CN116189813A - 一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法 - Google Patents

一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法 Download PDF

Info

Publication number
CN116189813A
CN116189813A CN202310411776.1A CN202310411776A CN116189813A CN 116189813 A CN116189813 A CN 116189813A CN 202310411776 A CN202310411776 A CN 202310411776A CN 116189813 A CN116189813 A CN 116189813A
Authority
CN
China
Prior art keywords
methane
concentration
atmospheric
methane concentration
paddy field
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
CN202310411776.1A
Other languages
English (en)
Other versions
CN116189813B (zh
Inventor
张秀英
秦佳遥
张刘臻
徐建辉
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.)
Nanjing University
Chuzhou University
Original Assignee
Nanjing University
Chuzhou University
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 Nanjing University, Chuzhou University filed Critical Nanjing University
Priority to CN202310411776.1A priority Critical patent/CN116189813B/zh
Publication of CN116189813A publication Critical patent/CN116189813A/zh
Application granted granted Critical
Publication of CN116189813B publication Critical patent/CN116189813B/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
    • 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
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
    • G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital by measuring the rate of variation of the concentration
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/80—Data visualisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Combustion & Propulsion (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于卫星监测甲烷浓度估算稻田甲烷排放通量空间分布的方法。步骤一、利用野外站点监测信息基于近地表大气甲烷浓度构建甲烷排放速率估算的前向模型；步骤二、基于大气化学传输模型模拟的大气甲烷廓线分布模型，将卫星监测的大气甲烷柱浓度转化为近地表大气甲烷浓度；步骤三、根据步骤二中获取的近地表大气甲烷浓度，计算水稻生育期内稻田近地表大气甲烷的增量值；步骤四、利用步骤一构建的前向模型，基于步骤三计算的稻田的近地表大气甲烷浓度的增强值估算稻田甲烷排放量的空间分布。本发明利用卫星观测的大气甲烷浓度估算稻田甲烷排放量的空间分布格局，表明卫星观测的大气甲烷在估算非点源排放量方面的潜力。

