CN111579494B - 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 - Google Patents

Abstract

本发明涉及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，与现有技术相比解决了叶绿素荧光与气溶胶难解缠致使大气CO₂观测难以准确校正的缺陷。本发明包括以下步骤：利用0.76μm光谱带反演叶绿素荧光与瑞利散射；2.06μm与0.76μm光谱带协同反演云与气溶胶；1.6μm、2.06μm与0.76μm三光谱带协同反演大气CO₂。本发明基于1.6μm、2.06μm与0.76μm三光谱带协同叶绿素荧光与气溶胶同步校正，实现了大气CO₂稳定、高精度卫星遥感观测反演。

Description

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

技术领域

本发明涉及卫星遥感技术领域，具体来说是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。

背景技术

大气CO₂高精度卫星遥感中，陆地植被叶绿素荧光是一种重要的误差源。植被在红光和近红外波长发射荧光信号填充O₂吸收线、减小吸收线相对深度，在0.76um O₂ A光谱带内的光谱特征与大气散射相似，明显干扰散射相关参数的反演结果，影响CO₂的反演精度。

由于荧光强度微弱，且与大气散射光谱特征高度相似，因此荧光与气溶胶难解缠，其对大气CO₂的影响也难准确校正。

目前荧光的主要校正方法有三种：太阳弗朗禾费暗线法、基于O₂吸收线的同步物理反演法，以及基于0.76um和1.6um双光谱带的参数化校正法。第一种方法要求大气无散射、具备真实反射率谱，对于卫星观测而言存在较大不确定性；第二种方法反演参数多且相关性强，对先验信息、反演求解算法等有严苛要求，难以实现；第三种方法对大气条件要求高，且单独采用0.76um光谱带同步反演叶绿素荧光与气溶胶不稳定，反演能力和精度待提升。

如何提出一种能够稳定实现大气CO₂高精度卫星遥感反演方法已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中叶绿素荧光与气溶胶难解缠致使大气CO₂观测难以准确校正的缺陷，提供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来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

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，包括以下步骤：

11)利用0.76μm光谱带反演叶绿素荧光与瑞利散射：预处理卫星0.76μm光谱带观测数据获得对数辐亮度光谱，通过计算的模拟光谱和雅克比矩阵，反演获得叶绿素荧光强度与瑞利散射参数；

12)2.06μm与0.76μm光谱带协同反演云与气溶胶：预处理卫星2.06μm光谱带观测数据获得归一化对数辐亮度光谱；应用0.76μm光谱带反演的瑞利散射参数值计算出模拟光谱和雅克比矩阵，反演获得云与气溶胶参数；

13)1.6μm、2.06μm与0.76μm三光谱带协同反演大气CO₂：预处理卫星 1.6μm光谱带观测数据获得对数辐亮度光谱，组合卫星1.6μm对数辐亮度光谱和2.06μm归一化对数辐亮度光谱为观测向量，应用0.76μm光谱带反演获得的瑞利散射参数值、2.06μm与0.76μm光谱带协同反演获得的云与气溶胶参数值计算出模拟光谱和雅克比矩阵，同步反演云与气溶胶以及大气CO₂廓线，最终计算获得大气CO₂值。

所述的利用0.76μm光谱带反演叶绿素荧光与瑞利散射包括以下步骤：

21)获取卫星0.76μm光谱带观测数据，开展定标和对数化计算，获得对数辐亮度光谱，组成卫星观测向量y1；

22)获取卫星观测对应观测几何和环境参数，根据如下公式计算获得模拟向量F1：

式中S1是0.76μm光谱带太阳光谱，F_s是0.76μm光谱带内叶绿素荧光强度，

是0.76μm光谱带参数化透过率，α_R、ρ_R、h_R、γ_R是瑞利散射参数，T_{R_up}是瑞利散射层至大气层顶的透过率，T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和O₂吸收光学厚度，Ψ是大气质量因子，θ和θ₁分别是太阳天顶角和卫星观测角，p1₁和p1₂分别是波长一次项和常数项系数，C₁、C₂是常数项；

23)对叶绿素荧光强度F_s、瑞利散射参数α_R、ρ_R、h_R、γ_R及波长一次项和常数项系数p₁₁、p₁₂分别增加扰动量，将单个参数的原始值和扰动后的值输入步骤22)中计算获得对应的模拟向量，将两模拟向量相减，即获得叶绿素荧光强度F_s、瑞利散射参数α_R、ρ_R、h_R、γ_R及波长一次项和常数项系数p1₁、p1₂各自的雅克比，然后组合获得雅克比矩阵K1；

