathvariant="bold-italic">a</mi></mrow><mrow><mi mathvariant="normal">*</mi></mrow></msup><mo>=</mo><mi mathvariant="bold-italic">a</mi><mo>+</mo><mi mathvariant="normal">Δ</mi><msup><mrow><mi mathvariant="bold-italic">a</mi></mrow><mrow><mi mathvariant="normal">*</mi></mrow></msup></mtd></mtr></mtable></mrow></mfenced><mo>+</mo><mi mathvariant="normal">Δ</mi><mfenced separators="|"><mrow><mi mathvariant="normal">Δ</mi><mi mathvariant="bold-italic">a</mi></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623927&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28623922&type= 41.57133484 16.25600052 式中， f *为观测向量（各波段、各观测角度的强度和偏振观测）， f 表示前向模型，Δ f 为观测不确定性向量， a 为状态向量（即未知量向量，包括气溶胶尺度谱分布、体积浓度、形状因子、多波段复折射指数以及地表BRDF和BPDF参数）。求得上述未知参量后可进一步获得AOD等参数。 式（5） 式（5） 第2行为先验平滑假设，用于约束状态向量中参数的变化特性（包括尺度谱、复折射指数光谱、BRDF和BPDF光谱等），矩阵 S 中元素为计算m阶导数的系数，Δ（Δ a ）为不确定性项。第3行中， a *和Δ a *分别表示状态向量的先验估计及其不确定性。GRASP算法对多光谱、多角度、强度和偏振卫星观测（例如POLDER-3传感器）进行统计优化多变量拟合，基于不确定性正态分布假设，结合最大似然原理，对多组观测数据和先验约束进行最小二乘最优拟合，从而实现气溶胶和地表特性的联合反演。 郑逢勋等（2021） 郑逢勋等（2021） 进一步讨论了最优化估计反演框架下偏振测量误差对气溶胶反演精度的影响。 上述几种气溶胶反演算法在适用性、精度等方面各有优势。暗目标方法利用MODIS短波红外波段估算可见光波段的地表反射率，该方法原理简单，在浓密植被等暗目标区域有较好的精度。其他具有类似波段配置的传感器也可采用该方法进行反演。深蓝算法依赖于基于最小反射率技术建立的地表反射率库，主要应用于地表反射随季节变化较小的干旱/半干旱等地区（ Hsu等，2013 Hsu等，2013 ），能够有效填补暗目标算法在亮地表反演的缺失。非均匀地表算法是基于MISR多角度观测发展的反演方法，与暗目标、深蓝等算法不同之处在于受地表类型限制较小，同时由于多角度观测对地表反射良好的处理，具有较高的气溶胶反演精度（ Choi等，2019 Choi等，2019 ）。时间序列算法与深蓝算法类似，采用最小反射率技术建立地表反射率数据集，因此通常需要考察一定时间（例如1个月）内的观测数据，计算效率是需要解决的问题。GOCI传感器V2版本的气溶胶算法中，近实时（NRT）反演处理采用地表反射率的气候学统计数据（5 a）作为输入（ Choi等，2018 Choi等，2018 ）。最优化估计算法的优势主要在于能够获取复折射指数、尺度谱分布等气溶胶微物理参数，但算法涉及到许多数理统计知识，实现难度较大，并且迭代计算收敛速度较慢，应用于卫星业务化产品生产还需进一步提高效率。 2.3　温室气体反演中气溶胶和云散射同步校正 2 CO 2 在大气中的寿命较长，与CO 2 背景浓度相比，即使是中等到较强的地表源或汇也通常只会导致CO 2 垂直柱相对较小的局部发生变化（ Schneising等，2008 Schneising等，2008 ）。针对目前较为关注的全球碳通量估算、近地表源汇探测、人为/自然源区分等研究，欧空局气候变化倡议（ESA CCI）对关键气候变量（ECV）中主要温室气体的卫星反演精度进行了说明，最新的需求报告（ GHG-CCI Project Team，2020 GHG-CCI Project Team，2020 ）提出，XCO 2 和XCH 4 的系统反演误差需分别优于0.5 ppm和10 ppb。利用卫星高光谱数据反演CO 2 、CH 4 等温室气体时，厚云通常能够得到较好的识别和滤除，而大气中的气溶胶和薄卷云则很难被有效识别，其散射作用引起有效光程改变，极大的影响了温室气体的反演精度，特别是高气溶胶光学厚度和大角度观测几何下，影响尤其明显（ Eldering等，2017 Eldering等，2017 ）。荷兰空间研究中心（SRON）模拟研究（ 图3 图3 ）显示，当AOD超过0.4，XCO 2 反演误差可能高达4 ppm以上（ Meijer等，2020 Meijer等，2020 ）。 卫星数据的时空覆盖能力也是衡量温室气体卫星产品应用能力的关键要素之一。从卫星观测提取CO 2 、CH 4 弱信号的过程中，地表反射、云和气溶胶散射等均是影响温室气体反演精度的重要因素。目前部分在轨运行的温室气体监测卫星（例如GOSAT等）虽然搭载了用于气溶胶和云探测的传感器，但这些传感器难以获取全面的气溶胶和云参数，导致无法在所有场景下实现高精度的散射校正（ Connor等，2016 Connor等，2016 ）。目前已发布的温室气体卫星产品大部分将高浓度气溶胶作为数据滤除的指标之一。例如，OCO-2的CO 2 产品采用的滤除标准是光学厚度大于0.35，经气溶胶和云剔除后有效产品比例仅约为7%—12%（ Eldering等，2017 Eldering等，2017 ）。而中国长期地基观测气候学统计数据显示，京津冀、长三角、珠三角、川渝经济区等重点地区，AOD年均值接近或超过0.7（ Li等，2018b Li等，2018b ），严重限制了温室气体卫星产品的有效数据量。因此，迫切需要发展温室气体和气溶胶的卫星协同监测能力，为温室气体高精度反演提供关键的校正数据。 Meijer等（2020） Meijer等（2020） 提出，获得高精度的XCO 2 数据需要配套获取多种云和气溶胶参数，包括光学厚度、层高、气溶胶尺度谱分布和复折射指数等，可以通过增加多角度和偏振协同观测实现（ Sanghavi等，2020 Sanghavi等，2020 ）。 3　温室气体和气溶胶协同监测卫星 1 根据卫星主要监测任务和传感器用途的不同，本文将具有大气温室气体和气溶胶协同监测能力的卫星分为大气温室气体和气溶胶综合探测卫星和温室气体监测卫星两大类。 3.1　温室气体和气溶胶综合探测卫星 2 温室气体和气溶胶综合探测卫星是能够分别独立探测温室气体与气溶胶、获得相应卫星产品的多用途大气环境卫星，可提供CO 2 或CH 4 定量化监测和时空分布，同时也可获得气溶胶含量或光学—微物理—成分等综合信息。 表1 表1 列出了国内外大气温室气体与气溶胶综合探测卫星及传感器的详细参数。 注： a表示高光谱通道显示光谱范围（xx-xx），括号内的数值为光谱分辨率；多光谱通道显示中心波长，括号内的数值为光谱宽度；p表示偏振通道。 b表示主要差异：GF-5（02）交点地方时为降轨10：30，其上探测气溶胶的传感器为DPC-2与POSP组成的偏振交火（PCF），与DQ-1相似。 c表示主要差异：DQ-2探测气溶胶的传感器为Lidar和云与气溶胶成像仪。 2 参数 13 卫星 2 ENVISAT 2 Sentinel-5P 2 FY-3D 2 GF-5（GF-5（02） b ） 3 DQ-1（DQ-2 c ） 2 MetOp-SG-A 发射时间 2 2002-03 2 2017-10 2 2017-11 2 2018-05 3 2022-04 2 拟2024 轨道类型 2 太阳同步极轨 2 太阳同步极轨 2 太阳同步极轨 2 太阳同步极轨 3 太阳同步极轨 2 太阳同步极轨 轨道高度/km 2 790 2 817 2 830 2 705 3 705 2 817 交点地方时 2 降轨10：00 2 升轨13：30 2 升轨14：00 2 升轨13：30 3 升轨13：30 2 降轨09：30 重复周期/d 2 35 2 17 2 6 2 51 3 51 2 29 2 传感器 GHG观测 气溶胶观测 GHG观测 气溶胶观测 GHG观测 气溶胶观测 GHG观测 气溶胶观测 GHG观测 2 气溶胶观测 GHG观测 气溶胶观测 SCIAMACHY MERIS TROPOMI TROPOMI GAS MERSI-2 GMI DPC IPDA Lidar DPC POSP Sentinel-5 （UVNS） 3MI 探测技术特点 近红外高光谱 两种分辨率采样模式 被动光栅高光谱成像 被动光栅高光谱成像 4通道高光谱成像 可见—热红外高分辨成像 空间外差光谱技术 多角度、多光谱、偏振 主动差分吸收 2 多角度、多光谱、多偏振 被动光栅高光谱成像 多角度、多光谱、多偏振 幅宽/km 960 1150 2600 2600 1200 2900 865 1850 0.07 1700 1700 2715 2200 空间分辨率/km 30×60—120 0.26—0.39×0.29 7 7 10 0.25；1 10.3 3.3 0.35 1.7 3.5 7.5 2 光谱通道 a /nm 595—812 （0.48） 971—1773 （1.48） 443 （10） 665 （10） 675-725& 725-775 （0.5） 2305-2345&2345-2385 （0.23） 270-300& 300-320 （0.5） 320-405&405-500 （0.5） 750-770 （0.04） 1560-1720 （0.073） 1920-2080 （0.24） 2200~2380 （0.3） 470 （50） 650 （50） 2130 （50） 12000 （1000） 759-769 （0.035） 1568-1583 （0.067） 1642-1658 （0.074） 2043-2058 （0.11） 443 （20） 490p （20） 565 （20） 670p （20） 865p （40） 532 1064 1572 443 （20） 490p （20） 565 （20） 670p （20） 865p （40） 380p （20） 410p （20） 443p （20） 490p （20） 670p （20） 865p （40） 1380p （40） 1610p （60） 2250p （80） 745-773 （0.4） 1590-1675 （0.25） 2305-2385 （0.25） 410p （20） 443p （20） 490p （20） 555p （20） 670p （20） 865p （40） 1370p （40） 1640p （40） 2130p （40） 观测角度数 — — — — — — — 9—12 — >15 — — 14 探测参数 XCO 2 、XCH 4 光学厚度和Ångström波长指数 XCH 4 紫外气溶胶指数、气溶胶层高 XCO 2 、XCH 4 双波段光学厚度 XCO 2 、XCH 4 光学厚度、尺度谱分布、气溶胶类型 XCO 2 2 光学厚度、尺度谱分布、气溶胶类型、气溶胶高度、PM 2.5 浓度等 XCH 4 光学厚度、尺度谱分布、气溶胶类型 （1）ENVISAT。欧洲空间局于2002年3月发射的ENVISAT卫星，是全球首个具备温室气体（CO 2 、CH 4 ）和气溶胶综合监测能力的卫星。ENVISAT为近极地太阳同步轨道，轨道高度800 km，重访周期35 d。ENVISAT主要用于对陆地、海洋和大气进行连续观测，搭载了6个载荷，其中包括用于CO 2 、CH 4 等温室气体和SO 2 、NO 2 等痕量气体监测的大气制图扫描成像吸收光谱仪SCIAMACHY（Scanning Imaging Absorption spectroMeter for Atmospheric ChartographY）和可用于气溶胶探测的中等分辨率成像光谱仪MERIS（Medium Resolution Imaging Spectrometer）。 SCIAMACHY采用星下点或临边观测模式。星下点观测模式幅宽约960 km，像元空间分辨率为30 km（沿轨方向）×60—120 km（穿轨方向，不同波段存在差异）。SCIAMACHY继承于GOME/ERS-2传感器，设置了从紫外到短波红外光谱范围（240—2380 nm）的8个波段，其中用于温室气体探测的波段为channel 6（971—1773 nm），channel 7和channel 8由于受到探测器结冰的影响（ Gloudemans等，2005 Gloudemans等，2005 ），不用于气体反演。SCIAMACHY温室气体反演采用WFM-DOAS算法，分别利用1558—1594 nm、1629—1671 nm的光谱信息，结合O 2 -A吸收带（755—775 nm）观测，实现XCO 2 和XCH 4 的获取（ Schneising等，2008 Schneising等，2008 ， 2009 2009 ）。 MERIS采用2D阵列探测器对可见光—近红外范围的光谱波段（412—900 nm）进行探测，该范围内共15个波段，各波段带宽变化范围为3.75—20 nm。MERIS幅宽为1150 km，沿轨方向空间分辨率为0.26 km（星下点）变化至0.39 km（图景边缘），穿轨方向空间分辨率为0.29 km。MERIS支持全分辨率和降分辨率两种采样模式，后者对应的分辨率为1.2 km。MERIS具备在轨星上定标功能，周期性执行辐射定标和光谱定标，并更新定标系数。MERIS反演陆地气溶胶参数主要包括光学厚度和Ångström波长指数。在地气解耦方面，对于浓密植被地表采用一组浓密植被双向反射函数BRDF模型对地表反射进行估算（ Santer等，2007 Santer等，2007 ）；对于亮地表区域则利用地表光谱反射特性与抗大气植被指数ARVI的线性相关性估算地表。在气溶胶模型方面，采用荣格谱分布和固定的复折射指数描述。最终反演输出包括443 nm的AOD、443—665 nm的Ångström指数（ de Leeuw等，2015 de Leeuw等，2015 ）。 （2）Sentinel-5p。2017年10月发射的Sentinel-5p是欧洲哥白尼计划“哨兵”系列中第一颗用于大气环境监测的卫星，其科学目标为探测高时空分辨率的空气质量、臭氧、紫外辐射和气候监测与预报，从而填补SCIAMACHY和OMI等传感器结束观测任务之后的空白。Sentinel-5p采用太阳同步极地轨道，轨道高度为824 km，重访周期为17 d。Sentinel-5p的主要载荷为对流层监测仪TROPOMI（TROPOspheric Monitoring Instrument），由欧空局和荷兰KNMI、SRON等多个研究机构联合研发完成，承担Sentinel-5p的CH 4 和气溶胶联合观测任务，以及O 3 、SO 2 、NO 2 、CO、HCHO等痕量气体的探测和反演。 TROPOMI为被动光栅成像光谱仪，采用天底方向推扫的探测方式获取地表和大气的反射辐射，星下点空间分辨率为7 km，幅宽达到2600 km，可实现全球的每日覆盖。TROPOMI由4个光谱仪（各2个波段）构成，探测光谱分别为270—300 nm和300—320 nm（UV）、320—405 nm和405—500 nm（UVIS）、675—725 nm和725—775 nm（NIR）、2305—2345 nm和2345—2385 nm（SWIR），其中除SWIR光谱分辨率为0.23 nm外，其他波段分辨率均为0.5 nm。 TROPOMI采用物理方法反演大气XCH 4 ，通过拟合NIR的O 2 -A吸收通道和SWIR的2.3 μm通道的高光谱观测，实现甲烷柱浓度XCH 4 和其他状态向量参数（例如CO、H 2 O和O 2 柱浓度、气溶胶参数和地表反照率等参数）的反演（ Hasekamp等，2019 Hasekamp等，2019 ）。 TROPOMI的气溶胶产品包括紫外气溶胶指数UVAI（UV Aerosol Index）和气溶胶层高度ALH（Aerosol Layer Height）。UVAI计算的基本原理是根据瑞利散射随波长的变化特性（ Zweers，2018 Zweers，2018 ），对于给定的一组紫外波段（例如340/380 nm或354/380 nm），利用TOA反射率观测值和假设仅存在瑞利散射的理论值进行求比计算，该比值用于指示大气中是否存在吸收性气溶胶（ 汤付颖等，2021 汤付颖等，2021 ）。ALH反演算法利用的是TROPOMI在O 2 -A吸收带的光谱观测，在气溶胶单层均匀分布、层顶和层底压强差固定、气溶胶体消光系数和单次散射反照率均为常数等假设下，通过最优化拟合气溶胶层中部压强和气溶胶光学厚度，获得气溶胶层压强，并进一步利用温度廓线转换为气溶胶层高度（ de Graaf等，2019 de Graaf等，2019 ）。由于气溶胶UVAI随气溶胶层高度发生变化，因此ALH信息也有助于理解气溶胶吸收特性。 （3）FY-3D。风云三号D星于2017年11月发射，采用太阳同步轨道，是中国低轨道下午气象观测的主业务卫星，与风云三号C星形成组网探测能力。FY-3D上搭载了10台遥感设备，其中包括高光谱温室气体监测仪GAS（Greenhouse-gases Absorption Spectrometer）和用于气溶胶探测的中分辨率光谱成像仪MERSI-2（Medium Resolution Spectral Imager-2）。 GAS是温室气体探测科学试验性光栅光谱仪，设置了4个气体吸收探测通道，分别为750—770 nm（O 2 ）、1560—1720 nm（CO 2 ）、1920—2080 nm（CO 2 ）和2200—2380 nm（CH 4 、CO、N 2 O），其中在CO 2 吸收波段的光谱分辨率达到0.073 nm。GAS采用天底观测和耀斑观测两种模式，空间分辨率（足迹直径）约为10 km，重访周期约6 d。 MERSI-2是FY-3D的主载荷之一，是风云三号系列卫星的常规仪器，在MERSI-1/FY-3A的基础上进行了大幅改进，以实现对云、气溶胶、水汽、陆地表面特性、海洋水色等地球参量的探测。MERSI-2设置了可见光至短波红外波段的19个光谱通道（412—2130 nm）和中长波红外波段的6个通道（3.80—12.0 μm）。MERSI-2不同波段的空间分辨率为250 m和1000 m，幅宽2900 km，可见光至短波红外波段约每天覆盖一次全球，中红外至热红外波段约每天覆盖两次。MERSI-2主要利用可见光至近红外波段观测进行气溶胶反演。 陈辉等（2020） 陈辉等（2020） 提出了一种结合暗目标算法（DT）和简化气溶胶算法SARA（ Bilal等，2014 Bilal等，2014 ）的方法，测试了MERSI-2的气溶胶反演能力，发现470 nm的AOD与地基观测一致性较高。 （4）GF-5/GF-5（02）。高分五号卫星于2018年5月发射，搭载了6台先进载荷，主要用于地球大气、陆地和海洋环境的监测与评估，是中国高分卫星系列中的环境监测旗舰卫星。大气主要温室气体探测仪GMI（Greenhouse gas Monitoring Instrument）用于探测CO 2 和CH 4 柱浓度，多角度偏振成像仪DPC（Directional Polarimetric Camera）用于气溶胶和云特性的探测。GF-5为太阳同步轨道卫星，轨道高度约705 km，升交点地方时13：30。 