Description

一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法
技术领域
本发明属于卫星遥感应用技术。具体涉及一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法。
背景技术
甲烷（CH4）是一种强大的温室气体，在对流层臭氧的产生中发挥着重要作用。此外，稻田的甲烷排放量是最不确定的估计之一。因此，需要精准了解稻田甲烷排放及其空间变化，以制定减排政策。
稻田甲烷排放量的估算方法可分为“自下而上”和“自上而下”两种方法。自下而上的方法如外推单位水稻种植面积的排放因子（EFs）和过程模型模拟。但是众多环境因素和农业活动会导致EFs存在很大的不确定性；过程模型模拟方法的失误和输入数据的不足会导致过程模型产生不确定性。相对于“自下而上”的方法，卫星监测的大气甲烷柱浓度为估算甲烷排放量提供了重要信息，已有研究基于卫星监测的甲烷浓度开展了从点源到全球范围的甲烷排放量研究。在这些研究中，基于大气传输模型同化卫星监测的大气甲烷柱浓度，进而修正初始排放清单，是当前采用的主要算法。但是同化大气甲烷柱浓度修正先验排放清单，修正的是总排放量；不同来源的甲烷排放量主要由先验清单中各来源的甲烷排放量所占的比率决定，对于稻田甲烷排放的估算存在较强的不确定性。
基于卫星监测的甲烷浓度估算排放通量的另一种方法是使用卫星观测甲烷相对于其周围地区甲烷增强量估算甲烷排放量；这种方法往往将排放视作点源排放。利用卫星观测估算稻田甲烷排放量空间分布格局的难点主要在于缺乏高空间分辨率的甲烷浓度的观测。稻田是非点源甲烷排放源，甲烷排放率远远低于其他人类活动（如：石油或煤炭生产的点源），在甲烷浓度上很难检测到稻田上方大气甲烷的细微增量值。因此，基于稻田的大气近地表甲烷浓度的增强量估算网格化甲烷排放速率是该专利的关键。
发明内容
鉴于上述问题，本发明提出了一种基于卫星传感器TROPOMI和大气化学传输模型GEOS-Chem估算的近地表大气甲烷浓度，计算稻田近地表大气甲烷浓度的增强量；根据由站点观测信息基于稻田近地表大气甲烷浓度的增强量构建的站点尺度稻田甲烷排放通量的前向模型，实现中国稻田甲烷排放量的空间分布格局估算的一种方法。
本发明采用的技术方案为：一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法，该方法基于“自下而上”的研究思路，其中关键参数，排放速率，基于卫星监测的大气甲烷浓度采用“自上而下”的方法估算；最后耦合卫星监测的稻田物候、面积等信息，估算区域尺度稻田甲烷排放通量的空间分布格局。
步骤1：利用野外站点监测信息基于稻田的近地表大气甲烷浓度与背景地区的增量值，构建估算站点的甲烷排放速率的前向模型；
步骤2：基于大气化学传输模型模拟大气甲烷廓线分布，构建廓线模型；根据廓线分布特征将卫星监测的大气甲烷柱浓度转化为近地表甲烷浓度；
步骤3：根据步骤2中获取到的近地表大气甲烷浓度，在水稻生育期内计算模拟单元内稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值；
步骤4：基于步骤1构建的前向模型和步骤3计算的稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值，估算稻田甲烷排放通量的空间分布格局。
进一步地，步骤1中，测定的稻田甲烷排放速率与近地表大气甲烷浓度之间的关系可以由以下等式描述：
Figure SMS_1
其中，t表示监测时间；
Figure SMS_2
表示实地观测结果中的稻田甲烷浓度；
Figure SMS_3
表示背景地区的甲烷浓度；/>
Figure SMS_4
表示甲烷排放速率；/>
Figure SMS_5
表示排放通量到地表浓度的转移系数，单位是/>
Figure SMS_6
。
进一步地，步骤2中，基于大气化学传输模型模拟的大气甲烷廓线分布，构建廓线模型的具体步骤为：首先获取大气化学传输模型模拟的甲烷分层数据，并将模型模拟的数据与卫星观测数据单位统一；然后采用多项高斯函数对每个栅格上甲烷分子数浓度随高程的分布分别进行拟合，并寻找符合每个栅格的最优拟合；再根据大气CH4廓线分布模型，构建各大气高度CH4浓度与柱浓度的关系模型，进而将卫星监测的大气甲烷柱浓度转化为近地表甲烷浓度。
进一步地，步骤3中，首先，采用中国水稻作物物候数据集提供的水稻移栽期和成熟期数据，合成水稻生育期内的近地表甲烷大气甲烷浓度分布图；
然后，对于每个模拟单元，分别将稻田大气甲烷近地表浓度和背景地区的近地表大气甲烷浓度作为步骤1中
Figure SMS_7
中的/>
Figure SMS_8
和/>
Figure SMS_9
，得到稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值。
进一步地，步骤4的具体实现方法为：模拟单元i的甲烷排放通量通过下式计算；然后利用计算得到的甲烷排放通量形成稻田甲烷排放通量的空间分布格局；
Figure SMS_10
其中，
Figure SMS_11
是模拟单元i的甲烷排放通量，单位是“mg CH4 per growing season”；
Figure SMS_12
是稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值，单位是ppb；/>
Figure SMS_13
表示水稻成熟的日期，/>
Figure SMS_14
表示水稻移栽的日期，
Figure SMS_15
是以天为单位的水稻生长季；Ai是模拟单元i的稻田总面积，单位是km2；106表示m2到km2的单位转换；24表示小时到天的单位转换。
有益效果：与现有技术相比，本申请的优点在于：
当前区域尺度稻田生态系统甲烷排放估算具有较高的不确定性，不同的研究者得到的全国稻田甲烷排放通量的值域范围为2.3 ~ 41.4 Tg CH4 yr-1。不同研究者得到结果具有较大差异的主要原因之一是稻田的甲烷排放速率具有较高的不确定性。稻田甲烷排放速率受气象条件、土壤条件、水稻的生长、农田管理等诸多条件影响，具有非常高的时空异质性。本发明提出的基于卫星监测的大气甲烷浓度估算稻田甲烷排放速率的方法，是一种类似于直接观测的、客观的估算方法，估算过程中不受上述影响因素的影响。
与当前流行的基于大气化学传输模型同化卫星监测的大气甲烷浓度估算稻田甲烷排放通量的方法比，本发明的方法不需要运行大气化学传输模型，不仅节省机时、而且不需要具有大气专业背景运行大气化学传输模型及其同化技术，是一种快速估算非点源排放甲烷通量的方法；而且估算精度可靠。
附图说明
图1为本发明的流程图；
图2为基于实地观测的前向模型；
图3为2019年中国东南和东北地区稻田甲烷排放通量的空间分布格局。
具体实施方式
为了更清楚地说明本发明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。
下面将参照附图更详细地描述本公开的示例性实施例。
如图1所示，为本发明的基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法流程图。图1中，其中选取qa_value > 0.5 是为了减少云对甲烷柱浓度的影响，qa_value 表示遥感影像的质量。
具体步骤流程如下：
步骤1：利用野外站点监测信息基于稻田的近地表大气甲烷浓度（稻田占比高于20%）与背景地区（稻田占比低于0.5%）的增强量，构建估算水稻种植甲烷排放速率（单位时间单位面积的甲烷排放量）的前向模型；
本发明选取于都、营口和沈阳3个样点，在2021年6-7月对稻田甲烷的排放量和近地表甲烷浓度分别进行了测定。利用测定的稻田的甲烷排放速率与近地表大气甲烷浓度的统计关系，构建估算稻田甲烷排放速率的前向模型，如图2所示。稻田甲烷排放量与近地表大气甲烷浓度之间的关系可以由以下等式描述：
Figure SMS_16
其中，t表示监测时间；
Figure SMS_17
表示实地观测结果中的稻田甲烷浓度；
Figure SMS_18
表示背景地区的甲烷浓度；/>
Figure SMS_19
表示甲烷排放速率；/>
Figure SMS_20
表示排放通量到地表浓度的转移系数，单位是/>
Figure SMS_21
。基于三个站点的监测数据，采用最小二乘法估算
Figure SMS_22
。
步骤2：基于大气化学传输模型模拟的大气甲烷廓线分布，构建廓线模型；根据廓线分布特征将卫星监测的甲烷大气甲烷柱浓度转化为近地表浓度。
步骤21，首先获取大气化学传输模型模拟的甲烷分层数据，并将模型模拟的数据与卫星观测数据单位统一；然后采用多项高斯函数对每个栅格上甲烷分子数浓度随高程的分布分别进行拟合，并寻找符合每个栅格的最优拟合。
模型模拟的数据与卫星观测数据单位统一的具体方法为：在提取模型数据的过程中将模型以混合体积比表示的浓度转换为单位体积分子含量浓度（mole/cm3），转换关系如下：
将每层的甲烷平均混合比
Figure SMS_23
转换为每一层的甲烷分子数浓度/>
Figure SMS_24
，
Figure SMS_25
其中，kboltz=1.381×10-23 J/K，
Figure SMS_26
为模型第/>
Figure SMS_27
层的甲烷平均混合体积比浓度，/>
Figure SMS_28
为第/>
Figure SMS_29
层处气压，/>
Figure SMS_30
为第/>
Figure SMS_31
层处开尔文温度。
不同高度层上甲烷分子数浓度与高程之间服从高斯函数分布，使用2~6项高斯函数对每个栅格上甲烷分子数浓度随高程的分布进行拟合，其基本形式为：
Figure SMS_32
式中，
Figure SMS_33
表示甲烷在大气高度/>
Figure SMS_34
处的分子数浓度；/>
Figure SMS_35
表示振幅(垂直方向上最大浓度值)，/>
Figure SMS_36
表示质心位置(甲烷最大浓度值所对应的高度)，/>
Figure SMS_37
表示峰宽(甲烷浓度集中层的厚度)，/>
Figure SMS_38
为拟合的阶数，其范围为2-6。最优拟合条件为具有最高的相关系数R2以及最低的均方根误差RMSE的参数。
步骤22，首先基于步骤21获取的每个栅格尺度上的最优大气甲烷的廓线模型，采用积分获取与卫星监测的甲烷柱浓度的同等大气高度的甲烷柱浓度；
Figure SMS_39
Figure SMS_40
其中，
Figure SMS_41
为卫星获取的甲烷柱浓度的大气高度， />
