CN108956491A - 一种大气hcho遥感监测方法 - Google Patents

一种大气hcho遥感监测方法 Download PDF

Info

Publication number
CN108956491A
CN108956491A CN201810570148.7A CN201810570148A CN108956491A CN 108956491 A CN108956491 A CN 108956491A CN 201810570148 A CN201810570148 A CN 201810570148A CN 108956491 A CN108956491 A CN 108956491A
Authority
CN
China
Prior art keywords
hcho
parameter
atmosphere
remote
monitoring method
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
Application number
CN201810570148.7A
Other languages
English (en)
Other versions
CN108956491B (zh
Inventor
王雅鹏
陶金花
陈良富
王子峰
余超
程良晓
张莹
顾坚斌
范萌
苏林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Institute of Remote Sensing and Digital Earth of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Remote Sensing and Digital Earth of CAS filed Critical Institute of Remote Sensing and Digital Earth of CAS
Priority to CN201810570148.7A priority Critical patent/CN108956491B/zh
Publication of CN108956491A publication Critical patent/CN108956491A/zh
Application granted granted Critical
Publication of CN108956491B publication Critical patent/CN108956491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种大气HCHO遥感监测方法，解决现有方法计算精度差的问题。所述方法包含：对待测区域的大气观测数据设置HCHO拟合参数，进行反演，得到HCHO初始斜柱浓度；对参考区域的大气观测数据进行反演，提取滑动窗口时间内参考区域逐个CCD像元内HCHO平均值；对所述参考区域建立HCHO斜柱浓度背景库，包含HCHO背景值；计算HCHO斜柱校正浓度为：所述HCHO初始斜柱浓度减去所述HCHO平均值，与所述HCHO背景值相加；从附属数据中提取HCHO廓线参数、地表反射率参数、云参数、气溶胶参数输入正向模型SCIATRAN中，逐像元在线计算HCHO大气质量因子；计算HCHO垂直柱总量为：所述HCHO斜柱校正浓度与所述HCHO大气质量因子之商。本发明提高了大气HCHO监测精度。

