CN116413215A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN116413215A
CN116413215A CN202310397710.1A CN202310397710A CN116413215A CN 116413215 A CN116413215 A CN 116413215A CN 202310397710 A CN202310397710 A CN 202310397710A CN 116413215 A CN116413215 A CN 116413215A
Authority
CN
China
Prior art keywords
ozone concentration
concentration profile
atmospheric ozone
inversion
dimensional
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
CN202310397710.1A
Other languages
English (en)
Other versions
CN116413215B (zh
Inventor
宗雪梅
章卫星
段民征
吕达仁
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.)
Institute of Atmospheric Physics of CAS
Original Assignee
Institute of Atmospheric Physics of CAS
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 Institute of Atmospheric Physics of CAS filed Critical Institute of Atmospheric Physics of CAS
Priority to CN202310397710.1A priority Critical patent/CN116413215B/zh
Publication of CN116413215A publication Critical patent/CN116413215A/zh
Application granted granted Critical
Publication of CN116413215B publication Critical patent/CN116413215B/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
    • 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
    • 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
    • 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
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
    • 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
    • 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
    • G01N2021/1765—Method using an image detector and processing of image signal
    • 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
    • G01N2021/1793—Remote sensing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了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，包括：对通道波段的观测数据进行预处理；计算所述通道波段的权重函数，获取敏感高度范围和反演高度范围；基于所述敏感高度范围和反演高度范围，反演所述通道波段大气臭氧浓度廓线；基于所述通道波段的反演结果，获取中层大气(35‑75km)大气臭氧浓度廓线；基于所述大气臭氧浓度廓线，获取大气臭氧浓度环形三维分布。本发明能在同一时刻得到臭氧廓线的三维分布。对于研究气候变化和大气环境都具有重要的意义。

Description

