CN114114324A - 针对星载激光雷达和高光谱仪的大气co2浓度协同反演方法 - Google Patents
针对星载激光雷达和高光谱仪的大气co2浓度协同反演方法 Download PDFInfo
- Publication number
- CN114114324A CN114114324A CN202111392799.XA CN202111392799A CN114114324A CN 114114324 A CN114114324 A CN 114114324A CN 202111392799 A CN202111392799 A CN 202111392799A CN 114114324 A CN114114324 A CN 114114324A
- Authority
- CN
- China
- Prior art keywords
- concentration
- profile
- atmospheric
- formula
- laser radar
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法。首先利用激光雷达1064nm回波信号反演得到气溶胶大气廓线,根据激光雷达1572nm回波信号计算CO2柱加权浓度,利用sciatran对大气辐射进行建模,将观测获取的太阳光谱与sciatran模型输出的模拟值进行最小二乘拟合,获取CO2垂直浓度廓线,然后以垂直廓线为绝对约束,构建损失函数,通过先验观测值设定损失函数权重,获取使损失函数最小的优化解,更新大气廓线,计算得到最终的XCO2产品。本发明将激光雷达探测高精度、高可用的优势和高光谱仪探测光覆盖、高分辨的优势进行融合,得到具备高分辨、高覆盖、高精度和高可用特征的大气CO2柱浓度产品。
Description
技术领域
本发明属于卫星遥感对地观测技术领域,特别是涉及一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法。
背景技术
天基CO2观测系统是人为碳排放监测中重要的组成部分,具有空间覆盖率大、时间分辨率高的特点。自从21世纪以来,卫星遥感也开始发挥重要的作用,随着GOSAT、OCO-2和碳卫星的成功发射,人们对CO2排放的认识加深。近年来,风云三号04星、高分5号、OCO-3、GOSAT-2和GHGSat系列等国内外多颗卫星的相继发射进一步掀起了天基大气温室气体监测的浪潮。目前,这些卫星产品已经在CO2通量优化反演、人为点源定位和自然灾害碳排放评估等多个领域展示了很好的应用效果。然而,现有的天基CO2观测系统尚无法完全满足人为碳排放监测的新需求。现有监测要求天基CO2观测系统应具有高分辨、高覆盖、高精度和高可用的特征,但现有的天基CO2观测系统主要为被动观测系统,当无法提供准确的大气条件时,数据反演会出现难以收敛的现象。同时,现有天基CO2观测系统的数据产品也受制于信号质量,当太阳高度角较小时无法提供有效产品。这些不利因素造成的直接后果是目前CO2观测被动遥感卫星的产品有效率仅为2%-5%。虽然主动遥感观测系统,如搭载激光雷达的探测卫星能够很好地回避复杂辐射传输过程的重建,具有很高的产品有效率和探测性能,但现有的硬件技术并不支持空间扫描观测,只能以“打点”的形式进行星下点测量,这导致其CO2浓度产品不具备面域属性。因此,提出一种主被动协同的天基 CO2探测机制融合算法,是本领域急需解决的重大难题。
发明内容
本发明针对现有技术的不足,提供一种针对星载激光雷达和高光谱仪的大气 CO2浓度协调反演方法,将激光雷达探测高精度、高可用的优势和高光谱仪探测光覆盖、高分辨的优势进行融合,得到具备高分辨、高覆盖、高精度和高可用特征的大气CO2柱浓度产品。
为了达到上述目的,本发明提供的技术方案是一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法,包括以下步骤:
步骤1,利用激光雷达1064nm激光回波信号以及Fernald算法实现大气气溶胶廓线反演;
步骤2,利用激光雷达1572nm激光回波信号进行CO2柱加权浓度反演;
步骤3,将步骤1输出的气溶胶廓线作为sciatran模型的输入,然后将观测获取的太阳光谱与sciatran模型输出的模拟值进行最小二乘拟合,获取CO2浓度廓线;
步骤4,将步骤2输出的CO2柱加权浓度与步骤3输出的CO2浓度廓线进行比较,当差距超过阈值ε时,通过最小化损失函数求得新的CO2浓度廓线输入步骤3中sciatran模型进行更新,重复执行此过程直至步骤3输出的CO2浓度廓线与步骤2输出的CO2柱加权浓度差值小于等于阈值ε。
而且,所述步骤1中激光雷达的探测公式如下:
