CN107561557A - 一种掩星探测仪大气成分反演方法 - Google Patents
一种掩星探测仪大气成分反演方法 Download PDFInfo
- Publication number
- CN107561557A CN107561557A CN201710711988.6A CN201710711988A CN107561557A CN 107561557 A CN107561557 A CN 107561557A CN 201710711988 A CN201710711988 A CN 201710711988A CN 107561557 A CN107561557 A CN 107561557A
- Authority
- CN
- China
- Prior art keywords
- atmospheric components
- target
- leo occultation
- occultation
- instrument
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种掩星探测仪大气成分反演方法,主要针对掩星探测仪的参数特征,基于ARTS建立掩星正向模式,并基于10年的MLS全球大气产品建设大气背景库,统计计算目标成份的初值场,并在反演过程中对不同高度层的迭代进行分层约束。
Description
技术领域
本发明涉及一种掩星探测仪大气成分探测反演方法,适用的大气成分包括O3、H2O、CO、CO2、HCl、NO、N2O、NO2、HCl、HF等痕量气体。
背景技术
臭氧分子(O3)是平流层大气的最关键的组成,它是平流层主要的热源,臭氧在平流层的垂直分布对平流层的温度结构和大气运动起决定性的作用。自80年代发现南极臭氧O3层空洞以来,地基的、航空的、卫星的等各种观测手段已用于探测并研究它的形成机制。近年来,人们逐渐认识到平流层大气中的一些微量成分,如含氯、含氢自由基、氮氧化物等对平流层臭氧的分解具有催化作用。这些参与O3化学过程的许多痕量气体含量很小,如果是天底探测情况下,其信息常常被低层大气中的气溶胶或地表信息所淹没。对这些痕量气体的探测,天底探测器已不能满足要求。
随着遥感观测和反演技术的进步,O3及其它大气痕量气体的监测由总量向垂直分布探测发展。大气遥感探测从天底探测、掩星探测到临边探测。基于掩星或临边探测进行痕量气体成分反演研究已成为大气科学的一个前沿和热点问题。GF5卫星上的红外甚高分辨率探测仪,是我国研发的第一个在红外波段具有甚高分辨率的太阳掩星观测仪器。它不同于我国已经在轨的其它仪器,我国在轨卫星都是天底观测模式,而红外甚高分辨率探测仪则采用掩星探测方式,反演算法和传统的天底探测模式不同。目前,国际上虽然已有不少掩星探测器,包含紫外与红外波段,也有许多有关掩探测大气成分算法的研究成果。然而,我国目前还没有掩星或临边探测器,大气成分算法方面的研究也比较缺少。而且,我国GF5卫星上的红外甚高分辨率掩星探测仪的各种探测参数与国际上已有探测仪的参数有所区别,反演算法中所用的正向探测模式不同。另外,目前的反演算法,反演结果对于初值场的依赖比较大,因此对于初值场的计算是很重要的,而且反演算法中的平滑因子对反演精度影响也比较大。如何获取初值场及调节平滑因子是提高反演精度的关键,也是反演中的技术难点。
发明内容
本发明的目的在于,解决现有技术中存在的上述不足之处。
为实现上述目的,本发明提供了一种掩星探测仪大气成分反演方法,该方法包括以下步骤:计算反演算法的初值场,该初值场包括目标大气成分先验廓线及协方差矩阵;基于正向辐射传输模型ARTS构建掩星探测仪掩星探测正向模式,并在正向模式中选择透过率辐射传输形式;根据目标大气成分吸收谱分布分析情况,选取目标大气成分的反演波段;将卫星观测的地理与几何信息输入正向辐射传输模型ARTS,得到透过率的模拟值和目标大气成分的权重函数,结合透过率的模拟值、目标大气成分的权重函数、以及目标大气成分先验廓线及协方差矩阵,基于最优估计算法得到目标大气成分廓线,通过加入向量形式的平滑因子对不同切高的迭代计算进行分层约束。
优选地,计算反演算法的初值场步骤,具体包括:
下载并筛选MLS L2数据产品;
构建大气背景库;
计算目标成分先验廓线及协方差矩阵。
优选地,构建掩星探测仪掩星探测正向模式步骤,具体包括:
选择正向模式;
整理计算掩星探测仪参数;
建立掩星探测正向模式。
优选地,建立掩星探测正向模式步骤,具体包括:
建立掩星探测辐射传输模型;
加入掩星探测仪参数。
优选地,选取目标大气成分的反演波段步骤,具体包括:
大气成分吸收谱分布分析;
基于信息熵迭代方法进行通道选择。
进一步优选地,通道选择步骤,具体包括:
计算权重函数:利用SCIATRAN计算目标成分及干扰成分扰在目标成分初始通道范围内的权重函数;
权重排序:将所述目标成分和干扰成分的权重排序;
选择生长基点:逐压力层分别选出每个压力层上对目标成分敏感的通道,并将此作为生长基点;
通道生长形成窗口;
最终生成通道的干扰气体检测:对最终生成的微窗通道进行干扰成分检测,从中选出最终的目标成分反演微窗。
