CN111426643B - 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 - Google Patents
一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 Download PDFInfo
- Publication number
- CN111426643B CN111426643B CN202010171996.8A CN202010171996A CN111426643B CN 111426643 B CN111426643 B CN 111426643B CN 202010171996 A CN202010171996 A CN 202010171996A CN 111426643 B CN111426643 B CN 111426643B
- Authority
- CN
- China
- Prior art keywords
- column
- data
- nitrogen dioxide
- window
- correction
- 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.)
- Active
Links
Images
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
- G01N21/3103—Atomic absorption 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
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)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正,解决现有方法无法去除大气环境探测仪载荷数据条带噪声的问题。所述方法,包含:获取大气环境探测仪数据,数据预处理后、提取波段三的高光谱数据,进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据;从二氧化氮斜柱浓度空间分布数据的所有固定列宽矩形窗中确定校正窗,校正窗为所有矩形窗中各列方差值总和最小的矩形窗;计算校正窗内各列数据均值得到列均值向量,对列均值向量去除至少一个低频信号值,得到列阈值向量;将二氧化氮斜柱浓度空间分布数据的跨轨方向的每一行数据按列减去列阈值向量,得到校正结果。本发明实现了高分五号卫星大气环境探测仪数据条带噪声去除。
Description
技术领域
本发明涉及卫星遥感领域,尤其涉及一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法。
背景技术
卫星遥感图像在成像过程中,由于光电器件问题导致周期性、方向性呈条带状分布的噪声,我国2018年5月9日发射的高分五号卫星上搭载的大气环境探测仪(EMI,Environmental Measurement Instrument)数据反演的大气痕量气体存在明显的条带噪声。现有条带噪声去除方法主要应用在美国卫星上搭载的OMI载荷的二氧化硫条带噪声处理中,且现有方法中去除条带噪声时选用的窗口大小为固定值,不适合我国高分五号卫星搭载的大气环境探测仪载荷的二氧化氮条带噪声处理。
发明内容
本发明提供一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,解决现有方法无法去除大气环境探测仪载荷数据条带噪声的问题。
为解决上述问题,本发明是这样实现的:
本发明指出一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,包含以下步骤:获取大气环境探测仪数据,数据预处理后、提取波段三的高光谱数据,并进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据;从所述二氧化氮斜柱浓度空间分布数据的所有固定列宽的矩形窗中确定校正窗,所述校正窗为所有矩形窗中沿轨方向的各列方差值的总和最小的矩形窗,所述固定列宽为所述二氧化氮斜柱浓度空间分布数据的总列数;计算所述校正窗内各列数据的均值得到列均值向量,并对所述列均值向量去除至少一个低频信号值,得到列阈值向量;将所述二氧化氮斜柱浓度空间分布数据的跨轨方向的每一行数据按列减去所述列阈值向量,得到校正结果。
优选地,所述对列均值向量去除至少一个低频信号值,得到列阈值向量的步骤,进一步包含:对所述列均值向量做傅里叶变换后去除第一低频信号值,再做傅里叶逆变换,得到所述列阈值向量。
优选地,所述对列均值向量去除至少一个低频信号值,得到列阈值向量的步骤,进一步包含:对所述列均值向量做傅里叶变换后分别去除第一低频信号值、第一低频信号值与第二低频信号值、第一、第二与第三低频信号值,再做傅里叶逆变换,得到所述列阈值向量。
优选地,若所述对列均值向量去除的低频信号值的数量大于1时,所述方法还包含:从所述二氧化氮斜柱浓度空间分布数据的所有校正结果中,选择条带噪声去除效果最好的校正结果作为最终校正结果。
优选地,选择所述固定列宽的矩形窗时避开地面重污染区域、云分布区域和太阳天顶角大于80度的区域。
进一步地,所述校正窗的确定方式为:设定尺度初值、尺度增量、尺度终值,并在所述二氧化氮斜柱浓度空间分布数据中选定窗起始行;将所述窗起始行作为所述固定列宽的矩形窗的第一行,矩形窗的行数以所述尺度初值为初值、每次增加所述尺度增量直到增加到所述尺度终值,计算所有矩形窗内数据的列方差值,所述校正窗为列方差值总和最小的矩形窗。
进一步地,,所述对波段三的高光谱数据进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据的步骤,包含:对所述波段三的高光谱数据,采用差分吸收光谱技术反演二氧化氮斜柱浓度,得到第一空间分布数据;对所述第一空间分布数据剔除大气瑞利散射和气溶胶散射影响,得到第二空间分布数据;对所述第二空间分布数据剔除大气双原子分子引起的非弹性散射影响,得到第三空间分布数据;从所述第三空间分布数据中,剔除臭氧、氧四和水汽,得到所述二氧化氮斜柱浓度空间分布数据。