式中,P(Z)为激光雷达接收到了高度Z处的大气后向散射回波信号的能量, E为激光雷达的发射能量,C为雷达常数,β(Z)为大气后向散射系数,σ(Z′)为大气消光系数。
式(1)中存在β(Z)和σ(Z)两个未知量,使用Fernald算法求解激光雷达方程获取气溶胶廓线,Fernald算法能够对气溶胶和分子成分分别对待,包含前向和后向两部分,如式(2)和式(3)所示:
A(i)=β1(i)[S1(i)-S2(i)][β2(i)+β2(i+1)]Δr (4)
式中,i为分层序号,β1(i)和β2(i)是根据美国标准大气模型确定的气溶胶和分子的后向散射系数,S1(i)为气溶胶的激光雷达比,S2(i)为分子的激光雷达比,Δr为层间距离,X(i)为距离校正信号。
根据式(1)~式(4)通过数据反演便可获得气溶胶廓线,气溶胶廓线为不同高度的大气消光系数。
而且,所述步骤2中CO2柱浓度的计算公式如下:
式中,XCO2LIDAR为CO2加权浓度,P0为发射的激光强度,P为接收的激光强度,R为探测距离,λon为一束位于待测气体的吸收峰附近的激光波长,λoff为一束位于吸收谷附近的激光波长,WF(P)为权重函数,pplane和psurface分别代表大气层顶部和底部的气压,这些参数均可由雷达观测获得。
而且,所述步骤3中利用sciatran对大气辐射进行建模,模拟太阳光谱在一定大气条件下的光谱情况,太阳光谱的模拟公式如下:
式中,lnI′为模拟的归一化的太阳光谱,IToa为SCIATRAN的模拟光谱,Ioλ为太阳光谱,kλ(z)为气体的光谱吸收截面,nλ(z)为分子数浓度。
吸收系数aλ(z)可表示为aλ(z)=nλ(z)kλ(z),由于吸收系数与分子数浓度垂直廓线相关,因此归一化太阳光谱与吸收体CO2的分子数浓度垂直廓线有关。当忽略线性化误差的情况下,归一化太阳光谱可以对吸收系数aλ(z)按一阶泰勒展开,同时由于在Δz范围内吸收系数可以近似为分子数浓度变化,因此可将式(6)转换为下式:
式中,lnI为真实测量的归一化光谱,为SCIATRAN模拟的归一化光谱,λ为波长,z为高度,为先验分子数浓度垂直廓线,δnλ(z)为分子数浓度变化量,nλ(z)为分子数浓度,z0代表地表到大气层顶部的高度。
假设气体的实际浓度廓线v与先验气体浓度廓线存在一比例因子,此时实际分子数浓度nλ(z)也遵守这个比例因子,即令考虑到大气中存在多种气体,其他因子对大气成分仍具有较大影响,每种气体均应赋予权重,且气体分子还具有散射作用,将散射权重表示为低阶多项式,则可以将式(7)扩展为下式:
式中,I为气体的种类数,bj为散射权重,λj为各种气体的波长。
实际观测中波段是离散化的,且CO2分子有其特属的大气吸收波段,因此将式(8)除以太阳光谱I0λ进行离散化得:
式中,λ表示选取的吸收波段的波长,vi为第i种气体的浓度廓线。
利用非线性最小二乘法求解:
式中,lnI′i为模拟值,lnIi为观测值,m代表在一定光谱分辨率下光谱区间内的方程数量,即光谱区间长度除以光谱分辨率便得到m。
由此得到在主动探测模型获取气溶胶廓线的先验条件下所求的被动CO2垂直浓度廓线vi。
而且,所述步骤4中损失函数计算公式如下:
其中,
式中,权重值λ是通过卫星以往观测数据迭代选出的,XCO2(p)为大气廓线,XCO2LIDAR为大气CO2柱加权体积比,WF(p)是权重函数,描述了不同压力处特定大气分子对光的吸收能力,IWF(p)表示权重函数的积分,σon(p)-σoff(p)表示吸收截面积差,mdryair表示H2O和干空气的分子质量,XH2O(p)表示 H2O在压强p处的体积比,g为重力加速度,pplane和psurface分别代表大气层顶部和底部的气压。
当步骤2输出的CO2柱加权浓度与步骤3输出的CO2浓度廓线的差值超过阈值ε时,通过最小化损失函数可求得现有条件下最优CO2浓度廓线,将其输入到步骤3中sciatran模型得到新的CO2浓度廓线,用新的CO2浓度廓线与步骤2输出的CO2柱加权浓度进行比较,重复执行此过程直至步骤3输出的新CO2 浓度廓线与步骤2输出的CO2柱加权浓度差值小于等于阈值ε,停止迭代,得到最优CO2浓度廓线。
与现有技术相比,本发明具有如下优点:1)将主动探测与被动探测进行结合,充分利用探测信息;2)创新提出主被动探测融合机制,实现覆盖、可用性、分辨、精度四个维度各自优势互补,获取CO2浓度产品。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例WF分布图。
图3为本发明实施例测算的CO2浓度廓线。
图4为本发明实施例天基主被动协同探测概念图。
具体实施方式
