CN111579504A - 基于光学遥感的大气污染成分垂直分布反演方法 - Google Patents

基于光学遥感的大气污染成分垂直分布反演方法 Download PDF

Info

Publication number
CN111579504A
CN111579504A CN202010611508.0A CN202010611508A CN111579504A CN 111579504 A CN111579504 A CN 111579504A CN 202010611508 A CN202010611508 A CN 202010611508A CN 111579504 A CN111579504 A CN 111579504A
Authority
CN
China
Prior art keywords
vertical distribution
inversion
atmospheric pollution
aerosol
concentration
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
CN202010611508.0A
Other languages
English (en)
Other versions
CN111579504B (zh
Inventor
刘诚
邢成志
李启华
刘浩然
季祥光
谈伟
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.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
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 University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202010611508.0A priority Critical patent/CN111579504B/zh
Publication of CN111579504A publication Critical patent/CN111579504A/zh
Application granted granted Critical
Publication of CN111579504B publication Critical patent/CN111579504B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G01N21/53—Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/121—Correction signals

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Databases & Information Systems (AREA)
  • Immunology (AREA)
  • Operations Research (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computing Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于光学遥感的大气污染成分垂直分布反演方法，该方法以多方位获得的太阳散射光谱为数据源，获得大气污染成分的斜程总量，在多源数据的约束条件下，结合根据斜程总量构建的迭代目标函数和价值函数进行迭代反演得到大气污染成分的垂直分布，保证了反演结果的合理性和可靠性，同时，还能实现反演结果的自校准。