优选地,基于最优估计算法得到目标大气成分廓线,通过加入向量形式的平滑因子对不同切高的迭代计算进行分层约束步骤,具体包括:
模拟掩星探测数据;
计算掩星探测仪观测误差协方差矩阵;
通过迭代计算,以及加入平滑因子,得到在不同切高下的目标大气成分廓线。
本发明针对掩星探测仪的参数特征,建立掩星正向模式,基于2004-2015年的MLS全球大气产品建设大气背景库,统计计算目标成份的初值场,通过分层调节反演算法中的平滑因子,不仅能加快收敛速度,更能解决反演迭代过程不收敛的问题。
附图说明
图1为本发明实施例提供的一种反演方法的流程示意图;
图2为本发明实施例提供的一种大气背景库建库流程图;
图3为本发明实施例提供的一种O3在750-4100cm-1的吸收谱线分布图;
图4为本发明实施例提供的一种通道选择流程图;
图5为本发明实施例提供的一种O3反演结果与先验廓线、FTS产品的比较图;
图6为本发明实施例提供的一种O3反演结果与FTS产品的偏差百分比。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
图1为本发明实施例提供的一种反演方法的流程示意图;
如图1所示,本发明中的掩星探测仪大气成分反演方法包括以下步骤:
步骤S11:计算反演算法的初值场,该初值场包括目标大气成分先验廓线及协方差矩阵;
步骤S12:基于正向辐射传输模型ARTS构建掩星探测仪掩星探测正向模式,并在正向模式中选择透过率辐射传输形式;
步骤S13:根据目标大气成分吸收谱分布分析情况,选取目标大气成分的反演波段;
步骤S14:将卫星观测的地理与几何信息输入正向辐射传输模型ARTS,得到透过率的模拟值和目标大气成分的权重函数,结合透过率的模拟值、目标大气成分的权重函数、以及目标大气成分先验廓线及协方差矩阵,基于最优估计算法得到目标大气成分廓线,通过加入向量形式的平滑因子对不同切高的迭代计算进行分层约束。
以O3的反演方案为例。
具体地,步骤S11具体包括:
步骤S111:下载并筛选MLS L2数据产品:
从https://mirador.gsfc.nasa.gov/网址上下载MLS从2004-2015年的全球L2廓线产品。
本发明采用的数据源为MLSV4.2版本的大气成分廓线,各大气成分的效压力范围、状态值、数据质量、精度、收敛值的要求,数据筛选标准如表1所示。
表1MLS建库产品筛选标准
步骤S112:构建大气背景库:
图2为本发明实施例提供的一种大气背景库建库流程图;
MLS 2级产品中不同产品对应不同的有效探测高度,对每种产品分别建库。以臭氧为例,其流程如图2所示,共分为3步:
1)按月存储:将MLS2004-2015年的产品逐月分别存储
2)纬度10°格网平均:在1)的基础上,对逐月的数据按照纬向10°格网分类存储,格式为monXXlatYYm,XX代表月份,YY代表纬度,m为n或s,分别代表北纬和南纬。例如,mon1lat40n代表1月份,纬度为35°N-45°N范围的观测数据
3)经度30°格网平均:在2)的基础上在进行经度30°格网划分。格式为monXXlatYYmlonZZn,XX代表月份,YY代表纬度,m为n或s,分别代表北纬和南纬,ZZ代表经度,n为w或e,代表东经和西经。例如,mon1lat40nlon120e代表1月份,纬度为35°N-45°N范围,经度为110-130°e范围观测数据。
步骤S113:计算目标成分先验廓线及协方差矩阵:
进一步具体地,计算先验廓线:将步骤S112中大气背景库中每个经纬网格12个月的目标成分廓线,按月平均即得到每个月目标成分的先验廓线。
计算协方差矩阵:将步骤S112中大气背景库中每个经纬网格12个月的目标成分廓线,对每个月的目标廓线样本求均值X及标准差S,进而计算得到目标成分每个月的协方差矩阵
具体地,步骤S12具体包括:
步骤S121:选择正向模式:
进一步具体地,本发明采用布莱梅大学开发的ARTS辐射传输模型软件包,ARTS可以模拟红外至微波波段的大气辐射传输的软件。通过定义观测几何、大气背景条件与传感器特征参数,ARTS可以计算天底、临边与掩星三种探测方式的大气辐射传输。
步骤S122:整理计算GF5卫星红外甚高分辨率掩星探测仪参数:
具体参数如下:
A波段范围:750-4100cm-1
B线性函数:基于载荷方给的通道干涉数据及光谱数据,截取得到通道的线性函数。
C仪器视场角(FOV)响应函数:直接采用载荷方提供的GF5红外甚高分辨率探测仪的视场响应函数,用F(Ω)表示。
步骤S123:建立GF5红外掩星探测正向模式。
进一步具体地,步骤S123具体包括:
步骤S1231:建立红外掩星探测辐射传输模型;
在ARTS正向模式中选择透过率辐射传输形式。在掩星观测模式下,ARTS里面耦合的大气辐射传输方程为
方程中左侧代表透过率,是波数为v时,大气吸收光谱I(v)与大气外层光谱I0(v)的比值。右侧S代表线强,f代表线型函数,χi代表体积混合比,Ui代表在大气层i对应的传输路径li上大气分子的柱总量,其值取决与大气层的温度、压强与光学路径的长度。其中线强S与f的是通过调用HITRAN,由正向模型软件包计算获得。