本发明提供一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法,首先利用激光雷达1064nm回波信号反演得到气溶胶大气廓线,根据激光雷达1572nm回波信号计算CO2柱加权浓度,利用sciatran对大气辐射进行建模,将观测获取的太阳光谱与sciatran模型输出的模拟值进行最小二乘拟合,获取CO2垂直浓度廓线,然后以垂直廓线为绝对约束,构建损失函数,通过先验观测值设定损失函数权重,获取使损失函数最小的优化解,更新大气廓线,计算得到最终高分辨、高覆盖、高精度和高可用特征的XCO2产品。
下面结合附图和实施例对本发明的技术方案作进一步说明。
如图1所示,本发明实施例的流程包括以下步骤:
步骤1,利用激光雷达1064nm激光回波信号以及Fernald算法实现大气气溶胶廓线反演。
激光雷达的探测公式如下:
式中,P(Z)为激光雷达接收到了高度Z处的大气后向散射回波信号的能量, E为激光雷达的发射能量,C为雷达常数,β(Z)为大气后向散射系数,σ(Z′)为大气消光系数。
式(1)中存在β(Z)和σ(Z)两个未知量,使用Fernald算法求解激光雷达方程获取气溶胶廓线。Fernald算法能够对气溶胶和分子成分分别对待,包含前向和后向两部分,如式(2)和式(3)所示:
A(i)=β1(i)[S1(i)-S2(i)][β2(i)+β2(i+1)]Δr (4)
式中,i为分层序号;β1(i),β2(i)是根据美国标准大气模型确定的气溶胶和分子的后向散射系数;S1(i)为气溶胶的激光雷达比,本实施例取值为50sr;S2(i)为分子的激光雷达比,本实施例取Δr为层间距离;X(i)为距离校正信号。
根据式(1)~式(4)通过数据反演便可获得气溶胶廓线,气溶胶廓线为不同高度的大气消光系数。
步骤2,利用激光雷达1572nm激光回波信号进行CO2柱加权浓度反演。
CO2柱浓度的计算公式如下:
式中,XCO2LIDAR为CO2加权浓度,P0为发射的激光强度,P为接收的激光强度,R为探测距离,λon为一束位于待测气体的吸收峰附近的激光波长,λoff为一束位于吸收谷附近的激光波长,WF(P)为权重函数,pplane和psurface分别代表大气层顶部和底部的气压,这些参数均可由雷达观测获得。
步骤3,将步骤1输出的气溶胶廓线作为sciatran模型的输入,然后将观测获取的太阳光谱与sciatran模型输出的模拟值进行最小二乘拟合,获取CO2浓度廓线。
利用sciatran对大气辐射进行建模,模拟太阳光谱在一定大气条件下的光谱情况。太阳光谱的模拟公式如下:
式中,lnI′为模拟的归一化的太阳光谱,IToa为SCIATRAN的模拟光谱,Ioλ为太阳光谱,kλ(z)为气体的光谱吸收截面,nλ(z)为分子数浓度。
吸收系数aλ(z)可表示为aλ(z)=nλ(z)kλ(z),由于吸收系数与分子数浓度垂直廓线相关,因此归一化太阳光谱与吸收体CO2的分子数浓度垂直廓线有关,当忽略线性化误差的情况下,归一化太阳光谱可以对吸收系数aλ(z)按一阶泰勒展开。同时,由于在Δz范围内吸收系数可以近似为分子数浓度变化,因此可将式(6)转换为下式:
假设气体的实际浓度廓线v与先验气体浓度廓线存在一比例因子,此时实际分子数浓度nλ(z)也遵守这个比例因子,即令考虑到大气中存在多种气体,其他因子对大气成分仍具有较大影响,每种气体均应赋予权重,且气体分子还具有散射作用,将散射权重表示为低阶多项式,则可以将式(7)扩展为下式:
式中,I为气体的种类数,bj为散射权重,λj为各种气体的波长。
实际观测中波段是离散化的,且CO2分子有其特属的大气吸收波段,因此将式(8)除以太阳光谱I0λ进行离散化得:
式中,λ表示选取的吸收波段的波长,vi为第i种气体的浓度廓线,本实施例中特指为CO2的浓度廓线。
利用非线性最小二乘法求解:
式中,I′i为模拟值,Ii为观测值,m代表在一定光谱分辨率下光谱区间内的方程数量,即光谱区间长度除以光谱分辨率便得到m。
由此求得在主动探测模型获取气溶胶廓线的先验条件下所求的被动CO2垂直浓度廓线vi。
步骤4,将步骤2输出的CO2柱加权浓度与步骤3输出的CO2浓度廓线进行比较,当差距超过阈值ε时,通过最小化损失函数求得新的CO2浓度廓线输入步骤3中sciatran模型进行更新,重复执行此过程直至步骤3输出的CO2浓度廓线与步骤2输出的CO2柱加权浓度差值小于等于阈值ε。
损失函数计算公式如下:
其中,
式中,权重值λ是通过卫星以往观测数据迭代选出的,XCO2(p)为大气廓线,XCO2LIDAR为大气CO2柱加权体积比,WF(p)是权重函数,描述了不同压力处特定大气分子对光的吸收能力,IWF(p)表示权重函数的积分,σon(p)-σoff(p)表示吸收截面积差,mdryair表示H2O和干空气的分子质量,XH2O(p)表示 H2O在压强p处的体积比,g为重力加速度,pplane和psurface分别代表大气层顶部和底部的气压。
