CN113552081A - 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统 - Google Patents

一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统 Download PDF

Info

Publication number
CN113552081A
CN113552081A CN202110758931.8A CN202110758931A CN113552081A CN 113552081 A CN113552081 A CN 113552081A CN 202110758931 A CN202110758931 A CN 202110758931A CN 113552081 A CN113552081 A CN 113552081A
Authority
CN
China
Prior art keywords
ozone
observation
inversion
profile
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.)
Granted
Application number
CN202110758931.8A
Other languages
English (en)
Other versions
CN113552081B (zh
Inventor
刘诚
季祥光
李启华
邢成志
胡启后
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.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
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 University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202110758931.8A priority Critical patent/CN113552081B/zh
Publication of CN113552081A publication Critical patent/CN113552081A/zh
Application granted granted Critical
Publication of CN113552081B publication Critical patent/CN113552081B/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
    • 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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G01N2021/1789—Time resolved
    • 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
    • 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
    • G01N2021/3196—Correlating located peaks in spectrum with reference data, e.g. fingerprint data

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明属于环境污染物监测技术领域，具体为基于超高光谱遥感无盲区臭氧垂直分布的遥测系统。本发明系统硬件部分包括，高分辨率光谱仪、工业控制计算机、悬挂系统、方位角单元、仰角单元以及玻璃罩自动清洁系统；系统通过温湿度闭环控制，压制高分辨率光谱仪随机噪声与结构偏置，保证系统工作的稳定性与结果可靠性；系统软件部分包括反演算法模块，将硬件系统获得的天空散射光谱序列，经过反演得到近地面以上大气臭氧分布浓度。本发明解决了基于地基超高光谱遥感无盲区对流层臭氧受平流层强吸收干扰的难题，降低了上对流层臭氧观测敏感性不足对反演结果的影响，获得了近地面对流层尤其边界层内无盲区臭氧垂直分布结果，具有广阔应用前景。