GMI采用空间外差光谱技术（SHS）定量探测陆地与海洋上空温室气体（ 吴时超 等，2021 吴时超 等，2021 ），设置有4个气体吸收光谱通道，分别是759—769 nm（O 2 -A带）、1568—1583 nm（CO 2 弱吸收）、1642—1658 nm（CH 4 吸收）和2043—2058 nm（CO 2 强吸收），光谱分辨率为0.6 cm -1 和0.27 cm -1 。GMI具有天底（陆地区域）和耀斑（海洋区域）两种在轨观测模式，星下点足迹直径为10.3 km，在默认的穿轨方向5点采样模式下，形成约750 km的幅宽，沿轨方向的采样间隔约为102 km。GMI的CO 2 和CH 4 反演采用的是最优估计物理方法（ Shi等，2021 Shi等，2021 ），利用辐射传输模型模拟各气体吸收通道的光谱，结合观测光谱进行优化迭代求解（ 叶函函 等，2021 叶函函 等，2021 ），实现包括CO 2 、CH 4 柱浓度信息的大气状态参量反演。 DPC是中国首个具有多谱段（覆盖可见光至近红外）、多角度（9—12个角度成像）、偏振（探测3个偏振分量）的星载宽视场成像仪（幅宽1850 km），星下点空间分辨率为3.3 km，比法国同类载荷POLDER-3/PARASOL高1倍（ Li等，2018a Li等，2018a ）。DPC共8个波段，覆盖可见光—近红外范围，能够探测气溶胶、云、水汽等大气成分和陆地、海洋环境信息。其中490 nm、670 nm、865 nm为偏振通道，偏振方向为0°、60°、120°。DPC采用先进的多角度加偏振的探测模式，与传统卫星观测相比，偏振信号对气溶胶粒子的形状和尺寸较敏感，多角度信息则能有效改善方向性观测和数据等效信噪比，提高气溶胶反演能力（ 谢一凇 等，2019 谢一凇 等，2019 ）。DPC反演气溶胶产品包括多波段气溶胶光学厚度、细粒子气溶胶光学厚度FAOD（Fine-mode Aerosol Optical Depth）等。 Ge等（2020） Ge等（2020） 提出了一种基于地表偏振反射率光谱不变性的FAOD反演算法（SNOSPR），实现FAOD和地表偏振反射率的同时反演。 葛邦宇（2020） 葛邦宇（2020） 、 黄红莲等（2020） 黄红莲等（2020） 分别发展了DPC陆地上空气溶胶光学厚度的查找表类反演算法，并与地面观测验证数据进行了对比。 2021年9月发射的GF-5（02）上搭载了改进的温室气体探测仪GMI-2，其CO 2 主探测通道的信噪比、辅助探测通道的光谱带宽等关键指标得到进一步的提升。气溶胶探测载荷升级为DPC-2与高精度偏振扫描仪POSP（Particulate Observing Scanning Polarimeter）共同组成的“偏振交火”PCF（Polarimetry Cross-Fire）传感器组合。DPC-2与前一代载荷相比在观测角度数等方面有进一步提升。新研制的POSP传感器采用穿轨扫描方式成像，与DPC-2以PCF方式进行联合观测。POSP近紫外至短波红外的380—2250 nm的9个波段全部为偏振波段，偏振方向为0°、90°、45°、135°。POSP设计了星上定标器，具备在轨偏振定标、太阳漫反射板辐射定标等功能，可获取更高精度的偏振及辐射探测数据，还能通过PCF对DPC-2实现精度传递，改善前一代DPC缺乏星上定标的问题。另一方面，POSP具有近紫外波段的偏振探测能力，对气溶胶层高、气溶胶吸收等信息较为敏感（ Qie等，2015 Qie等，2015 ），加上DPC-2的气溶胶、细粒子气溶胶光学参数反演能力，利用大气细颗粒物遥感估算PMRS模型（ Zhang和Li，2015 Zhang和Li，2015 ），PCF可为基于物理途径实现大气细颗粒物PM 2.5 近地面浓度的卫星遥感估算提供所需的多维度气溶胶参数。 （5）DQ-1/DQ-2。大气一号（DQ-1）是国家空间基础设施中全球首颗搭载主动激光雷达二氧化碳探测传感器的大气环境监测卫星，于2022年4月16日发射。DQ-1上搭载的用于CO 2 和气溶胶监测的传感器包括路径积分差分吸收激光雷达（IPDA Lidar）、多角度偏振成像仪（DPC）、高精度偏振扫描仪（POSP），DPC和POSP组成PCF，用于获取空间覆盖的污染颗粒物分布。DQ-1为太阳同步极轨卫星，轨道高度约705 km，轨道重复周期约51 d。DQ-1及后续DQ-2等系列卫星的主要探测目标是动态监测大气环境污染情况，包括PM 2.5 、NO 2 、SO 2 、O 3 等，同时获取CO 2 高精度浓度分布，为全球气候变化研究提供科学支撑。 相比被动探测，星载激光雷达主动探测具有不依赖于光照条件（全天时）、高空间分辨率、出色的垂直探测能力、受气溶胶和云散射影响较小等优势，通过沿轨进行大气垂直探测，实现精细尺度、高精度的温室气体分布信息获取，为碳源汇（特别是人为源）、温室气体通量、全球碳循环研究提供关键数据。有研究表明，激光雷达探测XCO 2 的精度可优于1 ppm（ Abshire等，2018 Abshire等，2018 ），XCH 4 的精度可优于3.7 ppb（ Ehret等，2017 Ehret等，2017 ）。虽然激光雷达探测足迹较小（IPDA Lidar为0.07 km），不同轨道间可能有较大空隙，但太阳同步极地轨道卫星每天运行14—15圈，结合激光雷达优秀的夜间观测能力，可实现包括高纬地区的全球有效覆盖。 IPDA Lidar设置了1572 nm的CO 2 弱吸收通道，采用双脉冲差分吸收机制探测CO 2 柱浓度，其主要原理是利用CO 2 中心吸收线（on-line：1572.024 nm）和吸收翼参考线（off-line：1572.085 nm，CO 2 分子对该波长激光的吸收截面较小）上反射的激光信号差异（反映大气透过率的变化），估算差分大气光学厚度；当CO 2 吸收线和参考线足够接近时，可认为其他大气物质影响很小，大气透过率的变化主要由CO 2 含量决定，即可根据差分吸收原理获得CO 2 柱浓度（ Han等，2018 Han等，2018 ）。此外，借鉴星载激光雷达传感器CALIOP/CALIPSO的波段配置，IPDA Lidar上还设置了532和1064 nm的气溶胶和云探测通道，其中532 nm为高光谱偏振通道，具备气溶胶和云的垂直剖面探测能力。 （6）MetOp-SG-A。MetOp-SG是欧洲新一代极轨气象卫星，由一对地球低轨卫星（MetOp-SG-A星和B星）组成，共规划3代。MetOp-SG-A星搭载了6台科学观测仪器，其中，“哨兵”5号（Sentinel-5）传感器（又称UVNS）可定量探测温室气体和污染气体分布，多角度多波段多偏振成像仪3MI（Multi-Viewing Multi-Channel Multi-Polarisation Imaging）用于获取气溶胶和云的信息。Sentinel-5同时也是欧空局哥白尼项目（Copernicus）地球观测计划的名称，其主要任务目标是开展具有高时空分辨率、全球每日覆盖的大气测量，包括空气质量、气候强迫、臭氧和紫外线辐射。MetOp-SG轨道高度约817 km，降轨过境时间为当地时上午09：30，轨道重复周期约为29 d。 UVNS配置了7个波段，包括2个紫外波段（270—300 nm和300—370 nm）、1个可见光波段（370—500 nm）、2个近红外波段（685—710 nm、745—773 nm）和2个短波红外波段（1590—1675 nm、2305—2385 nm）。各波段的气体吸收线光谱可用于反演获得温室气体CH 4 和痕量气体O 3 、NO 2 、CO等。Sentinel-5采用太阳同步轨道的天底推扫模式进行观测，穿轨方向视场角108°，对应地面约2700 km的幅宽，基本可实现每日对全球表面的覆盖。空间分辨率方面，紫外波段的分辨率为50 km，其他波段的分辨率为7.5 km。 3MI是一种被动光学成像仪，能够测量不同观测几何下从可见到短波红外波段所反射的偏振辐射，进而获取高质量的气溶胶参数，为气候监测、大气化学和数值天气预报应用提供高精度数据。3MI继承于法国POLDER-3/PARASOL传感器（2004年—2013年），具有更高的空间分辨率（4 km）、更大的幅宽（2200 km）和更多的偏振探测波段（9个）。3MI配置了从410—2130 nm的12个观测波段，各波段FWHM为10—40 nm，其中除763 nm、765 nm、910 nm的3个波段外，均为偏振波段（偏振方向为-60°、0°、60°）。3MI沿轨方向飞行时快速成像，通过滤光片轮和偏振片轮耦合获取目标像元14个观测角度的辐射和偏振反射信息，实现多角度探测。3MI气溶胶反演采用法国里尔大学为近实时（NRT）反演开发的增强型气溶胶反演算法（ Dubovik等，2018 Dubovik等，2018 ），该算法基于GRASP算法框架，主要包括前向模拟和数值反演两大部分，通过多源数据统计优化和多像元约束策略实现复折射指数、尺度谱分布等参数的同时反演。 根据上述介绍可以看出，大气综合探测卫星基本具备温室气体、气溶胶和部分痕量气体的探测能力。其中，温室气体传感器主要利用CO 2 、CH 4 的近红外吸收通道结合O 2 -A吸收通道观测，采用物理方法或WFM-DOAS方法进行柱浓度定量反演；其探测方式由被动遥感向结合激光雷达的主被动联合观测发展，能够实现更高精度的温室气体探测。在气溶胶传感器方面，则是由多光谱探测（MERIS、MERSI-2等）向较先进的多角度、多光谱、强度加偏振探测（DPC、3MI等）以及更全面的“偏振交火”探测（PCF）等方式转化；同时，可反演参数也在气溶胶光学厚度基础上逐步增加了细粒子光学厚度（或细粒子比例）、复折射指数、气溶胶高度等参数。可见，观测手段多元化是大气综合探测卫星的重要发展趋势，并且随着观测技术的丰富，不断发展的卫星遥感反演算法能够提供更高精度、更多维度的温室气体和气溶胶特性数据。 3.2　温室气体监测卫星 2 温室气体监测卫星的主要探测目标是CO 2 、CH 4 等，并通过同平台观测提供CO 2 和CH 4 反演所需的气溶胶和云信息，进行散射效应校正。除了OCO-2、OCO-3通过O 2 -A波段观测光谱提取云和气溶胶信息（ Eldering等，2017 Eldering等，2017 ）外，大多温室气体卫星额外搭载了云和气溶胶同步观测传感器。 表2 表2 列出了主要的温室气体监测卫星和传感器参数。 注： a表示高光谱通道显示光谱范围（xx-xx），括号内的数值为光谱分辨率；多光谱通道显示中心波长，括号内的数值为光谱宽度；p表示偏振通道。 b表示主要差异：GOSAT-2的FTS-2增加了CO的2.3 μm弱吸收通道；CAI-2观测拓展到紫外至短波红外的7个波段。 c表示主要差异：OCO-3安置在国际空间站上，采用ISS轨道（高度400 km），空间分辨率为1.6 km×2.2 km，幅宽13 km，同时增加双轴指向镜模块，可进行“快照区域地图”模式观测，实现中纬度地区加密观测，重访周期变为1 d。 d表示CO2M参数为设计指标。 2 参数 8 卫星 2 GOSAT（GOSAT-2 b ） 2 OCO-2（OCO-3 c ） 2 TanSat 2 CO2M d 发射时间 2 2009-01 2 2014-07 2 2016-12 2 拟2025-2026 轨道类型 2 太阳同步极轨 2 太阳同步极轨 2 太阳同步极轨 2 太阳同步极轨 轨道高度/km 2 666 2 705 2 708 2 602 交点地方时 2 降轨13：00 2 升轨13：30 2 升轨13：30 2 降轨11：30 重复周期/d 2 3 2 16 2 16 2 11 2 传感器 GHG观测 气溶胶观测 GHG观测 气溶胶观测 GHG观测 气溶胶观测 GHG观测 气溶胶观测 TANSO-FTS TANSO-CAI 三波段光栅光谱仪 三波段光栅光谱仪 ACGS CAPI 近红外—短波红外光谱仪 MAP 探测技术特点 迈克尔逊干涉分光 UV-SWIR扫描成像 高分辨率光栅分光 高分辨率光栅分光 CO2双通道高光谱分辨率 多光谱、偏振 CO2与排放伴随气体联合探测 多角度、偏振、多光谱观测 幅宽/km 790 750 （SWIR） 1000 （其他） 10.6 10.6 18 400 >250 — 空间分辨率/km 10.5 1.5 （SWIR） 0.5 （其他） 1.29×2.25 1.29×2.25 2 1 SR alt ×SR act < 4 km 2 0.5≤Asp.Rat≤2.0 SR alt ×SR act < 16 km 2 光谱通道 a /nm 758—775 （0.03） 1563-1724 （0.07） 1923—2083 （0.11） 5556—14286 （2.14） 380 （20） 674 （20） 870 （20） 1600 （90） 758—772（0.042） 1594—1619 （0.076） 2042—2082 （0.097） 758—772 （0.042） 758—778（0.04） 1594—1624 （0.13） 2042—2082 （0.16） 380 （43） 670p （50） 870 （30） 1375 （30） 1640p （20） 747—773（0.12） 1590—1675（0.3） 1990—2095 （0.35） 410p （20） 443p （20） 490p （20） 555p （20） 670p （20） 753 （9） 865p （40） 观测角度数 — — — — — — — >40 探测参数 XCO 2 、XCH 4 云污染 气溶胶光学厚度 XCO 2 气溶胶散射 XCO 2 云污染 气溶胶光学厚度 XCO 2 气溶胶光学厚度、气溶胶散射、云污染 （1）GOSAT/GOSAT-2。GOSAT是日本宇宙航空开发机构（JAXA）研制的全球温室气体探测高光谱卫星，于2009年1月成功发射。GOSAT卫星上搭载了用于CO 2 、CH 4 探测的傅里叶变换光谱仪TANSO-FTS（Fourier Transform Spectrometers）和同步获取视场内气溶胶和云信息的云与气溶胶成像仪TANSO-CAI（Cloud and Aerosol Imager）。 TANSO-FTS在近红外波段设置有3个通道，分别是1563—1724 nm的CO 2 、CH 4 吸收通道（主要用于反演温室气体柱浓度）、1923—2083 nm的CO 2 和CH 4 吸收通道（辅助温室气体探测以及判断是否存在云和高层气溶胶）、758—775 nm的O 2 -A吸收通道（用于精确获取地表气压参数）。另外5.56—14.3 μm的热红外波段用于反演大气CO 2 和CH 4 廓线。TANSO-CAI传感器在近紫外到短波红外的波段范围设置4个探测通道，主要用途包括两方面：一是判断FTS观测视场内是否存在云或高层气溶胶，从而对FTS有效光谱数据进行筛选；二是利用辐射观测数据对无云像元进行气溶胶光学特性的探测，并进一步用于XCO 2 和XCH 4 的反演过程中。 在TANSO-FTS温室气体反演正向模型建立过程中，需要输入的气溶胶数据包括每个FTS观测对应的气溶胶类型和尺度谱分布，用于计算气溶胶散射特性（光学厚度、单次散射反照率、散射相函数）。气溶胶模型由粗模态和细模态构成，每层平均的气溶胶散射特性由两个模态各自的散射特性加权求和获得。另外，除了CAI观测，GOSAT也采用气溶胶传输模型（SPRINTARS）数据对无CAI观测的区域（例如海表太阳耀斑区）进行气溶胶散射计算（Yoshida等，2017）。 2018年10月发射的第二代卫星GOSAT-2，与GOSAT载荷配置相似，所搭载的TANSO-FTS-2和TANSO-CAI-2均是前一代传感器的改进版。FTS-2在FTS光谱设置的基础上增加了CO的2.3 μm弱吸收通道，视场更大（穿轨方向达到±40°，超过FTS的±20°），具有更高的信噪比，并且增加了全编程可控的指向系统以扩展观测控制功能（ Suto等，2021 Suto等，2021 ）。CAI-2的前、后向观测形成紫外到短波红外7个波段，覆盖常见的云与气溶胶探测通道，同时CAI-2的SWIR波段空间分辨率提升至920 m，比CAI的云和气溶胶观测能力有所提升。 （2）OCO-2/OCO-3。2014年7月美国NASA发射的轨道碳观测卫星OCO-2（Orbiting Carbon Observatory-2）聚焦于碳排放、碳循环的高精度测量，提高对人为排放温室气体的定量监测能力。OCO-2观测模式主要包括天底模式（nadir mode）、耀斑模式（sun-glint mode）和目标模式（target mode）。天底模式在陆地区域具有高分辨率特点，在部分云覆盖区域、复杂地形区域能获得有效数据，而耀斑模式在海洋区域具有较高的信噪比，这两种观测模式以16 d为周期进行切换。目标模式下，OCO-2通过沿轨方向小角度（±0.23°）的调整，实现对地面目标周边矩形范围的高密度探测，一般用于地面定标或验证，或提高特定目标（例如大型城市）的空间覆盖度（ Crisp等，2021 Crisp等，2021 ）。 OCO-2主载荷仅有一个，由3台高分辨率光栅光谱仪构成，探测波段分别为O 2 -A吸收通道（758—772 nm）、CO 2 弱吸收通道（1594—1619 nm）和CO 2 强吸收通道（2042—2082 nm），光谱分辨率最高达到0.04 nm。其中，O 2 -A波段观测光谱的主要用途是将CO 2 分子数柱浓度转变为XCO 2 。OCO-2上未搭载用于气溶胶和云探测的专用传感器，而是采用O 2 -A波段的观测去除受厚云和高浓度气溶胶影响的数据（ Taylor等，2016 Taylor等，2016 ），并估算薄云和气溶胶散射引起的大气光学厚度路径变化。OCO-2的XCO 2 反演算法为全物理算法（O’Dell等，2018），其前向模型中气溶胶和云参数处理采用提前计算好的5类散射体（包括水云、冰云、对流层2类气溶胶和平流层硫酸盐气溶胶）的单次散射光学特性进行处理（ Crisp等，2021 Crisp等，2021 ）。 OCO-3于2019年4月发射，安装在国际空间站（ISS）上，在低倾角（51°）轨道上从早晨到傍晚（太阳光照时段）收集全球CO 2 观测数据。与OCO-2的观测模式相比，OCO-3增加了一种“快照区域地图”观测模式（SAMs），与目标模式类似，但具有二维扫描能力，能够实现观测目标区域100 km×100 km范围的探测（ Eldering等，2019 Eldering等，2019 ）。 （3）TanSat。2016年12月成功发射的中国碳卫星（TanSat）是中国第一颗用于监测全球大气CO 2 含量的科学实验卫星，也是继日本GOSAT卫星和美国OCO-2卫星后世界上第三颗专用的温室气体探测卫星。TanSat以大气二氧化碳光栅光谱仪ACGS（Atmospheric Carbon dioxide Grating Spectrometer）和云与气溶胶偏振成像仪CAPI（Cloud and Aerosol Polarimetry Imager）为主要载荷。 ACGS在轨观测模式主要有天底、耀斑和目标3种模式。天底模式是对陆地区域观测最常用的模式，仪器沿卫星轨道运行时记录数据；由于海洋表面反射率较低，在海洋上空TanSat卫星跟踪太阳耀光区域，采用耀斑模式进行探测；目标模式是对地面静止目标进行观测，主要目的是支持地面测量验证，也可以获取和记录地面目标像元的多角度观测。ACGS设置有3个光谱通道，分别是CO 2 弱吸收带通道（1594—1624 nm）、CO 2 强吸收带通道（2042—2082 nm）和O 2 -A吸收带通道（758—778 nm），光谱分辨率最高可达0.04 nm。TanSat上搭载的CAPI设置有可见光至近红外范围（380—1640 nm）5个通道，用于进行云检测和气溶胶光学参数反演。其中，670和1640 nm两个通道设置有0°、60°、120°共3个方向的偏振观测，可以更好的探测气溶胶粒径信息，从而实现对气溶胶光学参数波长依赖特性的约束。此外，1375 nm通道观测还可用来改进卷云的筛选、沙尘气溶胶特性的研究。 相关学者开展了CAPI气溶胶反演算法测试研究（ Shi等，2014 Shi等，2014 ； Chen等，2017 Chen等，2017 ），但尚未发布数据产品。