地球科学进展

地球科学进展 ›› 2025, Vol. 40 ›› Issue (11): 1097 -1111. doi: 10.11867/j.issn.1001-8166.2025.098

综述与评述 上一篇    下一篇

红外高光谱被动遥感气溶胶研究现状及进展
胡帅1,2(), 赵嘉琦1,2(), 刘磊1,2, 党蕊君1, 肖瑶1,2, 何钰龙1,2   
  1. 1.国防科技大学 气象海洋学院，湖南 长沙 410073
    2.中国气象局高影响天气（专项） 重点开放实验室，湖南 长沙 410073
  • 收稿日期:2025-08-27 修回日期:2025-10-21 出版日期:2025-11-10
  • 通讯作者: 赵嘉琦 E-mail:hushuai2012@nudt.edu.cn;zhaojiaqi17@nudt.edu.cn
  • 基金资助:
    国家自然科学基金项目(42175154);湖南省杰出青年基金项目(2024JJ2058)

Current Status and Progress of the Infrared Hyperspectral Passive Remote Sensing of Atmospheric Aerosol

Shuai HU1,2(), Jiaqi ZHAO1,2(), Lei LIU1,2, Ruijun DANG1, Yao XIAO1,2, Yulong HE1,2   

  1. 1.School of Meteorology and Oceanography, National University of Defense Technology, Changsha 410073, China
    2.Key Laboratory of High Impact Weather (special), China Meteorological Administration, Changsha 410073, China
  • Received:2025-08-27 Revised:2025-10-21 Online:2025-11-10 Published:2025-12-31
  • Contact: Jiaqi ZHAO E-mail:hushuai2012@nudt.edu.cn;zhaojiaqi17@nudt.edu.cn
  • About author:HU Shuai, research areas include atmospheric radiation and remote sensing. E-mail: hushuai2012@nudt.edu.cn
  • Supported by:
    the National Natural Science Foundation of China(42175154);The Science Foundation of Hunan Province(2024JJ2058)
全文 ( 18 ) 下载PDF ( 45 )

气溶胶是影响地气系统能量收支及大气环境变化的关键因子之一，其光学参数的高精度反演一直是大气环境遥感领域的研究热点之一。气溶胶光学被动遥感主要利用其在可见光/近红外波段的散射效应，但该方式大多需要借助太阳散射辐射作为辐射源，在夜间和高纬度冬季（极夜）无法适用。红外高光谱遥感技术可解析气溶胶独特的光谱吸收与散射指纹特征，也是实现气溶胶遥感的手段之一，为传统可见光/近红外反演遥感提供了有力补充。系统阐述了红外高光谱反演气溶胶微物理参数的基本原理，重点对物理机理与探测仪器、辐射传输模型和反演算法等方面的关键技术进行综述。尤其是对已有红外高光谱辐射计的关键参数、红外高光谱正向辐射传输模型的特点以及不同类型反演方法的优缺点进行了探讨分析。基于此，进一步展望了未来研究的发展方向，提出应重点发展高精度、高效率的辐射传输正演模型，深度挖掘红外高光谱数据中的丰富信息以改进反演算法，并积极发展多平台协同探测技术。

关键词: 红外高光谱, 气溶胶, 被动反演, 遥感机理, 红外辐射传输

Aerosols are key factors influencing the energy balance of the Earth-atmosphere system and atmospheric environmental changes. High-precision inversion of their optical parameters has long been a topic of interest in atmospheric environmental remote sensing. Passive remote sensing of aerosol optics primarily utilizes their scattering effects in the visible/near-infrared wavelength bands. However, this approach typically relies on solar scattered radiation as the radiation source, rendering it inapplicable at night and during high-latitude winters (polar nights). Infrared hyperspectral remote sensing technology can resolve the unique spectral absorption and scattering fingerprint characteristics of aerosols, serving as another means to achieve aerosol remote sensing and providing a powerful supplement to traditional visible/near-infrared inversion techniques. This paper systematically elaborates on the fundamental principles of infrared hyperspectral inversion for aerosol microphysical parameters, focusing on key technologies such as physical mechanisms and detection instruments, radiative transfer models, and inversion algorithms. Particular emphasis is placed on discussing the key parameters of existing hyperspectral radiometers, the characteristics of hyperspectral forward radiative transfer models, and the advantages and disadvantages of different inversion methods. Based on this, the paper further outlines future research directions, proposing a focus on developing high-precision, high-efficiency forward radiative transfer models, utilizing the rich information within hyperspectral data to improve inversion algorithms, and actively advancing multi-platform collaborative detection technologies.