Description

一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统
技术领域
本发明属于环境污染物监测技术领域，具体涉及基于超高光谱遥感无盲区臭氧垂直分布的遥测系统。
背景技术
随着社会经济的发展，居民生活、交通运输与工业生产等产生大量颗粒物、氮氧化物、硫化物等并释放到大气环境中，治理环境污染成为各个国家共同关注的科学问题。自2013年开始，我国开始实施“大气十条”与三年蓝天保卫战，全国各地大气颗粒物浓度显著降低，而臭氧浓度却出现逐渐升高态势。“十四五”期间，我国将开展PM2.5与臭氧协同控制研究与行动，臭氧浓度监测意义日益凸显。
目前国内外监测臭氧的主要手段有臭氧点式采样分析仪、臭氧激光雷达、臭氧探空仪、高光谱观测卫星等；臭氧点式采样分析仪只能测量采样点附近臭氧瞬时浓度，而缺少边界层内臭氧垂直各个高度处的浓度信息；臭氧激光雷达具备高分辨率探测边界层内臭氧垂直廓线的能力，但由于雷达系统本身存在盲区以及重叠区，雷达无法获取盲区内臭氧结果，重叠区内浓度若未有效修正也将直接影响浓度结果，因此雷达对于近地面臭氧时序变化缺少有效监测能力；臭氧探空仪具备探测从近地面至对流层臭氧浓度垂直变化的能力，但由于观测释放成本极高，不具备高时空分辨率式观测；高光谱观测卫星能够获取全球各地臭氧廓线信息，但空间水平分辨率较低、对边界层内浓度变化不敏感，且对于单一目标地点，每天只能获取卫星过境时刻臭氧垂直廓线信息。
地基超高光谱遥感以数据采集迅速、可同时获取多污染物垂直分布信息、具备全自动无人值守观测等优点，在环境监测领域具备无可比拟的优势。对于臭氧垂直分布而言，平流层臭氧占地球大气臭氧总量的90％。地面被动散射光谱中解析出的臭氧吸收信号包含了大量平流层臭氧信息，为对流层臭氧廓线的反演带来巨大困难。综上所述，现有观测手段及相应算法难以快速、连续、高分辨率、无盲区地获取对流层臭氧垂直分布演化信息。
发明内容
为弥补目前对流层无盲区臭氧垂直分布观测方法的不足，本发明提供一种能够快速、连续、高分辨率、无盲区地获取对流层臭氧垂直分布演化信息的基于超高光谱遥感无盲区臭氧垂直分布的遥测系统。
本发明系统能够提供日间对流层臭氧垂直分布演化结果，结合臭氧前体物观测，可以实现臭氧年际变化、区域传输、垂直生成敏感性研究，并将其作为化学传输模型输入、结果验证等进一步分析提供观测数据支持。
本发明提供的基于超高光谱遥感无盲区臭氧垂直分布的遥测系统，其硬件部分包括一高分辨率光谱仪1、用于系统控制与数据采集的工业控制计算机(简称工控机)2、用于闭环控制恒定温湿度工作环境的悬挂系统3、水平偏摆旋转的方位角单元4、垂直俯仰旋转的仰角单元5、玻璃罩以及自动清洁系统；仪器硬件整体搭建依赖于悬挂系统；参见图1所示；其中：
所述超高分辨率光谱仪1，通过数据线与工控机2连接；
所述悬挂系统3，其内部安装有温湿度传感器和温湿度调节器6；温湿度传感器用于检测系统的温湿度情况；温湿度调节器用于调节系统的温湿度；
所述水平偏摆旋转的方位角单元4，位于悬挂系统顶部，方位角单元4底部设有直流驱动的水平旋转电机，可以实现0-360度水平偏摆；方位角电机与机顶连接转轴14；参见图2所示；
所述玻璃罩，为圆柱形，位于方位角单元一侧；
所述垂直俯仰旋转的仰角单元5，设置于玻璃罩内；仰角单元5由两个相互垂直放置的直角棱镜20和控制其俯仰旋转的直流驱动电机13组成，直角棱镜20用于收集天空散射光并导入石英光纤，直流驱动电机13用于控制直角棱镜的俯仰旋转，以便收集不同仰角下的天空散射光；石英光纤12与超高分辨率光谱仪1相连；石英光纤12与单元控制线组成总线进入悬挂系统3内；
所述玻璃罩上，安装有自动清洁系统，用于去除玻璃罩上的浮灰、水雾等附着物；该自动清洁系统包括：
附着在玻璃罩外延的包裹着纤维布条的不锈钢环19，该不锈钢环通过连接杆固定连接至一滑块16，该滑块与螺纹匹配的螺杆18相互螺纹嵌套连接；
带有丁字形滑块槽的滑动导轨17，所述螺杆18一端连接至清洁系统电机21，另一端滑动连接于一旋转槽22内；参见图3。清洁系统电机的正反转可以带动实现包裹有纤维布条的不锈钢环19前后移动，从而清洁玻璃罩。玻璃罩自动清洁系统在每日清晨进入观测状态前由工控机控制自动清洁玻璃罩。
由于我国大气雾霾天气较多且往往持续时间较长，长期观测的仪器玻璃罩表面会附着有细颗粒与水雾等。玻璃罩是仪器光谱采集过程中必要的光学元件，未清洁的玻璃罩会显著影响接收到的光谱强度以及光谱结构，而光谱强度与光谱结构是超光谱拟合算法解析的重要原始数据。所以系统在仰角单元外的玻璃罩上设置了自动清洁系统，使玻璃罩保持清洁、透明状态，确保系统测量的正确性。
所述工控机，用于控制系统工作与数据采集，包括：控制每条测量光谱曝光时间、采集记录光谱数据；实时获取系统内温湿度传感器检测到的温湿度信息；通过红外信号控制温湿度调节器预设温湿度；闭环控制系统内工作环境，保证系统开机自动进入预设环境与动态平衡；通过数据线控制方位角单元与仰角单元的旋转；控制自动清洁系统去除玻璃罩上的浮灰与水雾。
本发明系统一般放置于高建筑物顶平台边缘，观测记录相对于水平位置上、下多仰角的天空散射光，并于夜间采集光谱仪偏置光谱与暗背景光谱。
本发明中，系统的硬件部分集成于一套闭环控制恒定温湿度工作环境的悬挂系统内。
本发明的基于超高光谱遥感无盲区臭氧垂直分布的遥测系统，其硬件部分的工作流程为：
系统上电后启动，系统内置工控机自动运行观测程序；
一，工控机自检与光谱仪、恒定温湿度控制器、方位角电机、仰角电机、自清洁系统电机等模块的串口信号连接；
二，工控机控制自清洁系统电机转动，使得包裹着纤维布条的不锈钢环往返运动，完成望远镜系统的玻璃罩清洁；
三，工控机控制方位角电机转动，使得望远镜观测方向转向预设观测方位；
四，工控机控制仰角电机转动，使得可俯仰旋转的直角棱镜转向预设仰角；
五，工控机控制高分辨率光谱仪采集光谱光强信息，并将其保存于本地；
六，工控机控制循环步骤四和五，观测仰角一般为一组包含仰角为90度的观测序列。
由于本发明探测目标量臭氧，臭氧主要分布于平流层，对流层臭氧约占整层大气的百分之十，与其他绝大多数污染气体不同，对流层臭氧吸收信号相比于强烈的平流层背景信号要弱得多。而超高光谱仪记录的光谱中含有暗背景以及偏置等光谱仪噪声。悬挂系统内需保持稳定的18-22摄氏度以及30％-60％的相对湿度环境，可以有效降低光谱仪本身的光谱噪声，便于对流层臭氧的观测反演。因此该悬挂系统内，工控机通过内置温湿度传感器实时获取系统内工作环境，并通过红外遥控系统实时控制温湿度调节器，给封闭系统内加热/降温，除湿/加湿，使悬挂系统内保持适宜的温度和湿度环境。系统在设备上电开机后自动进入预设工作环境。
本发明的基于超高光谱遥感无盲区臭氧垂直分布的遥测系统，还包括软件部分；该软件部分是一反演算法模块。该反演算法模块，将硬件系统获得的天空散射光谱序列，经过反演得到近地面以上大气臭氧分布浓度；该算法构建从地基太阳散射光观测，多元非线性拟合获得臭氧光路总浓度，耦合多源大气参数数据库，求解臭氧垂直分布状态,经质量控制输出臭氧数据集以及全反演过程参数优化的算法框架。具体介绍如下：
