2014, 25 (1): 42-51
2. 美国威斯康辛大学，威斯康辛州 53706
2. University of Wisconsin-Madison, Madison WI, USA, 53706
大气气溶胶是指由大气和悬浮于其中的固体和液体颗粒组成的分散体系，通常所说的大气气溶胶则指其中的固体和液体微粒。大气中气溶胶的存在影响到了许多大气物理过程，特别是影响到天气气候变化。King等[1]研究表明，气溶胶通过直接辐射强迫和间接辐射强迫对气候有重要影响。根据Solomon等[2]的IPCC第4次报告，气溶胶的存在使得大气层顶总辐射强迫减少了0.1 W·m-2到0.9 W·m-2，而此其引起的间接辐射强迫为-0.3 W·m-2到-1.8 W·m-2，即气溶胶引起的辐射强迫不确定性达100%，造成这种不确定性的原因就是对气溶胶的特性了解不够，为了减小对气溶胶辐射强迫评估的不确定性，需要更加精确地掌握气溶胶时空分布特性。
近年来，利用卫星资料反演气溶胶光学厚度 (AOD)[3-5]以及利用地基仪器观测气溶胶的光学特性[6]是两种非常先进的研究手段。美国宇航局 (NASA) 为了获得气溶胶的光学特性在全球建立了气溶胶观测网 (AERsol Robotic NETwork，AERONET)，由分布在全世界的100多个站点组成，其使用的地面太阳光度计能对气溶胶光学厚度等进行连续观测，时间分辨率高，但由于站点稀疏，沙漠及海洋上缺少站点，因此空间覆盖面有很大局限性。为了得到空间覆盖面更广的气溶胶产品，卫星遥感被广泛应用。目前比较成熟的卫星遥感气溶胶光学厚度业务产品由搭载在极轨卫星Terra和Aqua上的MODIS提供，但运行时间较短，仅10年左右。而搭载在NOAA卫星上的AVHRR以其能够提供更长时间 (从1981年开始) 的卫星资料在气候变化研究中占有十分重要的地位[7]。现有的AVHRR的气溶胶业务产品只对海上的气溶胶光学厚度进行反演[8]，虽然国内外不少学者也在进行AVHRR陆地气溶胶反演的研究[9-10]，但大多仅对单站进行研究，并未给出区域分布结果。本文研究了AVHRR陆地气溶胶光学厚度反演算法，为获取中国区域AVHRR长时间序列的陆地气溶胶光学厚度产品开发提供参考，进而为气溶胶的辐射强迫研究提供重要依据[11-12]。
1 仪器及数据简介搭载在NOAA18卫星上的AVHRR/3各通道的波长范围如表 1所示，其中可见光通道的中心波长分别为0.63 μm和0.83 μm。由于缺乏2.1 μm的近红外通道，因此成熟的MODIS陆地气溶胶反演算法[4]在此并不适用。
|
表 1 AVHRR/3通道范围 Table 1 The band ranges of AVHRR/3 |
本文采用的AVHRR数据为美国威斯康辛大学空间科学与工程中心 (SSEC) 和气象卫星研究所 (CIMSS) 提供的Patmos-x数据集，数据水平分辨率为0.1°×0.1°，空间覆盖范围为15°~45°N, 75°~135°E，时间为2009年全年。包含经度、纬度、扫描时间、太阳天顶角、卫星天顶角、相对方位角、海陆边界、地表类型、海陆模板、冰雪分类、地表高程、通道0.65 μm, 0.86 μm, 1.6 μm, 3.75 μm的表观反射率、通道3.75 μm, 11 μm, 12 μm的亮温、云掩膜等云产品以及大气水汽总量等物理量。
2 反演理论基础及敏感性试验 2.1 理论基础根据Kaufman等的研究[5]，卫星接收到的可见光波段的信号经过定标以后，可以得到表观反射率Rsat, 由下式表示：
|
(1) |
式 (1) 中，τ0为整层大气的光学厚度，μ0和φ0为入射光天顶角的余弦和方位角，μ和φ为卫星天顶角的余弦和方位角，Lsat(τ0; μ, φ; μ0, φ0) 为卫星接收到的辐射，F0为大气上界太阳辐射通量密度。
如果假设下垫面是反射率为Rsurf的均匀朗伯体，则Rsat可表示为
|
(2) |
式 (2) 中，Ratm为整层大气单次散射近似的反射率 (或路径辐射)，Tatm(μ0) 和Tatm(μ) 分别表示从太阳到地面以及从地面到卫星的大气层总的透过率，Rsurf为地表反射率，Sλ代表大气后向散射比，1/(1-RsurfSλ) 代表大气层多次散射作用。
由式 (2) 可知，卫星观测到的表观反射率Rsat既是气溶胶光学厚度的函数，又是地表反射率的函数。在具备了卫星表观反射率的观测条件下，如果已知地表反射率Rsurf，且假定一定的气溶胶模型，则可以得到气溶胶光学厚度；反之，如果已知气溶胶光学厚度和相应的大气参数，也可以反演得到地表反射率。
