CN114646601A - 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 - Google Patents
基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 Download PDFInfo
- Publication number
- CN114646601A CN114646601A CN202210317274.8A CN202210317274A CN114646601A CN 114646601 A CN114646601 A CN 114646601A CN 202210317274 A CN202210317274 A CN 202210317274A CN 114646601 A CN114646601 A CN 114646601A
- Authority
- CN
- China
- Prior art keywords
- ozone
- spectrum
- wave bands
- satellite
- iterative
- 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
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008878 coupling Effects 0.000 title claims abstract description 26
- 238000010168 coupling process Methods 0.000 title claims abstract description 26
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 90
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 37
- 230000003595 spectral effect Effects 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 239000005437 stratosphere Substances 0.000 claims description 11
- 239000005436 troposphere Substances 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000012298 atmosphere Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 239000010410 layer Substances 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- -1 carrier Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001444 catalytic combustion detection Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多波段耦合的卫星臭氧垂直廓线反演方法及系统，可以覆盖没有地面监测站点区域，提供臭氧浓度垂直分布，并且本发明耦合了多个波段的信息，提高了反演结果的敏感性；数据一致性高，并且校正了光谱测量误差，基于模拟数据对测量光谱进行了辐射定标，消除了测量光谱中的系统性偏差，提高了反演结果的精度；在此基础上，还可以通过干净地区计算得到的条带误差消除臭氧浓度的条带影响。
Description
技术领域
本发明涉及环境遥感技术领域，尤其涉及一种基于多波段耦合的卫星臭氧垂直廓线反演方法及系统。
背景技术
现有的监测系统主要依托于地面站点，数量有限、成本高，不连续，并且测量的浓度大多为近地面。而基于卫星光谱的遥感技术，能计算出臭氧在大气中的垂直分布，获取更大空间尺度上的臭氧信息，便于更好的理解臭氧的理化性质，从而为臭氧污染治理提供依据。
目前的卫星臭氧廓线遥感算法，大多是基于单波段光谱进行反演，由于不同波长在大气中的敏感高度不同，单波段反演往往难以获得具有较高垂直分辨率的臭氧廓线。
发明内容
本发明的目的是提供一种基于多波段耦合的卫星臭氧垂直廓线反演方法及系统，使用多波段耦合的方法，能够结合不同波段的灵敏高度，提升臭氧廓线的垂直分辨率。
本发明的目的是通过以下技术方案实现的：
一种基于多波段耦合的卫星臭氧垂直廓线反演方法，包括：
采集多个波段光谱数据，并分别对每一波段的光谱数据进行波长定标，处理获得多个波段的测量光谱；
利用临边观测臭氧廓线数据，结合给定的辅助数据，通过不同辐射传输模型模拟不同波段的光谱数据，按照波段比较模拟的光谱数据与相应测量光谱的差异，获得多个波段的辐射定标的校正光谱；