24)利用上述获得的观测向量y1、模拟向量F1、雅克比矩阵K1，开展如下迭代计算，反演获得叶绿素荧光强度值和瑞利散射参数值：

式中状态向量x1包括叶绿素荧光强度、瑞利散射参数及波长一次项和常数项系数，其下标i代表迭代次数，S_a1代表x1的先验协方差，S_ε1代表y₁的测量误差协方差。

所述2.06μm与0.76μm光谱带协同反演云与气溶胶包括以下步骤：

31)获取卫星2.06μm光谱带观测数据，开展定标、对数化和归一化计算，获得归一化对数辐亮度光谱，组成卫星观测向量y2；

32)利用步骤24)获得的瑞利散射参数α_R、ρ_R、h_R、γ_R值，带入如下公式计算获得模拟向量F2：

F2＝-ln(S2·MT_2.06)/max(-ln(S2·MT_2.06)),

式中S2是2.06μm光谱带太阳光谱，MT_2.06是2.06μm光谱带参数化透过率，α_a、ρ_a、h_a、γ_a是云与气溶胶参数，α_R、ρ_R、h_R、γ_R是瑞利散射参数，T_{R_up}是瑞利散射层至大气层顶的透过率，T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和O₂吸收光学厚度，Ψ是大气质量因子，k是CO₂分子吸收系数，h是海拔高度；

33)对云与气溶胶参数α_a、ρ_a、h_a和γ_a分别增加扰动量，将单个参数的原始值和扰动后的值输入步骤32)中计算获得对应的模拟向量，将两模拟向量相减，即获得α_a、ρ_a、h_a和γ_a各自的雅克比，组合获得雅克比矩阵K2；

34)利用上述获得的观测向量y2、模拟向量F2和雅克比矩阵K2，开展如下迭代计算，反演获得云与气溶胶参数值：

式中状态向量x2包括云与气溶胶参数α_a、ρ_a、h_a和γ_a，下标i代表迭代次数， S_a2代表x2的先验协方差，S_ε2代表y2的测量误差协方差。

所述1.6μm、2.06μm与0.76μm三光谱带协同反演大气CO₂包括以下步骤：

41)获取卫星1.6μm光谱带观测数据，开展定标和对数化计算，获得对数辐亮度光谱；

42)将卫星1.6μm对数辐亮度光谱和步骤31)获得的2.06μm归一化对数辐亮度光谱组合，构成总观测向量y3；

43)利用步骤24)获得的瑞利散射参数α_R、ρ_R、h_R、γ_R值、步骤34)获得的云与气溶胶参数α_a、ρ_a、h_a、γ_a值，带入如下公式计算获得模拟向量F3：

F3＝-ln(S3·MT_1.6)+p2₁λ+p2₂,

式中S3是1.6μm光谱带太阳光谱，MT_1.6是1.6μm光谱带参数化透过率，p2₁和 p2₂分别是波长一次项和常数项系数，T_{R_up}是瑞利散射层至大气层顶的透过率， T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和CO₂吸收光学厚度，Ψ是大气质量因子，k是CO₂分子吸收系数，h是海拔高度；

44)将1.6μm模拟对数辐亮度光谱和步骤32)获得的2.06μm模拟归一化对数辐亮度光谱组合，构成总模拟向量F4；

45)对大气CO₂廓线增加扰动量，将各参数其原始值和扰动后的值输入步骤32)中计算获得对应的模拟向量，将两模拟向量相减，获得大气CO₂廓线雅克比；

46)对云与气溶胶参数α_a、ρ_a、h_a和γ_a分别增加扰动量，将原始值和扰动后的值输入步骤32)中计算获得对应的模拟向量，将两模拟向量相减，即获得α_a、ρ_a、h_a和γ_a各自的雅克比，与大气CO₂廓线雅克比组合获得总雅克比矩阵K3；

47)利用上述获得的总观测向量y3、总模拟向量F4和总雅克比矩阵K3，开展如下迭代计算，逐步反演云与气溶胶参数以及大气CO₂廓线：

式中状态向量x3包括大气CO₂廓线、云与气溶胶参数α_a、ρ_a、h_a和γ_a，下标i 代表迭代次数，S_a3代表x3的先验协方差，S_ε3代表y3的测量误差协方差；