2.2 敏感性试验 2.2.1 地表反射率根据辐射传输理论基础可知，卫星接收到的表观反射率既与气溶胶的光学特性参数 (包含光学厚度、组分等) 有关，又与地表反射率有关。图 1a是利用Vermote的辐射传输模式6S[13]，在已知太阳天顶角、卫星天顶角、方位角之差以及假设气溶胶模型为大陆型气溶胶的情况下，以太阳天顶角为24°，卫星天顶角为24°，方位角之差为60°，气溶胶单散射反照率为0.89为例，计算卫星0.66 μm通道接收到的反射率即表观反射率随气溶胶光学厚度和地表反射率的变化情况。由于目前常用的卫星反演气溶胶产品是0.55 μm气溶胶光学厚度 (AOD)，因此本文反演的均为波长0.55 μm处的 (AOD)。
|
|
| 图 1. 不同地表反射率 (a) 和不同气溶胶类型 (b) 情况下，表观反射率随气溶胶光学厚度的变化 Fig 1. Apparent reflectance changes with the AOD under the conditions of diversity of albedo (a) and diversity of single scattering albedo (b) | |
由图 1a及式 (3) 可知，在气溶胶类型确定的情况下，卫星接收到的表观反射率与地表反射率及气溶胶光学厚度有关，卫星探测对地面反射率非常敏感，卫星探测的表观反射率Rsat与气溶胶光学厚度τ之间基本呈线性关系，地表反射率Rsurf对应着不同的斜率。由图 1a可以看到，当0.66 μm通道地表反射率大于0.18时，表观反射率随AOD的增大而减小，亮地表情况下地表贡献远大于气溶胶的贡献，进而导致AOD反演误差较大，而对于地表反射率小于0.18的暗背景情况，表观反射率对气溶胶的贡献较敏感，因此当地表反射率小于0.18时才进行AOD反演。根据式 (5) 可估计地表反射率对AOD反演带来的误差。在角度信息给定情况下，若地表反射率估计值比实际偏大5%，则反演得到的AOD的相对误差绝对值如图 2所示。
|
(3) |
|
|
| 图 2. 地表反射率对反演算法的相对误差 Fig 2. Relative error on this aerosol retrieving algorithm of albedo | |
|
(4) |
|
(5) |
由图 2可以看出，对于暗地表，若地表反射率被高估，AOD则被低估，所以图 2中反演的AOD的相对误差为负。另外，地表反射率越大，实际的AOD越小，反演的AOD相对误差绝对值则越大。这是因为在地表反射率小于0.18的暗背景条件下，随着地表反射率的增大，表观反射率对AOD越不敏感，所以地表反射率越大，反演的AOD相对误差也越大，对应图 1a及式 (5) 可知地表反射率越大，则
同理，在地表反射率确定的情况下，卫星接收到的表观反射率与气溶胶光学厚度以及气溶胶类型有关，在此用单散射反照率ω的差异代表气溶胶类型的差异：
|
(6) |
|
(7) |
|
(8) |
为了更加直观地了解单散射反照率ω对AOD反演结果的影响，文中利用辐射传输模式6S进行了敏感性试验，以太阳天顶角为24°，卫星天顶角为24°，方位角之差为60°，地表反射率为0.06为例，得到卫星接收到的表观反射率如图 1b所示，ω的变化范围为0.818~0.923，由图 1b可知，若ω设定偏低，将会导致AOD估算偏高。通过式 (8) 还可估算ω给AOD反演带来的误差。气溶胶类型的选定对于AOD的反演精度影响很大，因此加强对单散射反射率等参数的地面遥感观测对于AOD反演精度的提高有重要意义。
2.2.3 卫星观测角度由于缺少用于陆地气溶胶反演的2.1 μm通道，背景合成确定地表反射率的算法在静止卫星的AOD反演中被广泛采用[14-15]。但AVHRR搭载在极轨卫星上，与静止卫星相比，所选时间窗口内观测角度差别较大，10 d内变化可以从0°到60°，而实际地表为非朗伯体，背景合成将得到的是所选时间窗口内所有观测角度下地表反射率的最小值，这会使得对地表反射率的估计偏小，因此卫星观测角度的变化的考虑也是背景合成算法的难点所在。利用辐射传输模式6S进行卫星观测角度的敏感性试验，选择太阳高度角为24°，相对方位角之差为60°，AOD为0.5时，不同卫星观测角条件下，表观反射率随地表反射率的变化可得到如图 3所示的结果。由图 3可知，在同样的大气状况下，表观反射率相同时，卫星观测角不同将导致对应的地表反射率有较大差别，如表观反射率为0.1时，卫星天顶角为24°，对应地表反射率为0.0498；而卫星天顶角为60°，对应地表反射率为0.0728，差距达50%。为了减小卫星观测角度对地表反射率选择的影响，背景合成法将选择所选时间窗口内卫星观测角度与当日卫星观测角之差小于10°的地表反射率次小值为当日地表反射率的真实值 (最小值有可能是云污染造成的)。
