CN107908838A - 高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置 - Google Patents
高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置 Download PDFInfo
- Publication number
- CN107908838A CN107908838A CN201711057456.1A CN201711057456A CN107908838A CN 107908838 A CN107908838 A CN 107908838A CN 201711057456 A CN201711057456 A CN 201711057456A CN 107908838 A CN107908838 A CN 107908838A
- Authority
- CN
- China
- Prior art keywords
- nitrous oxide
- passage
- channel set
- absorption bands
- inverting
- 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
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 title claims abstract description 310
- 239000001272 nitrous oxide Substances 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010521 absorption reaction Methods 0.000 claims abstract description 94
- 238000005457 optimization Methods 0.000 claims abstract description 57
- 238000001228 spectrum Methods 0.000 claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 50
- 230000037361 pathway Effects 0.000 claims abstract description 44
- 239000012141 concentrate Substances 0.000 claims abstract description 13
- 239000007789 gas Substances 0.000 claims description 60
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 49
- 230000035945 sensitivity Effects 0.000 claims description 36
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 26
- 229910052757 nitrogen Inorganic materials 0.000 claims description 26
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 21
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 14
- 239000001301 oxygen Substances 0.000 claims description 14
- 229910052760 oxygen Inorganic materials 0.000 claims description 14
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 10
- 239000001569 carbon dioxide Substances 0.000 claims description 10
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 7
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000003647 oxidation Effects 0.000 claims description 5
- 238000007254 oxidation reaction Methods 0.000 claims description 5
- 238000002834 transmittance Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 102100033668 Cartilage matrix protein Human genes 0.000 claims description 4
- 101001018382 Homo sapiens Cartilage matrix protein Proteins 0.000 claims description 4
- 238000009738 saturating Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000003595 spectral effect Effects 0.000 description 14
- 229960004424 carbon dioxide Drugs 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 5
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000005431 greenhouse gas Substances 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004408 titanium dioxide Substances 0.000 description 2