Description

一种大气HCHO遥感监测方法
技术领域
本发明涉及大气遥感领域，尤其涉及一种大气HCHO遥感监测方法。
背景技术
甲醛(HCHO)是大气中含量最丰富的碳氢化合物之一，也是大气中的关键组分，目前国际上主要利用DOAS(Differential Optical Absorption Spectroscopy)算法进行HCHO垂直柱浓度的反演，现有算法存在以下缺点：第一，气溶胶是包含在云中隐含考虑的，没有显性考虑气溶胶在HCHO反演中的作用，计算精度较差；第二，大气质量因子的计算采用离线查找表的方法，该方法不可避免会造成插值误差，同时不同的外部辅助数据的使用，使AMF的不确定性有显著增加；第三，利用GEOS-Chem模式2.5°×2.5°的HCHO垂直廓线作为HCHO AMF计算形状因子约束，该格网的空间分辨率对中国区域HCHO反演而言代表性不足，不能精细的反映区域的HCHO时空变化特征。
发明内容
本发明提供一种大气HCHO遥感监测方法，解决现有方法计算精度差的问题。
一种大气HCHO遥感监测方法，包含以下步骤：对待测区域的大气观测数据设置HCHO拟合参数，进行反演，得到HCHO初始斜柱浓度，所述拟合参数包含拟合窗口、参考光谱、拟合阶数、包含的吸收截面参数、Ring效应参数、云量、BrO参数；对参考区域的大气观测数据进行反演，提取滑动窗口时间内所述参考区域逐个CCD像元内HCHO平均值；对所述参考区域建立HCHO斜柱浓度背景库，包含HCHO背景值；计算HCHO斜柱校正浓度为：所述HCHO初始斜柱浓度减去所述HCHO平均值，与所述HCHO背景值相加；将HCHO廓线参数、地表反射率参数、云参数、气溶胶参数输入正向模型SCIATRAN中，逐像元在线计算HCHO大气质量因子；计算HCHO垂直柱总量为：所述HCHO斜柱校正浓度与所述HCHO大气质量因子之商。
进一步地，所述HCHO廓线参数、地表反射率参数、云参数、气溶胶参数，按照以下步骤提取：利用CALIOP数据，对所述待测区域建立气溶胶消光系数背景库；根据所述待测区域大气观测数据的经纬度信息，从对应的地表反射库与云产品中得到所述地表反射率参数、云参数；根据所述经纬度信息，从所述气溶胶消光系数背景库中匹配气溶胶参数信息，并从GEOS-Chem模型输出中得到HCHO廓线参数。
优选地，所述HCHO斜柱浓度背景库为逐月、逐像元背景库。
优选地，所述气溶胶消光系数背景库中包含的气溶胶消光系数为月均值，分辨率为2.5°×2.5°。
进一步地，所述滑动窗口时间为8天。
优选地，所述GEOS-Chem模型的网格单元大小为0.5°×0.667°。
进一步地，所述拟合窗口为328.5-346nm；所述参考光谱为所述参考区域对地观测光谱日均值；所述拟合阶数为3阶；所述包含的吸收截面参数为H2CO、O3、NO2、BrO、O4；所述Ring效应参数根据2010年太阳参考光谱计算得到；所述云量小于等于20％；所述BrO参数为来源于OMI的BrO产品；所述反演的方法为最小二乘法拟合。
优选地，所述大气观测数据通过所述卫星传感器获取，所述卫星传感器为GOME、SCIAMACHY、OMI、GOME-2、OMPS传感器中至少一种。
优选地，所述参考区域为太平洋区域。
本发明有益效果包括：本发明在进行HCHO反演时明确考虑了气溶胶的作用，对HCHO斜柱浓度的反演结果进行了校正，有效提高了计算精度，同时采用在线逐像元大气质量因子的计算方法，避免了查表法引入的插值误差，使计算结果进一步优化。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为一种大气HCHO遥感监测方法流程实施例；
图2为一种包含HCHO廓线参数提取的大气HCHO遥感监测方法流程实施例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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。