|
|
| 图 3. 不同卫星观测角条件下表观反射率随地表反射率的变化 Fig 3. Apparent reflectance changes with the albedo in diversity of view zenith angle | |
3 AVHRR反演陆地气溶胶光学厚度算法
由于AVHRR缺少用于陆地气溶胶反演的2.1 μm近红外通道，因此地表反射率的确定十分困难，这里采用背景合成方式确定地表反射率, 进而反演陆地的气溶胶光学厚度。反演流程如图 4所示。
|
|
| 图 4. 利用AVHRR反演陆地气溶胶光学厚度流程 Fig 4. Flowchart of retrieving aerosol optical depth from AVHRR over land | |
3.1 利用辐射传输模式6S建立查算表
卫星接收到的表观反射率与地表反射率以及气溶胶光学特性的关系如式 (2) 所示，在实际的反演过程中，由辐射传输模式来计算大气中的辐射传输过程。通常先确定相应的大气参数，然后根据不同的太阳天顶角、方位角和卫星的天顶角、方位角，不同的气溶胶光学厚度以及地表反射率，由辐射传输模式计算得到不同条件下卫星接收到的辐射值，制作一个查算表 (look up table，LUT)。在太阳以及卫星的角度已知情况下，若已知AOD值则可查出地表反射率的值，反之，若知道地表反射率的值则可查出AOD的值，在本文的算法中，这两种查找方式都将被用到。
3.2 确定地表反射率由表 1所示的AVHRR通道范围可知，AVHRR不具有类似MODIS的2.1 μm的近红外通道，因而MODIS利用0.47 μm和0.66 μm通道地表反射率与2.1 μm的地表反射率之间存在线性关系，来确定地表反射率，进而反演AOD的暗背景法无法应用于AVHRR数据。本文采用背景合成地表反射率的方式来进行反演，首先假设每个观测点在某个时间段内 (本文中为45 d) 地表反射率变化不大，且至少有两天天气非常晴朗，气溶胶光学厚度很小 (选择MODIS AOD全年最低值为背景光学厚度)，然后根据大陆型气溶胶模型，通过查算表估算得到地表反射率。每个像元点每日均有1个表观反射率的观测值，在给定的背景AOD时通过查算表得到一个假地表反射率的值，将每个像元点的假地表反射率组成一个时间序列，在地表反射率小于0.18的暗背景条件下，从该时间序列中挑选出次小值 (最小值有可能是由于云阴影造成)，得到的即为该像元点地表反射率。
3.3 反演气溶胶光学厚度获取地表反射率之后，通过辐射传输模式计算的查算表进行查算可得到每个像元点各个时刻AOD值，利用地表类型分类产品将冰雪和裸地等亮地表去除，再将每月的AOD值平均可得到如图 5所示的平均AOD的月变化图像，其中陆上的空白处为亮地表不进行反演。
|
|
| 图 5. 2009年中国部分区域AVHRR气溶胶光学厚度的月平均值 Fig 5. The monthly mean of aerosol optical depth from AVHRR over part of China in 2009 | |
由图 5可知，我国东部地区AOD值比西部大，且在华北、长江中下游以及珠江三角洲等低海拔地区均有明显的高值区，这与李成才等[16-17]利用极轨卫星多通道光谱成像仪得到的结果相一致。因为我国东部地区人口稠密，工业比较发达，人为排放源较多；对于华北平原、长江中下游平原、珠江三角洲等低海拔地区，周围海拔较高，不利于气溶胶的输送及扩散，AOD值较大。
另外，由图 5还可知，在西藏和西北等部分区域AOD出现了异常高值区，由敏感性试验分析可以看出，由于这些地表为亮地表导致了反演误差较大，这在MODIS的AOD反演业务算法中，可通过近红外通道的阈值判断对亮地表区域进行控制，而由于AVHRR缺少近红外通道信息，因此未将西藏与西北部分区域的亮地表全部剔除。
4 气溶胶光学厚度反演结果的验证 4.1 与AERONET观测的AOD对比地基太阳光度计观测是目前气溶胶光学厚度探测最精确的手段[18-19]，因此本文将AVHRR反演的AOD与AERONET站点观测AOD进行比较 (在长江三角洲地区仅太湖站有2009年全年资料，其余两个AERONET站点位于华北地区)，首先需将地基观测和卫星遥感进行时空匹配，时间上将卫星过境前后半小时内地基观测的平均值作为卫星观测时刻的AOD值，空间上以地基观测点为中心将经向、纬向相距10 km以内的点做平均，作为该地面观测站点的卫星遥感结果，得到如图 6所示结果 (R表示相关系数，N表示样本量)。由图 6可知，3个站点 (北京站位置：39.977°N, 116.381°E; 香河站位置：39.754°N, 116.962°E; 太湖站位置：31.421°N, 120.215°E) AOD的相关系数都超过0.6，其中北京站相关系数近0.7，均达到0.05显著性水平，但是同样可看到AVHRR的反演结果明显偏高。观测角度的变化、地表反射率的确定、背景光学厚度值的假设以及气溶胶类型均会对反演带来一定误差。