在实际处理中，一些研究选择利用模型数据估算气溶胶散射。例如， Yang等（2020） Yang等（2020） 采用哥白尼大气监测服务CAMS（Copernicus Atmosphere Monitoring Service）模型随场景变化的动态设置进行气溶胶散射的估算。 （4）CO2M。大气二氧化碳监测系统CO2M（CO 2 Monitoring）是欧洲哥白尼扩展任务计划之一，其目标是发射多颗搭载近红外—短波红外CO 2 探测光谱仪的卫星组成星座（ Kuhlmann等，2019 Kuhlmann等，2019 ），用于探测人为活动产生的CO 2 ，降低国家和区域尺度人为排放二氧化碳的不确定性。CO2M较明确的提出以人为CO 2 排放为主要监测目标，相关技术方法、数据成果对于评估碳减排政策有效性，追踪国家减排目标有重要作用。CO2M重点关注欧洲国家和地区碳排放情况，计划于2025年—2026年发射。 根据CO 2 人为排放监测需求，欧洲空间局地球与任务科学部给出了CO2M的设计指标（ Meijer等，2020 Meijer等，2020 ）：（1）CO 2 光谱仪波段包括近红外弱吸收通道（1590—1675 nm）、短波红外强吸收通道（1990—2095 nm）和近红外O 2 -A吸收通道（747—773 nm），光谱分辨率达到0.12—0.35 nm。（2）CO 2 光谱仪的空间分辨率为4 km 2 ，空间覆盖能力达到7 d内可有效覆盖陆地区域（纬度±40°）。（3）XCO 2 反演精度需优于0.7 ppm（系统误差小于0.5 ppm）。此外，针对大型排放源和典型CO 2 羽流特征，也对幅宽、采样频率、长期观测稳定性等指标需求进行了估算和设计。同时，为提高CO 2 人为排放源识别和定量监测能力，CO2M也同步获取NO 2 或CO浓度分布，作为人为排放CO 2 羽流（例如电厂、城市排放）的示踪气体，辅助识别人为源CO 2 。 CO2M任务需求报告同时指出，实现CO 2 高精度探测，需要基于同平台、高精度、多参数的气溶胶观测能力支持。CO2M卫星计划同平台搭载多角度偏振仪MAP（Multi-Angle Polarimeter），用于获得同步气溶胶和薄云观测，使得在高气溶胶负载、大角度观测条件下仍能获得满足精度要求的XCO 2 。MAP的设计指标如下：（1）可见—近红外范围的6个偏振波段（410、443、490、555、670、865 nm）和1个非偏波段（753 nm）；（2）空间分辨率优于16 km 2 ；（3）沿轨方向多角度观测数超过40。MAP可获取的气溶胶特性参数包括光学厚度、光谱变化特征、尺度谱分布、复折射指数、气溶胶层高（或廓线）（ Dubovik等，2019 Dubovik等，2019 ），这些观测/参数可以提供较准确的气溶胶含量和模型信息，改善光学路径散射计算和XCO 2 反演精度。 4　卫星反演验证和质控观测网 1 基于地基平台的整层大气温室气体和气溶胶被动遥感观测具有高精度和高信噪比的特点，能够有效避免复杂地表对反演参数的影响，获得高精度的温室气体柱含量和气溶胶光学—微物理特性参数，为卫星产品提供良好的真实性检验数据。本节主要介绍用于卫星反演验证和质控的温室气体和气溶胶地基观测网络。 4.1　全球总碳柱观测网 2 2004年由美国加州理工大学主持建立的全球总碳柱观测网TCCON（The Total Carbon Column Observing Network）最初获取地基高精度CO 2 柱总量数据，之后逐步扩展了CH 4 、CO、N 2 O、H 2 O、HF、HDO等其他气体的观测能力，目前已经成为GOSAT、OCO-2等卫星CO 2 、CH 4 柱浓度产品的标准验证地基观测网络（ Liang等，2017 Liang等，2017 ）。TCCON也是全球大气监测网络GAW（Global Atmosphere Watch）的贡献网络，为气候变化研究提供了高精度、长期稳定的观测数据。TCCON制定了非常严格的建站规则，目前在全球范围仅有28个站点运行，另有一部分正在筹建或已失效。 TCCON采用高分辨率傅里叶变换光谱仪（FTS）作为标准观测仪器（Bruker 125HR型），通过直接测量近红外波段太阳辐射光谱中CO 2 、CH 4 等温室气体的吸收线，实现气体柱总量的获取（ 张兴赢 等，2018 张兴赢 等，2018 ）。为确保数据质量和标准的一致性，TCCON各站点观测数据采用同一版本软件进行处理和反演（GGG2014， Wunch等，2015 Wunch等，2015 ）：首先将原始干涉图像转换为光谱数据；其次利用NCEP/NCAR再分析资料获取气压、温度、位势高度、水汽先验廓线，并进一步基于经验模型获取其他痕量气体廓线；之后通过非线性最小二乘光谱拟合实现正向模拟光谱和观测光谱的最优匹配，获得气体的柱平均干空气摩尔分数；最后通过地表压力的水汽影响订正、大气质量订正和WMO原位廓线测量订正，得到气体柱含量的地基观测结果。 4.2　全球气溶胶自动观测网 2 （1）AERONET。AERONET（Aerosol Robotic Network）是美国NASA联合多家研究机构自1993年起建立的全球气溶胶自动观测网（ Holben等，1998 Holben等，1998 ），提供长期、连续、稳定、高质量的观测数据，服务于气溶胶光学—微物理—辐射特性观测、卫星算法和产品验证、模式协同等多个领域。目前AERONET在全球分布站点600多个，其中观测时长大于5 a的长期站点超过300个。 AERONET站点统一采用法国CIMEL公司生产的太阳—天空辐射计（CE318）作为标准观测仪器。CE318标准型在紫外到近红外的光谱范围内共有8个光谱通道，分别是340、380、440、500、675、870、936和1020 nm，扩展型加入了近红外通道1640 nm。CE318主要有两种观测模式：太阳直射辐射观测用来计算达到地表的太阳辐射强度、整层大气透过率、气溶胶光学厚度和水汽柱总量等信息；天空散射辐射用来反演获得气溶胶复折射指数、尺度谱分布、单次散射反照率和散射相函数等参数。自2015年起，AERONET逐步布设CE318-T型仪器（太阳—天空—月亮3种模式），开展昼夜连续的气溶胶光学厚度观测（临时性产品）。 AERONET采用标准化的地基气溶胶观测数据处理流程和反演算法，最新的算法和产品版本是Version 3.0（ Giles等，2019 Giles等，2019 ； Sinyuk等，2020 Sinyuk等，2020 ）。所有站点的数据产品经过严格的质控，分为Level 1.0（未质控）、Level 1.5（云屏遮和数据质控）、Level 2.0（质量保证）3个级别，其中Level 2.0级的光学—微物理—辐射参数可用于气溶胶特性分析、卫星产品验证和数据协同等应用。 （2）CARSNET。为提高中国北方地区沙尘气溶胶监测能力，中国气象局于2002年起主导建设了气溶胶地基观测网络CARSNET（China Aerosol Remote Sensing Network）。CARSNET最初包含20个站点，主要分布于中国北方和西北地区，之后，站点分布逐步在全国范围得到扩展。 CARSNET采用与AERONET一致的太阳—天空辐射计进行观测，应用于气溶胶特性观测、卫星验证和模式研究等（ Che等，2015 Che等，2015 ）。CARSNET将经过AERONET朗利法定标的主仪器（master sunphotometer）作为参考，对其他仪器进行直射通道的对比定标，并将经过定标后的观测数据进行处理，获取AOD和Ångström波长指数等数据。 （3）SONET。2010年起，中国科学院组织建立中国太阳—天空辐射计观测网络SONET（Sun-sky radiometer Observation Network， http：//www.sonet.ac.cn/ http://www.sonet.ac.cn/ ［2021-06-08］），用于获取整层大气气溶胶的综合特性参数，为中国气溶胶本地化建模、卫星遥感产品真实性检验、气候变化研究和环境影响分析等领域提供基础数据（ 李正强 等，2015 李正强 等，2015 ）。SONET在中国的城市、乡村、山地、海洋、荒漠、盆地、高原等多种典型地区布设了20个观测站点，大部分持续观测超过7 a。 与AERONET、CARSNET相比，SONET所有站点均采用偏振型太阳—天空辐射计（CE318-DP）进行气溶胶地基观测。观测数据采用近实时的定标、反演、质控、发布流程进行标准化处理，质控标准和产品精度与AERONET保持一致（ Li等，2018b Li等，2018b ）。基于偏振观测，SONET进一步扩展了线偏振度参数反演方案，并且形成包括光学、微物理、成分和辐射4大类共20余种参数的气溶胶产品。 CO 2 太阳辐射计（CO 2 Sunphotometer）是法国CIMEL公司研制的地基CO 2 自动观测仪器（原型系统），安置在SONET北京站点，自2010年开始观测。基于差分吸收原理，CO 2 太阳辐射计通过楔形滤光片实现1.57 μm弱吸收通道附近14个波段的连续观测，利用吸收波段和参考波段观测的太阳辐射差异，获得CO 2 吸收光学厚度（ Xie等，2015 Xie等，2015 ）。相比FTS设备，辐射计具有的稳定性、便携性、抗干扰等特点，使其可较好的用于野外长期观测。 5　结语 1 本文主要对21世纪以来欧洲、日本、中国、美国发射的具备大气温室气体和气溶胶协同监测能力的十余颗卫星进行了回顾和介绍，包括卫星平台、传感器、处理算法和验证网络。根据卫星主要监测任务和传感器用途，温室气体和气溶胶协同监测卫星主要可分为两大类。 第1类是具备温室气体和气溶胶综合探测能力的多用途大气环境卫星，包括欧洲的ENVISAT、Sentinel-5P、MetOp-SG-A卫星和中国的FY-3D、GF-5/GF-5（02）、DQ-1/DQ-2等卫星。从其探测特点和发展历程可以看出，观测手段多样化（例如，温室气体的主被动探测、气溶胶的多角度多波段偏振探测）及配套卫星定量反演算法的发展，是大气综合探测卫星发展的重要趋势，也是获得更高精度、更多维度的温室气体和气溶胶参数的关键途径。 第2类是温室气体监测卫星，主要包括日本的GOSAT/GOSAT-2、美国的OCO-2/OCO-3、中国的TanSat、欧洲的CO2M等卫星。相关研究指出，气溶胶和云散射是温室气体卫星反演最大的误差来源之一（ Wunch等，2017 Wunch等，2017 ），因此在提高温室气体传感器探测精度和分辨率的同时，也需要注重气溶胶和云探测能力的同步提升。例如，欧洲新一代大气二氧化碳监测卫星CO2M明确了实现CO 2 高精度（优于0.7 ppm）探测需具备的气溶胶探测能力。 面向碳中和行动评估、大气环境综合治理等国家重大需求，迫切需要发展温室气体和气溶胶卫星协同监测能力： （1）温室气体和气溶胶协同监测是提高大气环境综合观测能力的有效途径，也是实现人为排放源识别和定量监测的大气环境卫星的重要发展方向。大型工业生产和燃烧排放的气溶胶和CO 2 （以及NO 2 等其他示踪物）具有同源性特点，排放源环境和气象条件相近，因此排放强度和浓度扩散随时空变化具有一定的相似性，可利用高分辨率的温室气体和气溶胶协同监测卫星更高效的实现大型源的识别、追踪和定量化监测。由于大气变化较快，不同卫星的像元匹配难度大、精确度低，导致有效匹配数据量小，而同平台卫星能够有效克服上述问题，实现排放源的精细、准确探测。 （2）利用卫星获取空间连续的CO 2 、CH 4 浓度信息，结合气象观测资料，通过大气化学传输模式和全球/区域碳同化系统，区分和估算人为源、自然源碳通量，实现“自上而下”的碳源汇时空变化动态监测（ Jiang等，2021 Jiang等，2021 ），是碳中和路径评估的重要手段。其中，温室气体卫星产品的精度是整个链路的基础，但严重受限于气溶胶和薄云散射等影响因素。多维度气溶胶观测（多角度、多波段、偏振）获得高精度的光学厚度和其他光学-微物理参数，可为同平台的温室气体反演提供基于实测的气溶胶模型参数（散射特性、粒径分布等），而非传统上使用模式数据的气候学统计结果，从而实现大气温室气体和气溶胶的高精度联合反演。 （3）极轨卫星每天最多过境1—2次，由于幅宽有限、云污染影响以及卫星产品的严格质控，单独一颗卫星无法获得覆盖全球海陆区域的大气温室气体和气溶胶监测数据。主、被动卫星组网是满足业务化监测需求的关键途径。本文介绍的十余颗卫星以及各国未来发射的协同观测卫星，根据轨道特点、覆盖通道、探测技术等方面的异同，可在观测、数据、产品及应用等不同层面组建如 图1 图1 所示的“温室气体和气溶胶协同观测星座”，有效填补空间、时间尺度上的数据空白，形成包含完整历史观测资料的温室气体和气溶胶全球时空连续数据集，为气候变化准确评估、大气环境动态监测等科学目标的实现提供坚实基础。 参考文献（References） Abshire J B , Ramanathan A K , Riris H , Allan G R , Sun X L , Hasselbrack W E , Mao J P , Wu S , Chen J , Numata K , Kawa S R , Yang M Y M and DiGangi J . 2018 . Airborne measurements of CO 2 column concentrations made with a pulsed IPDA lidar using a multiple-wavelength-locked laser and HgCdTe APD detector . Atmospheric Measurement Techniques , 11 ( 4 ): 2001 - 2025 [ DOI: 10.5194/amt-11-2001-2018 http://dx.doi.org/10.5194/amt-11-2001-2018 ] Airborne measurements of CO2 column concentrations made with a pulsed IPDA lidar using a multiple-wavelength-locked laser and HgCdTe APD detector Bertaux J L , Hauchecorne A , Lefèvre F , Bréon F M , Blanot L , Jouglet D , Lafrique P and Akaev P . 2020 . The use of the 1.27 µm O 2 absorption band for greenhouse gas monitoring from space and application to MicroCarb . Atmospheric Measurement Techniques , 13 ( 6 ): 3329 - 3374 [ DOI: 10.5194/amt-13-3329-2020 http://dx.doi.org/10.5194/amt-13-3329-2020 ] The use of the 1.27 µm O2 absorption band for greenhouse gas monitoring from space and application to MicroCarb Bilal M , Nichol J E and Chan P W . 2014 . Validation and accuracy assessment of a Simplified Aerosol Retrieval Algorithm (SARA) over Beijing under low and high aerosol loadings and dust storms . Remote Sensing of Environment , 153 : 50 - 60 [ DOI: 10.1016/j.rse.2014.07.015 http://dx.doi.org/10.1016/j.rse.2014.07.015 ] Validation and accuracy assessment of a Simplified Aerosol Retrieval Algorithm (SARA) over Beijing under low and high aerosol loadings and dust storms Buchwitz M , de Beek R , Burrows J P , Bovensmann H , Warneke T , Notholt J , Meirink J F , Goede A P H , Bergamaschi P , Körner S , Heimann M and Schulz A . 2005 . Atmospheric methane and carbon dioxide from SCIAMACHY satellite data: initial comparison with chemistry and transport models . Atmospheric Chemistry and Physics , 5 ( 4 ): 941 - 962 [ DOI: 10.5194/acp-5-941-2005 http://dx.doi.org/10.5194/acp-5-941-2005 ] Atmospheric methane and carbon dioxide from SCIAMACHY satellite data: initial comparison with chemistry and transport models Buchwitz M , Rozanov V V and Burrows J P . 2000 . A near-infrared optimized DOAS method for the fast global retrieval of atmospheric CH 4 , CO, CO 2 , H 2 O, and N 2 O total column amounts from SCIAMACHY Envisat-1 nadir radiances . Journal of Geophysical Research: Atmospheres , 105 ( D12 ): 15231 - 15245 [ DOI: 10.1029/2000JD900191 http://dx.doi.org/10.1029/2000JD900191 ] A near-infrared optimized DOAS method for the fast global retrieval of atmospheric CH4, CO, CO2, H2O, and N2O total column amounts from SCIAMACHY Envisat-1 nadir radiances Chen H , Li Q , Wang Z T , Ma P F , Li Y and Zhao A M . 2020 . Retrieval of aerosol optical depth using FY3D MERSI2 data . Journal of Geo-Information Science , 22 ( 9 ): 1887 - 1896 Retrieval of aerosol optical depth using FY3D MERSI2 data 陈辉 , 厉青 , 王中挺 , 马鹏飞 , 李营 , 赵爱梅 . 2020 . 一种基于FY3D/MERSI2的AOD遥感反演方法 . 