基于列文伯格-马夸尔特迭代原理，结合每一波段的测量光谱与校正光谱，构建多个波段的迭代函数，并构建用于判断迭代收敛的代价函数，耦合多个波段的光谱；根据迭代收敛时迭代函数的状态矢量确定大气臭氧垂直廓线数据。
一种基于多波段耦合的卫星臭氧垂直廓线反演系统，包括：
多光谱数据采集与波长定标模块，用于采集多个波段光谱数据，并分别对每一波段的光谱数据进行波长定标，获得多个波段的测量光谱；
辐射定标模块，用于利用临边观测臭氧廓线数据，结合给定的辅助数据，通过辐射传输模型模拟多个波段的光谱数据，按照波段比较模拟的光谱数据与相应测量光谱的差异，获得多个波段的辐射定标的校正光谱；
迭代反演模块，用于基于列文伯格-马夸尔特迭代原理，结合每一波段的测量光谱与校正光谱，构建多个波段的迭代函数，并构建用于判断迭代收敛的代价函数，耦合多个波段的光谱；根据迭代收敛时迭代函数的状态矢量确定大气臭氧垂直廓线数据。
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，可以覆盖没有地面监测站点区域，提供臭氧浓度垂直分布，并且本发明耦合了多个波段的信息，提高了反演结果的敏感性；数据一致性高，并且校正了光谱测量误差，基于模拟数据对测量光谱进行了辐射定标，消除了测量光谱中的系统性偏差，提高了反演结果的精度。
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为本发明实施例一提供的一种基于多波段耦合的卫星臭氧垂直廓线反演方法的流程图；
图2为本发明实施例一提供的臭氧浓度垂直分布图；
图3为本发明实施例二提供的一种基于多波段耦合的卫星臭氧垂直廓线反演系统的示意图；
图4为本发明实施例三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多波段耦合的卫星臭氧垂直廓线反演方法及系统进行详细描述。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试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
实施例一
如图1所示，一种基于多波段耦合的卫星臭氧垂直廓线反演方法，主要包括如下步骤：
步骤1、采集多个波段光谱数据，并分别对每一波段的光谱数据进行波长定标，处理获得多个波段的测量光谱。
本发明实施例中，多个波段主要包括：紫外、可见和近红外三个波段。采集上述三个波段的光谱数据，并且获得对应波段的太阳光谱。
为了消除太阳光谱、测量光谱、吸收截面之间的偏移与伸缩，对每一波段的光谱数据进行波长定标，表示为：
Is(λ)＝AI0(λ+Δλ)×[a0+a1(λ-λavg)+a2(λ-λavg)2]
其中，λ为波长，λavg表示平均波长，Δλ为波长λ到中心波长处的距离，I0为已知的太阳参考谱和仪器狭缝函数的卷积；A为缩放因子，表征了光谱定标的伸缩；λ+Δλ表征了光谱定标的偏移；a0、a1与a2均为多项式系数。
紫外、可见、近红外对应三个波段，每一波段都采用上述公式进行波长定标，获得多个波段的测量光谱。
步骤2、利用临边观测臭氧廓线数据，结合给定的辅助数据，通过不同辐射传输模型模拟不同波段的光谱数据，按照波段比较模拟的光谱数据与相应测量光谱的差异，获得多个波段的辐射定标的校正光谱。
本发明实施例中，通过模拟的光谱数据进行辐射定标，消除测量光谱中的系统性偏差；具体的，基于前述步骤1获得的多个波段的测量光谱，利用临边观测臭氧廓线数据，结合给定的辅助数据，通过不同辐射传输模型模拟不同波段的光谱数据；通过下式获得每一波段中每一波长的辐射定标的校正光谱：
c(λ)＝Isim(λ)/Imeas(λ)
其中，Imeas(λ)和Isim(λ)和分别是波长λ处的测量光强和模拟光强，C(λ)为计算得到的辐射定标的校正光谱。
同样的，紫外、可见、近红外三个波段，采用上述公式进行辐射定标，获得多个波段的辐射定标的校正光谱。
本发明实施例中，辅助数据主要包括：高分辨率气体吸收截面信息，地表反射率信息，温压廓线，气溶胶的浓度等。
步骤3、基于列文伯格-马夸尔特迭代原理，结合每一波段的测量光谱与校正光谱，构建多个波段的迭代函数，并构建用于判断迭代收敛的代价函数，耦合多个波段的光谱；根据迭代收敛时迭代函数的状态矢量确定大气臭氧垂直廓线数据。
本发明实施例中，基于前述步骤1与步骤2获得的测量光谱与辐射定标的校正光谱，通过归一化后，利用列文伯格-马夸尔特法迭代，构建耦合了紫外、可见和近红外三个波段的迭代函数；同时，利用测量误差、观测姿态以及先验信息作为约束条件，构建用于判断迭代收敛的代价函数。利用耦合了紫外、可见和近红外三个波段的迭代函数及代价函数，对状态矢量进行多次迭代及收敛判断，最终得到大气臭氧垂直廓线数据。其中：
构建的耦合了紫外、可见和近红外三个波段的迭代函数表表示为：
