CN114839327A - 一种卫星监测目标区域排放源co2小时排放量方法和系统 - Google Patents
一种卫星监测目标区域排放源co2小时排放量方法和系统 Download PDFInfo
- Publication number
- CN114839327A CN114839327A CN202210765452.3A CN202210765452A CN114839327A CN 114839327 A CN114839327 A CN 114839327A CN 202210765452 A CN202210765452 A CN 202210765452A CN 114839327 A CN114839327 A CN 114839327A
- Authority
- CN
- China
- Prior art keywords
- xco
- emission source
- concentration
- satellite
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 13
- 238000009792 diffusion process Methods 0.000 claims description 31
- 239000000779 smoke Substances 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 5
- 238000007599 discharging Methods 0.000 abstract description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 188
- 229910002092 carbon dioxide Inorganic materials 0.000 description 94
- 239000001569 carbon dioxide Substances 0.000 description 91
- 238000004364 calculation method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Algebra (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种卫星监测目标区域排放源CO2小时排放量方法和系统，包括获取目标区域内的目标排放源的位置信息、卫星采集的XCO2浓度信息，以及XCO2浓度信息对应的气象信息；根据所述XCO2浓度信息选取符合CO2浓度条件的预设区域，构建观测窗口；根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数；根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得目标排放源的CO2小时排放量；通过卫星遥感进行大区域监测已知排放点源下风向的CO2小时排放量，大大减少了人力物力成本。
Description
技术领域
本发明涉及大气环境空气质量监测领域。具体而言，涉及一种卫星监测目标区域排放源CO2小时排放量方法和系统。
背景技术
大气中的二氧化碳(CO2)是最重要的温室气体，其浓度不断增加主要是由于人类活动所导致。准确量化CO2对于应对全球气候变化的所带来的挑战至关重要。截至2018年9月，195个《联合国气候变化框架公约》(UNFCCC)成员国签署了巴黎协议，其长期目标是将全球平均气温相对于工业化前水平的升幅保持在2℃以下。需要采取行动，在2020年达到排放峰值后，每十年将人为温室气体排放(包括CO2)减半。
然而，在人为排放方面仍存在很大的不确定性，目前还没有一个全球观测系统，使我们能够足够准确地监测各国的排放及其变化。随着卫星监测技术的快速发展，遥感监测全球CO2排放量逐渐成为主要手段之一。
现有技术中，地面站点能够监测排放源周边24小时 CO2浓度情况，但是不能够进行大范围监测，也就是说只能进行局部范围监测，如果需要大范围监测，需要部署大量地面站点，这会大大增加人力物力成本。
发明内容
本发明正是基于现有技术的上述需求而提出的，提供一种卫星监测目标区域排放源CO2小时排放量方法和系统。
为了解决上述问题，本发明是采用如下技术方案实现的：
一种卫星监测目标区域排放源CO2小时排放量方法，该方法包括：
获取目标区域内的目标排放源的位置信息、卫星采集的XCO2浓度信息，以及XCO2浓度信息对应的气象信息；
根据所述XCO2浓度信息选取符合CO2浓度条件的预设区域，构建观测窗口；
根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数；
根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得所述目标排放源的CO2小时排放量。
