近日，地理科学与规划学院佘璐博士课题组联合中国科学院空天信息创新研究院等单位研究人员开展基于Himawari-8/AHI数据的高精度气溶胶反演算法研究，并取得新进展，在遥感领域国际顶级期刊《Remote Sensing of Environment》上发表题为“Time series retrieval of Multi-wavelength Aerosol optical depth by adapting Transformer (TMAT) using Himawari-8 AHI data”的学术论文。我院教师佘璐博士为论文第一作者和通讯作者。

陆地上空的气溶胶卫星遥感一直是大气研究领域的热点和难点。研究团队以静止卫星Himawari-8/AHI观测为数据源，构建了基于Transformer的多波段气溶胶光学厚度（AOD）时序反演算法（Time series retrieval of Multi-wavelength AOD by adapting Transformer, TMAT）。TMAT算法充分利用深度学习(Transformer)的多任务学习能力和序列信息提取能力，通过时序观测挖掘气溶胶和地表的日变化特性，可实现同时反演一天内每10分钟的多波段AOD，并且具有非常高的精度。

研究利用了2019年整年（每10分钟）的Himawari-8/AHI观测数据和SONET、AERONET站点的气溶胶观测。利用Transformer对每天的时间序列数据建立关联模型，并使用了掩膜机制去除云的影响，在训练过程中还引入了对不同波段AOD大小关系的物理约束。研究使用了多种验证策略对模型和反演精度进行系统评估，结果表明，TMAT算法显著提升AOD反演精度：均方根误差（RMSE）为0.101，相关系数R达到0.949，81.69%的反演落入的误差范围内（图1），且其它各波段AOD反演都具有较高精度（表1）。基于多波段AOD计算得到的Ångström指数（AE）也与地基站点具有较好一致性（图2），R为0.620，RMSE为0.291。

图1.基于留一站交叉验证法的550nm波段的TMAT-AOD的验证结果

图2. TMAT-AE的验证结果

研究同时收集了2019年AHI-MAIAC AOD数据（AHI-MAIAC AOD为基于AHI数据和MAIAC算法发布的AOD产品），并将TMAT-AOD、AHI-MAIAC AOD与地面观测的AOD进行了比较（图3-4）。

图3. TMAT-AOD和AHI-MAIAC AOD的验证比较。其中，AHI-MAIAC AOD为基于AHI数据和MAIAC算法生成的AOD数据集。

图4. TMAT-AOD、AHI-MAIAC AOD与AERONET AOD的时间序列比较。

为了确认模型稳定、验证精度可靠，研究还开展了基于站点的五折交叉验证和基于气溶胶观测网的交叉验证实验。基于站点的五折交叉验证结果与留一站交叉验证结果近似（R为0.945，RMSE为0.105）；基于气溶胶观测网的交叉验证实验是将卫星与AERONET的匹配数据作为训练数据，将SONET观测作为验证数据，TMAT-AOD与SONET-AOD的相关系数仍达0.928，RMSE为0.102，表明TMAT算法具有非常高的精度和鲁棒性。在此基础上，通过设置对比实验进一步证实了时间序列数据和多波段协同反演对于提高AOD反演精度的显著作用。

研究工作得到了国家自然科学基金和宁夏优秀青年基金等项目的支持。

论文标题：Time series retrieval of Multi-wavelength Aerosol optical depth by adapting Transformer (TMAT) using Himawari-8 AHI data

发表期刊：Remote Sensing of Environment

原文链接：https://doi.org/10.1016/j.rse.2024.114115

引用格式：Lu She, Zhengqiang Li, Gerrit de Leeuw, Weile Wang, Yujie Wang, Lu Yang, Zixian Feng, Chen Yang, Yun Shi, 2024. Time series retrieval of Multi-wavelength Aerosol optical depth by adapting Transformer (TMAT) using Himawari-8 AHI data, Remote Sensing of Environment, 305, 114115.