Description

基于光学遥感的大气污染成分垂直分布反演方法
技术领域
本发明涉及环境监测技术领域，尤其涉及一种基于光学遥感的大气污染成分垂直分布反演方法。
背景技术
大气污染成分主要有气溶胶和痕量气体，其中，气溶胶是由固体或液体小质点分散并悬浮在气体介质中形成的胶体分散体系，又称气体分散体系。其分散相为固体或液体小质点，其大小为0.001～100μm，分散介质为气体。液体气溶胶通常称为雾，固体气溶胶通常称为雾烟。痕量气体是大气中浓度低于10的粒种。指总数为1,000,000个分子中只有一个待研究分子，如大气中的CO、N2O、SO2、O3、O4、NO、NO2、CH4、NH3、H2S、亚硝酸、乙二醛和甲基乙二醛等有机化物、卤化物等都属于痕量气体。大气中氮、氧、氩、二氧化碳占干空气的99.997％，其他气体只占0.003％，它们含量极少，多为痕量气体，如氮氧化合物、碳氢化合物、硫化物和氯化物。
随着大气环境污染的日益恶化，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。地基遥感相对于传统的地面采样分析技术具有其数据采集快速、观测污染成分种类多样、实时性强，无需人员值守的特点，在环境监测领域具有无可比拟的优势。
目前，我国在区域大气污染观测方面开展的工作，主体是以地面化学仪器采样为主，辅以探空气球、无人机等对区域大气的污染状况进行观测。现有的地基遥感技术主要获取大气污染成分的对流层垂直总量，且由于忽略原始光谱的倾斜效应及仪器的背景噪声造成反演结果不确定度偏大。
总之，上述观测技术和手段明显缺少对大气污染成分的垂直分布观测，不能实现对大气污染成分时空变化特征进行快速、连续、高效监测，进而满足我国大气环境监测和环境污染研究的需要。
发明内容
本发明的目的是提供一种基于光学遥感的大气污染成分垂直分布反演方法，该方法能够准确反演得到大气污染成分垂直分布浓度。
本发明的目的是通过以下技术方案实现的：
一种基于光学遥感的大气污染成分垂直分布反演方法，包括：
采集太阳散射光谱，通过非线性校正和仪器暗背景滤除处理后，计算出大气污染成分的斜程总量；
基于大气污染成分的斜程总量构建价值函数和迭代目标函数，并基于温度压力垂直分布、气溶胶光学厚度信息或光子散射路径构建约束条件，在约束条件约束下根据迭代目标函数和价值函数进行迭代反演，从而获得大气污染成分的垂直分布浓度。
由上述本发明提供的技术方案可以看出，以多方位获得的太阳散射光谱为数据源，获得大气污染成分的斜程总量，在多源数据的约束条件下，结合根据斜程总量构建的迭代目标函数和价值函数进行迭代反演得到大气污染成分的垂直分布，保证了反演结果的合理性和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种基于光学遥感的大气污染成分垂直分布反演方法的示意图；
图2为本发明实施例提供的大气污染成分观测区域及站点分布图；
图3为本发明实施例提供的四个大气污染成分观测站点的气溶胶垂直浓度分布图；
图4为本发明实施例提供的四个大气污染成分观测站点的大气痕量气体垂直浓度分布图；
图5为本发明实施例提供的气溶胶和痕量大气污染成分的反演结果与外部独立数据的对比验证图；
图6为本发明实施例提供的四个大气污染成分观测站点的
Figure BDA0002561046450000031
exp°nent指数分布图。
具体实施方式
下面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，都属于本发明的保护范围。
本发明实施例提供一种基于光学遥感的大气污染成分垂直分布反演方法，如图1所示，其主要包括：
1、采集太阳散射光谱，通过非线性校正和仪器暗背景滤除处理后，计算出大气污染成分的斜程总量。
本发明实施例中，采用边界层大气成分扫描仪采集多个观测仰角的太阳散射光谱，一般设置仰角为1°，2°，3°，4°，5°，6°，8°，10°，15°，30°和90°。其中90°用于扣除大气平流层的影响。
在获得太阳散射光谱后，进行非线性校正和仪器暗背景滤除处理，公式为：
spe′＝spe-OFS(scansspe/scansOFS)
DC′＝DC-OFS(scansDC/scansOFS)
spe″＝spe′-DC′
其中，spe和DC分别为原始太阳散射光谱和仪器暗背景，sps′为光谱偏移修正后的太阳散射光谱，DC′为无光时采集的光谱，spe″为进行非线性校正和仪器暗背景滤除后的太阳散射光谱，OFS为光谱偏移，scansspe、scansDC和scansOFS分别为太阳散射光谱、仪器暗背景及光谱偏移的采集扫描次数。
针对处理后的太阳散射光谱，选择反演波段，基于朗伯-比尔定律，并采用最小二乘算法计算大气污染成分的斜程总量(STD)。
