Abstract. The Total Carbon Column Observing Network (TCCON) produces precise measurements of the column average dry-air mole fractions of CO2, CO, CH4, N2O and H2O at a variety of sites worldwide. These observations rely on spectroscopic parameters that are not known with sufficient accuracy to compute total columns that can be used in combination with in situ measurements. The TCCON must therefore be calibrated to World Meteorological Organization (WMO) in situ trace gas measurement scales. We present a calibration of TCCON data using WMO-scale instrumentation aboard aircraft that measured profiles over four TCCON stations during 2008 and 2009. These calibrations are compared with similar observations made in 2004 and 2006. The results indicate that a single, global calibration factor for each gas accurately captures the TCCON total column data within error.

Abstract. NASA's Orbiting Carbon Observatory-2 (OCO-2) has been measuring carbon dioxide column-averaged dry-air mole fraction, XCO2, in the Earth's atmosphere for over 2 years. In this paper, we describe the comparisons between the first major release of the OCO-2 retrieval algorithm (B7r) and XCO2 from OCO-2's primary ground-based validation network: the Total Carbon Column Observing Network (TCCON). The OCO-2 XCO2 retrievals, after filtering and bias correction, agree well when aggregated around and coincident with TCCON data in nadir, glint, and target observation modes, with absolute median differences less than 0.4 ppm and RMS differences less than 1.5 ppm. After bias correction, residual biases remain. These biases appear to depend on latitude, surface properties, and scattering by aerosols. It is thus crucial to continue measurement comparisons with TCCON to monitor and evaluate the OCO-2 XCO2 data quality throughout its mission.

Abstract. We describe a method of evaluating systematic errors in measurements of total column dry-air mole fractions of CO2 (XCO2) from space, and we illustrate the method by applying it to the v2.8 Atmospheric CO2 Observations from Space retrievals of the Greenhouse Gases Observing Satellite (ACOS-GOSAT) measurements over land. The approach exploits the lack of large gradients in XCO2 south of 25° S to identify large-scale offsets and other biases in the ACOS-GOSAT data with several retrieval parameters and errors in instrument calibration. We demonstrate the effectiveness of the method by comparing the ACOS-GOSAT data in the Northern Hemisphere with ground truth provided by the Total Carbon Column Observing Network (TCCON). We use the observed correlation between free-tropospheric potential temperature and XCO2 in the Northern Hemisphere to define a dynamically informed coincidence criterion between the ground-based TCCON measurements and the ACOS-GOSAT measurements. We illustrate that this approach provides larger sample sizes, hence giving a more robust comparison than one that simply uses time, latitude and longitude criteria. Our results show that the agreement with the TCCON data improves after accounting for the systematic errors, but that extrapolation to conditions found outside the region south of 25° S may be problematic (e.g., high airmasses, large surface pressure biases, M-gain, measurements made over ocean). A preliminary evaluation of the improved v2.9 ACOS-GOSAT data is also discussed.

Abstract. The column-averaged dry-air mole fractions of carbon dioxide and methane (XCO2 and XCH4) have been retrieved from Greenhouse gases Observing SATellite (GOSAT) Short-Wavelength InfraRed (SWIR) observations and released as a SWIR L2 product from the National Institute for Environmental Studies (NIES). XCO2 and XCH4 retrieved using the version 01.xx retrieval algorithm showed large negative biases and standard deviations (−8.85 and 4.75 ppm for XCO2 and −20.4 and 18.9 ppb for XCH4, respectively) compared with data of the Total Carbon Column Observing Network (TCCON). Multiple reasons for these error characteristics (e.g., solar irradiance database, handling of aerosol scattering) are identified and corrected in a revised version of the retrieval algorithm (version 02.xx). The improved retrieval algorithm shows much smaller biases and standard deviations (−1.48 and 2.09 ppm for XCO2 and −5.9 and 12.6 ppb for XCH4, respectively) than the version 01.xx. Also, the number of post-screened measurements is increased, especially at northern mid- and high-latitudinal areas.

Abstract. Since September 2014, NASA's Orbiting Carbon Observatory-2 (OCO-2) satellite has been taking measurements of reflected solar spectra and using them to infer atmospheric carbon dioxide levels. This work provides details of the OCO-2 retrieval algorithm, versions 7 and 8, used to derive the column-averaged dry air mole fraction of atmospheric CO2 (XCO2) for the roughly 100 000 cloud-free measurements recorded by OCO-2 each day. The algorithm is based on the Atmospheric Carbon Observations from Space (ACOS) algorithm which has been applied to observations from the Greenhouse Gases Observing SATellite (GOSAT) since 2009, with modifications necessary for OCO-2. Because high accuracy, better than 0.25 %, is required in order to accurately infer carbon sources and sinks from XCO2, significant errors and regional-scale biases in the measurements must be minimized. We discuss efforts to filter out poor-quality measurements, and correct the remaining good-quality measurements to minimize regional-scale biases. Updates to the radiance calibration and retrieval forward model in version 8 have improved many aspects of the retrieved data products. The version 8 data appear to have reduced regional-scale biases overall, and demonstrate a clear improvement over the version 7 data. In particular, error variance with respect to TCCON was reduced by 20 % over land and 40 % over ocean between versions 7 and 8, and nadir and glint observations over land are now more consistent. While this paper documents the significant improvements in the ACOS algorithm, it will continue to evolve and improve as the CO2 data record continues to expand.

