CN111965666B - 一种气溶胶三维空间分布制图方法 - Google Patents

一种气溶胶三维空间分布制图方法 Download PDF

Info

Publication number
CN111965666B
CN111965666B CN202010686878.0A CN202010686878A CN111965666B CN 111965666 B CN111965666 B CN 111965666B CN 202010686878 A CN202010686878 A CN 202010686878A CN 111965666 B CN111965666 B CN 111965666B
Authority
CN
China
Prior art keywords
aerosol
laser radar
satellite
observation
mode
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
Application number
CN202010686878.0A
Other languages
English (en)
Other versions
CN111965666A (zh
Inventor
秦凯
何秦
张亦舒
杜娟
周文远
李丁
薛勇
周熙然
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.)
Beijing Tianxiang Xinya Technology Co ltd
Original Assignee
China University of Mining and Technology CUMT
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 China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202010686878.0A priority Critical patent/CN111965666B/zh
Publication of CN111965666A publication Critical patent/CN111965666A/zh
Application granted granted Critical
Publication of CN111965666B publication Critical patent/CN111965666B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种气溶胶三维空间分布制图方法，包括以下步骤：首先基于卫星激光雷达观测反演气溶胶消光系数垂直廓线，计算长时间序列月平均气溶胶三维空间分布地图，得到基于观测的气候学的、和基于模式的气候学的、月平均的气溶胶消光系数三维空间分布地图，计算得到基于观测与基于模式的比值三维空间分布地图；再得到观测约束后的、逐小时的气溶胶三维空间分布现势地图，并将其融合地基米散射激光雷与星载激光雷达观测的数据；再获得逐小时的气溶胶光学厚度空间分布现势地图；最后得到协同卫星和地面主被动遥感观测及模式结果的气溶胶三维空间分布现势地图。本发明通过星地主被动遥感观测及模式结果的协同融合，提供了更为可靠的气溶胶三维空间分布信息。

