VIIRS 深蓝气溶胶光学厚度数据集深度解析从波段属性到全球空气质量监测摘要气溶胶光学厚度Aerosol Optical Depth, AOD是衡量大气中悬浮颗粒物柱含量的关键参数直接影响地球辐射收支、空气质量评估和气候变化研究。VIIRS可见光红外成像辐射计套件搭载于 Suomi NPP 和 NOAA-20 卫星延续了 MODIS 的气溶胶观测能力为构建长期一致的气溶胶气候数据记录提供了关键支撑。本文基于 Google Earth Engine 数据目录和 NASA 官方技术文档系统解析了两个核心数据集——AERDB_D3_VIIRS_SNPP.002和AERDB_D3_VIIRS_NOAA20.002——的算法原理、波段属性、数据年限及典型应用场景并提供可在 Earth Engine 中直接运行的代码示例。文章深入分析了 Deep Blue 与 SOAR 双算法架构、质量置信度分级机制以及两个传感器之间的校准一致性。1. 背景为什么需要 VIIRS 气溶胶数据1.1 气溶胶的气候与环境意义气溶胶是悬浮在大气中的固态或液态颗粒物来源包括沙尘暴、森林火灾、工业排放、海盐和火山活动。它们通过散射和吸收太阳辐射直接影响地球能量收支同时作为云凝结核间接影响云的形成和降水。气溶胶光学厚度AOD是量化大气柱中气溶胶消光能力的无量纲参数AOD 越高表示大气中颗粒物柱浓度越大。AOD 数据在公共卫生领域同样至关重要。细颗粒物PM2.5是空气污染的主要健康风险因子卫星反演的 AOD 是估算地面 PM2.5 浓度的关键输入。1.2 从 MODIS 到 VIIRS 的数据连续性MODIS 仪器自 2000 年Terra和 2002 年Aqua以来提供了超过 20 年的气溶胶数据记录。然而Terra 和 Aqua 均已超期服役MODIS 气溶胶数据记录的延续成为紧迫问题。VIIRS 仪器搭载于 Suomi NPP2011 年发射、NOAA-202017 年和 NOAA-212022 年其光谱波段基于 MODIS 设计能够提供类似的气溶胶产品且计划运行至 2030 年代。NASA 的 Deep Blue 气溶胶项目旨在通过统一的算法套件将 AVHRR、SeaWiFS、MODIS 和 VIIRS 的观测整合为一致的长期气溶胶气候数据记录CDR。1.3 为什么选择 1 度网格的 Level 3 产品Google Earth Engine 中的AERDB_D3数据集是Level 3 日尺度、1×1 度网格产品。这意味着原始 Level 2 的 6 分钟条带数据6×6 km 空间分辨率被聚合为全球 1 度网格的日均值。这种聚合极大地降低了数据量使得全球尺度的长期趋势分析变得可行。聚合算法要求每个网格内至少有3 个有效反演值才生成有效日均值且仅使用质量置信度为 2 或 3 的“最佳估计”反演结果。2. 两个数据集的对比与传感器差异维度AERDB_D3_VIIRS_SNPP.002AERDB_D3_VIIRS_NOAA20.002卫星平台Suomi NPPNOAA-20JPSS-1发射时间2011 年 10 月2017 年 11 月数据起始2012 年 3 月 1 日2018 年 2 月 17 日数据终止2026 年 9 月 6 日2026 年 9 月 6 日空间分辨率1×1 度1×1 度时间分辨率日尺度日尺度算法版本Deep Blue Version 2.0Deep Blue Version 2.0赤道过境时间约 13:30 LT约 13:30 LTNOAA-20 领先约 50 分钟幅宽3040 km3040 km两个传感器均在下午 1:30 左右过境但 NOAA-20 的轨道领先 Suomi NPP 约 50 分钟。这一时间差异意味着两个传感器在同一天观测到不同的大气状态为研究气溶胶的日变化提供了补充信息。校准一致性是理解两个数据集差异的关键。Deep Blue 团队对 SNPP VIIRS 相对于 MODIS Aqua 进行了交叉校准以消除已知的正偏差对 NOAA-20 VIIRS 则采用了相对于 SNPP 的校准调整。校准后两个传感器的 AOD 在海陆表面的平均偏差仅为 0.001–0.009季节性变化在可接受范围内。