通过本方法，与大量布置地面站不同的是，仅利用卫星遥感以及关系函数即可进行大区域监测已知排放点源下风向的CO2小时排放量，可以为某区域，如县，市，国家，地区，乃至全球制定统一排放标准提供客观可靠的依据，大大减少了人力物力成本。
可选地，在构建所述观测窗口前，所述方法还包括：当所述目标区域包含两个或两个以上的排放源时，根据所述排放源的扩散区域和所述XCO2浓度信息，判断是否匹配；根据匹配结果，确定目标排放源以及对应的高值区；其中，所述排放源的扩散区域为基于卫星过境时刻风向，以排放源位置为圆心根据预设弧形角度、预设扩散半径值，确定所述排放源下风向的扇形区域。
考虑到目标区域内可能不只有一个排放源，如果不确定目标排放源，会影响到计算结果，所以为了使其计算结果更加准确，通过本步骤以确定目标排放源。根据卫星过境时刻获得目标排放源的扩散区域，可以在后续建立扩散区域与XCO2浓度信息的联系；又因为CO2大部分朝下风向扩散，所以仅考虑目标排放源的下风向的扩散区域，可以简化运算过程，提高计算效率。
可选地，所述卫星采集的XCO2浓度信息表征为通过卫星获取所述排放源下风向卫星过境时刻的XCO2分布条形区域，其中，所述排放源包括目标排放源。
获取排放源下风向和卫星过境时刻的XCO2分布条形区域，不考虑其他时刻和风向的数据，在一定程度上减少运算量，提高计算效率。
可选地，所述根据所述排放源的扩散区域和所述XCO2浓度信息，判断是否匹配；根据匹配结果，确定目标排放源以及对应的高值区，包括：
判断所述XCO2浓度信息的浓度高值区域与所述排放源的扩散区域是否存在至少部分重叠；若判断存在至少部分重叠，则选取重叠区域对应的排放源作为目标排放源。
筛选得到与XCO2浓度高值区域相关的目标排放源后构建观测窗口以使得最终的结果更加精确。
可选地，所述根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数，包括：
以所述观测窗口中经纬度最小位置为起始点，计算所述观测窗口中观测点与所述起始点的距离，利用高斯方程以所述观测点的XCO2浓度信息为横坐标，对应的所述距离为纵坐标进行拟合，获得多条拟合曲线，选取最大的相关系数的曲线对应的关系式作为所述XCO2关系函数，其中，空气中CO2浓度与距离表示为线性关系。
将XCO2浓度信息和观测点距离信息建立相关联系以通过高斯烟流模型计算目标排放源的CO2小时排放量。
可选地，所述根据XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得所述目标排放源的CO2小时排放量，包括：
获取所述XCO2关系函数中XCO2浓度最大值；
将所述XCO2浓度最大值减去对应的空气中CO2浓度，获得目标排放源在对应观测点的CO2排放量；
将所述目标排放源在对应观测点的CO2排放量和高斯烟流模型建立关系，得到目标排放源的排放速率；
通过所述排放速率，计算得到目标排放源的CO2小时排放量。
选择最大值的原因是容易获得，能够简化计算过程，并且此处与高斯烟流模型的关系性也是比较好，使得计算得到目标排放源的CO2小时排放量更加精确。
可选地，所述XCO2关系函数的公式为：
其中，XCO2为CO2干空气比柱浓度（ppm），l表示移动窗口中沿着OCO-2卫星轨道上的距离，a、b、A、µ和σ是决定曲线形状的参数，通过由XCO2不确定度统计量倒数加权的非线性最小二乘拟合估计所得，a·x+b表示空气中CO2浓度，x为观测点距离起始点的距离，e为自然常数。
在关系函数中将空气中CO2浓度变化当做线性变化，比简单地选择最大值或平均值作为空气中CO2浓度值更具有代表性，将高斯方程与线性变化组合有更好地拟合效果，使得计算得到的CO2排放量更加准确。
可选地，所述高斯烟流模型的公式为：
其中，F为排放速率（g/s），z为轨道上的距离，a为大气稳定性参数，u为风速（m/s），n为垂直风向上的距离（m），g重力加速度，M是分子量，Mair表示空气的分子量，MCO2表示CO2的分子量，Psurf近地面大气压强（Pa），w为总水汽柱含量(kg/m2)，e为自然常数。
运用此公式与关系函数联立，可以得到排放源CO2的排放速率，进一步算出CO2排放量，除此之外，本公式考虑到了众多因素，使得计算结果会更加准确。
一种卫星监测目标区域排放源CO2小时排放量系统，包括：
获取模块，获取目标区域内的目标排放源的位置信息、卫星采集的XCO2浓度信息，以及XCO2浓度信息对应的气象信息；
窗口构建模块，根据所述XCO2浓度信息选取符合CO2浓度条件的预设区域，构建观测窗口；
函数建立模块，根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数；
排放量确定模块，根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得所述目标排放源的CO2小时排放量。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质上存储有排放源CO2小时排放量监测程序，所述排放源CO2小时排放量监测程序在被处理器执行时，实现权利要求1-8中任一所述的一种卫星监测目标区域排放源CO2小时排放量方法的步骤。