Key words: Infrared hyperspectral, Aerosol, Passive retrieval, Remote sensing mechanism, Infrared radiative transfer

中图分类号: 

图1 基于红外高光谱的气溶胶参数反演
Fig. 1 Infrared hyperspectral-based aerosol parameter retrieval
图2 沙尘、硫酸盐、黑炭和海盐的复折射率［2］
硫酸盐和沙尘的复折射率基于OPAC/GADS数据库，BC来自参考文献［21］，海盐来自参考文献［22-23］。
Fig. 2 The complex refractive index of dust， sulfate， Black Carbon （BC）， and sea salt［2］
The complex imaginary refractive indices of sulfate and dust are based on the OPAC/GADS database， BC is from reference ［21］， and sea salt is from references ［22-23］.
表1 不同类型气溶胶在红外波段复折射率研究列表
Table 1 List of studies on the refractive index of different types of aerosols in the infrared spectrum
序号气溶胶类型覆盖波段范围参考文献
1黑炭0.2~7 μm［24］
2沙尘、海盐、硫酸盐及黑炭0.2~12 μm［25］
3石膏2.5~25 μm［26］
4高岭石5~25 μm［27］
5海盐全红外光谱［21］
6石英5~35 μm［28］
7干性气溶胶及海盐气溶胶2.5~40 μm［22］
8硫酸盐及硝酸盐气溶胶1.5~25 μm［29］
9有机气溶胶2.5~13 μm［30］
10火山灰气溶胶0.31~14.49 μm［31］
11沙尘、水溶、烟尘及海盐全红外光谱［32］
12悬浮干气溶胶近红外波段［33］
13石英气溶胶15 nm~20 μm［34］
14高岭石气溶胶10 nm~20 μm［35］
15棕碳气溶胶近红外波段［36］
图3 红外高光谱辐射传输正演模型流程示意图
Fig. 3 Schematic flowchart of the forward model for infrared hyperspectral radiation transfer
图4 LBLDIS计算流程图
Fig. 4 Flowchart of LBLDIS calculation process
表2 气溶胶粒子散射特性数据库
Table 2 Database of aerosol particle scattering properties
数据库来源种类波段形状粒径范围参考文献
Hess（1998）不可溶、水溶性、黑炭、海盐、矿物质和硫酸盐0.25~4 μm球形0.005~20 μm［29］
Levoni（1997）沙尘、水溶性、黑炭、矿物质、硫酸盐和火山灰0.20~40 μm球形1.66×10-7~1 μm［49］
Liu（2019）黑炭0.20~40 μm聚集体0.05~0.5（2πr/λ）［50］
Satio（2021）沙尘0.20~200 μm六面体0.01~375 μm［51］
Meng（2010）矿物质0.30~1 μm三轴椭球0.05~0.5 μm［52］
Wang（2023）黑炭—分形黑炭模0.1~21（2πr/λ）［53］
Zhang（2024）沙尘0.2~50 μm六面体模型0.000 6∼468.7 μm［54］
Martikainen （2025）沙尘200~2 000 nm六面体模型1.5~20 μm［55］
表3 IASI和AIRS仪器参数比较［56-57］
Table 3 Comparison of IASI and AIRS instrument parameters［56-57］
参数IASIAIRS
幅宽/km2 2001 650
空间分辨率/km1213.5
分光技术干涉式光栅式
光谱范围/μm

长波15.5~8.26

中波8.26~5.00

短波5.00~3.62

长波15.4~8.80

中波8.22~6.20

短波4.61~3.74

通道数/个8 4612 378
光谱分辨率/cm-10.25

长波0.55

中波1.20

短波2.00

灵敏度/K0.200.30
表4 HIRAS和GIIRS仪器参数比较［58-60］
Table 4 Comparison of HIRAS and GIIRS instrument parameters［58-60］
参数HIRAS-ⅠHIRAS-ⅡGIIRS
空间分辨率/km161416
光谱范围/μm