其中，x表示状态矢量，其包含了臭氧的垂直分布浓度(还包括云、温度、气压信息等)，i表示迭代次数，xa表示先验的状态矢量(即先验信息)；γi为列文伯格-马夸尔特参数，W表示非零权重矩阵，T为矩阵转置符号；Sε为测量误差协方差矩阵(通过测量误差与观测姿态构建)，Sa为先验协方差矩阵、Ki为权重函数矩阵，ΔL是利用校正光谱校正后的测量光谱Lobs(即将前述步骤2获得的校正光谱作为校正系数对步骤1中的测量光谱进行校正)与迭代计算时产生的相应模拟光谱Lsim的差异，UV(ultraviolet)表示紫外波段，VIS(visible)表示可见波段，TIR(Thermal Infrared)表示近红外波段，参数加上相应角标即表示对应波段的参数；例如，ΔLUV表示利用校正光谱校正后的紫外波段测量光谱Lobs_UV与迭代计算时产生的相应模拟光谱Lsim_UV的差异。
本领域技术人员可以理解，三个波段耦合主要体现在：函数中误差协方差矩阵，权重函数矩阵以及ΔL，它们都包含来自三个波段的信息。
用于判断迭代收敛的代价函数表示为：
其中，x表示状态矢量，xa表示先验的状态矢量，Sa为先验协方差矩阵，Lobs为利用校正光谱校正后的测量光谱，Lsim是基于状态矢量x产生的模拟光谱；上述式子中
的含义是ATBA。此外，上述代价函数做了简化，即式子中去掉了迭代次数的符号i，目前式子中包含的参数都是指本次迭代的参数。上述代价函数中Lobs_UV-Lsim_UV＝ΔLUV，Lobs_VIS-Lsim_VIS＝ΔLVIS，Lobs_TIR-Lsim_TIR＝ΔLTIR。
本发明实施例中，上述迭代函数可通过辐射传输模型计算，紫外、可见和近红外波段分别使用不同的辐射传输模型，反演时设定收敛的阈值，并通过代价函数C(x)判断是否收敛。如果不收敛则判定反演失败。如果收敛，则臭氧的垂直分布即包含在收敛时状态矢量x中。
至此完成了大气臭氧垂直廓线反演，如图2所示，展示了反演得到的大气臭氧垂直廓线分布图，其利用单日卫星探测器一次扫描区域的多波段光谱数据得到。
在上述反演的基础上，可以结合气压信息，积分获取对流层、平流层和整层的臭氧浓度，步骤包括：
1)基于大气臭氧垂直廓线数据，结合气压信息，积分获取大气层整层、平流层和对流层的臭氧浓度，计算公式表示为：
其中，TOZ、SOC、TOC对应的表示大气层整层、平流层、对流层的臭氧浓度；SubC表示反演得到的大气臭氧垂直廓线数据(它是臭氧的分层结果，垂直方向按气压分为24 层)，SubCl表示第l层的大气臭氧垂直廓线数据，idx_trop为对流层顶在大气臭氧垂直廓线中的位置。
2)通过干净地区的臭氧浓度获取反演过程的条带误差，在观测地区获得去除条带误差的臭氧浓度DSC(DeStripeColumn)。
本发明实施例中，干净地区可以选择纬度太平洋地区，该地区的臭氧浓度均一，臭氧在对流层尤其是近地面是一种污染气体，因此干净即是指臭氧浓度满足设定标准，浓度均一是指在一定经纬度范围内的区域，臭氧水平分布差异满足设定要求。
条带误差通常由仪器不同CCD间的特性差异带来的，此部分的计算公式表示为：
DSCk,j＝Ck,j-Stripej
其中，Crefer表示干净地区的平均臭氧浓度，C_cleanp,j表示干净地区中地面像元(p,j) 对应区域的臭氧浓度，Stripej为所有第j列像元对应区域的条带误差，Ck,j是指观测地区中地面像元(k,j)对应区域的臭氧浓度，包含对流层、平流层和整层的臭氧浓度中的任一种，即Ck,j通过TOZ、SOC与TOC任一计算公式获得，DSCk,j是观测地区中地面像元(k,j)对应区域消除条带误差后的臭氧浓度，p为覆盖干净地区的卫星像元沿轨方向编号，m为覆盖干净地区的卫星像元沿轨方向总数，j为卫星像元的交轨方向编号，n为卫星像元沿交轨方向总数，k为观测地区对应卫星像元的沿轨方向编号。
本发明实施例上述方案，主要获得如下有益效果：可以覆盖没有地面监测站点区域，提供臭氧浓度垂直分布，并且本发明耦合了多个波段的信息，提高了反演结果的敏感性；数据一致性高，并且校正了光谱测量误差，基于模拟数据对测量光谱进行了辐射定标，消除了测量光谱中的系统性偏差，提高了反演结果的精度；此外，通过干净地区计算得到的条带误差消除臭氧浓度的条带影响。本发明实施例上述方案，可以应用到高分五号以及后续低轨和高轨同类卫星，实现臭氧廓线的自主探测，为我国空气质量保障提供卫星支持。
实施例二
本发明还提供一种基于多波段耦合的卫星臭氧垂直廓线反演系统，其主要基于前述实施例一提供的方法实现，如图3所示，该系统主要包括：
多光谱数据采集与波长定标模块，用于采集多个波段光谱数据，并分别对每一波段的光谱数据进行波长定标，处理获得多个波段的测量光谱；
辐射定标模块，用于利用临边观测臭氧廓线数据，结合给定的辅助数据，通过辐射传输模型模拟多个波段的光谱数据，按照波段比较模拟的光谱数据与相应测量光谱的差异，获得多个波段的辐射定标的校正光谱；
迭代反演模块，用于基于列文伯格-马夸尔特迭代原理，结合每一波段的测量光谱与校正光谱，构建多个波段的迭代函数，并构建用于判断迭代收敛的代价函数，耦合多个波段的光谱；根据迭代收敛时迭代函数的状态矢量确定大气臭氧垂直廓线数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