本发明实施例中，大气污染成分主要包括气溶胶和痕量气体，其中，大气中的O4用与氧气浓度的平方成正比，大气中O4浓度的垂直分布主要取决于温度和压强，可以作为已知量，决定边界层大气成分扫描仪观测O4斜程总量大小的主要是光子传输路径，而在晴朗无云的天气下，当太阳位置和观测方向确定时，气溶胶消光系数垂直分布的变化是影响光子传输路径的主要因素，因此O4具有了气溶胶属性指示气体的能力，即O4斜程总量的变化可以反映大气中气溶胶的变化。痕量气体包括二氧化氮、二氧化硫、甲醛、乙二醛、甲基乙二醛、亚硝酸、水汽等。不同大气污染成分的常用反演波段如表1所示。
大气污染成分 斜程总量反演波段(nm)
氧气二聚体 338-370，425-490
二氧化氮 338-370，411-445，425-490
二氧化硫 305-317.5，312-326
甲醛 324.5-359，336.5-359
亚硝酸 335-373
乙二醛 431-461
水汽 398-461.5，435-455
甲基乙二醛 300-380
表1不同大气污染成分的常用反演波段
针对每种大气污染成分，依据表1中的斜程总量反演波段，按照如下公式计算斜程总量：
Figure BDA0002561046450000041
Figure BDA0002561046450000042
其中，I0为大气层顶的光强，也就是未经大气消光的光强；I(λ)是仪器所观测到的光强，也就是经大气消光的光强；σj(λ)为大气污染成分j的吸收截面；yj(λ)为大气污染成分j的斜程总量，J为大气污染成分的类别数目；εM(λ,L)和εR(λ,L)分别为Mie散射系数(米散射系数)和Ramman散射消光系数；l∈[0，L]为光程长度(单位km)；τ为大气污染成分的光学厚度；λ为波长。
本发明实施例中，吸收截面均采用最新最准确的吸收截面信息。
本发明实施例中，以京津冀地区为例作为大气污染成分的研究区，具体选择了四个观测站点，分别为中国气象科学院站点(39.94°N，116.32°E)，中国科学院大学怀柔校区站点(40.41°N，116.67°E)，北京南城站点(39.78°N，116.13°E)和河北省保定市固城中央农场大气观测站(39.15°N,115.73°E)。四个站点依次分布在京津冀地区重要的西南传输通道上。其中中国气象科学研究院站点位于北京市中心，中国科学院大学怀柔校区站点位于北京市东北郊区，北京南城站点位于北京西南郊区，固城中央农场大气观测站位于北京西南方向上的重污染区域河北省保定市，具体范围和站点分布如图2所示。
为了提高计算结果的精确度，本发明实施例提供的方法耦合了多源遥感数据及传统点式采样数据。本发明实施例研究过程中主要应用到的数据库有以下6种，以下6种数据都可相应平台获取：
1)准确的气体吸收截面数据库，用于为斜程总量的反演提供实时准确的吸收截面。
2)温度压力信息：无线电探空仪实测的温度压力垂直分布或者全球大气化学传输模型、气象模式和化学模式在线完全耦合的区域空气质量模式同化模拟的温度压力廓线信息，为气溶胶垂直分布浓度的反演提供准确的温度和压力垂直分布信息。气温气压信息可以从中国气象台官网获取。
3)太阳光度计实测的气溶胶光学性质参数，首先为气溶胶先验垂直分布总量提供约束，为反演提供准确的气溶胶光学性质参数(如：单次散射反照率、地面反照率、不对称因子和
Figure BDA0002561046450000053
exponent等)，其次为反演结果的自动校正提供依据。采用数据库-中国气溶胶地基遥感监测网(China Aerosol Remote Sensing Network-CARSNET)。
4)国家环境监测中心国控、市控站每日更新公布的大气污染成分的地面浓度数据，为各种气体(二氧化氮、二氧化硫等)反演结果的自动校正提供依据。
5)气象模式和化学模式在线完全耦合的区域空气质量模式和全球大气化学传输模型同化模拟的大气污染成分垂直分布数据库，主要为水汽垂直分布的反演提供先验垂直分布。
6)中国首颗高光谱环境监测卫星载荷EMI数据，主要用对实时校正所反演的各种气体成分的垂直总量。
2、基于大气污染成分的斜程总量构建价值函数和迭代目标函数，并基于温度压力垂直分布、气溶胶光学厚度信息或光子散射路径构建约束条件，在约束条件约束下根据迭代目标函数和价值函数进行迭代反演，从而获得大气污染成分的垂直分布浓度。
本发明实施例中，所构建的价值函数表示为：
Figure BDA0002561046450000051
价值函数χ2转化为矩阵形式为：
Figure BDA0002561046450000052
其中，m为实际观测仰角的索引，M为实际观测仰角的总个数，n为反演设定层数的索引，N为反演设定总层数，Vm(x)为从第m个观测仰角的斜程总量的模拟值，ym为在第m个观测仰角的斜程总量的实际观测值，σε,m为在第m个观测仰角的斜程总量的观测误差，xn为第n层的反演垂直分布浓度，xa,n为第n层的先验垂直分布浓度，σa,n为第n层的反演垂直分布浓度误差；V(x)为斜程总量的模拟值，y为实际观测的斜程总量(由前述步骤1计算得到，涵盖了不同波长下不同大气污染成分的斜程总量)，x为反演得到的大气污染成分的垂直分布浓度，xa为先验垂直分布浓度，