与现有技术相比，本发明仅利用卫星遥感以及关系函数和高斯烟流模型即可进行大区域监测已知排放点源下风向的CO2小时排放量，可以为某区域，如县，市，国家，地区，乃至全球制定统一排放标准提供客观可靠的依据，大大减少了人力物力成本，绿色低碳，并且具有计算结果准确，运行速率高效的特点。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明具体实施方式提供的一种卫星监测目标区域排放源CO2小时排放量方法的流程图；
图2是本发明具体实施方式提供的一种卫星监测目标区域排放源CO2小时排放量方法的OCO-2卫星经过北京上空的CO2监测示意图；
图3是本发明具体实施方式提供的一种卫星监测目标区域排放源CO2小时排放量方法的目标区域OCO-2卫星观测XCO2散点分布与高斯模型拟合曲线示意图；
图4是本发明具体实施方式提供的一种卫星监测目标区域排放源CO2小时排放量方法的目标区域OCO-2卫星观测XCO2散点分布与剔除线性背景值后的高斯模型拟合曲线示意图；
图5是本发明具体实施方式提供的一种卫星监测目标区域排放源CO2小时排放量系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。
实施例1
本实施例提供了一种卫星监测目标区域排放源CO2小时排放量方法，如图1所示，具体包括：
S1：获取目标区域内的目标排放源的位置信息、卫星采集的XCO2浓度信息，以及XCO2浓度信息对应的气象信息。
所述卫星采集的XCO2浓度信息表征为通过卫星获取所述排放源下风向卫星过境时刻的XCO2分布条形区域，所述排放源包括目标排放源。
在所述排放源的下风向位置，通过卫星获取所述排放源位置附近的XCO2浓度分布，根据浓度值的大小，使用不同颜色判断不同浓度值，绘制出卫星观测轨道；本发明实施例以OCO-2卫星为例进行说明，所述卫星观测轨道具体展示为如图2所示的条带。所述卫星观测轨道可以直观地展现浓度分布情况。
获取排放源下风向和卫星过境时刻的XCO2分布条形区域，不考虑其他时刻和风向的数据，在一定程度上减少运算量，提高计算效率。
S2：根据所述XCO2浓度信息选取符合CO2浓度条件的预设区域，构建观测窗口。
在构建所述观测窗口前，所述方法还包括：当所述目标区域包含两个或两个以上的排放源时，根据所述排放源的扩散区域和所述XCO2浓度信息，判断是否匹配；根据匹配结果，确定目标排放源以及对应的高值区；其中，所述排放源的扩散区域为基于卫星过境时刻风向，以排放源位置为圆心根据预设弧形角度、预设扩散半径值，确定所述排放源下风向的扇形区域。
在本步骤中，所述根据所述排放源的扩散区域和所述XCO2浓度信息，判断是否匹配；根据匹配结果，确定目标排放源以及对应的高值区，包括：
判断所述XCO2浓度信息的浓度高值区域与所述排放源的扩散区域是否存在至少部分重叠；若判断存在至少部分重叠，则选取重叠区域对应的排放源作为目标排放源。
所述目标区域仅有一个排放源时，那此排放源就为目标排放源，由于卫星经过所述目标排放源所在区域时，会出现多个卫星观测轨道，但本发明实施例仅获取以所述目标排放源下风向卫星过境时刻的XCO2分布条形区域绘制得到的卫星观测轨道，以此观测轨道的高值区域为中心，通过预设矩形长宽确定观测窗口。所述XCO2浓度高值区域指在所述卫星观测轨道中XCO2浓度较高的部分；在本发明实施例中，所述预设矩形长宽为200KM。
所述目标区域包含两个或两个以上的排放源时，通过卫星采集的XCO2浓度信息可以绘制得到多个卫星观测轨道，选择卫星观测轨道包含的XCO2浓度高值区域与排放源排放扩散区域有重叠的排放源，以重叠区域对应的排放源作为目标排放源，以重叠区域对应的卫星观测轨道制作得到观测窗口，通过重叠区域将目标排放源与观测窗口进行匹配，其中，所述目标排放源包含至少有一个排放源。
在本发明实施例中，以北京顺义区的一个目标排放源为例，将预设扩散范围值设为20KM，当卫星经过所述目标排放源所在区域时，该所述目标排放源的风向为东北，角度设为30度，通过以目标排放源为中心，预设扩散范围值为半径，沿着风向根据角度值确定目标排放源排放扩散的扇形区域，具体如图2所示。
考虑到目标区域内可能不只有一个排放源，如果不确定目标排放源，会影响到计算结果，所以为了使其计算结果更加准确，通过本步骤以确定目标排放源。根据卫星过境时刻获得目标排放源的扩散区域，可以在后续建立扩散区域与XCO2浓度信息的联系；又因为CO2大部分朝下风向扩散，所以仅考虑目标排放源的下风向的扩散区域，可以简化运算过程，提高计算效率。
筛选得到与XCO2浓度高值区域相关的目标排放源后构建观测窗口以使得最终的结果更加精确。
S3：根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数。
在本步骤中，具体包括：以所述观测窗口中经纬度最小位置为起始点，计算所述观测窗口中观测点与所述起始点的距离，利用高斯方程以所述观测点的XCO2浓度值为横坐标，对应的所述距离为纵坐标进行拟合，获得多条拟合曲线，选取最大的相关系数的曲线对应的关系式作为所述XCO2关系函数，其中，空气中CO2浓度与距离表示为线性关系。