Description

一种气溶胶三维空间分布制图方法
技术领域
本发明属于大气环境遥感应用技术领域，具体涉及一种兼顾观测和模式优势的气溶胶三维空间分布制图方法。
背景技术
大气气溶胶是指直径在0.001-100μm之间，由混合大气中的固体、液体颗粒物和大气介质组成的体系。主要有两种来源：一种是自然来源，包括沙尘粒子，火山爆发等；另一种是人为来源，包括汽车尾气排放，生物质燃烧等。气溶胶不仅会通过影响云的变化来影响气候，本身也是城市主要大气污染物之一，其研究一直是难点和热点问题。
现有的气溶胶观测技术主要包括以下几类：
地基米散射激光雷达：激光雷达采用激光作为辐射源，通过对与大气相互作用的激光回波信号进行探测，进而实现对大气参数的探测。米散射是指：粒子尺度接近或大于入射光波长时，其散射的光强在各方向是不对称的，其中大部分入射光线沿着前进方向进行散射；本发明所使用的米散射激光雷达系统可以实现对大气气溶胶的消光系数和后向散射系数的探测，通常由光学接受系统、激光发射系统和信号检测系统组成，米散射激光雷达可以实现对对流层的中下层大气气溶胶的白天测量。地基激光雷达具有测量范围广和时空分辨率高等优点，其测量点数据在某一特定地区的精度很高，能够对多种重要的大气成分的空间分布进行监测，具有其它地基手段不可替代的作用。但是它也有自身的局限性，首先，在白天观测时，探测高度会因强背景噪声的影响而受到限制；此外，由于地基雷达的特性，它无法满足大区域范围内气溶胶监测的需求。
星载激光雷达：与地基雷达类似，星载激光雷达通过向目标发射激光雷达，并测量反射信号确定目标的状态属性，由于激光信号的特点，激光雷达具有测量精度高、分辨能力强、抗干扰能力强、作用距离远等优点。本发明采用的CALIOP激光雷达是由美国宇航局NASA和法国国家太空研究中心CNES研制的CALIPSO卫星所搭载，于2006年4月28日发射升空，获取了大量的气溶胶和云的垂直观测廓线数据。
星载激光雷达具有以下优点：与只能反演气溶胶柱总量的光学卫星相比，激光雷达卫星可以反演气溶胶和云的垂直分布特征。通过星载激光雷达CALIPSO人们首次得到了全球范围的气溶胶垂直消光廓线的反演结果，较为可靠地给出了全球气溶胶分层特征。星载激光雷达另一个优势是还可准确探测云上气溶胶。CALIPSO观测数据的获取有效减小了辐射强迫估计的不确定性，为全球辐射强迫的精细化定量分析创造了条件。星载激光雷达的缺陷在于，它无法对同一地点进行不间断的长期观察，而这恰好是地基激光雷达的优势之一，因此二者可以形成互补。
WRF-Chem模式：WRF-Chem模式是由美国NOAA预报系统实验室(FSL)开发的，天气研究和预报模式(WRF)和化学模式(Chem)在线完全耦合的新一代的区域空气质量模式。WRF-chem包含了一种全新的大气化学模式理念。它的化学和气象过程使用相同的水平和垂直坐标系，相同的物理参数化方案，不存在时间上的插值，并且能够考虑化学对气象过程的反馈作用。WRF-Chem模拟系统主要包含WPS、WRF和Chem三部分模块。WRF-Chem模式优点在于能规避之前大气模式，如SAQM模式、CALGRID模式、MODEL3-CAMQ模式等存在的一些问题，比如：进行时间空间插值时丢失气象过程；其次，气象模式和化学模式使用的物理参数化方案可能是不一样的；再次，不能考虑化学过程对气象过程的反馈作用。因此，WRF-Chem能够模拟再现一种更加真实的大气环境。
被动遥感卫星：与星载激光雷达所代表的主动遥感不同的是，本研究使用的风云四号和葵花八号卫星属于被动遥感卫星，被动遥感是指卫星本身不作为辐射源，而是收集并记录物体自身发射或反射来自自然辐射源的电磁波信息。向日葵8号卫星，即葵花八号卫星，于2014年10月由日本发射升空，与上一代卫星葵花七号相比，葵花八号的总质量大幅下降，执行任务能力增强，它具有16个观测频段，获取的数据量是葵花七号的50倍，时间分辨率由30min缩短至10min，其搭载的红外线辐射计对气溶胶观测的空间分辨率为1km。风云四号卫星是中国研制的第二代地球静止轨道(GEO)定量遥感气象卫星，于2017年9月25日正式投入使用，其主要载荷为多通道扫描成像辐射计，即本发明使用的数据来源。相比于现有的风云二号静止卫星而言，风云四号的观测性能有了显著的提高，观测通道从5个扩展到了14个，观测时效从半小时提升到了15分钟，最高空间分辨率从1.25km提高到500m，到达了国际相当水平。其新增的观测通道对监测大气气溶胶提供了全新的观测支持。
风云四号与葵花八号卫星类似，同属新一代静止气象卫星，风云四号的空间分辨率也可达到0.5km，时间分辨率略长，需要15分钟；反演气溶胶的可见光波段为1km的空间分辨率。
被动遥感卫星可以获取大范围内的“面”信息，弥补了激光雷达只能获取“点”、“线”信息的缺点，同时遥感卫星的高时效性可以即时的传回观测数据，短时间内实现重复观测，大大提高了其精度，为预测未来的气象图像提供了可能，也可与激光雷达观测形成对照，提升其观测精度。
发明内容
为弥补现有的不同种类气溶胶观测技术中各自存在的不足，本发明的目的是提供一种协同卫星地面观测与模式的气溶胶三维空间分布制图方法，通过将星地主被动遥感观测及模式结果的协同融合，以提供更为可靠的气溶胶三维空间分布信息。
为实现上述目的，本发明采用的技术方案为：
一种气溶胶三维空间分布制图方法，包括以下步骤：
(1)基于星载激光雷达，通过混合消光检索算法(HERA)检索并反演气溶胶消光系数廓线，采用时空地理加权回归模型(Geographically and Temporally WeightedRegression，GTWR)获得长时间序列月平均气溶胶三维空间分布地图；
(2)采用气象模式(WRF)和化学模式(Chem)相结合的区域空气质量模式(WRF-Chem)，采用单层区域拟合方案，得到基于模式模拟的气候学的、月平均的气溶胶消光系数三维空间分布地图；
(3)采用步骤(1)和(2)得到的结果，进行时间与空间匹配，计算得到基于观测与基于模式的比值三维空间分布地图；
(4)采用气象模式(WRF)和化学模式(Chem)相结合的区域空气质量模式(WRF-Chem)，采用单层区域拟合方案，得到基于模式的、逐小时的气溶胶消光系数三维空间分布地图；
(5)采用步骤(3)的结果，将步骤(4)的结果更新为观测约束后的、逐小时的气溶胶三维空间分布现势地图；