Abstract. The Orbiting Carbon Observatory-2 (OCO-2) is the first National Aeronautics and Space Administration (NASA) satellite designed to measure atmospheric carbon dioxide (CO2) with the accuracy, resolution, and coverage needed to quantify CO2 fluxes (sources and sinks) on regional scales. OCO-2 was successfully launched on 2 July 2014 and has gathered more than 2 years of observations. The v7/v7r operational data products from September 2014 to January 2016 are discussed here. On monthly timescales, 7 to 12 % of these measurements are sufficiently cloud and aerosol free to yield estimates of the column-averaged atmospheric CO2 dry air mole fraction, XCO2, that pass all quality tests. During the first year of operations, the observing strategy, instrument calibration, and retrieval algorithm were optimized to improve both the data yield and the accuracy of the products. With these changes, global maps of XCO2 derived from the OCO-2 data are revealing some of the most robust features of the atmospheric carbon cycle. This includes XCO2 enhancements co-located with intense fossil fuel emissions in eastern US and eastern China, which are most obvious between October and December, when the north–south XCO2 gradient is small. Enhanced XCO2 coincident with biomass burning in the Amazon, central Africa, and Indonesia is also evident in this season. In May and June, when the north–south XCO2 gradient is largest, these sources are less apparent in global maps. During this part of the year, OCO-2 maps show a more than 10 ppm reduction in XCO2 across the Northern Hemisphere, as photosynthesis by the land biosphere rapidly absorbs CO2. As the carbon cycle science community continues to analyze these OCO-2 data, information on regional-scale sources (emitters) and sinks (absorbers) which impart XCO2 changes on the order of 1 ppm, as well as far more subtle features, will emerge from this high-resolution global dataset.

Abstract. The TROPOspheric Monitoring Instrument (TROPOMI) on board the Sentinel 5 Precursor (S5-P) satellite provides methane (CH4) measurements with high accuracy and exceptional temporal and spatial resolution and sampling. TROPOMI CH4 measurements are highly valuable to constrain emissions inventories and for trend analysis, with strict requirements on the data quality. This study describes the improvements that we have implemented to retrieve CH4 from TROPOMI using the RemoTeC full-physics algorithm. The updated retrieval algorithm features a constant regularization scheme of the inversion that stabilizes the retrieval and yields less scatter in the data and includes a higher resolution surface altitude database. We have tested the impact of three state-of-the-art molecular spectroscopic databases (HITRAN 2008, HITRAN 2016 and Scientific Exploitation of Operational Missions – Improved Atmospheric Spectroscopy Databases SEOM-IAS) and found that SEOM-IAS provides the best fitting results. The most relevant update in the TROPOMI XCH4 data product is the implementation of an a posteriori correction fully independent of any reference data that is more accurate and corrects for the underestimation at low surface albedo scenes and the overestimation at high surface albedo scenes. After applying the correction, the albedo dependence is removed to a large extent in the TROPOMI versus satellite (Greenhouse gases Observing SATellite – GOSAT) and TROPOMI versus ground-based observations (Total Carbon Column Observing Network – TCCON) comparison, which is an independent verification of the correction scheme. We validate 2 years of TROPOMI CH4 data that show the good agreement of the updated TROPOMI CH4 with TCCON (−3.4 ± 5.6 ppb) and GOSAT (−10.3 ± 16.8 ppb) (mean bias and standard deviation). Low- and high-albedo scenes as well as snow-covered scenes are the most challenging for the CH4 retrieval algorithm, and although the a posteriori correction accounts for most of the bias, there is a need to further investigate the underlying cause.

Abstract. Column-averaged volume mixing ratios of carbon dioxide and methane retrieved from the Greenhouse gases Observing SATellite (GOSAT) Short-Wavelength InfraRed observation (GOSAT SWIR XCO2 and XCH4) were compared with the reference calibrated data obtained by ground-based high-resolution Fourier Transform Spectrometers (g-b FTSs) participating in the Total Carbon Column Observing Network (TCCON). Preliminary results are as follows: the GOSAT SWIR XCO2 and XCH4 (Version 01.xx) are biased low by 8.85 ± 4.75 ppm (2.3 ± 1.2 %) and 20.4 ± 18.9 ppb (1.2 ± 1.1 %), respectively. The standard deviation of the GOSAT SWIR XCO2 and XCH4 is about 1 % (1 σ) after correcting the negative biases of XCO2 and XCH4 by 8.85 ppm and 20.4 ppb, respectively. The latitudinal distributions of zonal means of the GOSAT SWIR XCO2 and XCH4 show similar features to those of the g-b FTS data except for the negative biases in the GOSAT data.

We retrieved column‐averaged dry air mole fractions of atmospheric carbon dioxide ( ) from backscattered short‐wave infrared (SWIR) sunlight measured by the Japanese Greenhouse gases Observing SATellite (GOSAT). Over two years of retrieved from GOSAT is compared with inferred from collocated SWIR measurements by seven ground‐based Total Carbon Column Observing Network (TCCON) stations. The average difference between GOSAT and TCCON for individual TCCON sites ranges from −0.87 ppm to 0.77 ppm with a mean value of 0.1 ppm and standard deviation of 0.56 ppm. We find an average bias between all GOSAT and TCCON retrievals of −0.20 ppm with a standard deviation of 2.26 ppm and a correlation coefficient of 0.75. One year of was retrieved from GOSAT globally, which was compared to global 3‐D GEOS‐Chem chemistry transport model calculations. We find that the latitudinal gradient, seasonal cycles, and spatial variability of GOSAT and GEOS‐Chem agree well in general with a correlation coefficient of 0.61. Regional differences between GEOS‐Chem model calculations and GOSAT observations are typically less than 1 ppm except for the Sahara and central Asia where a mean difference between 2 to 3 ppm is observed, indicating regional biases in the GOSAT retrievals unobserved by the current TCCON network. Using a bias correction scheme based on linear regression these regional biases are significantly reduced, approaching the required accuracy for surface flux inversions.