CN112414958A - 基于激光雷达探测的co2浓度测量方法及系统 - Google Patents

基于激光雷达探测的co2浓度测量方法及系统 Download PDF

Info

Publication number
CN112414958A
CN112414958A CN202011154932.3A CN202011154932A CN112414958A CN 112414958 A CN112414958 A CN 112414958A CN 202011154932 A CN202011154932 A CN 202011154932A CN 112414958 A CN112414958 A CN 112414958A
Authority
CN
China
Prior art keywords
daod
cloud
concentration
detection
low
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
CN202011154932.3A
Other languages
English (en)
Other versions
CN112414958B (zh
Inventor
郑佳丽
史天奇
马昕
韩舸
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202011154932.3A priority Critical patent/CN112414958B/zh
Publication of CN112414958A publication Critical patent/CN112414958A/zh
Application granted granted Critical
Publication of CN112414958B publication Critical patent/CN112414958B/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
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明提供一种基于激光雷达探测的CO2浓度测量方法及系统，在进行无人机测量后，基于间接平差得到的高精度云分层反演CO2，包括假设当激光雷达过境，探测下方有上下两朵云的时候，设飞机与高云之间的差分吸收光学厚度DAOD记为DAOD(t1)，高云与低云之间的差分吸收光学厚度DAOD记为DAOD(t2)，低云与地面之间的差分吸收光学厚度DAOD记为DAOD(t3)；将相邻无云的情况下的整层DAOD值作为真值，作为浓度真实值约束分层反演；待修正的初始值采用直接测量得到的差分吸收光学厚度，相应建立间接平差的误差方程，解算获取间接平差后更精确的差分吸收光学厚度并获得相应的CO2浓度。本发明不仅可以提高反演精度以及稳定性，而且实施过程简单有效，适用性强。