Figure BDA00025610464500000611
为观测误差的协方差矩阵的逆矩阵；
Figure BDA00025610464500000612
为先验误差的协方差矩阵的逆矩阵。
下面示例性的给出斜程总量的模拟值的获取：
基于辐射传输模型，输入观测几何条件(主要包括太阳天顶角，仪器观测天顶角和观测相对方位角(观测相对方位角＝太阳方位角-仪器方位角))，观测地点的经纬度信息、地表反照率及温度和压力垂直分布等信息，其中在模拟痕量气体的斜程总量时需要输入实时反演的大气气溶胶垂直分布浓度。利用该辐射传输模型模拟获得的斜程总量。
该辐射传输模型采用文献Robert J.D.Spurr,VLIDORT:A linearized pseudo-spherical vector discreteordinate radiative transfer code for forward modelandretrieval studies in multilayer multiple scattering media,Journal ofQuantitative Spectroscopy&Radiative Transfer 102,316–342,2006.中记载的辐射传输模型VLIDORT。
因为气溶胶垂直分布决定光子在大气中的传输路径，因此，将反演获得的气溶胶垂直输入大气辐射传输模型VLIDORT，为气体斜程总量的模拟提供确定的光子路径。
所构建的迭代目标函数表示为：
Figure BDA0002561046450000061
其中，i为迭代次数的索引，
Figure BDA0002561046450000062
为第i次迭代时权重矩阵的转置矩阵。
对于气溶胶、痕量气体进行反演时，权重矩阵K各自采用如下方式构建。
1)在基于氧气二聚体对气溶胶进行反演时，利用氧气二聚体的雅可比矩阵作为权重矩阵K，具体构建过程为：
基于辐射传输模型，设定天顶观测模式，在有气体吸收时模拟光强与雅可比记为
Figure BDA0002561046450000063
与
Figure BDA0002561046450000064
在无气体吸收时模拟光强与雅可比记为
Figure BDA0002561046450000065
与
Figure BDA0002561046450000066
设定任意观测仰角α，在有气体吸收时模拟光强与雅可比为
Figure BDA0002561046450000067
与
Figure BDA0002561046450000068
在无气体吸收时模拟光强与雅可比为
Figure BDA0002561046450000069
与
Figure BDA00025610464500000610
Figure BDA0002561046450000071
Figure BDA0002561046450000072
其中，
Figure BDA0002561046450000073
为O4的吸收截面，单位cm2/molec。
2)在对痕量气体进行反演时，由于痕量气体在大气中不会影响光子的散射路径，定义痕量气体的大气质量因子(boxAMF)为雅可比矩阵作为权重矩阵K，计算如下：
Figure BDA0002561046450000074
其中，I为光强；hx为反演得到的大气污染成分的垂直分布浓度x的层高；
Figure BDA0002561046450000075
为加权光子路径长度。
对于气溶胶、痕量气体进行反演时，各自构建如下的约束条件。
1)在对气溶胶进行反演时，构建的约束条件为：
将无线电探空仪实测温度压力垂直分布或者模型(例如全球大气化学传输模型)同化模拟的温度压力垂直分布，输入辐射传输模型以约束斜程总量的模拟值V(x)；
以及，同化中国气溶胶地基遥感监测网太阳光度计实测的气溶胶光学厚度信息或者用中等分辨率成像光谱仪(卫星)校正过的气象模式和化学模式在线完全耦合的区域空气质量模式气溶胶光学厚度信息，以输入气溶胶光学厚度值的50％作为置信区间，以对气溶胶反演的大气污染成分的垂直分布浓度x做反演过程的约束。
相对而言气溶胶的光学厚度信息更容易获取，因此，本发明实施例中以气溶胶的光学厚度信息为约束进行了说明；光子的散射路径依赖于气溶胶的空间分布，如果有气球或者无人机观测的气溶胶或者颗粒物空间分布信息便可以此作为约束。
2)对痕量气体进行反演时，构建的约束条件为：
在有气球参与的联合观测中，同化气球搭载的痕量气体点式采样器采集的痕量气体垂直分布，反之采用气象模式和化学模式在线完全耦合的区域空气质量模式同化模拟的痕量气体垂直分布结果作为过程反演的先验信息xa，特别是可以作为水汽垂直分布反演过程的先验信息xa；
