CN113533241B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113533241B CN113533241B CN202110813550.5A CN202110813550A CN113533241B CN 113533241 B CN113533241 B CN 113533241B CN 202110813550 A CN202110813550 A CN 202110813550A CN 113533241 B CN113533241 B CN 113533241B
- Authority
- CN
- China
- Prior art keywords
- lambda
- inversion
- spectrum
- scd
- 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.)
- Active
Links
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 title claims abstract description 84
- 229910002092 carbon dioxide Inorganic materials 0.000 title claims abstract description 42
- 239000001569 carbon dioxide Substances 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000003860 storage Methods 0.000 claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims description 73
- 239000007789 gas Substances 0.000 claims description 47
- 230000003595 spectral effect Effects 0.000 claims description 33
- 238000012937 correction Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000005316 response function Methods 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims 2
- 230000004048 modification Effects 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 239000005431 greenhouse gas Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- -1 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001658 differential optical absorption spectrophotometry Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法、系统、设备与存储介质，相关方案中以先验气体参考谱为约束，对修正后的高质量的卫星红外超光谱进行非线性迭代拟合，最终可以得到高精度的大气二氧化碳浓度反演结果，能够实现CO2天基监测业务化的目标。
Description
技术领域
本发明涉及温室气体遥感监测领域，尤其涉及一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法、系统、设备与存储介质。
背景技术
大气CO2(二氧化碳)浓度上升是造成全球变暖的主要原因。大气CO2浓度是反映人类活动和地气系统相互作用强度的关键指标。自工业革命以来，以化石燃料燃烧和土地利用类型的变化为代表的人类活动成为了大气CO2浓度增长的主要因素。CO2的人为排放主要发生在大气底层，获取大气边界层CO2浓度是分析其产生与消耗(源与汇)机理，监测其时空分布与变化的核心问题。
然而，现有的观测手段，如地基点式仪器虽然具有较高的测量精度，但是分布稀疏，远远无法满足全球尺度的大尺度测量。因此，以卫星为代表的天基监测技术由于具有高时空分辨率、全球大尺度范围、不易外部气象因素干扰、对近地面CO2变化的高敏感性等优势而成为了最为有效的CO2监测手段。
TanSat卫星是我国首颗温室气体监测卫星，也是全球第三颗专门用于监测温室气体的“嗅碳”卫星。依托TanSat系列卫星能够实现CO2天基监测业务化的目标，考虑到现有的反演方案精度有待提升，因此，亟需研发一种高精度的大气CO2浓度反演方案来实现上述目标。
发明内容
本发明的目的是提供一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法、系统、设备与存储介质，具有较高的反演精度。
本发明的目的是通过以下技术方案实现的：
一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法，包括：
对光谱数据进行预处理，得到应用于实际反演的修正光谱数据；
基于实时更新模拟的垂直廓线库作为先验气体信息，得到先验气体参考谱数据库；