48)利用压力权重函数h_p对反演出的大气CO₂廓线进行平均X_CO2＝h_px3_{_co2}，获得叶绿素荧光与气溶胶同步校正后的实际大气CO₂含量值。

有益效果

本发明的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，基于1.6μm、2.06μm与0.76μm三光谱带协同叶绿素荧光与气溶胶同步校正，实现了大气CO₂稳定、高精度卫星遥感观测反演。

与现有技术相比，本发明相比物理反演法，反演参数个数少、反演参数的相关性及解缠难度降低；相比双光谱带参数化校正法，增强叶绿素荧光与气溶胶的信息源，对中等大气条件和弱强度叶绿素荧光卫星观测具备广泛的适应能力。

附图说明

图1为本发明的方法顺序图；

图2为本发明中0.76μm光谱带的模拟向量展示图；

图3为本发明中1.6μm光谱带的模拟向量展示图；

图4为本发明中2.06μm光谱带的模拟向量展示图；

图5为本发明中叶绿素荧光强度雅克比展示图；

图6为本发明中瑞利散射参数雅克比矩阵展示图；

图7为本发明中云与气溶胶参数雅克比矩阵展示图。

具体实施方式

为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：

如图1所示，本发明所述的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，根据O₂在大气中恒定、均匀分布的特点，以及CO₂强吸收对云和气溶胶敏感的特点，利用0.76μm O₂吸收光谱获取叶绿素荧光与瑞利散射，利用2.06μmCO₂强吸收光谱获取云和气溶胶，与 1.6μmCO₂中等吸收光谱协同实现叶绿素荧光与气溶胶的校正以及大气CO₂的反演。其包括以下步骤：

第一步，利用0.76μm光谱带反演叶绿素荧光与瑞利散射：预处理卫星 0.76μm光谱带观测数据获得对数辐亮度光谱，通过计算的模拟光谱和雅克比矩阵，反演获得叶绿素荧光强度与瑞利散射参数。0.76μm光谱带包含较强叶绿素荧光信号且具备O₂多程度吸收信息，可区分叶绿素荧光和气体分子瑞利散射，有利于2.06μm光谱带信息提取时对应影响因素的剥离。其具体步骤如下：

A1)按传统方式通过选择具备L2产品的GOSAT L1B产品，获取卫星 0.76μm光谱带观测数据，开展传统的定标和对数化计算，获得对数辐亮度光谱，组成卫星观测向量y1。

A2)获取卫星观测对应观测几何和环境参数，根据如下公式计算获得模拟向量F1：

式中S1是0.76μm光谱带太阳光谱，F_s是0.76μm光谱带内叶绿素荧光强度， MT_O2是0.76μm光谱带参数化透过率，α_R、ρ_R、h_R、γ_R是瑞利散射参数，T_{R_up}是瑞利散射层至大气层顶的透过率，T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和O₂吸收光学厚度，Ψ是大气质量因子，θ和θ₁分别是太阳天顶角和卫星观测角，p1₁和p1₂分别是波长一次项和常数项系数，C₁、C₂是常数项。

A3)对叶绿素荧光强度F_s、瑞利散射参数α_R、ρ_R、h_R、γ_R及波长一次项和常数项系数p₁₁、p₁₂分别增加扰动量，将单个参数的原始值和扰动后的值输入步骤A2)中计算获得对应的模拟向量，将两模拟向量相减，即获得叶绿素荧光强度F_s、瑞利散射参数α_R、ρ_R、h_R、γ_R及波长一次项和常数项系数p1₁、p1₂各自的雅克比，然后组合获得雅克比矩阵K1。

A4)利用上述获得的观测向量y1、模拟向量F1、雅克比矩阵K1，开展如下迭代计算，反演获得叶绿素荧光强度值和瑞利散射参数值：

式中状态向量x1包括叶绿素荧光强度、瑞利散射参数及波长一次项和常数项系数，其下标i代表迭代次数，S_a1代表x1的先验协方差，S_ε1代表y₁的测量误差协方差。

第二步，2.06μm与0.76μm光谱带协同反演云与气溶胶：预处理卫星 2.06μm光谱带观测数据获得归一化对数辐亮度光谱；应用0.76μm光谱带反演的瑞利散射参数值计算出模拟光谱和雅克比矩阵，反演获得云与气溶胶参数。通过气体分子瑞利散射的扣除，准确提取云与气溶胶信息。其具体步骤如下：

