CN116008226A - 一种卫星二氧化碳高精度遥感反演方法 - Google Patents
一种卫星二氧化碳高精度遥感反演方法 Download PDFInfo
- Publication number
- CN116008226A CN116008226A CN202310032685.7A CN202310032685A CN116008226A CN 116008226 A CN116008226 A CN 116008226A CN 202310032685 A CN202310032685 A CN 202310032685A CN 116008226 A CN116008226 A CN 116008226A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- satellite
- spectrum
- inversion
- carbon dioxide
- 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
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 title claims abstract description 98
- 229910002092 carbon dioxide Inorganic materials 0.000 title claims abstract description 49
- 239000001569 carbon dioxide Substances 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001228 spectrum Methods 0.000 claims abstract description 67
- 230000003595 spectral effect Effects 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 239000000443 aerosol Substances 0.000 claims description 28
- 230000003287 optical effect Effects 0.000 claims description 20
- 238000002310 reflectometry Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 18
- 238000012937 correction Methods 0.000 abstract description 8
- 230000005855 radiation Effects 0.000 description 20
- 239000007789 gas Substances 0.000 description 19
- 238000001514 detection method Methods 0.000 description 18
- 239000010410 layer Substances 0.000 description 17
- 238000005259 measurement Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 239000005431 greenhouse gas Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000005436 troposphere Substances 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 239000005427 atmospheric aerosol Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000005437 stratosphere Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种卫星二氧化碳高精度遥感反演方法，包括以下步骤：获取卫星遥感数据；对卫星遥感数据进行预处理；基于预处理后的卫星遥感数据，提取外部环境参数；基于外部环境参数，计算模拟光谱并进行光谱校准；基于校准后的光谱，构建CO2反演过程。本申请反演数据的获取是从GMI载荷探测到的一级数据中得到带有波长信息的绝对辐亮度光谱。对GMI的实测数据进行筛选。同时，设置合适的阈值范围，将不合理的大气筛选条件的数据剔除。利用SCIATRAN模型进行模拟光谱的计算以及大气二氧化碳的反演原理，设计了多普勒频移和地球大气影响导致的光谱漂移校正算法，实现了光谱波长的精校准，最终完成了大气二氧化碳反演算法。