以输入痕量气体浓度的100％作为约束的置信区间，对痕量气体反演的大气污染成分的垂直分布浓度x做约束。
本发明实施例中，在约束条件约束下，根据迭代目标函数和价值函数进行迭代反演，迭代反演过程包括：
步骤a、输入先验垂直分布浓度xa，第i次迭代反演大气污染成分的垂直分布浓度为xi，判断价值函数χ2(xi)是否小于设定的价值函数的最小阈值，若小于价值函数的最小阈值，则输出xi；若大于价值函数的最小阈值，则执行步骤b；
步骤b、将xi作为新先验垂直分布浓度进行第i+1次迭代，根据迭代目标函数计算获得xi+1，同时获得价值函数χ2(xi+1)；
步骤c、判定χ2(xi)和χ2(xi+1)的大小关系，若χ2(xi+1)<χ2(xi)，则获得此次迭代的最优解xi+1；若χ2(xi+1)>χ2(xi)，则把xi+1作为xi，执行步骤b，直至价值函数最小，输出对应的状态量最优解xi；
步骤d、在迭代过程中，若迭代次数超过设定迭代次数的阈值则停止迭代，视为反演失败。
经过迭代过程即可以反演获取大气污染气体的垂直分布浓度，本发明实施例中四个大气污染成分观测站点同一天的反演得到的气溶胶垂直浓度分布图如图3所示，四个大气污染成分观测站点同一天的反演得到的大气痕量气体垂直分布图如图4所示。
本发明实施例中，该方法还包括：对实时获取的大气污染成分的点式仪器测量浓度与反演得到的大气污染成分的垂直分布浓度做相关性分析，并根据设定的评判阈值对相关分析结果进行优劣评判，实现反演结果的自助校准；具体来说：
针对大气污染成分中气溶胶的反演结果的自助校准：实时抓取太阳光度计实测的气溶胶光学厚度产品结果与反演得到的气溶胶光学厚度结果做相关性分析，同时设置评判阈值，当相关性分析得到的拟合结果位于评判阈值范围以内时，则认为反演的气溶胶结果可信；
针对大气污染成分中痕量气体的反演结果的自助校准：实时抓取国控站点实测公开的痕量气体近地面采样浓度与抽取的痕量气体垂直分布的底层浓度结果做相关性分析，同时设置评判阈值，当相关性分析得到的拟合结果位于评判阈值范围以内时，则认为反演的痕量气体结果可信。
示例性的，评判阈值可以包括拟合斜率和拟合相关性，并设置拟合斜率[0.85,1.15]和拟合相关性[0.8,1]。
考虑到上述官方独立数据源的可获取性及官方站点与实施例中四个站点的实际距离，实施例中中国气象科学院站点的对比验证结果如图5所示。
此外，还可以根据获得的气溶胶垂直分布对污染过程中气溶胶粒径做相对变化分析，具体过程为：
基于氧气二聚体在不同波段的吸收特性，反演获得不同波段(例如338-370nm和425-490nm)气溶胶消光系数垂直分布；
然后，基于反演得到的不同波段的气溶胶消光系数计算反应气溶胶粒径变化的光学参数A(
Figure BDA0002561046450000092
exponent)，来分析污染过程中气溶胶粒径大小变化：
Figure BDA0002561046450000091
其中，xext为消光系数，ε为消光系数的误差，λ为波长，λ1与λ2表示两个波长；一般A越大气溶胶的粒径越小，A越小气溶胶的粒径越大。
如图3～图4所示的反演结果，以及图5所示的使用外部独立数据进行的对比验证结果，表明：反演结果能够很好地重现传输通道上大气污染成分的传输过程和垂直分布规律，能够反映污染发生过程中气溶胶粒子粒径的变化过程，如图6；反演的气溶胶光学厚度与太阳光度计实测的气溶胶光学厚度结果的相关性R2达到了0.817，反演的二氧化氮垂直分布底层浓度与点式仪器采样结果的相关性R2达到了0.826，反演的甲醛垂直分布底层浓度与点式仪器采样结果的相关性R2达到了0.799，反演的水汽垂直总量与太阳光度计的实测结果的相关性R2达到了0.884。说明研究结果完全能够满足对大气污染成分垂直分布浓度和演化的分析要求。
上述基于光学遥感的大气污染成分垂直分布反演方法实现了大气气溶胶及大气痕量污染气体的垂直分布浓度实时获取，开展多仪器方位角观测模式可获取区域范围内大气污染成分的三维立体分布，反演过程耦合多源数据及融合辐射传输模型为反演提供了数据质量控制的依据及反演理论支撑，通过对反演结果的多方面综合验证和分析，确保了研究所提出的技术体系的可靠性，保证了反演结果的合理性和可靠性，说明了利用研究提出的方法开展大气环境污染立体监测技术体系的可行性，为我国大气污染监测和大气污染成分特性研究提供关键的数据支持。本发明为污染气体特性研究提供关键的数据支持，拓展地基遥感技术的应用范围，程序化自动检索实现了对大气污染成分时空变化特征的快速、连续、高效监测。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
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披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (10)