以所述观测窗口中经纬度最小位置为起始点，计算观测窗口中卫星观测轨道条带上观测点与起始点的距离，对所述观测窗口中卫星轨道包含的各个点的XCO2浓度与对应的距离建立关系，在本发明实施例中，通过高斯方程对卫星观测轨道上每个点的距离和XCO2浓度进行拟合，如图3所示，拟合得到多个曲线，选取相关系数最大值对应的曲线作为最终拟合曲线。其中，空气中CO2浓度与距离本发明实施例假设为线性关系。
将XCO2浓度信息和观测点距离信息建立相关联系以通过高斯烟流模型计算目标排放源的CO2小时排放量。
所述XCO2关系函数的具体公式为：
其中，XCO2为CO2干空气比柱浓度（ppm），l表示移动窗口中沿着OCO-2卫星轨道上的距离，a、b、A、µ和σ是决定曲线形状的参数，通过由XCO2不确定度统计量倒数加权的非线性最小二乘拟合估计所得，a·x+b表示空气中CO2浓度，x为观测点距离起始点的距离，e为自然常数。
在关系函数中将空气中CO2浓度变化当做线性变化，比简单地选择最大值或平均值作为空气中CO2浓度值更具有代表性，将高斯方程与线性变化组合有更好地拟合效果，使得计算得到的CO2排放量更加准确。
S4：根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得目标排放源的CO2小时排放量。
本步骤中，具体包括：
S40：获取所述XCO2关系函数中XCO2浓度最大值。
对相关系数最大值对应的关系函数求解得到XCO2浓度最大值。
S41：将所述XCO2浓度最大值减去对应的空气中CO2浓度，获得目标排放源在对应观测点的CO2排放量。
确定XCO2浓度最大值对应的距离，代入至空气中CO2浓度与距离的线性函数，求解得到空气中CO2浓度值，将所述XCO2浓度最大值减去对应的空气中CO2浓度值，获得目标排放源在该位置的CO2排放量。剔除空气中CO2浓度值后，目标区域OCO-2卫星观测XCO2散点分布与剔除空气中CO2浓度值后的高斯模型拟合曲线如图4所示。
S42：将所述目标排放源在对应观测点的CO2排放量和高斯烟流模型建立关系，得到目标排放源的排放速率。
结合大气总水汽含量、近地面压强、地面10米风速，所述高斯烟流模型的公式为：
其中，F为排放速率（g/s），z为轨道上的距离，a为大气稳定性参数，u为风速（m/s），n为垂直风向上的距离（m），g重力加速度，M是分子量，Mair表示空气的分子量，MCO2表示CO2的分子量，Psurf近地面大气压强（Pa），w为总水汽柱含量(kg/m2)，e为自然常数。
运用此公式与关系函数联立，可以得到排放源CO2的排放速率，进一步算出CO2排放量，除此之外，本公式考虑到了众多因素，使得计算结果会更加准确。
在本发明实施例中，高斯烟流模型的公式的XCO2为所述目标排放源在该位置的CO2排放量，代入后可求解得到目标排放源的排放速率。
S43：通过所述排放速率，计算得到目标排放源的CO2小时排放量。
通过上述公式计算得到卫星过境北京顺义区的一个目标排放源的CO2排放速率F，则该目标排放源的CO2小时排放量为F*3600s*10-6=1.22*103t=1.22kt。
此外，也可以获得预设时间内的目标排放源的CO2排放量，具体为：将计算得到的目标排放源的CO2排放速率乘以预设的时间值。
选择最大值的原因是容易获得，能够简化计算过程，并且此处与高斯烟流模型的关系性也是比较好，使得计算得到目标排放源的CO2小时排放量更加精确。
所述目标区域可以为目标排放源所在的县、市、国家、组织或全球。
本发明实施例不需要在CO2排放源周边设立地面站点测CO2浓度情况，仅利用卫星遥感以及关系函数和高斯烟流模型即可进行大区域监测已知排放点源下风向的CO2小时排放量，可以为某区域，如县，市，国家，地区，乃至全球制定统一排放标准提供客观可靠的依据，大大减少了人力物力成本，绿色低碳。另外，本发明实施例中将预设弧形角度设为30度，预设扩散半径值设为20KM，预设矩形长宽设为200KM，能够达到计算结果更加精确，运行速率更加高效的效果。
实施例2
本实施例提供了一种卫星监测目标区域排放源CO2小时排放量系统，如图5所示，具体包括：
获取模块50，获取目标区域内的目标排放源的位置信息、卫星采集的XCO2浓度信息，以及XCO2浓度信息对应的气象信息；
窗口构建模块51，根据所述XCO2浓度信息选取符合CO2浓度条件的预设区域，构建观测窗口；
函数建立模块52，根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数；
排放量确定模块53，根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得所述目标排放源的CO2小时排放量。