Description

基于激光雷达探测的CO2浓度测量方法及系统
技术领域
本发明涉及大气遥感领域，尤其涉及一种基于激光雷达探测的CO2浓度测量方法及系统。
背景技术
巴西亚马逊雨林的严重火灾，澳大利亚持续燃烧四个月的山火，东非及西亚地区的罕见蝗灾，南极洲冰川开始出现的大规模融化，全球气候变暖导致已经过去的2019年里发生众多自然灾害，专家表明，2020年的自然灾害不会更少，而是可能更多。太平洋厄尔尼诺现象开始重现，印度可能因为春季季风推迟而导致干旱。从NOAA的长期记录来看，2020年1月是较之前最热的1月。从人类观察气候变化以来，最近几十年内的全球气温上升大家有目共睹，每一年温度都创新高，全球气候变暖正在到来。俄罗斯科学家佩列韦坚采夫表示“为了确保气候的稳定性，有必要将温室气体排放量减至1998年的水平。”而温室气体主要组成成分为CO2，因此控制以及减少CO2的排放成为了一个关键问题，提高CO2的观测精度也尤为重要。
目前主要利用差分吸收激光雷达进行CO2浓度探测，差分吸收激光雷达发射两束激光束，一束激光被CO2分子强吸收，称为on波长激光，一束激光被CO2分子弱吸收，称为off波长激光，通过测量随高度变化的大气CO2吸收的变化来反映CO2浓度分布。武汉大学测绘遥感信息工程国家重点实验室的研究团队一直致力于不断提高CO2的观测精度，提出了多项专利申请，例如CN105510260B、CN108267725A等。但大多是在探测方法、探测仪器上进行改进，有的则需要在具体的条件下起作用，具有很大的局限性和复杂性。
发明内容
本发明要解决的技术问题在于，针对现有技术中通过直接测量计算得出CO2浓度的精度较低，提供一种基于激光雷达探测的CO2浓度高精度测量方案。
本发明所采用的技术方案提供一种基于激光雷达探测的CO2浓度测量方法，在进行无人机测量后，基于间接平差得到的高精度云分层反演CO2，实现方式包括以下处理，
假设当激光雷达过境，探测下方有上下两朵云的时候，设飞机与高云之间的差分吸收光学厚度DAOD记为DAOD(t1)，高云与低云之间的差分吸收光学厚度DAOD记为DAOD(t2)，低云与地面之间的差分吸收光学厚度DAOD记为DAOD(t3)；将相邻无云的情况下的整层DAOD值作为真值DAOD(r)，作为浓度真实值约束分层反演；
令飞机与高云之间的DAOD(t1)为L1，高云与低云之间的DAOD(t2)为L2，低云与地面的DAOD(t3)为L3，设飞机与高云之间的DAOD真实值为
Figure BDA0002742421080000021
高云与低云之间的DAOD真实值为
Figure BDA0002742421080000022
则
Figure BDA0002742421080000023
其中
Figure BDA0002742421080000024
表示DAOD(t1)的改正数，
Figure BDA0002742421080000025
表示DAOD(t2)的改正数，
Figure BDA0002742421080000026
表示DAOD(t1)的近似值，
Figure BDA0002742421080000027
表示DAOD(t2)的近似值；
设间接平差的基础方程为
Figure BDA0002742421080000028
BTPV＝0
其中，V表示改正数，P表示权阵，
Figure BDA0002742421080000029
表示独立参数，l为误差方程常数项，B为误差方程系数，BT为矩阵B的转置；
Figure BDA00027424210800000210
其中，待修正的初始值a、b、c采用直接测量得到的L1、L2、L3；
建立间接平差的误差方程为
Figure BDA00027424210800000211
Figure BDA00027424210800000212
Figure BDA00027424210800000213
解算获取间接平差后更精确的L1、L2、L3并获得相应的CO2浓度。
而且，设λon和λoff分别表示on波长和off波长，P(λoff,rb)表示激光束在off波长和高度rb的回波信号强度，P(λoff,ra)表示激光束在off波长和高度ra的回波信号强度，P(λon,rb)表示激光束在on波长和高度rb的回波信号强度，根据无人机测量所得回波信号强度，按如下定义计算直接测量得到的L1、L2、L3，
飞机与高云之间的DAOD(t1)定义如下，
Figure BDA00027424210800000214
其中r2是飞机与高云之间的距离，r1是飞机开始探测时的相对高度，记为0；
高云与低云之间的DAOD(t2)定义如下，
Figure BDA0002742421080000031
其中r3是飞机与低云之间的距离；
低云与地面之间的DAOD(t3)定义如下，
Figure BDA0002742421080000032
其中，r4是飞机与地面之间的距离。
而且，权阵P根据精度设定。
本发明提供一种基于激光雷达探测的CO2浓度测量系统，用于实现如上所述的一种基于激光雷达探测的CO2浓度测量方法。
而且，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用处理器中的存储指令执行如上所述的一种基于激光雷达探测的CO2浓度测量方法。
或者，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种基于激光雷达探测的CO2浓度测量方法。
本发明的技术优点：