代码示例加载两个数据集并比较varsnppee.ImageCollection(NASA/VIIRS/002/AERDB_D3_VIIRS_SNPP);varn20ee.ImageCollection(NASA/VIIRS/002/AERDB_D3_VIIRS_NOAA20);// 选择 2023 年夏季某一天vardate2023-07-15;varsnppDaysnpp.filterDate(date,ee.Date(date).advance(1,day)).first();varn20Dayn20.filterDate(date,ee.Date(date).advance(1,day)).first();print(SNPP bands:,snppDay.bandNames());print(NOAA-20 bands:,n20Day.bandNames());// 可视化 AOD 最佳估计varvis{min:0,max:1.0,palette:[blue,cyan,yellow,orange,red,darkred]};Map.addLayer(snppDay.select(Aerosol_Optical_Depth_550_Land_Ocean_Best_Estimate),vis,SNPP AOD);Map.addLayer(n20Day.select(Aerosol_Optical_Depth_550_Land_Ocean_Best_Estimate),vis,NOAA-20 AOD);3. 波段属性详解两个数据集的波段结构完全一致均包含45 个科学数据集SDS图层。以下是核心波段的系统梳理。3.1 核心 AOD 波段波段名单位说明Aerosol_Optical_Depth_550_Land_Ocean_Best_Estimate无量纲550 nm 陆海综合 AOD已过滤 QA1Aerosol_Optical_Depth_550_Land_Ocean无量纲550 nm 陆海综合 AOD未过滤Aerosol_Optical_Depth_550_Land无量纲550 nm 陆地 AODAerosol_Optical_Depth_550_Land_Best_Estimate无量纲550 nm 陆地 AOD最佳估计Aerosol_Optical_Depth_550_Ocean无量纲550 nm 海洋 AOD最佳估计Best Estimate波段是推荐大多数用户使用的版本。它预先剔除了 QA1差质量的反演值仅保留 QA2好和 QA3最佳的数据。3.2 粒径与类型信息波段名说明Angstrom_Exponent_412_470_LandÅngström 指数412–470 nm陆地反映粒径大小Angstrom_Exponent_412_470_Ocean_Best_EstimateÅngström 指数海洋Fine_Mode_Fraction_550_Ocean_Best_Estimate550 nm 细模态 AOD 占比海洋Ångström 指数AE是气溶胶粒径的半定量指标。AE 值高1.5指示细模态气溶胶如烟尘、城市污染AE 值低0.5指示粗模态气溶胶如沙尘、海盐。细模态分数FMF通过 SOAR 算法在海洋表面反演表示细模态气溶胶对总 AOD 的贡献比例。3.3 质量置信度与算法标志波段名说明Aerosol_Optical_Depth_Confidence_Flag_Land陆地反演质量标志0无1差2好3最佳Aerosol_Optical_Depth_Confidence_Flag_Ocean海洋反演质量标志Deep_Blue_Algorithm_Flag使用的算法标志0DB 数据库方法1DB 植被方法2DB 混合3SOAR质量置信度标志是数据质量的核心控制机制。科学应用推荐仅使用 QA2 或 3 的数据。3.4 统计波段Level 3 聚合产品还包含每个网格内反演值的统计量Aerosol_Optical_Depth_550_Land_Median/_StddevLand_Count/Ocean_Count参与聚合的有效反演数量这些波段可用于评估网格内数据的空间一致性和采样充分性。4. Deep Blue 与 SOAR 双算法架构4.1 Deep Blue 陆地算法Deep Blue 算法最初为填补 Dark TargetDT算法在明亮地表沙漠、城市、裸岩的空白而开发。其核心优势在于利用蓝光波段410–490 nm进行反演因为在这些波长上陆地表面反射率相对较低且稳定使得气溶胶信号更容易被分离。算法流程包括地表反射率估计使用地表反射率数据库基于清晰场景的最小反射率技术或动态光谱比值方法气溶胶模型选择根据地表类型和区域选择非球形沙尘模型或细模态主导模型辐射传输查找表匹配找到最能解释卫星观测的大气顶反射率的 AOD 和 AEVersion 2 的关键改进包括更好地考虑地表气压效应高海拔区域反演改善、改进的地表反射率确定方法、新的细模态气溶胶光学模型。