进一步地,从高分五号卫星获取所述大气环境探测仪数据。
优选地,所述数据预处理包含辐射校正和几何校正。
优选地,所述大气环境探测仪数据的波段三的范围为401~550nm。
本发明有益效果包括:本发明针对我国高分五号卫星搭载的大气环境探测仪载荷的产品特点,提出了条带噪声校正方法,针对大气环境探测仪条带噪声处理专门提出的滑动窗口的空间尺度是可自适应调整的,这一技术可以确保大气环境探测仪在不同成像因素影响下获得对条带噪声的最佳处理方法,使得大气痕量气体反演精度更准确,实现了对高分五号卫星大气环境探测仪数据条带噪声的自适应窗口校正。
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为一种条带噪声自适应窗口校正方法流程实施例;
图2为一种包含多次校正的条带噪声自适应窗口校正方法流程实施例;
图3(a)为标准吸收截面谱线实施例的二氧化氮谱线;
图3(b)为标准吸收截面谱线实施例的臭氧谱线;
图3(c)为标准吸收截面谱线实施例的氧四谱线;
图3(d)为标准吸收截面谱线实施例的水汽谱线;
图4(a)为条带噪声校正效果实施例的未校正斜柱浓度;
图4(b)为条带噪声校正效果实施例的第一矩形窗口;
图4(c)为条带噪声校正效果实施例的校正后斜柱浓度。
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。
卫星遥感图像在成像过程中,由于器件问题导致周期性、方向性呈条带状分布的噪声。我国2018年5月9日发射的高分五号卫星上搭载的大气环境探测仪(EMI,Environmental Measurement Instrument)数据反演的大气痕量气体存在明显的条带噪声。对于条带噪声问题,用于大气痕量气体探测的OMI载荷,其SO2柱浓度反演结果存在条带噪声误差。这些误差来源于测量误差和反演算法误差的综合效应导致。
在条带噪声去除方面,荷兰宇航局开发的地面数据处理软件被用于一级太阳辐射和地球辐射数据误差校正预处理。DOAS(差分吸收光谱技术)算法使用参考区域方法来校正随纬度变化的背景误差,该方法通常选择太平洋海上区域的反演值作为背景校正偏差值,然后其他地区的反演值减同纬度的海上背景偏差值。针对OMI早期数据,提出利用基于傅里叶分析的条带校正方法,即信号和条带噪声是高频信号和低频信号的叠加,通过傅里叶分析将低频信号去除,保留高频信号即跨轨道变化的信息。Yang等人提出滑动中值残差校正方法(Yang,K.,Krotkov,N.A.,Krueger,A.J.,Carn,S.A.,Bhartia,P.K.and Levelt,P.F.,2007.Retrieval of large volcanic SO2 columns fromthe Aura Ozone MonitoringInstrument:Comparison and limitations.Journal of Geophysical Research-Atmospheres,112)并应用于OMI二级产品,该方法对中心象元30纬度范围的滑动象元区域进行中值采样,获得每行象元的校正值,消除穿轨以及纬度误差。针对大气环境探测仪载荷,目前还没有合适的条带校正算法。
现有的技术主要是美国卫星上搭载的OMI载荷的二氧化硫数据的条带噪声处理技术,Boersma et al.(2007)针对OMI数据的实际情况选择50列进行校正;Yang等人提出滑动中值残差校正方法(Yang et al.,2007)并应用于OMI二级产品,该方法对中心象元30纬度范围的滑动象元区域进行中值采样,获得每行象元的校正值,消除穿轨以及纬度误差,上述均是以固定窗口技术来处理的。
本发明创新点如下:第一,本发明针对条带噪声处理创新性地提出空间尺度可自适应调整的滑动窗口技术,使得窗口范围的选取能反映出背景区域真实的背景值,提高条带噪声去除的准确定;第二,本发明是针对大气环境探测仪载荷数据的首个条带噪声去除方法,目前尚无对大气环境探测仪载荷产品的条带噪声处理技术。
以下结合附图,详细说明本发明各实施例提供的技术方案。
第1实施例:
图1为一种条带噪声自适应窗口校正方法流程实施例,适用于高分五号卫星大气环境探测仪载荷,作为本发明实施例,一种条带噪声自适应窗口校正方法,具体包含以下步骤:
步骤101,获取大气环境探测仪数据,数据预处理后、提取波段三的高光谱数据,并进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据。
在步骤101中,从高分五号卫星获取所述大气环境探测仪数据。
具体地,获得高分五号卫星载荷的数据,针对其中大气环境探测载荷大气环境探测仪数据,开展数据预处理,包括:数据的辐射校正、几何校正。
需要说明的是,对所述大气环境探测仪数据进行预处理的方法为现有技术,这里不做具体说明。
获得大气环境探测仪载荷数据,并提取波段三的高光谱数据。大气环境探测仪载荷有四个波段,即波段一:紫外波段1,240nm~315nm,波段二:紫外波段2,311~403nm;波段三:可见光波段1,401~550nm;波段四:可见光波段2,545~710nm;光谱分辨率:0.3~0.5nm;空间分辨率为12km×13nm;大气环境探测仪载荷的幅宽2600km。
在步骤101中,对所述波段三的高光谱数据进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据,进一步包含:
步骤101A,对所述波段三的高光谱数据,采用差分吸收光谱技术反演二氧化氮斜柱浓度,得到第一空间分布数据。
在步骤101A中,采用差分吸收光谱技术反演二氧化氮斜柱浓度为现有技术,具体地:
基于大气环境探测仪波段三的高光谱数据反演二氧化氮的基础是Lambert–Beer定律,Lambert–Beer定律描述了辐射被介质吸收的基本定律。波长为λ,强度为I(λ)的一束辐射在传播方向上穿过某种吸收介质的无限薄层ds的时候,满足:
dI(λ)=I(λ)·σ(λ,T)·ρ(s)ds (1)
式中σ(λ,T)为此种吸收介质依赖于波长和温度的吸收截面,ρ(s)为物质的密度,dI(λ)为穿过薄层ds吸收介质后的辐射变化量。在有限的光路上将公式(1)作积分,就会得到:
I(λ,σ)=I0(λ)exp[-σ(λ,T)∫ρ(s)ds] (2)
式中I0(λ)代表了入射的辐射强度,I(λ,σ)代表了测量到的出射辐射强度。
在此基础上,我们采用现在成熟的差分吸收光谱技术(Differential OpticalAbsorption Spectroscopy,DOAS)来反演二氧化氮斜柱浓度。该技术最早用于1995年搭载于欧洲空间局第二代欧洲遥感卫星(Second European Remote Sensing Satellite,ERS-2)的GOME载荷的二氧化氮反演,我国大气环境探测仪载荷的光谱设计和GOME、OMI等载荷类似,所以我们采用差分吸收光谱技术处理地表反射的经大气层吸收的太阳后向散射辐射光谱进行NO2反演。
把公式(2)中的I(λ,σ)和I0(λ)比值取自然对数,则可得到公式如下:
公式(3)中,τ代表了光路上的光学厚度,无量纲;SCD=∫ρ(s)ds代表了光路上吸收介质的浓度,因为计量单位中具有面积的倒数,所以称之为柱浓度或是斜柱浓度。
由此,通过DOAS(差分吸收光谱技术)技术得到的二氧化氮斜柱浓度即为所述第一空间分布数据。
在步骤101A中,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增强作用,Beer-Lambert(Lambert–Beer)定律可用于描述大气消光过程的描述,如公式(4)所示:
其中,σi(λ)代表了大气中各种气体在λ波长处的吸收截面,σRay(λ)代表了大气分子在λ波长处瑞利散射截面,σMie(λ)代表了气溶胶米散射在λ波长处的散射截面。σi(λ,T)随波长和温度变化,计算中一般采用某个确定温度下按波长变化的标准吸收截面来表示,SCDi(λ)表示在光路上各种吸收气体柱浓度,i表示第i种气体,SCDRay(λ)为大气瑞利散射强度,SCDMie(λ)为气溶胶米散射强度。
在此基础上进行NO2斜柱浓度反演时,还需开展以下(102B~102D)几个方面的处理工。
步骤101B,对所述第一空间分布数据剔除大气瑞利散射和气溶胶散射影响,得到第二空间分布数据。
在步骤101B中,对所述第一空间分布数据剔除大气气溶胶散射影响,具体为:对每个像元的光谱数据进行三次函数拟合,就可以获得气溶胶米散射贡献三次低频函数,然后从公式(4)中核减去除,剔除大气气溶胶散射影响的贡献,即可得到所述第二空间分布数据。
步骤101C,对所述第二空间分布数据剔除大气双原子分子引起的非弹性散射影响,得到第三空间分布数据。
在步骤101C中,对所述第二空间分布数据剔除大气双原子分子引起的非弹性散射影响,具体为:计算该波段大气夫琅禾费效应,即由大气双原子分子引起的非弹性散射贡献,具体采用固定的夫琅禾费参考光谱,将其从公式(4)中核减剔除。
需要说明的是,步骤101C可参考文献:Richter Aand Burrows J P.Retrieval oftropospheric NO2 fromGOME measurements.Advances in Space Research,.2002,29(11):1673–1683。
步骤101D,从所述第三空间分布数据中,剔除臭氧、氧四和水汽,得到所述二氧化氮斜柱浓度空间分布数据。
在步骤101D中,根据二氧化氮、臭氧、氧四和水汽等气体标准吸收截面的谱线,从吸收气体柱浓度中分离出二氧化氮浓度;然后将处理结果进行显示就出现了一轨二氧化氮斜柱浓度的空间分布结果,即所述二氧化氮斜柱浓度空间分布数据。
需要说明的是,本发明可以对一轨数据进行处理,也可以对多轨数据进行处理,对多轨数据进行处理的方法与一轨数据相同,这里不做特别限定。
步骤102,从所述二氧化氮斜柱浓度空间分布数据的所有固定列宽的矩形窗中确定校正窗,所述校正窗为所有矩形窗中沿轨方向的各列方差值的总和最小的矩形窗,所述固定列宽为所述二氧化氮斜柱浓度空间分布数据的总列数。
需要说明的是,所述二氧化氮斜柱浓度空间分布数据是卫星轨道二维空间矩阵,矩阵的列对应沿轨方向、即卫星运行方向,矩阵的行对应跨轨方向。
还需说明的是,所述矩形窗为所述二氧化氮斜柱浓度空间分布数据中成多行多列的数据集,所述矩形窗的行数、列数均大于等于1。
在步骤102中,关键是如何设置合适的窗口尺度,本申请从大气环境探测仪的实际情况出发,建立可自适应评估确定适合于大气环境探测仪数据的滑动窗口范围。本发明实施例中确定的所述校正窗,窗内的数据的列方差值总和最小。
在步骤102中,所述校正窗可以从所述二氧化氮斜柱浓度空间分布数据的所有固定列宽的矩形窗中确定。
进一步地,所述校正窗的确定方式还可以为:设定尺度初值、尺度增量、尺度终值,并在所述二氧化氮斜柱浓度空间分布数据中选定窗起始行;将所述窗起始行作为所述固定列宽的矩形窗的第一行,矩形窗的行数以所述尺度初值为初值、每次增加所述尺度增量直到增加到所述尺度终值,计算所有矩形窗内数据的列方差值,所述校正窗为列方差值总和最小的矩形窗。
需要说明的是,所述尺度初值、尺度增量、尺度终值、窗起始行均为预先设定的数值,这里不做特别限定,这些数值的选取决定了计算所述校正窗时的计算量,可以根据所述二氧化氮斜柱浓度空间分布数据的具体情况,选择合适的上述参数,保证计算量和准确度。
进一步地,在选择矩形窗起止范围时,可以注意以下两个问题:一是,考虑二氧化氮来源特点以及云覆盖、太阳辐射等因素的影响,所选择的窗口应该尽量避开地面重污染区域、云分布区域和太阳天顶角大于80度的区域,使每列计算的均值避免高浓度值影响和反演结果误差影响;二是所选择窗口的行数还可自动调节,直到其计算出的每列的均值能够反映背景区域干扰因素最小的状况,即选择方差值最小的矩形窗的行数值作为本方法矩形窗行数。