(6)采用地基米散射激光雷达观测站的现势数据，基于Fernald算法，反演激光雷达方程,得到逐小时的气溶胶消光系数垂直廓线；
(7)采用步骤(6)的结果对步骤(5)的结果进行校正，得到融合地基米散射激光雷与星载激光雷达观测和模式结果的、逐小时的气溶胶三维空间分布现势地图；
(8)利用搭载在地球静止卫星上的多光谱成像光谱仪，反演融合后，获得逐小时的气溶胶光学厚度空间分布现势地图；
(9)首先得到总的气溶胶光学厚度，然后对其进行校正，得到协同卫星和地面主被动遥感观测及模式结果的气溶胶三维空间分布现势地图
所述步骤(1)中，星载激光雷达为搭载在CALIPSO卫星上的激光雷达，气溶胶消光系数是指评估光波在大气中传播时受气溶胶散射和吸收而出现削弱的情况的指数。用混合消光检索算法(HERA)检索并反演气溶胶消光系数廓线，主要由顶层算法和配置文件求解器两部分组成。顶层算法根据要处理的大气要素的性质和空间范围来选择分析路径，处理顺序和分析参数；配置文件求解器通过由顶层算法定义的大气场景指定部分中获取颗粒物消光系数和后向散射系数的分布图。最后以网格为单元，对每个单元的气溶胶消光系数廓线求每个月的平均值，得到基于观测的气候学的、月平均的气溶胶三维空间分布地图。
所述步骤(2)中，区域空气质量模式(WRF-Chem)指结合化学的天气研究和预报模型，通过进行长期的历史情景模拟，得到基于模式的气候学的、月平均的气溶胶消光系数三维空间分布地图。
所述步骤(3)中，将步骤(1)和(2)得到的分布地图做比值。
所述步骤(4)中，通过进行现势场景模拟，得到基于模式的、逐小时的气溶胶消光系数三维空间分布地图。
所述步骤(5)中，采用步骤(3)的结果对步骤(4)的结果进行观测约束。
所述步骤(6)中，采用地基米散射激光雷达观测站的现势数据，采用Fernald算法反演激光雷达信号，Fernald方法考虑了气溶胶和空气分子，激光雷达方程因此表示为：
Figure GDA0003779163030000041
其中，P(r)是激光雷达接收到高度r处的大气后向散射回波功率，E是激光雷达发射的能量，C代表激光雷达系统常数，β(r)和σ(r)分别是在高度r处的大气总后向散射系数和消光系数，下标a和m分别代表气溶胶和大气分子；定义大气气溶胶的消光后向散射比即激光雷达比Sa(r)＝σa(r)/βa(r)，空气分子的消光后向散射比Sm(r)＝σm(r)/βm(r)，基于Fernald算法，设rm高度不存在气溶胶，得到r处的气溶胶消光系数为：
Figure GDA0003779163030000051
依据反演结果可得到逐小时的气溶胶消光系数垂直廓线。
所述步骤(7)中，在步骤(5)的结果中，对于附近存在地基激光雷达观测站点的网格，采用步骤(6)的结果进行校正。
所述步骤(8)中，地球静止卫星为风云四号和葵花八号，采用“Level-2”反演算法估算得到500nm的气溶胶光学厚度，对于朗伯目标，通道i处的TOA反射率ρi sim近似为：
Figure GDA0003779163030000052
其中，
Figure GDA0003779163030000053
是大气路径反射率，
Figure GDA0003779163030000054
和
Figure GDA0003779163030000055
表示总透射率，分别从太阳到地面和从地面到传感器，si是大气照明的球面反照率，
Figure GDA0003779163030000056
是表面反射率，θ0是太阳天顶角，θ是卫星天顶角，
Figure GDA0003779163030000057
表示太阳/卫星相对方位角；
此外，对可见光到近红外波段的气体吸收通道i处观测到的TOA反射率进行修正，由于臭氧和水蒸气的含量随时间和地点的变化很大，因此需要进行气体校正，与美国标准大气相对应的校正TOA反射率
Figure GDA0003779163030000058
由下式给出：
Figure GDA0003779163030000059
其中，
Figure GDA00037791630300000510
和
Figure GDA00037791630300000511
分别是观测点臭氧和水蒸气的传输因子，
Figure GDA00037791630300000512
和
Figure GDA00037791630300000513
分别是美国标准大气条件下臭氧和水蒸气的传输因子；
使用美国宇航局EOS/Aura航天器上臭氧监测仪器提供的臭氧总柱量数据，以及从JMA全球分析数据中获得的柱状水汽数据，针对不同的臭氧总柱量O和总柱水汽w，预先计算其对应的透射系数
Figure GDA00037791630300000514
和
Figure GDA00037791630300000515
再通过拟合方程分别得到观测点臭氧和水蒸气的系数
Figure GDA00037791630300000516
和
Figure GDA00037791630300000517
Figure GDA00037791630300000518
Figure GDA0003779163030000061
其中空气质量因子G是太阳天顶角θ0和传感器天顶角θ的函数：
Figure GDA0003779163030000062
接下来使用最优估计方法通过最小化目标函数J推导气溶胶参数τ、ηf和mi，其中τ代表500nm处的气溶胶光学厚度，ηf代表细颗粒干体积浓度的外部混合比，mi代表精细模式折射率的虚部；利用气体校正观测反射集
Figure GDA0003779163030000063
的测量向量和用步骤(9)中模拟得到的TOA反射
Figure GDA0003779163030000064
其中n是通道数；
Figure GDA0003779163030000065
其中，xa＝{τa，ηfa，mia}是x的先验估计向量，Se和Sa是R和xa的协方差矩阵，如下所示：
Figure GDA0003779163030000066
Figure GDA0003779163030000067
其中，σi是TOA反射率的不确定度，στa、σηfa和σmia分别是τa、
Figure GDA0003779163030000068
和
Figure GDA0003779163030000069