此外，系统中各模块的主要工作原理在之前的实施例一中已经做了详细的介绍，故不再赘述。
实施例三
本发明还提供一种处理设备，如图4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。
实施例四
本发明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 (10)
1.一种基于多波段耦合的卫星臭氧垂直廓线反演方法，其特征在于，包括：
采集多个波段光谱数据，并分别对每一波段的光谱数据进行波长定标，处理获得多个波段的测量光谱；
利用临边观测臭氧廓线数据，结合给定的辅助数据，通过不同辐射传输模型模拟不同波段的光谱数据，按照波段比较模拟的光谱数据与相应测量光谱的差异，获得多个波段的辐射定标的校正光谱；
基于列文伯格-马夸尔特迭代原理，结合每一波段的测量光谱与校正光谱，构建多个波段的迭代函数，并构建用于判断迭代收敛的代价函数，耦合多个波段的光谱；根据迭代收敛时迭代函数的状态矢量确定大气臭氧垂直廓线数据。
2.根据权利要求1所述的一种基于多波段耦合的卫星臭氧垂直廓线反演方法，其特征在于，
所述波长定标的公式表示为：
Is(λ)＝AI0(λ+Δλ)×[a0+a1(λ-λavg)+a2(λ-λavg)2]
其中，λ为波长，λavg表示平均波长，Δλ为波长λ到中心波长处的距离，I0为已知的太阳参考谱和仪器狭缝函数的卷积；A为缩放因子，表征了光谱定标的伸缩；λ+Δλ表征了光谱定标的偏移；a0、a1与a2均为多项式系数；每一波段都进行波长定标，获得多个波段的测量光谱；
通过下式获得每一波段中每一波长的辐射定标的校正光谱：
C(λ)＝Isim(λ)/Imeas(λ)
其中，Imeas(λ)和Isim(λ)和分别是波长λ处的测量光强和模拟光强，C(λ)为计算得到的辐射定标的校正光谱；每一波段都进行辐射定标，获得多个波段的辐射定标的校正光谱；
其中，多个波段包括：紫外、可见和近红外三个波段。
3.根据权利要求1所述的一种基于多波段耦合的卫星臭氧垂直廓线反演方法，其特征在于，基于列文伯格-马夸尔特迭代原理，结合每一波段的测量光谱与校正光谱，构建多个波段的迭代函数表示为：
其中，x表示状态矢量，其包含了臭氧的垂直分布浓度，i表示迭代次数，xa表示先验的状态矢量；γi为列文伯格-马夸尔特参数，W表示非零权重矩阵，T为矩阵转置符号；Sε为测量误差协方差矩阵，Sa为先验协方差矩阵、Ki为权重函数矩阵，ΔL是利用校正光谱校正后的测量光谱与迭代计算时产生的相应模拟光谱的差异，所述多个波段包括：紫外、可见和近红外三个波段，UV表示紫外波段，VIS表示可见波段，TIR表示近红外波段，参数加上相应角标即表示对应波段的参数。
4.根据权利要求1所述的一种基于多波段耦合的卫星臭氧垂直廓线反演方法，其特征在于，所述用于判断迭代收敛的代价函数表示为：
其中，x表示状态矢量，xa表示先验的状态矢量，Sa为先验协方差矩阵，ΔL是利用校正光谱校正后的测量光谱与迭代计算时产生的相应模拟光谱的差异；所述多个波段包括：紫外、可见和近红外三个波段，UV表示紫外波段，VIS表示可见波段，TIR表示近红外波段，参数加上相应角标即表示对应波段的参数。
5.根据权利要求1所述的一种基于多波段耦合的卫星臭氧垂直廓线反演方法，其特征在于，该方法还包括：
基于大气臭氧垂直廓线数据，结合气压信息，积分获取大气层整层、平流层和对流层的臭氧浓度；
通过干净地区的臭氧浓度获取反演过程的条带误差，在观测地区获得去除条带误差的臭氧浓度。
6.根据权利要求5所述的一种基于多波段耦合的卫星臭氧垂直廓线反演方法，其特征在于，积分获取大气层整层、平流层和对流层的臭氧浓度的公式表示为：
其中，TOZ、SOC、TOC对应的表示大气层整层、平流层、对流层的臭氧浓度；SubC表示反演得到的大气臭氧垂直廓线数据，SubCl表示第l层的大气臭氧垂直廓线数据，idx_trop为对流层顶在大气臭氧垂直廓线中的位置。
7.根据权利要求5所述的一种基于多波段耦合的卫星臭氧垂直廓线反演方法，其特征在于，通过干净地区的臭氧浓度获取反演过程的条带误差，在观测地区获得去除条带误差的臭氧浓度表示为：
DSCk，j＝Ck，j-Stripej
其中，Crefer表示干净地区的平均臭氧浓度，C-cleanp，j表示干净地区中地面像元(p，j)对应区域的臭氧浓度，Stripej为所有第j列像元对应区域的条带误差，Ck，j是指观测地区中地面像元(k，j)对应区域的臭氧浓度，包含对流层、平流层和整层的臭氧浓度中的任一种，DSCk，j是观测地区中地面像元(k，j)对应区域消除条带误差后的臭氧浓度，p为覆盖干净地区的卫星像元沿轨方向编号，m为覆盖干净地区的卫星像元沿轨方向总数，j为卫星像元的交轨方向编号，n为卫星像元沿交轨方向总数，k为观测地区对应卫星像元的沿轨方向编号。