|
|
| 图 6. AERONET观测AOD与AVHRR AOD产品对比 Fig 6. Scatterplot between the AOD of AVHRR and AERONET | |
4.2 与MODIS AOD产品对比
目前搭载在极轨卫星Terra和Auqa上的中分辨率成像光谱仪MODIS AOD产品是公认的比较准确的卫星遥感产品[20-21]。由于NOAA18卫星每日13：30(北京时) 左右过境，因此这里使用了NASA发布的Auqa/MODIS AOD产品 (Collection 5)。将AVHRR AOD产品与MODIS AOD产品进行比较，由于传感器的空间分辨率不同，因此首先需进行空间匹配，空间匹配窗口为0.1°。以长江三角洲地区 (28°~36°N, 112°~122°E) 为例，将每日的AVHRR AOD及MODIS AOD产品进行日平均，可得到如图 7所示的散点图。由图 7可知，AVHRR AOD与MODIS AOD产品的相关性较高，但与MODIS AOD值相比AVHRR AOD值偏大。与其他3个季节相比，夏季的相关系数较差，这可能是由于夏季云较多且AOD值较大，在所选时间窗口内一定存在晴空且清洁大气的假设不一定能得到满足，因此地表反射率反演误差较大，进而导致AOD存在反演误差。
|
|
| 图 7. 长江三角洲地区AVHRR AOD产品与MODIS AOD产品日平均值对比 Fig 7. Scatterplot between the AOD daily mean of AVHRR and MODIS in the Yangtze Delta | |
长江三角洲地区不同AOD产品年变化规律如图 8所示。由图 8可知，与MODIS AOD产品相比本文的反演结果虽然整体偏大，但变化趋势一致，这对AVHRR陆地气溶胶光学厚度长时间数据集的建立具有重要意义。造成这种整体偏大的最主要原因是相邻日卫星观测角度不同，由于地表是非朗伯体，因此背景合成得到的是所有角度下地表反射率的最小值，因此会使得对地表反射率的估计偏小，进而导致反演得到AOD值偏大。另外，NOAA/AVHRR和Aqua/MODIS的过境时间也有差异，所以两者的AOD值也有一定差异。
|
|
| 图 8. 长江三角洲地区AVHRR AOD及MODIS AOD产品年变化 Fig 8. The annual variation of AOD from AVHRR and MODIS in the Yangtze Delta | |
4.3 反演误差分析
虽然AVHRR AOD和MODIS AOD产品时间变化趋势一致性较好，但是AVHRR AOD值明显偏大，造成误差的原因如下：
① 观测角度变化的影响。同一像元点相邻两日卫星观测角度不同，由于地表是非朗伯体，因此背景合成得到是相近角度 (差别在10°以内) 下地表反射率的最小值，因此会使得对地表反射率的估计偏小，进而导致反演得到AOD值偏大。尽管在挑选地表反射率最小值时已经考虑卫星天顶角的变化，但为了能够满足所选时间窗口内晴空且清洁大气，仍然只能选择相近观测角度，这也会对地表反射率的确定带来误差。
② 地表反射率的确定。本文选取45 d内清洁大气时表观反射率反演得到的地表反射率代表整月中该时刻的地表反射率，由于地表反射率以及气溶胶特性是变化的，导致了这种确定方式有很大误差。
③ 气溶胶类型。气溶胶模型的选择是所有卫星遥感气溶胶均会遇到的难题，因为不同地点气溶胶模型的差异也会给反演带来误差。若单散射反照率设定偏低将会导致反演结果偏高。通过加强对单散射反照率等参数的地面遥感观测，按气溶胶类型分别制作查算表，将会得到更为合理的遥感结果。
④ 背景气溶胶光学厚度。背景气溶胶的给定将直接影响地表反射率的确定，在背景气溶胶值给定偏高时，会导致合成的地表反射率偏低，进而造成气溶胶反演结果偏高。
5 小结本文介绍了用于反演AVHRR陆地气溶胶光学厚度的背景合成算法，并利用2009年NOAA18/AVHRR数据得到了中国部分区域气溶胶光学厚度产品，将反演产品进行验证，得到如下结论：
1) 2009年中国部分区域AVHRR AOD产品的空间分布结果与同期Aqua/MODIS的MOD04 AOD产品对比，华北和华东地区的反演效果较好，西北地区反演结果较差。