1.一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，包括：
采集太阳散射光谱，通过非线性校正和仪器暗背景滤除处理后，计算出大气污染成分的斜程总量；
基于大气污染成分的斜程总量构建价值函数和迭代目标函数，并基于温度压力垂直分布、气溶胶光学厚度信息或光子散射路径构建约束条件，在约束条件约束下根据迭代目标函数和价值函数进行迭代反演，从而获得大气污染成分的垂直分布浓度。
2.根据权利要求1所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，通过非线性校正和仪器暗背景滤除处理的公式为：
spe′＝spe-OFS(scansspe/scansOFS)
DC′＝DC-OFS(scansDC/scansOFS)
spe″＝spe′-DC′
其中，spe和DC分别为原始太阳散射光谱和仪器暗背景，spe′为光谱偏移修正后的太阳散射光谱，DC′为无光时采集的光谱，spe″为进行非线性校正和仪器暗背景滤除后的太阳散射光谱，OFS为光谱偏移，scansspe、scansDC和scansOFS分别为太阳散射光谱、仪器暗背景及光谱偏移的采集扫描次数。
3.根据权利要求1所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，基于朗伯-比尔定律，并采用最小二乘算法计算出每种大气污染成分的斜程总量，公式为：
Figure FDA0002561046440000011
Figure FDA0002561046440000012
其中，I0为大气层顶的光强，I(λ)是仪器所观测到的光强，σj(λ)为大气污染成分j的吸收截面；yj(λ)为大气污染成分j的斜程总量，J为大气污染成分的类别数目；εM(λ，L)和εR(λ，L)分别为Mie散射系数和Ramman散射消光系数；l∈[0，L]为光程长度；τ为大气污染成分的光学厚度；λ为波长。
4.根据权利要求1所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，所构建的价值函数表示为：
Figure FDA0002561046440000021
价值函数χ2转化为矩阵形式为：
Figure FDA0002561046440000022
其中，m为实际观测仰角的索引，M为实际观测仰角的总个数，n为反演设定层数的索引，N为反演设定总层数，Vm(x)为从第m个观测仰角的斜程总量的模拟值，ym为在第m个观测仰角的斜程总量的实际观测值，σε，m为在第m个观测仰角的斜程总量的观测误差，xn为第n层的反演垂直分布浓度，xa，n为第n层的先验垂直分布浓度，σa，n为第n层的反演垂直分布浓度误差；V(x)为斜程总量的模拟值，y为实际观测的斜程总量，x为反演得到的大气污染成分的垂直分布浓度，xa为先验垂直分布浓度，
Figure FDA00025610464400000218
为观测误差的协方差矩阵的逆矩阵；
Figure FDA00025610464400000219
为先验误差的协方差矩阵的逆矩阵。
5.根据权利要求4所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，所构建的迭代目标函数表示为：
Figure FDA0002561046440000023
其中，i为迭代次数的索引，
Figure FDA0002561046440000024
为第i次迭代时权重矩阵的转置矩阵；
在基于氧气二聚体对气溶胶进行反演时，利用氧气二聚体的雅可比矩阵作为权重矩阵K，具体构建过程为：
基于辐射传输模型，设定天顶观测模式，在有气体吸收时模拟光强与雅可比记为
Figure FDA0002561046440000025
与
Figure FDA0002561046440000026
在无气体吸收时模拟光强与雅可比记为
Figure FDA0002561046440000027
与
Figure FDA0002561046440000028
设定任意观测仰角α，在有气体吸收时模拟光强与雅可比为
Figure FDA0002561046440000029
与
Figure FDA00025610464400000210
在无气体吸收时模拟光强与雅可比为
Figure FDA00025610464400000211
与
Figure FDA00025610464400000212
Figure FDA00025610464400000213
Figure FDA00025610464400000214
其中，
Figure FDA00025610464400000215
为O4的吸收截面；
在对痕量气体进行反演时，定义痕量气体的大气质量因子为雅可比矩阵作为权重矩阵K，计算如下：
Figure FDA00025610464400000216
其中，I为光强；hx为反演得到的大气污染成分的垂直分布浓度x的层高；
Figure FDA00025610464400000217
为加权光子路径长度。
6.根据权利要求1或4或5所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，在对气溶胶进行反演时，构建的约束条件为：
将无线电探空仪实测温度压力垂直分布或者模型同化模拟的温度压力垂直分布，输入辐射传输模型以约束斜程总量的模拟值V(x)；
以及，同化中国气溶胶地基遥感监测网太阳光度计实测的气溶胶光学厚度信息或者用成像光谱仪校正过的气象模式和化学模式在线完全耦合的区域空气质量模式气溶胶光学厚度信息，以输入气溶胶光学厚度值的50％作为置信区间，以对气溶胶反演的大气污染成分的垂直分布浓度x做反演过程的约束。
7.根据权利要求1或4或5所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，对痕量气体进行反演时，构建的约束条件为：
在有气球参与的联合观测中，同化气球搭载的痕量气体点式采样器采集的痕量气体垂直分布，反之采用气象模式和化学模式在线完全耦合的区域空气质量模式同化模拟的痕量气体垂直分布结果作为过程反演的先验信息xa；
以及，以输入痕量气体浓度的100％作为约束的置信区间，对痕量气体反演的大气污染成分的垂直分布浓度x做约束。
8.根据权利要求4或5所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，在约束条件约束下，根据迭代目标函数和价值函数进行迭代反演，迭代反演过程包括：
步骤a、输入先验垂直分布浓度xa，第i次迭代反演大气污染成分的垂直分布浓度为xi，判断价值函数χ2(xi)是否小于设定的价值函数的最小阈值，若小于价值函数的最小阈值，则输出xi；若大于价值函数的最小阈值，则执行步骤b；
步骤b、将xi作为新先验垂直分布浓度进行第i+1次迭代，根据迭代目标函数计算获得xi+1，同时获得价值函数χ2(xi+1)；
步骤c、判定χ2(xi)和χ2(xi+1)的大小关系，若χ2(xi+1)＜χ2(xi)，则获得此次迭代的最优解xi+1；若χ2(xi+1)＞χ2(xi)，则把xi+1作为xi，执行步骤b，直至价值函数最小，输出对应的状态量最优解xi；
步骤d、在迭代过程中，若迭代次数超过设定迭代次数的阈值则停止迭代，视为反演失败。
9.根据权利要求1所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，该方法还包括：对实时获取的大气污染成分的仪器测量浓度与反演得到的大气污染成分的垂直分布浓度做相关性分析，并根据设定的评判阈值对相关分析结果进行优劣评判，实现反演结果的自助校准；
其中，针对大气污染成分中气溶胶的反演结果的自助校准：实时抓取太阳光度计实测的气溶胶光学厚度产品结果与反演得到的气溶胶光学厚度结果做相关性分析，同时设置评判阈值，当相关性分析得到的拟合结果位于评判阈值范围以内时，则认为反演的气溶胶结果可信；
针对大气污染成分中痕量气体的反演结果的自助校准：实时抓取国控站点实测公开的痕量气体近地面采样浓度与抽取的痕量气体垂直分布的底层浓度结果做相关性分析，同时设置评判阈值，当相关性分析得到的拟合结果位于评判阈值范围以内时，则认为反演的痕量气体结果可信。
10.根据权利要求9所述的一种基于光学遥感的大气污染成分垂直分布反演方法，其特征在于，根据大气污染成分中气溶胶的反演结果对污染过程中气溶胶粒径做相对变化分析，包括：
基于氧气二聚体在不同波段的吸收特性，反演获得不同波段气溶胶消光系数垂直分布；
然后，基于反演得到的不同波段的气溶胶消光系数计算反应气溶胶粒径变化的光学参数A，来分析污染过程中气溶胶粒径大小变化：
Figure FDA0002561046440000041
其中，xext为消光系数，ε为消光系数的误差，λ为波长，λ1与λ2表示两个波长。
CN202010611508.0A 2020-06-29 2020-06-29 基于光学遥感的大气污染成分垂直分布反演方法 Active CN111579504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010611508.0A CN111579504B (zh) 2020-06-29 2020-06-29 基于光学遥感的大气污染成分垂直分布反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010611508.0A CN111579504B (zh) 2020-06-29 2020-06-29 基于光学遥感的大气污染成分垂直分布反演方法