Description
技术领域
本申请属于卫星遥感技术领域，具体涉及一种卫星二氧化碳高精度遥感反演方法。
背景技术
自工业化时代以来，由于人类频繁的生产活动以及机械化信息化的加速发展，产生了许多二氧化碳等温室气体，这种人为排放正在逐年增长。这些温室气体虽然只是大气中存在的一小部分，占取的比例也非常小，但是研究认为大气中温室气体含量的逐渐上升将使近地表空间产生较为剧烈的大气反应，从而使得某些极端天气的出现频率大大增加，而且二氧化碳的性质较为稳定，一旦排放至空气中就会持续存在而难以消失。
温室效应引发的气候变暖一直是国际上关注的热点问题，大气中的二氧化碳作为主要的温室气体，是引起温室效应的重要因素。为了研究大气二氧化碳的分布和全球范围的二氧化碳变化规律，制定合理的CO2减排政策，需要高精度的CO2探测数据的支持。基于地面站点的探测方法具有较高的测量精度，但是与空基探测都存在探测范围狭小，数据量不足等问题，所以地基和空基观测方法无法满足全球气候变化研究对大气CO2的测量需求。基于天基测量的卫星遥感方法可以实现高频率的全球范围探测。目前，国际上已经发射多颗大气温室气体遥感卫星用于温室气体监测和气候变化研究，而要满足这种应用要求，卫星遥感的测量精度必须高于1％。因此，高精度的CO2反演是实现遥感卫星应用的关键因素之一。
发明内容
本申请提出了一种卫星二氧化碳高精度遥感反演方法，利用SCIATRAN模型进行模拟光谱的计算以及大气CO2的反演原理，设计了多普勒频移和地球大气影响导致的光谱漂移校正算法，实现了光谱波长的精校准，最终完成了大气CO2反演算法。
为实现上述目的，本申请提供了如下方案：
一种卫星二氧化碳高精度遥感反演方法，包括以下步骤：
获取卫星遥感数据；
对所述卫星遥感数据进行预处理；
基于所述预处理后的卫星遥感数据，提取外部环境参数；
基于所述外部环境参数，计算模拟光谱并进行光谱校准；
基于所述校准后的光谱，构建CO2反演过程。
优选的，所述获取卫星遥感数据的方法包括：采用短波近红外遥感卫星。
优选的，对所述卫星遥感数据进行预处理的方法包括：
对所述遥感数据进行量化；
基于大气条件，对所述进行量化后的遥感数据基于筛选参数进行筛选；
对所述筛选后的遥感数据去除云污染，得到预处理后的遥感数据。
优选的，对所述遥感数据进行量化的方法包括：采用光谱定标将原始光谱转化为带有光谱信息的绝对辐亮度谱。
优选的，所述筛选参数包括：太阳天顶角大小和气溶胶光学厚度。
优选的，对所述筛选后的遥感数据去除云污染的方法包括：通过调整阈值，设置在晴空和无气溶胶条件下，利用卫星探测到的观测光谱与前向模型计算的模拟光谱进行对比，进行云污染数据的去除。
优选的，提取的外部环境参数包括：地表反射率、大气参数和气溶胶光学厚度。
优选的，所述光谱校准的方法包括：
ω(j)＝ai2+bi+c(i＝1，2，…,n)
式中，ω表示波数，i表示序列号，n表示总采样点数，a、b、c表示方程的各指数项系数。
优选的，所述构建CO2反演的方法包括：采用最优估计方法进行反演。
本申请的有益效果为：
本申请公开了反演数据的获取是从GMI载荷探测到的一级数据中得到带有波长信息的绝对辐亮度光谱。其次，由于卫星遥感探测受到地球大气影响很大，尤其是受到大范围云层覆盖的影响，导致陆地观测信息出现严重偏差，必须针对特殊的大气条件和云层污染，对GMI的实测数据进行筛选。同时，设置合适的阈值范围，将不合理和不符合大气筛选条件的数据剔除。利用SCIATRAN模型进行模拟光谱的计算以及大气CO2的反演原理，设计了多普勒频移和地球大气影响导致的光谱漂移校正算法，实现了光谱波长的精校准，最终完成了大气CO2反演算法。
附图说明
为了更清楚地说明本申请的技术方案，下面对实施例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是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种卫星二氧化碳高精度遥感反演方法流程示意图；
图2为本申请实施例的大气层分层示意图；
图3为本申请实施例的反演算法流程示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
如图1所示，为本申请实施例的一种卫星二氧化碳高精度遥感反演方法流程示意图；包括以下步骤：
获取卫星遥感数据；采用短波近红外遥感卫星获取卫星遥感数据。本实施例中，采用高分5号卫星获取遥感数据。高分5号卫星由我国科研机构研发，是高分专项中用于对陆地和地球大气进行综合观测的遥感卫星，该卫星目前已经交付使用并在轨运行近两年。星上搭载的任务载荷，其中具有两台对地成像载荷和四台大气探测载荷。其中大气痕量气体差分吸收光谱仪EMI、大气气溶胶多角度偏振探测仪DPC、大气主要温室气体监测仪GMI，这三个遥感载荷均由中科院安徽光学精密机械研究所研制。