地球信息科学学报 , 22 ( 9 ): 1887 - 1896 [ DOI: 10.12082/dqxxkx.2020.190206 http://dx.doi.org/10.12082/dqxxkx.2020.190206 ] 一种基于FY3D/MERSI2的AOD遥感反演方法 Che H , Zhang X Y , Xia X , Goloub P , Holben B , Zhao H , Wang Y , Zhang X C , Wang H , Blarel L , Damiri B , Zhang R , Deng X , Ma Y , Wang T , Geng F , Qi B , Zhu J , Yu J , Chen Q and Shi G . 2015 . Ground-based aerosol climatology of China: aerosol optical depths from the China Aerosol Remote Sensing Network (CARSNET) 2002-2013 . Atmospheric Chemistry and Physics , 15 ( 13 ): 7619 - 7652 [ DOI: 10.5194/acp-15-7619-2015 http://dx.doi.org/10.5194/acp-15-7619-2015 ] Ground-based aerosol climatology of China: aerosol optical depths from the China Aerosol Remote Sensing Network (CARSNET) 2002-2013 Chen X , Wang J , Liu Y , Xu X G , Cai Z N , Yang D X , Yan C X and Feng L . 2017 . Angular dependence of aerosol information content in CAPI/TanSat observation over land: effect of polarization and synergy with A-train satellites . Remote Sensing of Environment , 196 : 163 - 177 [ DOI: 10.1016/j.rse.2017.05.007 http://dx.doi.org/10.1016/j.rse.2017.05.007 ] Angular dependence of aerosol information content in CAPI/TanSat observation over land: effect of polarization and synergy with A-train satellites Choi M , Kim J , Lee J , Kim M , Park Y J , Holben B , Eck T F , Li Z Q and Song C H . 2018 . GOCI Yonsei aerosol retrieval version 2 products: an improved algorithm and error analysis with uncertainty estimation from 5-year validation over East Asia . Atmospheric Measurement Techniques , 11 ( 1 ): 385 - 408 [ DOI: 10.5194/amt-11-385-2018 http://dx.doi.org/10.5194/amt-11-385-2018 ] GOCI Yonsei aerosol retrieval version 2 products: an improved algorithm and error analysis with uncertainty estimation from 5-year validation over East Asia Choi M , Lim H , Kim J , Lee S , Eck T F , Holben B N , Garay M J , Hyer E J , Saide P E and Liu H Q . 2019 . Validation, comparison, and integration of GOCI, AHI, MODIS, MISR, and VIIRS aerosol optical depth over East Asia during the 2016 KORUS-AQ campaign . Atmospheric Measurement Techniques , 12 ( 8 ): 4619 - 4641 [ DOI: 10.5194/amt-12-4619-2019 http://dx.doi.org/10.5194/amt-12-4619-2019 ] Validation, comparison, and integration of GOCI, AHI, MODIS, MISR, and VIIRS aerosol optical depth over East Asia during the 2016 KORUS-AQ campaign Cohen J B and Wang C E . 2014 . Estimating global black carbon emissions using a top-down Kalman Filter approach . Journal of Geophysical Research: Atmospheres , 119 ( 1 ): 307 - 323 [ DOI: 10.1002/2013JD019912 http://dx.doi.org/10.1002/2013JD019912 ] Estimating global black carbon emissions using a top-down Kalman Filter approach Connor B , Bösch H , McDuffie J , Taylor T , Fu D J , Frankenberg C , O’Dell C , Payne V H , Gunson M , Pollock R , Hobbs J , Oyafuso F and Jiang Y B . 2016 . Quantification of uncertainties in OCO-2 measurements of XCO 2 : simulations and linear error analysis . Atmospheric Measurement Techniques , 9 ( 10 ): 5227 - 5238 [ DOI: 10.5194/amt-9-5227-2016 http://dx.doi.org/10.5194/amt-9-5227-2016 ] Quantification of uncertainties in OCO-2 measurements of XCO2: simulations and linear error analysis Crisp D , O’Dell C , Eldering A , Fisher B , Oyafuso F , Payne V , Drouin B , Toon G , Laughner J , Somkuti P , McGarragh G , Merrelli A , Nelson R , Gunson M , Frankenberg C , Osterman G , Boesch H , Brown L , Castano R , Christi M , Connor B , McDuffie J , Miller C , Natraj V , O’Brien D , Polonski I , Smyth M , Thompson D and Granat R . 2021 . Orbiting Carbon Observatory (OCO) -2: Level 2 Full Physics Algorithm Theoretical Basis Document [OCO D- 55207 ] Orbiting Carbon Observatory (OCO) -2: Level 2 Full Physics Algorithm Theoretical Basis Document [OCO D- de Graaf M , de Haan J and Sanders A . 2019 . TROPOMI ATBD of the Aerosol Layer Height [S5P-KNMI-L2-0006-RP] TROPOMI ATBD of the Aerosol Layer Height [S5P-KNMI-L2-0006-RP] de Leeuw G , Holzer-Popp T , Bevan S , Davies W H , Descloitres J , Grainger R G , Griesfeller J , Heckel A , Kinne S , Klüser L , Kolmonen P , Litvinov P , Martynenko D , North P , Ovigneur B , Pascal N , Poulsen C , Ramon D , Schulz M , Siddans R , Sogacheva L , Tanré D , Thomas G E , Virtanen T H , von Hoyningen Huene W , Vountas M and Pinnock S . 2015 . Evaluation of seven European aerosol optical depth retrieval algorithms for climate analysis . Remote Sensing of Environment , 162 : 295 - 315 [ DOI: 10.1016/j.rse.2013.04.023 http://dx.doi.org/10.1016/j.rse.2013.04.023 ] Evaluation of seven European aerosol optical depth retrieval algorithms for climate analysis Diner D J , Abdou W A , Ackerman T P , Crean K , Gordon H R , Kahn R A , Martonchik J V , McMuldroch S , Paradise S R , Pinty B , Verstraete M M , Wang M H and West R A . 2008 . MISR: Level 2 Aerosol Retrieval Algorithm Theoretical Basis [JPL D- 11400 ] MISR: Level 2 Aerosol Retrieval Algorithm Theoretical Basis [JPL D- Diner D J , Martonchik J V , Kahn R A , Pinty B , Gobron N , Nelson D L and Holben B N . 2005 . Using angular and spectral shape similarity constraints to improve MISR aerosol and surface retrievals over land . Remote Sensing of Environment , 94 ( 2 ): 155 - 171 [ DOI: 10.1016/j.rse.2004.09.009 http://dx.doi.org/10.1016/j.rse.2004.09.009 ] Using angular and spectral shape similarity constraints to improve MISR aerosol and surface retrievals over land Dubovik O , Herman M , Holdak A , Lapyonok T , Tanré D , Deuzé J L , Ducos F , Sinyuk A and Lopatin A . 2011 . Statistically optimized inversion algorithm for enhanced retrieval of aerosol properties from spectral multi-angle polarimetric satellite observations . Atmospheric Measurement Techniques , 4 ( 5 ): 975 - 1018 [ DOI: 10.5194/amt-4-975-2011 http://dx.doi.org/10.5194/amt-4-975-2011 ] Statistically optimized inversion algorithm for enhanced retrieval of aerosol properties from spectral multi-angle polarimetric satellite observations Dubovik O , Lapyonok T , Litvinov P , Herman M , Fuertes D , Ducos F , Torres B , Derimian Y , Huang X , Lopatin A , Chaikovsky A , Aspetsberger M and Federspiel C . 2014 . GRASP: a versatile algorithm for characterizing the atmosphere. SPIE Newsroom, 25 [DOI 10.1117/2.1201408.005558 http://dx.doi.org/10.1117/2.1201408.005558 ] GRASP: a versatile algorithm for characterizing the atmosphere. SPIE Newsroom, 25 [DOI Dubovik O , Li Z Q , Mishchenko M I , Tanré D , Karol Y , Bojkov B , Cairns B , Diner D J , Espinosa W R , Goloub P , Gu X F , Hasekamp O , Hong J , Hou W Z , Knobelspiesse K D , Landgraf J , Li L , Litvinov P , Liu Y , Lopatin A , Marbach T , Maring H , Martins V , Meijer Y , Milinevsky G , Mukai S , Parol F , Qiao Y L , Remer L , Rietjens J , Sano I , Stammes P , Stamnes S , Sun X B , Tabary P , Travis L D , Waquet F , Xu F , Yan C X and Yin D K . 2019 . Polarimetric remote sensing of atmospheric aerosols: instruments, methodologies, results, and perspectives . Journal of Quantitative Spectroscopy and Radiative Transfer , 224 : 474 - 511 [ DOI: 10.1016/j.jqsrt.2018.11.024 http://dx.doi.org/10.1016/j.jqsrt.2018.11.024 ] Polarimetric remote sensing of atmospheric aerosols: instruments, methodologies, results, and perspectives Dubovik O , Litvinov P , Poustomis F , Vinuesa J , Fuertes D and Ducos F . 2018 . ERA - Enhanced Retrieval of Aerosol properties: reference and NRT algorithm prototype for 3MI mission ERA - Enhanced Retrieval of Aerosol properties: reference and NRT algorithm prototype for 3MI mission Ehret G , Bousquet P , Pierangelo C , Alpers M , Millet B , Abshire J B , Bovensmann H , Burrows J P , Chevallier F , Ciais P , Crevoisier C , Fix A , Flamant P , Frankenberg C , Gibert F , Heim B , Heimann M , Houweling S , Hubberten H W , Jöckel P , Law K , Löw A , Marshall J , Agusti-Panareda A , Payan S , Prigent C , Rairoux P , Sachs T , Scholze M and Wirth M . 2017 . MERLIN: a French-German space lidar mission dedicated to atmospheric methane . Remote Sensing , 9 ( 10 ): 1052 [ DOI: 10.3390/rs9101052 http://dx.doi.org/10.3390/rs9101052 ] MERLIN: a French-German space lidar mission dedicated to atmospheric methane Eldering A , O'Dell C W , Wennberg P O , Crisp D , Gunson M R , Viatte C , Avis C , Braverman A , Castano R , Chang A , Chapsky L , Cheng C , Connor B , Dang L , Doran G , Fisher B , Frankenberg C , Fu D J , Granat R , Hobbs J , Lee R A M , Mandrake L , McDuffie J , Miller C E , Myers V , Natraj V , O'Brien D , Osterman G B , Oyafuso F , Payne V H , Pollock H R , Polonsky I , Roehl C M , Rosenberg R , Schwandner F , Smyth M , Tang V , Taylor T E , To C , Wunch D and Yoshimizu J . 