8.一种基于多波段耦合的卫星臭氧垂直廓线反演系统，其特征在于，基于权利要求1～7任一项所述的方法实现，该系统包括：
多光谱数据采集与波长定标模块，用于采集多个波段光谱数据，并分别对每一波段的光谱数据进行波长定标，获得多个波段的测量光谱；
辐射定标模块，用于利用临边观测臭氧廓线数据，结合给定的辅助数据，通过辐射传输模型模拟多个波段的光谱数据，按照波段比较模拟的光谱数据与相应测量光谱的差异，获得多个波段的辐射定标的校正光谱；
迭代反演模块，用于基于列文伯格-马夸尔特迭代原理，结合每一波段的测量光谱与校正光谱，构建多个波段的迭代函数，并构建用于判断迭代收敛的代价函数，耦合多个波段的光谱；根据迭代收敛时迭代函数的状态矢量确定大气臭氧垂直廓线数据。
9.一种处理设备，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1～7任一项所述的方法。
10.一种可读存储介质，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1～7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210317274.8A CN114646601A (zh) | 2022-03-29 | 2022-03-29 | 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210317274.8A CN114646601A (zh) | 2022-03-29 | 2022-03-29 | 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114646601A true CN114646601A (zh) | 2022-06-21 |
Family
ID=81994909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210317274.8A Pending CN114646601A (zh) | 2022-03-29 | 2022-03-29 | 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114646601A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116413215A (zh) * | 2023-04-14 | 2023-07-11 | 中国科学院大气物理研究所 | 基于环形临边探测中层大气臭氧浓度廓线非线性反演方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130301924A1 (en) * | 2000-07-31 | 2013-11-14 | Wei Chen | Method of Out-of-Band Correction for Multispectral Remote Sensing |
| US20140273000A1 (en) * | 2013-03-15 | 2014-09-18 | Peter STYS | Methods for analyzing blood to detect diseases associated with abnormal protein aggregation |
| CN104732240A (zh) * | 2015-04-07 | 2015-06-24 | 河海大学 | 一种应用神经网络敏感性分析的高光谱影像波段选择方法 |
| US20160341670A1 (en) * | 2015-05-22 | 2016-11-24 | Nanometrics Incorporated | Optical metrology using differential fitting |
| CN107561557A (zh) * | 2017-08-18 | 2018-01-09 | 中国科学院遥感与数字地球研究所 | 一种掩星探测仪大气成分反演方法 |
| 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 |
| CN110942049A (zh) * | 2019-12-17 | 2020-03-31 | 生态环境部卫星环境应用中心 | 一种基于卫星遥感的臭氧污染源识别方法和系统 |
| CN111339665A (zh) * | 2020-02-27 | 2020-06-26 | 中国科学院空天信息创新研究院 | 一种对流层臭氧廓线计算方法 |
| CN111929263A (zh) * | 2020-08-11 | 2020-11-13 | 生态环境部卫星环境应用中心 | 臭氧廓线和二氧化硫柱浓度协同反演方法 |