甲醛(HCHO)是大气中含量最丰富的碳氢化合物之一，也是大气中的关键组分。由于光化学反应和OH自由基的氧化作用，HCHO在大气中的生命周期很短，只有1.5h，基于卫星的HCHO探测可作为非甲烷挥发性有机物(NMVOC)排放的指示。HCHO在320～360nm处具有较强的吸收光谱特征，可用于大气中HCHO浓度的探测，星载紫外-可见光高光谱传感器的发射升空使得全球大范围HCHO柱浓度监测成为可能。GOME、SCIAMACHY、OMI、GOME-2、OMPS传感器卫星数据都具有HCHO柱总量的探测能力。
目前国际上主要利用DOAS(Differential Optical Absorption Spectroscopy)算法进行HCHO垂直柱浓度的反演，其基本原理如下：
I(λ)＝I0(λ)exp[-sρσ(λ)]
式中，I0代表太阳参考光谱，s代表路径长度，ρ代表数浓度，σ(λ)代表吸收截面，其中光学路径上吸收介质的斜柱浓度SCD(slant column densities)可表示为：
SCD＝∫ρ(s)ds
根据大气辐射传输理论，在近紫外-可见光波段中，如果不考虑发射和散射的影响，可用上式Beer-Lambert定律描述大气的消光过程。DOAS算法的基本思想是将气体分子的吸收截面分解为随波长快速变化的部分和随波长缓慢变化的部分，然后在对随波长快速变化的部分利用Beer-Lambert定律，计算气体的浓度，如下所示：
τ(λ)代表光学路径上的光学厚度，无量纲，σ′i(λ)表示快变效应部分，表示慢变效应部分。随波长慢变部分的消光效应可用波长的低阶多项式近似，其中ap表示多项式系数，p表示阶数。
以下结合附图，详细说明本发明各实施例提供的技术方案。
图1为一种大气HCHO遥感监测方法流程实施例，本发明实施例提供一种大气HCHO遥感监测方法，包含以下步骤：
步骤101，对待测区域的大气观测数据设置HCHO拟合参数，进行反演，得到HCHO初始斜柱浓度，所述拟合参数包含拟合窗口、参考光谱、拟合阶数、包含的吸收截面参数、Ring效应参数、云量、BrO参数。
优选地，所述大气观测数据通过所述卫星传感器获取，所述卫星传感器为GOME、SCIAMACHY、OMI、GOME-2、OMPS传感器中至少一种。
在步骤101中，所述HCHO拟合参数的设置为：所述参考光谱为参考区域对地观测光谱日均值；所述拟合阶数为3阶；所述包含的吸收截面参数为H2CO(甲醛)、O3(臭氧)、NO2(二氧化氮)、BrO(一氧化溴)、O4(四聚氧)；所述Ring效应参数根据2010年太阳参考光谱计算得到；所述云量小于等于20％；所述BrO参数为来源于OMI的BrO产品；所述反演的方法为最小二乘法拟合。所述拟合参数设置如下表1所示。
表1基于OMI传感器的HCHO拟合参数设置
在表1中，所述参考区域选取为远太平洋区域，纬度30°N-30°S，经度160°E-140°W，所述参考区域为人为因素影响少、背景区域干净的区域，所述待测区域数据来自OMI传感器，所述待测区域为人为因素影响大的区域。所述BrO参数直接来源于OMI的BrO产品，通过固定每个像元内的BrO的值，可以减弱BrO吸收截面与HCHO吸收截面的耦合作用。、
在步骤101中，需要说明的是，表1中所述拟合参数的设置只是所有拟合参数设置方式中的一种，所述拟合参数设置也可以为其他结果，这里不做特别限定。
还需说明的是，所述参考区域的选取可以是本发明实施例中的太平洋区域，也可以其他区域，这里不做特别限定。
步骤102，对参考区域的大气观测数据进行反演，提取滑动窗口时间内所述参考区域逐个CCD像元内HCHO平均值。
进一步地，所述滑动窗口时间为8天。
在步骤102中，所述滑动窗口时间应包含所述反演数据当天在内，需要说明的是，所述滑动窗口时间选取8天是为了避免单日结果受云影响造成有效值少的情况。
步骤103，对所述参考区域建立HCHO斜柱浓度背景库，包含HCHO背景值。
优选地，所述HCHO斜柱浓度背景库为逐月、逐像元背景库。
步骤104，计算HCHO斜柱校正浓度为：所述HCHO初始斜柱浓度减去所述HCHO平均值，与所述HCHO背景值相加。
步骤105，将HCHO廓线参数、地表反射率参数、云参数、气溶胶参数输入正向模型SCIATRAN中，逐像元在线计算HCHO大气质量因子。
