CN112597651B - 基于oco-2数据和wrf-stilt模型反演co2背景场浓度的方法及系统 - Google Patents
基于oco-2数据和wrf-stilt模型反演co2背景场浓度的方法及系统 Download PDFInfo
- Publication number
- CN112597651B CN112597651B CN202011528975.3A CN202011528975A CN112597651B CN 112597651 B CN112597651 B CN 112597651B CN 202011528975 A CN202011528975 A CN 202011528975A CN 112597651 B CN112597651 B CN 112597651B
- Authority
- CN
- China
- Prior art keywords
- model
- stilt
- wrf
- oco
- footprint
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于OCO‑2数据和WRF‑STILT模型反演CO2背景场浓度的方法及系统，所述WRF‑STILT模型包括WRF模型和STILT模型，包括获取气象数据作为WRF模型的输入，WRF模型通过插值获得研究区附近高时空分辨率的气象场；将得到的气象场作为STILT模型的输入，根据OCO‑2过境点的时间和位置，基于STILT模型获得每个观测值对应的压力加权的足迹场；获取先验总碳通量，利用贝叶斯估计获得更优的后验总碳通量，根据后验总碳通量和足迹场获取模拟观测值，利用模拟观测值与实际观测值之差符合均值为0的正态分布的条件，反演出CO2背景场浓度。本发明可以根据OCO‑2观测值直接解出背景场浓度，精度高，消耗少，为进一步研究城市尺度碳循环等问题提供更精确的数据。
Description
技术领域
本发明涉及大气技术领域，尤其涉及一种基于OCO-2数据和WRF-STILT模型反演CO2 背景场浓度的方法及系统。
背景技术
以二氧化碳(CO2)为主的温室气体被视为是对全球气候变化影响最大的气体，大多数气候学家认为，人类活动排放的二氧化碳导致了近200年间大气二氧化碳浓度急剧上升。随着全球工业化的进程不断加快，人为碳排放的不断增加给全球的气候、经济、生态等方面带来显著影响，受到世界各国政府、科研机构、社会公众的普遍重视，根据碳排放量的多少对国家、企业进行收税也将逐渐成为一种趋势。大气二氧化碳浓度变化可以反映地-气之间的 CO2交换过程，这些交换过程包括植被与大气之间的CO2交换，以及人为化石燃料燃烧的 CO2排放。城市作为主要的温室气体排放区域，虽然只占陆地面积的2％，却贡献了全球70％的人为CO2排放量，因此定量研究城市区域CO2源汇各分量，以及评估其对大气CO2浓度的影响至关重要。基于连续、高精度的大气CO2浓度数据和CO2背景场浓度，利用大气传输模型可以定量计算区域(102:106km2)及以上空间尺度的CO2通量。
针对城市区域CO2背景场浓度的选取，国内外已有了大量的研究成果，其中一部分研究采用目视解译法，选取城市周围“干净点”(远离碳源和碳汇的位置)，将该位置测得的浓度作为该范围内的CO2背景场浓度，这种方法效率较低，还有一部分研究采用高斯羽化模型进行正向模拟，通过拟合获得精准的背景场浓度，但劣势在于计算量极大。
发明内容
本发明根据现有技术的不足提供了一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方案，可以快速计算出精度较高的CO2背景场浓度。
为了实现上述目的，本发明提出的技术方案为一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法，所述WRF-STILT模型包括WRF模型和STILT模型，包括以下步骤：
步骤1，获取气象数据作为WRF模型的输入，WRF模型通过插值获得研究区附近高时空分辨率的气象场；
步骤2，将步骤1中得到的气象场作为STILT模型的输入，根据OCO-2过境点的时间和位置，基于STILT模型获得每个观测值对应的压力加权的足迹场；
步骤3，获取先验总碳通量，利用贝叶斯估计获得更优的后验总碳通量，根据后验总碳通量和足迹场获取模拟观测值，利用模拟观测值与实际观测值之差符合均值为0的正态分布的条件，反演出CO2背景场浓度。
而且，步骤1中在运行WRF模型之前，进行三个预处理操作，包括对地表参数进行插值，从气象数据中提取所需要的气象参数，将气象参数插值到模拟区域。
而且，步骤2中生成压力加权的足迹场的实现方法为，
对于某一个OCO-2的观测值，在相应位置上方不同高度层计算对应的足迹，计算得到压力加权函数和平均核，
所述压力加权函数将不同高度的CO2干空气体积混合比转换为柱浓度，如下式，
其中，pi代表第i层的压强，psurf代表地表压强，hi代表第i层的压力加权函数；
基于STILT模型引入压力加权的足迹权重，生成压力加权的足迹场如下，
XCO2,m＝XCO2,bg+ΔXCO2,NEE+ΔXCO2,ff
ΔCO2＝footprint×flux
其中，XCO2,m代表模拟的二氧化碳柱浓度，XCO2,bg代表二氧化碳背景场浓度，ΔXCO2,NEE表示由植物引起的二氧化碳柱浓度改变量，ΔXCO2,ff表示由化石燃料引起的二氧化碳柱浓度改变量，flux代表二氧化碳通量，footprint代表加权后的足迹，ΔCO2代表根据模型计算的二氧化碳改变量，footprinti代表第i层的足迹，hi代表第i层的压力加权函数，aki代表第i层的平均核，不同高度层的平均核由原始平均核数值插值得到。
