CN112630174A - 一种星载超光谱成像仪气体探测条带效应修正方法 - Google Patents
一种星载超光谱成像仪气体探测条带效应修正方法 Download PDFInfo
- Publication number
- CN112630174A CN112630174A CN202011467896.6A CN202011467896A CN112630174A CN 112630174 A CN112630174 A CN 112630174A CN 202011467896 A CN202011467896 A CN 202011467896A CN 112630174 A CN112630174 A CN 112630174A
- Authority
- CN
- China
- Prior art keywords
- concentration
- gas
- data
- banding
- track
- 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
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G01N2021/1793—Remote sensing
- G01N2021/1795—Atmospheric mapping of gases
-
- 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)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种星载超光谱成像仪气体探测条带效应修正方法。首先基于光照几何参数进行气体产品的大气传输光程校正;随后使用气体反演中均方根残差作为气体数据质量筛选判据,消除云饱和、光照过弱等因素导致的无效数据;再利用主成分分析算法实现对多轨数据气体浓度系统性条带效应结构的提取,用于条带效应修正。使用本发明条带效应修正方法,可以在准确的保留气体区域分布细节的同时,有效去除条带效应,解决了星载超光谱成像光谱仪在大气探测中的固有非均匀性问题,也有助于条带效应修正算法的自动业务化实现,实现星载超光谱成像光谱仪长寿命在轨期间的条带效应定期自动修正,最终实现高质量NO2、SO2、O3、HCHO、BrO、OClO等多种大气痕量气体成分的遥感探测。
Description
技术领域
本发明属于大气污染卫星遥感监测数据处理领域,具体涉及一种星载超光谱成像仪气体探测条带效应修正方法。
背景技术
卫星遥感技术以其独特的全球覆盖、快速、多光谱、大信息量的特点在大气环境监测领域占有无可比拟的优势。目前,国内外已经有多颗星载超光谱成像仪在轨运行,用于地球大气遥感,如欧洲的OMI、TROPOMI,中国的大气痕量气体差分吸收光谱仪(EMI)等。这些载荷设计视场大,面阵推扫工作方式工作,一天完成全球覆盖。光谱范围宽,覆盖紫外可见波段,光谱分辨率通常优于0.5nm。载荷通过探测地球大气或地球表面反射、散射的紫外/可见光辐射来解析痕量污染气体成分分布和变化。利用光谱数据,基于差分吸收光谱算法等手段,用户实现O3、NO2等气体的遥感定量反演。
星载超光谱成像仪应用过程中,由于仪器本身非均匀性的存在,导致了最终气体产品出现了系统性条带效应。以大气痕量气体差分吸收光谱仪(EMI)为例,在采用差分吸收光谱算法,反演NO2、O3、HCHO等气体产品过程中,均发现气体柱浓度呈现出异常的条带效应,在穿轨方向柱浓度存在系统性固定偏差,偏差的大小和位置基本固定。如图1给出了一轨观测的NO2斜柱浓度分布。可以看出伴随着升轨飞行轨迹,在横向穿轨方向分布着大小不一的竖线。考虑大气分布实际特质,这些条带是不应该存在。如果不加处理,会干扰真实气体浓度信息。
对于条带效应,目前现有的校正手段是基于洁净区域气体浓度均一的特点,通过统计学方法,分析条带偏差的大小进行校正。存在的问题是,统计过程中原始数据受云、光照、污染源排放干扰,需要人工挑选洁净区域的高质量数据进行统计,费时费力,难以实现业务化。考虑到星载仪器在轨寿命通常长于10年,由于仪器衰退,条带效应的校正系数也在持续变化,有必要开发一种新的气体探测条带效应修正方法。
发明内容
本发明的目的是提供一种星载超光谱成像仪气体探测条带效应修正方法,来消除条带效应对真实大气信息的干扰,获得高精度气体浓度数据产品,并实现业务化校正。
为了达到上述目的,本发明所采用的技术方案为:一种星载超光谱成像仪气体探测条带效应修正方法,利用基于光照几何参数进行气体产品的大气传输光程校正;随后使用气体反演中均方根残差作为气体数据质量筛选判据,消除云饱和、光照过弱等因素导致的无效数据;再利用主成分分析算法实现对多轨数据气体浓度系统性条带效应结构的提取,用于后续条带效应修正。如图2描述了条带效应修正流程。具体实现方法如下:
步骤1、对气体产品反演过程中的斜柱浓度进行大气传输光程校正。气体产品的生产过程包括斜柱浓度反演、垂直柱浓度转化。其中垂直柱浓度同观测几何角度无关,而斜柱浓度代表光线传输路径内气体积分浓度,二者转化需要借助辐射传输模型。为避免繁琐耗时的辐射传输模型计算过程,考虑到条带效应产生于斜柱浓度反演阶段,因此选择斜柱浓度数据进行后续分析。如图3所示,可以采用简化几何模型消除斜柱浓度同天顶角、方位角的相关性。将一轨斜柱浓度按照如下形式进行组织:
始终行号[0,m]代表一轨随着轨道飞行方向的顺序排列,列号[0,n]代表沿轨方向不同视场的顺序排列。引入太阳天顶角SZA、观测天顶角VZA,将SCD进行大气传输光程校正,快速转化为垂直柱浓度VCD:
步骤2、对柱浓度VCD数据进行数据质量筛选。星载超光谱成像仪探测的是地气散射/反射光谱,辐射强度大小也决定了仪器的性能表现。有云情况下,云顶强烈的反射导致辐射强度超过仪器动态范围上限,探测光谱存在饱和溢出情况。高纬度区域,较弱的光照会导致探测光谱信噪比低,噪声干扰大。有必要进行数据质量的自动化筛选。选择斜柱浓度反演中的均方根残差最为气体数据质量筛选判据,均方根残差过高则代表无效低质量数据,设置为空值,不参与后续条带校正分析。具体筛选阈值,不同载荷、不同气体成分存在区别,需要个性化配置。
步骤3、对多轨筛选后数据进行合并,参照公式(1)组织形式,最终形成二维数组,行方向代表不同交轨视场,列方向代表沿轨方向。选择一天15轨数据进行组合,该组合形式可以覆盖全球海域。
步骤4、采用主成分分析方法,对一天柱浓度数据进行沿轨方向降维,提取交轨方向特征向量。由于条带效应仅存在交轨方向,通过一天内上万组数据的综合分析,采用主成分分析手段进行系统性条带效应结构的识别提取,排除掉全球散点状分布的气体污染信息对条带结构的干扰。最终获取条带效应校正向量,表示为:
Offsetpca=[offsetp0 … offsetp1] (3)
步骤5、对条带效应主成分结构Offsetpca进行光照几何纠正。主成分分析方法提取的Offsetpca实际上被公式(2)进行的处理手段系统性缩小了,因此需要再反向放大,最终获取的条带效应校正系数Offsetcorrect表示为:
公式(4)中对所有参与分析数据的观测几何系数在沿轨方向进行平均处理。
步骤6、获取的条带效应校正系数Offsetcorrect应用于反演过程,对每组SCD反演结果进行校正处理,获取校正后数据后,最后再基于辐射传输模型完成高精度的垂直柱浓度转化。校正处理公式如下:
SCDcorrect=SCD+Offsetcorrect (5)
本发明与现有技术相比的优点在于:
(1)、本发明首次引入主成分分析的方法完成条带效应结构提取,相比人工分区域统计法计算效率高,可以实现业务自动化;
(2)、本发明采用一天多轨数据进行分析,并提出完备的数据预处理过程,大数据量输入保证了条带结构提取的准确性。
(3)、本发明具有较高的普适性。对于不同平台的大视场超光谱成像仪,通常都由于非均匀性导致条带效应出现,可适应性利用本发明进行产品质量提升。
附图说明
图1为星载超光谱成像仪EMI反演NO2柱浓度的穿轨条带效应实例;
图2为星载超光谱成像仪气体探测条带效应修正处理流程;
图3为应用于本发明的大气传输光程快速校正;
图4为本发明应用于EMI载荷反演NO2柱浓度的条带效应修正效果实例。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。。
本发明的目的是提供一种星载超光谱成像仪气体探测条带效应修正方法,来消除条带效应对真实大气信息的干扰,获得高精度气体浓度数据产品,并实现业务化校正。如图2描述了条带效应修正流程。具体步骤如下:
步骤1、对气体产品反演过程中的斜柱浓度进行大气传输光程校正。气体产品的生产过程包括斜柱浓度反演、垂直柱浓度转化。其中垂直柱浓度同观测几何角度无关,而斜柱浓度代表光线传输路径内气体积分浓度,二者转化需要借助辐射传输模型。为避免繁琐耗时的辐射传输模型计算过程,考虑到条带效应产生于斜柱浓度反演阶段,因此选择斜柱浓度数据进行后续分析。如图3所示,可以采用简化几何模型消除斜柱浓度同天顶角、方位角的相关性。将一轨斜柱浓度按照如下形式进行组织:
始终行号[0,m]代表一轨随着轨道飞行方向的顺序排列,列号[0,n]代表沿轨方向不同视场的顺序排列。引入太阳天顶角SZA、观测天顶角VZA,将SCD进行大气传输光程校正,快速转化为垂直柱浓度VCD:
步骤2、对柱浓度VCD数据进行数据质量筛选。星载超光谱成像仪探测的是地气散射/反射光谱,辐射强度大小也决定了仪器的性能表现。有云情况下,云顶强烈的反射导致辐射强度超过仪器动态范围上限,探测光谱存在饱和溢出情况。高纬度区域,较弱的光照会导致探测光谱信噪比低,噪声干扰大。有必要进行数据质量的自动化筛选。选择斜柱浓度反演中的均方根残差最为气体数据质量筛选判据,均方根残差过高则代表无效低质量数据,设置为空值,不参与后续条带校正分析。具体筛选阈值,不同载荷、不同气体成分存在区别,需要个性化配置。
步骤3、对多轨筛选后数据进行合并,参照公式(1)组织形式,最终形成二维数组,行方向代表不同交轨视场,列方向代表沿轨方向。选择一天15轨数据进行组合,该组合形式可以覆盖全球海域。
步骤4、采用主成分分析方法,对一天柱浓度数据进行沿轨方向降维,提取交轨方向特征向量。由于条带效应仅存在交轨方向,通过一天内上万组数据的综合分析,采用主成分分析手段进行系统性条带效应结构的识别提取,排除掉全球散点状分布的气体污染信息对条带结构的干扰。最终获取条带效应校正向量,表示为:
Offsetpca=[offsetp0 … offsetp1] (3)
步骤5、对条带效应主成分结构Offsetpca进行光照几何纠正。主成分分析方法提取的Offsetpca实际上被公式(2)进行的处理手段系统性缩小了,因此需要再反向放大,最终获取的条带效应校正系数Offsetcorrect表示为:
公式(4)中对所有参与分析数据的观测几何系数在沿轨方向进行平均处理。
步骤6、获取的条带效应校正系数Offsetcorrect应用于反演过程,对每组SCD反演结果进行校正处理,获取校正后数据后,最后再基于辐射传输模型完成高精度的垂直柱浓度转化。校正处理公式如下:
SCDcorrect=SCD+Offsetcorrect (5)
应用本发明,对星载大气痕量气体差分吸收光谱仪载荷NO2柱浓度产品的条带效应进行修正。如图1所示,校正前的NO2浓度产品能够发现明显的竖向条带,部分干扰了重污染区域的NO2分布信息。如图4所示,校正后的NO2浓度产品条带效应改善显著,去除了条带,同时保留了污染分布信息。良好的条带效应修改效果,也证明了本发明具有技术可行性和应用价值。
Claims (1)
1.一种星载超光谱成像仪气体探测条带效应修正方法,其特征在于:利用基于光照几何参数进行气体产品的大气传输光程校正;随后使用气体反演中均方根残差作为气体数据质量筛选判据,消除云饱和、光照过弱因素导致的无效数据;再利用主成分分析算法实现对多轨数据气体浓度系统性条带效应结构的提取,用于条带效应修正;具体实现方法如下:
步骤1、对气体产品反演过程中的斜柱浓度进行大气传输光程校正;气体产品的生产过程包括斜柱浓度反演、垂直柱浓度转化,其中垂直柱浓度同观测几何角度无关,而斜柱浓度代表光线传输路径内气体积分浓度,二者转化需要借助辐射传输模型;为避免繁琐耗时的辐射传输模型计算过程,考虑到条带效应产生于斜柱浓度反演阶段,因此选择斜柱浓度数据进行后续分析,可以采用简化几何模型消除斜柱浓度同天顶角、方位角的相关性,将一轨斜柱浓度按照如下形式进行组织:
始终行号[0,m]代表一轨随着轨道飞行方向的顺序排列,列号[0,n]代表沿轨方向不同视场的顺序排列;引入太阳天顶角SZA、观测天顶角VZA,将SCD进行大气传输光程校正,快速转化为垂直柱浓度VCD:
步骤2、对柱浓度VCD数据进行数据质量筛选;星载超光谱成像仪探测的是地气散射/反射光谱,辐射强度大小也决定了仪器的性能表现;有云情况下,云顶强烈的反射导致辐射强度超过仪器动态范围上限,探测光谱存在饱和溢出情况;高纬度区域,较弱的光照会导致探测光谱信噪比低,噪声干扰大;有必要进行数据质量的自动化筛选;选择斜柱浓度反演中的均方根残差最为气体数据质量筛选判据,均方根残差过高则代表无效低质量数据,设置为空值,不参与后续条带校正分析;具体筛选阈值,不同载荷、不同气体成分存在区别,需要个性化配置;
步骤3、对多轨筛选后数据进行合并,参照公式(1)组织形式,最终形成二维数组,行方向代表不同交轨视场,列方向代表沿轨方向;选择一天15轨数据进行组合,该组合形式可以覆盖全球海域;
步骤4、采用主成分分析方法,对一天柱浓度数据进行沿轨方向降维,提取交轨方向特征向量;由于条带效应仅存在交轨方向,通过一天内上万组数据的综合分析,采用主成分分析手段进行系统性条带效应结构的识别提取,排除掉全球散点状分布的气体污染信息对条带结构的干扰;最终获取条带效应校正向量,表示为:
Offsetpca=[offsetp0 … offsetp1] (3)
步骤5、对条带效应主成分结构Offsetpca进行光照几何纠正;主成分分析方法提取的Offsetpca实际上被公式(2)进行的处理手段系统性缩小了,因此需要再反向放大,最终获取的条带效应校正系数Offsetcorrect表示为:
公式(4)中对所有参与分析数据的观测几何系数在沿轨方向进行平均处理;
步骤6、获取的条带效应校正系数Offsetcorrect应用于反演过程,对每组SCD反演结果进行校正处理,获取校正后数据后,最后再基于辐射传输模型完成高精度的垂直柱浓度转化,校正处理公式如下:
SCDcorrect=SCD+Offsetcorrect (5)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011467896.6A CN112630174B (zh) | 2020-12-14 | 2020-12-14 | 一种星载超光谱成像仪气体探测条带效应修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011467896.6A CN112630174B (zh) | 2020-12-14 | 2020-12-14 | 一种星载超光谱成像仪气体探测条带效应修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112630174A true CN112630174A (zh) | 2021-04-09 |
CN112630174B CN112630174B (zh) | 2023-04-28 |
Family
