The Dark‐target (DT) aerosol algorithm retrieves spectral Aerosol Optical Depth (AOD) and other aerosol properties from Moderate‐resolution Imaging Spectrometer (MODIS) reflectance observations. Over the ocean, the DT algorithm is known to contain scattering‐angle‐dependent biases in its retrievals of AOD, Angstrom Exponent (AE) and Fine Mode Fraction (FMF) for dust aerosols. Following a two‐step strategy to improve the DT retrieval of dust over ocean, for which the first step is to identify dusty pixels (reported in ‘Part I’), in this ‘Part II’, we report on construction of a new dust model lookup table (LUT) and the strategy for applying it within the existing DT algorithm. In particular, we evaluate different characterizations of dust optical properties from a variety of frameworks and databases, and compare them with the current DT retrieval assumptions. Substituting the standard operational LUT with a spheroid dust model with identified dusty pixels shows significant improvement when compared with collocated AERONET‐identified dusty pixels. Specifically, the application of the new dust model to dusty pixels reduces their AOD bias from 0.06 to 0.02 while improving the fraction of retrievals within expected error (EE) from 64% to 82%. At the same time, the overall bias in AE is reduced from 0.13 to 0.06, and the scattering‐angle‐dependent AE bias is largely eliminated. In testing on two full months of data (April and July), the new retrieval will reduce the monthly mean AOD by up to 0.1 and 0.2 in the north Atlantic and Arabian seas, respectively. The average AE and FMF are also reduced in these dust heavy regions.

中文翻译：

---

使用MODIS / VIIRS暗目标算法对海洋上的粉尘气溶胶进行检索。第二部分：非球形粉尘模型

暗目标（DT）气溶胶算法从中分辨率成像光谱仪（MODIS）反射率观测值中检索光谱气溶胶光学深度（AOD）和其他气溶胶特性。在海洋上，DT算法在对粉尘气溶胶的AOD，埃指数（AE）和精细模式分数（FMF）的检索中包含与散射角有关的偏差。遵循改进海洋上的尘埃的DT回收的两步策略，第一步是识别尘土像素（在“第一部分”中报告），在此“第二部分”中，我们报告了新尘埃的构造模型查找表（LUT）以及在现有DT算法中应用它的策略。特别是，我们从各种框架和数据库中评估了粉尘光学特性的不同特征，并将它们与当前DT检索假设进行比较。与并置的AERONET识别的尘埃像素相比，用具有识别的尘埃像素的球状尘埃模型代替标准可操作的LUT显示出显着的改进。具体而言，将新的尘埃模型应用于尘土像素，可将其AOD偏差从0.06降低到0.02，同时将预期误差（EE）内的检索比例从64％提高到82％。同时，AE的总偏差从0.13降低到0.06，并且消除了与散射角相关的AE偏差。在对两个月的数据（4月和7月）进行测试时，新的检索将分别在北大西洋和阿拉伯海将每月平均AOD降低多达0.1和0.2。在这些尘埃较多的地区，平均AE和FMF也降低了。与并置的AERONET识别的尘埃像素相比，用具有识别的尘埃像素的球状尘埃模型代替标准可操作的LUT显示出显着的改进。具体而言，将新的尘埃模型应用于尘土像素，可将其AOD偏差从0.06降低到0.02，同时将预期误差（EE）内的检索比例从64％提高到82％。同时，AE的总偏差从0.13降低到0.06，并且消除了与散射角相关的AE偏差。在对两个月的数据（4月和7月）进行测试时，新的检索将分别在北大西洋和阿拉伯海将每月平均AOD降低多达0.1和0.2。在这些尘埃较多的地区，平均AE和FMF也降低了。与并置的AERONET识别的尘埃像素相比，用具有识别的尘埃像素的球状尘埃模型代替标准可操作的LUT显示出显着的改进。具体而言，将新的尘埃模型应用于尘土像素，可将其AOD偏差从0.06降低到0.02，同时将预期误差（EE）内的检索比例从64％提高到82％。同时，AE的总偏差从0.13降低到0.06，并且消除了与散射角相关的AE偏差。在对两个月的数据（4月和7月）进行测试时，新的检索将分别在北大西洋和阿拉伯海将每月平均AOD降低多达0.1和0.2。在这些尘埃较多的地区，平均AE和FMF也降低了。