| CN112665829A (zh) * | 2020-12-16 | 2021-04-16 | 航天恒星科技有限公司 | 一种光学遥感卫星的波段间定标方法 |
-
2022
- 2022-03-29 CN CN202210317274.8A patent/CN114646601A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130301924A1 (en) * | 2000-07-31 | 2013-11-14 | Wei Chen | Method of Out-of-Band Correction for Multispectral Remote Sensing |
| US20140273000A1 (en) * | 2013-03-15 | 2014-09-18 | Peter STYS | Methods for analyzing blood to detect diseases associated with abnormal protein aggregation |
| CN105247367A (zh) * | 2013-03-15 | 2016-01-13 | 彼德·史戴斯 | 用于分析血液以检测与异常蛋白质聚集相关的疾病的方法 |
| CN104732240A (zh) * | 2015-04-07 | 2015-06-24 | 河海大学 | 一种应用神经网络敏感性分析的高光谱影像波段选择方法 |
| US20160341670A1 (en) * | 2015-05-22 | 2016-11-24 | Nanometrics Incorporated | Optical metrology using differential fitting |
| CN107561557A (zh) * | 2017-08-18 | 2018-01-09 | 中国科学院遥感与数字地球研究所 | 一种掩星探测仪大气成分反演方法 |
| 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 |
| CN110942049A (zh) * | 2019-12-17 | 2020-03-31 | 生态环境部卫星环境应用中心 | 一种基于卫星遥感的臭氧污染源识别方法和系统 |
| CN111339665A (zh) * | 2020-02-27 | 2020-06-26 | 中国科学院空天信息创新研究院 | 一种对流层臭氧廓线计算方法 |
| CN111929263A (zh) * | 2020-08-11 | 2020-11-13 | 生态环境部卫星环境应用中心 | 臭氧廓线和二氧化硫柱浓度协同反演方法 |
| CN112665829A (zh) * | 2020-12-16 | 2021-04-16 | 航天恒星科技有限公司 | 一种光学遥感卫星的波段间定标方法 |
Non-Patent Citations (9)
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116413215A (zh) * | 2023-04-14 | 2023-07-11 | 中国科学院大气物理研究所 | 基于环形临边探测中层大气臭氧浓度廓线非线性反演方法 |
| CN116413215B (zh) * | 2023-04-14 | 2023-10-17 | 中国科学院大气物理研究所 | 基于环形临边探测中层大气臭氧浓度廓线非线性反演方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Orphal et al. | Absorption cross-sections of ozone in the ultraviolet and visible spectral regions: Status report 2015 | |
| Buchwitz et al. | First direct observation of the atmospheric CO 2 year-to-year increase from space | |
| Rozanov et al. | NO2 and BrO vertical profile retrieval from SCIAMACHY limb measurements: Sensitivity studies | |
| Borsdorff et al. | Insights into Tikhonov regularization: application to trace gas column retrieval and the efficient calculation of total column averaging kernels | |
| Diedrich et al. | Retrieval of daytime total columnar water vapour from MODIS measurements over land surfaces | |