Publications (2)

Publication Number Publication Date
CN111579504A true CN111579504A (zh) 2020-08-25
CN111579504B CN111579504B (zh) 2021-10-01

Family

ID=72120430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010611508.0A Active CN111579504B (zh) 2020-06-29 2020-06-29 基于光学遥感的大气污染成分垂直分布反演方法

Country Status (1)

Country Link
CN (1) CN111579504B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112199634A (zh) * 2020-10-14 2021-01-08 中国科学院空天信息创新研究院 基于贝叶斯模型平均方法的地表组分温度多算法集成算法
CN113552081A (zh) * 2021-07-06 2021-10-26 中国科学技术大学 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统
CN113607654A (zh) * 2021-07-16 2021-11-05 中国科学技术大学 基于超光谱卫星的全球乙二醛浓度遥感反演方法及系统
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
CN114112935A (zh) * 2021-11-22 2022-03-01 中国科学技术大学 大气污染物垂直分布的实时反演方法、装置、计算机设备和存储介质
CN114136888A (zh) * 2021-12-09 2022-03-04 四川启睿克科技有限公司 多光源便携式近红外光谱仪的光谱数据校准方法
CN114324226A (zh) * 2021-11-30 2022-04-12 中国科学技术大学 一种大气污染物立体分布无人机载超光谱遥测系统
CN114817825A (zh) * 2022-04-21 2022-07-29 中国科学技术大学 一种基于超光谱遥感的排放源co2快速成像方法
CN115201074A (zh) * 2022-06-30 2022-10-18 中国科学院大气物理研究所 气溶胶组分分布的遥感反演方法、系统、设备和计算机可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6756592B1 (en) * 2000-12-12 2004-06-29 University Corporation For Atmospheric Research Apparatus for gas filter correlation radiometry and methods for 2-dimensional and 3-dimensional atmospheric sounding
CN1710379A (zh) * 2005-07-05 2005-12-21 华东师范大学 航空高光谱遥感反演边界层气溶胶光学厚度的大气校正法
CN102176073A (zh) * 2011-01-24 2011-09-07 环境保护部卫星环境应用中心 基于环境一号卫星的环境空气质量综合监测方法
CN102819661A (zh) * 2012-06-19 2012-12-12 中国科学院大气物理研究所 一种运用区域空气质量模式的大气环境容量新算法
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
CN108519340A (zh) * 2018-03-28 2018-09-11 刘诚 一种卫星遥感污染气体柱浓度时空分布反演算法
CN108918436A (zh) * 2018-05-08 2018-11-30 刘诚 基于max-doas对气溶胶及痕量污染气体的垂直廓线反演算法
CN109541628A (zh) * 2018-12-14 2019-03-29 天津珞雍空间信息研究院有限公司 一种天地一体化大气污染立体监测方法及监测系统
JP2019125698A (ja) * 2018-01-16 2019-07-25 日本電気株式会社 赤外線検出素子
CN110441777A (zh) * 2019-07-11 2019-11-12 中山大学 一种基于激光雷达的气溶胶垂直廓线的反演方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6756592B1 (en) * 2000-12-12 2004-06-29 University Corporation For Atmospheric Research Apparatus for gas filter correlation radiometry and methods for 2-dimensional and 3-dimensional atmospheric sounding
CN1710379A (zh) * 2005-07-05 2005-12-21 华东师范大学 航空高光谱遥感反演边界层气溶胶光学厚度的大气校正法
CN102176073A (zh) * 2011-01-24 2011-09-07 环境保护部卫星环境应用中心 基于环境一号卫星的环境空气质量综合监测方法
CN102819661A (zh) * 2012-06-19 2012-12-12 中国科学院大气物理研究所 一种运用区域空气质量模式的大气环境容量新算法
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
JP2019125698A (ja) * 2018-01-16 2019-07-25 日本電気株式会社 赤外線検出素子
CN108519340A (zh) * 2018-03-28 2018-09-11 刘诚 一种卫星遥感污染气体柱浓度时空分布反演算法
CN108918436A (zh) * 2018-05-08 2018-11-30 刘诚 基于max-doas对气溶胶及痕量污染气体的垂直廓线反演算法
CN109541628A (zh) * 2018-12-14 2019-03-29 天津珞雍空间信息研究院有限公司 一种天地一体化大气污染立体监测方法及监测系统
CN110441777A (zh) * 2019-07-11 2019-11-12 中山大学 一种基于激光雷达的气溶胶垂直廓线的反演方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘文清: "区域大气环境污染光学探测技术进展", 《环境科学研究》 *
陈泽青: "大气成分的遥感监测方法与应用", 《地球科学进展》 *
黄文喜: "基于遥感与地面监测数据的PM_2.5_定量反演研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112199634B (zh) * 2020-10-14 2021-05-11 中国科学院空天信息创新研究院 基于贝叶斯模型平均方法的地表组分温度多算法集成算法
CN112199634A (zh) * 2020-10-14 2021-01-08 中国科学院空天信息创新研究院 基于贝叶斯模型平均方法的地表组分温度多算法集成算法
CN113552081B (zh) * 2021-07-06 2022-04-12 中国科学技术大学 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统
CN113552081A (zh) * 2021-07-06 2021-10-26 中国科学技术大学 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统
CN113607654A (zh) * 2021-07-16 2021-11-05 中国科学技术大学 基于超光谱卫星的全球乙二醛浓度遥感反演方法及系统
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
CN114112935A (zh) * 2021-11-22 2022-03-01 中国科学技术大学 大气污染物垂直分布的实时反演方法、装置、计算机设备和存储介质
CN114324226A (zh) * 2021-11-30 2022-04-12 中国科学技术大学 一种大气污染物立体分布无人机载超光谱遥测系统
CN114136888A (zh) * 2021-12-09 2022-03-04 四川启睿克科技有限公司 多光源便携式近红外光谱仪的光谱数据校准方法
CN114136888B (zh) * 2021-12-09 2023-07-11 四川启睿克科技有限公司 多光源便携式近红外光谱仪的光谱数据校准方法
CN114817825A (zh) * 2022-04-21 2022-07-29 中国科学技术大学 一种基于超光谱遥感的排放源co2快速成像方法
CN114817825B (zh) * 2022-04-21 2024-04-02 中国科学技术大学 一种基于超光谱遥感的排放源co2快速成像方法
CN115201074A (zh) * 2022-06-30 2022-10-18 中国科学院大气物理研究所 气溶胶组分分布的遥感反演方法、系统、设备和计算机可读存储介质