需要说明的是,所述地面重污染区域主要是指NO2浓度比较高的地区,NO2主要来源于强烈的人为活动,所以重污染区是人为活动强烈的区域,在所述二氧化氮斜柱浓度空间分布数据的图中会呈现无规则分布,在图中会以NO2浓度高值的颜色出现。所述云分布区域是利用云参数物理特性进行区分部分,在图中无数据部分,由于底图是白色的,所以在图中为呈现白色部分的区域,云的判读在预处理的步骤中完成。
对所述校正窗的确定方式举例,例如,所述二氧化氮斜柱浓度空间分布数据的列数为111,即整个轨道大气环境探测仪的探元为111个,选择校正窗时首先避开地面重污染区域、云分布区域和太阳天顶角大于80度的区域,所述校正窗的滑动窗口尺度为111列、n行,具体n的取值,可以通过判断每个窗口所包含的数据的方差,选择方差最小的窗口为依据来确认窗口尺度。
以n=30开始,每次增加30行,计算每次增加变化的n对应的每个方差最小的窗口的每列均值,统计了每个轨道能够得到最小方差窗口的所有n的取值情况,通过图像实际处理实验,当n取值为150的时候,有一个轨道已经找不到窗口,且有两个轨道的窗口对应的方差明显变大。
因此,设定所述尺度初值为30、尺度增量为30、尺度终值为150,在所述二氧化氮斜柱浓度空间分布数据中选定窗起始行后确认得到所述校正窗,在本发明实施例中,所述校正窗的行数n=120。
需要说明的是,所述尺度初值、尺度增量、尺度终值可以是本发明实施例中的数值,也可以是其他数值,这里不做特别限定。
还需说明的是,所述尺度初值、尺度增量、尺度终值的设定值决定了选择所述校正窗时的计算量,上述参数设定的越精细、计算量越大、所述校正窗越准确,通常对上述参数设定时,需综合考虑计算量和准确定。
步骤103,计算所述校正窗内各列数据的均值得到列均值向量,并对所述列均值向量去除至少一个低频信号值,得到列阈值向量。
在步骤103中,对所述列均值向量去除低频信号值,可以是只去除任意一个低频信号值,还可以是去除任意几个低频信号值的组合,当去除任意几个低频信号值的组合时,所述列阈值向量的数量等于组合个数。
还需说明的是,对所述列均值向量去除低频信号值,即为通过傅里叶变换滤波去除低频信号值。
在本发明实施例中,对所述列均值向量去除低频信号值,去除一个低频信号值为:对所述列均值向量做傅里叶变换后去除第一低频信号值,再做傅里叶逆变换,得到所述列阈值向量。
所述第一低频信号值是通过对所述列均值向量进行傅里叶变换后的结果进行从小到大的排序获得的,结果值最小的在傅里叶变换空间中代表低频信号,即所述第一低频信号值为所述列均值向量做傅里叶变换后的向量中的最小模值。
由于所选窗口对应背景二氧化氮浓度变换不大,而条带在跨轨方向具有较强的变换,所以去除低频信号,留下的就是条带噪声的高频信号结果。故此,去除低频信号后,再对剩下参数进行傅里叶逆变换后获得每一列一个数值。这一数据代表高频信号。然后利用每列上的每个像元数据,都各自减去每列傅里叶逆变换化获得的值,就可以把条带噪声去除。
在步骤103中,提取一轨或多轨数据,计算每轨在沿轨方向上每列的斜柱浓度均值,每列斜柱浓度均值是从相互独立的不同轨道数据的基础上进行计算获得的,从所述每列斜柱浓度均值,可以看出从沿跨轨道方向上的绝对值和变化特点十分一致性,可以反映出条带噪声是一种系统误差,可以进行统一校正。
步骤104,将所述二氧化氮斜柱浓度空间分布数据的跨轨方向的每一行数据按列减去所述列阈值向量,得到校正结果。
在步骤104中,找到适应窗口尺度后,就可以计算窗口内的每列的均值,以此均值来去除低频信号,确保高频信号能够充分表征跨轨道方向条带的特征,具体根据反傅立叶方法获得二氧化氮的斜柱浓度值。
在步骤104中,开展条带噪声处理是基于傅里叶原理的校正方法,图像上的噪声是高频信号和低频信号的叠加,通过傅里叶处理将低频信号去除,保留高频跨轨道变化信息,完成条带噪声的校正。
本发明实施例提供的条带噪声自适应窗口校正方法是第一次针对大气环境探测仪载荷波段三反演的二氧化氮斜柱浓度产品特点、针对该大气环境探测仪产品的条带噪声处理而提出的空间尺度可自适应调整的滑动窗口技术,可以确保大气环境探测仪在不同成像因素影响下的获得对条带噪声的最佳处理方法。
第2实施例:
图2为一种包含多次校正的条带噪声自适应窗口校正方法流程实施例,可通过多次校正获得最佳条带噪声处理效果,作为本发明实施例,一种条带噪声自适应窗口校正方法,具体包含以下步骤:
步骤201,获取大气环境探测仪数据,数据预处理后、提取波段三的高光谱数据,并进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据。
步骤201与步骤101相同。
步骤202,从所述二氧化氮斜柱浓度空间分布数据的所有固定列宽的矩形窗中确定校正窗,所述校正窗为所有矩形窗中沿轨方向的各列方差值的总和最小的矩形窗,所述固定列宽为所述二氧化氮斜柱浓度空间分布数据的总列数。
步骤202与步骤102相同。
步骤203,对所述列均值向量做傅里叶变换后分别去除第一低频信号值、第一低频信号值与第二低频信号值、第一、第二与第三低频信号值,再做傅里叶逆变换,得到所述列阈值向量。
在步骤203中,所述第一、第二、第三低频信号值是通过对所述列均值向量进行傅里叶变换后的结果进行从小到大的排序获得的,所述第一低频信号值等于所述列均值向量做傅里叶变换后的向量中的最小模值,所述第二低频信号值等于所述列均值向量做傅里叶变换后的向量中的第二小模值,所述第三信号低频值等于所述列均值向量做傅里叶变换后的向量中的第三小模值。
需要说明的是,所述列均值向量进行傅里叶变换后的数据集为复数数据集,复数比较大小时,应比较复数的模值。