- 239000005436 troposphere Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000790917 Dioxys <bee> Species 0.000 description 1
- 229910017435 S2 In Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002090 carbon oxide Inorganic materials 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1795—Atmospheric mapping of gases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
- G01N2021/354—Hygrometry of gases
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置,包括:根据高光谱卫星数据在氧化亚氮υ1和υ3吸收带随气体浓度变化时的亮温变化幅度,选取变化幅度最大的光谱区间作为敏感通道集;根据氧化亚氮υ1和υ3吸收带的气体透过率以及传感器观测噪声,从敏感通道集中选取不被其它气体吸收特性覆盖且传感器噪声较小的通道作为优化通道集;根据权重函数的物理意义,从优化通道集中选取权重函数峰值所在高度不重叠的通道作为反演通道集。本发明根据氧化亚氮的红外吸收特征以及高光谱数据不同通道对不同气压层氧化亚氮吸收敏感的特性选择最优通道,使在所选反演通道上目标气体信息量最大,干扰气体信息量最小,氧化亚氮廓线的反演精度最高。
Description
技术领域
本发明涉及热红外高光谱温室气体卫星遥感监测领域,更具体地,涉及一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置。
背景技术
氧化亚氮是一种非常重要的温室气体和臭氧损耗物。但是由于氧化亚氮的观测资料有限,因此人们对于氧化亚氮的排放、空间分布特点、对气候系统的反馈作用以及对臭氧层分布影响等的定量描述还存在很多的不确定性。传统的地基观测,由于站点稀少,空间覆盖范围不够,不能满足应用需求。利用热红外卫星数据可以反演监测甲烷和二氧化碳气体,但对氧化亚氮的反演还很少见到,所以在我国研究氧化亚氮的热红外遥感反演,自主掌握重要温室气体的卫星探测原理与技术方法,为我国氧化亚氮气体分布规律的探测准备技术储备,对我国全球气候变化研究和国家的应对等,具有重要的现实意义。
反演通道选择是热红外高光谱卫星遥感反演算法中最核心的问题。高光谱分辨率导致在传感器的探测范围内存在大量的光谱通道和单个通道信噪比的降低,同时通道间存在较大的相关性。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置。
根据本发明的一个方面,提供一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法,包括:S1、根据所述高光谱卫星数据在氧化亚氮υ1吸收带随气体浓度变化时亮温的第一变化幅度、所述高光谱卫星数据在氧化亚氮υ3吸收带随气体浓度变化时亮温的第二变化幅度,获取敏感光谱区间对应的敏感通道集;S2、根据所述氧化亚氮υ1吸收带的气体透过率、所述氧化亚氮υ3吸收带的气体透过率和大气红外探测仪的观测噪声,从所述敏感通道集中的通道进行选择,获得优化通道集;S3、根据所述优化通道集中每一通道的权重函数和所述每一通道的权重函数的峰值,从所述优化通道集中选取若干个通道,获得反演通道集,所述反应通道集中每个通道的权重函数的峰值对应的高度不同。
优选地,所述敏感光谱区间包括所述氧化亚氮υ1吸收带的第一敏感光谱区间和所述氧化亚氮υ3吸收带的第二敏感光谱区间;相应地,所述敏感通道集包括第一敏感通道集和第二敏感通道集,所述第一敏感通道集对应所述第一敏感光谱区间,所述第二敏感通道集对应所述第二敏感光谱区间。
优选地,步骤S1具体包括:S11、当水汽浓度增加10%、氧化亚氮浓度增加2%和甲烷浓度增加2%时,获得所述氧化亚氮υ1吸收带在第一区间亮温的第一变化幅度,当二氧化碳浓度增加2%、一氧化碳浓度增加2%和氧化亚氮浓度增加2%时,获得所述氧化亚氮υ3吸收带在第二区间亮温的第二变化幅度,所述第一区间为1360cm-1~1220cm-1,所述第二区间为2260cm-1~2180cm-1;S12、将所述第一变化幅度最大对应的光谱区间作为所述第一敏感光谱区间,相应地,获得所述第一敏感通道集,将所述第二变化幅度最大对应的光谱区间作为所述第二敏感光谱区间,相应地,获得所述第二敏感通道集。
优选地,步骤S2中,所述氧化亚氮υ1吸收带的气体透过率具体包括所述氧化亚氮υ1吸收带在所述第一区间的水汽透过率、甲烷透过率和氧化亚氮透过率,所述氧化亚氮υ3吸收带的气体透过率具体包括所述氧化亚氮υ3吸收带在所述第二区间的一氧化碳透过率、二氧化碳透过率和氧化亚氮透过率。
优选地,所述优化通道集包括第一优化通道集和第二优化通道集,相应地,步骤S2中具体包括:根据所述氧化亚氮υ1吸收带在所述第一区间的水汽透过率、甲烷透过率、氧化亚氮透过率和所述大气红外探测仪在所述第一区间的观测噪声,从所述第一敏感通道集中进行选择,获得所述第一优化通道集;根据所述氧化亚氮υ3吸收带在所述第二区间的一氧化碳透过率、二氧化碳透过率、氧化亚氮透过率和所述大气红外探测仪在所述第二区间的观测噪声,从所述第二敏感通道集中进行选择,获得所述第二优化通道集。
优选地,步骤S3中所述权重函数为大气温度廓线和大气氧化亚氮透过率廓线的卷积。
优选地,步骤S3之前还包括:步骤S3之前还包括:根据所述高光谱卫星数据,基于通用辐射传输模型CRTM,获取所述优化通道集中每一通道的权重函数。