2017 . The Orbiting Carbon Observatory-2: first 18 months of science data products . Atmospheric Measurement Techniques , 10 ( 2 ): 549 - 563 [ DOI: 10.5194/amt-10-549-2017 http://dx.doi.org/10.5194/amt-10-549-2017 ] The Orbiting Carbon Observatory-2: first 18 months of science data products Eldering A , Taylor T E , O’Dell C W and Pavlick R . 2019 . The OCO-3 mission: measurement objectives and expected performance based on 1 year of simulated data . Atmospheric Measurement Techniques , 12 ( 4 ): 2341 - 2370 [ DOI: 10.5194/amt-12-2341-2019 http://dx.doi.org/10.5194/amt-12-2341-2019 ] The OCO-3 mission: measurement objectives and expected performance based on 1 year of simulated data Ge B Y . 2020 . Retrieval of Aerosol Optical Parameters Based on Directional Polarimetric Camera (DPC) Onboard the GF-5 Satellite . University of Chinese Academy of Sciences Retrieval of Aerosol Optical Parameters Based on Directional Polarimetric Camera (DPC) Onboard the GF-5 Satellite 葛邦宇 . 2020 . 高分卫星多角度偏振相机(DPC)气溶胶参数反演算法研究 . 北京，中国科学院大学 高分卫星多角度偏振相机(DPC)气溶胶参数反演算法研究 Ge B Y , Mei X D , Li Z Q , Hou W Z , Xie Y , Zhang Y , Xu H , Li K T and Wei Y Y . 2020 . An improved algorithm for retrieving high resolution fine-mode aerosol based on polarized satellite data: application and validation for POLDER-3 . Remote Sensing of Environment , 247 : 111894 [ DOI: 10.1016/j.rse.2020.111894 http://dx.doi.org/10.1016/j.rse.2020.111894 ] An improved algorithm for retrieving high resolution fine-mode aerosol based on polarized satellite data: application and validation for POLDER-3 Ge B Y , Yang L K , Chen X F , Li Z Q , Mei X D and Liu L . 2018 . Study on aerosol optical depth retrieval over land from Himawari-8 data based on dark target method . Journal of Remote Sensing , 22 ( 1 ): 38 - 50 Study on aerosol optical depth retrieval over land from Himawari-8 data based on dark target method 葛邦宇 , 杨磊库 , 陈兴峰 , 李正强 , 梅笑冬 , 刘李 . 2018 . 暗目标法的Himawari-8静止卫星数据气溶胶反演 . 遥感学报 , 22 ( 1 ): 38 - 50 [ DOI: 10.11834/jrs.20187033 http://dx.doi.org/10.11834/jrs.20187033 ] 暗目标法的Himawari-8静止卫星数据气溶胶反演 GHG-CCI Project Team . 2020 . GHG-CCI: User Requirements Document for the GHG-CCI+ project of ESA’s Climate Change Initiative , Version 3 . 0 GHG-CCI: User Requirements Document for the GHG-CCI+ project of ESA’s Climate Change Initiative 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 Gloudemans A M S , Schrijver H , Kleipool Q , van den Broek M M P , Straume A G , Lichtenberg G , van Hees R M , Aben I and Meirink J F . 2005 . The impact of SCIAMACHY near-infrared instrument calibration on CH 4 and CO total columns . Atmospheric Chemistry and Physics , 5 ( 9 ): 2369 - 2383 [ DOI: 10.5194/acp-5-2369-2005 http://dx.doi.org/10.5194/acp-5-2369-2005 ] The impact of SCIAMACHY near-infrared instrument calibration on CH4 and CO total columns Gong S Y and Shi Y S . 2021 . Evaluation of comprehensive monthly-gridded methane emissions from natural and anthropogenic sources in China . Science of the Total Environment , 784 : 147116 [ DOI: 10.1016/j.scitotenv.2021.147116 http://dx.doi.org/10.1016/j.scitotenv.2021.147116 ] Evaluation of comprehensive monthly-gridded methane emissions from natural and anthropogenic sources in China Guerlet S , Butz A , Schepers D , Basu S , Hasekamp O P , Kuze A , Yokota T , Blavier J F , Deutscher N M , Griffith D W T , Hase F , Kyro E , Morino I , Sherlock V , Sussmann R , Galli A and Aben I . 2013 . Impact of aerosol and thin cirrus on retrieving and validating XCO 2 from GOSAT shortwave infrared measurements . Journal of Geophysical Research: Atmospheres , 118 ( 10 ): 4887 - 4905 [ DOI: 10.1002/jgrd.50332 http://dx.doi.org/10.1002/jgrd.50332 ] Impact of aerosol and thin cirrus on retrieving and validating XCO2 from GOSAT shortwave infrared measurements Hagolle O , Dedieu G , Mougenot B , Debaecker V , Duchemin B and Meygret A . 2008 . Correction of aerosol effects on multi-temporal images acquired with constant viewing angles: application to Formosat-2 images . Remote Sensing of Environment , 112 ( 4 ): 1689 - 1701 [ DOI: 10.1016/j.rse.2007.08.016 http://dx.doi.org/10.1016/j.rse.2007.08.016 ] Correction of aerosol effects on multi-temporal images acquired with constant viewing angles: application to Formosat-2 images Han G , Xu H , Gong W , Liu J Q , Du J , Ma X and Liang A L . 2018 . Feasibility study on measuring atmospheric CO 2 in urban areas using Spaceborne CO 2 -IPDA LIDAR . Remote Sensing , 10 ( 7 ): 985 [ DOI: 10.3390/rs10070985 http://dx.doi.org/10.3390/rs10070985 ] Feasibility study on measuring atmospheric CO2 in urban areas using Spaceborne CO2-IPDA LIDAR Hasekamp O , Lorente A , Hu H L , Butz A , de Brugh J and Landgraf J . 2019 . Algorithm Theoretical Baseline Document for Sentinel-5 Precursor Methane Retrieval [SRON-S5P-LEV2-RP- 001 ] Algorithm Theoretical Baseline Document for Sentinel-5 Precursor Methane Retrieval [SRON-S5P-LEV2-RP- He L J , Wang L C , Li Z Q , Jiang D Y , Sun L , Liu D , Liu L , Yao R , Zhou Z G and Wei J . 2021 . VIIRS Environmental Data Record and Deep Blue aerosol products: validation, comparison, and spatiotemporal variations from 2013 to 2018 in China . Atmospheric Environment , 250 : 118265 [ DOI: 10.1016/j.atmosenv.2021.118265 http://dx.doi.org/10.1016/j.atmosenv.2021.118265 ] VIIRS Environmental Data Record and Deep Blue aerosol products: validation, comparison, and spatiotemporal variations from 2013 to 2018 in China Heymann J , Reuter M , Hilker M , Buchwitz M , Schneising O , Bovensmann H , Burrows J P , Kuze A , Suto H , Deutscher N M , Dubey M K , Griffith D W T , Hase F , Kawakami S , Kivi R , Morino I , Petri C , Roehl C , Schneider M , Sherlock V , Sussmann R , Velazco V A , Warneke T and Wunch D . 2015 . Consistent satellite XCO 2 retrievals from SCIAMACHY and GOSAT using the BESD algorithm . Atmospheric Measurement Techniques , 8 ( 7 ): 2961 - 2980 [ DOI: 10.5194/amt-8-2961-2015 http://dx.doi.org/10.5194/amt-8-2961-2015 ] Consistent satellite XCO2 retrievals from SCIAMACHY and GOSAT using the BESD algorithm Holben B N , Eck T F , Slutsker I , Tanré D , Buis J P , Setzer A , Vermote E , Reagan J A , Kaufman Y J , Nakajima T , Lavenu F , Jankowiak I and Smirnov A . 1998 . AERONET—a federated instrument network and data archive for aerosol characterization . Remote Sensing of Environment , 66 ( 1 ): 1 - 16 [ DOI: 10.1016/S0034-4257(98)00031-5 http://dx.doi.org/10.1016/S0034-4257(98)00031-5 ] AERONET—a federated instrument network and data archive for aerosol characterization Hsu N C , Jeong M J , Bettenhausen C , Sayer A M , Hansell R , Seftor C S , Huang J and Tsay S C . 2013 . Enhanced Deep Blue aerosol retrieval algorithm: the second generation . Journal of Geophysical Research: Atmospheres , 118 ( 16 ): 9296 - 9315 [ DOI: 10.1002/jgrd.50712 http://dx.doi.org/10.1002/jgrd.50712 ] Enhanced Deep Blue aerosol retrieval algorithm: the second generation Hsu N C , Tsay S C , King M D , Herman J R . 2004 . Aerosol properties over bright-reflecting source regions . IEEE Transactions on Geoscience and Remote Sensing , 42 ( 3 ): 557 - 569 [ DOI: 10.1109/TGRS.2004.824067 http://dx.doi.org/10.1109/TGRS.2004.824067 ] Aerosol properties over bright-reflecting source regions Huang H L , Ti R F , Zhang D Y , Fang W , Sun X B and Yi W N . 2020 . Inversion of aerosol optical depth over land from directional polarimetric camera onboard Chinese Gaofen-5 satellite . Journal of Infrared and Millimeter Waves , 39 ( 4 ): 454 - 461 Inversion of aerosol optical depth over land from directional polarimetric camera onboard Chinese Gaofen-5 satellite 黄红莲 , 提汝芳 , 张冬英 , 方薇 , 孙晓兵 , 易维宁 . 2020 . 高分五号卫星偏振遥感陆地上空气溶胶光学厚度 . 红外与毫米波学报 , 39 ( 4 ): 454 - 461 [ DOI: 10.11972/j.issn.1001-9014.2020.04.010 http://dx.doi.org/10.11972/j.issn.1001-9014.2020.04.010 ] 高分五号卫星偏振遥感陆地上空气溶胶光学厚度 Jiang F , Wang H M , Chen J M , Ju W M , Tian X J , Feng S Z , Li G C , Chen Z Q , Zhang S P , Lu X H , Liu J , Wang H K , Wang J , He W and Wu M S . 2021 . Regional CO 2 fluxes from 2010 to 2015 inferred from GOSAT XCO 2 retrievals using a new version of the Global Carbon Assimilation System . Atmospheric Chemistry and Physics , 21 ( 3 ): 1963 - 1985 [ DOI: 10.5194/acp-21-1963-2021 http://dx.doi.org/10.5194/acp-21-1963-2021 ] Regional CO2 fluxes from 2010 to 2015 inferred from GOSAT XCO2 retrievals using a new version of the Global Carbon Assimilation System Kaufman Y J , Tanré D , Remer L A , Vermote E F , Chu A and Holben B N . 1997 . Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer . Journal of Geophysical Research: Atmospheres , 102 ( D14 ): 17051 - 17067 [ DOI: 10.1029/96JD03988 http://dx.doi.org/10.1029/96JD03988 ] Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer Kuhlmann G , Broquet G , Marshall J , Clément V , Löscher A , Meijer Y and Brunner D . 