在步骤203中,所述列阈值向量包含第一、第二、第三列阈值向量,所述第一列阈值向量为列均值向量去除了第一低频信号值并经傅里叶逆变换,所述第二列阈值向量为列均值向量去除了第一低频信号值与第二低频信号值并经傅里叶逆变换,所述第三列阈值向量为列均值向量去除了第一、第二与第三低频信号值并经傅里叶逆变换,所述第一列阈值向量频率范围大于所述第二列阈值向量大于所述第三列阈值向量。
还需要说明的是,本发明对去除低频信号值的次数不做具体限定,可以是步骤203中的三次、也可以更多或更少次数,可以是步骤203中的低频信号值的组合方式,也可以其他组合方式。
步骤204,将所述二氧化氮斜柱浓度空间分布数据的跨轨方向的每一行数据按列减去所述列阈值向量,得到校正结果。
在步骤204中,所述列阈值向量的个数等于3,因此分别针对每个列阈值向量,都需进行校正,即将所述二氧化氮斜柱浓度空间分布数据的跨轨方向的每一行数据按列减去每一个所述列阈值向量,得到3个校正结果。
步骤205,从所述二氧化氮斜柱浓度空间分布数据的所有校正结果中,选择条带噪声去除效果最好的校正结果作为最终校正结果。
在步骤205中,将步骤204中的所有校正结果进行比较,选择效果最好的低频信号去除方案,作为本发明实施例中的整轨二氧化氮斜柱浓度空间分布数据的去除方案,同时也可作为其它整轨二氧化氮斜柱浓度空间分布数据条带噪声去除方案。
需要说明的是,针对其它整轨二氧化氮斜柱浓度空间分布数据可以选择本发明中的去除方案,也可重新确定校正窗、选择新的去除方案,这里不做特别限定。
在步骤205中,可通过真彩图像人为认定条带噪声去除效果,条带噪声最不明显的图像被认定为条带噪声去除效果最好。
需要说明的是,也可通过其他方法确定条带噪声效果最好,这里不作特别限定。
本发明实施例提出的条带噪声校正方法,从多个条带噪声去除方案中选择最优的结果,进一步优化了条带噪声去除效果。
第3实施例:
图3(a)为标准吸收截面谱线实施例的二氧化氮谱线,图3(b)为标准吸收截面谱线实施例的臭氧谱线,图3(c)为标准吸收截面谱线实施例的氧四谱线,图3(d)为标准吸收截面谱线实施例的水汽谱线。
本发明实施例提供一种剔除臭氧、氧四和水汽的方法,具体地:
根据二氧化氮、臭氧、氧四和水汽等气体标准吸收截面的谱线,从吸收气体柱浓度中分离出二氧化氮浓度;然后将处理结果进行显示就出现了一轨二氧化氮斜柱浓度的空间分布结果。
图3(a)描述了温度223k的NO2标准吸收截面,图3(b)描述了温度223k的O3标准吸收截面,图3(c)描述了温度293k的O4标准吸收截面,图3(d)描述了温度300k的水汽标准吸收截面,由于在反演窗口水汽吸收主要在440nm-450nm,所以图中只选用440nm-450nm这个区间。
具体参数二氧化氮气体浓度分离的O3、O4、水汽在405nm-465nm的波段范围的标注吸收截面数据见下表,具体利用来自于HITRAN数据库(http://www.cfa.harvard.edu/hitran/)中的SCIATRAN软件包中的数据库。
表1相关气体的标准吸收截面普线
这些吸收截面数据的来源不同,光谱分辨率和采样点均有差异,使用时,根据大气环境探测仪传感器特点将它们转换为大气环境探测仪的光谱分辨率。
本发明第3实施例说明了从吸收气体柱浓度中分离出二氧化氮浓度得到所述二氧化氮柱浓度空间分布数据的原理。
第4实施例:
图4(a)为条带噪声校正效果实施例的未校正斜柱浓度,图4(b)为条带噪声校正效果实施例的校正窗,图4(c)为条带噪声校正效果实施例的校正后斜柱浓度。
本发明第4实施例为使用本发明第1和第2实施例中的条带噪声校正方法去除条带噪声的结果,作为本发明实施例,图4(a)的数据为2018年8月2日连续12个轨道未校正前二氧化氮SCD(斜柱浓度),从图中可以看出连续12个轨道每个轨道都有明显的条带噪声。
图4(b)为图4(a)中的其中一个轨道数据,是2018年8月2日过境中国区域的轨道对应的窗口,左侧为原始数据,右侧标记了所述第一矩形窗口,窗口大小为100行、111列。
在图4(b)中,选择所述校正窗应避免地面重污染区域和云分布区域,所述地面重污染区域主要是指NO2浓度比较高的地区,NO2主要来源于强烈的人为活动,所以重污染区是人为活动强烈的区域,在所述二氧化氮斜柱浓度空间分布数据的图中会呈现无规则分布,在图中会以NO2浓度高值的颜色出现;云分布区是利用云参数物理特性进行区分部分,在图中无数据部分,由于底图是白色的,所以在图中为呈现白色部分的区域。
图4(c)为校正后的结果,上层图像为去除不同低频项对应的校正值和均值与校正值的差值,从左到右依次为去除第一低频信号值之后、去除第一低频信号值与第二低频信号值之后、去除第一、第二与第三低频信号值之后。上层图中每个图标有三行,最上行曲线(segement mean)为窗区每列的均值,包含低频和高频信号;中间行(correction value)为窗区均值向量经傅里叶变换剔除低频信号后,再利用逆变换获得的每列的值,即窗区的高频信号值。上层图中从左到右分别为剔除第一低频信号值之后、去除第一低频信号值与第二低频信号值之后、去除第一、第二与第三低频信号值之后,再利用傅里叶逆变换获得的每列的高频值。第三行(mean-correction)为所述校正窗区内每列数据的均值向量减去第二行经过逆变换后获得的高频信号剩下的值。
图4(c)下层图像为去除不同低频对应的校正效果,从左至右依次为去除第一低频信号值之后、去除第一低频信号值与第二低频信号值之后、去除第一、第二与第三低频信号值的校正效果图,从图中可以看出,去除第一低频信号值可明显去除条带噪声,背景上无明显条带噪声,图像效果最好,也就是条带噪声去除效果最好。
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 (10)
1.一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,包含以下步骤:
获取大气环境探测仪数据,数据预处理后,提取波段三的高光谱数据,并进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据;