优选地,所述反演通道集包括第一反演通道集和第二反演通道集,相应地,步骤S3具体包括:S31、获取所述氧化亚氮υ1吸收带的所述第一优化通道集中每一通道的权重函数和所述氧化亚氮υ3吸收带的所述第二优化通道集中每一通道的权重函数;S32、对于所述第一优化通道集中每一通道的权重函数,选取第一预设数值个权重函数,所述第一预设数值个权重函数峰值对应的高度相同,根据所述第一预设数值个权重函数中峰值最大的权重函数对应的通道,获得所述第一反演通道集,对于所述第二优化通道集中每一通道的权重函数,选取所述每一通道的权重函数中峰值最大的第二预设数值个权重函数,根据所述第二预设数值个权重函数对应的通道,获得所述第二反演通道集。
根据本发明的一个方面,提供一种高光谱卫星数据反演氧化亚氮廓线反演通道选取装置,包括:敏感模块,用于根据所述高光谱卫星数据在氧化亚氮υ1吸收带随气体浓度变化时亮温的第一变化幅度、所述高光谱卫星数据在氧化亚氮υ3吸收带随气体浓度变化时亮温的第二变化幅度,获取敏感光谱区间对应的敏感通道集;优化模块,用于根据所述氧化亚氮υ1吸收带的气体透过率、所述氧化亚氮υ3吸收带的气体透过率和大气红外探测仪的观测噪声,从所述敏感通道集中选取优化通道集;
反演模块,用于根据所述优化通道集中每一通道的权重函数和所述每一通道的权重函数的峰值,从所述优化通道集中选取若干个通道,获得反演通道集,所述反应通道集中每个通道的权重函数的峰值对应的高度不同。
本发明提出一种高光谱卫星数据反演氧化亚氮廓线反演通道选取方法及装置,根据氧化亚氮的吸收特征选择最优通道,使在所选反演通道上目标气体信息量最大,干扰气体信息量最小,在所选通道上进行氧化亚氮廓线的反演,提高了反演的效率,降低了反演的误差。
附图说明
图1为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法的流程图;
图2为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ1吸收带的亮温变化的示意图;
图3为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ3吸收带的亮温变化的示意图;
图4为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ1吸收带在第一区间的第一透过率示意图;
图5为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ3吸收带在第二区间的第二透过率示意图;
图6为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中利用反演通道集中的通道进行反演的结果示意图;
图7为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ1吸收带的两个通道的权重函数示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
目前,反演通道选取方法主要有两大类:
1、最优敏感廓线法(Optimal Sensitivity Profile,简称OSP)
该类方法在进行反演通道选择时,主要考虑各通道对大气参数的敏感性,通过计算雅克比矩阵,选出每层峰值最大所对应的通道。选取主要遵循三个原则:1)如果把观测某一种气体的最佳通道的辐射值当作“信号”,而其它气体的干扰信息当作“噪声”,则选择信噪比较高的通道;2)当需要观测的气体信号值较小时,信噪比值也可能较大,那么就需要对信号值设定一个固定的阈值,小于这个阈值的反演通道将不予考虑;3)信噪比是对整层大气的积分,因此仅仅使用信噪比所选取的通道可能会有观测不到的大气层。因此引入了雅各比矩阵,选取具有不同峰值的通道。
2、信息熵法
该类方法的核心思想是基于信息熵的分步迭代法,以“信息容量”为指标,定量表现出各通道的可反演度,主要思路是:提出一个“指标”,比如可反演指标、信息容量、通道贡献指标,该指标一般是背景协方差矩阵、通道噪声矩阵和通道权函数矩阵的函数,通道权函数矩阵也称Jacobi矩阵;用分步迭代法以指标为标准每次选择出一个通道,直到选出所需的所有通道。
现有方法的缺点如下:
1、最优敏感廓线法,该方法主要考虑吸收通道的敏感性,并不能体现权重函数的物理意义,而且该方法计算所得的“信噪比”是对整层大气的积分,因此最终选取的通道很可能会把某一层对于大气氧化亚氮吸收比较敏感的波段忽略掉。
2、信息熵法,这类方法在选取通道时对先验知识的准确性要求较高,而氧化亚氮的先验廓线样本较少,获取困难,利用统计方法得到的先验知识难以满足计算各种信息所需要的精度要求。
因此,我们需要根据目标气体在红波段的吸收特征选择最优通道,使在所选通道上目标气体信息量最大,干扰气体信息量最小。
2002年5月美国航空航天局(NASA)对地观测系统EOS的第二颗卫星Aqua发射成功,卫星运行在太阳同步轨道,高度为705km,大气红外探测仪(Atmospheric Infrared aredSounder,简称AIRS)是Aqua上的众多仪器之一。是NASA第一个红外高光谱分辨率仪器,AIRS拥有2378个探测通道,通道宽度为0.4um~2.4um,覆盖三个光谱范围3.74~4.61um(2665~2181cm-1),6.24~8.22um(1613~1216cm-1),8.80~15.4um(1136~649cm-1),光谱分辨率为λ/Δλ≥1200。
AIRS的主要目的是用于全球气候研究和天气预报,提高对流层温度廓线测量准确度,1Km对流层温度准确度达到1K,以及提高大气湿度测量准确度,在晴空或部分云覆盖条件下湿度廓线分布达到10%的准确度,痕量气体只作为研究产品。由于其覆盖了大气温室气体甲烷、二氧化碳以及一氧化碳的特征吸收谱线,并且具有足够高的光谱分辨率,具备探测大气温室气体的浓度垂直分布及其时空变化的能力。
反演通道选择是反演算法中最核心的问题。高光谱分辨率导致在传感器的探测范围内存在大量的光谱通道和单个通道信噪比的降低,同时通道间存在较大的相关性。利用全部通道来反演是不可取的,计算代价也是巨大的。需要根据目标气体在红波段的吸收特征选择最优通道,使在所选通道上目标气体信息量最大,干扰气体信息量最小。本发明从通道敏感性分析入手,首先找到大气氧化亚氮吸收最强,且不被其它气体的吸收信息所覆盖,即不被其它气体干扰的光谱区间,换句话说,就是我们首先需要找到对于氧化亚氮最为敏感的光谱区间;其次,通过对权重函数的深入理解,从物理学角度出发,重新考虑这些敏感光谱区间,选取有益于提高反演精度及廓线垂直分辨率的通道来进行反演。