而且，步骤S3中反演CO2背景浓度实现如下，
利用待定系数法求背景场浓度，假设背景场浓度为t，利用贝叶斯估计得到后验总碳通量，再利用后验总碳通量和足迹得到模拟观测值XCO2,m，模拟观测值XCO2,m和实际观测值差值符合均值为0的正态分布，
xp＝xa+(Sa -1+KTSε -1K)-1KTSε -1(y-t-Kxa)
mean(y-t-Kxp)＝0
其中，xa表示先验总碳通量，xp表示后验总碳通量，Sa表示先验总碳通量误差协方差， Sε表示观测值误差协方差，y为实际观测值，K为通过步骤2求得的足迹；mean()代表求均值，sum(X,2)表示对矩阵X各行求和。
另一方面，本发明还提供一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的系统，用于实现如上所述的一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
而且，包括以下模块，
第一模块，用于获取气象数据作为WRF模型的输入，WRF模型通过插值获得研究区附近高时空分辨率的气象场；
第二模块，用于将第一模块中得到的气象场作为STILT模型的输入，根据OCO-2过境点的时间和位置，基于STILT模型获得每个观测值对应的压力加权的足迹场；
第三模块，用于获取先验总碳通量，利用贝叶斯估计获得更优的后验总碳通量，根据后验总碳通量和足迹场获取模拟观测值，利用模拟观测值与实际观测值之差符合均值为0的正态分布的条件，反演出CO2背景场浓度。
或者，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
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OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
本发明具有以下优点：
(1)不需要人工参与判读，可以根据OCO-2观测值直接解出背景场浓度。
(2)相比于取城市中位数浓度值作为背景场浓度，该方法具有更高的精度。
(3)相比于高斯羽化模型计算CO2背景场浓度，该方法极大地减小了计算量，减少了系统资源消耗。
附图说明
图1是本发明实施例的总流程图；
图2是本发明实施例模拟的观测值与真实的OCO-2观测值之差的直方图；
图3是本发明实施例的背景场浓度示意图。
具体实施方式
以下结合附图和实施例具体说明本发明的技术方案。
本发明实施例中，从EDGAR或ODIAC排放清单可以获得人为碳排放通量，利用CASA模型或VPRM模型可以获得生物通量，二者之和作为先验的CO2通量，根据OCO-2观测点的位置，利用WRF-STILT模型求得加权足迹，设背景场浓度为未知量，利用贝叶斯反演可以得到后验通量，利用后验通量乘加权足迹可以获得后验的模拟观测值，利用该模拟观测值与真实观测值应满足均值为0的正态分布，即可解出背景场浓度值。
其中，
EDGAR：emissions database for global atmospheric research，全球大气研究排放数据库；
ODIAC：Open-Data Inventory for Anthropogenic Carbon dioxide，人为二氧化碳开放数据清单；
CASA模型：Carnegie-Ames-Stanford approach，一种基于过程的遥感模型；
VPRM模型：Vegetation Photosynthesis and Respiration Model，植被光合作用与呼吸模型；
参见图1，本发明实施例提供一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法，其中OCO-2数据由NASA轨道碳观测卫星(OCO-2)提供，WRF-STILT为天气预报模式-随机时间倒置的拉格朗日传输模型，包括WRF模型和STILT模型，反演实现过程包括以下步骤：
(1)生成模拟气象场，包括获取一个时间段内的NECP FNL(或GDAS)数据作为初始气象场；利用The Weather Research and Forecasting Model(WRF)模式将初始气象场进行空间和时间上的插值。
实施例中，获取NECP FNL气象数据作为WRF(The Weather Research andForecasting Model)模型的输入，时间分辨率为6h，空间分辨率为1°，WRF模型通过插值可以获得研究区附近高时空分辨率的气象场，插值后的时间分辨率可达1h，空间分辨率可达1km；WRF 模型所所得气象场将作为输入提供给STILT模型；
具体实施时，WRF模型可优先设置为三层嵌套27km、9km和3km(或者四层嵌套27km、9km、3km和1km)，输出ARL格式气象场。
STILT模型由WRF模型输出的高精度气象场驱动，实施例中WRF模型采用3层嵌套双向反馈的设置，把三层嵌套的模拟区域的空间分辨率设置为27、9、3km，东西和南北方向格点数设置为105*111、226*241和388*376。
为了进一步提高分辨率，实施例进一步提出生成气象场的优选方案为：运行WRF模型之前，需要进行以下三个预处理操作，具体实施时这三个功能可由WPS的三个子程序完成。