的不确定度，由于σi主要是由传感器噪声σn和估计目标陆地/海洋表面反射率的不确定性
Figure GDA00037791630300000610
引起的，因此使用如下公式估算σi：
Figure GDA00037791630300000611
式中，σS是由
Figure GDA00037791630300000612
引起的TOA反射率的不确定度；
最后，利用误差传播定律计算了三个气溶胶参数τa、
Figure GDA00037791630300000613
和mi和
Figure GDA00037791630300000614
的不确定性，如下所示：
Figure GDA00037791630300000615
式中，A为雅可比矩阵，不确定度超过阈值的三个气溶胶参数τa、
Figure GDA00037791630300000616
和mi被视为无效值；
在陆地和海洋上使用统一的气溶胶模型以便一致地检索陆地和海洋上的气溶胶，对于精细和粗糙模型的每个气溶胶大小，使用单峰对数正态体积大小rd分布，如下所示：
Figure GDA0003779163030000071
式中，Cv为颗粒体积浓度，rv为体积模式半径，σ0为标准偏差；
所述步骤(9)中，对步骤(7)结果中的垂直分布的气溶胶消光系数σ进行高度上的积分得到总的气溶胶光学厚度AOD，并采用步骤(8)的结果进行校正，公式如下：
AOD＝∫σ(r)dr。
有益效果：本发明提供的气溶胶三维空间分布制图方法不仅保留了激光雷达测量范围广和时空分辨率高；并且可以反演气溶胶和云的垂直分布特征等特点，同时还突破了地基与星载激光雷达仅能提供“点”、“线”信息的技术瓶颈，可以扭转完全依靠模式模拟大范围气溶胶三维空间分布的现状，通过星地主被动遥感观测及模式结果的协同融合，可以提供更为可靠的气溶胶三维空间分布信息。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示为一种气溶胶三维空间分布制图方法，包括以下步骤：
(1)基于星载激光雷达，通过混合消光检索算法检索并反演气溶胶消光系数廓线，采用时空地理加权回归模型获得长时间序列月平均气溶胶三维空间分布地图；具体为：
通过混合消光检索算法(HERA)检索并反演搭载在CALIPSO卫星上的星载激光雷达的气溶胶消光系数廓线，具体的迭代算法如下：
首先对大气层顶校准的衰减后向散射剖面进行校正，以补偿大气层顶和剖面中第一个分析点之间的衰减：
Figure GDA0003779163030000072
其中，rN是重归一化范围，进一步计算重新归一化的衰减后向散射：
Figure GDA0003779163030000073
为了简化表示法，用下标N表示重新归一化的衰减后向散射。对于正向检索，rN<r，因此透射率可分解为：
T2(0，r)＝T2(0，rN)T2(rN，r)
因此将重新归一化的衰减后向散射写为：
Figure GDA0003779163030000081
通过定点迭代算法按如下方程求解范围r的粒子后向散射βP以及透射率Tp：
Figure GDA0003779163030000082
Figure GDA0003779163030000083
最后以网格为单元对于气溶胶消光系数廓线历史数据求平均，得到基于观测的气候学的、月平均的气溶胶三维空间分布地图；气溶胶消光系数是指评估光波在大气中传播时受气溶胶散射和吸收而出现削弱的情况的指数；
(2)采用气象模式(WRF)和化学模式(Chem)相结合的区域空气质量模式(WRF-Chem)，进行长期的历史情景模拟，得到基于模式的气候学的、月平均的气溶胶消光系数三维空间分布地图；WRF-Chem模式指(Weather Research and Forecasting(WRF)modelcoupled with Chemistry)结合化学的天气研究和预报模型，得到的气溶胶分布图与步骤(1)的区别在于后者是基于观测气候学的结果，而前者是基于化学模型的模拟值；
(3)将步骤(1)和(2)得到的分布地图做比值，得到基于观测与基于模式的两套气候学资料的比值三维空间分布地图；
(4)采用WRF-Chem模式，对当前最新的气溶胶空间分布进行逐小时的场景模拟。而且，物理方案上，使用Fast-J方案计算光化学反应过程所需要的光解率，微物理参数化方案使用WMS 6。长波辐射方案使用Rrtmg方案，短波方案同样使用Rrtmg方案。陆面方案使用Noah地表模型，这是统一的NCEP/NCAR/AFWA方案，土壤温度和水分分为四层，分数积雪和冻土物理。边界层使用YSU方案，这是一种不稳定混合层中具有显式夹带层和抛物线K剖面的非局部K方案。通过进行长期的历史情景模拟，得到基于模式的气候学的、月平均的气溶胶消光系数三维空间分布地图；
(5)采用步骤(3)的结果，将步骤(4)的结果进行观测约束，得到观测约束后的、逐小时的气溶胶三维空间分布现势地图；
(6)采用地基米散射激光雷达观测站的现势数据。而且，由于激光雷达接收的信号是能量值，通常通过求解雷达方程获得光学特性值。在对激光雷达信号处理前应先对相应的雷达因子进行修正，修正后的雷达方程如下：
Figure GDA0003779163030000091
其中，P(r)是激光雷达接收到高度r(单位为Km)处的大气后向散射回波功率(单位为W)，E是激光雷达发射的能量(单位为μJ)，C代表激光雷达系统常数(单位为W·km3·sr)，β(r)和σ(r)分别是在高度r(单位为Km)处的大气总后向散射系数(单位为km-1·sr)和消光系数(单位为km-1)
由于散射系数和消光系数都为未知数,需要采用一定的反演方法。本发明采用Fernald算法(Fernald 1984)反演激光雷达信号。Fernald方法考虑了气溶胶和空气分子，激光雷达方程因此表示为：
Figure GDA0003779163030000092
其中，P(r)是激光雷达接收到高度r处的大气后向散射回波功率，E是激光雷达发射的能量，C代表激光雷达系统常数，β(r)和σ(r)分别是在高度r处的大气总后向散射系数和消光系数，下标a和m分别代表气溶胶和大气分子；定义大气气溶胶的消光后向散射比即激光雷达比Sa(r)＝σa(r)/βa(r)，空气分子的消光后向散射比Sm(r)＝σm(r)/βm(r)，基于Fernald算法，设rm高度不存在气溶胶，得到r处的气溶胶消光系数为：
