Le radar laser spatial peut observer la distribution verticale des caractéristiques nuageuses et aérosoliques, ce qui est un moyen unique d'étudier et de surveiller les nuages et les aérosols. Le radar laser spatial à polarisation orthogonale verticale des nuages et des aérosols (CALIOP) opère en orbite depuis de nombreuses années et fournit une grande quantité de données d'observation sur la distribution des nuages et des aérosols. La détection de la position spatiale des nuages et des aérosols à partir des données radar laser est une condition préalable à l'inversion précise et à l'extraction des informations des couches. L'algorithme officiel de CALIOP utilise des seuils empiriques pour détecter les couches, ce qui entraîne de nombreux couches manquées. Les méthodes de test d'hypothèses actuelles, telles que l'algorithme simple multi-échelle unidimensionnel (1D-SMA), utilisent des tests d'index donnés en lieu et place des seuils expérimentaux traditionnels, améliorant ainsi la précision de la détection. Cependant, toutes les méthodes susmentionnées ne prennent pas en compte la continuité spatiale des signaux des couches dans un profil vertical bidimensionnel, et le phénomène de la détection manquée persiste. Par conséquent, cet article présente un algorithme simple multi-échelle bidimensionnel (2D-SMA) basé sur la distribution de probabilité de Bernoulli, remplaçant les tableaux de seuils expérimentaux par des modèles de probabilité statistique et utilisant plusieurs profils de détection de couches bidimensionnels couvrant la continuité spatiale des signaux de profils adjacents. Le nouvel algorithme fournit une superficie totale de détection des couches à haute résolution horizontale (5-80 km) qui est supérieure de 50,45% à l'algorithme officiel de CALIOP et de 32,45% à la méthode unidimensionnelle 1D-SMA. Le nouvel algorithme permet la détection des couches à une résolution horizontale de 5 à 20 km, comparable à la superficie totale de détection des couches de l'algorithme officiel.

Radar laser spatial; CALIOP; nuages et aérosols; détection des couches; multi-échelle