长波15.38~8.8

中波8.26~5.71

短波4.64~3.92

长波15.41~8.55

中波8.56~5.20

短波5.21~3.92

长波14.30~8.85

中波6.06~4.44

通道数/个2 2873 0531 650
光谱分辨率/cm-10.6250.6250.8
表5 AERI和ASSIST仪器参数比较［61］
Table 5 Comparison of AERI and ASSIST instrument parameters［61］
参数AERIASSIST
扫描频率20 s<1 min
探测器类型MCT， InsbMCT， Insb
光谱范围/cm-1400~3 020500~5 000
通道数/个5 2406 429
光谱分辨率/cm-10.50.7
表6 查找表反演方法比较
Table 6 Comparison of lookup table inversion methods
所用仪器适用粒子类型反演参数参考文献
AIRS沙尘光学厚度和高度［62］
AIRS沙尘光学厚度、高度和有效半径［63］
AIRS沙尘光学厚度和高度［64］
IASI沙尘光学厚度、高度和有效半径［65］
图5 查找表法反演流程图
Fig. 5 Flowchart for lookup table inversion
图6 物理迭代反演法计算流程图
method calculation
Fig. 6 Flowchart of physical iterative inversion
表7 物理迭代反演方法比较
Table 7 Comparison of physical iterative inversion methods
所用仪器适用粒子类型反演参数参考文献
AERI沙尘光学厚度、有效半径和种类［66］
AIRS沙尘光学厚度和高度［67］
AIRS沙尘场景区分［68］
AIRS沙尘光学厚度和高度［69］
IASI沙尘光学厚度［70］
IASI沙尘垂直分布［71］
IASI火山灰、沙尘、硫酸盐和烟尘种类区分［72］
IASI火山灰光学厚度、有效半径和高度［73］
FTIR沙尘、硫酸盐、黑炭和海盐光学厚度、有效半径和种类［2］
IASI沙尘光学厚度［74］
图7 机器学习反演法计算流程图
Fig. 7 Machine learning inversion method calculation flowchart
表8 统计反演方法比较
Table 8 Comparison of statistical inversion methods
所用模型适用粒子类型反演参数参考文献
BP神经网络粉尘质量浓度和分布［75］
前馈神经网络沙尘光学厚度［76］
多层感知器神经网络棕碳光学厚度［77］
随机森林回归夜间气溶胶光学厚度［18］
[1] DIVAKARLA M G， BARNET C D， GOLDBERG M D， et al. Validation of atmospheric infrared sounder temperature and water vapor retrievals with matched radiosonde measurements and forecasts［J］. Journal of Geophysical Research： Atmospheres， 2006， 111（D9）. DOI： 10.1029/2005JD006116 .
[2] JI D H， PALM M， RITTER C， et al. Ground-based remote sensing of aerosol properties using high-resolution infrared emission and lidar observations in the High Arctic［J］. Atmospheric Measurement Techniques， 2023， 16（7）： 1 865-1 879.
[3] MAURITSEN T， SEDLAR J， TJERNSTRÖM M， et al. An Arctic CCN-limited cloud-aerosol regime［J］. Atmospheric Chemistry and Physics， 2011， 11（1）： 165-173.
[4] COUMOU D， di CAPUA G， VAVRUS S， et al. The influence of Arctic amplification on mid-latitude summer circulation［J］. Nature Communications， 2018， 9. DOI： 2018EGUGA.2011737C .
[5] SCHMALE J， ZIEGER P， EKMAN A M L. Aerosols in current and future Arctic climate［J］. Nature Climate Change， 2021， 11（2）： 95-105.
[6] HOLBEN B N， ECK T F， SLUTSKER I， et al. AERONET： a federated instrument network and data archive for aerosol characterization［J］. Remote Sensing of Environment， 1998， 66（1）： 1-16.
[7] LI Donghui， LI Zhengqiang， BIAN Liang， et al. Analysis of aerosol properties using ground-based sun-sky radiometer in polar region［J］. Journal of Remote Sensing， 2013， 17（3）： 553-565.
李东辉， 李正强， 卞良， 等. 极地区域气溶胶地基遥感观测及分析［J］. 遥感学报， 2013， 17（3）： 553-565.
[8] HERBER A， THOMASON L W， GERNANDT H， et al. Continuous day and night aerosol optical depth observations in the Arctic between 1991 and 1999［J］. Journal of Geophysical Research： Atmospheres， 2002， 107（D10）： AAC6-1-AAC6-13.
[9] PÉREZ-RAMÍREZ D， ACEITUNO J， RUIZ B， et al. Development and calibration of a star photometer to measure the aerosol optical depth： smoke observations at a high mountain site［J］. Atmospheric Environment， 2008， 42（11）： 2 733-2 738.