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
技术领域
本发明涉及中层大气气体成分遥感反演领域，特别涉及基于环形紫外临边探测散射辐射反演大气臭氧浓度廓线的遥感反演方法。
背景技术
臭氧是大气中的关键成分之一，平流层臭氧层含有约90％的大气臭氧分子，通过阻止太阳中的有害紫外辐射来保护地球上的生命；尽管中间层大气臭氧含量很少(在50公里以上臭氧含量占大气臭氧总含量的0.3％),但是它在辐射过程中却起着重要的作用。臭氧有三个主要的吸收带：哈特莱Hartley吸收带(200～300nm)、哈金斯Huggins吸收带(300～360nm)和查普斯Chappuis弱吸收带(430～750nm)。臭氧将吸收的太阳紫外辐射转换为热能，影响大气温度结构，从而影响大气环流。因此，研究臭氧垂直分布及变化对地球气候、区域环境以及生物圈都有着非常重要的意义。
臭氧测量的方法和技术手段很多，从地面的无线电探空仪、激光雷达、微波辐射计、傅里叶红外光谱仪、乌姆克尔(Umkehr)测量、差分吸收光谱仪DOAS等等到卫星上的各种载荷，如用于获得臭氧总量的TOMS(McPeters等，1996)、OMI(Bak等，2015)、GOME系列(vander A等，1998；Miles等，2015)，用于获得臭氧廓线的SBUV系列、SAGE系列、OSIRIS、SCIAMACHY、OMPS等。还有高空红外微波临边探测仪器MLS(Waters等,1993)、MIPAS(Fischer等,2008)、TES(Beer，2006)等等，在此就不一一赘述。地基仪器探测的高度有限，卫星载荷才能探测高层大气。卫星观测一般分为天底和临边两种观测方式。天底观测具有较好的水平分辨率，利用天底观测大气发射光谱也能获得臭氧廓线信息，但其中的遥感反演方法是基于先验臭氧廓线，一般在假设廓线形状不变的基础上反演，而且垂直分辨率不高。只有临边探测方式直接分层探测，才能提供较高垂直分辨率的臭氧廓线。临边探测臭氧因其具有较高的垂直分辨率和信息量大的优点，是近年来卫星探测臭氧的主要手段。遥感反演方法的提出都是基于具体的遥感探测仪器，每一个星载临边探测仪器正常运行以后，都会有针对该仪器性能和特点的遥感反演方法。现在主流的遥感反演方法是最优化方法，传统上通过高斯牛顿迭代算法来实现，但高斯牛顿迭代算法一般应用于非线性关系较弱的反演。而对于临边散射辐射和大气成分廓线之间非常复杂的强非线性关系，需要考虑强非线性的反演算法。
我国第一个真正意义上的空间实验室天宫二号于2016年9月15日发射，2019年7月19日离轨结束。在距地面约400公里的轨道上运行1036天，获得了大量的科学观测数据。其中临边探测仪器组(多波段前向临边光谱仪和环形紫外临边成像仪)是其中的重要组成部分，特别是环形紫外临边成像仪作为世界首创的仪器，它由三个波段(中心波长分别为265、295、360nm)组成，像元分辨率为3km，采用超大视场(360°环形)同时获得二维(高度和空间)观测数据，成像平面上的高度和空间位置都不相同，因此相比其它卫星载荷获得的一维高度观测数据复杂，处理困难，而从二维观测数据直接反演大气臭氧浓度廓线，得到臭氧浓度的三维分布，还没有人做过这方面的工作，数据处理方法和反演算法都值得探索研究。因为360nm通道波段相对于265nm和295nm来说，臭氧的吸收较弱，敏感高度偏低，因此中层中部大气臭氧浓度廓线的遥感反演只考虑265nm和295nm两个通道波段。
发明内容
为解决上述技术问题，本发明提出了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，本方法能在同一时刻得到臭氧廓线的三维分布，对于研究气候变化和大气环境都具有重要的意义。
为实现上述目的，本发明提供了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，包括：
对通道波段的二维临边辐射观测数据进行预处理；
计算所述通道波段的权重函数，获取敏感高度范围和反演高度范围；
基于所述敏感高度范围和反演高度范围，反演所述通道波段大气臭氧浓度廓线；
基于所述通道波段的反演结果，获取中层大气(35-75km)大气臭氧浓度廓线；
基于所述大气臭氧浓度廓线，获取大气臭氧浓度环形三维分布。
可选的，所述对通道波段二维临边辐射观测数据进行预处理包括：
对所述二维临边辐射观测数据进行筛选，获取一维临边辐射数据；
对所述一维临边辐射数据进行优化，采用五点平滑法获取新临边辐射数据，其中，所述五点平滑法为所述临边辐射数据中的临边辐射值使用其前后共五点平均值替代。
可选的，对所述二维临边辐射观测数据进行筛选包括：
将所述二维临边辐射观测数据按照1度间隔视方位角读取，然后按照切点高度排序，得到一维临边辐射数据；