当硬件系统置于近地面时，观测仰角相对于水平面不同角度(如1°,2°,3°,5°,8°15°…,30°…,90°等)，获得天空散射光谱序列，通过多大气参数耦合获取无盲区臭氧垂直分布算法(称为反演算法)，反演得到近地面以上大气臭氧分布浓度。当硬件系统置于离近地面较高的位置，如楼顶、山顶等，通过观测相对于水平面负仰角，即向下观测，获得天空散射光谱序列，通过多大气参数耦合获取无盲区臭氧垂直分布算法(称为反演算法)，反演得到硬件系统所在位置以下近地面大气臭氧分布浓度。
所述的反演算法，具体内容如下：
各第三方独立臭氧廓线数据库有各自时间分辨率，当数据库时间分辨率无法满足算法使用要求情况下，需要通过时间加权的数学运算分析，获取观测地对流层臭氧尤其边界层顶至平流层底(即上对流层)臭氧全时段的最优估算下廓线结果。本发明采用如下计算方案：
首先，计算出观测日前后逐月月平均结果，按照大气分层，相应获得每一层月度平均浓度，其计算公式为：
Figure BDA0003148902130000041
coni为第i层臭氧平均浓度，coni,j为外部数据库中获得的第j条第i层臭氧浓度，n为外部数据库中当月臭氧廓线总数目。
当日估计上对流层臭氧垂直分布状态，根据当日日期a以及当月总天数b按照时间加权获得，其计算公式为：
Figure BDA0003148902130000042
coni为估计上对流层臭氧第i层浓度，conk,i为当前第k月第i层平均臭氧浓度，conk+1,i为次月即第k+1月第i层平均臭氧浓度。
由于大气中臭氧约90％分布于平流层，不同于大部分污染气体主要集中分布于边界层，直接利用遥感常规污染物垂直分布的解析算法都无法获得正确的对流层臭氧垂直分布结果；本发明在廓线反演部分结合上述式(1)、式(2)结果，耦合多大气参数反演获得对流层臭氧廓线结果，构建无盲区臭氧垂直分布算法，具体步骤为：
第一步，将外部数据库观测地当日臭氧垂直分布信息按照反演算法要求的分层格点插值计算出逐层臭氧浓度；
第二步，构建反演的目标函数，由于地基遥感对于不同高度层臭氧信息敏感性不同，在反演中固定平流层臭氧浓度，将估计上对流层臭氧垂直分布浓度以及恒定的边界层内臭氧浓度作为先验信息，结合相应的系统观测仰角、太阳观测几何角度、大气温度压力廓线和边界层内气溶胶光学参数，如气溶胶消光系数、单次光学反照率、气溶胶非对称因子等已知边界条件，构建反演目标函数如下：
Figure BDA0003148902130000051
式中，m为观测仰角索引，M为观测仰角的总个数；n，k分别为设定反演的边界层与上对流层臭氧廓线的总层数(状态量个数)的索引，N，K分别为设定反演边界层内与上对流层臭氧总层数；x，x'和x”分别为边界层内、上对流层、平流层臭氧浓度(状态量)，xn与xk分别为第n层的边界层臭氧浓度与第k层的上对流层臭氧浓度，xa,n与xa,k分别为第n层的边界层内与第k层的上对流层臭氧浓度的先验值；Fm(x)为观测仰角为m时的臭氧光路总浓度的模拟值，ym为观测仰角为m时的臭氧光路总浓度的观测值；σε,m为观测仰角为m时的臭氧光路总浓度的误差，选取超光谱拟合算法计算的臭氧光路总浓度误差的两倍数值；σa,n与σa,k分别为边界层内第n层与上对流层第k层的臭氧浓度先验误差，两分层误差均设定为随分层海拔高度线性降低曲线，边界层内近地面层误差为100％，误差降低率随层数按照5％线性降低，上对流层内最底层误差为50％，误差降低率随层数按照2％线性降低。
在一个观测序列中将反演目标函数(也称价值函数)转化为矩阵形式：
Figure BDA0003148902130000052
其中，χ2(x)为反演目标函数，F(x,x',x”)为边界层内、上对流层、平流层臭氧浓度分别为向量x,x’,x”状态下前向模拟的臭氧光路总浓度，y为臭氧光路总浓度观测值，
Figure BDA0003148902130000053
为观测误差协方差矩阵的逆矩阵，xa，x'a分别为边界层内、上对流层的臭氧先验廓线状态向量；
Figure BDA0003148902130000054
分别为边界层内和上对流层的先验误差协方差矩阵的逆矩阵。在构建该反演目标函数后，通过非线性最优估计反演，获得边界层内以及上对流层臭氧浓度信息。
反演算法是一个迭代过程，在每一步迭代过程中，分别对边界层与上对流层迭代计算如下公式：
Figure BDA0003148902130000055
其中，i为迭代次数，
Figure BDA0003148902130000056
为第i次迭代时权重矩阵的转置矩阵，V(xi)为臭氧状态量为Xi的前向模拟的臭氧光路总浓度。
权重函数为臭氧光路总浓度对各层浓度的偏导数。
在迭代过程中，当总价值函数小于预设价值函数阈值，或累计迭代次数大于最大设定次数后，将迭代当次状态量输出为最终反演的臭氧廓线结果，并同步输出获得逐层臭氧浓度误差；将对流层臭氧浓度对高度积分获得对流层臭氧垂直柱总量、反演误差均方根等参数。
本发明还对上述反演算法的结果进行质量控制；即把经过算法获得臭氧垂直分布时序结果以及相应的反演质量评估参数(包括天空云量指数、反演廓线浓度误差、迭代次数、最终目标函数以及反演误差均方根等)按一定的筛选规则进行数据质量控制。以往类似的遥感结果筛选往往依赖于单一反演参数以及相应阈值，本发明采用以下筛选方案(质量控制算法)：
第一步，筛除反演中由于累计迭代次数大于最大设定次数而输出的廓线结果；
第二步，筛选掉太阳天顶角大于75度，或系统观测与太阳指向相对方位角小于45度对应时段的观测结果；
第三步，对观测期间云量指数时间序列进行五阶多项式拟合，获得云量阈值，筛除掉云指数小于阈值10％对应时间段的观测结果；
第四步，将反演获得的廓线浓度误差以及反演误差均方根分别按照从大到小进行排序，选取第80％质量评估参数数值作为筛选阈值，并对每条反演廓线进行参数检验，选取通过全部质量控制后的对流层臭氧廓线组成最终反演数据集。
上述质量控制算法在软件系统中构成质量控制算法模块。
本发明中，在有气球或臭氧探空参与的外场观测情景下，可以利用探空获取的臭氧廓线、其他辅助大气状态参数以及同观测点位超高光谱遥感反演的廓线结果进行一致性对比，通过参数反馈机制进行参数优化。反馈优化的流程示意图如图3所示。可以分为两个步骤：
(1)通过超光谱拟合算法拟合观测光谱获取臭氧光路总浓度；
(2)通过非线性最优估计获取对流层臭氧廓线。
其中，建立如下参数优化与调节机制：
(1)针对超光谱拟合算法反演臭氧光路总浓度，将探空获得的臭氧廓线以及大气状态参数，如大气温度压力、气溶胶信息等，将大气状态信息以及对应的太阳高度角、仪器与太阳相对方位角、仪器观测仰角等观测几何信息输入辐射传输模型(本发明可以采用2005年公开的辐射传输模型SCIATRAN，SCIATRAN 2.0–A new radiative transfer modelfor geophysical applications in the 175–2400nm spectral region,Advancesinspace research-series,36(5),1015-1019)中，模拟计算臭氧光路总浓度模拟值；通过模拟值与光谱分析后的臭氧光路总浓度观测值做相关性对比，依次调整超光谱拟合参数，如拟合波段的选取、拟合波段干扰气体种类选取、目标气体与干扰气体的吸收截面选取、大气吸收慢变化多项式阶数的选取、臭氧吸收非线性的修正等；