图1为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法的流程图,如图1所述,该方法包括:S1、根据所述高光谱卫星数据在氧化亚氮υ1吸收带随气体浓度变化时亮温的第一变化幅度、所述高光谱卫星数据在氧化亚氮υ3吸收带随气体浓度变化时亮温的第二变化幅度,获取敏感光谱区间对应的敏感通道集;S2、根据所述氧化亚氮υ1吸收带的气体透过率、所述氧化亚氮υ3吸收带的气体透过率和大气红外探测仪的观测噪声,从所述敏感通道集中进行选择,获得优化通道集;S3、根据所述优化通道集中每一通道的权重函数和所述每一通道的权重函数的峰值,从所述优化通道集中选取若干个通道,获得反演通道集,所述反应通道集中每个通道的权重函数的峰值对应的高度不同。
需要说明的是,氧化亚氮υ1吸收带的中心为1284.91cm-1,氧化亚氮υ3吸收带的中心为2223.76cm-1。
首先选择敏感光谱区间,根据高光谱卫星数据在氧化亚氮υ1吸收带随气体浓度变化时的亮温的第一变化幅度和高光谱卫星数据在氧化亚氮υ3吸收带在气体浓度变化时的亮温的第一变化幅度,确定反演通道选取的一个较大的范围,也就是确定敏感光谱区间,该光谱敏感区间对氧化亚氮浓度的变化较为敏感,对氧化亚氮以外其它气体的变化不敏感,敏感光谱区间被分为多个通道,该多个通道构成敏感通道集。
接着在该敏感光谱区间中进行筛选,根据氧化亚氮υ1吸收带的气体透过率、氧化亚氮υ3吸收带的气体透过率和AIRS的观测噪声,从敏感通道集中选择,得到更加适合氧化亚氮廓线反演的通道,这些通道构成优化通道集。优化通道集中的通道具有这样的特点:不被氧化亚氮以外的其它气体的吸收特性覆盖,并且AIRS在该通道的观测噪声比较小。
最后,计算优化通道集中每个通道的权重函数,每个通道的权重函数都有峰值,并且每个峰值都对应一个高度,从所有的权重函数中选择若干个峰值对应的高度不同的权重函数,将选取的权重函数对应的通道作为反演通道,这些选取的反演通道构成反演通道集。
本发明提供一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法,根据氧化亚氮的红外吸收特征以及高光谱数据不同通道对不同气压层氧化亚氮吸收敏感的特性选择最优通道,使在所选反演通道上目标气体信息量最大,干扰气体信息量最小,在所选通道上进行氧化亚氮廓线的反演,提高了反演的效率,降低了反演的误差。
在上述实施例的基础上,具体地,所述敏感光谱区间包括所述氧化亚氮υ1吸收带的第一敏感光谱区间和所述氧化亚氮υ3吸收带的第二敏感光谱区间;相应地,所述敏感通道集包括第一敏感通道集和第二敏感通道集,所述第一敏感通道集对应所述第一敏感光谱区间,所述第二敏感通道集对应所述第二敏感光谱区间。
在上述实施例的基础上,具体地,所述优化通道集包括第一优化通道集和第二优化通道集,相应地,步骤S1具体包括:S11当水汽浓度增加10%、氧化亚氮浓度增加2%和甲烷浓度增加2%时,获得所述氧化亚氮υ1吸收带在第一区间亮温的第一变化幅度,当二氧化碳浓度增加2%、一氧化碳浓度增加2%和氧化亚氮浓度增加2%时,获得所述氧化亚氮υ3吸收带在第二区间亮温的第二变化幅度,所述第一区间为1360cm-1~1220cm-1,所述第二区间为2260cm-1~2180cm-1;S12、将所述第一变化幅度最大对应的光谱区间作为所述第一敏感光谱区间,相应地,获得所述第一敏感通道集,将所述第二变化幅度最大对应的光谱区间作为所述第二敏感光谱区间,相应地,获得所述第二敏感通道集。
图2为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ1吸收带的亮温变化的示意图,如图2所示,图中上部分的三根曲线分别表示在水汽浓度增加10%时υ1吸收带的亮温变化的示意图,氧化亚氮浓度增加2%时氧化亚氮υ1吸收带的亮温变化情况,甲烷浓度增加2%时氧化亚氮υ1吸收带的亮温变化情况,图中的下部分表示AIRSυ1吸收带在第一区间的通道噪声。对于氧化亚氮υ1吸收带,当水汽浓度增加10%、氧化亚氮浓度增加2%和甲烷浓度增加2%时,根据亮温在第一区间的第一变化幅度情况,选取第一变化幅度最大时对应的光谱区间作为第一敏感光谱区间,从而相应地得到第一敏感通道集。
图3为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ3吸收带的亮温变化的示意图,如图3所示,图中上部分的三根曲线分别表示在二氧化碳浓度增加2%时氧化亚氮υ3吸收带的亮温变化的示意图,氧化亚氮浓度增加2%时氧化亚氮υ3吸收带的亮温变化情况,一氧化碳浓度增加2%时氧化亚氮υ3吸收带的亮温变化情况,图中的下部分表示AIRS在第二区间的通道噪声。对于氧化亚氮υ1吸收带,当二氧化碳浓度增加2%、一氧化碳浓度增加2%和氧化亚氮浓度增加2%时,根据亮温在第二区间的第二变化幅度情况,选取第二变化幅度最大时对应的光谱区间作为第二敏感光谱区间,从而相应地得到第二敏感通道集。
在上述实施例的基础上,具体地,步骤S2中,所述氧化亚氮υ1吸收带的气体透过率具体包括所述氧化亚氮υ1吸收带在所述第一区间的水汽透过率、甲烷透过率和氧化亚氮透过率,所述氧化亚氮υ3吸收带的气体透过率具体包括所述氧化亚氮υ3吸收带在所述第二区间的一氧化碳透过率、二氧化碳透过率和氧化亚氮透过率。
在上述实施例的基础上,具体地,所述优化通道集包括第一优化通道集和第二优化通道集,相应地,步骤S2中具体包括:根据所述氧化亚氮υ1吸收带在所述第一区间的水汽透过率、甲烷透过率、氧化亚氮透过率和所述大气红外探测仪在所述第一区间的观测噪声,从所述第一敏感通道集中进行选择,获得所述第一优化通道集;根据所述氧化亚氮υ3吸收带在所述第二区间的一氧化碳透过率、二氧化碳透过率、氧化亚氮透过率和所述大气红外探测仪在所述第二区间的观测噪声,从所述第二敏感通道集中进行选择,获得所述第二优化通道集。
图4为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ1吸收带在第一区间的第一透过率示意图。如图4所示,图4中右上角的图表示在中波红外区间上AIRS在氧化亚氮υ1吸收带的光谱,下面的图分别为氧化亚氮、水汽和甲烷在该中波红外区间的透过率。从前面选取到的第一敏感光谱区域中,选取氧化亚氮υ1吸收带在第一区间中对氧化亚氮透过率较高、对水汽和甲烷的透过率较低的光谱区域,同时AIRS在该光谱区域的观测噪声很小,该光谱区域对应的通道就构成了第一优化通道集。