高分5号卫星搭载了众多精密探测传感器，具备陆地成像、大气探测、海洋观测等多种观测方式和手段，星上搭载的任务载荷可以获得波长0.24～13.3um的紫外到长波红外高光谱分辨率的光谱数据，任务载荷的光谱测量分辨率最高可达0.03cm-1，同时还能够实现探测仪器的轨道星上定标。这些仪器可对大气气溶胶、温室气体、秸秆焚烧、森林火灾等多个生态环境要素进行监测，该卫星将在环境监测以及气候变化研究等方面发挥重要的作用。其中GMI载荷的主要技术指标如下表1所示。
表1
地球上的大气历经数亿年演变，到现代以来，主要含有氮气(N2)、氧气(O2)等主要的气体成分，以及二氧化碳(CO2)等含量基本不变的气体成分，以及含量浮动较大的气体成分，比如一氧化碳(CO)、二氧化硫(SO2)和臭氧(O3)等。此外，在地球大气中还包括一些悬浮的固体微粒和气溶胶微粒等，比如常见的PM2.5就是大气中直径很小的悬浮微粒，由于人类的生产生活进步、工业化飞速发展的影响，大气中的CO2、CH4等的气体成分呈现出了增加趋势，其中大气中的CO2含量近年来的年平均增长率约为2.5ppm。
地球的大气覆盖着地球表面，对外隔绝了大部分紫外线等宇宙射线对地球的辐射，对内维护地球表层温度与气候的稳定，是地球的保护层。随着海拔高度的增加，大气层的物理化学特性也随之改变。大气的基本结构在海拔高度由上而下依次分为热层、中间层、平流层以及对流层，其分层示意图如图2所示。
对流层位于地表至海拔12公里的区域，大气中的绝大部分空气和水汽都位于这一层，所有的空气活动造成的气象状况如雨雪、雷暴、飓风等都发生在对流层。从图中可以看出，在该层温度随着海拔高度的变化呈现出明显的线性关系。由于人类活动产生的各种气体、尘埃等物质几乎都释放到了该层，CO2的源汇活动也基本上都发生在对流层。因此，对流层的大气情况对我们生产生活的影响是最大的。
平流层位于海拔12公里至大约55公里的高空，空气在该层非常稀薄，大气的流动不会受到地表活动的影响，基本上呈现出水平的运动。在该层拥有一种非常重要的气体：臭氧。臭氧也以垂直层的现象分布，大约位于平流层的中下部，厚度约为20公里。由于臭氧的分子特性，可以隔绝大部分对我们产生损害的宇宙射线，是保护地球生态的重要气体。
中间层位于海拔55公里至大约85公里的高空，该层的空气非常少，从图中可以看出，该层的气温与海拔高度存在反相关的比例关系，在该层存在着明显的空气垂直对流运动。
热层位于85公里至800公里的高度之间，此处大气中的气体分子会暴露在地球的最外沿，直接受到强烈的电磁辐射作用。因此，气体分子在该层一般会受到这种影响而被电离。某些气体分子如氧气被电离后会将大部分波长较短的太阳辐射能量转化为自身分子的能量，从而使该层的温度升高。由于气体分子电离后能够反射地表产生的电磁波，所以热层的存在使地球远距离无线电传输成为可能。
一些被动卫星遥感探测就是接收地表反射的太阳辐射信号，而所有这些信号都必须经过地球的大气，卫星遥感探测器接收的辐射信号主要包括经过地球大气散射的太阳辐射信号和受到地表与大气作用后反射的辐射信号。
GMI是搭载于我国高分5号卫星平台上用于探测大气中的CO2和CH4的高光谱载荷，GMI的回访周期为五天，即每五天可实现一次全球范围的大气探测。有别于GOSAT和OCO-2卫星载荷的光谱探测手段，GMI采用了自主研发的空间外差技术实现高光谱测量。GMI包含4个光谱通道，中心波长分别为0.765um、1.575pm、1.65um和2.05um，其中0.765pm用于O2探测、1.575pm和2.05um用于CO2探测、1.65um用于CH4探测。
对卫星遥感数据进行预处理；对卫星遥感数据进行预处理的方法包括：对遥感数据进行量化；
从GMI的一级光谱数据中可以获得定标系数、DN值以及各个气体波段的波长数据。需要对光谱进行处理，采用光谱定标将原始DN光谱转化为带有光谱信息的绝对辐亮度谱，将从一级光谱中获得的定标系数对相应气体分子波段进行处理，从而获得包含波长数据的相应气体分子的绝对辐亮度光谱。高分5号卫星平台上搭载有辐射定标装置，该定标装置由若干功能模块组成。GMI定标模式的数据采集是利用二维跟踪仪通过相应的运动机构将校准光源导入载荷的望远系统进行的。
GMI的在轨定标包括光谱定标和辐射定标，这两种定标方式都采取相同的定标装置，为了保证足够的阳光入射到定标装置，并且太阳光未受到大气吸收的影响，需要选择合适的定标时间。根据对GF-5卫星的运动轨迹进行分析，发现卫星过境南极区域时，太阳光正好照射到太阳漫射器，这时候的星下点处于阴暗的状态，大气和地景对信号的影响是最低的，所以选择此时作为载荷的定标时间。
如表2所示，基于大气条件，对进行量化后的遥感数据基于筛选参数进行筛选；通过大气条件筛选模块对输入的辐亮度光谱数据进行数据筛选处理，得到信号强度等满足要求的光谱数据。太阳天顶角的大小决定了卫星探测到的光谱信号的强弱，气溶胶光学厚度的大小则决定了算法的复杂度。为了保证测量数据的实用性并减轻算法复杂度，通过从一级数据中提取太阳天顶角值，将太阳天顶角超过一定阈值的光谱数据进行剔除，然后从经过筛选的光谱数据中挑选出气溶胶光学厚度不超过一定阈值的光谱数据用于后续的反演。
