宇宙搭載型レーザーレーダーは、雲とエアロゾルの特性の垂直プロファイル分布を観測することができ、雲とエアロゾルの研究および監視の独自の手段です。 直交偏光雲とエアロゾルレーダー（CALIOP）は、軌道上で数年間運行し、大量の雲とエアロゾルプロファイル観測データを提供しています。 レーダーデータから雲とエアロゾル層の空間位置を検出することは、正確な逆推定と階層情報の抽出の前提条件です。 CALIOPの公式アルゴリズムは経験的な閾値を使用して層を検出するが、多くの層が漏れている。 1次元単純多尺度アルゴリズム（1D-SMA）を代表とする仮説検定アルゴリズムは、指定された信号が背景大気の分布仮定に適合するかどうかをテストすることによって、伝統的な経験的な閾値配列の設定を回避し、検出精度を向上させた。 しかし、上記の方法は、 2次元の垂直プロファイルシーンでの層信号の空間的な連続性を考慮しておらず、漏れ現象が継続的に発生しています。 したがって、この論文では、ベルヌーイ確率分布に基づく2次元単純多尺度アルゴリズム（2D-SMA）を提案しました。これにより、統計的確率モデルを使用して経験的な閾値配列を代替し、隣接プロファイル信号の空間関連を利用するための多尺度階層検出ウィンドウを組み合わせました。 新しいアルゴリズムは全水平分解能（5-80 km）で検出されたプロファイルの総面積をCALIOPの公式アルゴリズムよりも50.45％増やし、1D-SMAよりも32.45％増やしました。新しいアルゴリズムは水平解像度5-20 kmで公式アルゴリズムと同じ面積の層の検出量を実現します。最後に、この論文では氷雲トウヘイ比の評価を通じて新しいアルゴリズムの検出信頼性を検証しました。

リモートセンシング;宇宙搭載レーザーレーダー; CALIOP;雲とエアロゾル;階層検出;マルチスケール