本发明是基于间接平差得到的高精度云分层反演CO2，通过训练数据比较直接测量与间接平差测量的精度，确定可以更精确的测量大气中的CO2浓度，对云上精度、云下精度以及整体精度都进行了提高，尤其是对探测误差大的CO2浓度的精度提高显著，更具有应用价值。本发明不仅可以提高反演精度以及稳定性，而且实施过程简单有效，适用性强。
附图说明
图1是本发明实施例的测量方法对比流程图；
图2是本发明实施例的测量方法对比试验具体流程图；
图3是本发明实施例随机抽取六次DAOD(3)直接测量的均值和标准差结果示意图；
图4是本发明实施例随机抽取六次DAOD(3)间接接测量的均值和标准差结果示意图。
具体实施方式
以下结合附图和实施例详细说明本发明技术方案。
本发明基于间接平差得到的高精度云分层反演CO2，通过训练数据比较直接测量与间接平差测量的精度，确定能够更精确的测量大气中的CO2浓度。
参见图1，实施例提供一种基于激光雷达探测的CO2浓度测量方法，比传统直接测量计算精度更高，该方法包括以下步骤：
步骤S1、通过无人机测量生成训练数据，即探测区域各部分CO2的DAOD值，DAOD表示on、off波长回波信号的差分吸收光学厚度。
DOAD是得到大气中CO2浓度的重要函数。理论上生成数据的具体方法如下：
Figure BDA0002742421080000041
Figure BDA0002742421080000042
Figure BDA0002742421080000043
Figure BDA0002742421080000044
其中，
式(1)中，Pλ(r)是激光雷达接收到的回波信号强度，Q为目标物体的反射率，ξλ是仪器总效率，E0是单个激光脉冲的输出能量，Δteff是有效的脉冲激光雷达返回长度，Tatm是由其他大气成分引起的光传输，A是望远镜的接收面积，NCO2(r)为二氧化碳气体的数量密度，r是目标到接收机的距离，即探测的高度；σ(λ,r)表示气体分子在波长为λ、高度为r时的吸收截面面积，exp()为以自然常数e为底的指数函数。
式(2)中，
Figure BDA0002742421080000045
是高度r处CO2气体的分子数密度，
Figure BDA0002742421080000046
表示高度r处on波长下CO2气体的吸收截面积，
Figure BDA0002742421080000047
表示高度r处off波长下CO2气体的吸收截面积，λon和λoff分别表示on波长和off波长，P(λoff,rb)表示激光束在off波长和高度rb的回波信号强度，P(λoff,ra)表示激光束在off波长和高度ra的回波信号强度，P(λon,rb)表示激光束在on波长和高度rb的回波信号强度，P(λon,ra)表示激光束在on波长和高度ra的回波信号强度，ra为较低高度，rb为较高高度，
Figure BDA0002742421080000048
式(3)中，X表示CO2的干空气混合比即CO2的浓度，Ng为CO2分子数密度，NA为阿伏伽德罗常数，其值为6.022×1023mol-1，R为理想气体常量，其值为8.314J/(K·mol)，T和P分别表示探测高度下的温度和压强值。
式(4)中，DAOD表示on、off波长回波信号的差分吸收光学厚度。
步骤S2、通过将间接平差计算得到的值与直接测量计算的精度进行比较，分析误差，从而得到更精确的CO2浓度。
实施例中，为便于确认本发明技术效果起见，分别得到间接平差和直接测量所得到相应区域CO2气体的平均值和标准差，可记为：
AL1_direct,AL2_direct,AL3_direct,VL1_direct,VL2_direct,VL3_direct,AL1_indirect,AL2_indirect,AL3_indirect,VL1_indirect,VL2_indirect,VL3_indirect,
其中，
AL1_direct,AL2_direct,AL3_direct分别为直接测量得到的L1、L2、L3的平均值，
VL1_direct,VL2_direct,VL3_direct分别为直接测量得到的L1、L2、L3的标准差，
AL1_indirect,AL2_indirect,AL3_indirect分别为间接平差得到的L1、L2、L3的平均值，
VL1_indirect,VL2_indirect,VL3_indirect分别为间接平差得到的L1、L2、L3的标准差。
得到的CO2浓度可记为：X1,X2,X3
其中，X1，X2，X3分别为间接平差后更精确的L1、L2、L3相应的CO2浓度。实施例中，步骤S2中生成数据的具体方法如下：
步骤S2.1、背景建立：假设当激光雷达过境时，探测下方有上下两朵云的时候，探测下方有上下两朵云的时候，激光雷达与高云之间的CO2浓度，高云与低云之间的CO2浓度，低云与地面的CO2浓度可以参照公式(2)。设飞机与高云之间的差分吸收光学厚度DAOD记为DAOD(t1)，高云与低云之间的差分吸收光学厚度DAOD记为DAOD(t2)，低云与地面之间的差分吸收光学厚度DAOD记为DAOD(t3)。
根据公式4，则有
飞机与高云之间的DAOD(t1)的定义如下：
Figure BDA0002742421080000051
其中r2是飞机与高云之间的距离，r1是飞机开始探测时的相对高度，记为0；
高云与低云之间的DAOD(t2)的定义如下：
Figure BDA0002742421080000052
其中r3是飞机与低云之间的距离；
低云与地面之间的DAOD(t3)的定义如下：
Figure BDA0002742421080000061
其中r4是飞机与地面之间的距离。
因此，根据S1的回波信号强度测量结果，可以计算相应的直接测量得到的L1、L2、L3。
但是激光穿过云以后，其信噪比较低，因此，高云与低云之间的CO2浓度，低云与地面的CO2浓度精度均会降低，且后者的精度更差，本发明提出根据间接平差方法对其进行精度提高。