表2
对筛选后的遥感数据去除云污染，得到预处理后的遥感数据；首先对输入的无云无气溶胶的模拟光谱以及GMIO2通道观测光谱进行优化估计反演；对反演得到的表面压力进行阈值判断，选择出小于压力差阈值的数据；判断光谱拟合残差是否小于残差阈值，如果小于则为无云，即大气条件好的观测。采用SCIATRAN作为云污染检测的前向模型，该模型是一种常用的大气辐射传输计算模型，通过调整合适的阈值，设置在晴空和无气溶胶条件下，利用GMI载荷探测到的观测光谱与前向模型计算的模拟光谱进行对比，进行云污染数据的去除。SCIATRAN模型：主要用于从SCIAMACHY卫星光谱仪的全球最低辐射率测量中检索大气成分。利用伪球面大气方法，可适用于高达约92°的太阳天顶角。新一代的SCIATRAN模型包含最新SCIATRAN 1.2RTM的所有功能，支持在球形大气中进行附加辐射传输模型的计算。该程序用FORTRAN 95编写，辐射传输模型覆盖的波长范围扩展到了175-2380nm。该模型是一种较新的大气辐射传输计算模型。
基于预处理后的卫星遥感数据，提取外部环境参数；外部环境参数主要包括各个波段的地表反射率信息、温度、湿度、压力等廓线信息，以及各波段的气溶胶光学厚度。根据GMI一级产品中的经纬度信息在提取地表反射率和气溶胶光学厚度信息进行空间匹配处理，在进行大气参数廓线信息的提取时面临着GMI采样点与气象参数栅格不匹配等问题，所以需要对原始的气象产品进行细化、重采样以及高层的补充。
提取的外部环境参数包括：地表反射率、大气参数和气溶胶光学厚度。
地表反射率：地表反射的辐射信号会经过大气后向散射又被反射回地面，然后经过地面又会被反射进入大气，大气和地面的这种耦合作用会导致光辐射的传输过程被拉长，耦合作用会随着地表反射率的增大而增大，这种作用改变了二氧化碳对光辐射的强度。卫星传感器接收到的辐射信号由地表反射和大气反射构成，因此对卫星所观测到的辐射量而言，地表辐射所占比例很大，也就是说地表反射率的影响会比较大。MMODIS的数据分辨率为1000m×1000m，探测到的地表反射率的光谱范围分别为：0.620-0.670pm，0.841-0.876um(与GMI O2波段相近)，0.459-0.479um，O.545-0.565um，1.230-1.250um，1.628-1.652um(与GMICO2弱吸收波段、CH4波段相近)，2.105-2.155pm(与GMICO2强吸收波段相近)，所以在进行提取各波段反射率的时候就不用进行波长的转换。因为GMI探测的视场范围是10km×10km的区域，所以选择10×10的网格进行反射率数据的平均处理。
大气参数主要包括温湿压以及高度廓线等，大气廓线系数是辐射传输模式输入参数的重要组成部分，也是影响反演结果精度的因素。在计算模拟谱时，大气参数作为重要的参数直接影响了模拟谱计算的准确性，温室气体反演系统在进行挑选反演通道时已经避免了水汽强吸收的波段。气压和温度都可以通过改变分子间的碰撞从而导致吸收谱线一定程度的增宽，温度还可以通过改变不同分子和原子之间的热运动速度进而导致气体吸收特征的变化，因此气压和温度对卫星CO2反演有着重要的影响。选择目前已有分辨率较高的ECMWF数据。ECMWF的数据按照月进行更新，一个月中包含了四个nc文件，在实际进行大气参数廓线的提取时是按照GMI卫星采样点探测的时间，所以需要将一个月的数据解析成对应天数的数据。大气环境参量数据与GMI观测点存在空间位置上的差异，需要对获得的气象产品进行空间位置重采样。根据下载的ECMWF含有地表压力、压力廓线对温度、湿度、高度等进行插值，从而获得近地表的温度等信息。
气溶胶光学厚度：在基于卫星探测光谱进行反演时会存在误差，主要的原因是太阳辐射在大气中传播时，会受到大气散射等的影响，进而导致传播光路发生改变。许多研究表明，即使是在晴朗的的天空条件下，高空的气溶胶也可能会引入时间或者空间上的偏差，从而影响到CO2表面通量的反演。根据DPC载荷探测的数据特征，构造大气气溶胶偏振特性表，气溶胶的偏振辐射传输反演模型需要通过查找表来进行地球大气耦合得到，考虑到气溶胶的光学特性，将多角度气溶胶测量和多光谱气溶胶测量加入到气溶胶反演过程中。DPC产品包括550nm、670nm、865nm处的气溶胶光学厚度值与Angstrom指数，根据GMI采样点的经纬度和观测时间找到对应DPC在同一天同一视场下的气溶胶光学厚度信息，同时还要获取到Angstrom指数信息，DPC的空间分辨率是3.5kmx3.5km，所以我们提取经纬度对应格点周围3×3的区域范围的550nm处的产品，对其进行取平均值，然后根据四个波段的光谱范围计算得到GMI观测点各个波段对应的气溶胶光学厚度值。计算公式如下：
σ(λ)＝σ1λ-ω
其中，σ1为波长1μm处的气溶胶光学厚度，对于高分5号上搭载的大气气溶胶多角度偏振探测仪产品，该参数表示气溶胶光学厚度(波长550nm处)，ω为Angstrom波长系数。