v为GF5红外掩星探测仪的波段750-4100cm-1
pi与Ti为1中的大气背景库里的温压廓线
χi为目标成分及目标干扰成分的体积混合比廓线。在本实施例中,即为O3及O3的干扰成分CO2、H2O、N2O的体积混合比廓线,直接从已经建立的大气背景库里读取这些成分的体积混合比廓线。
步骤S1232:加入GF5红外掩星探测仪参数
在正向模型中对传感器参数的考虑主要包括线性函数与天线FOV响应函数。首先,对每个波段的线性函数进行积分,得到透过率,如式(公式2)所示:
式中,R(v)是波段的响应函数。
仪器的另一个关键参数即是天线的FOV响应函数。GF5卫星红外甚高分辨率探测仪的FOV响应函数为F(Ω),那么最终仪器观测得到的透过率为:
具体地,步骤S13具体包括:
步骤S131:大气成分吸收谱分布分析:
图3为本发明实施例提供的一种O3在750-4100cm-1的吸收谱线分布图
基于HITRAN2012分析目标成分在GF5红外甚高分辨率探测仪光谱范围750-4100cm-1的吸收谱分布情况。选取目标成分吸收强的波段窗口,进行下一步的反演通道选择。O3在750-4100cm-1的吸收谱分布如图3所示。图3中可看出O3在1000-1150cm-1范围及2100cm-1左右有较强的吸收谱线。
步骤S132:基于信息熵迭代方法进行通道选择:
本发明采用基于Jacobian的信息熵迭代方法。Jacobian矩阵K反映的是对应高度层上每个通道对大气成分的敏感性。定义为
其中x为待计算的大气成分,F为正向辐射传输模型。对掩星观测,SCITRAN正向模型输出的Jacobian矩阵维数为J=(大气高层分层*通道数,切高数)。Shannon在1949年提出信息熵理论,用信息含量H(information content)表示通过观测获得的信息量。H是一个标量,可以通过观测前后的概率密度函数的熵的差值表示,若观测前系统的概率分布用P1(X)表示,观测后系统的概率分布用P2(X)表示,则观测的信息容量可以定义为:
H=S(P1)-S(P2) (公式5)
假设观测前后的概率分布符合高斯分布,则信息含量可记为:
式中Sa代表观测前协方差,Se代表观测后协方差,Sx代表噪声协方差。
我们以O3为例,图4为本发明实施例提供的一种通道选择流程图;
如图4所示,步骤S132具体包括:
步骤S1321:计算权重函数::利用SCIATRAN计算O3及其干扰气体在O3初始通道范围内的权重函数(O3的干扰因子);
步骤S1322:权重排序:将步骤S1321的目标成分和干扰成分的权重排序;
步骤S1323:选择生长基点:逐压力层分别选出每个压力层上对O3敏感的通道,并将此作为生长基点;
步骤S1324:通道生长形成窗口;
进一步具体地,生长准则是,在步骤S1323选择的生长基点左右各计算75个通道(0.02cm-1光谱分辨率),这样做的目的是满足窗口最大不超过3cm-1。如果通道的加入,使信息量的增加大于生长阈值,则将该通道并入基础点。重复该步骤,直到通道的加入信息量的增加小于生长阈值时跳出该过程,通道生长结束。
步骤S1325:最终生成通道的干扰气体检测:对最终生成的微窗通道进行干扰成分检测,从中选出最终的臭氧反演微窗。
表2为O3反演通道选择结果列表。
具体地,步骤S14具体包括:
步骤S141:模拟GF5红外掩星探测数据:
目前,GF5卫星还没上天,本发明基于另一个红外掩星探测正向模型SCIATRAN模拟GF5卫星红外甚高分辨率探测仪的观测数据。模拟的日期为2010.09.13,经纬度为63°N,73°W,模拟得到GF5卫星红外甚高分辨率探测仪探测波段750-4100cm-1的透过率y。
步骤S142:计算GF5卫星红外掩星探测仪观测误差协方差矩阵:
GF5卫星红外掩星探测仪观测误差协方差矩阵记为Sy,是一个对角阵,对角线的取值为对应于探测仪每个波段对应的信噪比倒数的平方。
步骤S143:最优化反演算法。
进一步地,步骤S132具体包括:
步骤S1431:最优估算:
本发明采用最优化方法来反演目标成分廓线。最优估计算法是在先验知识的约束下,使正向模型的模拟观测值与传感器实测值的差在限差内,即通过构造代价函数,用迭代的方法求代价函数的最小值。
实测的观测值可表示为y
y=F(x,b)+∈y (公式9)
y代表卫星观测值,即步骤1模拟得到的透过率
F代表正向模型函数,本发明采用ARTS为正向模型
x代表真实的大气参数,即需要反演的目标成分廓线
b为模型参数,包括2中的GF5红外掩星探测仪参数
∈y为观测误差,即GF5红外掩星探测仪的探测误差即信噪比倒数的平方。
利用ARTS正向模型模拟得到的透过率表示为实测的y与正向模拟值之间的代价函数可表示为:
代表先验估计的协方差,Sy代表观测误差的协方差。使代价函数最小,即令方程(x)的一阶导数为0,可表示为:
其中K为权重函数:
步骤S1432:迭代算法步骤:
最优估计方程的解算取决于正向模型的线性特性。当非线性不是很强时,常采用高斯-牛顿迭代法,i表示第i次迭代。
解的协方差可表示为:
对于非线性很强的反演问题时,则需要在高斯-牛顿迭代法上加上Levenberg-Marquardt参数。