2) 区域AVHRR AOD产品日平均值与MODIS AOD产品对比，春、秋、冬季的相关系数均在0.6以上，对于夏季，有云日数较多且AOD较高，所选时间窗口内晴空且清洁大气的假设不一定能得到满足，对于春、秋植被快速变化的季节，地表状况变化较快，45 d内地表反射率变化不大的假设条件不一定满足，这些均会导致AVHRR AOD与MODIS的AOD相关性较差。
3) AVHRR AOD产品与AERONET观测的AOD在北京站、香河站、太湖站相关系数达0.6以上。
4) 从AVHRR AOD产品与MODIS AOD产品的年变化趋势来看，两者获得了较为一致的年变化规律，说明AVHRR的反演结果能够很好地反映气溶胶的时间变化规律。
5) 由于西藏和西北部分区域为亮地表，反演误差较大，反演结果不可信。
从上述结论可以看出，利用背景合成的算法进行AVHRR陆地气溶胶光学厚度的反演具有可行性，这也为建立长时间序列AVHRR气溶胶光学厚度的数据集提供了一个较为可行的方法。在今后的工作中，将进一步消除观测角度变化的影响，通过地基观测获取更准确的气溶胶模型，并将此背景合成算法应用于30年的AVHRR资料，以获取中国区域气溶胶光学厚度长时间序列的变化趋势。
致谢 本研究使用了美国威斯康辛大学提供的AVHRR数据、美国国家宇航局NASA提供的MODIS数据及我国北京、香河、太湖AERONET站点的观测数据，作者在此对上述机构和维护AERONET站点的中国科学院大气物理研究所王普才研究员、陈洪滨研究员及中国科学院南京地理与湖泊研究所马荣华教授表示衷心感谢！| [1] | King M D, Kaufman Y J, T annre D, et al. Remote sensing of tropospheric aerosols from space:Past, present and future. Bull Amer Meter Soc, 1999, 80, (11): 2229–2259. |
| [2] | Solomon S, Qin D, Manning M, et al. IPCC Climate Change 2007:The Physics Science Basis. Cambridge: Cambridge University Press, 2007. |
| [3] | Chu D A, Kaufman Y J, Zibordi G, et al. Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS). J Geophys Res, 2003, 108, (D21): 4661. |
| [4] | Kaufman Y J, Tanre D, Remer L A, et al. Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer. J Geophys Res, 1997, 102, (D14): 17051–17067. DOI:10.1029/96JD03988 |
| [5] | Kaufman Y J, Tanré D, Gordon H R, et al. Passive remote sensing of tropospheric aerosol and atmospheric correction for the aerosol effect. J Geophys Res, 1997, 102, (D14): 16815–16830. DOI:10.1029/97JD01496 |
| [6] | Ichoku C, Levy R, Kaufman Y J, et al. Analysis of the performance characteristics of the five channel Microtops Ⅱ Sun photometer for measuring aerosol optical thickness and precipitable water vapor. J Geophys Res, 2002, 107, (D13): 4179. DOI:10.1029/2001JD001302 |
| [7] | 刘健, 许健民. 利用NOAA卫星AVHRR资料分析云的性质. 应用气象学报, 1998, 9, (4): 449–455. |
| [8] | Mishchenko M I, Geogdzhayev I V, Cairns B, et al. Aerosol retrievals over the ocean by use of channels 1 and 2 AVHRR data:Sensitivity analysis and preliminary results. Applied Optics, 1999, 38, (36): 7325–7341. DOI:10.1364/AO.38.007325 |