(2)针对非线性最优估计反演垂直廓线，在完成参数调节步骤(1)后，使用验证优化后的臭氧光路总浓度反演获得对流层臭氧廓线，将探空获得的臭氧廓线与算法反演结果逐层做相关性对比，分析不同层高处的反演效果，依次调整最优估计迭代中参数方案，如目标函数阈值、边界层内与上对流层臭氧先验误差百分比，设定误差随高度降低百分比等。
根据上述说明，与系统相适应的多大气参数耦合获取无盲区臭氧垂直分布算法(即反演算法)，具体步骤如下。
步骤一：水平放置好的仪器硬件系统，采集天空太阳散射光谱。对采集到的太阳散射光谱进行非线性矫正，以及光谱仪暗背景、偏置结构扣除。
步骤二：非天顶太阳散射光谱采用当圈天顶散射光谱作为参考谱，使用基于非线性最小二乘的超光谱拟合算法计算出各非天顶太阳散射光谱的臭氧光路总浓度。
步骤三：自其他第三方数据库获取并分析观测地对流层臭氧廓线日变化结果。通过数学运算，如加权平均，获得上对流层(边界层顶至平流层底部)的臭氧廓线逐月月平均结果，根据观测时间选取观测当月及上月月平均臭氧浓度廓线，并以一定数学运算方法，如加权计算，获得观测地当日估算上对流层臭氧廓线。
步骤四：以观测当日外部数据库平流层臭氧廓线、步骤三获取的观测地当日估算上对流层臭氧廓线、自其他独立数据库获得的当日温度压力廓线、自其他实况观测获取的边界层气溶胶廓线、步骤二获取的各观测仰角下的臭氧光路总浓度作为输入，根据公式3构建迭代目标函数，根据非线性最优估计迭代，当目标函数小于设定阈值后，输出观测当圈对流层臭氧垂直廓线。
步骤五：将输出的对流层臭氧廓线结果输入质量控制算法模块，根据反演参数如浓度误差、均方根值以及天空云量指数等对输出结果筛选验证，实现算法输出结果质量控制。将筛选后臭氧廓线与大气污染物成分点式采样结果做相关性分析，实现反演结果的自动校准验证。
本发明的反演算法，在有气球或臭氧探空参与的外场观测情景中，利用探空获取的臭氧廓线与其他大气状态参数，如大气温度压力、气溶胶信息等；通过臭氧光路总浓度的对比，反馈优化超光谱拟合参数方案；通过输出廓线结果与臭氧探空廓线对比，优化多大气参数耦合获取无盲区臭氧垂直分布算法的参数方案。反馈优化的流程示意图如图3所示。
反演算法作为一个软件模块内置于系统工控机内部，在仪器系统每日采集到光谱后，于观测日夜间对光谱进行数据的处理与分析。
本算法引入外部平流层臭氧垂直分布信息，减小平流层目标量不确定性干扰；耦合外部上对流层臭氧垂直分布计算模块，构建迭代价值函数；利用非线性最优估算，求解对流层尤其边界层内的无盲区臭氧垂直分布状态；构建质量控制模块，对反演结果筛选验证，实现算法输出结果质量控制；在有气球或臭氧探空参与的外场观测中，利用探空获取的臭氧廓线与其他大气状态参数，如温度压力、气溶胶信息等，通过臭氧光路总浓度的对比，优化多元非线性拟合参数方案；通过反演廓线结果与臭氧探空验证，优化最优估计迭代方案。
本发明提供的基于超高光谱遥感无盲区臭氧垂直分布的遥测系统，解决了基于地基超高光谱遥感无盲区对流层臭氧受平流层强吸收干扰的难题，降低了上对流层臭氧观测敏感性不足对反演结果的影响，获得了近地面对流层尤其边界层内无盲区臭氧垂直分布结果，提供了一种观测对流层臭氧垂直分布的新方案，具有广阔应用前景。
与现有技术相比，本发明的有益效果是：
本发明实现了超高光谱遥感无盲区臭氧垂直分布信息，拓展了超高光谱遥感大气污染物的目标气体种类与相关应用；本发明高时空分辨率地给出了对流层尤其边界层内的臭氧垂直分布，提供了一种新的大气臭氧观测方案；根据算法反演结果参数，实现结果质量控制，实现了全自动的基于超高光谱遥感臭氧廓线结果输出。
附图说明
图1为本发明系统的硬件构造图示。
图2为超光谱扫描仪机顶细节放大图示。
图3为自动清洁系统结构图示。
图4为本发明的算法反演流程图示。
图5为本发明中算法改进与参数优化流程示意图示。
图6为北京气科院站点2018年8月24日臭氧廓线结果。
图7为北京气科院站点2018年夏季近地面臭氧浓度与国控站点相关性分析结果。
图8为北京气科院站点2018年10月17日臭氧垂直廓线验证结果。
图中标号：1为光谱仪，2为工业控制计算机(简称工控机)，3为悬挂系统，4为水平偏摆旋转的方位角单元，5为垂直俯仰旋转的仰角单元，6为恒温湿度控制器，7为外接电源插孔。8为调节水平、水平移动的系统支撑，9为自动化结果展示窗口，10为设备总开关，11为工作状态监视面板，12为光纤，13为仰角单元控制电机，14方位角电机与机顶连接转轴，15为方位角单元控制电机，16为滑块，17为带滑块槽的滑动导轨，18为螺杆，19为包裹着纤维布条的不锈钢环，20为直角棱镜，21为自动清洁系统电机，22为螺杆旋转槽。
具体实施方式
为了使本发明的目的、技术方案及潜在使用价值更加清晰明白，以下结合附图及实施例对本发明作进一步的详细说明，应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
在以下实施例中，观测仪器位于我国首都北京西二环与西三环之间的中国气象科学院观测站点(39.94°N，116.32°E)，该站点位于北京市海淀区，属于一个典型的城市中心观测站点，选取观测时间为2018年6月至10月。超高光谱扫描仪搭建于气象局大院13楼楼顶，仪器指向东偏南40度自动连续观测天空太阳散射光谱。
在本观测实例中，系统采集观测指向多个仰角下的天空太阳散射光谱，观测仰角序列为1°，2°，3°，4°，5°，6°，8°，10°，15°，30°和90°.其中90°观测为天顶观测，在本观测案例中用作观测当圈参考光谱，一定程度上降低平流层吸收对于观测结果的影响。
在本实施例中，主要使用到了以下数据库：
(1)卫星平流层观测数据库，用于反演实施例中平流层臭氧廓线输入，以及当日估算上对流层臭氧垂直分布状态；
(2)温度压力廓线信息：臭氧探空或者无线电探空实测的温度压力垂直廓线，或大气化学传输模型以及气象模型等输出的气象结果，或中国气象台官网(http://www.nmc.cn/)获取；
(3)国家环境监测中心国控站点(结果获取网站https://quotsoft.net/air/)、近地面点式采样与分析仪、手持式臭氧监测仪等获取的臭氧逐时浓度结果，本结果为筛选后的臭氧反演结果验证提供依据。
图4为本发明提供的基于超高光谱遥感对流层臭氧垂直分布获取方法反演流程图，该反演方法包含以下步骤：
超高光谱仪自动采集天空散射光谱并自动存储于电脑，所有获取的光谱进行非线性矫正与扣除仪器夜间采集的光谱仪暗背景、偏置结构。
针对处理后的太阳散射光谱，每一条非天顶观测太阳谱，选择观测序列当圈天顶光谱作为参考光谱，选择适当的反演波长范围，以及该波长范围下适当的臭氧(目标气体)吸收截面与其他干扰气体吸收截面，使用超光谱拟合算法反演获得臭氧光路总浓度。在本实施实例中，我们给出了优化后的臭氧光路总浓度反演设置：选取320nm至340nm的光谱范围，使用基于高分辨率太阳参考光谱进行波长矫正定标；在臭氧光路总浓度的计算中，选取223k以及293k条件下的臭氧吸收截面为目标气体，同时选取298K下的NO2，298K下的SO2，297K下的HCHO，293K下的O4以及ring结构作为干扰量，使用三阶多项式扣除气体以及大气的吸收、散射随波长缓慢变化的消光结构。