在实际sciatran模型中通常可将大气分为28层,可以分层积分。由于大气模型中3-28层的大气较为稳定,因此在修改过程中只用调整1-2层大气廓线。当步骤2输出的CO2柱加权浓度与步骤3输出的CO2浓度廓线的差值超过阈值ε时,通过最小化损失函数可求得现有条件下最优CO2浓度廓线,将其输入到步骤3中sciatran模型得到新的CO2浓度廓线,用新的CO2浓度廓线与步骤2输出的CO2柱加权浓度进行比较,重复执行此过程直至步骤3输出的新CO2浓度廓线与步骤2输出的CO2柱加权浓度差值小于等于阈值ε,停止迭代,得到最优CO2浓度廓线。
具体实施时,以上流程可采用计算机软件技术实现自动运行流程。
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)
1.一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法,其特征在于,包括如下步骤:
步骤1,利用激光雷达1064nm激光回波信号以及Fernald算法实现大气气溶胶廓线反演;
步骤2,利用激光雷达1572nm激光回波信号进行CO2柱加权浓度反演;
步骤3,将步骤1输出的气溶胶廓线作为sciatran模型的输入,然后将观测获取的太阳光谱与sciatran模型输出的模拟值进行最小二乘拟合,获取CO2浓度廓线;
步骤4,将步骤2输出的CO2柱加权浓度与步骤3输出的CO2浓度廓线进行比较,当差距超过阈值ε时,通过最小化损失函数求得新的CO2浓度廓线输入步骤3中sciatran模型进行更新,重复执行此过程直至步骤3输出的CO2浓度廓线与步骤2输出的CO2柱加权浓度差值小于等于阈值ε。
2.如权利要求1所述的一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法,其特征在于:步骤1中激光雷达的探测公式如下:
式中,P(Z)为激光雷达接收到了高度Z处的大气后向散射回波信号的能量,E为激光雷达的发射能量,C为雷达常数,β(Z)为大气后向散射系数,σ(Z′)为大气消光系数;
式(1)中存在β(Z)和σ(Z)两个未知量,使用Fernald算法求解激光雷达方程获取气溶胶廓线,Fernald算法能够对气溶胶和分子成分分别对待,包含前向和后向两部分,如式(2)和式(3)所示:
A(i)=β1(i)[S1(i)-S2(i)][β2(i)+β2(i+1)]Δr (4)
式中,i为分层序号,β1(i)和β2(i)是根据美国标准大气模型确定的气溶胶和分子的后向散射系数,S1(i)为气溶胶的激光雷达比,S2(i)为分子的激光雷达比,Δr为层间距离,X(i)为距离校正信号;
根据式(1)~式(4)通过数据反演便可获得气溶胶廓线,气溶胶廓线为不同高度的大气消光系数。
4.如权利要求2所述的一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法,其特征在于:步骤3中利用sciatran对大气辐射进行建模,模拟太阳光谱在一定大气条件下的光谱情况,太阳光谱的模拟公式如下:
式中,lnI′为模拟的归一化的太阳光谱,IToa为SCIATRAN的模拟光谱,Ioλ为太阳光谱,kλ(z)为气体的光谱吸收截面,nλ(z)为分子数浓度;
吸收系数aλ(z)可表示为aλ(z)=nλ(z)kλ(z),由于吸收系数与分子数浓度垂直廓线相关,因此归一化太阳光谱与吸收体CO2的分子数浓度垂直廓线有关,当忽略线性化误差的情况下,归一化太阳光谱可以对吸收系数aλ(z)按一阶泰勒展开,同时由于在Δz范围内吸收系数可以近似为分子数浓度变化,因此可将式(6)转换为下式:
式中,lnI为真实测量的归一化光谱,为SCIATRAN模拟的归一化光谱,λ为波长,z为高度,为先验分子数浓度垂直廓线,δnλ(z)为分子数浓度变化量,nλ(z)为分子数浓度,z0代表地表到大气层顶部的高度;
假设气体的实际浓度廓线v与先验气体浓度廓线存在一比例因子,此时实际分子数浓度nλ(z)也遵守这个比例因子,即令考虑到大气中存在多种气体,其他因子对大气成分仍具有较大影响,每种气体均应赋予权重,且气体分子还具有散射作用,将散射权重表示为低阶多项式,则可以将式(7)扩展为下式:
式中,I为气体的种类数,bj为散射权重,λj为各种气体的波长;
实际观测中波段是离散化的,且CO2分子有其特属的大气吸收波段,因此将式(8)除以太阳光谱I0λ进行离散化得:
式中,λ表示选取的吸收波段的波长,vi为第i种气体的浓度廓线;
利用非线性最小二乘法求解:
式中,lnIi′为模拟值,lnIi为观测值,m代表在一定光谱分辨率下光谱区间内的方程数量,即光谱区间长度除以光谱分辨率便得到m;
由此得到在主动探测模型获取气溶胶廓线的先验条件下所求的被动CO2垂直浓度廓线vi。