从应用于实际反演的修正光谱数据中选取CO2与O2指定光谱波段的数据，将先验气体参考谱数据库作为先验信息，采用非线性迭代拟合的方式，得到CO2与O2对应的斜柱浓度SCDCO2和SCDO2；
利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2计算CO2的干空气混合比。
一种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，包括：
预处理单元，用于对光谱数据进行预处理，得到应用于实际反演的修正光谱数据；
先验气体参考谱数据库构建单元，用于基于实时更新模拟的垂直廓线库作为先验气体信息，得到先验气体参考谱数据库；
斜柱浓度计算单元，用于从应用于实际反演的修正光谱数据中选取CO2与O2指定光谱波段的数据，将先验气体参考谱数据库作为先验信息，采用非线性拟合的方式，得到CO2与O2对应的斜柱浓度SCDCO2和SCDO2；
CO2干空气混合比计算单元，用于利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2计算CO2的干空气混合比。
一种处理设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现前述的方法。
一种可读存储介质，存储有计算机程序，当计算机程序被处理器执行时实现前述的方法。
由上述本发明提供的技术方案可以看出，以先验气体参考谱为约束，对修正后的高质量的卫星红外超光谱进行非线性迭代拟合，最终可以得到高精度的大气二氧化碳浓度反演结果，能够实现CO2天基监测业务化的目标。
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卫星红外超光谱的大气二氧化碳浓度高精度反演方法的流程图；
图2为本发明实施例提供的光谱预处理对各项结果的提升效果示意图；
图3为本发明实施例提供的高时空分辨先验气体参考谱数据库的构建对反演的提升效果示意图；
图4为本发明实施例提供的CO2在1602.88nm处不同FWHM下吸收截面与光学厚度的关系示意图；
图5为本发明实施例提供的多项高阶非线性迭代拟合方程对近红外波段处光谱的拟合效果示意图；
图6为本发明实施例提供的本发明反演得到的全球XCO2的年平均分布图；
图7为本发明实施例提供的一种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的示意图；
图8为本发明实施例提供的一种处理设备的示意图。
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。
首先对本文中可能使用的术语进行如下说明：
术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述，应被解释为非排它性的包括。例如：包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等)，应被解释为不仅包括明确列出的某技术特征要素，还可以包括未明确列出的本领域公知的其它技术特征要素。
下面对本发明所提供的一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本发明实施例中未注明具体条件者，按照本领域常规条件或制造商建议的条件进行。本发明实施例中所用仪器未注明生产厂商者，均可以为常规产品。
如图1所示，一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法，包括如下步骤：
步骤1、对光谱数据进行预处理，得到应用于实际反演的修正光谱数据。
考虑到卫星地面实验室仪器响应函数定标参数对在轨运行不适用、由于仪器性能衰减所造成的光谱偏移拉伸等问题，因此，需要通过预处理对光谱数据进行修正，以得到应用于实际反演的修正光谱数据，优选的预处理方式为：通过重新拟合仪器响应函数与形变修正后的光谱数据，得到修正的辐亮度，并在预实验中计算出光谱修正因子，对形变修正后的所有待反演光谱数据进行修正，得到应用于实际反演的修正光谱数据。具体的，本步骤的优选实施方式如下：
步骤11、采用对数高斯函数重新拟合仪器响应函数，表示为：
其中，s、α分别是宽度因子和形状因子，Γ为伽马函数，λc,j是第j个拟合窗口的中心波长；λ为波长，abs(.)是取绝对值函数。
步骤11中原始的仪器响应函数响应数据由TanSat的level 1B数据提供；也即上式子中的λ和原始的ILS值是已知数据，上式是基于已知数据重新拟合了ILS和波长的关系。
步骤12、将每个拟合窗口采用多阶多项式拟合方程对光谱数据的形变进行修正，得到修正量Δλ，将波长λ修正为λ-Δλ。
所述的形变主要是指仪器在轨运行期间性能衰减造成的拉伸偏移等形变。
步骤13、利用CO2的吸收截面σp卷积重新拟合的仪器响应函数，得到修正的辐亮度，q表示为：
其中，I′(λ-Δλ)为修正的辐亮度，
为卷积符号，IS为指定波段范围内的太阳谱(例如，涵盖1560–1740nm波段，分辨率为0.001nm)，cp表示第p中种气体的浓度，P表示气体总数。
步骤14、利用形变修正后的光谱数据进行反演的预实验，得到初步的模拟光谱Isim(λ-Δλ)，由初步的模拟光谱Isim(λ-Δλ)和修正的辐亮度I′(λ-Δλ)得到光谱修正因子cor(λ-Δλ)，表示为：
随机选取全球40°S-40°N之间、无云情形下各地的多条光谱，多次重复步骤14，并求得光谱平均修正因子coravg(λ-Δλ)。