γ是Levenberg-Marquardt参数,取决于函数的迭代性能,当φ(x(n+1))>φ(x(n))时,增大γ值,反之减小。D代表比例矩阵,一般情况下取值为
步骤S1433:增加平滑因子。
在实际计算中,如果待反演参数的初始点远离最优解话,上述的牛顿迭代与Levenberg-Marquardt迭代方向不一定是下降方向,这样会导致迭代收敛性无法保证,此时应该加上一个适当的平滑因子α,
牛顿迭代则改为:
Levenberg-Marquardt迭代迭代则改为:
在以往天底探测大气成分反演中,常取一个常数或一个变量。对于掩星探测,因为有不同切高的观测值,本发明将平滑因子取为一个向量,针对不同的切高有不同的平滑因子。
本发明将反演结果做了反演精度分析:
具体地,提取FTS产品中目标成分的廓线产品
下载与步骤S141中模拟数据日期与地理位置相同的FTS二级产品,提取目标成分廓线产品。
具体地,计算模拟数据的反演廓线与FTS产品廓线的偏差。
比较本发明基于GF5卫星红外甚高分辨率探测仪模拟数据的反演廓线与FTS二级产品之间的偏差,进行精度评价。
图5为本发明实施例提供的一种O3反演结果与先验廓线、FTS产品的比较图;
图6为本发明实施例提供的一种O3反演结果与FTS产品的偏差百分比。
图5为本文算法反演的臭氧廓线与官方结果的对比,其中带○为反演结果,带×号的为本文反演算法使用的先验廓线,带☆为ACE-FTS给出的结果,图6为两者的相对误差,从图上可以看出,在65Km以上,两者的相对误差在±20%以内。
本领域普通技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地
描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执轨道,取决于技术方案的特定应用和设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执轨道的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种掩星探测仪大气成分反演方法,其特征在于,包括以下步骤:
计算反演算法的初值场,所述初值场包括目标大气成分先验廓线及协方差矩阵;
基于正向辐射传输模型ARTS构建掩星探测仪掩星探测正向模式,并在所述正向模式中选择透过率辐射传输形式;
根据目标大气成分吸收谱分布分析情况,选取目标大气成分的反演波段;
将卫星观测的地理与几何信息输入正向辐射传输模型ARTS,得到透过率的模拟值和目标大气成分的权重函数,结合所述透过率的模拟值、目标大气成分的权重函数、以及目标大气成分先验廓线及协方差矩阵,基于最优估计算法得到目标大气成分廓线,通过加入向量形式的平滑因子对不同切高的迭代计算进行分层约束。
2.根据权利要求1所述的方法,其特征在于,所述计算反演算法的初值场步骤,具体包括:
下载并筛选MLS L2数据产品;
构建大气背景库;
计算目标成分先验廓线及协方差矩阵。
3.根据权利要求1所述的方法,其特征在于,所述构建掩星探测仪掩星探测正向模式步骤,具体包括:
选择正向模式;
整理计算掩星探测仪参数;
建立掩星探测正向模式。
4.根据权利要求3所述的方法,其特征在于,所述建立掩星探测正向模式步骤,具体包括:
建立掩星探测辐射传输模型;
加入掩星探测仪参数。
5.根据权利要求1所述的方法,其特征在于,所述选取目标大气成分的反演波段步骤,具体包括:
大气成分吸收谱分布分析;
基于信息熵迭代方法进行通道选择。
6.根据权利要求5所述的方法,其特征在于,所述通道选择步骤,具体包括:
计算权重函数:利用SCIATRAN计算目标成分及干扰成分扰在目标成分初始通道范围内的权重函数;
权重排序:将所述目标成分和干扰成分的权重排序;
选择生长基点:逐压力层分别选出每个压力层上对目标成分敏感的通道,并将此作为生长基点;
通道生长形成窗口;
最终生成通道的干扰气体检测:对最终生成的微窗通道进行干扰成分检测,从中选出最终的目标成分反演微窗。
7.根据权利要求1所述的方法,其特征在于,所述基于最优估计算法得到目标大气成分廓线,通过加入向量形式的平滑因子对不同切高的迭代计算进行分层约束步骤,具体包括:
模拟掩星探测数据;
计算掩星探测仪观测误差协方差矩阵;
通过迭代计算,以及加入平滑因子,得到在不同切高下的目标大气成分廓线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710711988.6A CN107561557B (zh) | 2017-08-18 | 2017-08-18 | 一种掩星探测仪大气成分反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710711988.6A CN107561557B (zh) | 2017-08-18 | 2017-08-18 | 一种掩星探测仪大气成分反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107561557A true CN107561557A (zh) | 2018-01-09 |