可选地，所述窗口构建模块51在构建所述观测窗口前，还用于：当所述目标区域包含两个或两个以上的排放源时，根据所述排放源的扩散区域和所述XCO2浓度信息，判断是否匹配；根据匹配结果，确定目标排放源以及对应的高值区；其中，所述排放源的扩散区域为基于卫星过境时刻风向，以排放源位置为圆心根据预设弧形角度、预设扩散半径值，确定所述排放源下风向的扇形区域。
可选地，所述获取模块50的所述卫星采集的XCO2浓度信息表征为通过卫星获取所述排放源下风向卫星过境时刻的XCO2分布条形区域，其中，所述排放源包括目标排放源。
可选地，所述窗口构建模块51用于判断所述XCO2浓度信息的浓度高值区域与所述排放源的扩散区域是否存在至少部分重叠；若判断存在至少部分重叠，则选取重叠区域对应的排放源作为目标排放源。
可选地，所述函数建立模块52用于以所述观测窗口中经纬度最小位置为起始点，计算所述观测窗口中观测点与所述起始点的距离，利用高斯方程以所述观测点的XCO2浓度值为横坐标，对应的所述距离为纵坐标进行拟合，获得多条拟合曲线，选取最大的相关系数的曲线对应的关系式作为所述XCO2关系函数，其中，空气中CO2浓度与距离表示为线性关系。
可选地，所述排放量确定模块53用于：
获取所述XCO2关系函数中XCO2浓度最大值；
将所述XCO2浓度最大值减去对应的空气中CO2浓度，获得目标排放源在对应观测点的CO2排放量；
将所述目标排放源在对应观测点的CO2排放量和高斯烟流模型建立关系，得到目标排放源的排放速率；
通过所述排放速率，计算得到目标排放源的CO2小时排放量。
可选地，所述XCO2关系函数的公式为：
其中，XCO2为CO2干空气比柱浓度（ppm），l表示移动窗口中沿着OCO-2卫星轨道上的距离，a、b、A、µ和σ是决定曲线形状的参数，通过由XCO2不确定度统计量倒数加权的非线性最小二乘拟合估计所得，a·x+b表示空气中CO2浓度，x为观测点距离起始点的距离，e为自然常数。
可选地，所述高斯烟流模型的公式为：
其中，F为排放速率（g/s），z为轨道上的距离，a为大气稳定性参数，u为风速（m/s），n为垂直风向上的距离（m），g重力加速度，M是分子量，Mair表示空气的分子量，MCO2表示CO2的分子量，Psurf近地面大气压强（Pa），w为总水汽柱含量(kg/m2)，e为自然常数。
实施例3
本发明提供的计算机可读存储介质上存储有排放源CO2小时排放量监测程序，所述排放源CO2小时排放量监测程序在被处理器执行时，实现本发明提供的一种卫星监测目标区域排放源CO2小时排放量方法的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，包括：
获取目标区域内的目标排放源的位置信息、卫星采集的XCO2浓度信息，以及XCO2浓度信息对应的气象信息；
根据所述XCO2浓度信息选取符合CO2浓度条件的预设区域，构建观测窗口；
根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数；
根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得所述目标排放源的CO2小时排放量。
2.根据权利要求1所述的一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，在构建所述观测窗口前，所述方法还包括：当所述目标区域包含两个或两个以上的排放源时，根据所述排放源的扩散区域和所述XCO2浓度信息，判断是否匹配；根据匹配结果，确定目标排放源以及对应的高值区；其中，所述排放源的扩散区域为基于卫星过境时刻风向，以排放源位置为圆心根据预设弧形角度、预设扩散半径值，确定所述排放源下风向的扇形区域。
3.根据权利要求2所述的一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，所述卫星采集的XCO2浓度信息表征为通过卫星获取所述排放源下风向卫星过境时刻的XCO2分布条形区域，其中，所述排放源包括目标排放源。
4.根据权利要求3所述的一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，所述根据所述排放源的扩散区域和所述XCO2浓度信息，判断是否匹配；根据匹配结果，确定目标排放源以及对应的高值区，包括：
判断所述XCO2浓度信息的浓度高值区域与所述排放源的扩散区域是否存在至少部分重叠；若判断存在至少部分重叠，则选取重叠区域对应的排放源作为目标排放源。
5.根据权利要求4所述的一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，所述根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数，包括：
以所述观测窗口中经纬度最小位置为起始点，计算所述观测窗口中观测点与所述起始点的距离，利用高斯方程以所述观测点的XCO2浓度值为横坐标，对应的所述距离为纵坐标进行拟合，获得多条拟合曲线，选取最大的相关系数的曲线对应的关系式作为所述XCO2关系函数，其中，空气中CO2浓度与距离表示为线性关系。