在步骤105中，所述HCHO廓线参数、地表反射率参数、云参数、气溶胶参数从附属数据中得到，所述附属数据为所述待测区域、参考区域的外部调用数据。
步骤106，计算HCHO垂直柱总量为：所述HCHO斜柱校正浓度与所述HCHO大气质量因子之商。
本发明实施例提供的大气HCHO遥感监测方法，对HCHO斜柱浓度的反演结果进行了校正，有效提高了计算精度，同时采用在线逐像元大气质量因子的计算方法，避免了查表法引入的差值误差，使计算结果进一步优化。
图2为一种包含HCHO廓线参数提取的大气HCHO遥感监测方法流程实施例，具体包含以下步骤：
步骤101，对待测区域的大气观测数据设置HCHO拟合参数，进行反演，得到HCHO初始斜柱浓度，所述拟合参数包含拟合窗口、参考光谱、拟合阶数、包含的吸收截面参数、Ring效应参数、云量、BrO参数。
步骤102，对参考区域的大气观测数据进行反演，提取滑动窗口时间内所述参考区域逐个CCD像元内HCHO平均值。
步骤103，对所述参考区域建立HCHO斜柱浓度背景库，包含HCHO背景值。
步骤104，计算HCHO斜柱校正浓度为：所述HCHO初始斜柱浓度减去所述HCHO平均值，与所述HCHO背景值相加。
步骤107，利用CALIOP数据，对所述待测区域建立气溶胶消光系数背景库。
优选地，所述气溶胶消光系数背景库中包含的气溶胶消光系数为月均值，分辨率为2.5°×2.5°。
步骤108，根据所述待测区域大气观测数据的经纬度信息，从对应的地表反射率库与云产品库中得到所述地表反射率参数、云参数。
在步骤108中，所述地表反射率库(OMLER)可以是根据OMI传感器的光谱数据建立，如2005-2009年的光谱数据，也可以是其他年份或者其他传感器的数据，这里不做特别限定。所述云产品库是OMI传感器的2级产品，为OMI传感器HCHO反演提供云参数信息。
需要说明的是，所述地表反射率参数来自于所述地表反射率库，所述云参数来自于所述云产品库。
步骤109，根据所述经纬度信息，从所述气溶胶消光系数背景库中匹配气溶胶参数信息，并从GEOS-Chem模型输出中得到HCHO廓线参数。
优选地，所述GEOS-Chem模型的网格单元大小为0.5°×0.667°。
需要说明的是，所述根据所述大气观测数据的经纬度信息，从所述气溶胶消光系数背景库中匹配气溶胶参数信息是指将所述大气观测数据的经纬度信息和气溶胶消光系数进行对应。
需要说明的是，现有的GEOS-Chem模式网格单元大小一般选取2.5°×2.5°，不能精细的反映中国区域的HCHO时空变化特征，对中国区域的HCHO反演而言代表性不足，本发明实施例中的GEOS-Chem模型的网格单元大小选取0.5°×0.667°，可以精细的反映中国区域的HCHO时空变化特征。还需说明的是，所述GEOS-Chem模型的网格单元大小可以为本发明实施例中的0.5°×0.667°，也可以为其他数据，如2.5°×2.5°，这里不做特别限定，采用更细格网的模式数据做为HCHO的形状因子，对中国区域的代表性更强。
还需说明的是，HCHO大气质量因子的相对误差主要来自于云参数与地表反射率等外部参数的设置，正向模型本身和查找表插值造成的误差为6％，而不同的外部辅助数据的使用，使HCHO大气质量因子的不确定性有显著增加，污染区域达到42％，非污染区域达到31％。中国地区下垫面状况复杂，多年来人为源排放对大气中痕量气体的贡献作用显著，属于高污染区域，HCHO大气质量因子计算受气溶胶影响大，因此需要考虑气溶胶对其的影响。
步骤105，从所述大气观测数据中提取HCHO廓线参数、地表反射率参数、云参数、气溶胶参数输入正向模型SCIATRAN中，逐像元在线计算HCHO大气质量因子。
步骤106，计算HCHO垂直柱总量为：所述HCHO斜柱校正浓度与所述HCHO大气质量因子之商。
本发明实施例在计算HCHO大气质量因子时引入气溶胶参数，显性考虑气溶胶对HCHO反演的影响，降低了AMF在高污染区的不确定性，使用在线计算HCHO大气质量因子的方法，避免了利用查找表方法引起的差值误差。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。