CN107561557B CN107561557B (zh) | 2020-04-28 |
Family
ID=60976032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710711988.6A Active CN107561557B (zh) | 2017-08-18 | 2017-08-18 | 一种掩星探测仪大气成分反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107561557B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872093A (zh) * | 2018-05-02 | 2018-11-23 | 复旦大学 | 基于被动遥感的o4吸收校正及气溶胶消光廓线反演方法 |
CN109358352A (zh) * | 2018-09-30 | 2019-02-19 | 天津讯联科技有限公司 | 一种星载实时掩星预报方法 |
CN110836982A (zh) * | 2019-10-28 | 2020-02-25 | 北京空间机电研究所 | 一种基于可调谐激光的掩星大气风速廓线测量系统及方法 |
CN111257241A (zh) * | 2020-01-20 | 2020-06-09 | 中国科学院地理科学与资源研究所 | 一种deei的基于卫星观测的大气二氧化碳浓度反演算法 |
CN111537455A (zh) * | 2020-05-08 | 2020-08-14 | 中国科学院合肥物质科学研究院 | 基于空间外差干涉光谱测量技术的大气co2卫星观测反演方法 |
CN114646601A (zh) * | 2022-03-29 | 2022-06-21 | 中国科学技术大学 | 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 |
CN116413215A (zh) * | 2023-04-14 | 2023-07-11 | 中国科学院大气物理研究所 | 基于环形临边探测中层大气臭氧浓度廓线非线性反演方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872019A (zh) * | 2010-05-20 | 2010-10-27 | 武汉大学 | 一种并行星群掩星事件快速数据处理方法 |
CN102230796A (zh) * | 2011-04-06 | 2011-11-02 | 中国人民解放军理工大学气象学院 | 基于无线电掩星探测资料的云底高反演方法 |
CN103267970A (zh) * | 2013-05-24 | 2013-08-28 | 重庆绿色智能技术研究院 | 一种基于北斗gps联合层析法的大气水汽探测方法及系统 |
CN103954952A (zh) * | 2014-04-24 | 2014-07-30 | 中国科学院遥感与数字地球研究所 | 一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法 |
CN103955607A (zh) * | 2014-04-24 | 2014-07-30 | 中国科学院遥感与数字地球研究所 | 一种提高短波红外卫星二氧化碳反演速度的方法 |
CN104933316A (zh) * | 2015-07-02 | 2015-09-23 | 华东交通大学 | 一种基于双参数混合正则化的电离层掩星反演方法 |
-
2017
- 2017-08-18 CN CN201710711988.6A patent/CN107561557B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872019A (zh) * | 2010-05-20 | 2010-10-27 | 武汉大学 | 一种并行星群掩星事件快速数据处理方法 |
CN102230796A (zh) * | 2011-04-06 | 2011-11-02 | 中国人民解放军理工大学气象学院 | 基于无线电掩星探测资料的云底高反演方法 |
CN103267970A (zh) * | 2013-05-24 | 2013-08-28 | 重庆绿色智能技术研究院 | 一种基于北斗gps联合层析法的大气水汽探测方法及系统 |
CN103954952A (zh) * | 2014-04-24 | 2014-07-30 | 中国科学院遥感与数字地球研究所 | 一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法 |
CN103955607A (zh) * | 2014-04-24 | 2014-07-30 | 中国科学院遥感与数字地球研究所 | 一种提高短波红外卫星二氧化碳反演速度的方法 |