步骤S2.2、间接平差：由于同一高度，水平相邻区域的整层CO2浓度几乎是一致的，因此，本发明提出可以认为相邻无云的情况下的整层DAOD值为真值，该值可作为浓度真实值去约束分层反演。实施例中认为整层DAOD的真值为DAOD(r)。
令飞机与高云之间的DAOD(t1)为L1，高云与低云之间的DAOD(t2)为L2，低云与地面的DAOD(t3)为L3，设飞机与高云之间的DAOD真实值为
Figure BDA0002742421080000062
高云与低云之间的DAOD真实值为
Figure BDA0002742421080000063
则
Figure BDA0002742421080000064
其中
Figure BDA0002742421080000065
表示DAOD(t1)的改正数，
Figure BDA0002742421080000066
表示DAOD(t2)的改正数，
Figure BDA0002742421080000067
表示DAOD(t1)的近似值，
Figure BDA0002742421080000068
表示DAOD(t2)的近似值。
列出间接平差的基础方程为：
Figure BDA0002742421080000069
BTPV＝0
其中，V表示改正数，P表示权阵，
Figure BDA00027424210800000610
表示独立参数，l为误差方程常数项，B为误差方程系数，BT为矩阵B的转置；
法方程为：
Figure BDA00027424210800000611
其中，Nbb、W均为中间变量，Nbb＝BTPB,W＝BTPl。
其中间接平差的误差方程为
Figure BDA0002742421080000071
Figure BDA0002742421080000072
Figure BDA0002742421080000073
其中，v1、v2、v3均为向量
Figure BDA0002742421080000074
中的元素，
Figure BDA0002742421080000075
均为向量
Figure BDA0002742421080000076
的元素，
Figure BDA0002742421080000077
均为近似值。
步骤S2.3、模拟结果：实施例中，假设飞机飞行高度为6000米，高云高度为3000米，低云高度为2000米。飞机与低云之间的误差为1％，高云与低云之间的误差为3％，低云与地面之间的误差为5％。
飞机与高云之间的DAOD真实值为0.12，高云与低云之间的DAOD为0.07，低云与地面之间的DAOD为0.11，DAOD(r)的真实值为0.3，
可得间接平差的误差方程为
Figure BDA0002742421080000078
Figure BDA0002742421080000079
Figure BDA00027424210800000710
间接平差的基础方程中：
Figure BDA00027424210800000711
Figure BDA00027424210800000712
实施例中
Figure BDA00027424210800000713
本发明提出，优选地，权阵P根据精度设定。
实施例中
Figure BDA0002742421080000081
其中，a、b、c采用S2.1所得相应直接测量得到的L1、L2、L3，即待修正的初始值。
实施例中，为了方便多次试验以确定本发明技术效果，设置a为飞机与高云之间的加上偏差后的单次DAOD模拟值，b为高云与低云之间的加上偏差后的单次DAOD模拟值，c为低云与地面之间的加上偏差后的单次DAOD模拟值，
计算误差方程中的过程值为：
Nbb＝BTPB
W＝BTPl
Figure BDA0002742421080000082
Figure BDA0002742421080000083
Figure BDA0002742421080000084
其中，[A B C]T为间接平差后更精确的L1、L2、L3。实施例的单次试验中[A B C]T为单次模拟间接平差后的修改值。参见图2，实施例中，对L1、L2、L3加上相应的测量偏差模拟10000次，记录每次模拟的测量值，并记录相应的单次模拟值经过间接平差后的修改值。计算直接测量法得到10000次模拟值的均值和标准差，同样计算间接平差法得到10000次修改值的均值和标准差，对比相应区域的DAOD的均值和标准差。结果可参见以下表1：
表1直接测量与加入间接平差以后的结果对比
DOAD(1) DOAD(2) DOAD(3)
直接测量平均值 0.120010065060609 0.069983192514607 0.109975359615844
间接平差平均值 0.120013552039379 0.069993653450921 0.109992794509699
直接测量标准差 0.001192423922896 0.002088010606087 0.005460396893667
间接平差标准差 0.001237102170010 0.002306680865656 0.002754397839256
根据调试结果可以看出，各区域间的DAOD值经过间接平差后均值整体更接近真值，而间接测量标准差整体都比直接测量标准差小，表明大多数经间接平差后的修改值与平均值差异小，精度更高且稳定性更好，尤其是低云与地面之间的DAOD值的精度和稳定性有显著的提高。具体实施时可根据探测数据进行修正。
参见图3、图4，实施例中为了排除随机性引起的巧合，故执行多次(优选六次)，以DAOD(t3)为例画出每次的均值和标准差。