Figure SMS_42
为每个栅格上面的最优大气甲烷拟合函数；
其次，利用优选的大气甲烷廓线分布模型计算任意高度的甲烷浓度；
然后计算任意大气高度上的甲烷浓度与积分获得的柱浓度的比例因子
Figure SMS_43
。
进一步地，积分获得的柱浓度的比例因子
Figure SMS_44
的计算方法为：
Figure SMS_45
Figure SMS_46
其中，
Figure SMS_47
表示任意高度/>
Figure SMS_48
下的模拟甲烷分子浓度，/>
Figure SMS_49
Figure SMS_50
表示与卫星监测同等大气高度下的大气化学模式甲烷柱浓度。
步骤23，首先，基于任意大气高度上的甲烷浓度与积分获得的柱浓度的比例因子
Figure SMS_51
Figure SMS_52
，耦合卫星监测获取的大气甲烷柱浓度，获取任意大气高度的甲烷浓度；进而获得任意高度上大气甲烷浓度的水平空间上空间分布格局，同时也能获得任意水平空间位置上的大气垂直方向上的空间分布格局。获取任意大气高度的甲烷浓度的公式如下：
Figure SMS_53
其中，
Figure SMS_54
Figure SMS_55
为卫星监测的大气甲烷柱浓度，/>
Figure SMS_56
为步骤22中求得的任意高度甲烷浓度比例。
利用以上公式，可将卫星监测的甲烷大气甲烷柱浓度转化为近地表甲烷浓度。
步骤3：根据步骤2中获取到的近地表大气甲烷浓度，在水稻生育期内计算模拟单元内稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值；
步骤31，如果使用步骤1构建的前向模型估算站点的甲烷排放通量，则应首先确定稻田和背景地区背景地区的甲烷浓度。因此估算甲烷排放量时应采用比卫星观测到的近地表甲烷浓度更大的像素。为了保证一个模拟单元内稻田和背景地区的甲烷数据量足够大，模拟单元分辨率大小取0.5° × 0.5°。每个模拟单元都有一个唯一的ID，每个模拟单元的边界用来划分近地表甲烷浓度、水稻种植面积和水稻的生育期。
步骤32，考虑到TROPOMI 甲烷柱和X甲烷柱的分辨率会存在不同，而模拟单元分辨率大小为0.5°×0.5°，因此选取0.05°×0.05°的子模拟单元大小作为近地表甲烷浓度的空间分辨率。通过TROPOMI 甲烷的.nc文件所提供的“地面像素”、“扫描线”、“经度”和“纬度”信息定位，将TROPOMI 甲烷的日浓度转换为点文件。如果这些点在一个子模拟单元（0.05°× 0.05°）内，则将这些点的平均甲烷浓度作为子模拟单元的值。
步骤33，利用水稻生育期内近地表甲烷浓度的平均值来计算排放量。采用了基于全球陆地表面卫星（GLASS）叶面积指数（LAI）产品（ChinaCropPhen 1 km，第7版）的2019年中国水稻1 km网格作物物候数据集。首先计算了ChinaCropPhen 1 km（1 km×1 km）上水稻在子模拟单元（0.05° × 0.05°）内的平均移栽期和成熟期，然后生成了水稻生育期内的平均近地表甲烷图。对于有稻田的每个模拟单元，利用从移栽期到成熟期的数据计算近地表甲烷的平均值；对于没有稻田的模拟单元，计算了近地表甲烷浓度的年平均值。最后，根据ChinaCropPhen 1 km提供的两个数据集，得到了单季/早稻和晚稻的近地表甲烷分布图。
步骤34，对于每个0.5° × 0.5°的模拟单元，分别将稻田和背景地区的近地表甲烷的平均值作为步骤1中方程
Figure SMS_57
中的/>
Figure SMS_58
和/>
Figure SMS_59
，得到稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值。
此外，本发明将稻田比例低于0.5%的子模拟单元作为背景地区，水稻比例高于20%的子模拟单元为稻田（如果用于计算平均值的甲烷数据少于6个，限值可降至5%）。其中，选择0.5%和20%限度由TROPOMI X甲烷和稻田百分比之间的统计关系决定。
步骤4：基于步骤1构建的前向模型和步骤3计算的稻田近地表近地表大气甲烷浓度与背景地区甲烷浓度的差值，估算稻田甲烷排放通量的空间分布格局。
模拟单元i的甲烷排放通量通过下式计算，然后利用计算得到的甲烷排放通量形成稻田甲烷排放通量的空间分布格局；
Figure SMS_60
其中，
Figure SMS_61
是模拟单元i的甲烷排放通量，单位是“mg CH4 per growing season”；
Figure SMS_62
是稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值，单位是ppb；/>
Figure SMS_63
表示水稻成熟的日期，/>
Figure SMS_64
表示水稻移栽的日期，
Figure SMS_65
是以天为单位的水稻生长季；Ai是模拟单元i的稻田总面积，单位是km2；106表示m2到km2的单位转换；24表示小时到天的单位转换。图3展示了我国2019年东南和东北地区的稻田甲烷排放通量的空间分布格局。
注意，上述仅为本发明的较佳实施例及所运用技术原理。具体实施例并非是限制本发明创造，任何再此基础上进行的非实质性修饰和润色，均在本发明权利要求书的保护范围之内。

