Model and algorithm development for the retrieval of atmospheric aerosol properties from nadir mode measurements by the DOAS instrument SCIAMACHY onboard Envisat [Elektronische Ressource] / vorgelegt von Suniti Vinod Sanghavi

Model and algorithm development for theretrieval of atmospheric aerosol propertiesfrom nadir mode measurements by theDOAS instrument SCIAMACHY onboardEnvisatSuniti Vinod SanghaviINAUGURAL - DISSERTATIONzurErlangung der DoktorwurdederNaturwissenschaftlich-MathematischenGesamtfakult atderRuprecht-Karls-Universit atHeidelbergvorgelegt vonDiplom-Physikerin Suniti Vinod Sanghavigeboren in Mumbai, IndienTag der mundlic hen Prufung: 10. Dezember, 2008Model and algorithm development for theretrieval of atmospheric aerosol propertiesfrom nadir mode measurements by theDOAS instrument SCIAMACHY onboardEnvisatGutachter: Prof. Dr. Ulrich PlattDr. Jochen LandgrafKurzzusammenfassungDer Ein uss von Aerosolen auf den Strahlungshaushalt der Atmosp are ist mit grossen Un-sicherheiten verbunden und bedarf intensiver Forschung. In dieser Arbeit wurde ein Inver-sionsalgorithmus entwickelt, um aus Daten des SCIAMACHY-Spektrometers an Bord vonENVISAT Informationen ub er Aerosole abzuleiten. Der Algorithmus verwendet Spektren imBereich der O A- und B-Banden zur Bestimmung der optischen Dichte von Aerosolen (AOT),2des Angstr om Exponenten sowie der vertikalen H ohenverteilung. Modellieren gemessener Re- ektanzen ist sowohl fur die Bestimmung der Bodenalbedo als auch fur die Bestimmung derAerosoleigenschaften essentiell.
Publié le : jeudi 1 janvier 2009
Lecture(s) : 19
Source : ARCHIV.UB.UNI-HEIDELBERG.DE/VOLLTEXTSERVER/VOLLTEXTE/2009/9214/PDF/AERO_DISS_MAIN.PDF
Nombre de pages : 183
Voir plus Voir moins