步骤15、将所有形变修正后的待反演光谱数据记为Imeansured(λ-Δλ)，利用步骤14中得到的光谱平均修正因子coravg(λ-Δλ)，得到应用于实际反演的修正光谱数据Ifinal(λ-Δλ)，其关系可表示为：
lnIfinal(λ-Δλ)＝coravg(λ-Δλ)·ln[Imeabsured(λ-Δλ)]。
如图2所示，为光谱预处理对各项结果的提升效果；其中，左侧一列为光谱进行了预处理，右侧一列为光谱未做预处理，第一行为CO2的总柱浓度的反演结果(molecules/cm2)，第二行为拟合残差均方根，第三行为不确定度与反演结果的比值(％)。
步骤2、基于实时更新模拟的垂直廓线库作为先验气体信息，得到先验气体参考谱数据库。
以往依靠先验气体参考谱作为先验信息的方案中，通常在全球各地仅仅使用美国于1976年测得的USS76一组标准廓线，目标气体先验信息十分单一。如今全球大气成分已经发生很大的改变，并且同一个时刻全球各个地点的目标气体垂直浓度有着很大的差别。
本发明中为了更加真实反映了当地该时刻的大气真实情况，解决由于使用陈旧单一的USS76廓线引起的反演偏差，基于实时更新模拟的垂直廓线库作为先验气体信息，得到先验气体参考谱数据库；例如，考虑具体的地理位置，可以GEOS-Chem v12-21实时更新模拟的全球2°×2.5°日分辨率垂直廓线库作为先验气体信息，之后通过HITRAN2016数据库得到全球高时空分辨率的先验气体参考谱数据库。
如图3所示，为高时空分辨先验气体参考谱数据库的构建对反演的提升效果，具体的图3展示的是本发明构建的高时空分辨率先验气体参考谱数据库与仅采用USS76廓线的反演结果对比，其中(a)～(d)四个部分展示了2017年4月GOSAT卫星、OCO-2卫星以及TanSat卫星在不同廓线下的CO2月平均分布结果，(c)部分是指采用本发明构建的先验气体参考谱数据库得到的结果，先验气体参考谱数据库的原始廓线由GEOS-Chem得到，3(d)部分是指采用美国于1976年构建的标准大气气体(USS76)作为先验气体参考谱反演得到的结果；(e)～(h)四和部分展示了不同先验的TanSat反演结果与GOSAT和OCO-2之间的差别。
步骤3、从应用于实际反演的修正光谱数据中选取CO2与O2指定光谱波段的数据，将先验气体参考谱数据库作为先验信息，采用非线性迭代拟合的方式，得到CO2与O2对应的斜柱浓度SCDCO2和SCDO2。
本发明实施例中，指定光谱波段主要是指吸收强度满足设定要求的光谱波段，具体的要求可由用户根据实际情况或者经验自行设定，本发明不做具体的波段数值限定。示例性的，可以选取CO2的光谱波段1594–1624nm，O2的光谱波段758–773nm。
如图4所示，为CO2在1602.88nm处不同FWHM(Full Width At Half Maxima，高斯型狭缝函数的半高宽度)下吸收截面与光学厚度的关系，可见，经典的差分吸收光谱技术(DOAS)目标成分的吸收截面不随温度、压强变化且呈线性吸收的基本假设在近红外波段所带来的巨大偏差。因此，本发明实施例中，构建了一种多项高阶非线性迭代拟合方程，其以先验气体参考谱为约束，对高质量的卫星红外超光谱(即步骤1得到的数据)，引入多个高阶非线性项
直接进行非线性迭代拟合，表示为：
其中，F(xi)为大气状态矢量xi时大气光学厚度模拟值，I0为太阳入射光强，将大气层按照不同弄垂直高度分成K层，
为第k层大气先验参考谱的总光学厚度，xk,i为第k层大气第i次迭代下的状态矢量，包含了每一层大气中目标痕量气体的先验光学厚度和比例因子，am,i为第i次迭代下的m阶多项式系数，λ表示波长。
本发明实施例中，CO2与O2是分别采用上述式子进行计算，方法一致。以CO2为例子，先验气体参考谱中的CO2廓线包含了波段内CO2的总光学厚度Dref和先验的气体浓度c0，这两者之间存在着对应关系，在迭代拟合后得到了新的拟合光学厚度D′通过新的D′找到其对应的浓度SCD即可，也就是SCD＝D′/Dref·c0。
需要说明的是，本步骤主要保护的是如何进行非线性迭代拟合，也就是上述非线性拟合迭代的公式，利用拟合结果得到对应的斜柱浓度均为本领域的基础知识。
如图5所示，为该多项高阶非线性迭代拟合方程对近红外波段处光谱的拟合效果；其中，(a)部分为实测光谱与拟合光谱，(b)部分为拟合残差，(c)部分为整条轨道整体拟合R2和残差分布；其中，Fitten R2指拟合谱与实测谱之间的拟合优度，y＝0是光学厚度拟合残差为0的直线，y是光学厚度的拟合残差，R2与Fitten R2意义相同。。
步骤4、利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2计算CO2的干空气混合比。
为了将计算得到的斜柱浓度转换成垂直柱浓度，首先利用卫星观测角LZA和太阳天顶角SZA计算CO2与O2的初始空气质量因子。由于地球并不是一个标准球体，并且地表高度存在差异，因此，利用构建几何地形矫正参数表对初始空气质量因子几何校正得到了新的空气质量因子，记为AMFCO2与AMFO2。
再利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2，并结合修正后的CO2与O2的空气质量因子(AMFCO2与AMFO2)计算CO2的干空气混合比，表示为：
其中，MO2与Mdryair分别表示单位面积上干空气柱中O2的总质量和干空气分子的总质量。
如图6所示，为基于本发明上述方案得到的全球XCO2的年平均分布图(2017年9月至2018年8月)。