[10] O’NEILL N T， ECK T F， SMIRNOV A， et al. Spectral discrimination of coarse and fine mode optical depth［J］. Journal of Geophysical Research： Atmospheres， 2003， 108（D17）. DOI： 10.1029/2002JD002975 .
[11] PATADIA F， LEVY R C， MATTOO S. Correcting for trace gas absorption when retrieving aerosol optical depth from satellite observations of reflected shortwave radiation［J］. Atmospheric Measurement Techniques， 2018， 11（6）： 3 205-3 219.
[12] NOTT G J， DUCK T J. Lidar studies of the polar troposphere［J］. Meteorological Applications， 2011， 18（3）： 383-405.
[13] LIU Y， HUANG J H， HUANG F. A comprehensive review on study methods of aerosol optical properties in different dimensions［J］. IEEE Access， 2023， 11： 36 763-36 786.
[14] HUANG Zhongwei， WANG Yongkai， BI Jianrong， et al. An overview of aerosol lidar： progress and prospect［J］. National Remote Sensing Bulletin， 2022， 26（5）： 834-851.
黄忠伟， 王雍恺， 闭建荣， 等. 气溶胶激光雷达的国内外研究进展与展望［J］. 遥感学报， 2022， 26（5）： 834-851.
[15] JING Y M， DAI G Y， CHEN X C， et al. Assessment of the three-frequency pulse alternation method for simultaneously troposphere wind and aerosol profiling retrieval in a direct detection lidar［J］. Optics Express， 2025， 33（11）： 22 165-22 184.
[16] LV Z K， LIU D， MAO J T， et al. Research on effective radius retrievals of aerosol particles based on dual-wavelength lidar［J］. Remote Sensing， 2025， 17（8）. DOI： 10.3390/rs17081383 .
[17] LIU G Y， LI J， LI J， et al. Estimation of nighttime aerosol optical depths using atmospheric infrared sounder longwave radiances［J］. Geophysical Research Letters， 2024， 51（8）. DOI： 10.1029/2023GL108120 .
[18] MARQUIS J W， DOLINAR E K， GARNIER A， et al. Estimating the impact of assimilating Cirrus cloud-contaminated hyperspectral infrared radiances for numerical weather prediction［J］. Journal of Atmospheric and Oceanic Technology， 2023， 40（3）： 327-340.
[19] KARTHICK M， SHANMUGAM P， HE X Q. Enhanced POLYMER atmospheric correction algorithm for water-leaving radiance retrievals from hyperspectral/multispectral remote sensing data in inland and coastal waters［J］. Optics Express， 2024， 32（5）： 7 659-7 681.
[20] DEGUINE A， CLARISSE L， HERBIN H， et al. Measuring volcanic ash with high-spectral resolution infrared sounders： role of refractive indices［J］. IEEE Geoscience and Remote Sensing Letters， 2023， 20. DOI： 10.1109/LGRS.2023.3261202 .
[21] CHANG H C， CHARALAMPOPOULOS T. Determination of the wavelength dependence of refractive indices offlame soot［J］. Proceedings of the Royal Society of London （Series A）， 1990， 430： 577-591.
[22] PALIK E. Gallium Arsenide （GaAs）［M］// Handbook of optical constants of solids. Amsterdam： Elsevier， 1997： 429-443.
[23] ELDRIDGE J， PALIK E. Sodium Chloride （NaCl） ［M］//Handbook of optical constants of solids. Amsterdam： Elsevier， 1997： 775-793.
[24] SPITZER W G， KLEINMAN D A. Infrared lattice bands of quartz［J］. Physical Review， 1961， 121（5）： 1 324-1 335.
[25] VOLZ F E. Infrared refractive index of atmospheric aerosol substances［J］. Applied Optics， 1972， 11（4）： 755-759.
[26] JACQUINET-HUSSON N， SCOTT N A， CHÉDIN A， et al. The 2003 edition of the GEISA/IASI spectroscopic database［J］. Journal of Quantitative Spectroscopy and Radiative Transfer， 2005， 95（4）： 429-467.