基于外部环境参数，计算模拟光谱并进行光谱校准；模拟光谱的计算也是利用SCIATRAN正向传输模型，和其他的传输模型相比较，SCIATRAN模型对微量气体和云参数的设置更为精细。SCIATRAN软件具有上百种的参数输入，包含了观测几何、环境参量、气溶胶、地表特性等参数，可以根据所探测的实际情况对包含的参数进行设置和修改。其中control.inp是主控文件，用来设置主要的控制参数，比如说选取的波段、采样间隔，积分方式，以及痕量气体的类型、结果输出的形式。在对观测几何进行设置在control_geom.inp中，为了用于不同观测方式，可以对卫星观测的天顶角，方位角，以及观测的高度等信息进行设置。在control_aer.inp、low_aer.inp、man_aer.inp、scia_aer.inp等文件中可以设置气溶胶光学厚度、能见度等类型的信息。主要基于主控文件的整体的输入选择，然后在所对应的细节文件里面给出更为详细的参数设置，所有的数据都输出存储在DATA OUT文件夹里面。
由于卫星在轨高速运行，对于运行在非静止轨道的卫星来说，其与地球之间存在相对运动，卫星主动或者被动接收探测信号时，产生的多普勒现象会引起多普勒频移。对于遥感卫星上搭载的大气光谱探测载荷在进行测量时就会造成光谱漂移，使得测量的每个采样点所对应的波长与实际波长之间存在偏差，光谱定标难以完全解决，因此需要采用波长校准进行校正。
对于光谱漂移的校准，波长变化量的初始值是非常重要的，而波数与通道数之间的关系可以由一元二次方程来表示，如公式所示：ω(j)＝ai2+bi+c(i＝1，2，...，n)
式中，ω表示波数，i表示序列号，n表示总采样点数，a、b、c表示方程的各指数项系数。
在未进行光谱校准前，模拟辐亮度光谱与实测光谱在峰值点附近存在一定程度的漂移，经过光谱校准后，模拟光谱与实测光谱的吸收峰拥有很好的一致性。经过光谱校准后可以有效减少采样波长与实际波长存在的较大偏差。
基于所述校准后的光谱，构建CO2反演过程。GMI载荷探测的数据用于大气CO2反演的算法采用的是最优估计理论。观测物理量与待求大气参数的变化关系可用如下公式表示：
y＝F(x，b)+ε
其中，y表示GMI载荷的高光谱测量值，也就是入射到遥感仪器的辐射能量，F(x，b)表示正向的大气辐射传输模型，包含两个参数x和b。在该模型中x用来表示待反演的状态向量，b表示影响辐射传输过程的大气参数向量。式中的ε表示正向模型与实际数据的误差向量。对于该模型的求解，定义代价函数如下所示：
式中，y表示观测向量，St是观测误差的协方差，包括探测仪器的噪声、前向模型的误差、大气干扰等。式中xa表示待求的状态向量初值，Sa表示先验函数的协方差矩阵，卫星数据反演的过程就是将模拟测量光谱与实际光谱不断拟合的过程，该代价函数通过高斯牛顿迭代法进行求解，如公式所示：
式中，i表示迭代的次数，K表示权重函数矩阵。
在实际的CO2反演过程，就是基于卫星遥感特性的大气、地表环境等参量不断迭代的过程。其中，环境参量的影响程度是对反演算法进行设计的基础，而对反演的结果进行检验，则反映了其算法是否有效，是对反演算法改良、算法优化的基础。图3显示了反演算法流程图。
本实施例介绍了GMI实测数据的处理、大气CO2反演算法、光谱预处理。首先，反演数据的获取是从GMI载荷探测到的一级数据中得到带有波长信息的绝对辐亮度光谱。其次，由于卫星遥感探测受到地球大气影响很大，尤其是受到大范围云层覆盖的影响，导致陆地观测信息出现严重偏差，必须针对特殊的大气条件和云层污染，对GMI的实测数据进行筛选。同时，设置合适的阈值范围，将不合理和不符合大气筛选条件的数据剔除。利用SCIATRAN模型进行模拟光谱的计算以及大气CO2的反演原理，设计了多普勒频移和地球大气影响导致的光谱漂移校正算法，实现了光谱波长的精校准，最终完成了大气CO2反演算法。
以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。
Claims (9)
1.一种卫星二氧化碳高精度遥感反演方法，其特征在于，包括以下步骤：
获取卫星遥感数据；
对所述卫星遥感数据进行预处理；
基于所述预处理后的卫星遥感数据，提取外部环境参数；
基于所述外部环境参数，计算模拟光谱并进行光谱校准；
基于所述校准后的光谱，构建CO2反演过程。
2.根据权利要求1所述的卫星二氧化碳高精度遥感反演方法，其特征在于，所述获取卫星遥感数据的方法包括：采用短波近红外遥感卫星。
3.根据权利要求1所述的卫星二氧化碳高精度遥感反演方法，其特征在于，对所述卫星遥感数据进行预处理的方法包括：
对所述遥感数据进行量化；
基于大气条件，对所述进行量化后的遥感数据基于筛选参数进行筛选；
对所述筛选后的遥感数据去除云污染，得到预处理后的遥感数据。
4.根据权利要求3所述的卫星二氧化碳高精度遥感反演方法，其特征在于，对所述遥感数据进行量化的方法包括：采用光谱定标将原始光谱转化为带有光谱信息的绝对辐亮度谱。