B1)获取卫星2.06μm光谱带观测数据，开展定标、对数化和归一化计算，获得归一化对数辐亮度光谱，组成卫星观测向量y2。

B2)利用步骤A4)获得的瑞利散射参数α_R、ρ_R、h_R、γ_R值，带入如下公式计算获得模拟向量F2：

F2＝-ln(S2·MT_2.06)/max(-ln(S2·MT_2.06)),

式中S2是2.06μm光谱带太阳光谱，MT_2.06是2.06μm光谱带参数化透过率，α_a、ρ_a、h_a、γ_a是云与气溶胶参数，α_R、ρ_R、h_R、γ_R是瑞利散射参数，T_{R_up}是瑞利散射层至大气层顶的透过率，T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和O₂吸收光学厚度，Ψ是大气质量因子，k是CO₂分子吸收系数，h是海拔高度。

B3)对云与气溶胶参数α_a、ρ_a、h_a和γ_a分别增加扰动量，将单个参数的原始值和扰动后的值输入步骤B2)中计算获得对应的模拟向量，将两模拟向量相减，即获得α_a、ρ_a、h_a和γ_a各自的雅克比，组合获得雅克比矩阵K2。

B4)利用上述获得的观测向量y2、模拟向量F2和雅克比矩阵K2，开展如下迭代计算，反演获得云与气溶胶参数值：

式中状态向量x2包括云与气溶胶参数α_a、ρ_a、h_a和γ_a，下标i代表迭代次数，S_a2代表x2的先验协方差，S_ε2代表y2的测量误差协方差。

第三步，1.6μm、2.06μm与0.76μm三光谱带协同反演大气CO₂：预处理卫星1.6μm光谱带观测数据获得对数辐亮度光谱，组合卫星1.6μm对数辐亮度光谱和2.06μm归一化对数辐亮度光谱为观测向量，应用0.76μm光谱带反演获得的瑞利散射参数值、2.06μm与0.76μm光谱带协同反演获得的云与气溶胶参数值计算出模拟光谱和雅克比矩阵，同步反演云与气溶胶以及大气CO₂廓线，最终计算获得大气CO₂值。通过三光谱带协同，可实现大气的CO₂稳定反演及影响因素的校正。其具体步骤如下：

C1)获取卫星1.6μm光谱带观测数据，开展定标和对数化计算，获得对数辐亮度光谱。

C2)将卫星1.6μm对数辐亮度光谱和步骤B1)获得的2.06μm归一化对数辐亮度光谱组合，构成总观测向量y3。

C3)利用步骤A4)获得的瑞利散射参数α_R、ρ_R、h_R、γ_R值、步骤B4)获得的云与气溶胶参数α_a、ρ_a、h_a、γ_a值，带入如下公式计算获得模拟向量F3：

F3＝-ln(S3·MT_1.6)+p2₁λ+p2₂,

式中S3是1.6μm光谱带太阳光谱，MT_1.6是1.6μm光谱带参数化透过率，p2₁和 p2₂分别是波长一次项和常数项系数，T_{R_up}是瑞利散射层至大气层顶的透过率， T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和CO₂吸收光学厚度，Ψ是大气质量因子，k是CO₂分子吸收系数，h是海拔高度。

C4)将1.6μm模拟对数辐亮度光谱和步骤B2)获得的2.06μm模拟归一化对数辐亮度光谱组合，构成总模拟向量F4。

C5)对大气CO₂廓线增加扰动量，将各参数其原始值和扰动后的值输入步骤B2)中计算获得对应的模拟向量，将两模拟向量相减，获得大气CO₂廓线雅克比；

C6)对云与气溶胶参数α_a、ρ_a、h_a和γ_a分别增加扰动量，将原始值和扰动后的值输入步骤B2)中计算获得对应的模拟向量，将两模拟向量相减，即获得α_a、ρ_a、h_a和γ_a各自的雅克比，与大气CO₂廓线雅克比组合获得总雅克比矩阵 K3。

C7)利用上述获得的总观测向量y3、总模拟向量F4和总雅克比矩阵K3，开展如下迭代计算，逐步反演云与气溶胶参数以及大气CO₂廓线：

式中状态向量x3包括大气CO₂廓线、云与气溶胶参数α_a、ρ_a、h_a和γ_a，下标i 代表迭代次数，S_a3代表x3的先验协方差，S_ε3代表y3的测量误差协方差。