从所述二氧化氮斜柱浓度空间分布数据的所有固定列宽的矩形窗中确定校正窗,所述校正窗为所有矩形窗中沿轨方向的各列方差值的总和最小的矩形窗,所述固定列宽为所述二氧化氮斜柱浓度空间分布数据的总列数;
计算所述校正窗内各列数据的均值得到列均值向量,并对所述列均值向量去除至少一个低频信号值,得到列阈值向量;
将所述二氧化氮斜柱浓度空间分布数据的跨轨方向的每一行数据按列减去所述列阈值向量,得到校正结果。
2.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,对所述列均值向量去除至少一个低频信号值,得到列阈值向量的步骤,进一步包含:
对所述列均值向量做傅里叶变换后去除第一低频信号值,再做傅里叶逆变换,得到所述列阈值向量。
3.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,对所述列均值向量去除至少一个低频信号值,得到列阈值向量的步骤,进一步包含:
对所述列均值向量做傅里叶变换后分别去除第一低频信号值、第一低频信号值与第二低频信号值、第一、第二与第三低频信号值,再做傅里叶逆变换,得到所述列阈值向量。
4.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,若对所述列均值向量去除的低频信号值的数量大于1时,所述方法还包含:
从所述二氧化氮斜柱浓度空间分布数据的所有校正结果中,选择条带噪声去除效果最好的校正结果作为最终校正结果。
5.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,选择所述固定列宽的矩形窗时避开地面重污染区域、云分布区域和太阳天顶角大于80度的区域。
6.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,所述校正窗的确定方式为:
设定尺度初值、尺度增量、尺度终值,并在所述二氧化氮斜柱浓度空间分布数据中选定窗起始行;
将所述窗起始行作为所述固定列宽的矩形窗的第一行,矩形窗的行数以所述尺度初值为初值、每次增加所述尺度增量直到增加到所述尺度终值,计算所有矩形窗内数据的列方差值,所述校正窗为列方差值总和最小的矩形窗。
7.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,提取波段三的高光谱数据,并进行二氧化氮柱浓度反演,得到二氧化氮斜柱浓度空间分布数据的步骤,进一步包含:
对所述波段三的高光谱数据,采用差分吸收光谱技术反演二氧化氮斜柱浓度,得到第一空间分布数据;
对所述第一空间分布数据剔除大气瑞利散射和气溶胶散射影响,得到第二空间分布数据;
对所述第二空间分布数据剔除大气双原子分子引起的非弹性散射影响,得到第三空间分布数据;
从所述第三空间分布数据中,剔除臭氧、氧四和水汽,得到所述二氧化氮斜柱浓度空间分布数据。
8.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,从高分五号卫星获取所述大气环境探测仪数据。
9.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,所述数据预处理包含辐射校正和几何校正。
10.如权利要求1所述的大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法,其特征在于,所述大气环境探测仪数据的波段三的范围为401~550nm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010171996.8A CN111426643B (zh) | 2020-03-12 | 2020-03-12 | 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010171996.8A CN111426643B (zh) | 2020-03-12 | 2020-03-12 | 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111426643A CN111426643A (zh) | 2020-07-17 |
CN111426643B true CN111426643B (zh) | 2022-12-23 |
Family
ID=71548048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010171996.8A Active CN111426643B (zh) | 2020-03-12 | 2020-03-12 | 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111426643B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112161943B (zh) * | 2020-09-29 | 2021-04-16 | 中国科学院地理科学与资源研究所 | TanSat卫星XCO2反演数据的偏差校正方法和系统 |
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 |
CN113702305B (zh) * | 2021-08-17 | 2022-07-15 | 燕山大学 | 基于自适应差分吸收光谱技术的气体浓度线性测量方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005308709A (ja) * | 2004-03-26 | 2005-11-04 | Seiko Epson Corp | バンディングノイズ検出装置、バンディングノイズ検出方法およびバンディングノイズ検出プログラム |