ID=75312736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011467896.6A Active CN112630174B (zh) | 2020-12-14 | 2020-12-14 | 一种星载超光谱成像仪气体探测条带效应修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112630174B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113946936A (zh) * | 2021-08-23 | 2022-01-18 | 中国科学技术大学 | 基于emi超光谱卫星载荷的自适应迭代二氧化硫反演方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007283750A (ja) * | 2006-03-24 | 2007-11-01 | Seiko Epson Corp | バンディング補正情報生成装置、バンディング補正情報生成方法、およびバンディング補正情報生成プログラム、印刷装置、印刷方法、および印刷プログラム、ならびに前記プログラムを記録した記録媒体 |
US7558673B1 (en) * | 2006-03-03 | 2009-07-07 | Itt Manufacturing Enterprises, Inc. | Method and system for determining atmospheric profiles using a physical retrieval algorithm |
CN103234942A (zh) * | 2013-03-26 | 2013-08-07 | 中国科学院安徽光学精密机械研究所 | 利用天空散射光测量大气水平能见度的方法及装置 |
JP2015032205A (ja) * | 2013-08-05 | 2015-02-16 | 三菱電機株式会社 | 画像処理装置及び画像処理方法 |
US20150161768A1 (en) * | 2013-12-11 | 2015-06-11 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of National Defence | Methods for in-scene atmospheric compensation by endmember matching |
WO2018120444A1 (zh) * | 2016-12-31 | 2018-07-05 | 华中科技大学 | 一种动目标的红外辐射光谱特性仿真分析方法 |
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 |
WO2020084622A1 (en) * | 2018-10-24 | 2020-04-30 | Technion Research & Development Foundation Limited | Means and methods for detection and characterization of spectrally structured, continuously changing, diffuse radiation sources |
CN111426643A (zh) * | 2020-03-12 | 2020-07-17 | 北京中科锐景科技有限公司 | 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 |
-
2020
- 2020-12-14 CN CN202011467896.6A patent/CN112630174B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7558673B1 (en) * | 2006-03-03 | 2009-07-07 | Itt Manufacturing Enterprises, Inc. | Method and system for determining atmospheric profiles using a physical retrieval algorithm |
JP2007283750A (ja) * | 2006-03-24 | 2007-11-01 | Seiko Epson Corp | バンディング補正情報生成装置、バンディング補正情報生成方法、およびバンディング補正情報生成プログラム、印刷装置、印刷方法、および印刷プログラム、ならびに前記プログラムを記録した記録媒体 |
CN103234942A (zh) * | 2013-03-26 | 2013-08-07 | 中国科学院安徽光学精密机械研究所 | 利用天空散射光测量大气水平能见度的方法及装置 |
JP2015032205A (ja) * | 2013-08-05 | 2015-02-16 | 三菱電機株式会社 | 画像処理装置及び画像処理方法 |