在臭氧廓线的平流层获取以及上对流层臭氧廓线构建部分，本实施实例采用卫星反演的大气整层臭氧廓线产品。本实施例围绕气科院观测站点，索引距站点最相近的四个数据网格点臭氧廓线，数值平均后按照气压插值到廓线反演算法的分层高度海拔上，作为观测点当日臭氧廓线。
本实施实例中，获取并分析观测地对流层臭氧尤其边界层顶至平流层底即上对流层臭氧廓线时，首先计算出其观测日前后逐月月平均结果，按照大气分层，相应获得每一层月度平均浓度。
本实施例中，其计算公式为：
Figure BDA0003148902130000101
coni为第i层臭氧月度平均浓度，coni,j为卫星数据库提供的当月第j条第i层臭氧浓度，n为卫星数据库当月臭氧廓线总数目。
估算当日上对流层臭氧垂直分布状态时，根据反演当日日期a以及当月总天数b加权获得，其计算公式为：
Figure BDA0003148902130000102
coni为反演当日估算上对流层臭氧第i层浓度，conk,i为当前第k月第i层平均臭氧浓度，conk+1,i为次月即第k+1月第i层平均臭氧浓度。
本实施例中，基于拟合获得的臭氧光路总浓度以及相关融合数据集，构建迭代价值函数，并进行迭代计算。算法中将预先获得的仪器观测仰角及对应太阳观测几何角度、大气温度压力廓线，边界层内光学参数，如气溶胶消光系数、单次光学反照率、气溶胶非对称因子等作为反演约束条件，在反演算法中固定平流层臭氧浓度，将上对流层估算臭氧垂直分布浓度以及恒定的边界层内臭氧浓度作为先验信息构建反演的目标函数。特别注意的是，按照以往大气遥感中常用的目标函数构建方法以及迭代方程计算臭氧分布，会将整层臭氧作为目标量进行计算，无法正确反演获得对流层臭氧垂直分布信息。
本实施实例中，构建的价值函数为：
Figure BDA0003148902130000103
式中，m为观测仰角索引，M为观测仰角的总个数；n，k分别为设定反演的边界层与上对流层臭氧廓线的总层数(状态量个数)的索引，N，K分别为设定反演边界层内与上对流层臭氧廓线的总层数；x，x'和x”分别为边界层内、上对流层、平流层臭氧浓度(状态量)，xn与xk分别为第n层的边界层臭氧浓度与第k层的上对流层臭氧浓度，xa,n与xa,k分别为第n层的边界层内与第k层的上对流层臭氧浓度的先验值；Fm(x)为观测仰角为m时的臭氧光路总浓度的模拟值，ym为观测仰角为m时的臭氧光路总浓度的观测值；σε,m为观测仰角为m时的臭氧光路总浓度的误差，σa,n与σa,k分别为边界层内第n层与上对流层第k层的臭氧浓度先验误差，两分层误差均设定为随分层海拔高度线性降低曲线，边界层内近地面层误差为100％，误差降低率随层数按照5％线性降低，上对流层内最底层误差为50％，误差降低率随层数按照2％线性降低。
在一个观测序列中，将价值函数转化为矩阵形式：
Figure BDA0003148902130000111
在构建该目标函数后，通过非线性最优迭代反演获得边界层内以及上对流层臭氧浓度信息。
在反演的每一步迭代过程中，分别对边界层与上对流层迭代计算，公式为：
Figure BDA0003148902130000112
其中，i为迭代次数索引，K为迭代中的权重矩阵，权重函数为各个仰角下的臭氧光路总浓度对各层浓度的偏导数。
在迭代过程中，当总价值函数小于预设价值函数阈值，或累计迭代次数大于最大设定次数后，将迭代当次状态量输出为最终反演的臭氧廓线结果，并同步输出获得逐层臭氧浓度误差；将对流层臭氧浓度对高度积分，获得对流层臭氧垂直总浓度、反演误差均方根等参数。
实施实例中，天空云量指数的计算为观测光谱在330nm以及390nm处光强的比值。
基于上述构建方法，臭氧光路总浓度模拟值的获取主要依赖于大气辐射传输模型的模拟计算。实施例中使用文献SCIATRAN 2.0–A new radiative transfer model forgeophysical applications in the 175–2400nm spectral region,Advances inspaceresearch-series,36(5),1015-1019,2005中公开的辐射传输模型SCIATRAN，在每一次模拟计算过程中，将仪器观测的太阳方位角、仪器观测方位角以及仰角信息，大气气溶胶光学信息，如气溶胶消光廓线、单次光学反照率、非对称因子等信息，以及迭代当次臭氧廓线作为输入，实时获得迭代当次对应的臭氧光路总浓度模拟值。
经过算法迭代反演获得臭氧垂直分布时序结果以及相应的反演质量评估参数(包括天空云量指数、反演廓线浓度误差、迭代次数、最终目标函数以及反演误差均方根等)：
第一步，筛除反演中由于累计迭代次数大于最大设定次数而输出的廓线结果；
第二步，筛选掉太阳天顶角大于75度，仪器观测与太阳指向相对方位角小于45度对应时段的观测结果；
第三步，对观测期间云量指数时间序列进行五阶多项式拟合，获得云量阈值，筛除掉云指数小于阈值10％对应时间段的观测结果；
第四步，将反演获得的廓线浓度误差以及反演误差均方根分别按照从大到小进行排序，选取第80％质量评估参数数值作为筛选阈值，并对每条反演廓线进行参数检验，选取通过全部质量控制后的对流层臭氧廓线组成最终反演数据集。
本实施例选取反演结果数据集的底层臭氧浓度与生态环境部所属的编号为1006A国控点发布的臭氧小时浓度结果做相关性分析，并根据相关性结果对反演的数据进行质量评估。
实施例中，反演获得的北京气科院站点2018年8月24日0-2km边界层以内的臭氧垂直分布如图6所示；可以看出，气科院站点中午11点后，人为活动排放的前体物在正午光照增强的作用下，海拔750米以内的臭氧浓度出现显著升高过程；在傍晚北京时间16点以后，近地面的臭氧在NO的滴定作用下逐步下降，而500米以上残留层内臭氧则保持不变。
实施例中，将2018年6月至9月臭氧廓线底层与国控点臭氧浓度做相关性分析，结果如图7反演的臭氧浓度与独立点式观测结果相关性R＝0.88，表明算法反演获得的近地面浓度结果具备监测近地面臭氧浓度变化的能力。
实施例中，同时选取北京南郊观象台(116.47°E,39.8°N)2018年10月17日臭氧探空结果进行垂直廓线结果验证对比，结果如图8所示。北京南郊观象台位于北京市东南方向，距离气科院地面观测站点直线距离约26km，臭氧探空可以提供近地面至海拔约40km范围内的温度压力、湿度、臭氧浓度等大气参数。实施例中选取当日探空释放前后半小时内反演结果与探空结果进行对比，对比结果显示地基遥感基本可以反演观测到臭氧垂直分布梯度，且在近地面与点式采样结果吻合一致。边界层内观测结果与臭氧探空的小部分差异主要来自于北京地区臭氧分布水平梯度。