具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。
在一些可能的实施例中，提供一种基于激光雷达探测的CO2浓度测量系统，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用处理器中的存储指令执行如上所述的一种基于激光雷达探测的CO2浓度测量方法。
在一些可能的实施例中，提供一种基于激光雷达探测的CO2浓度测量系统，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种基于激光雷达探测的CO2浓度测量方法。
以上所述仅为本发明的优选实施例而已，并不用以限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于激光雷达探测的CO2浓度测量方法，其特征在于：在进行无人机测量后，基于间接平差得到的高精度云分层反演CO2，实现方式包括以下处理，
假设当激光雷达过境，探测下方有上下两朵云的时候，设飞机与高云之间的差分吸收光学厚度DAOD记为DAOD(t1)，高云与低云之间的差分吸收光学厚度DAOD记为DAOD(t2)，低云与地面之间的差分吸收光学厚度DAOD记为DAOD(t3)；将相邻无云的情况下的整层DAOD值作为真值DAOD(r)，作为浓度真实值约束分层反演；
令飞机与高云之间的DAOD(t1)为L1，高云与低云之间的DAOD(t2)为L2，低云与地面的DAOD(t3)为L3，设飞机与高云之间的DAOD真实值为
Figure FDA0002742421070000011
高云与低云之间的DAOD真实值为
Figure FDA0002742421070000012
则
Figure FDA0002742421070000013
其中
Figure FDA0002742421070000014
表示DAOD(t1)的改正数，
Figure FDA0002742421070000015
表示DAOD(t2)的改正数，
Figure FDA0002742421070000016
表示DAOD(t1)的近似值，
Figure FDA0002742421070000017
表示DAOD(t2)的近似值；
设间接平差的基础方程为
Figure FDA0002742421070000018
BTPV＝0
其中，V表示改正数，P表示权阵，
Figure FDA0002742421070000019
表示独立参数，l为误差方程常数项，B为误差方程系数，BT为矩阵B的转置；
Figure FDA00027424210700000110
其中，待修正的初始值a、b、c采用直接测量得到的L1、L2、L3；
建立间接平差的误差方程为
Figure FDA00027424210700000111
Figure FDA00027424210700000112
Figure FDA00027424210700000113
解算获取间接平差后更精确的L1、L2、L3并获得相应的CO2浓度。
2.根据权利要求1所述基于激光雷达探测的CO2浓度测量方法，其特征在于：设λon和λoff分别表示on波长和off波长，P(λoff,rb)表示激光束在off波长和高度rb的回波信号强度，P(λoff,ra)表示激光束在off波长和高度ra的回波信号强度，P(λon,rb)表示激光束在on波长和高度rb的回波信号强度，根据无人机测量所得回波信号强度，按如下定义计算直接测量得到的L1、L2、L3，
飞机与高云之间的DAOD(t1)定义如下，
Figure FDA0002742421070000021
其中r2是飞机与高云之间的距离，r1是飞机开始探测时的相对高度，记为0；
高云与低云之间的DAOD(t2)定义如下，
Figure FDA0002742421070000022
其中r3是飞机与低云之间的距离；
低云与地面之间的DAOD(t3)定义如下，
Figure FDA0002742421070000023
其中，r4是飞机与地面之间的距离。
3.根据权利要求1或2所述基于激光雷达探测的CO2浓度测量方法，其特征在于：权阵P根据精度设定。
4.一种基于激光雷达探测的CO2浓度测量系统，其特征在于：用于实现如权利要求1-3任一项所述的一种基于激光雷达探测的CO2浓度测量方法。
5.根据权利要求4所述基于激光雷达探测的CO2浓度测量系统，其特征在于：包括处理器和存储器，存储器用于存储程序指令，处理器用于调用处理器中的存储指令执行如权利要求1-3任一项所述的一种基于激光雷达探测的CO2浓度测量方法。
6.根据权利要求4所述基于激光雷达探测的CO2浓度测量系统，其特征在于：包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如权利要求1-5任一项所述的一种基于激光雷达探测的CO2浓度测量方法。
CN202011154932.3A 2020-10-26 2020-10-26 基于激光雷达探测的co2浓度测量方法及系统 Active CN112414958B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011154932.3A CN112414958B (zh) 2020-10-26 2020-10-26 基于激光雷达探测的co2浓度测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011154932.3A CN112414958B (zh) 2020-10-26 2020-10-26 基于激光雷达探测的co2浓度测量方法及系统