C8)利用压力权重函数h_p对反演出的大气CO₂廓线进行平均

获得叶绿素荧光与气溶胶同步校正后的实际大气CO₂含量值。

在此，获取高分五号卫星上大气主要温室气体监测仪(GMI)2019年8 月17日在[42.6°N，98.08°W]处采集的观测数据，根据观测信息以及本发明提出的模拟向量构建方法，获得与观测相对应的模拟向量如图2、图3和图4 所示，图2、图3和图4分别为0.76μm、1.6μm和2.06μm光谱带的模拟向量展示图。

通过本发明提出的雅克比计算方法，获得关键参量叶绿素荧光强度的雅克比如图5所示；瑞利散射的雅克比如图6所示，其中para1-4分别代表α_R、ρ_R、 h_R和γ_R；云与气溶胶的雅克比如图7所示，其中para1-4分别代表α_a、ρ_a、h_a和γ_a。

该观测点原始大气CO2柱含量反演结果为396.4ppm，利用本发明提出的方法获得反演结果为399.6ppm，该观测点对应TCCON实测值为399.58ppm，荧光与气溶胶校正后的结果更接近真实值。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (1)

1.一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，其特征在于，包括以下步骤：

11)利用0.76μm光谱带反演叶绿素荧光与瑞利散射：预处理卫星0.76μm光谱带观测数据获得对数辐亮度光谱，通过计算的模拟向量和雅克比矩阵，反演获得叶绿素荧光强度与瑞利散射参数；

所述的利用0.76μm光谱带反演叶绿素荧光与瑞利散射包括以下步骤：

21)获取卫星0.76μm光谱带观测数据，开展定标和对数化计算，获得对数辐亮度光谱，组成卫星观测向量y1；

22)获取卫星观测对应观测几何和环境参数，根据如下公式计算获得模拟向量F1：

式中S1是0.76μm光谱带太阳光谱，F_s是0.76μm光谱带内叶绿素荧光强度，

是0.76μm光谱带参数化透过率，α_R、ρ_R、h_R、γ_R是瑞利散射参数，T_{R_up}是瑞利散射层至大气层顶的透过率，T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和O₂吸收光学厚度，Ψ是大气质量因子，θ和θ₁分别是太阳天顶角和卫星观测角，p1₁和p1₂分别是波长一次项和常数项系数，C₁、C₂是常数项；

23)对叶绿素荧光强度F_s、瑞利散射参数α_R、ρ_R、h_R、γ_R及波长一次项和常数项系数p1₁、p1₂分别增加扰动量，将单个参数的原始值和扰动后的值输入步骤22)中计算获得对应的模拟向量，将两模拟向量相减，即获得叶绿素荧光强度F_s、瑞利散射参数α_R、ρ_R、h_R、γ_R及波长一次项和常数项系数p1₁、p1₂各自的雅克比，然后组合获得雅克比矩阵K1；

24)利用上述获得的观测向量y1、模拟向量F1、雅克比矩阵K1，开展如下迭代计算，反演获得叶绿素荧光强度值和瑞利散射参数值：

式中状态向量x1包括叶绿素荧光强度、瑞利散射参数及波长一次项和常数项系数，其下标i代表迭代次数，S_a1代表x1的先验协方差，S_ε1代表y₁的测量误差协方差；

12)2.06μm与0.76μm光谱带协同反演云与气溶胶：预处理卫星2.06μm光谱带观测数据获得归一化对数辐亮度光谱，应用0.76μm光谱带反演的瑞利散射参数值计算出模拟向量和雅克比矩阵，反演获得云与气溶胶参数；

所述2.06μm与0.76μm光谱带协同反演云与气溶胶包括以下步骤：

31)获取卫星2.06μm光谱带观测数据，开展定标、对数化和归一化计算，获得归一化对数辐亮度光谱，组成卫星观测向量y2；

32)利用步骤24)获得的瑞利散射参数α_R、ρ_R、h_R、γ_R值，带入如下公式计算获得模拟向量F2：

F2＝-ln(S2·MT_2.06)/max(-ln(S2·MT_2.06)),

MT_2.06＝α_RT_{R_up}+(1-α_R)T_{R_up}T_{R_down}exp(-Ψρ_Rexp(-γ_Rτ_{R_down})τ_{R_down})