CN104933316A (zh) * | 2015-07-02 | 2015-09-23 | 华东交通大学 | 一种基于双参数混合正则化的电离层掩星反演方法 |
Non-Patent Citations (1)
Title |
---|
王雅鹏 等: "《红外临边探测发展现状》", 《遥感学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872093A (zh) * | 2018-05-02 | 2018-11-23 | 复旦大学 | 基于被动遥感的o4吸收校正及气溶胶消光廓线反演方法 |
CN108872093B (zh) * | 2018-05-02 | 2020-09-29 | 复旦大学 | 基于被动遥感的o4吸收校正及气溶胶消光廓线反演方法 |
CN109358352A (zh) * | 2018-09-30 | 2019-02-19 | 天津讯联科技有限公司 | 一种星载实时掩星预报方法 |
CN109358352B (zh) * | 2018-09-30 | 2021-05-18 | 天津讯联科技有限公司 | 一种星载实时掩星预报方法 |
CN110836982A (zh) * | 2019-10-28 | 2020-02-25 | 北京空间机电研究所 | 一种基于可调谐激光的掩星大气风速廓线测量系统及方法 |
CN111257241A (zh) * | 2020-01-20 | 2020-06-09 | 中国科学院地理科学与资源研究所 | 一种deei的基于卫星观测的大气二氧化碳浓度反演算法 |
CN111537455A (zh) * | 2020-05-08 | 2020-08-14 | 中国科学院合肥物质科学研究院 | 基于空间外差干涉光谱测量技术的大气co2卫星观测反演方法 |
CN111537455B (zh) * | 2020-05-08 | 2023-08-15 | 中国科学院合肥物质科学研究院 | 基于空间外差干涉光谱测量技术的大气co2卫星观测反演方法 |
CN114646601A (zh) * | 2022-03-29 | 2022-06-21 | 中国科学技术大学 | 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 |
CN116413215A (zh) * | 2023-04-14 | 2023-07-11 | 中国科学院大气物理研究所 | 基于环形临边探测中层大气臭氧浓度廓线非线性反演方法 |
CN116413215B (zh) * | 2023-04-14 | 2023-10-17 | 中国科学院大气物理研究所 | 基于环形临边探测中层大气臭氧浓度廓线非线性反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107561557B (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561557A (zh) | 一种掩星探测仪大气成分反演方法 | |
Verhoef et al. | Hyperspectral radiative transfer modeling to explore the combined retrieval of biophysical parameters and canopy fluorescence from FLEX–Sentinel-3 tandem mission multi-sensor data | |
Boersma et al. | Error analysis for tropospheric NO2 retrieval from space | |
Kuang et al. | Spaceborne measurements of atmospheric CO2 by high‐resolution NIR spectrometry of reflected sunlight: An introductory study | |
Miles et al. | Tropospheric ozone and ozone profiles retrieved from GOME-2 and their validation | |
Bowman et al. | Capturing time and vertical variability of tropospheric ozone: A study using TES nadir retrievals | |
Melsheimer et al. | Intercomparison of general purpose clear sky atmospheric radiative transfer models for the millimeter/submillimeter spectral range | |
Wu et al. | EOS MLS cloud ice measurements and cloudy-sky radiative transfer model | |