[27] ARONSON J R， EMSLIE A G， MISEO E V， et al. Optical constants of monoclinic anisotropic crystals： gypsum［J］. Applied Optics， 1983， 22（24）： 4 093-4 098.
[28] ROUSH T， POLLACK J， ORENBERG J. Derivation of midinfrared （5-25 μm） optical constants of some silicates and palagonite［J］. Icarus， 1991， 94（1）： 191-208.
[29] HESS M， KOEPKE P， SCHULT I. Optical properties of aerosols and clouds： the software package OPAC［J］. Bulletin of the American Meteorological Society， 1998， 79（5）： 831-844.
[30] LUND M C E， GROTHE H， GOLA A A， et al. Optical constants of HNO3/H2O and H2SO4/HNO3/H2O at low temperatures in the infrared region［J］. The Journal of Physical Chemistry A， 2005， 109（32）： 7 166-7 171.
[31] LASKINA O， YOUNG M A， KLEIBER P D， et al. Infrared optical constants of organic aerosols： organic acids and model Humic-Like Substances （HULIS）［J］. Aerosol Science and Technology， 2014， 48（6）： 630-637.
[32] DEGUINE A， PETITPREZ D， CLARISSE L， et al. Complex refractive index of volcanic ash aerosol in the infrared， visible， and ultraviolet［J］. Applied Optics， 2020， 59（4）： 884-895.
[33] LAND J E. Aerosol absorption measurement by a Shack-Hartmann wavefront sensor［J］. Applied Optics， 2023， 62（18）： 4 836-4 847.
[34] HERBIN H， DESCHUTTER L， DEGUINE A， et al. Complex refractive index of crystalline quartz particles from UV to thermal infrared［J］. Aerosol Science and Technology， 2023， 57（3）： 255-265.
[35] CHEHAB M， HERBIN H， DEGUINE A， et al. First complex refractive indices retrieval from FIR to UV： application to kaolinite particles［J］. Aerosol Science and Technology， 2024， 58（5）： 498-511.
[36] YOU S W， UPADHYAY P， KAPOOR T S， et al. Laboratory synthesis and characterization of wildfire-like dark brown carbon aerosols［J］. Aerosol Science and Technology， 2025， 59（12）： 1 553-1 565.
[37] SOKOLIK I N. The spectral radiative signature of wind-blown mineral dust： implications for remote sensing in the thermal IR region［J］. Geophysical Research Letters， 2002， 29（24）. DOI：10.1029/2002GL015910 .
[38] HONG G， YANG P， HUANG H L， et al. Simulation of high-spectral-resolution infrared signature of overlapping Cirrus clouds and mineral dust［J］. Geophysical Research Letters， 2006， 33（4）. DOI： 10.1029/2005GL024381 .
[39] CHUDNOVSKY A， BEN-DOR E， KOSTINSKI A B， et al. Mineral content analysis of atmospheric dust using hyperspectral information from space［J］. Geophysical Research Letters， 2009， 36（15）. DOI： 10.1029/2009GL037922 .
[40] di BIAGIO C， DOUSSIN J F， CAZAUNAU M， et al. Infrared optical signature reveals the source-dependency and along-transport evolution of dust mineralogy as shown by laboratory study［J］. Scientific Reports， 2023， 13. DOI： 10.1038/s41598-023-39336-7 .
[41] CLOUGH S A， SHEPHARD M W， MLAWER E J， et al. Atmospheric radiative transfer modeling： a summary of the AER codes［J］. Journal of Quantitative Spectroscopy and Radiative Transfer， 2005， 91（2）： 233-244.
[42] GORDON I E， ROTHMAN L S， HILL C， et al. The HITRAN2016 molecular spectroscopic database［J］. Journal of Quantitative Spectroscopy & Radiative Transfer， 2017， 203： 3-69.