Claims (5)

1.一种基于卫星监测大气甲烷浓度估算稻田甲烷排放通量空间分布格局的方法，其特征在于包括如下步骤：
步骤1：利用野外站点监测信息基于稻田的近地表大气甲烷浓度与背景地区的增量值，构建估算站点的甲烷排放速率的前向模型；
步骤2：基于大气化学传输模型模拟大气甲烷廓线分布，构建廓线模型；根据廓线分布特征将卫星监测的大气甲烷柱浓度转化为近地表甲烷浓度；
步骤3：根据步骤2中获取到的近地表大气甲烷浓度，在水稻生育期内计算模拟单元内稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值；
步骤4：基于步骤1构建的前向模型和步骤3计算的稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值，估算稻田甲烷排放通量的空间分布格局。
2.根据权利要求1所述的基于卫星监测大气甲烷浓度估算稻田甲烷排放通量空间分布格局的方法，其特征在于：步骤1中，测定的稻田甲烷排放速率与近地表大气甲烷浓度之间的关系可以由以下等式描述：
Figure QLYQS_1
其中，t表示监测时间；/>
Figure QLYQS_2
表示实地观测结果中的稻田甲烷浓度；/>
Figure QLYQS_3
表示背景地区的甲烷浓度；/>
Figure QLYQS_4
表示甲烷排放速率；/>
Figure QLYQS_5
表示排放通量到地表浓度的转移系数，单位是ppb (mg /m-2 h-1 )-1。
3.根据权利要求1所述的基于卫星监测大气甲烷浓度估算稻田甲烷排放通量空间分布格局的方法，其特征在于：步骤2中，首先获取大气化学传输模型模拟的甲烷分层数据，并将模型模拟的数据与卫星观测数据单位统一；然后采用多项高斯函数对每个栅格上甲烷分子数浓度随高程的分布分别进行拟合，并寻找符合每个栅格的最优拟合；再根据大气CH4廓线分布模型，构建各大气高度CH4浓度与柱浓度的关系模型，进而将卫星监测的大气甲烷柱浓度转化为近地表甲烷浓度。
4.根据权利要求1所述的基于卫星监测大气甲烷浓度估算稻田甲烷排放通量空间分布格局的方法，其特征在于：步骤3中，
首先，采用中国水稻作物物候数据集提供的水稻移栽期和成熟期数据，合成水稻生育期内的近地表甲烷大气甲烷浓度分布图；
然后，对于每个模拟单元，分别将稻田大气甲烷近地表浓度和背景地区的近地表大气甲烷浓度作为步骤1中方程
Figure QLYQS_6
中的/>
Figure QLYQS_7
和/>
Figure QLYQS_8
，得到稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值。
5.根据权利要求1所述的基于卫星监测大气甲烷浓度估算稻田甲烷排放通量空间分布格局的方法，其特征在于：步骤4的具体实现方法为：
模拟单元i的甲烷排放通量通过下式计算；然后利用计算得到的甲烷排放通量形成稻田甲烷排放通量的空间分布格局；
Figure QLYQS_9
其中，/>
Figure QLYQS_10
是模拟单元i的甲烷排放通量，单位是“mg CH4 per growing season”；
Figure QLYQS_11
是稻田近地表大气甲烷浓度与背景地区甲烷浓度的差值，单位是ppb；/>
Figure QLYQS_12
表示水稻成熟的日期，/>
Figure QLYQS_13
表示水稻移栽的日期，/>
Figure QLYQS_14
是以天为单位的水稻生长季；Ai是模拟单元i的稻田总面积，单位是km2；106表示m2到km2的单位转换；24表示小时到天的单位转换。/>
CN202310411776.1A 2023-04-18 2023-04-18 一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法 Active CN116189813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310411776.1A CN116189813B (zh) 2023-04-18 2023-04-18 一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310411776.1A CN116189813B (zh) 2023-04-18 2023-04-18 一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法