6.根据权利要求5所述的一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得所述目标排放源的CO2小时排放量，包括：
获取所述XCO2关系函数中XCO2浓度最大值；
将所述XCO2浓度最大值减去对应的空气中CO2浓度，获得目标排放源在对应观测点的CO2排放量；
将所述目标排放源在对应观测点的CO2排放量和高斯烟流模型建立关系，得到目标排放源的排放速率；
通过所述排放速率，计算得到目标排放源的CO2小时排放量。
7.根据权利要求6所述的一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，所述XCO2关系函数的公式为：
其中，XCO2为CO2干空气比柱浓度（ppm），l表示移动窗口中沿着OCO-2卫星轨道上的距离，a、b、A、µ和σ是决定曲线形状的参数，通过由XCO2不确定度统计量倒数加权的非线性最小二乘拟合估计所得，a·x+b表示空气中CO2浓度，x为观测点距离起始点的距离，e为自然常数。
8.根据权利要求7所述的一种卫星监测目标区域排放源CO2小时排放量方法，其特征在于，所述高斯烟流模型的公式为：
其中，F为排放速率（g/s），z为轨道上的距离，a为大气稳定性参数，u为风速（m/s），n为垂直风向上的距离（m），g重力加速度，M是分子量，Mair表示空气的分子量，MCO2表示CO2的分子量，Psurf近地面大气压强（Pa），w为总水汽柱含量(kg/m2)，e为自然常数。
9.一种卫星监测目标区域排放源CO2小时排放量系统，其特征在于，包括：
获取模块，获取目标区域内的目标排放源的位置信息、卫星采集的XCO2浓度信息，以及XCO2浓度信息对应的气象信息；
窗口构建模块，根据所述XCO2浓度信息选取符合CO2浓度条件的预设区域，构建观测窗口；
函数建立模块，根据观测窗口内的XCO2浓度信息和观测点距离信息，构建XCO2关系函数；
排放量确定模块，根据所述XCO2关系函数、大气总水汽含量、近地面压强、地面风速，获得所述目标排放源的CO2小时排放量。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质上存储有排放源CO2小时排放量监测程序，所述排放源CO2小时排放量监测程序在被处理器执行时，实现权利要求1-8中任一所述的一种卫星监测目标区域排放源CO2小时排放量方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210765452.3A CN114839327B (zh) | 2022-07-01 | 2022-07-01 | 一种卫星监测目标区域排放源co2小时排放量方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210765452.3A CN114839327B (zh) | 2022-07-01 | 2022-07-01 | 一种卫星监测目标区域排放源co2小时排放量方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114839327A true CN114839327A (zh) | 2022-08-02 |
| CN114839327B CN114839327B (zh) | 2023-01-17 |
Family
ID=82574865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210765452.3A Active CN114839327B (zh) | 2022-07-01 | 2022-07-01 | 一种卫星监测目标区域排放源co2小时排放量方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114839327B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115830472A (zh) * | 2023-01-12 | 2023-03-21 | 北京英视睿达科技股份有限公司 | 一种城市复杂下垫面甲烷排放源识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130179078A1 (en) * | 2009-11-26 | 2013-07-11 | Tanguy Griffon | Method for measuring weekly and annual emissions of a greenhouse gas over a given surface area |
| CN112257551A (zh) * | 2020-10-19 | 2021-01-22 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及系统 |
| CN114088633A (zh) * | 2021-11-19 | 2022-02-25 | 生态环境部卫星环境应用中心 | 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 |