Figure GDA0003779163030000093
依据反演结果可得到逐小时的气溶胶消光系数垂直廓线。
(7)在步骤(5)的结果中，对于附近存在地基激光雷达观测站点的网格，采用步骤(6)的结果进行校正，得到融合地基米散射激光雷与星载激光雷达观测和模式结果的、逐小时的气溶胶三维空间分布现势地图；此步骤得到的气溶胶三维空间分布现势地图具有三者的优点，即地基激光雷达观测，卫星激光雷达观测以及WRF-Chem模式的模拟值；
(8)利用搭载在地球静止卫星风云四号和葵花八号上的多光谱成像光谱仪，采用“Level-2”(L2)反演算法估算得到500nm的气溶胶光学厚度。对于朗伯目标，通道i处的TOA反射率ρi sim可近似为：
Figure GDA0003779163030000101
其中，
Figure GDA0003779163030000102
是大气路径反射率，
Figure GDA0003779163030000103
和
Figure GDA0003779163030000104
表示从太阳到地面和从地面到传感器的总透射率。Si是大气照明的球面反照率，而
Figure GDA0003779163030000105
是表面反射率，θ0代表太阳天顶角，θ代表卫星天顶角，而
Figure GDA0003779163030000106
表示太阳/卫星相对方位角；
此外，对可见光到近红外波段的气体吸收通道i处观测到的TOA反射率进行修正，。由于臭氧和水蒸气的含量随时间和地点的变化很大，因此需要进行气体校正。与美国标准大气相对应的校正TOA反射率
Figure GDA0003779163030000107
由下式给出：
Figure GDA0003779163030000108
其中，
Figure GDA0003779163030000109
和
Figure GDA00037791630300001010
分别是观测点臭氧和水蒸气的传输因子，
Figure GDA00037791630300001011
和
Figure GDA00037791630300001012
分别是美国标准大气条件下臭氧和水蒸气的传输因子；
使用美国宇航局EOS/Aura航天器上臭氧监测仪器(OMI)提供的臭氧总柱量数据(https://aura.gsfc.nasa.gov/omi.html)，以及从JMA全球分析(GANAL)数据中获得的柱状水汽数据，针对不同的臭氧总柱量O和总柱水汽w，预先计算其对应的透射系数
Figure GDA00037791630300001013
和
Figure GDA00037791630300001014
再通过拟合方程分别得到观测点臭氧和水蒸气的系数
Figure GDA00037791630300001015
和
Figure GDA00037791630300001016
Figure GDA00037791630300001017
Figure GDA00037791630300001018
其中空气质量因子(G)是太阳(θ0)和传感器天顶角(θ)的函数：
Figure GDA00037791630300001019
接下来使用最优估计方法通过最小化目标函数J推导气溶胶参数(τ、ηf和mi)。使用气体校正观测反射集
Figure GDA00037791630300001020
的测量向量和用等式(1)模拟的TOA反射
Figure GDA0003779163030000111
其中n是通道数。
Figure GDA0003779163030000112
其中xa＝{τa，ηfa，mia}是x的先验估计向量，Se和Sa是R和xa的协方差矩阵，如下所示：
Figure GDA0003779163030000113
Figure GDA0003779163030000114
其中σi是TOA反射率的不确定度，στa、σηfa和σmia分别是τa、
Figure GDA0003779163030000115
和
Figure GDA0003779163030000116
的不确定度。由于σi主要是由传感器噪声(σn)和估计目标陆地/海洋表面反射率的不确定性
Figure GDA0003779163030000117
引起的，因此使用如下公式估算σi：
Figure GDA0003779163030000118
式中，σS是由
Figure GDA0003779163030000119
引起的TOA反射率的不确定度。
最后，利用误差传播定律计算了三个气溶胶参数(τa、
Figure GDA00037791630300001110
和mi)和
Figure GDA00037791630300001111
的不确定性，如下所示：
Figure GDA00037791630300001112
式中，A为雅可比矩阵，Se与式(7)相同，式(9)计算元素。不确定度超过阈值的三个气溶胶参数(τa、
Figure GDA00037791630300001113
和mi)被视为无效值。
在陆地和海洋上使用统一的气溶胶模型以便一致地检索陆地和海洋上的气溶胶。对于精细和粗糙模型的每个气溶胶大小，使用单峰对数正态体积大小(rd)分布，如下所示：
Figure GDA00037791630300001114
式中，Cv为颗粒体积浓度，rv为体积模式半径，σ0为标准偏差。
反演融合后，获得逐小时的气溶胶光学厚度空间分布现势地图。
(9)对于步骤(7)结果中的垂直分布的气溶胶消光系数进行高度上的积分得到总的气溶胶光学厚度，采用步骤(8)的结果进行校正，
公式如下：
AOD＝∫σ(r)dr
得到协同卫星和地面主被动遥感观测及模式结果的气溶胶三维空间分布现势地图。所得到的气溶胶三维空间分布现势地图得到具有四者优点，即在步骤(7)结果的基础上增加了风云四号和葵花八号的被动遥感观测值。
本发明中所采用的数据通过以下方法获得：
一、CALIPSO卫星观测数据在大气科学数据中心(ASDC)https://eosweb.larc.nasa.gov/content/calipso-search-and-subset-tool中进行检索下载。其中本发明使用的消光系数产品(extinction coefficient)是532nm通道的L2产品。