Publications (2)

Publication Number Publication Date
CN116189813A true CN116189813A (zh) 2023-05-30
CN116189813B CN116189813B (zh) 2023-07-25

Family

ID=86449138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310411776.1A Active CN116189813B (zh) 2023-04-18 2023-04-18 一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法

Country Status (1)

Country Link
CN (1) CN116189813B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117153291A (zh) * 2023-10-31 2023-12-01 水利部交通运输部国家能源局南京水利科学研究院 一种灌区稻田碳汇价值计算方法及系统
CN117236526A (zh) * 2023-11-13 2023-12-15 北京师范大学 河流甲烷年排放量确定方法、装置、电子设备和储存介质
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

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182343A (zh) * 2018-01-09 2018-06-19 南京大学 增加甲烷化学自然源排放的大气污染模拟预测算法
CN111667753A (zh) * 2020-06-17 2020-09-15 北京师范大学 一种湿地区域甲烷通量分布图构建方法
WO2021117072A1 (en) * 2019-12-09 2021-06-17 Sense Square S.R.L. Dynamic mapping and method of tracking atmoshperic pollutants
CN113406667A (zh) * 2021-07-07 2021-09-17 武汉大学 基于星载激光雷达获取城市co2格网化通量的方法及系统
US20210348988A1 (en) * 2020-05-06 2021-11-11 West Virginia University Board of Governors on behalf of West Virginia University Methane watchdog system, a cost effective approach to longwall methane monitoring and control
CN114324780A (zh) * 2022-03-03 2022-04-12 阿里巴巴达摩院(杭州)科技有限公司 大气污染物排放通量处理方法、存储介质以及计算机终端
CN114357894A (zh) * 2022-03-11 2022-04-15 阿里巴巴达摩院(杭州)科技有限公司 大气污染物的处理方法、存储介质以及计算机终端
CN115112586A (zh) * 2022-07-01 2022-09-27 行星数据科技(苏州)有限公司 一种多源数据融合下的牧场甲烷排放量估算方法
CN115238327A (zh) * 2022-05-25 2022-10-25 南京大学 基于卫星监测的三维空间甲烷分布格局模拟方法
CN115452822A (zh) * 2022-08-24 2022-12-09 武汉大学 基于遥感和农田信息获取稻田甲烷排放通量的方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182343A (zh) * 2018-01-09 2018-06-19 南京大学 增加甲烷化学自然源排放的大气污染模拟预测算法
WO2021117072A1 (en) * 2019-12-09 2021-06-17 Sense Square S.R.L. Dynamic mapping and method of tracking atmoshperic pollutants
US20210348988A1 (en) * 2020-05-06 2021-11-11 West Virginia University Board of Governors on behalf of West Virginia University Methane watchdog system, a cost effective approach to longwall methane monitoring and control
CN111667753A (zh) * 2020-06-17 2020-09-15 北京师范大学 一种湿地区域甲烷通量分布图构建方法
CN113406667A (zh) * 2021-07-07 2021-09-17 武汉大学 基于星载激光雷达获取城市co2格网化通量的方法及系统
CN114324780A (zh) * 2022-03-03 2022-04-12 阿里巴巴达摩院(杭州)科技有限公司 大气污染物排放通量处理方法、存储介质以及计算机终端
CN114357894A (zh) * 2022-03-11 2022-04-15 阿里巴巴达摩院(杭州)科技有限公司 大气污染物的处理方法、存储介质以及计算机终端
CN115238327A (zh) * 2022-05-25 2022-10-25 南京大学 基于卫星监测的三维空间甲烷分布格局模拟方法
CN115112586A (zh) * 2022-07-01 2022-09-27 行星数据科技(苏州)有限公司 一种多源数据融合下的牧场甲烷排放量估算方法
CN115452822A (zh) * 2022-08-24 2022-12-09 武汉大学 基于遥感和农田信息获取稻田甲烷排放通量的方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ALBA BADIA 等: "Description and evaluation of the Multiscale Online Nonhydrostatic AtmospheRe CHemistry model (NMMB-MONARCH) version 1.0: gas-phase chemistry at global scale", 《GMD》, vol. 10, no. 2, pages 609 - 638 *
LUCY S. NEAL 等: "A description and evaluation of an air quality model nested within global and regional composition-climate models using MetUM", 《GMD》, vol. 10, no. 11, pages 3941 - 3962 *
吴晓迪: "中国近地表CH_4浓度的遥感估算研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 02, pages 027 - 2366 *
黄文晶: "长三角CH_4排放量估算及源解析研究", 《中国博士论文全文数据库基础科学辑》, no. 01, pages 009 - 53 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117153291A (zh) * 2023-10-31 2023-12-01 水利部交通运输部国家能源局南京水利科学研究院 一种灌区稻田碳汇价值计算方法及系统
CN117153291B (zh) * 2023-10-31 2024-01-02 水利部交通运输部国家能源局南京水利科学研究院 一种灌区稻田碳汇价值计算方法及系统
CN117236526A (zh) * 2023-11-13 2023-12-15 北京师范大学 河流甲烷年排放量确定方法、装置、电子设备和储存介质
CN117236526B (zh) * 2023-11-13 2024-01-23 北京师范大学 河流甲烷年排放量确定方法、装置、电子设备和储存介质
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