US20150161768A1 (en) * | 2013-12-11 | 2015-06-11 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of National Defence | Methods for in-scene atmospheric compensation by endmember matching |
WO2018120444A1 (zh) * | 2016-12-31 | 2018-07-05 | 华中科技大学 | 一种动目标的红外辐射光谱特性仿真分析方法 |
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 |
WO2020084622A1 (en) * | 2018-10-24 | 2020-04-30 | Technion Research & Development Foundation Limited | Means and methods for detection and characterization of spectrally structured, continuously changing, diffuse radiation sources |
CN111426643A (zh) * | 2020-03-12 | 2020-07-17 | 北京中科锐景科技有限公司 | 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 |
Non-Patent Citations (10)
Title |
---|
YUHAN LUO ET AL.: "Vertical distributions of tropospheric formaldehyde, nitrogen dioxide, ozone and aerosol in southern China by ground-based MAX-DOAS and LIDAR measurements during PRIDE-GBA 2018 campaign", 《ATMOSPHERIC ENVIRONMENT》 * |
刘诚;白文广;张兴赢;张鹏;: "针对SCIAMACHY探测器问题的CO柱浓度反演算法改进与地基验证" * |
刘诚等: "针对SCIAMACHY探测器问题的CO柱浓度反演算法改进与地基验证", 《地球物理学报》 * |
单昌功等: "高分辨率太阳吸收光谱二氧化碳反演中参数的敏感性分析", 《光谱学与光谱分析》 * |
杨太平等: "大气痕量气体差分吸收光谱仪云量反演算法研究", 《光学学报》 * |
王汝雯等: "基于短波红外波段吸收技术的CO_2垂直柱浓度地基遥测反演方法研究", 《大气与环境光学学报》 * |
王鼎益等: "碳卫星高光谱数据CO2柱浓度反演初步研究", 《三峡生态环境监测》 * |
石鹏等: "基于多轴差分吸收光谱技术的对流层HCHO柱浓度测量研究", 《大气与环境光学学报》 * |
赵敏杰等: "基于谱线匹配技术的星载成像光谱仪星上光谱定标方法研究", 《光谱学与光谱分析》 * |
郭兴杰等: "HJ-1 A高光谱数据的条带噪声去除方法研究", 《遥感信息》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113946936A (zh) * | 2021-08-23 | 2022-01-18 | 中国科学技术大学 | 基于emi超光谱卫星载荷的自适应迭代二氧化硫反演方法 |
CN113946936B (zh) * | 2021-08-23 | 2023-06-16 | 中国科学技术大学 | 基于emi超光谱卫星载荷的自适应迭代二氧化硫反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112630174B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kreher et al. | Intercomparison of NO 2, O 4, O 3 and HCHO slant column measurements by MAX-DOAS and zenith-sky UV–visible spectrometers during CINDI-2 | |
De Smedt et al. | Diurnal, seasonal and long-term variations of global formaldehyde columns inferred from combined OMI and GOME-2 observations | |
Yoshida et al. | Improvement of the retrieval algorithm for GOSAT SWIR XCO 2 and XCH 4 and their validation using TCCON data | |