将所述一维临边辐射数据，按照方位角进行排列，获取预设数量的一维临边辐射数据。
可选的，对所述临边辐射数据进行优化包括：
计算所述一维临边辐射数据的切点均值，并计算所述临边辐射数据与切点均值的相对误差；
剔除所述相对误差大于预设阈值的所述一维临边辐射数据。
可选的，反演所述通道波段大气臭氧浓度廓线包括：采用最优估计方法和Levenberg-Marquardt非线性反演算法，反演所述通道波段大气臭氧浓度廓线。
可选的，采用所述最优估计化方法包括：
获取大气臭氧浓度廓线；
基于所述大气臭氧浓度廓线，计算模式临边辐射值，并获取通道反演模式向量；
基于所述模式通道反演模式向量和所述通道反演观测向量，计算代价函数；
通过计算所述代价函数，判断所述代价函数的结果是否满足要求，其中，满足则输出大气臭氧浓度廓线，不满足则将所述大气臭氧浓度廓线输入所述Levenberg-Marquardt非线性反演算法。
可选的，所述Levenberg-Marquardt非线性反演算法包括：
将所述最优估计化方法中所述代价函数的结果不满足要求的所述大气臭氧浓度廓线输入到所述Levenberg-Marquardt非线性反演算法，引入非线性算子并重新计算所述大气臭氧浓度廓线；
基于引入的所述非线性算子，重新计算所述代价函数；
通过重新计算的所述代价函数，判断所述代价函数的结果是否满足要求；
其中，满足则输出所述大气臭氧浓度廓线，并将所述大气臭氧浓度廓线输入到所述最优估计化方法中，重新计算所述大气臭氧浓度廓线；不满足则重新计算代价函数，直至满足要求为止。
可选的，所述代价函数为；
Figure BDA0004178215190000051
其中，J为代价函数，Y为通道反演观测向量，F(X)为通道反演模式向量，X表示大气臭氧浓度廓线一维向量，j为切点高度编号，n为最大切点高度编号，yj为通道反演观测向量Y中第j个切点高度的值，f(xj)为通道反演模式向量F(X)中第j个切点高度的值，xj为第j个切点高度大气臭氧浓度值。
可选的，所述大气臭氧廓线采用迭代公式计算，
所述迭代公式为：
Figure BDA0004178215190000052
其中，Xi+1为第i+1次迭代计算的大气臭氧浓度廓线一维向量，Xi为第i次迭代计算的大气臭氧浓度廓线一维向量，γ为Levenberg-Marquardt非线性算子，Sa为先验臭氧廓线协方差矩阵，Ki为第i次迭代计算的权重函数矩阵，
Figure BDA0004178215190000053
为Ki的转置矩阵，Sε为观测噪声协方差矩阵，Y为通道反演观测向量，F(Xi)为第i次迭代计算的通道反演模式向量，Xa为初始假设的先验大气臭氧浓度廓线一维向量。
与现有技术相比，本发明具有如下优点和技术效果：
本发明基于天宫二号上搭载的环形紫外临边成像仪二维探测数据，经过环形临边辐射数据的预处理、采用最优化方法和Levenberg-Marquardt非线性反演算法得到两个通道波段的大气臭氧浓度廓线、综合两个通道波段的反演结果得到35-75km的大气臭氧浓度廓线、推广到整个探测范围内的点得到同时观测的大气臭氧浓度的环形三维分布。相比于现有方法，只能得到某一个时刻的臭氧廓线，这是第一次能在同一时刻得到臭氧廓线的三维分布。对于研究气候变化和大气环境都具有重要的意义。也为未来紫外-可见-红外临边成像仪的研制及应用研究提供了技术支持。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例的环形临边探测中层中部大气臭氧浓度廓线非线性反演方法的流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例
本实施例提出了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，如图1所示，包括：
1.原始观测数据的预处理，即从二维观测数据处理出一维高度数据，如图1所示，包括以下几个步骤：
1.1分别针对两个通道波段(265nm和295nm)二维临边辐射观测数据，按照1度间隔视方位角读取数据，一般有15组数据，每组数据包含几百个切点高度，按照切点高度从小到大排列，得到15条一维临边辐射数据。然后按照方位角大小排列，考虑到边缘数据受仪器噪声影响较大，只选择中间的11条临边辐射数据。
1.2对上述11条临边辐射数据，首先排除异常点，即沿切点高度方向，上下两点均值的相对误差大于50％，则排除该点。如：
对于第j个切点高度的临边辐射Rj，分别计算其上下两点均值
Figure BDA0004178215190000071
和相对误差σj：
Figure BDA0004178215190000072
Figure BDA0004178215190000073
其中，