为了说明本发明上述方案的反演精度，与全球地面TCCON站点进行对比验证。具体地，验证方法以及条件：(1)选取空间距离为800km以内的卫星产品为待测抽样。(2)时间为当地时间11:30-15:30卫星过境时的TCCON测量值的平均值为地面标准。(3)两者进行线性相关分析，以所得的标准差为测量精度，以偏差为测量偏差。验证结果如表1所示，可见本发明上述方案反演得到的XCO2的总体精度可以达到1.75ppm。
表1本发明的XCO2反演结果与TCCON站点对比结果
本发明另一实施例还提供一种大气基于卫星红外超光谱的二氧化碳浓度高精度反演系统，该系统主要用于实现前述实施例提供的方案，如图7所示，该系统主要包括：
预处理单元，用于对光谱数据进行预处理，得到应用于实际反演的修正光谱数据；
先验气体参考谱数据库构建单元，用于基于实时更新模拟的垂直廓线库作为先验气体信息，得到先验气体参考谱数据库；
斜柱浓度计算单元，用于从应用于实际反演的修正光谱数据中选取CO2与O2指定光谱波段的数据，将先验气体参考谱数据库作为先验信息，采用非线性拟合的方式，得到CO2与O2对应的斜柱浓度SCDCO2和SCDO2；
CO2干空气混合比计算单元，用于利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2计算CO2的干空气混合比。
本发明另一实施例还提供一种处理设备，如图8所示，其主要包括：一个或多个处理器；存储器，用于存储一个或多个程序；其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现前述实施例提供的方法。
进一步的，所述处理设备还包括至少一个输入设备与至少一个输出设备；在所述处理设备中，处理器、存储器、输入设备、输出设备之间通过总线连接。
本发明实施例中，所述存储器、输入设备与输出设备的具体类型不做限定；例如：
输入设备可以为触摸屏、图像采集设备、物理按键或者鼠标等；
输出设备可以为显示终端；
存储器可以为随机存取存储器(Random Access Memory，RAM)，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。
本发明另一实施例还提供一种可读存储介质，存储有计算机程序，当计算机程序被处理器执行时实现前述实施例提供的方法。
本发明实施例中可读存储介质作为计算机可读存储介质，可以设置于前述处理设备中，例如，作为处理设备中的存储器。此外，所述可读存储介质也可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
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 (7)
1.一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法，其特征在于，包括：
对光谱数据进行预处理，得到应用于实际反演的修正光谱数据；
基于实时更新模拟的垂直廓线库作为先验气体信息，得到先验气体参考谱数据库；
从应用于实际反演的修正光谱数据中选取CO2与O2指定光谱波段的数据，将先验气体参考谱数据库作为先验信息，采用非线性迭代拟合的方式，得到CO2与O2对应的斜柱浓度SCDCO2和SCDO2；
利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2计算CO2的干空气混合比；
其中，所述预处理的步骤包括：
采用对数高斯函数重新拟合仪器响应函数，表示为：
其中，s、α分别是宽度因子和形状因子，Γ为伽马函数，λc,j是第j个拟合窗口的中心波长，λ为波长，abs(.)是取绝对值函数；
将每个拟合窗口采用多阶多项式拟合方程对光谱数据的形变进行修正，得到修正量Δλ，将波长λ修正为λ-Δλ；
利用CO2的吸收截面σp卷积重新拟合的仪器响应函数，得到修正的辐亮度，表示为：
其中，I′(λ-Δλ)为修正的辐亮度，
为卷积符号，IS为指定波段范围内的太阳谱，cp表示第p种气体的浓度，P表示气体总数；
利用形变修正后的光谱数据进行反演的预实验，得到初步的模拟光谱Isim(λ-Δλ)，由初步的模拟光谱Isim(λ-Δλ)和修正的辐亮度I′(λ-Δλ)得到光谱修正因子cor(λ-Δλ)，表示为：
对于多条光谱数据，重复操作后求得光谱平均修正因子coravg(λ-Δλ)；
将所有形变修正后的待反演光谱数据记为Imeansured(λ-Δλ)，利用光谱平均修正因子coravg(λ-Δλ)，得到应用于实际反演的修正光谱数据Ifinal(λ-Δλ)表示为：
lnIfinal(λ-Δλ)＝coravg(λ-Δλ)·ln[Imeansured(λ-Δλ)]。
2.根据权利要求1所述的一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法，其特征在于，对CO2与O2分别进行非线性迭代拟合，所述非线性迭代拟合的方式通过如下多项高阶非线性迭代拟合方程实现：
其中，F(xi)为大气状态矢量xi时大气光学厚度模拟值，I0为太阳入射光强，将大气层按照不同垂直高度分成K层，
为第k层大气先验参考谱的总光学厚度，xk,i为第k层大气第i次迭代下的状态矢量，包含了每一层大气中目标痕量气体的先验光学厚度和比例因子，am,i为第i次迭代下的m阶多项式系数，λ表示波长。
3.根据权利要求1所述的一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法，其特征在于，所述利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2计算CO2的干空气混合比包括：