在本实施例的算法构建以及参数优化过程中，结合北京南郊观象台的臭氧探空结果，包括臭氧廓线以及其他大气状态参数，如大气温度压力、气溶胶信息等，将大气状态信息以及对应的太阳高度角、仪器与太阳相对方位角、仪器观测仰角等观测几何信息输入辐射传输模型中，计算获得臭氧光路总浓度模拟值；通过模拟值与光谱分析后的臭氧光路总浓度观测值相关性对比，调整多元非线性拟合光谱分析参数，如光谱拟合波段的选取、拟合波段干扰气体种类选取、大气吸收慢变化多项式阶数的选取、臭氧吸收非线性的修正等。在廓线反演参数优化中，将探空获得的臭氧廓线与算法反演结果逐层做相关性对比，分析不同层高处的反演效果，优化最优估计迭代中参数方案，如目标函数阈值、边界层内与上对流层臭氧先验误差百分比等。算法参数优化一般流程图如图5。本实施例中，给出了基于北京气科院实测反演与探空结果优化后的光谱分析与廓线反演中优化后的反演参数：选取320至340nm的光谱范围，使用基于高分辨率太阳参考光谱进行波长矫正定标；在臭氧光路总浓度的计算中，选取223k以及293k条件下的臭氧吸收截面为目标气体，同时选取298K下的NO2，298K下的SO2，297K下的HCHO，293K下的O4以及ring结构作为干扰量，使用三阶多项式扣除气体以及大气的吸收、散射随波长缓慢变化的消光结构。
上述基于超高光谱遥感无盲区对流层臭氧垂直分布获取方法，解决了基于地基超高光谱遥感对流层臭氧受平流层吸收干扰的难题，优化减小了上对流层臭氧信息量不足对反演结果的影响，获得了近地面对流层尤其边界层内无盲区臭氧垂直分布结果，提供了一种观测无盲区对流层臭氧垂直分布的新方法。本算法完善了地基超高光谱遥感观测大气污染物物种，结合臭氧前体物的观测，为大气臭氧污染生成敏感性以及区域传输的研究提供观测支撑；通过对反演结果的多维度第三方验证与分析，确保了该观测反演算法的可靠性与反演结果的合理性，说明利用研究提出的方法开展大气氧化性与大气臭氧污染研究的可行性，完善了大气臭氧垂直立体分布数据集。仪器自动化观测实现了臭氧时空变化特征的自动、快速、连续垂直立体观测。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统，其特征在于，包括硬件部分,硬件部分包括一高分辨率光谱仪、用于系统控制与数据采集的工控机、用于闭环控制恒定温湿度工作环境的悬挂系统、水平偏摆旋转的方位角单元、垂直俯仰旋转的仰角单元、玻璃罩以及自动清洁系统；仪器硬件整体搭建依赖于悬挂系统；其中：
所述超高分辨率光谱仪，通过数据线与工控机连接；
所述悬挂系统，其内部安装有温湿度传感器和温湿度调节器；温湿度传感器用于检测系统的温湿度情况；温湿度调节器用于调节系统的温湿度；
所述水平偏摆旋转的方位角单元，位于悬挂系统顶部，方位角单元底部设有直流驱动的水平旋转电机，方位角电机与机顶连接转轴，可以实现0-360度水平偏摆；
所述玻璃罩，为圆柱形，位于方位角单元一侧；
所述垂直俯仰旋转的仰角单元，设置于玻璃罩内；仰角单元由两个相互垂直放置的直角棱镜和控制其俯仰旋转的直流驱动电机组成，直角棱镜用于收集天空散射光并导入石英光纤，直流驱动电机用于控制直角棱镜的俯仰旋转，以便收集不同仰角下的天空散射光；石英光纤与超高分辨率光谱仪相连；石英光纤与单元控制线组成总线进入悬挂系统内；
所述玻璃罩上，安装有自动清洁系统，用于去除玻璃罩上的浮灰、水雾等附着物；
所述工控机，用于控制系统工作与数据采集，包括：控制每条测量光谱曝光时间、采集记录光谱数据；实时获取系统内温湿度传感器检测到的温湿度信息；通过红外信号控制温湿度调节器预设温湿度；闭环控制系统内工作环境，保证系统开机自动进入预设环境与动态平衡；通过数据线控制方位角单元与仰角单元的旋转；控制自动清洁系统去除玻璃罩上的浮灰、水雾等附着物。
2.根据权利要求1所述的遥测系统，其特征在于，所述自动清洁系统包括：
附着在玻璃罩外延的包裹着纤维布条的不锈钢环，该不锈钢环通过连接杆固定连接至一滑块，该滑块与螺纹匹配的螺杆相互螺纹嵌套连接；
滑动导轨下有丁字形滑块槽，所述螺杆一端连接至一清洁系统电机，另一端连接于一旋转槽内；清洁系统电机的正反转可以带动实现包裹有纤维布条的不锈钢环前后移动，从而清洁玻璃罩。
3.根据权利要求2所述的遥测系统，其特征在于，该系统放置于高建筑物顶平台边缘，观测记录相对于水平位置上、下多仰角的天空散射光，并于夜间采集光谱仪偏置光谱与暗背景光谱。
4.根据权利要求3所述的遥测系统，其特征在于，系统上电后启动，工控机自动运行观测程序，系统内保持稳定的18-22摄氏度以及30％-60％的相对湿度环境，具体流程为：
(1)工控机自检与光谱仪、恒定温湿度控制器、方位角电机、仰角电机、自清洁系统电机等模块的串口信号连接；
(2)工控机控制自清洁系统电机转动，使得包裹着纤维布条的不锈钢环往返运动，完成望远镜系统的玻璃罩清洁；
(3)工控机控制方位角电机转动，使得望远镜观测方向转向预设观测方位；
(4)工控机控制仰角电机转动，使得可俯仰旋转的直角棱镜转向预设仰角；
(5)工控机控制高分辨率光谱仪采集光谱光强信息，并将其保存于本地；
(6)工控机控制循环步骤四和五，观测仰角一般为一组包含仰角为90度的观测序列。
5.根据权利要求1-4之一所述的遥测系统，其特征在于，还包括软件部分；该软件部分是一反演算法模块；该反演算法模块，将硬件系统获得的天空散射光谱序列，经过反演算法得到近地面以上大气臭氧分布浓度；
所述反演算法，具体内容如下：
(1)各第三方独立臭氧廓线数据库有各自时间分辨率，当数据库时间分辨率无法满足算法使用要求情况下，通过时间加权的数学运算分析，获取观测地对流层臭氧尤其边界层顶至平流层底即上对流层臭氧全时段的最优估算下廓线结果：
首先，计算出观测日前后逐月月平均结果，按照大气分层，相应获得每一层月度平均浓度，其计算公式为：
Figure FDA0003148902120000021
coni为第i层臭氧平均浓度，coni,j为外部数据库中获得的第j条第i层臭氧浓度，n为外部数据库中当月臭氧廓线总数目；
当日估计上对流层臭氧垂直分布状态，根据当日日期a以及当月总天数b按照时间加权获得，其计算公式为：
Figure FDA0003148902120000022
coni为估计上对流层臭氧第i层浓度，conk,i为当前第k月第i层平均臭氧浓度，conk+1,i为次月即第k+1月第i层平均臭氧浓度；
结合上述式(1)、式(2)结果，耦合多大气参数反演获得对流层臭氧廓线结果，构建无盲区臭氧垂直分布算法，具体步骤为：
第一步，将外部数据库观测地当日臭氧垂直分布信息按照反演算法要求的分层格点插值计算出逐层臭氧浓度；
第二步，构建反演的目标函数，由于地基遥感对于不同高度层臭氧信息敏感性不同，在反演中固定平流层臭氧浓度，将估计上对流层臭氧垂直分布浓度以及恒定的边界层内臭氧浓度作为先验信息，结合相应的系统观测仰角、太阳观测几何角度、大气温度压力廓线和边界层内气溶胶光学参数，包括气溶胶消光系数、单次光学反照率、气溶胶非对称因子这些已知边界条件，构建反演目标函数如下：
Figure FDA0003148902120000031