Also Published As

Publication number Publication date
CN111579504B (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN111579504B (zh) 基于光学遥感的大气污染成分垂直分布反演方法
Martens et al. Evaluating the land-surface energy partitioning in ERA5
Schneising et al. Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite–Part 1: Carbon dioxide
Rayner et al. The utility of remotely sensed CO2 concentration data in surface source inversions
Schlüssel et al. The operational IASI Level 2 processor
Natraj et al. Multi-spectral sensitivity studies for the retrieval of tropospheric and lowermost tropospheric ozone from simulated clear-sky GEO-CAPE measurements
Chédin et al. The feasibility of monitoring CO2 from high‐resolution infrared sounders
CN110174359B (zh) 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法
Eck et al. Observations of the interaction and transport of fine mode aerosols with cloud and/or fog in Northeast Asia from Aerosol Robotic Network and satellite remote sensing
Mangold et al. Aerosol analysis and forecast in the European Centre for Medium‐Range Weather Forecasts Integrated Forecast System: 3. Evaluation by means of case studies
CN111487216A (zh) 一种二氧化碳通量反演方法、系统
Balakrishnaiah et al. Analysis of optical properties of atmospheric aerosols inferred from spectral AODs and Ångström wavelength exponent
CN111707622B (zh) 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法
Mélin Uncertainties in ocean colour remote sensing
CN115480032A (zh) 基于地面遥感测量的点源排放强度预测方法
Zeng et al. Tracking the atmospheric pulse of a North American megacity from a mountaintop remote sensing observatory
Xiang et al. Vertical profile of aerosols in the Himalayas revealed by lidar: New insights into their seasonal/diurnal patterns, sources, and transport
Byrne et al. Monitoring urban greenhouse gases using open-path Fourier transform spectroscopy
Alexandrov et al. Remote sensing of atmospheric aerosols and trace gases by means of multifilter rotating shadowband radiometer. Part II: Climatological applications
Barnaba et al. Modeling the aerosol extinction versus backscatter relationship for lidar applications: maritime and continental conditions
Zeng et al. GFIT3: a full physics retrieval algorithm for remote sensing of greenhouse gases in the presence of aerosols
Ji et al. Ozone profiles without blind area retrieved from MAX-DOAS measurements and comprehensive validation with multi-platform observations
Che et al. Aerosol optical and radiative properties and their environmental effects in China: A review
Kalapureddy et al. Characterization of aerosols over oceanic regions around India during pre-monsoon 2006
Foret et al. Ozone pollution: What can we see from space? A case study

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