Claims (9)

1.一种大气HCHO遥感监测方法，其特征在于，包含以下步骤：
对待测区域的大气观测数据设置HCHO拟合参数，进行反演，得到HCHO初始斜柱浓度，所述拟合参数包含拟合窗口、参考光谱、拟合阶数、包含的吸收截面参数、Ring效应参数、云量、BrO参数；
对参考区域的大气观测数据进行反演，提取滑动窗口时间内所述参考区域逐个CCD像元内HCHO平均值；
对所述参考区域建立HCHO斜柱浓度背景库，包含HCHO背景值；
计算HCHO斜柱校正浓度为：所述HCHO初始斜柱浓度减去所述HCHO平均值，与所述HCHO背景值相加；
将HCHO廓线参数、地表反射率参数、云参数、气溶胶参数输入正向模型SCIATRAN中，逐像元在线计算HCHO大气质量因子；
计算HCHO垂直柱总量为：所述HCHO斜柱校正浓度与所述HCHO大气质量因子之商。
2.如权利要求1所述的大气HCHO遥感监测方法，其特征在于，所述HCHO廓线参数、地表反射率参数、云参数、气溶胶参数，按照以下步骤提取：
利用CALIOP数据，对所述待测区域建立气溶胶消光系数背景库；
根据所述待测区域大气观测数据的经纬度信息，从对应的地表反射库与云产品中得到所述地表反射率参数、云参数；
根据所述经纬度信息，从所述气溶胶消光系数背景库中匹配气溶胶参数信息，并从GEOS-Chem模型输出中得到HCHO廓线参数。
3.如权利要求1所述的大气HCHO遥感监测方法，其特征在于，所述HCHO斜柱浓度背景库为逐月、逐像元背景库。
4.如权利要求1所述的大气HCHO遥感监测方法，其特征在于，所述气溶胶消光系数背景库中包含的气溶胶消光系数为月均值，分辨率为2.5°×2.5°。
5.如权利要求1所述的大气HCHO遥感监测方法，其特征在于，所述滑动窗口时间为8天。
6.如权利要求2所述的大气HCHO遥感监测方法，其特征在于，所述GEOS-Chem模型的网格单元大小为0.5°×0.667°。
7.如权利要求1所述的大气HCHO遥感监测方法，其特征在于，所述拟合窗口为328.5-346nm；所述参考光谱为所述参考区域对地观测光谱日均值；所述拟合阶数为3阶；所述包含的吸收截面参数为H2CO、O3、NO2、BrO、O4；所述Ring效应参数根据2010年太阳参考光谱计算得到；所述云量小于等于20％；所述BrO参数为来源于OMI的BrO产品；所述反演的方法为最小二乘法拟合。
8.如权利要求1所述的大气HCHO遥感监测方法，其特征在于，所述大气观测数据通过所述卫星传感器获取，所述卫星传感器为GOME、SCIAMACHY、OMI、GOME-2、OMPS传感器中至少一种。
9.如权利要求1～8所述的大气HCHO遥感监测方法，其特征在于，所述参考区域为太平洋区域。
CN201810570148.7A 2018-06-05 2018-06-05 一种大气hcho遥感监测方法 Active CN108956491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810570148.7A CN108956491B (zh) 2018-06-05 2018-06-05 一种大气hcho遥感监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810570148.7A CN108956491B (zh) 2018-06-05 2018-06-05 一种大气hcho遥感监测方法

Publications (2)

Publication Number Publication Date
CN108956491A true CN108956491A (zh) 2018-12-07
CN108956491B CN108956491B (zh) 2020-10-16

Family

ID=64493299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810570148.7A Active CN108956491B (zh) 2018-06-05 2018-06-05 一种大气hcho遥感监测方法

Country Status (1)