式中S2是2.06μm光谱带太阳光谱，MT_2.06是2.06μm光谱带参数化透过率，α_a、ρ_a、h_a、γ_a是云与气溶胶参数，α_R、ρ_R、h_R、γ_R是瑞利散射参数，T_{R_up}是瑞利散射层至大气层顶的透过率，T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和O₂吸收光学厚度，Ψ是大气质量因子，k是CO₂分子吸收系数，h是海拔高度；

33)对云与气溶胶参数α_a、ρ_a、h_a和γ_a分别增加扰动量，将单个参数的原始值和扰动后的值输入步骤32)中计算获得对应的模拟向量，将两模拟向量相减，即获得α_a、ρ_a、h_a和γ_a各自的雅克比，组合获得雅克比矩阵K2；

34)利用上述获得的观测向量y2、模拟向量F2和雅克比矩阵K2，开展如下迭代计算，反演获得云与气溶胶参数值：

式中状态向量x2包括云与气溶胶参数α_a、ρ_a、h_a和γ_a，下标i代表迭代次数，S_a2代表x2的先验协方差，S_ε2代表y2的测量误差协方差；

13)1.6μm、2.06μm与0.76μm三光谱带协同反演大气CO₂：预处理卫星1.6μm光谱带观测数据获得对数辐亮度光谱，组合卫星1.6μm对数辐亮度光谱和2.06μm归一化对数辐亮度光谱为观测向量，应用0.76μm光谱带反演获得的瑞利散射参数值、2.06μm与0.76μm光谱带协同反演获得的云与气溶胶参数值计算出模拟向量和雅克比矩阵，同步反演云与气溶胶以及大气CO₂廓线，最终计算获得大气CO₂值；

所述1.6μm、2.06μm与0.76μm三光谱带协同反演大气CO₂包括以下步骤：

41)获取卫星1.6μm光谱带观测数据，开展定标和对数化计算，获得对数辐亮度光谱；

42)将卫星1.6μm对数辐亮度光谱和步骤31)获得的2.06μm归一化对数辐亮度光谱组合，构成总观测向量y3；

43)利用步骤24)获得的瑞利散射参数α_R、ρ_R、h_R、γ_R值、步骤34)获得的云与气溶胶参数α_a、ρ_a、h_a、γ_a值，带入如下公式计算获得模拟向量F3：

F3＝-ln(S3·MT_1.6)+p2₁λ+p2₂,

MT_1.6＝α_RT_{R_up}+(1-α_R)T_{R_up}T_{R_down}exp(-Ψρ_Rexp(-γ_Rτ_{R_down})τ_{R_down})

式中S3是1.6μm光谱带太阳光谱，MT_1.6是1.6μm光谱带参数化透过率，p2₁和p2₂分别是波长一次项和常数项系数，T_{R_up}是瑞利散射层至大气层顶的透过率，T_{R_down}和τ_{R_down}分别是地表至瑞利散射层的透过率和CO₂吸收光学厚度，Ψ是大气质量因子，k是CO₂分子吸收系数，h是海拔高度；

44)将步骤43)获得的模拟向量F3和步骤32)获得的模拟向量F2组合，构成总模拟向量F4；

45)对大气CO₂廓线增加扰动量，将各参数其原始值和扰动后的值输入步骤32)中计算获得对应的模拟向量，将两模拟向量相减，获得大气CO₂廓线雅克比；

46)对云与气溶胶参数α_a、ρ_a、h_a和γ_a分别增加扰动量，将原始值和扰动后的值输入步骤32)中计算获得对应的模拟向量，将两模拟向量相减，即获得α_a、ρ_a、h_a和γ_a各自的雅克比，与大气CO₂廓线雅克比组合获得总雅克比矩阵K3；

47)利用上述获得的总观测向量y3、总模拟向量F4和总雅克比矩阵K3，开展如下迭代计算，逐步反演云与气溶胶参数以及大气CO₂廓线：

式中状态向量x3包括大气CO₂廓线、云与气溶胶参数α_a、ρ_a、h_a和γ_a，下标i代表迭代次数，S_a3代表x3的先验协方差，S_ε3代表y3的测量误差协方差；

48)利用压力权重函数h_p对反演出的大气CO₂廓线进行平均

获得叶绿素荧光与气溶胶同步校正后的实际大气CO₂含量值。

Images