Publications (2)

Publication Number Publication Date
CN112414958A true CN112414958A (zh) 2021-02-26
CN112414958B CN112414958B (zh) 2022-03-15

Family

ID=74840179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011154932.3A Active CN112414958B (zh) 2020-10-26 2020-10-26 基于激光雷达探测的co2浓度测量方法及系统

Country Status (1)

Country Link
CN (1) CN112414958B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533241A (zh) * 2021-07-19 2021-10-22 中国科学技术大学 基于卫星红外超光谱的大气二氧化碳浓度高精度反演系统
CN114943136A (zh) * 2022-04-06 2022-08-26 武汉大学 一种差分吸收激光雷达二氧化碳浓度反演方法
CN115097488A (zh) * 2022-06-16 2022-09-23 武汉大学 地基多波长差分吸收激光雷达的δ13C探测反演方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105929398A (zh) * 2016-04-20 2016-09-07 中国电力工程顾问集团中南电力设计院有限公司 结合外控点的InSAR高精度高分辨率DEM获取方法
WO2020063073A1 (zh) * 2018-09-30 2020-04-02 中国科学院上海光学精密机械研究所 多波长测量大气二氧化碳浓度及气溶胶垂直廓线的激光雷达系统装置
CN111596312A (zh) * 2020-06-16 2020-08-28 南京晓庄学院 一种共振荧光散射激光雷达激光发射功率优化控制装置及控制方法
CN111665218A (zh) * 2020-05-21 2020-09-15 武汉大学 一种提高二氧化碳差分吸收激光雷达反演精度的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105929398A (zh) * 2016-04-20 2016-09-07 中国电力工程顾问集团中南电力设计院有限公司 结合外控点的InSAR高精度高分辨率DEM获取方法
WO2020063073A1 (zh) * 2018-09-30 2020-04-02 中国科学院上海光学精密机械研究所 多波长测量大气二氧化碳浓度及气溶胶垂直廓线的激光雷达系统装置
CN111665218A (zh) * 2020-05-21 2020-09-15 武汉大学 一种提高二氧化碳差分吸收激光雷达反演精度的方法
CN111596312A (zh) * 2020-06-16 2020-08-28 南京晓庄学院 一种共振荧光散射激光雷达激光发射功率优化控制装置及控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
S. ISHII: "《Ground-based integrated path coherent differential absorption lidar measurement of CO2: foothill target return》", 《ATMOSPHERIC MEASUREMENT TECHNIQUES》 *
TIANQI SHI: "《An inversion method for estimating strong point carbon dioxideemissions using a differential absorption Lidar》", 《JOURNAL OF CLEANER PRODUCTION》 *
聂俊兵: "《测量平差》", 31 January 2017 *
董燕妮: "《利用差分吸收激光雷达探测二氧化碳浓度廓线》", 《武汉大学学报（信息科学版）》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533241A (zh) * 2021-07-19 2021-10-22 中国科学技术大学 基于卫星红外超光谱的大气二氧化碳浓度高精度反演系统
CN113533241B (zh) * 2021-07-19 2022-12-20 中国科学技术大学 基于卫星红外超光谱的大气二氧化碳浓度高精度反演系统
CN114943136A (zh) * 2022-04-06 2022-08-26 武汉大学 一种差分吸收激光雷达二氧化碳浓度反演方法
CN114943136B (zh) * 2022-04-06 2024-05-03 武汉大学 一种差分吸收激光雷达二氧化碳浓度反演方法
CN115097488A (zh) * 2022-06-16 2022-09-23 武汉大学 地基多波长差分吸收激光雷达的δ13C探测反演方法及系统
CN115097488B (zh) * 2022-06-16 2024-06-11 武汉大学 地基多波长差分吸收激光雷达的δ13C探测反演方法及系统