二、WRF-Chem的物理过程方案和化学机理方案十分庞杂，其中气溶胶相关的参数化方案是属于Chem化学过程的MOSAIC(4bin)方案；WRF-Chem模式使用的数据包括气象数据，排放数据，以及地形数据：
(1)气象数据使用NCEP FNL，其中NCEP指美国国家环境预报中心，FNL全球再分析资料的全称为(Final Operational Global Analysis)，其参数主要包括不同层的气压、位势高度、温度、相对湿度、风速、风向、涡度等。NCEP FNL可以通过cshell下载，其数据格式为grib2。
(2)排放数据通过清华大学2012年6月制作发布的0.25°分辨率的中国多尺度排放清单(MEIC)来获取，将其时间分配和空间分配到WRF-Chem的模型网格中，可以得到排放场数据。
(3)WRF-Chem预处理系统中使用的静态地理数据来自其官网中的资源，该数据是由美国地质调查局(USGS)与1996年发布的GTOPO30数据集，分辨率可达30s(约900m)。
三、地基激光雷达数据一般采用研究区域内的地基观测站提供的数据，例如采用位于中国矿业大学环境与测绘学院楼顶的大气环境监测站的微脉冲激光雷达数据。该监测站位于34.22°N、117.14°E，地处江苏省北部主要城市徐州的西北部，站点的海拔高度约60m。其地基观测设备为Sigma Spatial公司的微脉冲激光雷达MiniMPL，MiniMPL属于偏振米散射激光雷达，以532nm波长的激光工作，装有平行和垂直偏振两个通道，在探测高达15km的大气仍能保持卓越的信噪比。
地基太阳光度计数据同样采用位于中国矿业大学环境与测绘学院楼顶的大气环境监测站中的CE-318太阳光度计的观测数据，通过其中的消光系数在垂直方向上积分出气溶胶光学厚度(AOD)，对激光雷达的观测数据进行约束，从而得出气溶胶消光系数垂直廓线。
四、葵花八号的数据在其官网JAXA Himawari Monitor(https://www.eorc.jaxa.jp/ptree/)中通过ftp下载。
葵花八号的观测区域有三种类型：日本地区，全球范围，以及某个特定地区，其中除全球以外的时间分辨率都可以达到2.5分钟，空间分辨率为0.5km。其中本发明需要的气溶胶数据为L2数据，格式为NetCDF。
风云四号的数据在风云卫星遥感数据服务网中下载(http://satellite.nsmc.org.cn/)。
将两种卫星的数据进行反演融合后，得到逐小时的气溶胶光学厚度空间分布图。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种气溶胶三维空间分布制图方法，其特征在于：包括以下步骤：
(1)基于星载激光雷达，通过混合消光检索算法检索并反演气溶胶消光系数廓线，采用时空地理加权回归模型获得长时间序列月平均气溶胶三维空间分布地图；
(2)采用气象模式和化学模式相结合的区域空气质量模式，采用单层区域拟合方案，得到基于模式模拟的气候学的、月平均的气溶胶消光系数三维空间分布地图；
(3)采用步骤(1)和(2)得到的结果，进行时间与空间匹配，计算得到基于观测与基于模式的比值三维空间分布地图；
(4)采用气象模式和化学模式相结合的区域空气质量模式，采用单层区域拟合方案，得到基于模式的、逐小时的气溶胶消光系数三维空间分布地图；
(5)采用步骤(3)的结果，将步骤(4)的结果更新为观测约束后的、逐小时的气溶胶三维空间分布现势地图；
(6)采用地基米散射激光雷达观测站的现势数据，基于Fernald算法，反演激光雷达方程，得到逐小时的气溶胶消光系数垂直廓线；
(7)采用步骤(6)的结果对步骤(5)的结果进行校正，得到融合地基米散射激光雷达与星载激光雷达观测和模式结果的、逐小时的气溶胶三维空间分布现势地图；
(8)利用搭载在地球静止卫星上的多光谱成像光谱仪，反演融合后，获得逐小时的气溶胶光学厚度空间分布现势地图；
(9)首先对步骤(7)结果中的垂直分布的气溶胶消光系数σ进行高度上的积分得到总的气溶胶光学厚度AOD，并采用步骤(8)的结果进行校正，公式如下：
AOD＝∫σ(r)dr
其中，σ(r)是在高度r处的消光系数；
得到协同卫星和地面主被动遥感观测及模式结果的气溶胶三维空间分布现势地图。
2.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(1)中，星载激光雷达为搭载在CALIPSO卫星上的激光雷达，气溶胶消光系数是指评估光波在大气中传播时受气溶胶散射和吸收而出现削弱的情况的指数；所述混合消光检索算法由顶层算法和配置文件求解器两部分组成，顶层算法根据要处理的大气要素的性质和空间范围来选择分析路径，处理顺序和分析参数，配置文件求解器通过由顶层算法定义的大气场景指定部分中获取颗粒物消光系数和后向散射系数的分布图，最后以网格为单元，对每个单元的气溶胶消光系数廓线求每个月的平均值，得到基于观测的气候学的、月平均的气溶胶三维空间分布地图。
3.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(2)中，区域空气质量模式指结合化学的天气研究和预报模型，通过进行长期的历史情景模拟，得到基于模式的气候学的、月平均的气溶胶消光系数三维空间分布地图。
4.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(3)中，将步骤(1)和(2)得到的分布地图做比值。
5.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(4)中，通过进行现势场景模拟，得到基于模式的、逐小时的气溶胶消光系数三维空间分布地图。
6.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(5)中，采用步骤(3)的结果对步骤(4)的结果进行观测约束。
7.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(6)中，采用地基米散射激光雷达观测站的现势数据，采用Fernald算法反演激光雷达信号，Fernald方法考虑了气溶胶和空气分子，激光雷达方程因此表示为：
P(r)＝CE[βa(r)+βm(r)]exp{-2∫0 r[sa(r)+sm(r)]dr}