Model and algorithm development for the
retrieval of atmospheric aerosol properties
from nadir mode measurements by the
DOAS instrument SCIAMACHY onboard
Envisat
Suniti Vinod SanghaviINAUGURAL - DISSERTATION
zur
Erlangung der Doktorwurde
der
Naturwissenschaftlich-Mathematischen
Gesamtfakult at
der
Ruprecht-Karls-Universit at
Heidelberg
vorgelegt von
Diplom-Physikerin Suniti Vinod Sanghavi
geboren in Mumbai, Indien
Tag der mundlic hen Prufung: 10. Dezember, 2008Model and algorithm development for the
retrieval of atmospheric aerosol properties
from nadir mode measurements by the
DOAS instrument SCIAMACHY onboard
Envisat
Gutachter: Prof. Dr. Ulrich Platt
Dr. Jochen LandgrafKurzzusammenfassung
Der Ein uss von Aerosolen auf den Strahlungshaushalt der Atmosp are ist mit grossen Un-
sicherheiten verbunden und bedarf intensiver Forschung. In dieser Arbeit wurde ein Inver-
sionsalgorithmus entwickelt, um aus Daten des SCIAMACHY-Spektrometers an Bord von
ENVISAT Informationen ub er Aerosole abzuleiten. Der Algorithmus verwendet Spektren im
Bereich der O A- und B-Banden zur Bestimmung der optischen Dichte von Aerosolen (AOT),2
des Angstr om Exponenten sowie der vertikalen H ohenverteilung. Modellieren gemessener Re-
ektanzen ist sowohl fur die Bestimmung der Bodenalbedo als auch fur die Bestimmung der
Aerosoleigenschaften essentiell. In dieser Arbeit wurde ’AeroRad’, ein 10-Strahl 1D plan-
paralleles Strahlungstransportmodell mit Verwendung von Gauss-Seidel Iterationen, entwick-
elt, um die vom Satelliten gemessene Strahlung zu simulieren. Ein neues Merkmal von
’AeroRad’ ist die symmetrische Ausrichung der 10-Strahl Geometrieangsl der Achse der ein-
fallenden Sonnenstrahlung. Dies erlaubt eine bessere Simulation der fur Aerosole typischen
preferentiellen Vorw artsstreuung. Sensitivit atsstudien wurden mit synthetischen Messungen
durchgefuhrt, wobei sich die Inversion als sehr robust erwies. Zur Behandlung instrumenteller
Probleme wie fehlerhafter radiometrischer oder Wellenl angen Kalibration wurden Korrektur-
faktoren in den Zustandsvektor der Inversion eingebaut, um diese Parameter simultan mit
den Aerosoleigenschaften fur das jeweilige Bodenpixel zu invertieren. Die Inversionsmeth-
ode wurde mit realen SCIAMACHY Daten ub er Kanpur (Indien) im Jahre 2003 getestet.
Ein Vergleich monatlicher Mittelwerte der invertierten AOT zeigt eine gute Ubereinstimmung
mit bodengebundenen Messungen des AERONET Netzwerkes. Ein fur die Region typischer
Anstieg der AOT von April bis Juni wurde beobachtet und kann mit vermehrtem Auftreten von
Wustenstaub erkl art werden. Obwohl die Bestimmung globaler Verteilungen von Aerosoleigen-
schaften mit der hier entwickelten Inversionsmethode zumindest fu SCIAMACHY aufgrund
mehrerer Faktoren noch unrealistisch scheint, so wurde gezeigt, dass eine Inversion mehrerer
Aerosolparameter prinzipiell m oglich ist wenn Informationen aus mehreren Spektralbereichen
kombiniert werden.
Short summary
The impact of aerosols on the earth’s radiation budget is subject to large uncertainties and
warrants further investigation. In this work, an inversion procedure has been developed for the
full retrieval of aerosol optical thickness (AOT), Angstr om exponent and the vertical pro le
of the aerosol concentration over a ground pixel from multispectral measurements made by
the DOAS instrument SCIAMACHY onboard Envisat. The algorithm makes use of moder-
ate resolution spectra of the strong O A and B bands. Forward modeling of the measured2
re ectances is essential for both albedo determination and aerosol retrieval. ’AeroRad’, a
10-stream 1D plane parallel radiative transfer model using Gauss-Seidel iterations has been
developed for the simulation of re ectances observed by a nadir pointing satellite instrument.
A novel feature of AeroRad is the symmetric alignment of its streams around the direction of
incident direct solar radiation, allowing for better simulation of strong forward peaks typical
of aerosols. Sensitivity studies have been carried out using synthetic measurements, wherein
the retrieval method has proved to be fairly robust. Instrumental issues such as wavelength
and radiometric calibration errors are dealt with by incorporating respective correction factors
into our state vector, retrieving them simultaneously with the aerosol properties. The inver-sion is tested with real SCIAMACHY data for measurements over Kanpur, India during the
year 2003. Comparing mean monthly AOT’s, a good agreement between our retrievals and
AERONET measurements is obtained. A typical increase in AOT from April to June could be
observed and can be associated with desert dust. Even though a smoothly functioning global
coverage of aerosols using the full retrieval procedure may not yet be realistic, it is shown that
an inversion of multiple aerosol parameters is, in principle, possible by combining information
from di erent spectral regions.Contents
1 Aerosols 2
1.1 What are aerosols? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Mechanisms for the formation of aerosols . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Nucleation, condensation and coagulation . . . . . . . . . . . . . . . . . 5
1.3 Size distribution of aerosols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Removal mechanisms and atmospheric lifetimes of aerosols . . . . . . . . . . . . 8
1.5 Vertical distribution of aerosols . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Impact of aerosols on the climate . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.7 Types of aerosols and their sources . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.1 Soil dust . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.2 Sea salt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7.3 Industrial dust, primary anthropogenic aerosols . . . . . . . . . . . . . . 14
1.7.4 Carbonaceous aerosols (organic, black carbon, and biogenic SOAs) . . . 14
1.7.5 Primary biogenic aerosols . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7.6 Sulphates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.7.7 Nitrates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.7.8 Volcanoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8 Global monitoring of aerosols . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.9 Satellite based remote sensing of aerosols . . . . . . . . . . . . . . . . . . . . . 21
1.9.1 Moderate Resolution Imaging Spectroradiometer (MODIS) . . . . . . . 21
1.9.2 Multi-angle Imaging SpectroRadiometer (MISR) . . . . . . . . . . . . . 22
1.9.3 POLarization and Directionality of the Earth’s Re ectances (POLDER) 22
iii CONTENTS
1.10 The SCanning Imaging Absorption SpectroMeter for Atmospheric CHartogra-
phY (SCIAMACHY) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.10.1 Operational aerosol products hitherto available from SCIA-
MACHY/GOME data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.11 Retrieval of aerosols from SCIAMACHY data: advantages and disadvantages . 26
1.11.1 Advantages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.11.2 Disadvantages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2 Modeling 28
2.1 Basic principle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2 Equation of radiative transfer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Single-scattering radiation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4 Multiple-scattering radiation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5 Model comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5.1 I=I vs. SZA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
2.5.2 I=I vs. LZA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430
2.5.3 I=I vs. albedo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 440
2.5.4 I=I spectra in regions of strong absorption . . . . . . . . . . . . . . . . 460
2.6 Representation of aerosols in AeroRad . . . . . . . . . . . . . . . . . . . . . . . 48
2.6.1 Aerosol phase function . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.7 In uence of aerosols on radiative transfer . . . . . . . . . . . . . . . . . . . . . 55
2.7.1 Dependence of single and multiple-scattering re ectivity on aerosol type 55
2.7.2 Dependence of single and m re ectivity on aerosol loading 56
3 Determination of the lambertian albedo 67
3.1 Re ectances above a given ground pixel . . . . . . . . . . . . . . . . . . . . . . 68
3.2 Uncertainties of clear-sky identi cation . . . . . . . . . . . . . . . . . . . . . . . 74
3.3 Bidirectional re ectance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.4 Calculation of ground albedo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.5 Accuracy of albedo determination . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.6 Error in albedo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7 Albedo measurements from SCIAMACHY . . . . . . . . . . . . . . . . . . . . . 98
3.7.1 Multispectral method for the identi cation of a clear-sky scenario . . . . 98

Soyez le premier à déposer un commentaire !

17/1000 caractères maximum.