利用卫星观测角和太阳天顶角计算CO2与O2的空气质量因子，并利用构建的几何地形矫正参数表进行修正；
利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2，并结合修正后的CO2与O2的空气质量因子计算CO2的干空气混合比。
4.根据权利要求1或3所述的一种基于卫星红外超光谱的大气二氧化碳浓度高精度反演方法，其特征在于，计算CO2的干空气混合比的公式为：
其中，AMFCO2与AMFO2分别表示利用建的几何地形矫正参数表修正后的CO2与O2的空气质量因子，Mo2与Mdryair分别表示单位面积上干空气柱中O2的总质量和干空气分子的总质量。
5.一种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，其特征在于，包括：
预处理单元，用于对光谱数据进行预处理，得到应用于实际反演的修正光谱数据；
先验气体参考谱数据库构建单元，用于基于实时更新模拟的垂直廓线库作为先验气体信息，得到先验气体参考谱数据库；
斜柱浓度计算单元，用于从应用于实际反演的修正光谱数据中选取CO2与O2指定光谱波段的数据，将先验气体参考谱数据库作为先验信息，采用非线性拟合的方式，得到CO2与O2对应的斜柱浓度SCDCO2和SCDO2；
CO2干空气混合比计算单元，用于利用CO2与O2对应的斜柱浓度SCDCO2和SCDO2计算CO2的干空气混合比；
其中，所述预处理的步骤包括：
采用对数高斯函数重新拟合仪器响应函数，表示为：
其中，s、α分别是宽度因子和形状因子，Γ为伽马函数，λc,j是第j个拟合窗口的中心波长，λ为波长，abs(.)是取绝对值函数；
将每个拟合窗口采用多阶多项式拟合方程对光谱数据的形变进行修正，得到修正量Δλ，将波长λ修正为λ-Δλ；
利用CO2的吸收截面σp卷积重新拟合的仪器响应函数，得到修正的辐亮度，表示为：
其中，I′(λ-Δλ)为修正的辐亮度，
为卷积符号，IS为指定波段范围内的太阳谱，cp表示第p种气体的浓度，P表示气体总数；
利用形变修正后的光谱数据进行反演的预实验，得到初步的模拟光谱Isim(λ-Δλ)，由初步的模拟光谱Isim(λ-Δλ)和修正的辐亮度I′(λ-Δλ)得到光谱修正因子cor(λ-Δλ)，表示为：
对于多条光谱数据，重复操作后求得光谱平均修正因子coravg(λ-Δλ)；
将所有形变修正后的待反演光谱数据记为Imeansured(λ-Δλ)，利用光谱平均修正因子coravg(λ-Δλ)，得到应用于实际反演的修正光谱数据Ifinal(λ-Δλ)表示为：
lnIfinal(λ-Δλ)＝coravg(λ-Δλ)·ln[Imeansured(λ-Δλ)]。
6.一种处理设备，其特征在于，包括：一个或多个处理器；存储器，用于存储一个或多个程序；
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1～4任一项所述的方法。
7.一种可读存储介质，存储有计算机程序，其特征在于，当计算机程序被处理器执行时实现如权利要求1～4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110813550.5A CN113533241B (zh) | 2021-07-19 | 2021-07-19 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110813550.5A CN113533241B (zh) | 2021-07-19 | 2021-07-19 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113533241A CN113533241A (zh) | 2021-10-22 |
| CN113533241B true CN113533241B (zh) | 2022-12-20 |
Family
ID=78100165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110813550.5A Active CN113533241B (zh) | 2021-07-19 | 2021-07-19 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113533241B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114674758B (zh) * | 2022-05-27 | 2022-10-11 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 利用废弃盐穴、矿坑地质储存co2的状态监测系统 |
| CN115271265B (zh) * | 2022-09-27 | 2022-12-16 | 四川中电启明星信息技术有限公司 | 基于碳卫星数据的电能碳流转分析方法及系统 |
| CN117009818B (zh) * | 2023-04-12 | 2024-01-23 | 中国科学院空天信息创新研究院 | 一种基于多项式改正的大气co2融合方法和系统 |