图5为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ3吸收带在第二区间的第二透过率示意图。如图5所示,图5中右上角的图表示在短波红外区间AIRS在氧化亚氮υ3吸收带的光谱,下面的图分别为氧化亚氮、二氧化碳和一氧化碳在该光谱区间的透过率。从前面选取到的第二敏感光谱区域中,选取氧化亚氮υ3吸收带在第二区间中对氧化亚氮透过率较高、二氧化碳和一氧化碳的透过率较低的光谱区域,同时AIRS在该光谱区域的观测噪声很小,该光谱区域对应的通道就构成了第二优化通道集。
在上述实施例的基础上,具体地,步骤S3中所述权重函数为大气温度廓线和大气氧化亚氮透过率廓线的卷积。
在上述实施例的基础上,具体地,步骤S3之前还包括:根据所述高光谱卫星数据,基于通用辐射传输模型CRTM,获取所述优化通道集中每一通道的权重函数。
根据大气温度廓线和大气氧化亚氮透过率廓线的卷积的交点,该交点距离地面一定的高度,每个高度有对应一个通道,根据峰值对应的高度,对所述优化通道集中的所有通道进行筛选,获得反演通道集。
最优估计法反演大气氧化亚氮廓线,通道越多,通道间相关性越大,计算效率越低,因此反演通道并不是越多越好,这就需要我们在上一节所选取的通道中,进一步选择合适的通道来反演
权重函数的推导过程如下:
忽略地表贡献后,将大气辐射传输方程写成亮温的形式:
其中,T(Z)表示高度为Z时的温度,υ表示通道;
不同的遥感问题及其相关的反演方法都可以简化第一类Fredholm积分方程,即:
其中,k(υ,z)为核函数,g(υ)为观测到的向量值,是已知函数,f(z)为待求函数。我们假设有标准状态,和并记 将公式(1)减去标准状态下的方程,并取一阶变分,则有:
其中,T(z)为每一层的大气温度,τυ(z)表示每一层的透过率,核函数k(υ,z)即权重函数是连续的,一般在某个特定的大气层会出现峰值。权重函数曲线的每一个峰值代表大气对向上辐射贡献最大的部分,也指定了波长为υ的大气发射辐射来自哪一个大气层,也就是说用卫星可以探测到该特定的大气层,这就是最佳信息层。因此可以合理地选择通道的次序,使得通道数和最佳信息层一一对应。
权重函数事实上就是大气温度廓线和大气氧化亚氮透过率廓线的卷积,最佳信息层位于两条廓线的交点处。当温度廓线一定时,只要取不同透过率的通道,就可以得到不同高度的氧化亚氮浓度值。理论上,可以利用逐线积分模型LBLRTM,计算每一条吸收线的透过率或者光学厚度,我们可以从中找出不受其它气体干扰,且光学厚度不等的氧化亚氮的敏感通道进行反演,光学厚度较小的通道,对于底层大气氧化亚氮较为敏感。但是由于卫星探测通道具有一定的光谱宽度,它是将单色的红外大气辐射与卫星探测通道的光谱响应函数进行卷积处理后的探测通道。我们所说的理想通道,在实际情况中,可能经过卷积处理后,通道被加宽。因此,我们将利用CRTM快速前向模型,直接计算AIRS卫星光谱通道的,几种主要的影响大气氧化亚氮反演的气体分子的透过率信息及权重函数。
本发明提高了每一层氧化亚氮廓线的反演精度,图6为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中利用反演通道集中的通道进行反演的结果示意图。如图6所示,图中给出了现有技术中的通道选取方法与本发明提出的改进的最优敏感廓线法(modified-Optimal Sensitivity Profile,简称M-OSP),现有技术中的通道选取方法为:最优敏感廓线法(Optimal Sensitivity Profile,简称OSP)。
其中,先验廓线(Regression)可以看作为初始廓线,是在最优化理论框架下,用来限定最终的反演结果,采用最优估计法反演氧化亚氮廓线,将先验廓线作为初始值,利用OSP或者M-OSP选取的通道作为反演通道,通过不断修改初始值,多次迭代后得到的最优值就是我们需要的最终反演结果。
飞机观测廓线和平滑后的飞机观测廓线(Smoothed HIPPO profile)作为验证数据,用来对反演结果进行验证,飞机观测廓线是HIPPO(HIAPER Pole-to-PoleObservations)观测计划中的真实观测值,平滑后的飞机观测廓线是对先验廓线和HIPPO真实观测值卷积后得到的平滑廓线,这样更方便和利用OSP、M-OSP方法所选取通道进行反演得到的结果进行比对验证。
OSP是现有技术中常用的敏感通道选取方法,改进的最优敏感廓线法表示本发明提供的一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法,结合图6右边图中的曲线可以看出,本发明提出的M-OSP反演通道选取方法与现有技术中的OSP方法相比,反演精度明显提高,最大相对误差不超过0.1%。
在上述实施例的基础上,具体地,步骤S3具体包括:所述反演通道集包括第一反演通道集和第二反演通道集,相应地,步骤S3具体包括:S31、获取所述氧化亚氮υ1吸收带的所述第一优化通道集中每一通道的权重函数和所述氧化亚氮υ3吸收带的所述第二优化通道集中每一通道的权重函数;S32、对于所述第一优化通道集中每一通道的权重函数,选取第一预设数值个权重函数,所述第一预设数值个权重函数峰值对应的高度相同,根据所述第一预设数值个权重函数中峰值最大的权重函数对应的通道获得所述第一反演通道集,对于所述第二优化通道集中每一通道的权重函数,选取所述每一通道的权重函数中峰值最大的第二预设数值个权重函数,根据所述第二预设数值个权重函数对应的通道获得所述第二反演通道集。
需要说明的是,对于氧化亚氮υ1吸收带的第一优化通道集中每个通道的权重函数,选取峰值区一致的第一预设数值个权重函数,这里的峰值区一致是指这第一预设数值个权重函数中,每个权重函数的峰值对应的高度是相同的,把第一预设数值个权重函数中峰值最大的权重函数对应的通道作为第一反演通道,第一反演通道用于对氧化亚氮廓线进行反演,第一预设数值可以为任意正整数,可以根据实际情况具体确定。