5.如权利要求1所述的一种针对星载激光雷达和高光谱仪的大气CO2浓度协调反演方法,其特征在于:步骤4中损失函数计算公式如下:
其中,
式中,权重值λ是通过卫星以往观测数据迭代选出的,XCO2(p)为大气廓线,XCO2LIDAR为大气CO2柱加权体积比,WF(p)是权重函数,描述了不同压力处特定大气分子对光的吸收能力,IWF(p)表示权重函数的积分,σon(p)-σoff(p)表示吸收截面积差,mdryair表示H2O和干空气的分子质量,XH2O(p)表示H2O在压强p处的体积比,g为重力加速度,pplane和psurface分别代表大气层顶部和底部的气压;
当步骤2输出的CO2柱加权浓度与步骤3输出的CO2浓度廓线的差值超过阈值ε时,通过最小化损失函数可求得现有条件下最优CO2浓度廓线,将其输入到步骤3中sciatran模型得到新的CO2浓度廓线,用新的CO2浓度廓线与步骤2输出的CO2柱加权浓度进行比较,重复执行此过程直至步骤3输出的新CO2浓度廓线与步骤2输出的CO2柱加权浓度差值小于等于阈值ε,停止迭代,得到最优CO2浓度廓线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111392799.XA CN114114324A (zh) | 2021-11-23 | 2021-11-23 | 针对星载激光雷达和高光谱仪的大气co2浓度协同反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111392799.XA CN114114324A (zh) | 2021-11-23 | 2021-11-23 | 针对星载激光雷达和高光谱仪的大气co2浓度协同反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114114324A true CN114114324A (zh) | 2022-03-01 |
Family
ID=80439621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111392799.XA Pending CN114114324A (zh) | 2021-11-23 | 2021-11-23 | 针对星载激光雷达和高光谱仪的大气co2浓度协同反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114324A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115826088A (zh) * | 2022-12-14 | 2023-03-21 | 合肥学院 | 中高层大气垂直风廓线的激光外差光谱测量方法及系统 |
CN116466368A (zh) * | 2023-06-16 | 2023-07-21 | 成都远望科技有限责任公司 | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 |
CN117784101A (zh) * | 2024-02-27 | 2024-03-29 | 武汉大学 | 一种星载大气激光雷达信号仿真方法及系统 |
-
2021
- 2021-11-23 CN CN202111392799.XA patent/CN114114324A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115826088A (zh) * | 2022-12-14 | 2023-03-21 | 合肥学院 | 中高层大气垂直风廓线的激光外差光谱测量方法及系统 |
CN115826088B (zh) * | 2022-12-14 | 2023-10-20 | 合肥学院 | 中高层大气垂直风廓线的激光外差光谱测量方法及系统 |
CN116466368A (zh) * | 2023-06-16 | 2023-07-21 | 成都远望科技有限责任公司 | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 |
CN116466368B (zh) * | 2023-06-16 | 2023-08-22 | 成都远望科技有限责任公司 | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 |
CN117784101A (zh) * | 2024-02-27 | 2024-03-29 | 武汉大学 | 一种星载大气激光雷达信号仿真方法及系统 |