| CN117269081B (zh) * | 2023-11-20 | 2024-03-15 | 北京英视睿达科技股份有限公司 | 一种温室气体的碳通量监测方法及碳通量监测系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760125A (zh) * | 2014-01-22 | 2014-04-30 | 中国科学院合肥物质科学研究院 | 一种提高温室气体浓度反演精度的方法 |
| CN103983599A (zh) * | 2014-02-13 | 2014-08-13 | 中国科学院合肥物质科学研究院 | 直射太阳光谱反演环境大气中二氧化碳垂直柱浓度的方法 |
| CN108426856A (zh) * | 2018-03-26 | 2018-08-21 | 武汉大学 | 评估激光雷达卫星测量大气co2浓度性能的综合分析系统 |
| 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 |
| CN111881569A (zh) * | 2020-07-24 | 2020-11-03 | 中国科学院大气物理研究所 | 二氧化碳柱浓度的反演方法、装置、存储介质及电子设备 |
| CN112414958A (zh) * | 2020-10-26 | 2021-02-26 | 武汉大学 | 基于激光雷达探测的co2浓度测量方法及系统 |
| CN112964666A (zh) * | 2021-02-03 | 2021-06-15 | 中国电子科技集团公司第二十八研究所 | 一种基于地表双向反射的大气二氧化碳含量计算方法 |
-
2021
- 2021-07-19 CN CN202110813550.5A patent/CN113533241B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760125A (zh) * | 2014-01-22 | 2014-04-30 | 中国科学院合肥物质科学研究院 | 一种提高温室气体浓度反演精度的方法 |
| CN103983599A (zh) * | 2014-02-13 | 2014-08-13 | 中国科学院合肥物质科学研究院 | 直射太阳光谱反演环境大气中二氧化碳垂直柱浓度的方法 |
| CN108426856A (zh) * | 2018-03-26 | 2018-08-21 | 武汉大学 | 评估激光雷达卫星测量大气co2浓度性能的综合分析系统 |
| 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 |
| CN111881569A (zh) * | 2020-07-24 | 2020-11-03 | 中国科学院大气物理研究所 | 二氧化碳柱浓度的反演方法、装置、存储介质及电子设备 |
| CN112414958A (zh) * | 2020-10-26 | 2021-02-26 | 武汉大学 | 基于激光雷达探测的co2浓度测量方法及系统 |
| CN112964666A (zh) * | 2021-02-03 | 2021-06-15 | 中国电子科技集团公司第二十八研究所 | 一种基于地表双向反射的大气二氧化碳含量计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| "Accounting for aerosol scattering in the CLARS retrieval of column averaged CO2 mixing ratios";Qiong Zhang 等;《Journal of Geophysical Research: Atmospheres》;20150729;第120卷(第14期);第7205-7217页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113533241A (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113533241B (zh) | 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 | |
| Wen et al. | A framework for harmonizing multiple satellite instruments to generate a long-term global high spatial-resolution solar-induced chlorophyll fluorescence (SIF) | |
| Du et al. | Retrieval of global terrestrial solar-induced chlorophyll fluorescence from TanSat satellite | |
| Verhoef et al. | Hyperspectral radiative transfer modeling to explore the combined retrieval of biophysical parameters and canopy fluorescence from FLEX–Sentinel-3 tandem mission multi-sensor data | |
| Orphal et al. | Absorption cross-sections of ozone in the ultraviolet and visible spectral regions: Status report 2015 | |