还需要说明的是,对于氧化亚氮υ3吸收带的第二优化通道集中每一通道的权重函数,将峰值最大的第二预设数值个权重函数对应的通道作为所述第二反演通道,这些第二反演通道构成第二反演通道集,第二预设数值可以为任意正整数,可以根据实际情况具体确定,优选为13。
图7为本发明实施例一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法中氧化亚氮υ1吸收带的两个通道的权重函数示意图,如图7所示,所选取的氧化亚氮υ1吸收带附近的两个通道的权重函数,这两条通道权重函数的峰值区一致,其中一条峰值更大一些,因此我们只选择峰值较大的一条作为反演通道。
本发明还提供一种高光谱卫星数据反演氧化亚氮廓线反演通道选取装置,包括:敏感模块,用于根据所述高光谱卫星数据在氧化亚氮υ1吸收带随气体浓度变化时亮温的第一变化幅度、所述高光谱卫星数据在氧化亚氮υ3吸收带随气体浓度变化时亮温的第二变化幅度,获取敏感光谱区间对应的敏感通道集;优化模块,用于根据所述氧化亚氮υ1吸收带的气体透过率、所述氧化亚氮υ3吸收带的气体透过率和大气红外探测仪的观测噪声,从所述敏感通道集中选取优化通道集;反演模块,用于根据所述优化通道集中每一通道的权重函数和所述每一通道的权重函数的峰值,从所述优化通道集中选取若干个通道,获得反演通道集,所述反应通道集中每个通道的权重函数的峰值对应的高度不同。
需要说明的是,对应本发明提供的一种高光谱卫星数据反演氧化亚氮廓线反演通道选取装置还涉及的具体细节已在本发明提供的一种高光谱卫星数据反演氧化亚氮廓线反演通道选取方法中做了详细的说明,在此不再赘述。
最后,本发明的方法仅为较佳的实施方案,并非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,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种高光谱卫星数据反演氧化亚氮廓线的通道选取方法,其特征在于,包括:
S1、根据所述高光谱卫星数据在氧化亚氮υ1吸收带随气体浓度变化时亮温的第一变化幅度、所述高光谱卫星数据在氧化亚氮υ3吸收带随气体浓度变化时亮温的第二变化幅度,获取敏感光谱区间对应的敏感通道集;
S2、根据所述氧化亚氮υ1吸收带的气体透过率、所述氧化亚氮υ3吸收带的气体透过率和大气红外探测仪的观测噪声,从所述敏感通道集中的通道进行选择,获得优化通道集;
S3、根据所述优化通道集中每一通道的权重函数和所述每一通道的权重函数的峰值,从所述优化通道集中选取若干个通道,获得反演通道集,所述反应通道集中每个通道的权重函数的峰值对应的高度不同。
2.根据权利要求1所述方法,其特征在于,所述敏感光谱区间包括所述氧化亚氮υ1吸收带的第一敏感光谱区间和所述氧化亚氮υ3吸收带的第二敏感光谱区间;
相应地,所述敏感通道集包括第一敏感通道集和第二敏感通道集,所述第一敏感通道集对应所述第一敏感光谱区间,所述第二敏感通道集对应所述第二敏感光谱区间。
3.根据权利要求2所述方法,其特征在于,步骤S1具体包括:
S11、当水汽浓度增加10%、氧化亚氮浓度增加2%和甲烷浓度增加2%时,获得所述氧化亚氮υ1吸收带在第一区间亮温的第一变化幅度,当二氧化碳浓度增加2%、一氧化碳浓度增加2%和氧化亚氮浓度增加2%时,获得所述氧化亚氮υ3吸收带在第二区间亮温的第二变化幅度,所述第一区间为1360cm-1~1220cm-1,所述第二区间为2260cm-1~2180cm-1;
S12、将所述第一变化幅度最大对应的光谱区间作为所述第一敏感光谱区间,相应地,获得所述第一敏感通道集,将所述第二变化幅度最大对应的光谱区间作为所述第二敏感光谱区间,相应地,获得所述第二敏感通道集。
4.根据权利要求3所述方法,其特征在于,步骤S2中,所述氧化亚氮υ1吸收带的气体透过率具体包括所述氧化亚氮υ1吸收带在所述第一区间的水汽透过率、甲烷透过率和氧化亚氮透过率,所述氧化亚氮υ3吸收带的气体透过率具体包括所述氧化亚氮υ3吸收带在所述第二区间的一氧化碳透过率、二氧化碳透过率和氧化亚氮透过率。
5.根据权利要求3所述方法,其特征在于,所述优化通道集包括第一优化通道集和第二优化通道集,相应地,步骤S2中具体包括:
根据所述氧化亚氮υ1吸收带在所述第一区间的水汽透过率、甲烷透过率、氧化亚氮透过率和所述大气红外探测仪在所述第一区间的观测噪声,从所述第一敏感通道集中进行选择,获得所述第一优化通道集;
根据所述氧化亚氮υ3吸收带在所述第二区间的一氧化碳透过率、二氧化碳透过率、氧化亚氮透过率和所述大气红外探测仪在所述第二区间的观测噪声,从所述第二敏感通道集中进行选择,获得所述第二优化通道集。
6.根据权利要求1所述方法,其特征在于,步骤S3中所述权重函数为大气温度廓线和大气氧化亚氮透过率廓线的卷积。
7.根据权利要求1所述内容,其特征在于,步骤S3之前还包括:根据所述高光谱卫星数据,基于通用辐射传输模型CRTM,获取所述优化通道集中每一通道的权重函数。
8.根据权利要求5所述内容,其特征在于,所述反演通道集包括第一反演通道集和第二反演通道集,相应地,步骤S3具体包括:
S31、获取所述氧化亚氮υ1吸收带的所述第一优化通道集中每一通道的权重函数和所述氧化亚氮υ3吸收带的所述第二优化通道集中每一通道的权重函数;
S32、对于所述第一优化通道集中每一通道的权重函数,选取第一预设数值个权重函数,所述第一预设数值个权重函数峰值对应的高度相同,根据所述第一预设数值个权重函数中峰值最大的权重函数对应的通道,获得所述第一反演通道集,对于所述第二优化通道集中每一通道的权重函数,选取所述每一通道的权重函数中峰值最大的第二预设数值个权重函数,根据所述第二预设数值个权重函数对应的通道,获得所述第二反演通道集。
9.一种高光谱卫星数据反演氧化亚氮廓线反演通道选取装置,其特征在于,包括:
敏感模块,用于根据所述高光谱卫星数据在氧化亚氮υ1吸收带随气体浓度变化时亮温的第一变化幅度、所述高光谱卫星数据在氧化亚氮υ3吸收带随气体浓度变化时亮温的第二变化幅度,获取敏感光谱区间对应的敏感通道集;
优化模块,用于根据所述氧化亚氮υ1吸收带的气体透过率、所述氧化亚氮υ3吸收带的气体透过率和大气红外探测仪的观测噪声,从所述敏感通道集中选取优化通道集;
反演模块,用于根据所述优化通道集中每一通道的权重函数和所述每一通道的权重函数的峰值,从所述优化通道集中选取若干个通道,获得反演通道集,所述反应通道集中每个通道的权重函数的峰值对应的高度不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711057456.1A CN107908838B (zh) | 2017-11-01 | 2017-11-01 | 高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711057456.1A CN107908838B (zh) | 2017-11-01 | 2017-11-01 | 高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107908838A true CN107908838A (zh) | 2018-04-13 |
CN107908838B CN107908838B (zh) | 2021-05-25 |
Family
ID=61843267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711057456.1A Active CN107908838B (zh) | 2017-11-01 | 2017-11-01 | 高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107908838B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109387487A (zh) * | 2018-12-18 | 2019-02-26 | 成都信息工程大学 | 卷云条件下短波红外高光谱数据大气甲烷快速反演方法 |
CN111400658A (zh) * | 2020-03-31 | 2020-07-10 | 中国科学院空天信息创新研究院 | 超光谱热红外数据反演气体廓线的通道选择方法 |
CN111579494A (zh) * | 2020-05-29 | 2020-08-25 | 中国科学院合肥物质科学研究院 | 一种带有叶绿素荧光与气溶胶同步校正作用的大气co2卫星遥感观测反演方法 |
CN112730314A (zh) * | 2020-12-21 | 2021-04-30 | 国家卫星气象中心(国家空间天气监测预警中心) | 用于大气温湿度探测的多频太赫兹探测仪通道选取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243294A (zh) * | 2010-05-14 | 2011-11-16 | 中国科学院空间科学与应用研究中心 | 一种地基微波辐射计的非线性定标方法及装置 |
CN105092783A (zh) * | 2015-05-08 | 2015-11-25 | 中国科学院遥感与数字地球研究所 | 一种大气污染监测设备、方法、系统以及终端设备 |
CN105425247A (zh) * | 2016-01-07 | 2016-03-23 | 中国科学院地理科学与资源研究所 | 一种利用中红外遥感数据确定地表温度的方法及装置 |
US20160097870A1 (en) * | 2014-10-03 | 2016-04-07 | Partha S. Routh | Seismic Survey Design Using Full Wavefield Inversion |
CN105784624A (zh) * | 2016-03-04 | 2016-07-20 | 环境保护部卫星环境应用中心 | 一种水汽廓线的反演方法以及装置 |
CN106547840A (zh) * | 2016-10-13 | 2017-03-29 | 国家卫星气象中心 | 一种全球三维大气数据的解析及管理方法 |
-
2017
- 2017-11-01 CN CN201711057456.1A patent/CN107908838B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243294A (zh) * | 2010-05-14 | 2011-11-16 | 中国科学院空间科学与应用研究中心 | 一种地基微波辐射计的非线性定标方法及装置 |
US20160097870A1 (en) * | 2014-10-03 | 2016-04-07 | Partha S. Routh | Seismic Survey Design Using Full Wavefield Inversion |
CN105092783A (zh) * | 2015-05-08 | 2015-11-25 | 中国科学院遥感与数字地球研究所 | 一种大气污染监测设备、方法、系统以及终端设备 |
CN105425247A (zh) * | 2016-01-07 | 2016-03-23 | 中国科学院地理科学与资源研究所 | 一种利用中红外遥感数据确定地表温度的方法及装置 |
CN105784624A (zh) * | 2016-03-04 | 2016-07-20 | 环境保护部卫星环境应用中心 | 一种水汽廓线的反演方法以及装置 |
CN106547840A (zh) * | 2016-10-13 | 2017-03-29 | 国家卫星气象中心 | 一种全球三维大气数据的解析及管理方法 |
Non-Patent Citations (2)
Title |
---|
PENGFEI MA等: "Ozone Profile Retrievals From the Cross-Track Infrared Sounder", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
马鹏飞等: "红外高光谱资料AIRS反演晴空条件下大气氧化亚氮廓线", 《光谱学与光谱分析》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109387487A (zh) * | 2018-12-18 | 2019-02-26 | 成都信息工程大学 | 卷云条件下短波红外高光谱数据大气甲烷快速反演方法 |