5.根据权利要求3所述的卫星二氧化碳高精度遥感反演方法，其特征在于，所述筛选参数包括：太阳天顶角大小和气溶胶光学厚度。
6.根据权利要求3所述的卫星二氧化碳高精度遥感反演方法，其特征在于，对所述筛选后的遥感数据去除云污染的方法包括：通过调整阈值，设置在晴空和无气溶胶条件下，利用卫星探测到的观测光谱与前向模型计算的模拟光谱进行对比，进行云污染数据的去除。
7.根据权利要求1所述的卫星二氧化碳高精度遥感反演方法，其特征在于，提取的外部环境参数包括：地表反射率、大气参数和气溶胶光学厚度。
8.根据权利要求1所述的卫星二氧化碳高精度遥感反演方法，其特征在于，所述光谱校准的方法包括：
ω(j)＝ai2+bi+c(i＝1，2，…，n)
式中，ω表示波数，i表示序列号，n表示总采样点数，a、b、c表示方程的各指数项系数。
9.根据权利要求1所述的卫星二氧化碳高精度遥感反演方法，其特征在于，所述构建CO2反演的方法包括：采用最优估计方法进行反演。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310032685.7A CN116008226A (zh) | 2023-01-10 | 2023-01-10 | 一种卫星二氧化碳高精度遥感反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310032685.7A CN116008226A (zh) | 2023-01-10 | 2023-01-10 | 一种卫星二氧化碳高精度遥感反演方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116008226A true CN116008226A (zh) | 2023-04-25 |
Family
ID=86037100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310032685.7A Pending CN116008226A (zh) | 2023-01-10 | 2023-01-10 | 一种卫星二氧化碳高精度遥感反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116008226A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117269076A (zh) * | 2023-11-20 | 2023-12-22 | 北京英视睿达科技股份有限公司 | 一种运用碳检测仪探测近地表大气的探测方法及探测装置 |
| CN117853950A (zh) * | 2024-03-07 | 2024-04-09 | 青岛星科瑞升信息科技有限公司 | 基于光谱库和机器学习的多光谱卫星图像处理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103926591A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种基于卫星2.0微米通道数据的卷云识别方法 |
| KR20160073845A (ko) * | 2014-12-17 | 2016-06-27 | 한국항공우주연구원 | 고해상도 광학위성의 대리복사 보정장치 및 대리복사 보정방법 |
| RU2613841C1 (ru) * | 2016-01-29 | 2017-03-21 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Система измерений концентрации парниковых газов в атмосфере |
| CN111257241A (zh) * | 2020-01-20 | 2020-06-09 | 中国科学院地理科学与资源研究所 | 一种deei的基于卫星观测的大气二氧化碳浓度反演算法 |
| CN111579494A (zh) * | 2020-05-29 | 2020-08-25 | 中国科学院合肥物质科学研究院 | 一种带有叶绿素荧光与气溶胶同步校正作用的大气co2卫星遥感观测反演方法 |
-
2023
- 2023-01-10 CN CN202310032685.7A patent/CN116008226A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103926591A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种基于卫星2.0微米通道数据的卷云识别方法 |