Lumpe et al. | Retrieval of polar mesospheric cloud properties from CIPS: Algorithm description, error analysis and cloud detection sensitivity | |
Pinardi et al. | Validation of tropospheric NO 2 column measurements of GOME-2A and OMI using MAX-DOAS and direct sun network observations | |
Rault et al. | The OMPS Limb Profiler environmental data record algorithm theoretical basis document and expected performance | |
Teyssier et al. | Radio-millimetre investigation of galactic infrared dark clouds | |
Pahlevan et al. | Uncertainties in coastal ocean color products: Impacts of spatial sampling | |
Barré et al. | Systematic detection of local CH 4 anomalies by combining satellite measurements with high-resolution forecasts | |
CN115265783B (zh) | 一种基于高光谱数据的多平台星下点瞬时交叉定标方法 | |
Qiu et al. | Evaluation of Landsat image compositing algorithms | |
Borsdorff et al. | Improving the TROPOMI CO data product: update of the spectroscopic database and destriping of single orbits | |
Mettig et al. | Ozone profile retrieval from nadir TROPOMI measurements in the UV range | |
Staebell et al. | Spectral calibration of the MethaneAIR instrument | |
CN115235997A (zh) | 一种基于卫星高光谱影像的土壤质地反演方法 | |
CN111426643B (zh) | 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法 | |
Tol et al. | Characterization and correction of stray light in TROPOMI-SWIR | |
CN113946936B (zh) | 基于emi超光谱卫星载荷的自适应迭代二氧化硫反演方法 | |
Taylor et al. | Evaluating the consistency between OCO-2 and OCO-3 XCO 2 estimates derived from the NASA ACOS version 10 retrieval algorithm | |
CN112630174A (zh) | 一种星载超光谱成像仪气体探测条带效应修正方法 | |
Hu et al. | A novel scene-based non-uniformity correction method for SWIR push-broom hyperspectral sensors | |
Thompson et al. | On-orbit calibration and performance of the EMIT imaging spectrometer | |
Zhu et al. | Comparison and evaluation of multiple satellite aerosol products over China in different scenarios under a unified criterion: Preparation for consistent and high-quality dataset construction | |
CN111256818B (zh) | 一种线阵推扫式遥感成像仪月球辐照度观测值的计算方法 | |
Schneider et al. | A full-mission data set of H 2 O and HDO columns from SCIAMACHY 2.3 µ m reflectance measurements |
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 |