[43] STAMNES K， TSAY S C， WISCOMBE W， et al. Numerically stable algorithm for discrete-ordinate-method radiative transfer in multiple scattering and emitting layered media［J］. Applied Optics， 1988， 27（12）： 2 502-2 509.
[44] TURNER D D. Arctic mixed-phase cloud properties from AERI lidar observations［J］. Journal of Applied Meteorology （1988-2005）， 2005， 44（4）： 427-444.
[45] HANSELL R A， LIOU K N， OU S C， et al. Remote sensing of mineral dust aerosol using AERI during the UAE2： a modeling and sensitivity study［J］. Journal of Geophysical Research： Atmospheres， 2008， 113（D18）. DOI： 10.1029/2008JD010246 .
[46] HANSELL R A. Ground and satellite-based remote sensing of mineral dust using AERI Spectra and MODIS thermal infrared window brightness temperature ［D］. Los Angles： University of California， 2008.
[47] BERK A， ANDERSON G P， ACHARYA P K， et al. MODTRAN5： a reformulated atmospheric band model with auxiliary species and practical multiple scattering options［C］// Multispectral and hyperspectral remote sensing instruments and applications II. Honolulu， USA： SPIE， 2005： 13.
[48] WANG Qi， LIU Lei， GAO Taichang， et al. A study on the computational model for high spectral infrared sounder by Fourier transform technique and its influence factors［J］. Spectroscopy and Spectral Analysis， 2019， 39（6）： 1 711-1 716.
王琦， 刘磊， 高太长， 等. 基于ARTS的傅里叶红外高光谱计算模型研究及其影响因素分析［J］. 光谱学与光谱分析， 2019， 39（6）： 1 711-1 716.
[49] LEVONI C， CERVINO M， GUZZI R， et al. Atmospheric aerosol optical properties： a database of radiative characteristics for different components and classes［J］. Applied Optics， 1997， 36（30）： 8 031-8 041.
[50] LIU C， XU X F， YIN Y， et al. Black carbon aggregates： a database for optical properties［J］. Journal of Quantitative Spectroscopy and Radiative Transfer， 2019， 222/223： 170-179.
[51] SAITO M， YANG P， DING J C， et al. A comprehensive database of the optical properties of irregular aerosol particles for radiative transfer simulations［J］. Journal of the Atmospheric Sciences， 2021， 78（7）： 2 089-2 111.
[52] MENG Z K， YANG P， KATTAWAR G W， et al. Single-scattering properties of tri-axial ellipsoidal mineral dust aerosols： a database for application to radiative transfer calculations［J］. Journal of Aerosol Science， 2010， 41（5）： 501-512.
[53] WANG X， BI L， HAN W， et al. Single-scattering properties of encapsulated fractal black carbon particles computed using the invariant imbedding T-matrix method and deep learning approaches［J］. Journal of Geophysical Research： Atmospheres， 2023， 128（21）. DOI： 10.1029/2023JD039568 .
[54] ZHANG Y H， SAITO M， YANG P， et al. Sensitivities of spectral optical properties of dust aerosols to their mineralogical and microphysical properties［J］. Journal of Geophysical Research： Atmospheres， 2024， 129（10）. DOI： 10.1029/2023JD040181 .
[55] MARTIKAINEN J， MUÑOZ O， GÓMEZ M J C， et al. Database of Martian dust optical properties in the UV-vis-NIR［J］. Monthly Notices of the Royal Astronomical Society， 2025， 537（2）： 1 489-1 503.
[56] PADILLA R， ADAME J A， HIDALGO P J， et al. Ground-based and AIRS carbon monoxide behavior at El Arenosillo observatory （southwestern Europe）［J］. Atmospheric Environment， 2023， 310. DOI： 10.1016/j.atmosenv.2023.119962 .