JP2006024985A (ja) * | 2004-07-06 | 2006-01-26 | Sony Corp | 偽信号抑制処理方法および偽信号抑制処理回路並びに撮像装置 |
JP2006026942A (ja) * | 2004-07-12 | 2006-02-02 | Seiko Epson Corp | ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法 |
CN102183468A (zh) * | 2011-02-23 | 2011-09-14 | 中国科学院安徽光学精密机械研究所 | 多组分气体分析的干扰修正与浓度反演方法 |
WO2014173464A1 (en) * | 2013-04-26 | 2014-10-30 | Mtech Imaging Pte Ltd | Noise correction in an infra-red imaging system |
CN108931489A (zh) * | 2018-09-10 | 2018-12-04 | 复旦大学 | 一种基于led光源测量大气中乙二醛浓度的差分吸收光谱系统 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5852324B2 (ja) * | 2011-04-26 | 2016-02-03 | キヤノン株式会社 | 撮像装置及びその制御方法、プログラム |
-
2020
- 2020-03-12 CN CN202010171996.8A patent/CN111426643B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005308709A (ja) * | 2004-03-26 | 2005-11-04 | Seiko Epson Corp | バンディングノイズ検出装置、バンディングノイズ検出方法およびバンディングノイズ検出プログラム |
JP2006024985A (ja) * | 2004-07-06 | 2006-01-26 | Sony Corp | 偽信号抑制処理方法および偽信号抑制処理回路並びに撮像装置 |
JP2006026942A (ja) * | 2004-07-12 | 2006-02-02 | Seiko Epson Corp | ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法 |
CN102183468A (zh) * | 2011-02-23 | 2011-09-14 | 中国科学院安徽光学精密机械研究所 | 多组分气体分析的干扰修正与浓度反演方法 |
WO2014173464A1 (en) * | 2013-04-26 | 2014-10-30 | Mtech Imaging Pte Ltd | Noise correction in an infra-red imaging system |
CN108931489A (zh) * | 2018-09-10 | 2018-12-04 | 复旦大学 | 一种基于led光源测量大气中乙二醛浓度的差分吸收光谱系统 |
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 |
Non-Patent Citations (7)
Title |
---|
Validation of OMI tropospheric NO2column data using MAX-DOAS measurements deep inside the North China Plain in June 2006:Mount Tai Experiment 2006;Irie H;《Atmospheric Chemistry and Physics》;20081231;第22卷(第8期);全文 * |
Wavelet Analysis for the Elimination of Striping Noise in Satellite Images;Torre J;《Optical Engineer》;20011231;第40卷(第7期);全文 * |
一种推扫式卫星图像的相对辐射校正方法;李海超等;《光电工程》;20110115(第01期);全文 * |
二次傅里叶变换去噪在差分吸收光谱技术中的应用研究;姚鹏辉等;《光学技术》;20180515(第03期);全文 * |
基于多波段匹配的超光谱成像仪图像条带噪声去除方法研究;高海亮等;《红外》;20110210(第02期);全文 * |
大气NO_2柱浓度多轴差分吸收光谱测量技术及应用;李蔚等;《气象科技》;20131015(第05期);全文 * |
近地面NO_2浓度卫星遥感估算问题;陈良富等;《环境监控与预警》;20160615(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111426643A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111426643B (zh) | 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 | |
Frankenberg et al. | Prospects for chlorophyll fluorescence remote sensing from the Orbiting Carbon Observatory-2 | |
Gross et al. | Artificial neural networks for modeling the transfer function between marine reflectance and phytoplankton pigment concentration | |