| [9] | Roger J C, Vermote E F. A method to retrieve the reflectivity signature at 3.75 μm from AVHRR data. Remote Sensing of Environment, 1998, 64, (1): 103–114. DOI:10.1016/S0034-4257(97)00173-9 |
| [10] | Hauser A, Oesch D, Foppa N, et al. NOAA AVHRR derived aerosol optical depth over land. J Geophys Res, 2005, 110: D08204. DOI:10.1029/2004JD005439 |
| [11] | 郑有飞, 关福来, 蔡子颖, 等. 我国南方中东部地区地面太阳总辐射变化规律. 应用气象学报, 2011, 22, (3): 312–320. DOI:10.11898/1001-7313.20110307 |
| [12] | 杨明, 李维亮, 刘煜, 等. 近50年我国西部地区气象要素的变化特征. 应用气象学报, 2010, 21, (2): 198–205. DOI:10.11898/1001-7313.20100209 |
| [13] | Vermote E, Tanre D, Deuze J L, et al.6S User Guide Version 2, NASA Godard Space Flight Cent, Greenbelt, MD, 1997. |
| [14] | Prados A I, Kondragunta S, Pubu Ciren, et al. GOES aerosol/smoke product (GASP) over North America:Comparisons to AERONET and MODIS observations. J Geophys Res, 2007: D15201. DOI:10.1029/2006JD007968 |
| [15] | 高玲, 任通, 李成才, 等. 利用静止卫星MTSAT反演大气气溶胶光学厚度. 气象学报, 2012, 70, (3): 598–608. DOI:10.11676/qxxb2012.049 |
| [16] | 李成才, 毛节泰, 刘启汉, 等. 利用MODIS遥感大气气溶胶以及气溶胶产品的应用. 北京大学学报:自然科学版, 2003, 39, (增刊): 108–117. |
| [17] | 李成才, 刘启汉. 用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征. 应用气象学报, 2003, 14, (1): 1–7. |
| [18] | Holben B N, Eck T F, Tanre D, et al. AERONET—A federated instrument network and data achive for aerosol characterization. Rem Sen Envion, 1998, 66: 1–16. DOI:10.1016/S0034-4257(98)00031-5 |
| [19] | Holben B N, Tanre D, Smirnov A, et al. An emerging groud-based aerosol climatology:Aerosol optical depth from AERONET. J Geophys Res, 2001, 106, (11): 12067–12097. |
| [20] | Chu D A, Kaufman Y J, Ichoku C, et al. Validation of MODIS aerosol optical depth retrieval over land. Geophys Res Lett, 2002, 29, (12): 8007. DOI:10.1029/2001GL013205 |
| [21] | 李晓静, 张鹏, 张兴赢, 等. 中国区域MODIS陆上气溶胶光学厚度产品检验. 应用气象学报, 2009, 20, (2): 147–156. DOI:10.11898/1001-7313.20090203 |