‘에어로졸’이라는 단어는 스프레이 캔의 이미지를 불러 일으키지 만 대기 과학자들 에게이 용어는 다른 것을 나타냅니다. 대기에 매달린 작은 입자, 종종 인간 모발의 너비보다 몇 배나 작습니다. 에어로졸은 자연적이거나 인위적 일 수 있으며 (인간 활동의 결과) 미네랄 먼지 (사막 또는 맨 토양에서 날아간), 연기 (산불 및 의도적 인 연소 및 의도적 인 연소), 화산 분화 및 다산, 산업 활동 또는 식물 배출 등의 물질을 포함합니다.
.우리는 여러 가지 이유로 에어로졸에 관심이 있습니다. 대기의 빛을 흩어지고 흡수하고 구름 발달과 상호 작용함으로써 날씨와 기후에 영향을 미칩니다. 이러한 빛과의 상호 작용은 또한 태양 광 발전소의 잠재적 수율에 영향을 줄 수 있으며 (태양 전지판 자체에 먼지를 증착 한 다음 청소해야합니다). 대기의 먼지와 재가 항공기와 선박에 위험 할 수 있으며, 실시간으로 경로를 변경하거나 취소해야합니다.
지상 근처의 높은 수준의 에어로졸은 대기 질이 좋지 않으며, 특히 베이징과 뉴 델리와 같은 거대 도시에서 뉴스에서 두드러 지지만 결코 제한되지는 않지만 인간 (다른 동물뿐만 아니라 식물의 손상)에서 건강 문제를 일으킬 수 있습니다. 다른 한편으로, 미네랄 먼지로 운반되는 영양소는 장거리 날아간 후 먼 생태계를 수정할 수 있습니다. 예를 들어, 아마존은 사하라 사막의 먼지 공급원, 특히 수천 마일 떨어진 차드의 Bodélé 우울증으로 인한 인간으로 인한 인간의 큰 입력을받습니다.
.지상에서 먼지 폭풍과 같은 이러한 사건을 볼 수있는 방법과 마찬가지로, 우리는이 반사 된 햇빛을 측정하도록 설계된 위성 악기를 사용하여 우주에서 볼 수 있습니다. 알고리즘은 다양한 위성 기기를 사용하여 이러한 측정을 사용하여 대기의 에어로졸의 양을 정량화하기 위해 개발되었습니다. 이러한 알고리즘은 위성에서 보이는 빛의 밝기에 영향을 미치는 다른 요인을 고려할 수 있기 때문에 어려운 문제입니다. 한 가지 예는 기본 표면, 특히 육지에 대한 반사율이며, 이는 바다보다 공간과 시간이 더 밝고 가변적입니다. 두 번째는 구름의 존재이며, 에어로졸과 구별되어야하며 에어로졸과 그 아래 표면의 전망을 차단해야합니다.
.새로운 처리 알고리즘은 위성 에어로졸 정보를 향상시킵니다
현재까지의 단점 중 하나는 토지에 에어로졸 하중을 정량화 할 수있는 악기의 유형이 21 세기 초부터 단단히 비행하고 있다는 것입니다. 에어로졸이 어떻게 변했는지 이해하려면, 특히 20 세기 후반에 종종 큰 산업화와 성장을 보았던 개발 도상국의 경우 훨씬 더 긴 시계열을 갖는 것이 바람직하다. 최근의 유능한 센서 이전에, 광학 측정의 주요 장기 레코드는 1979 년에 비행하기 시작한 AVHRRS (Advanced Breaty Resolution Radiometers)로 알려진 일련의 기기에서 비롯된 것이었다. 이것들은 토지를 통해 에어로졸을 모니터링하는 데 사용되는 여러 주요 파장에서 측정이 부족하기 때문에 이전에 토지를 통한 에어로졸 모니터링에 널리 사용되지 않았으며 (시리즈의 초기 구성원을 위해) 데이터가 시끄럽다는 것을 의미했습니다.
.최근 Greenbelt에있는 NASA의 Goddard Space Flight Center, MD, USRA (University of Maryland), 과학 시스템 및 애플리케이션과 협력하여 MD의 NASA의 Goddard Space Flight Center의 과학자들이 이끄는 팀은 과학 시스템 및 애플리케이션이 전지 에어로졸 타임 시리즈에서 이러한 격차를 메우기위한 개념 증명을 보여주었습니다. 그들은 소위 '딥 블루'알고리즘을 조정하여 NASA에 정기적으로 적용되어 AVHRR 데이터와 함께 작동하기 위해 중간 분해능 이미징 Spectoradiometers (MODIS)를 포함하여 여러 위성 기기의 데이터를 처리합니다.
.이 팀은 기존 AVHRR 임무 중 세 가지에서 데이터를 처리하여이를 입증하고이를 적응 된 알고리즘을 검증하기 위해이를 MODIS 데이터 및 지상 관측치와 비교했습니다. AVHRR은 본질적으로 더 제한적이지만, 팀은이 센서에서 정량적으로 사용되는 에어로졸 정보를 추출 할 수 있음을 보여 주었다. 그들은 이제 새로운 알고리즘을 전체 AVHRR 레코드에 적용하고 Modis 및 기타 고급 센서 레코드와 병합 할 계획이며, 사용 가능한 딥 블루 데이터 세트의 길이를 두 배로 늘리고 지구의 에어로졸 부담이 어떻게 변화하고 있는지에 대한 이해를 향상시킵니다.
.이러한 결과는 AVHRR 측정에 적용되는 NASA Deep Blue/SOAR 에어로졸 검색 알고리즘의 평가 및 AVHRR에서 토지 및 바다에 대한 근거리 에어로졸을 검색하는 기사에 설명되어 있습니다. . 이 작품은 NASA의 Goddard Space Flight Center의 Christina HSU와 Gestar/Usra의 Andrew Sayer가 이끌었습니다.