| KR20160073845A (ko) * | 2014-12-17 | 2016-06-27 | 한국항공우주연구원 | 고해상도 광학위성의 대리복사 보정장치 및 대리복사 보정방법 |
| RU2613841C1 (ru) * | 2016-01-29 | 2017-03-21 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Система измерений концентрации парниковых газов в атмосфере |
| CN111257241A (zh) * | 2020-01-20 | 2020-06-09 | 中国科学院地理科学与资源研究所 | 一种deei的基于卫星观测的大气二氧化碳浓度反演算法 |
| CN111579494A (zh) * | 2020-05-29 | 2020-08-25 | 中国科学院合肥物质科学研究院 | 一种带有叶绿素荧光与气溶胶同步校正作用的大气co2卫星遥感观测反演方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李勤勤: "大气CO2卫星遥感反演算法与软件实现", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, vol. 2021, no. 1, pages 23 - 34 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117269076A (zh) * | 2023-11-20 | 2023-12-22 | 北京英视睿达科技股份有限公司 | 一种运用碳检测仪探测近地表大气的探测方法及探测装置 |
| CN117269076B (zh) * | 2023-11-20 | 2024-03-15 | 北京英视睿达科技股份有限公司 | 一种运用碳检测仪探测近地表大气的探测方法及探测装置 |
| CN117853950A (zh) * | 2024-03-07 | 2024-04-09 | 青岛星科瑞升信息科技有限公司 | 基于光谱库和机器学习的多光谱卫星图像处理方法及系统 |
| CN117853950B (zh) * | 2024-03-07 | 2024-06-07 | 青岛星科瑞升信息科技有限公司 | 基于光谱库和机器学习的多光谱卫星图像处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Capability of Fengyun-3D satellite in earth system observation | |
| 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 | |
| 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 | |
| Minnis et al. | CERES edition-2 cloud property retrievals using TRMM VIRS and Terra and Aqua MODIS data—Part I: Algorithms | |
| Schneising et al. | Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite–Part 2: Methane | |
| Kaskaoutis et al. | Investigation into the wavelength dependence of the aerosol optical depth in the Athens area | |
| Hulley et al. | Optimized split-window coefficients for deriving surface temperatures from inland water bodies | |
| Berkoff et al. | Nocturnal aerosol optical depth measurements with a small-aperture automated photometer using the moon as a light source | |
| Wang et al. | Geostationary satellite retrievals of aerosol optical thickness during ACE‐Asia | |
| CN116008226A (zh) | 一种卫星二氧化碳高精度遥感反演方法 | |
| Yorks et al. | Statistics of cloud optical properties from airborne lidar measurements | |