CN117784101B (zh) * | 2024-02-27 | 2024-05-10 | 武汉大学 | 一种星载大气激光雷达信号仿真方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114114324A (zh) | 针对星载激光雷达和高光谱仪的大气co2浓度协同反演方法 | |
Fan et al. | Micrometeorological measurements of CH4 and CO2 exchange between the atmosphere and subarctic tundra | |
CN111060899B (zh) | 星地一体化激光雷达回波波形仿真方法及系统 | |
CN107561554B (zh) | 基于太阳光度计数据和多波长激光雷达数据的反演方法 | |
Singh et al. | Feasibility study of a space-based high pulse energy 2 μm CO 2 IPDA lidar | |
Pierangelo et al. | Merlin (methane remote sensing Lidar mission): An overview | |
Theopold et al. | Differential absorption lidar measurements of atmospheric temperature profiles: Theory and experiment | |
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 | |
CN112711002A (zh) | 一种基于co2-dial模拟测量的点源co2排放的新型估算方法 | |
CN110109149A (zh) | 一种激光雷达低层消光系数廓线校正方法 | |
CN108267725B (zh) | 多波长激光雷达的co2浓度分层反演方法及系统 | |
CN117784101A (zh) | 一种星载大气激光雷达信号仿真方法及系统 | |
Li et al. | Inversion of temperature and humidity profile of microwave radiometer based on bp network | |
Zhou et al. | XCO 2 satellite retrieval experiments in short-wave infrared spectrum and ground-based validation | |
CN113204543A (zh) | 基于机器学习的二氧化碳柱浓度时空序列调整方法 | |
CN115524264B (zh) | 一种基于激光雷达测量的气溶胶分类方法 | |
Browell | Lidar measurements of tropospheric gases | |
CN111352126A (zh) | 一种基于大气散射介质调制的单像素成像方法 | |
CN114280694B (zh) | 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 | |
CN116188705A (zh) | 区域大气污染物千米级分辨率立体分布的重构方法 | |
CN111044489B (zh) | 一种基于多波长测量获得大气折射率高度分布剖面的方法 | |
Liu et al. | An iterative calibrating method for airborne atmospheric detection lidar based on the klett forward integral equation | |
Eisele et al. | Relationship between OH measurements on two different NASA aircraft during PEM Tropics B | |
Pliutau et al. | Simulation studies for comparative evaluation of alternative spectral regions for the sensing of CO2 and O2 suitable for the ASCENDS Mission | |
Kibler et al. | Air pollution model parameter estimation using simulated LIDAR data |
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 |