式中，m为观测仰角索引，M为观测仰角的总个数；n，k分别为设定反演的边界层与上对流层臭氧廓线的总层数的索引，N，K分别为设定反演边界层内与上对流层臭氧总层数；x，x'和x”分别为边界层内、上对流层、平流层臭氧浓度，xn与xk分别为第n层的边界层臭氧浓度与第k层的上对流层臭氧浓度，xa,n与xa,k分别为第n层的边界层内与第k层的上对流层臭氧浓度的先验值；Fm(x)为观测仰角为m时的臭氧光路总浓度的模拟值，ym为观测仰角为m时的臭氧光路总浓度的观测值；σε,m为观测仰角为m时的臭氧光路总浓度的误差，选取超光谱拟合算法计算的臭氧光路总浓度误差的两倍数值；σa,n与σa,k分别为边界层内第n层与上对流层第k层的臭氧浓度先验误差，两分层误差均设定为随分层海拔高度线性降低曲线，边界层内近地面层误差为100％，误差降低率随层数按照5％线性降低，上对流层内最底层误差为50％，误差降低率随层数按照2％线性降低；
在一个观测序列中将反演目标函数也称价值函数，转化为矩阵形式：
Figure FDA0003148902120000032
其中，χ2(x)为反演目标函数，F(x,x',x”)为边界层内、上对流层、平流层臭氧浓度分别为向量x,x’,x”状态下前向模拟的臭氧光路总浓度，y为臭氧光路总浓度观测值，
Figure FDA0003148902120000033
为观测误差协方差矩阵的逆矩阵，xa，x'a分别为边界层内、上对流层的臭氧先验廓线状态向量；
Figure FDA0003148902120000034
分别为边界层内和上对流层的先验误差协方差矩阵的逆矩阵；在构建该反演目标函数后，通过非线性最优估计反演，获得边界层内以及上对流层臭氧浓度信息；
反演算法是一个迭代过程，在每一步迭代过程中，分别对边界层与上对流层迭代计算如下公式：
Figure FDA0003148902120000041
其中，i为迭代次数，
Figure FDA0003148902120000042
为第i次迭代时权重矩阵的转置矩阵，V(xi)为臭氧状态量为Xi的前向模拟的臭氧光路总浓度；
权重函数为臭氧光路总浓度对各层浓度的偏导数；
在迭代过程中，当总价值函数小于预设价值函数阈值，或累计迭代次数大于最大设定次数后，将迭代当次状态量输出为最终反演的臭氧廓线结果，并同步输出获得逐层臭氧浓度误差；将对流层臭氧浓度对高度积分获得对流层臭氧垂直柱总量、反演误差均方根参数。
6.根据权利要求5所述的遥测系统，其特征在于，进一步对上述反演算法的结果进行质量控制；即把经过反演算法获得的臭氧垂直分布时序结果以及相应的反演质量评估参数包括天空云量指数、反演廓线浓度误差、迭代次数、最终目标函数以及反演误差均方根等按一定的筛选规则进行数据质量控制，具体步骤为：
第一步，筛除反演中由于累计迭代次数大于最大设定次数而输出的廓线结果；
第二步，筛选掉太阳天顶角大于75度，或系统观测与太阳指向相对方位角小于45度对应时段的观测结果；
第三步，对观测期间云量指数时间序列进行五阶多项式拟合，获得云量阈值，筛除掉云指数小于阈值10％对应时间段的观测结果；
第四步，将反演获得的廓线浓度误差以及反演误差均方根分别按照从大到小进行排序，选取第80％质量评估参数数值作为筛选阈值，并对每条反演廓线进行参数检验，选取通过全部质量控制后的对流层臭氧廓线组成最终反演数据集；
上述质量控制算法在软件系统中构成质量控制算法模块。
7.根据权利要求6所述的遥测系统，其特征在于，在有气球或臭氧探空参与的外场观测情景下，利用探空获取的臭氧廓线、其他辅助大气状态参数以及同观测点位超高光谱遥感反演的廓线结果进行一致性对比，通过参数反馈机制进行参数优化，具体步骤为：
(1)通过超光谱拟合算法拟合观测光谱获取臭氧光路总浓度；
(2)通过非线性最优估计获取对流层臭氧廓线；
其中，建立如下参数优化与调节机制：
(1)针对超光谱拟合算法反演臭氧光路总浓度，将探空获得的臭氧廓线以及大气状态参数，如大气温度压力、气溶胶信息等，将大气状态信息以及对应的太阳高度角、仪器与太阳相对方位角、仪器观测仰角等观测几何信息输入辐射传输模型中，模拟计算臭氧光路总浓度模拟值；通过模拟值与光谱分析后的臭氧光路总浓度观测值做相关性对比，依次调整超光谱拟合参数，包括拟合波段的选取、拟合波段干扰气体种类选取、目标气体与干扰气体的吸收截面选取、大气吸收慢变化多项式阶数的选取、臭氧吸收非线性的修正；
(2)针对非线性最优估计反演垂直廓线，在完成参数调节步骤(1)后，使用验证优化后的臭氧光路总浓度反演获得对流层臭氧廓线，将探空获得的臭氧廓线与算法反演结果逐层做相关性对比，分析不同层高处的反演效果，依次调整最优估计迭代中参数方案，包括目标函数阈值、边界层内与上对流层臭氧先验误差百分比，设定误差随高度降低百分比。
8.根据权利要求7所述的遥测系统，其特征在于，软件部分的工作流程为：
步骤一：水平放置好的仪器硬件系统，采集天空太阳散射光谱；对采集到的太阳散射光谱进行非线性矫正，以及光谱仪暗背景、偏置结构扣除；
步骤二：非天顶太阳散射光谱采用当圈天顶散射光谱作为参考谱，使用基于非线性最小二乘的超光谱拟合算法计算出各非天顶太阳散射光谱的臭氧光路总浓度；
步骤三：自其他第三方数据库获取并分析观测地对流层臭氧廓线日变化结果；通过数学运算，获得上对流层的臭氧廓线逐月月平均结果，根据观测时间选取观测当月及上月月平均臭氧浓度廓线，并以数学运算方法，获得观测地当日估算上对流层臭氧廓线；
步骤四：以观测当日外部数据库平流层臭氧廓线、步骤三获取的观测地当日估算上对流层臭氧廓线、自其他独立数据库获得的当日温度压力廓线、自其他实况观测获取的边界层气溶胶廓线、步骤二获取的各观测仰角下的臭氧光路总浓度作为输入，根据公式(3)构建迭代目标函数，根据非线性最优估计迭代，当目标函数小于设定阈值后，输出观测当圈对流层臭氧垂直廓线；
步骤五：将输出的对流层臭氧廓线结果输入质量控制算法模块，根据反演参数如浓度误差、均方根值以及天空云量指数等对输出结果筛选验证，实现算法输出结果质量控制；将筛选后臭氧廓线与大气污染物成分点式采样结果做相关性分析，实现反演结果的自动校准验证。
9.根据权利要求8所述的遥测系统，其特征在于，在有气球或臭氧探空参与的外场观测情景中，利用探空获取的臭氧廓线与其他大气状态参数，如大气温度压力、气溶胶信息等；通过臭氧光路总浓度的对比，反馈优化超光谱拟合参数方案；通过输出廓线结果与臭氧探空廓线对比，优化多大气参数耦合获取无盲区臭氧垂直分布算法的参数方案。
CN202110758931.8A 2021-07-06 2021-07-06 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统 Active CN113552081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110758931.8A CN113552081B (zh) 2021-07-06 2021-07-06 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110758931.8A CN113552081B (zh) 2021-07-06 2021-07-06 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统