| US20220091026A1 (en) * | 2020-09-10 | 2022-03-24 | Project Canary, Pbc | Air quality monitoring system and method |
| CN114547885A (zh) * | 2022-02-21 | 2022-05-27 | 清华大学 | 碳排放定量反演的方法、装置、设备及存储介质 |
| CN114564841A (zh) * | 2022-03-03 | 2022-05-31 | 上海市环境科学研究院 | 城市大气排放清单反演方法、系统、设备及存储介质 |
-
2022
- 2022-07-01 CN CN202210765452.3A patent/CN114839327B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130179078A1 (en) * | 2009-11-26 | 2013-07-11 | Tanguy Griffon | Method for measuring weekly and annual emissions of a greenhouse gas over a given surface area |
| US20220091026A1 (en) * | 2020-09-10 | 2022-03-24 | Project Canary, Pbc | Air quality monitoring system and method |
| CN112257551A (zh) * | 2020-10-19 | 2021-01-22 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及系统 |
| CN114088633A (zh) * | 2021-11-19 | 2022-02-25 | 生态环境部卫星环境应用中心 | 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 |
| CN114547885A (zh) * | 2022-02-21 | 2022-05-27 | 清华大学 | 碳排放定量反演的方法、装置、设备及存储介质 |
| CN114564841A (zh) * | 2022-03-03 | 2022-05-31 | 上海市环境科学研究院 | 城市大气排放清单反演方法、系统、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 雷莉萍 等: "人为排放所引起大气CO_2浓度变化的卫星遥感观测评估", 《科学通报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115830472A (zh) * | 2023-01-12 | 2023-03-21 | 北京英视睿达科技股份有限公司 | 一种城市复杂下垫面甲烷排放源识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114839327B (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Viatte et al. | Methane emissions from dairies in the Los Angeles Basin | |
| Van Damme et al. | Towards validation of ammonia (NH 3) measurements from the IASI satellite | |
| Nordbo et al. | Revised eddy covariance flux calculation methodologies–effect on urban energy balance | |
| Kumar et al. | Wintertime characteristics of aerosols at middle Indo-Gangetic Plain: Impacts of regional meteorology and long range transport | |
| Järvi et al. | Seasonal and annual variation of carbon dioxide surface fluxes in Helsinki, Finland, in 2006–2010 | |
| Skjøth et al. | Identifying urban sources as cause of elevated grass pollen concentrations using GIS and remote sensing | |