Thompson et al. | A unified approach to estimate land and water reflectances with uncertainties for coastal imaging spectroscopy | |
Pahlevan et al. | Uncertainties in coastal ocean color products: Impacts of spatial sampling | |
Ibrahim et al. | Multiband atmospheric correction algorithm for ocean color retrievals | |
Pan et al. | An improved spectral optimization algorithm for atmospheric correction over turbid coastal waters: A case study from the Changjiang (Yangtze) estuary and the adjacent coast | |
Rozanov et al. | BrO vertical distributions from SCIAMACHY limb measurements: comparison of algorithms and retrieval results | |
Staebell et al. | Spectral calibration of the MethaneAIR instrument | |
Richardson et al. | Information content of OCO-2 oxygen A-band channels for retrieving marine liquid cloud properties | |
Callewaert et al. | The Mineral Aerosol Profiling from Infrared Radiances (MAPIR) algorithm: version 4.1 description and evaluation | |
CN116664947A (zh) | 一种基于卫星观测数据的蓝藻水华监测方法及系统 | |
Kappel et al. | Error analysis for retrieval of Venus׳ IR surface emissivity from VIRTIS/VEX measurements | |
Yu et al. | Impact of 3D cloud structures on the atmospheric trace gas products from UV–Vis sounders–Part 2: Impact on NO 2 retrieval and mitigation strategies | |
Bai et al. | A fast and accurate vector radiative transfer model for simulating the near-infrared hyperspectral scattering processes in clear atmospheric conditions | |
Sofieva et al. | Influence of scintillation on quality of ozone monitoring by GOMOS | |
CN113607654B (zh) | 基于超光谱卫星的全球乙二醛浓度遥感反演方法及系统 | |
Marais et al. | Extending water vapor measurement capability of photon-limited differential absorption lidars through simultaneous denoising and inversion | |
Chen et al. | Deriving remote sensing reflectance from turbid Case II waters using green-shortwave infrared bands based model | |
Casa et al. | Effect of spatial resolution on soil properties retrieval from imaging spectroscopy: an assessment of the hyperspectral CHIME mission potential | |
Okamura et al. | Retrieval of optical thickness and droplet effective radius of inhomogeneous clouds using deep learning | |
CN116380811B (zh) | 一种基于氧气吸收带的云检测方法 | |
CN113849490B (zh) | 一种卫星遥感反射率产品数据残差校正方法 | |
Uspensky et al. | A Fast Radiative Transfer Model for the Meteor-M satellite-based hyperspectral IR sounders | |
Mueller | Effects of water reflectance at 670 nm on Coastal Zone Color Scanner (CZCS) aerosol radiance estimates off the coast of central California |
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 |