geogrid.exe：主要功能为定义模型投影、区域范围，嵌套关系，实施例用于对地表参数进行插值；
ungrib.exe：主要功能为从grib格式的气象数据(例如NECP FNL气象数据)中提取所需要的气象参数；
metgrid.exe：主要功能为将气象参数插值到模拟区域。
FNL数据是美国国家环境预报中心(NECP)/美国国家大气研究中心(NCAR)提供的全球再分析资料，空间精度为1°×1°，通过FNL数据可以了解真实的全球区域气象状况。
(2)将生成的气象场作为STILT模型的输入，STILT模型倒置时间设置为12h或24h，根据OCO-2的过境点获得对应的足迹场：
实施例根据(1)中得到的气象场作为STILT(Stochastic Time InvertedLagrangian Transport) 模型的输入，基于STILT模型根据OCO-2过境点的时间和位置，获得每个观测值对应的压力加权的足迹场。
OCO-2为NASA轨道碳观测卫星，STILT模型倒置时间可设置为12h或24h，根据OCO-2的过境点获得对应的足迹场。
STILT模型是一种拉格朗日随机游走理论的传输模型，它把观测点上游和源(汇)通量与观测点的浓度变换用足迹(footprint)权重联系起来。具体原理就是通过向后释放大量的空气粒子，来模拟气体在湍流和平均风向驱动下的后向运动轨迹，通过计算上游某区域边界层某高度内的所有粒子数量和每个粒子所停留时间来定量足迹权重的值。
步骤(2)中生成压力加权的足迹场的具体方法为：
对于某一个OCO-2的观测值而言，在这个位置上方100m、200m、300m、400、500、600…、3000m、3500m、4000m…、6000m(3000m以下每100m一个点，3000m-6000m每 500m一个点)计算对应的足迹，根据不同的高度，可以计算得到压力加权函数(pressure weightingfunction)和平均核(averaging kernel)。
pressure weighting function是为了将不同高度的CO2干空气体积混合比转换为柱浓度。其公式为：
其中，pi代表第i层的压强，psurf代表地表压强，hi代表第i层的压力加权函数。当i＝1 时，只取括号中的第一项，当i＝q(q为分层数)，只取括号中的第二项，压强P随着i的增加而减小。
本发明所需不同的高度层相应Averaging kernel可以由OCO提供的原始Averaging kernel 值插值得到。
实施例基于STILT模型引入压力加权的足迹权重，生成压力加权的足迹场如下：
XCO2,m＝XCO2,bg+ΔXCO2,NEE+ΔXCO2,ff (2)
ΔCO2＝footprint×flux (3)
其中，XCO2,m代表模拟的二氧化碳柱浓度，XCO2,bg代表二氧化碳背景场浓度，ΔXCO2,NEE表示由植物引起的二氧化碳柱浓度改变量，ΔXCO2,ff表示由化石燃料引起的二氧化碳柱浓度改变量，flux代表二氧化碳通量，footprint代表加权后的足迹，ΔCO2代表根据模型计算的二氧化碳改变量，footprinti代表第i层的足迹，hi代表第i层的压力加权函数，aki代表第i层的Averaging kernel。
(3)获取先验总碳通量(即先验CO2通量，包括人为碳通量和生物碳通量)，利用贝叶斯估计获得更优的后验总碳通量，根据后验总碳通量和足迹场可以算出模拟观测值，利用模拟观测值与实际观测值(即观测得到的XCO2)之差符合均值为0的正态分布的条件，可以反演出CO2背景场浓度，进一步研究城市尺度碳循环等问题提供更精确的数据。
实施例从EDGAR或ODIAC排放清单可以获得人为碳排放通量，利用CASA模型或VPRM模型可以获得生物通量，二者之和作为先验的CO2通量，根据先验CO2通量、先验 CO2通量误差协方差、OCO-2观测值、观测值误差协方差和足迹可以得到一个最合理的CO2 背景浓度，以使得模拟的OCO-2观测值与真实的OCO-2观测值的偏差满足μ为0的正态分布；
步骤3中计算CO2背景浓度的具体方法为：
利用待定系数法求背景场浓度，假设背景场浓度为t，利用贝叶斯反演可以计算得到后验CO2通量，再利用该后验通量和足迹可以得到模拟的XCO2,m，模拟的XCO2,m和观测得到的XCO2的差值应该符合均值为0的正态分布。
xp＝xa+(Sa -1+KTSε -1K)-1KTSε -1(y-t-Kxa) (5)
mean(y-t-Kxp)＝0 (6)
其中，xa表示先验CO2通量，xp表示后验二氧化碳通量，Sa表示先验CO2通量误差协方差，Sε表示观测值误差协方差，y为XCO2观测值，K为步骤(2)中求得的足迹。mean() 代表求均值，sum(X,2)表示对矩阵X各行求和。公式(6)为关于t的一元一次方程，必然存在零点，根据公式(7)解出t。
参见图2，本实施例采用OCO-2于2014年12月27日的数据(Lite file version 9)，以 EDGAR清单作为先验人为排放碳通量，由于EDGAR提供的是年均CO2通量，所以需要乘上12月份对应的时间尺度因子作为12月份月均的先验人为排放碳通量，通过步骤(3)计算得到该位置CO2背景场浓度XCO2＝398ppm。参见图3中，2014年12月27日利雅得附近 (23°N-26°N，45°E-48°E)OCO-2观测值随纬度的变化，直线代表利用本发明实施例方法求得的背景场浓度示意图。
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OCO-2数据和WRF-STILT模型反演CO2背景场浓度的系统，包括以下模块，