Oshchepkov et al. | Effects of atmospheric light scattering on spectroscopic observations of greenhouse gases from space. Part 2: Algorithm intercomparison in the GOSAT data processing for CO2 retrievals over TCCON sites | |
Aires et al. | Microwave hyperspectral measurements for temperature and humidity atmospheric profiling from satellite: The clear‐sky case | |
Pol et al. | Improved 20‐to 32‐GHz atmospheric absorption model | |
Von Clarmann et al. | A blind test retrieval experiment for infrared limb emission spectrometry | |
Xu et al. | Assessment of Tikhonov-type regularization methods for solving atmospheric inverse problems | |
King et al. | Using passive remote sensing to retrieve the vertical variation of cloud droplet size in marine stratocumulus: An assessment of information content and the potential for improved retrievals from hyperspectral measurements | |
Aires | Measure and exploitation of multisensor and multiwavelength synergy for remote sensing: 1. Theoretical considerations | |
CN111537455B (zh) | 基于空间外差干涉光谱测量技术的大气co2卫星观测反演方法 | |
Segal‐Rosenheimer et al. | Retrieval of cirrus properties by Sun photometry: A new perspective on an old issue | |
Simon Wedlund et al. | Estimating energy spectra of electron precipitation above auroral arcs from ground‐based observations with radar and optics | |
Labow et al. | A total ozone‐dependent ozone profile climatology based on ozonesondes and Aura MLS data | |
Kappel et al. | Error analysis for retrieval of Venus׳ IR surface emissivity from VIRTIS/VEX measurements | |
Cressie et al. | Statistical bias and variance for the regularized inverse problem: Application to space‐based atmospheric CO2 retrievals | |
Rydberg et al. | Non-Gaussian Bayesian retrieval of tropical upper tropospheric cloud ice and water vapour from Odin-SMR measurements | |
Christensen et al. | Tomographic retrieval of water vapour and temperature around polar mesospheric clouds using Odin-SMR | |
Sofieva et al. | Ozone profile smoothness as a priori information in the inversion of limb measurements | |
CN107798154B (zh) | 一种火星大气沙尘气溶胶光学厚度反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |