CN108519340A - 一种卫星遥感污染气体柱浓度时空分布反演算法 - Google Patents
一种卫星遥感污染气体柱浓度时空分布反演算法 Download PDFInfo
- Publication number
- CN108519340A CN108519340A CN201810265627.8A CN201810265627A CN108519340A CN 108519340 A CN108519340 A CN 108519340A CN 201810265627 A CN201810265627 A CN 201810265627A CN 108519340 A CN108519340 A CN 108519340A
- Authority
- CN
- China
- Prior art keywords
- gas
- remote sensing
- inversion
- satellite remote
- temporal distributions
- 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.)
- Pending
Links
Classifications
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种卫星遥感污染气体柱浓度时空分布反演算法，包括如下步骤：光谱波段和分辨率的选择；差分吸收光谱解析方法反演；与地基观测，化学模型模拟结果进行对比验证。本卫星遥感污染气体柱浓度时空分布反演算法，1)提出了通过拟合残差，判定识别探测坏像元数目/位置，并计算探测器性噪比；2)可实现模拟探测器上天后实时变化的狭缝函数与光谱漂移等关键参数，减小反演误差，提高反演精度；3)消除拟合计算中不同痕量气体光谱的重叠影响和大气Ring效应影响；4)可应用于地基，机载观测的大气污染气体绝对总量反演算法；5)结合我国实际大气廓线，地表发射率以及探测器姿态，构建了随波长变化的大气质量因子查找表。
Description
技术领域
本发明涉及环境科学、卫星遥感技术领域，特别涉及一种卫星遥感污染气体柱浓度时空分布反演算法。
背景技术
随着环境问题的日益加重和国际化趋势的日益明显，解决环境问题的必要性和迫切性也越来越广泛地被世界各国所认识。卫星和飞机遥感技术以其独特的高覆盖、快速、多光谱、大信息量的特点在环境监测领域具有无可比拟的优势。而目前我国在大气污染观测方面开展的工作，主体是以地面观测为基础的大气质量观测网络，缺乏以区域/全球范围的大气污染气体观测为主旨的空基(机载/星载)遥感技术。同时，我国又迫切需要获得国内重点区域及全球大气污染成份状况，以及重点城市污染物排放量的数据。这些数据既可以实现对中国上空的各种污染气体含量的全面监测，也有利于进行地面排放的治理。鉴于目前我国在轨运行的观测卫星不具备有探测大气层各种污染气体成分含量的能力的情况下，本发明主要利用国外卫星的遥测数据，基于差分吸收光谱解析方法(DOAS)实现对大气成分(等污染气体)柱浓度时空分布的反演，建立适合大气污染气体柱浓度卫星遥感反演的方法。
发明内容
为了解决现有的问题，本发明的目的在于提供一种卫星遥感污染气体柱浓度时空分布反演算法，利用卫星载荷获得的超光谱分辨率的大气吸收光谱信息，基于差分吸收光谱解析方法反演大气污染成分柱浓度时空分布结果，由此获取全球/区域范围大气痕量成份数据，为我国污染气体的总量监测和特性研究提供关键的数据支持，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种卫星遥感污染气体柱浓度时空分布反演算法，包括如下内容：
1)模拟实时变化的高光谱仪器狭缝函数与光谱漂移；
2)识别判定其观测光谱中坏像元的数目/位置，以及计算探测器信噪比；
3)消除拟合计算中不同痕量气体光谱的重叠影响，以及去除大气Ring效应；
4)基于地基，机载观测的光谱反演大气污染气体绝对总量；
5)模拟计算随探测器观测像元时空变化的AMF，并构建查找表数据库。
卫星遥感污染气体柱浓度反演具体步骤如下：
第一步：光谱波段和分辨率的选择；
第二步：探测器性噪比特性以及异常像元识别，通过模拟算法，拟合残差来计算高光谱探测器的SNR以及坏像元的光谱位置；识别判定仪器观测到高光谱中坏像元的数目/位置；
第三步：高光谱卫星仪器校正与标定，对探测器进行光学标定，模拟仪器上天后，实时变化的狭缝函数与光谱漂移关键参数；
第四步：计算痕量气体分子的吸收光学厚度，将测量光谱I除宇宙中的太阳光谱即由光源发出的未衰减的光谱I0，计算出整个吸收光学厚度：
ODλ＝ln(I0/I)λ；
第五步：目标痕量气体总量的提取、大气Ring效应的去除以及模拟各种大气效应的影响，这些影响通过对ODλ进行拟合或消减一个低阶多项式得到；
第六步：计算痕量气体分子的有效斜柱浓度，通过将痕量气体分子的差分吸收光谱与标准的气体分子差分吸收截面拟合，来得到痕量气体分子的有效斜柱浓度；
第七步：计算不同探测姿态下的大气质量因子，大气质量因子函数用于描述由于穿过大气层的阳光辐射而带来的在斜路径上痕量气体吸收的变化，通过建立大气质量因子修正函数，将斜柱浓度转换成垂直柱浓度；
第八步：与地基观测，化学模型模拟结果进行对比验证。
与现有技术相比，本发明的有益效果是：本卫星遥感污染气体柱浓度时空分布反演算法，本卫星遥感污染气体柱浓度时空分布反演算法，1)提出了通过拟合残差，判定识别探测坏像元数目/位置，并计算探测器性噪比；2)可实现模拟探测器上天后实时变化的狭缝函数与光谱漂移等关键参数，减小反演误差，提高反演精度；3)可应用于地基，机载观测的大气污染气体绝对总量反演算法；4)结合我国实际大气廓线，地表发射率以及探测器姿态，构建了随波长变化的大气质量因子查找表。
附图说明
图1为本发明的方法实现的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种卫星遥感污染气体柱浓度时空分布反演算法，包括如下步骤：
第一步：光谱波段和分辨率的选择，差分吸收光谱解析方法是通过测量各种气体成分的特征吸收波段来进行定性和定量反演的，表1为大气中主要痕量成分的特征光谱吸收范围，据此来选择差分吸收光谱解析方法系统光谱仪的光谱探测范围，根据各种痕量气体的“窄带”光谱特征，选择光谱分辨率，另外同时要考虑测量波段的信噪比(主要受太阳辐射分布影响)，以及避免多种气体成分的交叉干扰，针对所要测量的主要气体成分，选取探测光谱范围为287－700nm，考虑这些气体的“窄带”特征光谱结构，选择光谱分辨率为0.3-0.5nm，要同时具有宽的光谱范围又要有较高的光谱分辨率，因此，将光谱范围分为两段(通道)：287-490nm和490-700nm，该光谱范围包括以上气体的特征吸收谱带，另外向长波方向作了一些扩展，为能够测量更多的气体成分(如：O2、H2O、NO3、气溶胶等)；
表1气体分子的吸收波段
| NO2 | 300-700 | CH4 | 2250-2380 |
| BrO | 300-450 | H2O | 400-2380 |
| SO2 | 300-320 | 气溶胶 | 287-2380 |
| H2CO | 300-350 | 地表反射率 | 240-2380 |
第二步：探测器性噪比特性及异常像元识别，通过模拟算法，拟合残差来计算高光谱探测器的SNR以及坏像元的光谱位置；识别判定仪器观测到高光谱中坏像元的数目/位置，以便在接下来的反演计算中将其自动屏蔽去除，从而提高观测结果的正确性与准确性；
第三步：高光谱卫星仪器校正与标定，对探测器进行光学标定，模拟仪器上天后，实时变化的狭缝函数与光谱漂移关键参数；
第四步：计算痕量气体分子的吸收光学厚度，将测量光谱I除宇宙中的太阳即由光源发出的未衰减的光谱I0，计算出整个吸收光学厚度：
ODλ＝ln(I0/I)λ
第五步：目标痕量气体总量的提取与大气Ring效应的去除，各种大气效应影响可以由对ODλ进行拟合或消减一个低阶多项式，从而从测量得到的光学厚度ODλ中分离出来痕量气体分子吸收产生的差分光学厚度；
第六步：痕量气体分子的有效斜柱密度，通过将痕量气体分子的差分吸收光谱与标准的气体分子差分吸收截面拟合，来得到痕量气体分子的有效斜柱密度；
第七步：计算不同探测姿态下的大气质量因子，将斜柱密度转换成垂直柱密度，通过适当的空气质量函数修正，将斜柱密度转换成垂直柱密度，此处空气质量函数用于描述由于穿过大气层的阳光辐射而带来的在斜路径上痕量气体吸收的增强，可以用辐射传输模型来计算，其值依赖于痕量气体的垂直分布，太阳天顶角和地表反射率和波长，相对于斜气柱，垂直柱密度与装置特定的观察几何以及太阳的方位无关；
第八步：与地基观测，化学模型模拟结果进行对比验证，在反演获得空基观测到的大气污染气体的柱浓度时空分布信息之后，首先通过与地基网观测结果进行比较验证，改进反演算法，提高飞机/卫星观测结果的准确性与真实性，因为探测器观测到污染气体分布的是已经发生的，能够模拟预测将来可能出现的污染天气已经污染气体浓度，就需要大气化学模型模拟，而大气化学模型的模拟的精确度很大程度上取决于采用的排放清单准确性。因此，在空基观测的结果得到验证后，将其与化学模型模拟结果进行比较，从而优化改善化学模型使用的排放清单，提高化学模型对大气污染天气预报的准确性。
大气污染气体的卫星遥感反演算法研究的步骤为：首先读取卫星高光谱数据，校正卫星传感器狭缝函数，标定波长，然后标定高光谱数据绝对辐射率，再进行抑制和去除高光谱数据中的噪声，由此获得测量光谱。利用模拟或实测的不同地区的气象廓线计算不同大气温度、压力下各种反演气体的吸收截面和模拟，由此模拟计算相应反演气体光学厚度初始值。通过迭代的方式计算反演气体柱浓度，然后判定模拟值与卫星观测值是否相符，如果不相符，则返回到迭代计算反演气体柱浓度，如果相符，则对卫星反演结果做云效应校正，则进入卫星观测的大气污染气体分布的应用模块，将获得卫星观测的气体柱浓度与地基观测值进行相关性验证的判定，如果否，则返回大气污染气体的卫星遥感反演算法研究中继续操作，如果是，则与地基观测结果相结合用于灰霾的形成机制研究与治理以及与大气化学模型相结合建立污染气体及灰霾的监测与预警技术体系。
综上所述，本卫星遥感污染气体柱浓度时空分布反演算法，利用卫星载荷获得的超光谱分辨率的大气吸收光谱信息，主要气体成分，基于差分吸收光谱解析方法反演大气污染气体的柱浓度时空分布结果，由此获取全球/区域范围大气痕量成份数据，为我国污染气体的总量监测和特性研究提供关键的数据支持。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种卫星遥感污染气体柱浓度时空分布反演算法，其特征在于：包括如下内容：
1)模拟实时变化的高光谱仪器狭缝函数与光谱漂移；
2)识别判定其观测光谱中坏像元的数目/位置，以及计算探测器信噪比；
3)消除拟合计算中不同痕量气体光谱的重叠影响，以及去除大气Ring效应；
4)基于地基，机载观测的光谱反演大气污染气体绝对总量；
5)模拟计算随探测器观测像元时空变化的AMF，并构建查找表数据库。
2.如权利要求1所述的一种卫星遥感污染气体柱浓度时空分布反演算法，卫星遥感污染气体柱浓度反演具体步骤如下：
第一步：光谱波段和分辨率的选择；
第二步：探测器性噪比特性及异常像元识别；
第三步：高光谱卫星仪器校正与标定；
第四步：计算痕量气体分子的吸收光学厚度；
第五步：目标痕量气体总量的提取、大气Ring效应的去除以及各种大气效应影响模拟；
第六步：计算痕量气体分子的有效斜柱浓度；
第七步：计算不同探测姿态下的大气质量因子，将斜柱浓度转换成垂直柱浓度；
第八步：与地基观测，化学模型模拟结果进行对比验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810265627.8A CN108519340A (zh) | 2018-03-28 | 2018-03-28 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810265627.8A CN108519340A (zh) | 2018-03-28 | 2018-03-28 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108519340A true CN108519340A (zh) | 2018-09-11 |
Family
ID=63430702
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810265627.8A Pending CN108519340A (zh) | 2018-03-28 | 2018-03-28 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108519340A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109323992A (zh) * | 2018-09-19 | 2019-02-12 | 中国科学院遥感与数字地球研究所 | 一种大气乙二醛遥感监测方法 |
| CN109858686A (zh) * | 2019-01-14 | 2019-06-07 | 南京大学 | 一种基于EnKF的地面排放清单反演优化方法 |
| CN110031412A (zh) * | 2019-04-25 | 2019-07-19 | 中国科学技术大学 | 基于移动ahsa观测的大气污染物排放通量获取方法 |
| CN110274916A (zh) * | 2019-08-06 | 2019-09-24 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
| CN110389103A (zh) * | 2019-07-05 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 一种大气底层二氧化氮浓度反演方法 |
| CN110687020A (zh) * | 2019-10-30 | 2020-01-14 | 淮北师范大学 | 基于四聚氧吸收反演气溶胶光学特性的测量方法及其装置 |
| CN111091082A (zh) * | 2019-12-09 | 2020-05-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
| CN111579504A (zh) * | 2020-06-29 | 2020-08-25 | 中国科学技术大学 | 基于光学遥感的大气污染成分垂直分布反演方法 |
| CN112231983A (zh) * | 2020-10-23 | 2021-01-15 | 河南大学 | 面向遥感时空大数据的污染前体物排放源的类脑跨模态识别及并行处理方法 |
| CN112461779A (zh) * | 2020-12-16 | 2021-03-09 | 重庆商勤科技有限公司 | 机载光谱遥感监测VOCs污染的方法、装置及存储介质 |
| CN112630174A (zh) * | 2020-12-14 | 2021-04-09 | 中国科学院合肥物质科学研究院 | 一种星载超光谱成像仪气体探测条带效应修正方法 |
| CN113791042A (zh) * | 2021-08-15 | 2021-12-14 | 中国科学技术大学 | 一种低信噪比下的卫星遥感大气甲醛斜程总量监测方法 |
| CN113804829A (zh) * | 2021-08-20 | 2021-12-17 | 重庆市生态环境监测中心 | 一种大气污染天空地一体化实时监测系统及方法 |
| 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 |
| CN115238327A (zh) * | 2022-05-25 | 2022-10-25 | 南京大学 | 基于卫星监测的三维空间甲烷分布格局模拟方法 |
| CN115855761A (zh) * | 2022-11-03 | 2023-03-28 | 生态环境部卫星环境应用中心 | 五基协同天空地一体化大气环境立体遥感监测系统及方法 |
| CN117648537A (zh) * | 2024-01-29 | 2024-03-05 | 华北理工大学 | 基于超光谱技术的大气污染实时监测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
| CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
| CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 |
-
2018
- 2018-03-28 CN CN201810265627.8A patent/CN108519340A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
| CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
| CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 |
Non-Patent Citations (3)
| Title |
|---|
| CHEN LIANG-FU等: "Overview of tropospheric NO2 vertical column density retrieval from space measurement", 《JOURNAL OF REMOTE SENSING》 * |
| CHENGZHI XING等: "Observations of the summertime atmospheric pollutants vertical distributions and the corresponding ozone production in Shanghai, China", 《ATMOSPHERIC CHEMISTRY AND PHYSICS》 * |
| 李杰等: "利用背景残差数据检测高光谱图像异常", 《红外与毫米波学报》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109323992A (zh) * | 2018-09-19 | 2019-02-12 | 中国科学院遥感与数字地球研究所 | 一种大气乙二醛遥感监测方法 |
| CN109323992B (zh) * | 2018-09-19 | 2021-03-09 | 中国科学院遥感与数字地球研究所 | 一种大气乙二醛遥感监测方法 |
| CN109858686A (zh) * | 2019-01-14 | 2019-06-07 | 南京大学 | 一种基于EnKF的地面排放清单反演优化方法 |
| CN110031412A (zh) * | 2019-04-25 | 2019-07-19 | 中国科学技术大学 | 基于移动ahsa观测的大气污染物排放通量获取方法 |
| CN110389103A (zh) * | 2019-07-05 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 一种大气底层二氧化氮浓度反演方法 |
| CN110274916A (zh) * | 2019-08-06 | 2019-09-24 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
| CN110274916B (zh) * | 2019-08-06 | 2022-01-25 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
| CN110687020A (zh) * | 2019-10-30 | 2020-01-14 | 淮北师范大学 | 基于四聚氧吸收反演气溶胶光学特性的测量方法及其装置 |
| CN110687020B (zh) * | 2019-10-30 | 2023-11-07 | 淮北师范大学 | 基于四聚氧吸收反演气溶胶光学特性的测量方法及其装置 |
| CN111091082A (zh) * | 2019-12-09 | 2020-05-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
| CN111091082B (zh) * | 2019-12-09 | 2023-08-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
| CN111579504B (zh) * | 2020-06-29 | 2021-10-01 | 中国科学技术大学 | 基于光学遥感的大气污染成分垂直分布反演方法 |
| CN111579504A (zh) * | 2020-06-29 | 2020-08-25 | 中国科学技术大学 | 基于光学遥感的大气污染成分垂直分布反演方法 |
| CN112231983A (zh) * | 2020-10-23 | 2021-01-15 | 河南大学 | 面向遥感时空大数据的污染前体物排放源的类脑跨模态识别及并行处理方法 |
| CN112231983B (zh) * | 2020-10-23 | 2024-02-02 | 河南大学 | 面向遥感时空大数据的污染前体物排放源的类脑跨模态识别及并行处理方法 |
| CN112630174A (zh) * | 2020-12-14 | 2021-04-09 | 中国科学院合肥物质科学研究院 | 一种星载超光谱成像仪气体探测条带效应修正方法 |
| CN112630174B (zh) * | 2020-12-14 | 2023-04-28 | 中国科学院合肥物质科学研究院 | 一种星载超光谱成像仪气体探测条带效应修正方法 |
| CN112461779A (zh) * | 2020-12-16 | 2021-03-09 | 重庆商勤科技有限公司 | 机载光谱遥感监测VOCs污染的方法、装置及存储介质 |
| CN113791042A (zh) * | 2021-08-15 | 2021-12-14 | 中国科学技术大学 | 一种低信噪比下的卫星遥感大气甲醛斜程总量监测方法 |
| CN113804829A (zh) * | 2021-08-20 | 2021-12-17 | 重庆市生态环境监测中心 | 一种大气污染天空地一体化实时监测系统及方法 |
| 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 |
| CN115238327A (zh) * | 2022-05-25 | 2022-10-25 | 南京大学 | 基于卫星监测的三维空间甲烷分布格局模拟方法 |
| CN115855761A (zh) * | 2022-11-03 | 2023-03-28 | 生态环境部卫星环境应用中心 | 五基协同天空地一体化大气环境立体遥感监测系统及方法 |
| CN115855761B (zh) * | 2022-11-03 | 2023-09-26 | 生态环境部卫星环境应用中心 | 五基协同天空地一体化大气环境立体遥感监测系统及方法 |
| CN117648537A (zh) * | 2024-01-29 | 2024-03-05 | 华北理工大学 | 基于超光谱技术的大气污染实时监测方法及系统 |
| CN117648537B (zh) * | 2024-01-29 | 2024-04-02 | 华北理工大学 | 基于超光谱技术的大气污染实时监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108519340A (zh) | 一种卫星遥感污染气体柱浓度时空分布反演算法 | |
| Buchwitz et al. | Atmospheric carbon gases retrieved from SCIAMACHY by WFM-DOAS: version 0.5 CO and CH 4 and impact of calibration improvements on CO 2 retrieval | |
| Schneising et al. | Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite–Part 1: Carbon dioxide | |
| Yurganov et al. | Satellite-and ground-based CO total column observations over 2010 Russian fires: accuracy of top-down estimates based on thermal IR satellite data | |
| Irie et al. | Eight-component retrievals from ground-based MAX-DOAS observations | |
| Turquety et al. | Tracking the emission and transport of pollution from wildfires using the IASI CO retrievals: analysis of the summer 2007 Greek fires | |
| Cuesta et al. | Satellite observation of lowermost tropospheric ozone by multispectral synergism of IASI thermal infrared and GOME-2 ultraviolet measurements over Europe | |
| Buchwitz et al. | Carbon monoxide, methane and carbon dioxide columns retrieved from SCIAMACHY by WFM-DOAS: year 2003 initial data set | |
| Vaquero-Martínez et al. | Inter-comparison of integrated water vapor from satellite instruments using reference GPS data at the Iberian Peninsula | |
| CN111579504B (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
| Mahieu et al. | Validation of ACE-FTS v2. 2 measurements of HCl, HF, CCl 3 F and CCl 2 F 2 using space-, balloon-and ground-based instrument observations | |
| Xiong et al. | Mid-upper tropospheric methane retrieval from IASI and its validation | |
| Griffith et al. | Long open-path measurements of greenhouse gases in air using near-infrared Fourier transform spectroscopy | |
| Senten et al. | New ground-based FTIR measurements at Ile de La Réunion: observations, error analysis, and comparisons with independent data | |
| Lampel et al. | On the relative absorption strengths of water vapour in the blue wavelength range | |
| Merlaud et al. | Airborne DOAS measurements in Arctic: vertical distributions of aerosol extinction coefficient and NO 2 concentration. | |
| Douglass et al. | Scientific Assessment of Ozone Depletion: 2010, Chapter 2-Stratospheric Ozone and Surface Ultraviolet Radiation | |
| Velazco et al. | Satellite and ground-based measurements of XCO 2 in a remote semiarid region of Australia | |
| Zhou et al. | TCCON and NDACC X CO measurements: difference, discussion and application | |
| Kalabokas et al. | A study on the atmospheric concentrations of primary and secondary air pollutants in the Athens basin performed by DOAS and DIAL measuring techniques | |
| Ohyama et al. | Observations of XCO 2 and XCH 4 with ground-based high-resolution FTS at Saga, Japan, and comparisons with GOSAT products | |
| Liu et al. | Cloud optical and microphysical properties derived from ground‐based and satellite sensors over a site in the Yangtze Delta region | |
| Ingold et al. | Modeled and empirical approaches for retrieving columnar water vapor from solar transmittance measurements in the 0.72, 0.82, and 0.94 μm absorption bands | |
| Alexandrov et al. | Remote sensing of atmospheric aerosols and trace gases by means of multifilter rotating shadowband radiometer. Part II: Climatological applications | |
| Benavent-Oltra et al. | Overview of the SLOPE I and II campaigns: aerosol properties retrieved with lidar and sun–sky photometer measurements |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190215 Address after: 230026 No. 96, Jinzhai Road, Hefei, Anhui Applicant after: University of Science and Technology of China Address before: 230031 East District, 350 Shushan Lake Road, Shushan District, Hefei City, Anhui Province, 16 Building 504 Applicant before: Liu Cheng |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180911 |