2019 . Detectability of CO 2 emission plumes of cities and power plants with the Copernicus Anthropogenic CO 2 Monitoring (CO2M) mission . Atmospheric Measurement Techniques , 12 ( 12 ): 6695 - 6719 [ DOI: 10.5194/amt-12-6695-2019 http://dx.doi.org/10.5194/amt-12-6695-2019 ] Detectability of CO2 emission plumes of cities and power plants with the Copernicus Anthropogenic CO2 Monitoring (CO2M) mission Kuze A , Suto H , Nakajima M and Hamazaki T . 2009 . Thermal and near infrared sensor for carbon observation Fourier-transform spectrometer on the Greenhouse Gases Observing Satellite for greenhouse gases monitoring . Applied Optics , 48 ( 35 ): 6716 - 6733 [ DOI: 10.1364/AO.48.006716 http://dx.doi.org/10.1364/AO.48.006716 ] Thermal and near infrared sensor for carbon observation Fourier-transform spectrometer on the Greenhouse Gases Observing Satellite for greenhouse gases monitoring Levy R C , Remer L A , Mattoo S , Vermote E F and Kaufman Y J . 2007 . Second-generation operational algorithm: retrieval of aerosol properties over land from inversion of Moderate Resolution Imaging Spectroradiometer spectral reflectance . Journal of Geophysical Research: Atmospheres , 112 : D 13211 [ DOI: 10.1029/2006JD007811 http://dx.doi.org/10.1029/2006JD007811 ] Second-generation operational algorithm: retrieval of aerosol properties over land from inversion of Moderate Resolution Imaging Spectroradiometer spectral reflectance Li B G , Gasser T , Ciais P , Piao S , Tao S , Balkanski Y , Hauglustaine D , Boisier J P , Chen Z , Huang M T , Li L Z , Li Y , Liu H Y , Liu J F , Peng S S , Shen Z H , Sun Z Z , Wang R , Wang T , Yin G D , Yin Y , Zeng H , Zeng Z Z and Zhou F . 2016 . The contribution of China’s emissions to global climate forcing . Nature , 531 ( 7594 ): 357 - 361 [ DOI: 10.1038/nature17165 http://dx.doi.org/10.1038/nature17165 ] The contribution of China’s emissions to global climate forcing Li Z Q , Hou W Z , Hong J , Zheng F X , Luo D G , Wang J , Gu X F and Qiao Y L . 2018a . Directional Polarimetric Camera (DPC): monitoring aerosol spectral optical properties over land from satellite observation . Journal of Quantitative Spectroscopy and Radiative Transfer , 218 : 21 - 37 [ DOI: 10.1016/j.jqsrt.2018.07.003 http://dx.doi.org/10.1016/j.jqsrt.2018.07.003 ] Directional Polarimetric Camera (DPC): monitoring aerosol spectral optical properties over land from satellite observation Li Z Q , Li D H , Li K T , Xu H , Chen X F , Chen C , Xie Y S , Li L , Li L , Li W , Lv Y , Qie L L , Zhang Y and Gu X F . 2015 . Sun-sky radiometer observation network with the extension of multi-wavelength polarization measurements . Journal of Remote Sensing , 19 ( 3 ): 495 - 519 Sun-sky radiometer observation network with the extension of multi-wavelength polarization measurements 李正强 , 李东辉 , 李凯涛 , 许华 , 陈兴峰 , 陈澄 , 谢一凇 , 李莉 , 李雷 , 李伟 , 吕阳 , 伽丽丽 , 张莹 , 顾行发 . 2015 . 扩展多波长偏振测量的太阳—天空辐射计观测网 . 遥感学报 , 19 ( 3 ): 495 - 519 [ DOI: 10.11834/jrs.20154129 http://dx.doi.org/10.11834/jrs.20154129 ] 扩展多波长偏振测量的太阳—天空辐射计观测网 Li Z Q , Xu H , Li K T , Li D H , Xie Y S , Li L , Zhang Y , Gu X F , Zhao W , Tian Q J , Deng R R , Su X L , Huang B , Qiao Y L , Cui W Y , Hu Y , Gong C L , Wang Y Q , Wang X F , Wang J P , Du W B , Pan Z Q , Li Z Z and Bu D . 2018b . Comprehensive study of optical, physical, chemical, and radiative properties of total columnar atmospheric aerosols over China: an overview of sun–sky radiometer observation network (SONET) measurements . Bulletin of the American Meteorological Society , 99 ( 4 ): 739 - 755 [ DOI: 10.1175/BAMS-D-17-0133.1 http://dx.doi.org/10.1175/BAMS-D-17-0133.1 ] Comprehensive study of optical, physical, chemical, and radiative properties of total columnar atmospheric aerosols over China: an overview of sun–sky radiometer observation network (SONET) measurements Liang A L , Gong W , Han G and Xiang C Z . 2017 . Comparison of satellite-observed XCO 2 from GOSAT, OCO-2, and ground-based TCCON . Remote Sensing , 9 ( 10 ): 1033 [ DOI: 10.3390/rs9101033 http://dx.doi.org/10.3390/rs9101033 ] Comparison of satellite-observed XCO2 from GOSAT, OCO-2, and ground-based TCCON Liu Y , Wang J , Che K , Cai Z N , Yang D X and Wu L . 2021 . Satellite remote sensing of greenhouse gases: progress and trends . National Remote Sensing Bulletin , 25 ( 1 ): 53 - 64 Satellite remote sensing of greenhouse gases: progress and trends 刘毅 , 王婧 , 车轲 , 蔡兆男 , 杨东旭 , 吴林 . 2021 . 温室气体的卫星遥感——进展与趋势 . 遥感学报 , 25 ( 1 ): 53 - 64 [ DOI: 10.11834/jrs.20210081 http://dx.doi.org/10.11834/jrs.20210081 ] 温室气体的卫星遥感——进展与趋势 Liu Y , Wang J , Yao L , Chen X , Cai Z N , Yang D X , Yin Z S , Gu S Y , Tian L F , Lu N M and Lyu D . 2018 . The TanSat mission: preliminary global observations . Science Bulletin , 63 ( 18 ): 1200 - 1207 [ DOI: 10.1016/j.scib.2018.08.004 http://dx.doi.org/10.1016/j.scib.2018.08.004 ] The TanSat mission: preliminary global observations Lorente A , Borsdorff T , Butz A , Hasekamp O , aan de Brugh J , Schneider A , Wu L H , Hase F , Kivi R , Wunch D , Pollard D F , Shiomi K , Deutscher N M , Velazco V A , Roehl C M , Wennberg P O , Warneke T and Landgraf J . 2021 . Methane retrieved from TROPOMI: improvement of the data product and validation of the first 2 years of measurements . Atmospheric Measurement Techniques , 14 ( 1 ): 665 - 684 [ DOI: 10.5194/amt-14-665-2021 http://dx.doi.org/10.5194/amt-14-665-2021 ] Methane retrieved from TROPOMI: improvement of the data product and validation of the first 2 years of measurements Lu Q F , Zhou F , Qi C L , Hu X Q , Xu H L and Wu C Q . 2019 . Spectral performance evaluation of high-spectral resolution infrared atmospheric sounder onboard FY-3D . Optics and Precision Engineering , 27 ( 10 ): 2105 - 2115 Spectral performance evaluation of high-spectral resolution infrared atmospheric sounder onboard FY-3D 陆其峰 , 周方 , 漆成莉 , 胡秀清 , 徐寒列 , 吴春强 . 2019 . FY-3D星红外高光谱大气探测仪的在轨光谱精度评估 . 光学精密工程 , 27 ( 10 ): 2105 - 2115 [ DOI: 10.3788/OPE.20192710.2105 http://dx.doi.org/10.3788/OPE.20192710.2105 ] FY-3D星红外高光谱大气探测仪的在轨光谱精度评估 Lyapustin A , Wang Y J , Korkin S and Huang D . 2018 . MODIS Collection 6 MAIAC algorithm . Atmospheric Measurement Techniques , 11 ( 10 ): 5741 - 5765 [ DOI: 10.5194/amt-11-5741-2018 http://dx.doi.org/10.5194/amt-11-5741-2018 ] MODIS Collection 6 MAIAC algorithm Martonchik J V , Diner D J , Kahn R A , Ackerman T P , Verstraete M M , Pinty B and Gordon H R . 1998 . Techniques for the retrieval of aerosol properties over land and ocean using multiangle imaging . IEEE Transactions on Geoscience and Remote Sensing , 36 ( 4 ): 1212 - 1227 [ DOI: 10.1109/36.701027 http://dx.doi.org/10.1109/36.701027 ] Techniques for the retrieval of aerosol properties over land and ocean using multiangle imaging Meijer Y , Boesch H , Bombelli A , Brunner D , Buchwitz M , Ciais P , Crisp D , Engelen R , Holmlund K , Houweling S , Janssens-Maenhout G , Marshall J , Nakajima M , Pinty B , Scholze M , Bezy J , Drinkwater M , Fehr T , Fernandez V , Loescher A , Nett H and Sierk B . 2020 . Copernicus CO 2 Monitoring Mission Requirements Document [EOP-SM/3088/YM-ym] Copernicus CO2 Monitoring Mission Requirements Document [EOP-SM/3088/YM-ym] Moore B III , Crowell S M R , Rayner P J , Kumer J , O'Dell C W , O'Brien D , Utembe S , Polonsky I , Schimel D and Lemen J . 2018 . The potential of the geostationary carbon cycle observatory (GeoCarb) to provide multi-scale constraints on the carbon cycle in the Americas . Frontiers in Environmental Science , 6 : 109 [ DOI: 10.3389/fenvs.2018.00109 http://dx.doi.org/10.3389/fenvs.2018.00109 ] The potential of the geostationary carbon cycle observatory (GeoCarb) to provide multi-scale constraints on the carbon cycle in the Americas O'Dell C W , Connor B , Bösch H , O'Brien D , Frankenberg C , Castano R , Christi M , Eldering D , Fisher B , Gunson M , McDuffie J , Miller C E , Natraj V , Oyafuso F , Polonsky I , Smyth M , Taylor T , Toon G C , Wennberg P O and Wunch D . 2012 . The ACOS CO 2 retrieval algorithm – Part 1: description and validation against synthetic observations . Atmospheric Measurement Techniques , 5 ( 1 ): 99 - 121 [ DOI: 10.5194/amt-5-99-2012 http://dx.doi.org/10.5194/amt-5-99-2012 ] The ACOS CO2 retrieval algorithm – Part 1: description and validation against synthetic observations O'Dell C W , Eldering A , Wennberg P O , Crisp D , Gunson M R , Fisher B , Frankenberg C , Kiel M , Lindqvist H , Mandrake L , Merrelli A , Natraj V , Nelson R R , Osterman G B , Payne V H , Taylor T E , Wunch D , Drouin B J , Oyafuso F , Chang A , McDuffie J , Smyth M , Baker D F , Basu S , Chevallier F , Crowell S M R , Feng L , Palmer P I , Dubey M , García O E , Griffith D W T , Hase F , Iraci L T , Kivi R , Morino I , Notholt J , Ohyama H , Petri C , Roehl C M , Sha M K , Strong K , Sussmann R , Te Y , Uchino O and Velazco V A . 