El radar láser embarcado puede observar la distribución vertical de las características de nubes y aerosoles, lo que lo convierte en un medio único para estudiar y monitorear nubes y aerosoles. El radar láser ortogonal de polarización para nubes y aerosoles (CALIOP) ha estado en órbita durante muchos años, proporcionando una gran cantidad de datos de observaciones de la distribución de nubes y aerosoles. La detección de la posición espacial de las capas de nubes y aerosoles en los datos del radar es un requisito previo para la inversión precisa y la extracción de información de las capas. El algoritmo oficial de CALIOP utiliza valores umbrales empíricos para detectar las capas, lo que conduce a muchos casos de no detección de las capas. Los métodos actuales, como el algoritmo simple de múltiples escalas unidimensional (1D-SMA), que utilizan pruebas de verificación para determinar si una señal dada corresponde a la distribución atmosférica de fondo supuesta, evitan el establecimiento de umbrales empíricos tradicionales, mejorando así la precisión de la detección. Sin embargo, estos métodos no tienen en cuenta la continuidad espacial de la señal de las capas en una escena vertical bidimensional y continúan provocando casos de no detección. Por lo tanto, los autores proponen un nuevo algoritmo basado en la distribución de probabilidad de Bernoulli de múltiples escalas bidimensionales (2D-SMA), que reemplaza el arreglo de umbrales empíricos por un modelo estadístico de probabilidad, y combina las ventanas de detección de capas para múltiples perfiles, permitiendo así utilizar la correlación espacial de las señales de perfiles adyacentes. El nuevo algoritmo detecta una superficie total de capas con una resolución horizontal (5-80 km) un 50,45% más alta que el algoritmo oficial CALIOP, y un 32,45% más alta que el método unidimensional 1D-SMA. El nuevo algoritmo solo necesita una resolución horizontal de 5 a 20 km para detectar una cantidad de capas similar a la resolución total del algoritmo oficial. Finalmente, los autores verifican la confiabilidad del nuevo algoritmo evaluando el cociente de retrodispersión de nubes de hielo.

remote sensing;spaceborne LiDAR;CALIOP;cloud and aerosol;layer detection;Multiscale