4.2 SOAR 海洋算法SOARSatellite Ocean Aerosol Retrieval是 Deep Blue 的海洋伴侣算法通过多光谱迭代最小二乘拟合同时反演 550 nm AOD、细模态分数和最佳拟合气溶胶类型。SOAR 反演包含非球形沙尘模型显著改善了沙尘暴期间 AOD 的角度依赖性偏差最高减少 40%。4.3 算法的仪器传承Deep Blue/SOAR 算法套件已在多个传感器上成功应用传感器时期覆盖范围AVHRR1979–陆地SeaWiFS1997–2010陆地 海洋MODIS Terra/Aqua2000/2002–陆地VIIRS SNPP/NOAA-202012/2018–陆地 海洋ABI/AHIGEO2017–陆地 海洋这一传承确保了跨传感器的数据一致性使得从 MODIS 到 VIIRS 的过渡不会造成气候数据记录的断裂。5. 数据年限与版本说明5.1 时间覆盖SNPP2012 年 3 月 1 日 至 2026 年 9 月 6 日NOAA-202018 年 2 月 17 日 至 2026 年 9 月 6 日数据终止日期为 2026 年 9 月但这一日期会随仪器持续运行而更新。5.2 与月度产品的互补Google Earth Engine 目录中还提供了对应的月度 Level 3 产品AERDB_M3_VIIRS_SNPP。月度产品从日度产品聚合而来要求每个网格至少有3 个有效观测日才生成月均值。对于长期趋势分析月度产品比日度产品更高效。5.3 版本演进Version 1.x2018 年底开始业务化使用修改的 MODIS Collection 6.1 算法Version 2.02023 年 4 月发布是当前 Google Earth Engine 中的版本.002后缀Version 2.0 的主要更新高海拔区域反演改善更好地处理瑞利-气溶胶相互作用细模态气溶胶光学模型更新改进的地表反射率确定SNPP 和 NOAA-20 同步发布6. 典型用途与应用场景6.1 空气质量监测与 PM2.5 估算AOD 是卫星估算地面 PM2.5 浓度的核心输入。通过建立 AOD 与 PM2.5 的统计关系考虑气象条件、气溶胶垂直廓线和湿度效应可以生成空间连续的空气质量地图。代码示例区域 AOD 时间序列varroiee.Geometry.Rectangle([-100,30,-80,45]);// 美国中东部varsnppee.ImageCollection(NASA/VIIRS/002/AERDB_D3_VIIRS_SNPP).filterDate(2020-01-01,2020-12-31).filterBounds(roi);// 提取 AOD 最佳估计波段varaodsnpp.select(Aerosol_Optical_Depth_550_Land_Ocean_Best_Estimate);// 计算区域平均 AOD 时间序列vartimeSeriesaod.map(function(img){varvalimg.reduceRegion({reducer:ee.Reducer.mean(),geometry:roi,scale:111320,// 1度约111kmmaxPixels:1e9});returnimg.set(date,img.date().format(YYYY-MM-dd)).set(meanAOD,val.get(Aerosol_Optical_Depth_550_Land_Ocean_Best_Estimate));});// 打印时间序列print(2020年AOD时间序列:,timeSeries.aggregate_array(meanAOD));6.2 沙尘暴监测Deep Blue 的非球形沙尘模型使其在沙尘源区和传输路径上表现优异。Ångström 指数可用于区分沙尘低 AE与烟尘高 AE。代码示例沙尘事件识别vardustEventsnpp.filterDate(2020-06-15,2020-06-30).first();varaodLayerdustEvent.select(Aerosol_Optical_Depth_550_Land_Ocean_Best_Estimate);varaeLayerdustEvent.select(Angstrom_Exponent_412_470_Land);// 沙尘特征高 AOD 低 AEvardustMaskaodLayer.gt(0.5).and(aeLayer.lt(0.8));Map.addLayer(dustMask.selfMask(),{palette:[orange]},潜在沙尘区域);6.3 气候变化与气溶胶趋势研究从 MODIS 到 VIIRS 的连续数据记录支持气溶胶的长期趋势分析。