2018 . Improved retrievals of carbon dioxide from Orbiting Carbon Observatory-2 with the version 8 ACOS algorithm . Atmospheric Measurement Techniques , 11 ( 12 ): 6539 - 6576 [ DOI: 10.5194/amt-11-6539-2018 http://dx.doi.org/10.5194/amt-11-6539-2018 ] Improved retrievals of carbon dioxide from Orbiting Carbon Observatory-2 with the version 8 ACOS algorithm Olson M R , Wang Y Q , de Foy B , Li Z Q , Bergin M H , Zhang Y X and Schauer J J . 2022 . Source attribution of black and Brown carbon near-UV light absorption in Beijing, China and the impact of regional air-mass transport . Science of the Total Environment , 807 : 150871 [ DOI: 10.1016/j.scitotenv.2021.150871 http://dx.doi.org/10.1016/j.scitotenv.2021.150871 ] Source attribution of black and Brown carbon near-UV light absorption in Beijing, China and the impact of regional air-mass transport Qie L , Li D H , Li Z Q , Zhang Y , Hou W Z and Chen X F . 2015 . A sensitivity study of atmospheric reflectance to aerosol layer height based on multi-angular polarimetric measurements // Proceedings Volume 9678 , AOPC 2015: Telescope and Space Optical Instrumentation. Beijing: SPIE [ DOI: 10.1117/12.2199671 http://dx.doi.org/10.1117/12.2199671 ] A sensitivity study of atmospheric reflectance to aerosol layer height based on multi-angular polarimetric measurements Reuter M , Buchwitz M , Schneising O , Noël S , Bovensmann H and Burrows J P . 2017 . A fast atmospheric trace gas retrieval for hyperspectral instruments approximating multiple scattering—Part 2: application to XCO 2 retrievals from OCO-2 . Remote Sensing , 9 ( 11 ): 1102 [ DOI: 10.3390/rs9111102 http://dx.doi.org/10.3390/rs9111102 ] A fast atmospheric trace gas retrieval for hyperspectral instruments approximating multiple scattering—Part 2: application to XCO2 retrievals from OCO-2 Sanghavi S , Nelson R , Frankenberg C and Gunson M . 2020 . Aerosols in OCO-2/GOSAT retrievals of XCO 2 : an information content and error analysis . Remote Sensing of Environment , 251 : 112053 [ DOI: 10.1016/j.rse.2020.112053 http://dx.doi.org/10.1016/j.rse.2020.112053 ] Aerosols in OCO-2/GOSAT retrievals of XCO2: an information content and error analysis Santer R , Ramon D , Vidot J and Dilligeard E . 2007 . A surface reflectance model for aerosol remote sensing over land . International Journal of Remote Sensing , 28 ( 3/4 ): 737 - 760 [ DOI: 10.1080/01431160600821028 http://dx.doi.org/10.1080/01431160600821028 ] A surface reflectance model for aerosol remote sensing over land Schepers D , Guerlet S , Butz A , Landgraf J , Frankenberg C , Hasekamp O , Blavier J F , Deutscher N M , Griffith D W T , Hase F , Kyro E , Morino I , Sherlock V , Sussmann R and Aben I . 2012 . Methane retrievals from Greenhouse Gases Observing Satellite (GOSAT) shortwave infrared measurements: performance comparison of proxy and physics retrieval algorithms . Journal of Geophysical Research: Atmospheres , 117 ( D10 ): D 10307 [ DOI: 10.1029/2012JD017549 http://dx.doi.org/10.1029/2012JD017549 ] Methane retrievals from Greenhouse Gases Observing Satellite (GOSAT) shortwave infrared measurements: performance comparison of proxy and physics retrieval algorithms Schneising O , Buchwitz M , Burrows J P , Bovensmann H , Bergamaschi P and Peters W . 2009 . Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite - Part 2: methane . Atmospheric Chemistry and Physics , 9 ( 2 ): 443 - 465 [ DOI: 10.5194/acp-9-443-2009 http://dx.doi.org/10.5194/acp-9-443-2009 ] Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite - Part 2: methane Schneising O , Buchwitz M , Burrows J P , Bovensmann H , Reuter M , Notholt J , Macatangay R and Warneke T . 2008 . Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite – Part 1: carbon dioxide . Atmospheric Chemistry and Physics , 8 ( 14 ): 3827 - 3853 [ DOI: 10.5194/acp-8-3827-2008 http://dx.doi.org/10.5194/acp-8-3827-2008 ] Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite – Part 1: carbon dioxide Schuster G L , Dubovik O and Arola A . 2016 . Remote sensing of soot carbon – Part 1: distinguishing different absorbing aerosol species . Atmospheric Chemistry and Physics , 16 ( 3 ): 1565 - 1585 [ DOI: 10.5194/acp-16-1565-2016 http://dx.doi.org/10.5194/acp-16-1565-2016 ] Remote sensing of soot carbon – Part 1: distinguishing different absorbing aerosol species Shi G M , Li C C and Ren T . 2014 . Sensitivity analysis of single-angle polarization reflectance observed by satellite . Chinese Science Bulletin , 59 ( 14 ): 1519 - 1528 [ DOI: 10.1007/s11434-014-0213-x http://dx.doi.org/10.1007/s11434-014-0213-x ] Sensitivity analysis of single-angle polarization reflectance observed by satellite Shi H L , Li Z W , Ye H H , Luo H Y , Xiong W and Wang X H . 2021 . First level 1 product results of the greenhouse gas monitoring instrument on the GaoFen-5 satellite . IEEE Transactions on Geoscience and Remote Sensing , 59 ( 2 ): 899 - 914 [ DOI: 10.1109/TGRS.2020.2998729 http://dx.doi.org/10.1109/TGRS.2020.2998729 ] First level 1 product results of the greenhouse gas monitoring instrument on the GaoFen-5 satellite Sinyuk A , Holben B N , Eck T F , Giles D M , Slutsker I , Korkin S , Schafer J S , Smirnov A , Sorokin M and Lyapustin A . 2020 . The AERONET Version 3 aerosol retrieval algorithm, associated uncertainties and comparisons to Version 2 . Atmospheric Measurement Techniques , 13 ( 6 ): 3375 - 3411 [ DOI: 10.5194/amt-13-3375-2020 http://dx.doi.org/10.5194/amt-13-3375-2020 ] The AERONET Version 3 aerosol retrieval algorithm, associated uncertainties and comparisons to Version 2 Suto H , Kataoka F , Kikuchi N , Knuteson R O , Butz A , Haun M , Buijs H , Shiomi K , Imai H and Kuze A . 2021 . Thermal and near-infrared sensor for carbon observation Fourier transform spectrometer-2 (TANSO-FTS-2) on the Greenhouse gases Observing SATellite-2 (GOSAT-2) during its first year in orbit . Atmospheric Measurement Techniques , 14 ( 3 ): 2013 - 2039 [ DOI: 10.5194/amt-14-2013-2021 http://dx.doi.org/10.5194/amt-14-2013-2021 ] Thermal and near-infrared sensor for carbon observation Fourier transform spectrometer-2 (TANSO-FTS-2) on the Greenhouse gases Observing SATellite-2 (GOSAT-2) during its first year in orbit Tang F Y , Zhou H J , Wang W H , Yang T P and Si F Q . 2021 . Absorbing aerosol index inversion algorithm of TROPOMI and its application . Acta Optica Sinica , 41 ( 16 ): 1601001 Absorbing aerosol index inversion algorithm of TROPOMI and its application 汤付颖 , 周海金 , 王维和 , 杨太平 , 司福祺 . 2021 . TROPOMI吸收性气溶胶指数反演算法及其应用 . 光学学报 , 41 ( 16 ): 1601001 [ DOI: 10.3788/AOS202141.1601001 http://dx.doi.org/10.3788/AOS202141.1601001 ] TROPOMI吸收性气溶胶指数反演算法及其应用 Tanré D , Remer L A , Kaufman Y J , Mattoo S , Hobbs P V , Livingston J M , Russell P B and Smirnov A . 1999 . Retrieval of aerosol optical thickness and size distribution over ocean from the MODIS airborne simulator during TARFOX . Journal of Geophysical Research: Atmospheres , 104 ( D2 ): 2261 - 2278 [ DOI: 10.1029/1998jd200077 http://dx.doi.org/10.1029/1998jd200077 ] Retrieval of aerosol optical thickness and size distribution over ocean from the MODIS airborne simulator during TARFOX Taylor T E , O'Dell C W , Frankenberg C , Partain P T , Cronk H Q , Savtchenko A , Nelson R R , Rosenthal E J , Chang A Y , Fisher B , Osterman G B , Pollock R H , Crisp D , Eldering A and Gunson M R . 2016 . Orbiting Carbon Observatory-2 (OCO-2) cloud screening algorithms: validation against collocated MODIS and CALIOP data . Atmospheric Measurement Techniques , 9 ( 3 ): 973 - 989 [ DOI: 10.5194/amt-9-973-2016 http://dx.doi.org/10.5194/amt-9-973-2016 ] Orbiting Carbon Observatory-2 (OCO-2) cloud screening algorithms: validation against collocated MODIS and CALIOP data Wu H . 2019 . Influence of Cloud and Aerosol in Atmospheric CO 2 Inversion and its Correlation Method . Hefei : University of Science and Technology of China Influence of Cloud and Aerosol in Atmospheric CO2 Inversion and its Correlation Method 吴浩 . 2019 . 大气CO 2 反演中云和气溶胶的影响及其校正方法 . 合肥 : 中国科学技术大学 大气CO2反演中云和气溶胶的影响及其校正方法 Wu K Y , Hou W Z , Shi Z , Xu H and Wen Y N . 