基于地球同步卫星数据提高连续气溶胶光学厚度（AOD）估计精度：聚焦东亚夜间AOD

东亚持续监测气溶胶对于来自自然和人为来源的大量气溶胶排放至关重要。地球同步卫星可实现连续气溶胶监测；然而，观测仅限于白天。本研究提出了基于机器学习的模型，用于利用地球同步卫星Geo-KOMPSAT-2A（GK-2A）估计东亚的日间和夜间气溶胶光学厚度（AOD）。机器学习模型的输入变量包括GK-2A的亮度温度（BT）和太阳顶端大气层（TOA）反射率，以及气象和地理数据，以及辅助变量。提出了两个使用不同组合GK-2A变量的模型进行比较：一种是全天候BT模型，用于使用BT变量在白天和夜间估计AOD；另一种是日间TOA模型，用于使用TOA反射率变量在白天估计AOD。通过10折交叉验证和留出验证方法，用来自气溶胶自动化网络（AERONET）的地面AOD数据对模型估计的AOD进行验证。日间TOA模型在白天的性能略高于全天候BT模型（R2 = 0.80-0.82，根均方误差（RMSE）= 0.107-0.116用于全天候BT模型，R2 = 0.83，RMSE = 0.098用于日间TOA模型）。SHapley Additive exPlanations（SHAP）分析显示，总可降水水汽含量和季节性对两种提议模型都贡献最大。BT差异和TOA反射率变量被识别为全天候BT模型和日间TOA模型中下一个最重要的变量。所提出模型估计的AOD的时空分布与其他AOD产品相似。测试站点处的时间序列比较表明，所提出模型的估计AOD与AERONET AOD一致。