研究者可以计算区域 AOD 的年际变化评估排放控制政策的有效性。6.4 野火烟雾追踪VIIRS 的 3040 km 幅宽使其特别适合监测大范围烟雾传输。Deep Blue 算法改进了重烟雾与云的区分能力显著增加了烟雾羽流的 AOD 反演覆盖。6.5 跨传感器一致性验证SNPP 与 NOAA-20 的并行观测提供了独特的交叉验证机会。比较同一天两个传感器的 AOD 产品可以评估数据的内部一致性。7. 数据质量与使用建议7.1 质量置信度过滤必须使用质量标志过滤数据。推荐策略varqaimg.select(Aerosol_Optical_Depth_Confidence_Flag_Land);varaodimg.select(Aerosol_Optical_Depth_550_Land);vargoodAODaod.updateMask(qa.gte(2));// 仅保留 QA2 或 37.2 最佳估计波段大多数用户应直接使用Best_Estimate波段这些波段已预先过滤 QA1。7.3 高海拔区域注意事项尽管 Version 2 在高海拔区域有显著改善但在极陡地形和冰雪覆盖区域反演仍可能受到地表反射率估计不确定性的影响。7.4 时空采样限制1 度网格的日度产品在云覆盖频繁的区域可能存在数据空白。月度产品通过聚合多天数据覆盖更完整更适合气候分析。8. 结语VIIRS Deep Blue 气溶胶数据集是连接 MODIS 时代与未来 JPSS 时代的关键桥梁。两个数据集——Suomi NPP 和 NOAA-20——通过统一的 Version 2.0 算法和精心的交叉校准确保了气溶胶气候数据记录的连续性。45 个波段涵盖了 AOD、粒径信息和质量标志支持从空气质量监测到气候趋势研究的广泛应用。Deep Blue 与 SOAR 双算法架构的陆地-海洋无缝覆盖以及对明亮地表沙漠、城市和极端事件沙尘暴、野火的专门优化使这一数据集在全球气溶胶监测中具有独特价值。对于 Earth Engine 用户而言1 度网格的 Level 3 产品在精度与效率之间提供了优秀的平衡是开展大尺度、长时间序列气溶胶研究的首选工具。参考文献[1] Hsu, N. C., Lee, J., Sayer, A. M., Kim, W., Bettenhausen, C., Tsay, S.-C. (2019). VIIRS Deep Blue aerosol products over land: Extending EOS long-term aerosol data records.J. Geophys. Res. Atmos., 124.[2] Lee, J., Hsu, N. C., Kim, W. V., Sayer, A. M., Tsay, S.-C. (2024). VIIRS Version 2 Deep Blue aerosol products.J. Geophys. Res. Atmos., 129, e2023JD0400.[3] Sayer, A. M., Hsu, N. C., Bettenhausen, C., et al. (2017). Cross-calibration of S-NPP VIIRS moderate-resolution reflective solar bands against MODIS Aqua over dark water scenes.Atmos. Meas. Tech., 10, 1425-1444.[4] VIIRS Deep Blue Aerosol User Guide v2. NASA LAADS DAAC.[5] AERDB_D3_VIIRS_SNPP.002. Google Earth Engine Data Catalog.[6] AERDB_D3_VIIRS_NOAA20.002. Google Earth Engine Data Catalog.[7] AERDB_M3_VIIRS_SNPP. NASA Data.gov Catalog.[8] Status Update and New Aerosol Products From MODIS and VIIRS Using Deep Blue Aerosol Algorithm. NASA MODIS Science Team Meeting, 2020.[9] Deep Blue Aerosol Updates. ICAP-13 Meeting Presentation.