Also Published As

Publication number Publication date
CN116189813B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN116189813B (zh) 一种基于卫星大气甲烷浓度估算稻田甲烷排放通量的方法
Huang et al. Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation
CN102539336B (zh) 基于环境一号卫星的可吸入颗粒物估算方法及系统
Raneesh et al. A study on the impact of climate change on streamflow at the watershed scale in the humid tropics
Hazarika et al. Estimation of net primary productivity by integrating remote sensing data with an ecosystem model
Jang et al. Mapping evapotranspiration using MODIS and MM5 four-dimensional data assimilation
Ju et al. Combining an ecological model with remote sensing and GIS techniques to monitor soil water content of croplands with a monsoon climate
CN105912836B (zh) 一种纯遥感数据驱动的流域水循环模拟方法
CN110276304A (zh) 基于降尺度的高分辨率植被生产力遥感估算方法
CN102162850A (zh) 基于模型的小麦产量遥感监测预报方法
Wu et al. Change of winter wheat planting area and its impacts on groundwater depletion in the North China Plain
CN113139901A (zh) 一种流域尺度植被净初级生产力遥感精细反演方法
Wang et al. Yield estimation of winter wheat in the North China Plain using the remote-sensing–photosynthesis–yield estimation for crops (RS–P–YEC) model
CN112857583B (zh) 一种基于卫星遥感数据的植被温度和裸地温度估算方法
Wu et al. Assimilating MODIS-LAI into crop growth model with EnKF to predict regional crop yield
Wang et al. Rice yield estimation based on an NPP model with a changing harvest index
Lim et al. A land data assimilation system using the MODIS-derived land data and its application to numerical weather prediction in East Asia
ZHANG et al. Developing a process-based and remote sensing driven crop yield model for maize (PRYM–Maize) and its validation over the Northeast China Plain
Ouyang et al. Paddy rice methane emissions across Monsoon Asia
Ito et al. Model-based evaluation of methane emissions from paddy fields in East Asia
Li et al. BESSv2. 0: A satellite-based and coupled-process model for quantifying long-term global land–atmosphere fluxes
Jia et al. An application of the maximum entropy production method in the WRF Noah land surface model
CN107437262A (zh) 作物种植面积预警方法和系统
CN114878748B (zh) 一种co2排放量的监测方法及监测系统
Qiao et al. Remote Sensing Data Fusion to Evaluate Patterns of Regional Evapotranspiration: A Case Study for Dynamics of Film-Mulched Drip-Irrigated Cotton in China’s Manas River Basin over 20 Years

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