其中，P(r)是激光雷达接收到高度r处的大气后向散射回波功率，E是激光雷达发射的能量，C代表激光雷达系统常数，β(r)和σ(r)分别是在高度r处的大气总后向散射系数和消光系数，下标a和m分别代表气溶胶和大气分子；定义大气气溶胶的消光后向散射比即激光雷达比Sa＝σa(r)/βa(r)，空气分子的消光后向散射比Sm＝σm(r)/βm(r)，基于Fernald算法，设rc高度不存在气溶胶，得到r处的气溶胶消光系数为：
Figure FDA0003817843440000021
依据反演结果可得到逐小时的气溶胶消光系数垂直廓线。
8.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(7)中，在步骤(5)的结果中，对于附近存在地基激光雷达观测站点的网格，采用步骤(6)的结果进行校正。
9.根据权利要求1所述的气溶胶三维空间分布制图方法，其特征在于：所述步骤(8)中，地球静止卫星为风云四号和葵花八号，采用“Level-2”反演算法估算得到500nm的气溶胶光学厚度，对于朗伯目标，通道i处的TOA反射率ρi sim近似为：
Figure FDA0003817843440000031
其中，
Figure FDA0003817843440000032
是大气路径反射率，
Figure FDA0003817843440000033
和
Figure FDA0003817843440000034
表示总透射率，分别从太阳到地面和从地面到传感器，si是大气照明的球面反照率，
Figure FDA0003817843440000035
是表面反射率，θ0是太阳天顶角，θ是卫星天顶角，
Figure FDA0003817843440000036
表示太阳/卫星相对方位角；
此外，对可见光到近红外波段的气体吸收通道i处观测到的TOA反射率进行修正，由于臭氧和水蒸气的含量随时间和地点的变化很大，因此需要进行气体校正，与美国标准大气相对应的校正TOA反射率
Figure FDA0003817843440000037
由下式给出：
Figure FDA0003817843440000038
其中，
Figure FDA0003817843440000039
和
Figure FDA00038178434400000310
分别是观测点臭氧和水蒸气的传输因子，
Figure FDA00038178434400000311
和
Figure FDA00038178434400000312
分别是美国标准大气条件下臭氧和水蒸气的传输因子；
使用美国宇航局EOS/Aura航天器上臭氧监测仪器提供的臭氧总柱量数据，以及从JMA全球分析数据中获得的柱状水汽数据，针对不同的臭氧总柱量O和总柱水汽w，预先计算其对应的透射系数
Figure FDA00038178434400000313
和
Figure FDA00038178434400000314
再通过拟合方程分别得到观测点臭氧和水蒸气的系数
Figure FDA00038178434400000315
和
Figure FDA00038178434400000316
Figure FDA00038178434400000317
Figure FDA00038178434400000318
其中空气质量因子G是太阳天顶角θ0和卫星天顶角θ的函数：
Figure FDA00038178434400000319
接下来使用最优估计方法通过最小化目标函数J推导气溶胶参数τ、ηf和mi，其中τ代表500nm处的气溶胶光学厚度，ηf代表细颗粒干体积浓度的外部混合比，mi代表精细模式折射率的虚部；利用气体校正观测反射集
Figure FDA00038178434400000320
的测量向量和模拟得到的TOA反射
Figure FDA0003817843440000041
其中n是通道数；
Figure FDA0003817843440000042
其中，xa＝{τa，ηfa，mia}是x的先验估计向量，Se和Sa是R和xa的协方差矩阵，如下所示：
Figure FDA0003817843440000043
Figure FDA0003817843440000044
其中，σi是TOA反射率的不确定度，στa、σηfa和σmia分别是τa、
Figure FDA0003817843440000045
和
Figure FDA0003817843440000046
的不确定度，由于σi主要是由传感器噪声σn和估计目标陆地/海洋表面反射率的不确定性
Figure FDA0003817843440000047
引起的，因此使用如下公式估算σi：
Figure FDA0003817843440000048
式中，σS是由
Figure FDA0003817843440000049
引起的TOA反射率的不确定度；
最后，利用误差传播定律计算了三个气溶胶参数τa、
Figure FDA00038178434400000410
和mi和
Figure FDA00038178434400000411
的不确定性，如下所示：
Figure FDA00038178434400000412
式中，A为雅可比矩阵，不确定度超过阈值的三个气溶胶参数τa、
Figure FDA00038178434400000413
和mi被视为无效值；
在陆地和海洋上使用统一的气溶胶模型以便一致地检索陆地和海洋上的气溶胶，对于精细和粗糙模型的每个气溶胶大小，使用单峰对数正态体积大小rd分布，如下所示：
Figure FDA00038178434400000414
式中，Cv为颗粒体积浓度，rv为体积模式半径，σ0为标准偏差。
CN202010686878.0A 2020-07-16 2020-07-16 一种气溶胶三维空间分布制图方法 Active CN111965666B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010686878.0A CN111965666B (zh) 2020-07-16 2020-07-16 一种气溶胶三维空间分布制图方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010686878.0A CN111965666B (zh) 2020-07-16 2020-07-16 一种气溶胶三维空间分布制图方法