Publications (2)

Publication Number Publication Date
CN113552081A true CN113552081A (zh) 2021-10-26
CN113552081B CN113552081B (zh) 2022-04-12

Family

ID=78102722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110758931.8A Active CN113552081B (zh) 2021-07-06 2021-07-06 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统

Country Status (1)

Country Link
CN (1) CN113552081B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114112935A (zh) * 2021-11-22 2022-03-01 中国科学技术大学 大气污染物垂直分布的实时反演方法、装置、计算机设备和存储介质
CN114496117A (zh) * 2021-12-02 2022-05-13 中国科学技术大学 基于卫星超光谱遥感的臭氧控制类型识别方法及电子设备
CN114660015A (zh) * 2022-04-02 2022-06-24 山东省济南生态环境监测中心 典型城市地区平流层臭氧侵入对流层中低层的综合监测识别方法
CN114817825A (zh) * 2022-04-21 2022-07-29 中国科学技术大学 一种基于超光谱遥感的排放源co2快速成像方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205246070U (zh) * 2015-12-17 2016-05-18 丽水市林业科学研究院 一种森林病虫害高光谱遥感监测系统
CN110687020A (zh) * 2019-10-30 2020-01-14 淮北师范大学 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
CN110887794A (zh) * 2019-11-27 2020-03-17 中国科学院合肥物质科学研究院 一种二维大气痕量气体廓线测量系统
CN111579504A (zh) * 2020-06-29 2020-08-25 中国科学技术大学 基于光学遥感的大气污染成分垂直分布反演方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205246070U (zh) * 2015-12-17 2016-05-18 丽水市林业科学研究院 一种森林病虫害高光谱遥感监测系统
CN110687020A (zh) * 2019-10-30 2020-01-14 淮北师范大学 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
CN110887794A (zh) * 2019-11-27 2020-03-17 中国科学院合肥物质科学研究院 一种二维大气痕量气体廓线测量系统
CN111579504A (zh) * 2020-06-29 2020-08-25 中国科学技术大学 基于光学遥感的大气污染成分垂直分布反演方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHENG LIU等: "Ground-based Hyperspectral Stereoscopic Remote Sensing Network: A Promising Strategy to Learn Coordinated Control of O3 and PM2.5 over China", 《ENGINEERING》 *
FEIFAN YAN等: "Revealing the modulation of boundary conditions and governing processes on ozone formation over northern China in June 2017", 《ENVIRONMENTAL POLLUTION》 *
陈泽青等: "大气成分的遥感监测方法与应用", 《地球科学进展》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114112935A (zh) * 2021-11-22 2022-03-01 中国科学技术大学 大气污染物垂直分布的实时反演方法、装置、计算机设备和存储介质
CN114496117A (zh) * 2021-12-02 2022-05-13 中国科学技术大学 基于卫星超光谱遥感的臭氧控制类型识别方法及电子设备
CN114496117B (zh) * 2021-12-02 2024-02-23 中国科学技术大学 基于卫星超光谱遥感的臭氧控制类型识别方法及电子设备
CN114660015A (zh) * 2022-04-02 2022-06-24 山东省济南生态环境监测中心 典型城市地区平流层臭氧侵入对流层中低层的综合监测识别方法
CN114660015B (zh) * 2022-04-02 2023-10-03 山东省济南生态环境监测中心 典型城市地区平流层臭氧侵入对流层中低层的综合监测识别方法
CN114817825A (zh) * 2022-04-21 2022-07-29 中国科学技术大学 一种基于超光谱遥感的排放源co2快速成像方法
CN114817825B (zh) * 2022-04-21 2024-04-02 中国科学技术大学 一种基于超光谱遥感的排放源co2快速成像方法

Also Published As

Publication number Publication date
CN113552081B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN113552081B (zh) 一种基于超高光谱遥感无盲区臭氧垂直分布的遥测系统
Wieneke et al. Airborne based spectroscopy of red and far-red sun-induced chlorophyll fluorescence: Implications for improved estimates of gross primary productivity
Clémer et al. Multiple wavelength retrieval of tropospheric aerosol optical properties from MAXDOAS measurements in Beijing
CN111579504B (zh) 基于光学遥感的大气污染成分垂直分布反演方法
Buchwitz et al. Atmospheric carbon gases retrieved from SCIAMACHY by WFM-DOAS: version 0.5 CO and CH 4 and impact of calibration improvements on CO 2 retrieval
Jacques Accelerated and outdoor/natural exposure testing of coatings
Kaskaoutis et al. Investigation into the wavelength dependence of the aerosol optical depth in the Athens area
Feng et al. Does the modern‐era retrospective analysis for research and applications‐2 aerosol reanalysis introduce an improvement in the simulation of surface solar radiation over China?
Xia et al. Estimation of aerosol effects on surface irradiance based on measurements and radiative transfer model simulations in northern China
Sepúlveda et al. Tropospheric CH 4 signals as observed by NDACC FTIR at globally distributed sites and comparison to GAW surface in situ measurements
US20060266950A1 (en) Instrument, system and method for automated low cost atmospheric measurements
Todd et al. Measuring chemical emissions using open-path Fourier transform infrared (OP-FTIR) spectroscopy and computer-assisted tomography
CN116486931B (zh) 耦合物理机制的全覆盖大气甲烷浓度数据生产方法及系统
Salerno et al. Novel retrieval of volcanic SO2 abundance from ultraviolet spectra
CN114817825B (zh) 一种基于超光谱遥感的排放源co2快速成像方法
Guleria et al. Aerosols optical properties in dynamic atmosphere in the northwestern part of the Indian Himalaya: a comparative study from ground and satellite based observations
CN102944530A (zh) 一种温室气体柱浓度实时遥测系统与方法
WO2023207579A1 (zh) 基于超光谱遥感的痕量气体水平分布探测交通污染源方法
Ingold et al. Modeled and empirical approaches for retrieving columnar water vapor from solar transmittance measurements in the 0.72, 0.82, and 0.94 μm absorption bands
Pravettoni et al. Indoor calibration of Sky Quality Meters: Linearity, spectral responsivity and uncertainty analysis
Hu et al. Spatiotemporal characteristics of photosynthetically active radiation in China
Tian et al. Characterisation of methane variability and trends from near-infrared solar spectra over Hefei, China
Pieri Modelling radiative balance in a row-crop canopy: cross-row distribution of net radiation at the soil surface and energy available to clusters in a vineyard
CN115730176A (zh) 一种紫外高光谱大气臭氧垂直柱浓度反演方法
CN114577750A (zh) 含碳气体探测系统、方法、设备及计算机可读存储介质

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