CN109387487B (zh) * | 2018-12-18 | 2021-11-26 | 成都信息工程大学 | 卷云条件下短波红外高光谱数据大气甲烷快速反演方法 |
CN111400658A (zh) * | 2020-03-31 | 2020-07-10 | 中国科学院空天信息创新研究院 | 超光谱热红外数据反演气体廓线的通道选择方法 |
CN111400658B (zh) * | 2020-03-31 | 2024-01-26 | 中国科学院空天信息创新研究院 | 超光谱热红外数据反演气体廓线的通道选择方法 |
CN111579494A (zh) * | 2020-05-29 | 2020-08-25 | 中国科学院合肥物质科学研究院 | 一种带有叶绿素荧光与气溶胶同步校正作用的大气co2卫星遥感观测反演方法 |
CN111579494B (zh) * | 2020-05-29 | 2022-12-13 | 中国科学院合肥物质科学研究院 | 一种带有叶绿素荧光与气溶胶同步校正作用的大气co2卫星遥感观测反演方法 |
CN112730314A (zh) * | 2020-12-21 | 2021-04-30 | 国家卫星气象中心(国家空间天气监测预警中心) | 用于大气温湿度探测的多频太赫兹探测仪通道选取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107908838B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107908838A (zh) | 高光谱卫星数据反演氧化亚氮廓线的通道选取方法及装置 | |
CN105300912B (zh) | 基于吸收光谱遥感技术的多种危险气体监测系统 | |
Collard | Selection of IASI channels for use in numerical weather prediction | |
CN104713841B (zh) | 一种自校准分析仪的设计方法及装置 | |
CN108519340A (zh) | 一种卫星遥感污染气体柱浓度时空分布反演算法 | |
Baron et al. | The level 2 research product algorithms for the superconducting submillimeter-wave limb-emission sounder (SMILES) | |
CN106093964B (zh) | 一种测量大气风场和温度的钠荧光多普勒激光雷达及方法 | |
CN106525651B (zh) | 基于x射线掩日观测反演临近空间大气密度的方法 | |
Gralher et al. | Correcting for biogenic gas matrix effects on laser‐based pore water‐vapor stable isotope measurements | |
Quade et al. | Investigation of kinetic isotopic fractionation of water during bare soil evaporation | |
US9335258B2 (en) | System and method of retrieving mass density distributions and thermal profiles from the atmosphere to identify molecular constituents that may absorb spectral energy | |
CN108426832A (zh) | 多组分气体的浓度检测方法、装置及系统 | |
KR101894406B1 (ko) | 수평 대기투과도 계산을 위한 선형 대기투과도 모델 산출방법 | |
Louisnard et al. | Infrared absorption spectroscopy applied to stratospheric profiles of minor constituents | |
Gosz et al. | Long‐path FTIR measurement of atmospheric trace gas concentrations | |
CN111400658B (zh) | 超光谱热红外数据反演气体廓线的通道选择方法 | |
CN107783134A (zh) | 一种火星大气水汽含量反演方法 | |
US7345286B2 (en) | System and method for retrieving ionospheric parameters from disk-viewing ultraviolet airglow data | |
CN107798154B (zh) | 一种火星大气沙尘气溶胶光学厚度反演方法 | |
Lellouch et al. | A new analysis of the Jovian 5-μm Voyager/IRIS spectra | |
Hurley et al. | Retrieval of macrophysical cloud parameters from MIPAS: algorithm description | |
Liu et al. | Global and Seasonal Scintillation Morphology in the Equatorial Region Derived from ROCSAT-1 In-situ Data. | |
US5724043A (en) | Variable frequency microwave tropopause sensor system and method | |
Prasad et al. | Spectral modelling near the 1.6 μm window for satellite based estimation of CO2 | |
CN105938091A (zh) | 一种便携式土壤呼吸测量的系统 |
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 |