Publications (2)

Publication Number Publication Date
CN111965666A CN111965666A (zh) 2020-11-20
CN111965666B true CN111965666B (zh) 2022-10-18

Family

ID=73361934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010686878.0A Active CN111965666B (zh) 2020-07-16 2020-07-16 一种气溶胶三维空间分布制图方法

Country Status (1)

Country Link
CN (1) CN111965666B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112684471B (zh) * 2020-12-01 2022-03-08 兰州大学 一种基于激光雷达的气溶胶微物理特性反演方法
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
CN112559665A (zh) * 2020-12-18 2021-03-26 中科三清科技有限公司 空气质量模式预报数据可视化方法及装置
CN113325422B (zh) * 2021-04-23 2022-07-29 上海卫星工程研究所 天基测雨雷达目标定位及降雨信息三维处理方法和系统
WO2022244388A1 (ja) * 2021-05-18 2022-11-24 古野電気株式会社 気象観測装置、気象観測システム、および、気象観測方法
CN113284565B (zh) * 2021-05-18 2023-09-22 百度时代网络技术（北京）有限公司 信息处理的方法和装置
CN113295626A (zh) * 2021-05-19 2021-08-24 中国科学院合肥物质科学研究院 基于阵列式微脉冲激光雷达的气溶胶消光光谱测量方法和装置
CN113341432B (zh) * 2021-06-22 2023-10-24 武汉大学 基于激光雷达卫星的地基激光雷达气溶胶反演方法及系统
CN113504528B (zh) * 2021-07-05 2022-04-29 武汉大学 一种基于多尺度假设检验的大气层次检测方法
CN113671533B (zh) * 2021-08-13 2024-05-07 中国科学院上海技术物理研究所 一种扫描式大气探测激光雷达实时数据处理方法
CN116466368B (zh) * 2023-06-16 2023-08-22 成都远望科技有限责任公司 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103175759A (zh) * 2013-02-25 2013-06-26 中国科学院安徽光学精密机械研究所 基于多种地基遥感技术获取城市气溶胶复折射指数的方法
CN103197305A (zh) * 2013-03-21 2013-07-10 武汉大学 基于支持向量机识别的沙尘型气溶胶反演方法
CN105988124A (zh) * 2016-03-04 2016-10-05 中国科学院合肥物质科学研究院 基于吸收消光比标定廓线的气溶胶污染物分布探测方法
CN107561554B (zh) * 2017-08-25 2020-11-06 北方民族大学 基于太阳光度计数据和多波长激光雷达数据的反演方法
CN109709577A (zh) * 2018-12-28 2019-05-03 南京雨后地软环境技术有限公司 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法
CN110161532B (zh) * 2019-05-30 2021-03-23 浙江大学 一种基于多波长激光雷达反演气溶胶微物理特性的方法
CN110441777B (zh) * 2019-07-11 2021-08-03 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

Also Published As

Publication number Publication date
CN111965666A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111965666B (zh) 一种气溶胶三维空间分布制图方法
Haeffelin et al. SIRTA, a ground-based atmospheric observatory for cloud and aerosol research
Franke et al. Optical properties of the Indo‐Asian haze layer over the tropical Indian Ocean
Roads et al. GCIP water and energy budget synthesis (WEBS)
Hirsikko et al. Observing wind, aerosol particles, cloud and precipitation: Finland's new ground-based remote-sensing network
Wulfmeyer et al. Four-dimensional variational assimilation of water vapor differential absorption lidar data: The first case study within IHOP_2002
Yesubabu et al. Predicting extreme rainfall events over Jeddah, Saudi Arabia: Impact of data assimilation with conventional and satellite observations
Barros et al. NASA GPM-Ground Validation: Integrated Precipitation and Hydrology Experiment 2014 Science Plan.
US20130006534A1 (en) System and Method for Atmospheric Correction of Information
Jayaraman et al. Spatial variations in aerosol characteristics and regional radiative forcing over India: Measurements and modeling of 2004 road campaign experiment
Ma et al. Vertical ozone characteristics in urban boundary layer in Beijing
Tapiador et al. Precipitation estimates for hydroelectricity
Chen et al. A method to update model kinematic states by assimilating satellite‐observed total lightning data to improve convective analysis and forecasting
DeLonge et al. Attributes of mesoscale convective systems at the land‐ocean transition in Senegal during NASA African Monsoon Multidisciplinary Analyses 2006
Valeriano et al. Evaluation of air temperature and rainfall from ECMWF and NASA gridded data for southeastern Brazil
Wang et al. Added-value of GEO-hyperspectral infrared radiances for local severe storm forecasts using the hybrid OSSE method
Saha et al. Investigation of atmospheric boundary layer characteristics using ceilometer lidar, COSMIC GPS RO satellite, radiosonde and ERA-5 reanalysis dataset over Western Indian region
Tai et al. Representations of precipitation diurnal cycle in the amazon as simulated by observationally constrained cloud‐system resolving and global climate models
Yang et al. Impacts of transboundary dust transport on aerosol pollution in the western Yangtze River delta region, China: insights gained from ground‐based lidar and satellite observations
Di Girolamo et al. Water vapor mixing ratio and temperature inter-comparison results in the framework of the Hydrological Cycle in the Mediterranean Experiment—Special Observation Period 1
Imura et al. Too frequent and too light Arctic snowfall with incorrect precipitation phase partitioning in the MIROC6 GCM
DEVARA Review article Remote sensing of atmospheric aerosols from active and passive optical techniques
Leidner et al. A severe weather quick observing system simulation experiment (QuickOSSE) of Global Navigation Satellite System (GNSS) radio occultation (RO) superconstellations
Masabi et al. Evaluation the efficiency of a parametric model based on MODIS data for solar radiation estimation in comparison with some empirical models
Hu et al. Assessment of Storm‐Scale Real Time Assimilation of GOES‐16 GLM Lightning‐Derived Water Vapor Mass on Short Term Precipitation Forecasts During the 2020 Spring Forecast Experiment

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
TR01 Transfer of patent right

Effective date of registration: 20230518

Address after: Room 1506, 15th Floor, Huajian Building, No. 9 Heyuan Road, Jinyuan District, Taiyuan City, Shanxi Province, 030021

Patentee after: Shanxi Dadi Xinya Technology Co.,Ltd.

Address before: 221008 Research Institute of China University of Mining and Technology, 1 University Road, Xuzhou, Jiangsu

Patentee before: CHINA University OF MINING AND TECHNOLOGY

TR01 Transfer of patent right
CP03 Change of name, title or address

Address after: B111-67, Block B, Comprehensive Building, No. 6 Dongyi Lane, Yanshangang South Road, Fangshan District, Beijing, 102599

Patentee after: Beijing Tianxiang Xinya Technology Co.,Ltd.

Country or region after: China

Address before: Room 1506, 15th Floor, Huajian Building, No. 9 Heyuan Road, Jinyuan District, Taiyuan City, Shanxi Province, 030021

Patentee before: Shanxi Dadi Xinya Technology Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address