第一模块，用于获取气象数据作为WRF模型的输入，WRF模型通过插值获得研究区附近高时空分辨率的气象场；
第二模块，用于将第一模块中得到的气象场作为STILT模型的输入，根据OCO-2过境点的时间和位置，基于STILT模型获得每个观测值对应的压力加权的足迹场；
第三模块，用于获取先验总碳通量，利用贝叶斯估计获得更优的后验总碳通量，根据后验总碳通量和足迹场获取模拟观测值，利用模拟观测值与实际观测值之差符合均值为0的正态分布的条件，反演出CO2背景场浓度。
在一些可能的实施例中，提供一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的系统，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
在一些可能的实施例中，提供一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的系统，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OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法，所述WRF-STILT模型包括WRF模型和STILT模型，其特征在于：包括以下步骤：
步骤1，获取气象数据作为WRF模型的输入，WRF模型通过插值获得研究区附近高时空分辨率的气象场；
步骤2，将步骤1中得到的气象场作为STILT模型的输入，根据OCO-2过境点的时间和位置，基于STILT模型获得每个观测值对应的压力加权的足迹场；
步骤2中生成压力加权的足迹场的实现方法为，
对于某一个OCO-2的观测值，在相应位置上方不同高度层计算对应的足迹，计算得到压力加权函数和平均核，
所述压力加权函数将不同高度的CO2干空气体积混合比转换为柱浓度，如下式，
其中，pi代表第i层的压强，psurf代表地表压强，hi代表第i层的压力加权函数；
基于STILT模型引入压力加权的足迹权重，生成压力加权的足迹场如下，
XCO2,m＝XCO2,bg+ΔXCO2,NEE+ΔXCO2,ff
ΔCO2＝footprint×flux
其中，XCO2,m代表模拟的二氧化碳柱浓度，XCO2,bg代表二氧化碳背景场浓度，ΔXCO2,NEE表示由植物引起的二氧化碳柱浓度改变量，ΔXCO2,ff表示由化石燃料引起的二氧化碳柱浓度改变量，flux代表二氧化碳通量，footprint代表加权后的足迹，ΔCO2代表根据模型计算的二氧化碳改变量，footprinti代表第i层的足迹，hi代表第i层的压力加权函数，aki代表第i层的平均核，不同高度层的平均核由原始平均核数值插值得到；
步骤3，获取先验总碳通量，利用贝叶斯估计获得更优的后验总碳通量，根据后验总碳通量和足迹场获取模拟观测值，利用模拟观测值与实际观测值之差符合均值为0的正态分布的条件，反演出CO2背景场浓度；
步骤3中反演CO2背景浓度实现如下，
利用待定系数法求背景场浓度，假设背景场浓度为t，利用贝叶斯估计得到后验总碳通量，再利用后验总碳通量和足迹得到模拟观测值XCO2,m，模拟观测值XCO2,m和实际观测值差值符合均值为0的正态分布，
xp＝xa+(Sa -1+KTSε -1K)-1KTSε -1(y-t-Kxa)
mean(y-t-Kxp)＝0
其中，xa表示先验总碳通量，xp表示后验总碳通量，Sa表示先验总碳通量误差协方差，Sε表示观测值误差协方差，y为实际观测值，K为通过步骤2求得的足迹；mean()代表求均值，sum(X,2)表示对矩阵X各行求和。
2.根据权利要求1所述的一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法，其特征在于：步骤1中在运行WRF模型之前，进行三个预处理操作，包括对地表参数进行插值，从气象数据中提取所需要的气象参数，将气象参数插值到模拟区域。
3.一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的系统，其特征在于：用于实现如权利要求1-2任一项所述的一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
4.一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的系统，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，处理器用于调用存储器中的存储指令执行如权利要求1-2任一项所述的一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
5.一种可读存储介质，其特征在于：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1-2任一项所述的一种基于OCO-2数据和WRF-STILT模型反演CO2背景场浓度的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011528975.3A CN112597651B (zh) | 2020-12-22 | 2020-12-22 | 基于oco-2数据和wrf-stilt模型反演co2背景场浓度的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011528975.3A CN112597651B (zh) | 2020-12-22 | 2020-12-22 | 基于oco-2数据和wrf-stilt模型反演co2背景场浓度的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112597651A CN112597651A (zh) | 2021-04-02 |