[57] WANG W， LIU C， CLARISSE L， et al. Ground-based measurements of atmospheric NH3 by Fourier transform infrared spectrometry at Hefei and comparisons with IASI data［J］. Atmospheric Environment， 2022， 287. DOI： 10.1016/j.atmosenv.2022.119256 .
[58] ZHANG Q， SHAO M. Assimilation of FY-3D and FY-3E hyperspectral infrared atmospheric sounding observation and its impact on numerical weather prediction during spring season over the continental United States［J］. Atmosphere， 2023， 14（6）. DOI： 10.3390/atmos14060967 .
[59] LIAO Yi， GUAN Li. Spectrum accuracy evaluation of FY-3E hyperspectral infrared atmospheric sounder［J］. Progress in Geophysics， 2023， 38（3）： 977-986.
廖翼， 官莉. FY-3E红外高光谱大气探测仪光谱资料精度评估［J］. 地球物理学进展， 2023， 38（3）： 977-986.
[60] ZENG Z C， LEE L， QI C L. Diurnal carbon monoxide observed from a geostationary infrared hyperspectral sounder： first result from GIIRS on board FengYun-4B［J］. Atmospheric Measurement Techniques， 2023， 16（12）： 3 059-3 083.
[61] CONIGLIO M C， ROMINE G S， TURNER D D， et al. Impacts of targeted AERI and Doppler lidar wind retrievals on short-term forecasts of the initiation and early evolution of thunderstorms［J］. Monthly Weather Review， 2019， 147（4）： 1 149-1 170.
[62] PIERANGELO C， CHÉDIN A， HEILLIETTE S， et al. Dust altitude and infrared optical depth from AIRS［J］. Atmospheric Chemistry and Physics， 2004， 4（7）： 1 813-1 822.
[63] PIERANGELO C， MISHCHENKO M， BALKANSKI Y， et al. Retrieving the effective radius of Saharan dust coarse mode from AIRS［J］. Geophysical Research Letters， 2005， 32（20）. DOI： 10.1029/2005GL023425 .
[64] PEYRIDIEU S， CHÉDIN A， TANRÉ D， et al. Saharan dust infrared optical depth and altitude retrieved from AIRS： a focus over North Atlantic-comparison to MODIS and CALIPSO［J］. Atmospheric Chemistry and Physics Discussions， 2009， 9（5）： 21 199-21 235.
[65] PEYRIDIEU S， CHÉDIN A， CAPELLE V， et al. Characterisation of dust aerosols in the infrared from IASI and comparison with PARASOL， MODIS， MISR， CALIOP， and AERONET observations［J］. Atmospheric Chemistry and Physics， 2013， 13（12）： 6 065-6 082.
[66] TURNER D D. Ground-based infrared retrievals of optical depth， effective radius， and composition of airborne mineral dust above the Sahel［J］. Journal of Geophysical Research： Atmospheres， 2008， 113（D13）. DOI： 10.1029/2008JD010054 .
[67] DESOUZA-MACHADO S G， STROW L L， IMBIRIBA B， et al. Infrared retrievals of dust using AIRS： comparisons of optical depths and heights derived for a North African dust storm to other collocated EOS A-Train and surface observations［J］. Journal of Geophysical Research： Atmospheres， 2010， 115（D15）. DOI： 10.1029/2009JD012842 .
[68] XU H， CHENG T H， GU X F， et al. New Asia dust storm detection method based on the thermal infrared spectral signature［J］. Remote Sensing， 2015， 7（1）： 51-71.
[69] YAO Z G， LI J， HAN H J， et al. Asian dust height and infrared optical depth retrievals over land from hyperspectral longwave infrared radiances［J］. Journal of Geophysical Research： Atmospheres， 2012， 117（D19）. DOI： 10.1029/2012JD017799 .