| Yoshida et al. | Retrieval algorithm for CO 2 and CH 4 column abundances from short-wavelength infrared spectral observations by the Greenhouse gases observing satellite | |
| Raspollini et al. | MIPAS level 2 operational analysis | |
| Kylling et al. | Effect of aerosols on solar UV irradiances during the Photochemical Activity and Solar Ultraviolet Radiation campaign | |
| CN111859695B (zh) | 基于高分五号卫星紫外可见高光谱的大气污染成分反演方法 | |
| CN111579504B (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
| Barkley et al. | Measuring atmospheric CO 2 from space using Full Spectral Initiation (FSI) WFM-DOAS | |
| Payne et al. | Absorption coefficient (ABSCO) tables for the Orbiting Carbon Observatories: version 5.1 | |
| Wang et al. | Vertical profiles of tropospheric ozone from MAX‐DOAS measurements during the CINDI‐2 campaign: Part 1—Development of a new retrieval algorithm | |
| Sun et al. | The influence of instrumental line shape degradation on NDACC gas retrievals: total column and profile | |
| CN111707622A (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 | |
| Somkuti et al. | Application of a PCA‐based fast Radiative transfer model to XCO2 retrievals in the shortwave infrared | |
| Kwon et al. | Description of a formaldehyde retrieval algorithm for the Geostationary Environment Monitoring Spectrometer (GEMS) | |
| Shan et al. | Retrieval of vertical profiles and tropospheric CO 2 columns based on high-resolution FTIR over Hefei, China | |
| Bai et al. | A fast and accurate vector radiative transfer model for simulating the near-infrared hyperspectral scattering processes in clear atmospheric conditions | |
| de Lange et al. | Methane profiles from GOSAT thermal infrared spectra | |
| Barret et al. | A tropopause-related climatological a priori profile for IASI-SOFRID ozone retrievals: improvements and validation | |
| Tian et al. | Evaluation of profile retrievals of aerosols and trace gases for MAX-DOAS measurements under different aerosol scenarios based on radiative transfer simulations | |
| Rodriguez et al. | Overview of the nadir sensor and algorithms for the NPOESS Ozone Mapping and Profiler Suite (OMPS) | |
| Bailey et al. | Inversion of limb radiance measurements: An operational algorithm | |
| CN113791042A (zh) | 一种低信噪比下的卫星遥感大气甲醛斜程总量监测方法 |
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 |