| CN112597651B true CN112597651B (zh) | 2022-04-15 |
Family
ID=75200109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011528975.3A Active CN112597651B (zh) | 2020-12-22 | 2020-12-22 | 基于oco-2数据和wrf-stilt模型反演co2背景场浓度的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112597651B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113204543A (zh) * | 2021-04-26 | 2021-08-03 | 武汉大学 | 基于机器学习的二氧化碳柱浓度时空序列调整方法 |
| CN114547553B (zh) * | 2022-04-27 | 2022-08-02 | 河北先河环保科技股份有限公司 | 二氧化碳排放量的反演方法、装置、设备及存储介质 |
| CN114970184B (zh) * | 2022-06-07 | 2024-04-02 | 中国科学院地理科学与资源研究所 | 同步反演高分辨率人为co2排放与自然co2通量的同化方法及系统 |
| CN115186437B (zh) * | 2022-06-07 | 2024-04-05 | 中国科学院地理科学与资源研究所 | 碳同位素联合同化模型及甄别人为碳排放与自然碳通量区域同化系统的构建方法 |
| CN115436570B (zh) * | 2022-08-25 | 2023-07-07 | 二十一世纪空间技术应用股份有限公司 | 一种基于多元数据的二氧化碳浓度遥感监测方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108267725A (zh) * | 2018-03-20 | 2018-07-10 | 武汉大学 | 多波长激光雷达的co2浓度分层反演方法及系统 |
| CN109655843A (zh) * | 2019-01-16 | 2019-04-19 | 武汉大学 | 探测二氧化碳浓度廓线的脉冲红外差分吸收激光雷达系统 |
| CN111723482A (zh) * | 2020-06-17 | 2020-09-29 | 南京大学 | 一种基于卫星co2柱浓度观测反演地表碳通量的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11026376B2 (en) * | 2015-08-05 | 2021-06-08 | Dtn, Llc | Customized land surface modeling in a soil-crop system using satellite data to detect irrigation and precipitation events for decision support in precision agriculture |
-
2020
- 2020-12-22 CN CN202011528975.3A patent/CN112597651B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108267725A (zh) * | 2018-03-20 | 2018-07-10 | 武汉大学 | 多波长激光雷达的co2浓度分层反演方法及系统 |
| CN109655843A (zh) * | 2019-01-16 | 2019-04-19 | 武汉大学 | 探测二氧化碳浓度廓线的脉冲红外差分吸收激光雷达系统 |
| CN111723482A (zh) * | 2020-06-17 | 2020-09-29 | 南京大学 | 一种基于卫星co2柱浓度观测反演地表碳通量的方法 |
Non-Patent Citations (2)
| Title |
|---|
| An inversion method for estimating strong point carbon dioxide emissions using a differential absorption Lidar;TianqiShi等;《Journal of Cleaner Production》;20201020;全文 * |
| 基于WRF-STILT模型对高塔CO2浓度的模拟研究;胡诚等;《中国环境科学》;20170720;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112597651A (zh) | 2021-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112597651B (zh) | 基于oco-2数据和wrf-stilt模型反演co2背景场浓度的方法及系统 | |
