有一类论文是评价算法精度的，得益于NASA遍布于世界各地的Aeronet站点，可以精确获得气溶胶光学厚度以及四个波段的多种气溶胶物理、光学等特性参数，使得评估卫星反演AOD产品成为一大主要方向。已经发表的论文包括MODIS的各种气溶胶产品、VIIRS产品以及Himawari-8产品等等。评估的参量主要有绝对误差、相对误差、相关性、期望误差、时序对比、均值趋势对比等等。
然而这主要关注“微观”上的验证，宏观上，如何进行评价呢？以下仅为个人看法。
1 连续性
反演值的连续性是评价算法的重要指标，但这很大程度上取决于程序的实现上，如果反演值都不连续，那么这本身存在一个很大的问题，是自身矛盾的问题：
比如上面这张图，很难说这个算法是成功的，当然这涉及到海上与陆上气溶胶算法，如果你说陆上正确，那么与它相邻的海上是错的，相反亦然。
2 气溶胶反演的低值
反演的低值在气溶胶算法中很关键，因为在低气溶胶时，气溶胶起次要作用，主要是地表的作用，地表反射率的精度直接关系气溶胶的精度。
上边是JAXA的结果，下边边是我的结果(2019年算法)，可以看到这一块的反演值是很低的，JAXA的结果得到很多“空值”，而这块是晴空，是完全可以正确反演的，这样无形之中就缺少了很多值。
3 反演的稳定性
反演的稳定性在Himawari-8表现在一天不同时刻反演值的连续上，一般来说，AOD的变化在时间上是连续变化。
上图是我的算法(2019算法)，下图是JAXA算法，如果连续看这个动图的蒙古、陕西的部分，你会发现JAXA算法(下图)在中间一段时间跳变的很厉害。我个人猜测原因是这个算法在解决BRDF问题出现了偏差，而我的BRDF假设则避免了这个问题。
4 反演的范围
反演的范围也是非常关键的，众所周知，暗目标算法在城市、沙漠、戈壁、中国北方冬季都是无法反演的，而深蓝算法则无此限制。我最近改进了新的算法相对于2019的算法着重解决了这个问题。
上边是真彩图，下边是反演结果，可以看到是晴空“全反演”。
5 多特性反演
多气溶胶特性反演主要是为了后续的产品的生产，比如大气校正，不仅要提供气溶胶光学厚度，还需要其他特性参数，一些算法是提供AE指数，如JAXA产品，一些算法是提供SSA，比如DB，一些算法提供FMF，比如DT。我的新算法主要提供SSA，在某些情况下提供FMF（还在开发中。。。）
上图是反演得到的SSA参数，这个参数像其他成熟气溶胶产品一样，验证精度不高，还需改良。
6 其他参数，如云掩膜精度、高气溶胶负载情况、反演负值的处理情况且听下回分解。
更新信息请跳转：www.ixxin.cn
QQ群：1014638923
xxin blog , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 , 转载请注明宏观上，如何评估卫星气溶胶算法精度！