| Guleria et al. | The assessment of aerosol optical properties over Mohal in the northwestern Indian Himalayas using satellite and ground-based measurements and an influence of aerosol transport on aerosol radiative forcing | |
| Alexandrov et al. | Remote sensing of atmospheric aerosols and trace gases by means of multifilter rotating shadowband radiometer. Part II: Climatological applications | |
| Ri et al. | Cloud, atmospheric radiation and renewal energy application (CARE) version 1.0 cloud top property product from Himawari-8/AHI: Algorithm development and preliminary validation | |
| Wang et al. | Added-value of GEO-hyperspectral infrared radiances for local severe storm forecasts using the hybrid OSSE method | |
| Li et al. | Restoration of wintertime ocean color remote sensing products for the high-latitude oceans of the Southern Hemisphere | |
| Sun et al. | Postlaunch calibration of FengYun-3B MERSI reflective solar bands | |
| Merrelli | The atmospheric informaton content of Earth's far infrared spectrum | |
| Larosa et al. | PyRTlib: an educational Python-based library for non-scattering atmospheric microwave radiative transfer computations | |
| Qin et al. | Uncertainty in Fengyun-3C microwave humidity sounder measurements at 118 GHz with respect to simulations from GPS RO data | |
| Preusker et al. | Remote sensing of cloud-top pressure using moderately resolved measurements within the oxygen A band—A sensitivity study | |
| Pandithurai et al. | Remote sensing of aerosol optical characteristics in sub‐Sahel, West Africa | |
| Han et al. | Evaluation of the in-orbit performance of the microwave temperature sounder onboard the FY-3D satellite using different radiative transfer models | |
| Montoux et al. | Evaluation of balloon and satellite water vapour measurements in the Southern tropical and subtropical UTLS during the HIBISCUS campaign | |
| Keckhut et al. | Middle-Atmosphere Temperature Monitoring Addressed with a Constellation of CubeSats Dedicated to Climate Issues |
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 |
Application publication date: 20230425 |