| Stohl et al. | The Lagrangian particle dispersion model FLEXPART version 6.2 | |
| CN104834823B (zh) | 基于卫星-地基co2数据联合同化的碳源汇估测方法 | |
| Ford et al. | Global marine biogeochemical reanalyses assimilating two different sets of merged ocean colour products | |
| CN108038351A (zh) | 一种基于遥感影像和水生态模型的叶绿素计算方法 | |
| CN111487216A (zh) | 一种二氧化碳通量反演方法、系统 | |
| Anger et al. | China’s air pollution reduction efforts may result in an increase in surface ozone levels in highly polluted areas | |
| Zhou et al. | Effects of potential recirculation on air quality in coastal cities in the Yangtze River Delta | |
| Xiao et al. | Linking a global terrestrial biogeochemical model and a 2‐dimensional climate model: implications for the global carbon budget | |
| CN113406667B (zh) | 基于星载激光雷达获取城市co2格网化通量的方法及系统 | |
| Ye et al. | Constraining fossil fuel CO 2 emissions from urban area using OCO-2 observations of total column CO 2 | |
| Valigura et al. | Atmospheric nutrient input to coastal areas: Reducing the uncertainties | |
| Zhou et al. | Assessing the impact of urban sprawl on net primary productivity of terrestrial ecosystems using a process-based model—a case study in Nanjing, China | |
| CN115186437B (zh) | 碳同位素联合同化模型及甄别人为碳排放与自然碳通量区域同化系统的构建方法 | |
| Brévière et al. | Surface ocean-lower atmosphere study: Scientific synthesis and contribution to Earth system science | |
| Pan et al. | Spatial variability of daytime CO2 concentration with landscape structure across urbanization gradients, Shanghai, China | |
| CN114724647A (zh) | 一种高时空分辨率co2通量反演系统及方法 | |
| Tesdal et al. | Sensitivity of modelled sulfate aerosol and its radiative effect on climate to ocean DMS concentration and air–sea flux | |
| CN115728842A (zh) | 一种大气可降水量获取方法、系统、装置及存储介质 | |
| CN111078811B (zh) | 一种净初级生产力预警方法 | |
| CN115329425A (zh) | 一种空气质量驱动下的建筑群体形态优化设计方法及系统 | |
| Grašič et al. | Re-evaluation of the Lagrangian particle modelling system on an experimental campaign in complex terrain | |
| Yu et al. | Uncertainty in air–sea CO2 flux due to transfer velocity | |
| CN113516362B (zh) | 基于遥感与过程耦合模型的红树林净初级生产力估算方法 | |
| Allahudheen et al. | High-resolution GEOS-Chem model for Indian monsoon region: Seasonal cycle and budget of tropospheric CO2 |
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 |