[70] KLÜSER L， MARTYNENKO D， HOLZER-POPP T. Thermal infrared remote sensing of mineral dust over land and ocean： a spectral SVD based retrieval approach for IASI［J］. Atmospheric Measurement Techniques， 2011， 4（5）： 757-773.
[71] CALLEWAERT S， VANDENBUSSCHE S， KUMPS N， et al. The Mineral Aerosol Profiling from Infrared Radiances （MAPIR） algorithm： version 4.1 description and evaluation［J］. Atmospheric Measurement Techniques， 2019， 12（7）： 3 673-3 698.
[72] CLARISSE L， COHEUR P F， PRATA F， et al. A unified approach to infrared aerosol remote sensing and type specification［J］. Atmospheric Chemistry and Physics， 2013， 13（4）： 2 195-2 221.
[73] VENTRESS L J， MCGARRAGH G， CARBONI E， et al. Retrieval of ash properties from IASI measurements［J］. Atmospheric Measurement Techniques， 2016， 9（11）： 5 407-5 422.
[74] ZHOU M， WANG J， CHEN X， et al. First lunar-light mapping of nighttime dust season oceanic aerosol optical depth over North Atlantic from space［J］. Remote Sensing of Environment， 2024， 312. DOI： 10.1016/j.rse.2024.114315 .
[75] YAN X， SHI W Z， ZHAO W J， et al. Mapping dustfall distribution in urban areas using remote sensing and ground spectral data［J］. Science of the Total Environment， 2015， 506/507： 604-612.
[76] CLARISSE L， CLERBAUX C， FRANCO B， et al. A decadal data set of global atmospheric dust retrieved from IASI satellite measurements［J］. Journal of Geophysical Research： Atmospheres， 2019， 124（3）： 1 618-1 647.
[77] WANG D W， SHEN Z X， ZHANG Q， et al. Winter brown carbon over six of China’s megacities： light absorption， molecular characterization， and improved source apportionment revealed by multilayer perceptron neural network［J］. Atmospheric Chemistry and Physics， 2022， 22（22）： 14 893-14 904.
[1] 伊懿喆, 王玉珏, 李淑彬, 张怡文, 范中祥, 孙亦旸, 朱佳雷, 袁琦, 张潮, 姚小红, 高会旺. 海洋有机气溶胶研究进展[J]. 地球科学进展, 2025, 40(6): 604-620.
[2] 马刚, 黄静, 巩欣亚, 尹若莹, 张华, 杨宗儒, 龚建东. 星载红外高光谱资料同化中晴空判识技术的发展[J]. 地球科学进展, 2025, 40(5): 487-499.
[3] 范亚伟, 杜鹤强, 杨胜飞, 颜长珍, 刘秀帆, 刘欣雷. 沙尘气溶胶数值模式与资料同化的研究进展、问题与展望[J]. 地球科学进展, 2024, 39(8): 813-822.
[4] 魏江峰, 宋媛媛, 逯博延. 华北降水日循环与陆气耦合和气溶胶联系的研究进展[J]. 地球科学进展, 2023, 38(9): 881-889.
[5] 韩岩松, 姜伟, 肖玉雯, 雍阳阳, 余克服. 全球变化背景下热带气旋主要变化特征及影响因素[J]. 地球科学进展, 2023, 38(5): 515-532.
[6] 徐名兰, 杜林, 葛茂发. 表面活性物质对海洋飞沫气溶胶的产生和理化性质的影响[J]. 地球科学进展, 2023, 38(12): 1203-1212.
[7] 张京, 宋照亮, 李强, 孙少波, 郝倩, 冉祥滨, 胡伟, 刘洪妍. 沿海地区气溶胶硅的组成、来源及其生态效应研究进展[J]. 地球科学进展, 2022, 37(6): 563-574.
[8] 王芳慧, 陈莹, 王波, 李好文, 周升钱. 海洋微生物气溶胶的丰度、群落结构及影响机制[J]. 地球科学进展, 2018, 33(8): 783-793.
[9] 祁建华, 李孟哲, 高冬梅, 甄毓, 张大海. 沙尘天气对大气生物气溶胶中微生物浓度、特性和分布的影响[J]. 地球科学进展, 2018, 33(6): 568-577.
[10] 安俊岭, 陈勇, 屈玉, 陈琦, 庄炳亮, 张平文, 吴其重, 徐勤武, 曹乐, 姜海梅, 陈学舜, 郑捷. 全耦合空气质量预报模式系统[J]. 地球科学进展, 2018, 33(5): 445-454.
[11] 陆雯茜, 吴涧. 气溶胶影响印度夏季风和东亚夏季风的研究进展[J]. 地球科学进展, 2016, 31(3): 248-257.
[12] 曹芳, 章炎麟. 碳质气溶胶的放射性碳同位素（14C）源解析：原理、方法和研究进展[J]. 地球科学进展, 2015, 30(4): 425-432.
[13] 李忠, 陈立奇, 颜金培. 气溶胶质谱技术在海洋气溶胶亚微米级颗粒物特征的研究进展[J]. 地球科学进展, 2015, 30(2): 226-236.
[14] 高会旺, 姚小红, 郭志刚, 韩志伟, 高树基. 大气沉降对海洋初级生产过程与氮循环的影响研究进展[J]. 地球科学进展, 2014, 29(12): 1325-1332.
[15] 张世春，王毅勇，童全松. 碳同位素技术在碳质气溶胶源解析中应用的研究进展[J]. 地球科学进展, 2013, 28(1): 62-70.
阅读次数
全文


摘要

地址：甘肃省兰州市天水中路8号
QQ：114723517
电话：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687