2021 . Research progress of aerosol remote sensing retrieval algorithm based on satellite multi-angle observation . Journal of Atmospheric and Environmental Optics , 16 ( 4 ): 283 - 298 Research progress of aerosol remote sensing retrieval algorithm based on satellite multi-angle observation 吴孔逸 , 侯伟真 , 史正 , 许华 , 温亚南 . 2021 . 基于卫星多角度观测的气溶胶遥感反演算法研究进展 . 大气与环境光学学报 , 16 ( 4 ): 283 - 298 [ DOI: 10.3969/j.issn.1673-6141.2021.04.001 http://dx.doi.org/10.3969/j.issn.1673-6141.2021.04.001 ] 基于卫星多角度观测的气溶胶遥感反演算法研究进展 Wu S C , Wang X H , Ye H H , Li C , An Y and Wang X D . 2021 . Atmospheric CO 2 cooperative inversion algorithm applied to GF-5 satellite . Acta Optica Sinica , 41 ( 15 ): 1501002 Atmospheric CO2 cooperative inversion algorithm applied to GF-5 satellite 吴时超 , 王先华 , 叶函函 , 李超 , 安源 , 王晓迪 . 2021 . 应用于GF-5卫星的大气CO 2 协同反演算法 . 光学学报 , 41 ( 15 ): 1501002 [ DOI: 10.3788/AOS202141.1501002 http://dx.doi.org/10.3788/AOS202141.1501002 ] 应用于GF-5卫星的大气CO2协同反演算法 Wunch D , Toon G C , Sherlock V , Deutscher N M , Liu C , Feist D G and Wennberg P O . 2015 . Documentation for the 2014 TCCON Data Release, CaltechDATA [ DOI: 10.14291/tccon.ggg2014.documentation.R0/1221662 http://dx.doi.org/10.14291/tccon.ggg2014.documentation.R0/1221662 ] Documentation for the 2014 TCCON Data Release, CaltechDATA Wunch D , Wennberg P O , Osterman G , Fisher B , Naylor B , Roehl C M , O'Dell C , Mandrake L , Viatte C , Kiel M , Griffith D W T , Deutscher N M , Velazco V A , Notholt J , Warneke T , Petri C , De Maziere M , Sha M K , Sussmann R , Rettinger M , Pollard D , Robinson J , Morino I , Uchino O , Hase F , Blumenstock T , Feist D G , Arnold S G , Strong K , Mendonca J , Kivi R , Heikkinen P , Iraci L , Podolske J , Hillyard P W , Kawakami S , Dubey M K , Parker H A , Sepulveda E , García O E , Te Y , Jeseck P , Gunson M R , Crisp D and Eldering A . 2017 . Comparisons of the Orbiting Carbon Observatory-2 (OCO-2) X CO 2 measurements with TCCON . Atmospheric Measurement Techniques , 10 ( 6 ): 2209 - 2238 [ DOI: 10.5194/amt-10-2209-2017 http://dx.doi.org/10.5194/amt-10-2209-2017 ] Comparisons of the Orbiting Carbon Observatory-2 (OCO-2) XCO2 measurements with TCCON Xie X D . 2020 . Study on the Interactions of Air Pollution, Vegetation and Carbon Dioxide in China . Nanjing : Nanjing University Study on the Interactions of Air Pollution, Vegetation and Carbon Dioxide in China 谢晓栋 . 2020 . 中国地区大气污染—植被—二氧化碳的相互影响研究 . 南京 : 南京大学 中国地区大气污染—植被—二氧化碳的相互影响研究 Xie Y S , Li Z Q , Hou W Z , Zhang Y , Qie L L , Li L , Li K T and Xu H . 2019 . Retrieval of fine-mode aerosol optical depth based on remote sensing measurements of Directional Polarimetric Camera onboard GF-5 satellite . Aerospace Shanghai , 36 ( S2 ): 219 - 226 Retrieval of fine-mode aerosol optical depth based on remote sensing measurements of Directional Polarimetric Camera onboard GF-5 satellite 谢一凇 , 李正强 , 侯伟真 , 张洋 , 伽丽丽 , 李莉 , 李凯涛 , 许华 . 2019 . 高分五号卫星多角度偏振成像仪细粒子气溶胶光学厚度遥感反演 . 上海航天 , 36 ( S2 ): 219 - 226 [ DOI: 10.19328/j.cnki.1006-1630.2019.S.033 http://dx.doi.org/10.19328/j.cnki.1006-1630.2019.S.033 ] 高分五号卫星多角度偏振成像仪细粒子气溶胶光学厚度遥感反演 Xie Y S , Li Z Q , Zhang X Y , Xu H , Li D H and Li K T . 2015 . A new ground-based differential absorption sunphotometer for measuring atmospheric columnar CO 2 and preliminary applications // Proceedings Volume 9678 , AOPC 2015: Telescope and Space Optical Instrumentation. Beijing: SPIE [ DOI: 10.1117/12.2199379 http://dx.doi.org/10.1117/12.2199379 ] A new ground-based differential absorption sunphotometer for measuring atmospheric columnar CO2 and preliminary applications Xiong W . 2019 . Greenhouse gases Monitoring Instrument(GMI) on GF-5 satellite (invited) . Infrared and Laser Engineering , 48 ( 3 ): 0303002 Greenhouse gases Monitoring Instrument(GMI) on GF-5 satellite (invited) 熊伟 . 2019 . “高分五号”卫星大气主要温室气体监测仪(特邀) . 红外与激光工程 , 48 ( 3 ): 0303002 [ DOI: 10.3788/IRLA201948.0303002 http://dx.doi.org/10.3788/IRLA201948.0303002 ] “高分五号”卫星大气主要温室气体监测仪(特邀) Yang D , Boesch H , Liu Y , Somkuti P , Cai Z , Chen X , Di Noia A , Lin C , Lu N , Lyu D , Parker R J , Tian L , Wang M , Webb A , Yao L , Yin Z , Zheng Y , Deutscher N M , Griffith D W T , Hase F , Kivi R , Morino I , Notholt J , Ohyama H , Pollard D F , Shiomi K , Sussmann R , Té Y , Velazco V A , Warneke T and Wunch D . 2020 . Toward high precision XCO 2 retrievals from TanSat observations: retrieval improvement and validation against TCCON measurements. Journal of Geophysical Research: Atmospheres, 125(22): e2020JD 032794 [ DOI: 10.1029/2020JD032794 http://dx.doi.org/10.1029/2020JD032794 ] Toward high precision XCO2 retrievals from TanSat observations: retrieval improvement and validation against TCCON measurements. Journal of Geophysical Research: Atmospheres, 125(22): e2020JD Ye H H , Wang X H , Wu S C , Li C , Li Z W , Shi H L and Xiong W . 2021 . Atmospheric CO 2 retrieval method for satellite observations of Greenhouse gases Monitoring Instrument on GF-5 . Journal of Atmospheric and Environmental Optics , 16 ( 3 ): 231 - 238 Atmospheric CO2 retrieval method for satellite observations of Greenhouse gases Monitoring Instrument on GF-5 叶函函 , 王先华 , 吴时超 , 李超 , 李志伟 , 施海亮 , 熊伟 . 2021 . 高分五号卫星GMI大气CO 2 反演方法 . 大气与环境光学学报 , 16 ( 3 ): 231 - 238 [ DOI: 10.3969/j.issn.1673-6141.2021.03.008 http://dx.doi.org/10.3969/j.issn.1673-6141.2021.03.008 ] 高分五号卫星GMI大气CO2反演方法 Zhang X Y , Meng X Y , Zhou M Q , Bai W G , Zhou L H , Hu Y M and Yu X . 2018 . Review of the validation of atmospheric CO 2 from satellite hyper spectral remote sensing . Climate Change Research , 14 ( 6 ): 602 - 612 Review of the validation of atmospheric CO2 from satellite hyper spectral remote sensing 张兴赢 , 孟晓阳 , 周敏强 , 白文广 , 周丽花 , 胡玥明 , 余骁 . 2018 . 卫星高光谱大气CO 2 探测精度验证研究进展 . 气候变化研究进展 , 14 ( 6 ): 602 - 612 [ DOI: 10.12006/j.issn.1673-1719.2018.070 http://dx.doi.org/10.12006/j.issn.1673-1719.2018.070 ] 卫星高光谱大气CO2探测精度验证研究进展 Zhang Y and Li Z Q . 2015 . Remote sensing of atmospheric fine particulate matter (PM 2.5 ) mass concentration near the ground from satellite observation . Remote Sensing of Environment , 160 : 252 - 262 [ DOI: 10.1016/j.rse.2015.02.005 http://dx.doi.org/10.1016/j.rse.2015.02.005 ] Remote sensing of atmospheric fine particulate matter (PM2.5) mass concentration near the ground from satellite observation Zhang Y , Li Z Q , Qie L L , Hou W Z , Liu Z H , Zhang Y , Xie Y S , Chen X F and Xu H . 2017 . Retrieval of aerosol optical depth using the empirical orthogonal functions (EOFs) based on PARASOL multi-angle intensity data . Remote Sensing , 9 ( 6 ): 578 [ DOI: 10.3390/rs9060578 http://dx.doi.org/10.3390/rs9060578 ] Retrieval of aerosol optical depth using the empirical orthogonal functions (EOFs) based on PARASOL multi-angle intensity data Zhao L . 2017 . Remote Retrieval of Atmospheric CO 2 and CH 4 using GOSAT . Changchun : Jilin University Remote Retrieval of Atmospheric CO2 and CH4 using GOSAT 赵靓 . 2017 . 基于GOSAT卫星的大气CO 2 和CH 4 遥感反演研究 . 长春 : 吉林大学 基于GOSAT卫星的大气CO2和CH4遥感反演研究 Zheng F X , Zhu J Y , Hou W Z and Li Z Q . 2021 . Effect analysis of using different polarization quantities in aerosol retrieval from satellite observation . Spectroscopy and Spectral Analysis , 41 ( 7 ): 2212 - 2218 Effect analysis of using different polarization quantities in aerosol retrieval from satellite observation 郑逢勋 , 朱家乙 , 侯伟真 , 李正强 . 2021 . 卫星遥感中不同偏振量对气溶胶反演的影响分析 . 光谱学与光谱分析 , 41 ( 7 ): 2212 - 2218 [ DOI: 10.3964/j.issn.1000-0593 http://dx.doi.org/10.3964/j.issn.1000-0593 (202107- 2212 - 07 ] 卫星遥感中不同偏振量对气溶胶反演的影响分析 Zweers D C S . 2018 . TROPOMI ATBD of the UV aerosol index [S5P-KNMI-L2-0008-RP] TROPOMI ATBD of the UV aerosol index [S5P-KNMI-L2-0008-RP] 10.11834/jrs.20221387 1007-4619（2022）05-0795-22 李正强，谢一凇，石玉胜，厉青，Cohen Jason，张羽中，韩颖慧，熊伟，刘毅.2022.大气环境卫星温室气体和气溶胶协同观测综述.遥感学报，26（5）： 795-816 李正强，谢一凇，石玉胜，厉青，Cohen Jason，张羽中，韩颖慧，熊伟，刘毅.2022.大气环境卫星温室气体和气溶胶协同观测综述.遥感学报，26（5）： 795-816 Li Z Q，Xie Y S，Shi Y S，Li Q， COHEN J.， Zhang Y Z， Han Y H， Xiong W and Liu Y. 2022. A review of collaborative remote sensing observation of greenhouse gases and aerosol with atmospheric environment satellites. National Remote Sensing Bulletin， 26（5）：795-816 Li Z Q，Xie Y S，Shi Y S，Li Q， COHEN J.， Zhang Y Z， Han Y H， Xiong W and Liu Y. 2022. A review of collaborative remote sensing observation of greenhouse gases and aerosol with atmospheric environment satellites. National Remote Sensing Bulletin， 26（5）：795-816 国家杰出青年科学基金（编号：41925019）；国家自然科学基金（编号：42175147）；海南省重点研发计划（编号：ZDYF2020206） Supported by The National Science Fund for Distinguished Young Scholars (No. 41925019); National Natural Science Foundation of China (No. 42175147) 2021-06-08 2022-05-07 2022-05-30 2022-01-29 遥感学报 5 26