| 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 | |
| Borger et al. | Evaluation of MUSICA IASI tropospheric water vapour profiles using theoretical error assessments and comparisons to GRUAN Vaisala RS92 measurements | |
| Czajkowski et al. | Thermal remote sensing of near-surface water vapor | |
| CN114646601A (zh) | 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统 | |
| Yang et al. | Ground-based photon path measurements from solar absorption spectra of the O2 A-band | |
| Miura et al. | Validation and analysis of Terra and Aqua MODIS, and SNPP VIIRS vegetation indices under zero vegetation conditions: A case study using Railroad Valley Playa | |
| CN113607654B (zh) | 基于超光谱卫星的全球乙二醛浓度遥感反演方法及系统 | |
| Czajkowski et al. | Estimating environmental variables using thermal remote sensing | |
| Rodriguez et al. | Overview of the nadir sensor and algorithms for the NPOESS Ozone Mapping and Profiler Suite (OMPS) | |
| Strow et al. | Impact of a new water vapor continuum and line shape model on observed high resolution infrared radiances | |
| Miesch et al. | Assimilation method to derive spectral ground reflectance of desert sites from satellite datasets | |
| Meygret et al. | Calibration of SPOT4 HRVIR and Vegetation cameras over Rayleigh scattering | |
| Prasad et al. | Spectral modelling near the 1.6 μm window for satellite based estimation of CO2 | |
| Coldewey-Egbers et al. | Application of a modified DOAS method for total ozone retrieval from GOME data at high polar latitudes | |
| Rong et al. | Sensitivity analysis of an XCO2 retrieval algorithm for high-resolution short-wave infrared spectra | |
| Schläpfer et al. | Imaging spectrometry of tropospheric ozone and water vapor | |
| An et al. | Tomographic retrieval algorithm of OH concentration profiles using double spatial heterodyne spectrometers | |
| Griffin et al. | Sensitivity of atmospheric compensation model retrievals to input parameter specification | |
| CN115525854B (zh) | 一种静止气象卫星的水汽总量与分层水汽产品的生产方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220621 |