Also Published As

Publication number Publication date
CN112414958B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN112414958B (zh) 基于激光雷达探测的co2浓度测量方法及系统
Zhan et al. A method for retrieving high-resolution surface soil moisture from hydros L-band radiometer and radar observations
Konings et al. Vegetation optical depth and scattering albedo retrieval using time series of dual-polarized L-band radiometer observations
Fang et al. Retrieving leaf area index with a neural network method: Simulation and validation
Han et al. Analysis and improvement of tipping calibration for ground-based microwave radiometers
CN101936881B (zh) 利用临边遥感数据反演大气臭氧剖面的层析成像方法
CN104181612A (zh) 一种红外与激光联合的地基测云方法
Pedone et al. Volcanic CO 2 flux measurement at Campi Flegrei by tunable diode laser absorption spectroscopy
US11604274B2 (en) Apparatus and method for composition for dual-polarization weather radar observation data using earth spherical coordinate system
CN113219496A (zh) 一种星载海洋大气参数激光雷达探测系统
CN109974665A (zh) 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统
CN109657191B (zh) 一种电离层层析方法及装置
CN105953921B (zh) 气溶胶参数差异条件下对地观测辐射图像的快速仿真方法
Fridman et al. Inversion of backscatter ionograms and TEC data for over-the-horizon radar
Bousquet et al. Error budget of the MEthane Remote LIdar missioN and its impact on the uncertainties of the global methane budget
CN103743679B (zh) 一种加快温室气体垂直柱浓度反演速度的方法
CN110687020A (zh) 基于四聚氧吸收反演气溶胶光学特性的测量方法及其装置
KR101886540B1 (ko) 원격탐사용 모의 영상 자료 생성 시스템 및 이를 이용한 영상자료의 유효성 검사 방법
Ma et al. Impact of different satellite wind lidar telescope configurations on NCEP GFS forecast skill in observing system simulation experiments
KR101503509B1 (ko) 수동형 마이크로파 인공위성 자료를 이용한 해상풍 산출 시스템 및 이를 이용한 산출방법
Ahmed et al. Analyzing the uncertainty of biomass estimates from L-band radar backscatter over the Harvard and Howland forests
Holl et al. Methane cross-validation between three Fourier transform spectrometers: SCISAT ACE-FTS, GOSAT TANSO-FTS, and ground-based FTS measurements in the Canadian high Arctic
CN113341432B (zh) 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
CN104121884A (zh) 卫星影像像元观测天顶角和方位角的计算方法
Iordan et al. The accuracy of LiDAR measurements for the different land cover categories

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