| Menut et al. | Impact of biomass burning on pollutant surface concentrations in megacities of the Gulf of Guinea | |
| CN110909483A (zh) | 一种基于网格化数据的点源大气污染物排放清单校验方法 | |
| Ruminski et al. | Recent changes to the hazard mapping system | |
| Knowles et al. | Energy and surface moisture seasonally limit evaporation and sublimation from snow-free alpine tundra | |
| Jiménez et al. | Exploring the merging of the global land evaporation WACMOS-ET products based on local tower measurements | |
| Fang et al. | Characteristics of atmospheric CO2 and CH4 at the Shangdianzi regional background station in China | |
| Fares et al. | Particle deposition in a peri-urban Mediterranean forest | |
| Dammers et al. | Measuring atmospheric ammonia with remote sensing campaign: Part 1–Characterisation of vertical ammonia concentration profile in the centre of The Netherlands | |
| Mei et al. | Integration of remote sensing data and surface observations to estimate the impact of the Russian wildfires over Europe and Asia during August 2010 | |
| Kleingeld et al. | Carbon dioxide fluxes in the city centre of Arnhem, A middle-sized Dutch city | |
| Surendran et al. | Air quality simulation over South Asia using Hemispheric Transport of Air Pollution version-2 (HTAP-v2) emission inventory and Model for Ozone and Related chemical Tracers (MOZART-4) | |
| CN114839327B (zh) | 一种卫星监测目标区域排放源co2小时排放量方法和系统 | |
| CN117629907B (zh) | 一种高分辨率遥感识别甲烷泄漏方法、系统、设备及介质 | |
| Huang et al. | Toward enhanced capability for detecting and predicting dust events in the western United States: the Arizona case study | |
| Font et al. | Daytime CO2 urban surface fluxes from airborne measurements, eddy-covariance observations and emissions inventory in Greater London | |
| CN114974453A (zh) | 一种大气二氧化碳柱浓度高覆盖度重建方法 | |
| Ramachandran et al. | Aerosols heat up the Himalayan climate | |
| Park et al. | Characteristics of atmospheric CO2 fluxes and the estimation of their potential sources around Boseong Standard Weather Observatory (BSWO) | |
| Henninger et al. | Near surface carbon dioxide within the urban area of Essen, Germany |
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 |