Country Link
CN (1) CN108956491B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110942049A (zh) * 2019-12-17 2020-03-31 生态环境部卫星环境应用中心 一种基于卫星遥感的臭氧污染源识别方法和系统
CN111007024A (zh) * 2019-12-25 2020-04-14 武汉大学 一种适用于氧气a带的云反射比快速确定方法
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
CN114324206A (zh) * 2021-12-18 2022-04-12 复旦大学 基于被动多轴差分吸收光谱技术的天空条件分类方法
CN116577324A (zh) * 2023-01-30 2023-08-11 中国科学技术大学 一种对工业区污染源扫描成像的超光谱遥感系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103743679A (zh) * 2014-01-22 2014-04-23 中国科学院合肥物质科学研究院 一种加快温室气体垂直柱浓度反演速度的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103743679A (zh) * 2014-01-22 2014-04-23 中国科学院合肥物质科学研究院 一种加快温室气体垂直柱浓度反演速度的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
L.M.A.ALVARADO等: "An improved glyoxal retrieval from OMI measurements", 《ATMOSPHERIC MEASUREMENT TECHNIQUES》 *
THOMAS P. KUROSU等: "Preliminary results for HCHO and BrO from the EOS-Aura Ozone Monitoring Instrument", 《PASSIVE OPTICAL REMOTE SENSING OF THE ATMOSPHERE AND CLOUDS IV》 *
朱松岩等: "紫外大气甲醛卫星遥感反演方法和研究现状", 《中国环境科学》 *
石鹏等: "基于多轴差分吸收光谱技术的对流层HCHO柱浓度测量研究", 《大气与环境光学学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110942049A (zh) * 2019-12-17 2020-03-31 生态环境部卫星环境应用中心 一种基于卫星遥感的臭氧污染源识别方法和系统
CN110942049B (zh) * 2019-12-17 2020-10-16 生态环境部卫星环境应用中心 一种基于卫星遥感的臭氧污染源识别方法和系统
CN111007024A (zh) * 2019-12-25 2020-04-14 武汉大学 一种适用于氧气a带的云反射比快速确定方法
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
CN114324206A (zh) * 2021-12-18 2022-04-12 复旦大学 基于被动多轴差分吸收光谱技术的天空条件分类方法
CN114324206B (zh) * 2021-12-18 2024-01-16 复旦大学 基于被动多轴差分吸收光谱技术的天空条件分类方法
CN116577324A (zh) * 2023-01-30 2023-08-11 中国科学技术大学 一种对工业区污染源扫描成像的超光谱遥感系统

Also Published As

Publication number Publication date
CN108956491B (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN108956491A (zh) 一种大气hcho遥感监测方法
Higurashi et al. Development of a two-channel aerosol retrieval algorithm on a global scale using NOAA AVHRR
Irie et al. Eight-component retrievals from ground-based MAX-DOAS observations
Ahn et al. Development of atmospheric correction algorithm for Geostationary Ocean Color Imager (GOCI)
Boersma et al. An improved tropospheric NO 2 column retrieval algorithm for the Ozone Monitoring Instrument
Irie et al. Evaluation of MAX-DOAS aerosol retrievals by coincident observations using CRDS, lidar, and sky radiometer inTsukuba, Japan
Jin et al. Analysis of broadband solar radiation and albedo over the ocean surface at COVE
Shang et al. MODIS observed phytoplankton dynamics in the Taiwan Strait: an absorption-based analysis
Nowottnick et al. The fate of saharan dust across the atlantic and implications for a central american dust barrier
Spang et al. Polar stratospheric cloud observations by MIPAS on ENVISAT: detection method, validation and analysis of the northern hemisphere winter 2002/2003
Son et al. Satellite-measured net primary production in the Chesapeake Bay
Siomos et al. Are EARLINET and AERONET climatologies consistent? The case of Thessaloniki, Greece
Li et al. Evaluation of the Quasi-Analytical Algorithm (QAA) for estimating total absorption coefficient of turbid inland Waters in Northeast China
Zhang et al. A validation study of an improved SWIR iterative atmospheric correction algorithm for MODIS-Aqua measurements in Lake Taihu, China
Hara et al. Optical properties of mixed aerosol layers over Japan derived with multi-wavelength Mie–Raman lidar system
CN116642666A (zh) 一种大范围快速光学卫星传感器星上观测辐亮度模拟方法
Irie et al. Dual-wavelength aerosol vertical profile measurements by MAX-DOAS at Tsukuba, Japan
Bi et al. Aerosol optical properties and its direct radiative forcing over Tibetan Plateau from 2006 to 2017
Behnert et al. Aerosol climatology from ground-based measurements for the southern North Sea
Jin-Yuan et al. Aerosol direct radiative forcing over Shandong Peninsula in East Asia from 2004 to 2011
Shen et al. A data-driven clear sky model for direct normal irradiance
Poberovskii et al. NO 2 content variations near St. Petersburg as inferred from ground-based and satellite measurements of scattered solar radiation
Chen et al. Influence of observation angle change on satellite retrieval of aerosol optical depth
Luccini et al. Cloud optical depth from total and UV solar irradiance measurements at two sites of the Atacama Desert in Chile
Divya et al. Detection of Ozone Layer Depletion Using Image Processing and Data Mining Technique

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