Figure BDA0004178215190000074
为临边辐射数据的第j个切点均值，Rj-1为第j-1个切点高度的临边辐射值，Rj+1为第j+1个切点高度的临边辐射值，σj为第j个切点高度临边辐射数据的相对误差，Rj为第j个切点高度的临边辐射值。
如果σj>50％，则删除第j个切点高度的临边辐射值，然后重新排列临边辐射数据。
其次对上述有n个切点高度(1,2，…，n)的临边辐射值采用五点平滑方法，第j个切点高度的临边辐射值用其前后五点平均值取代，即
Figure BDA0004178215190000075
针对中层大气选择切点高度在[30,80]km范围内平滑后的一维随切点高度变化的临边辐射数据用于反演。
2.由辐射传输模式SCIATRAN分别计算每个通道波段权重函数，根据权重函数最大值所在的高度为该通道的敏感高度，权重函数值中大于(20％×最大值)的高度范围为反演高度范围，确定敏感高度和反演高度范围，得到大气臭氧在265nm通道波段的敏感高度约为60km，可反演45-75km高度范围的廓线，而在295nm通道波段的敏感高度约为50km，可反演35-65km高度范围的廓线。
3.采用最优化估计方法和Levenberg-Marquardt非线性反演算法分别反演单通道波段大气臭氧浓度廓线，包括以下几个步骤：
3.1定义单通道反演向量Y＝[y1,y2,…,yn]：
Figure BDA0004178215190000081
其中，j＝1,2…n代表第j个切点高度，n为可反演的最大切点高度，Rj为第j个切点高度的临边辐射值，R0为参考高度的临边辐射值，yj为反演向量Y中第j个切点高度的值。
3.2采用最小平方函数作为代价函数J，最优化方法就是最小化代价函数，即使观测得到的反演向量与模式计算的临边辐射向量的差值平方最小。
Figure BDA0004178215190000082
其中，J为代价函数，Y为通道反演观测向量，F(X)为通道反演模式向量，X表示大气臭氧浓度廓线一维向量，j为切点高度编号，n为最大切点高度编号，yj为通道反演观测向量Y中第j个切点高度的值，f(xj)为通道反演模式向量F(X)中第j个切点高度的值，xj为第j个切点高度大气臭氧浓度值。
3.3采用Levenberg-Marquardt非线性反演算法计算大气臭氧浓度廓线，迭代公式为：
Figure BDA0004178215190000083
其中，Xi+1为第i+1次迭代计算的大气臭氧浓度廓线一维向量，Xi为第i次迭代计算的大气臭氧浓度廓线一维向量，γ为Levenberg-Marquardt非线性算子，Sa为先验臭氧廓线协方差矩阵，Ki为第i次迭代计算的权重函数矩阵，
Figure BDA0004178215190000084
为Ki的转置矩阵，Sε为观测噪声协方差矩阵，Y为通道反演观测向量，F(Xi)为第i次迭代计算的通道反演模式向量，Xa为初始假设的先验大气臭氧浓度廓线一维向量。
因为引入了非线性算子，该算法相比于传统的高斯牛顿迭代算法能更好地描述临边散射辐射和大气臭氧浓度之间的非线性关系。γ非线性算子是一个变化的量，先给定一个小值γ0＝10-5，计算初始代价函数J0，然后采用线性迭代方法更新γ值，计算公式如下：
γk+1＝γk×Ratio_Factor
其中，γk+1表示第k+1次迭代，γk表示第k次迭代，Ratio_Factor表示比例因子，是固定值，可取10。每次更新γ值，重新计算代价函数，如果更新后的代价函数比更新前小，则继续更新，否则停止。
4.综合两个通道波段的反演结果，即相同的反演高度求平均值，最终得到中层大气(35-75km)大气臭氧浓度廓线。
5.对环形紫外临边成像仪一次成像探测范围内的数据均采用上述方法处理，就可以同时得到地面多个点的大气臭氧浓度廓线，形成大气臭氧浓度的环形三维分布。
以上，仅为本申请较佳的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.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，其特征在于，包括：
对中层大气通道波段的二维临边辐射观测数据进行预处理；
计算所述通道波段的权重函数，获取敏感高度范围和反演高度范围；
基于所述敏感高度范围和所述反演高度范围，反演所述通道波段的大气臭氧浓度廓线；
基于所述通道波段的反演结果，获取中层大气臭氧浓度廓线；
基于所述大气臭氧浓度廓线，获取大气臭氧浓度环形三维分布。
2.根据权利要求1所述的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，其特征在于，对通道波段的所述二维临边辐射观测数据进行预处理包括：
对所述二维临边辐射观测数据进行筛选，获取一维临边辐射数据；
对所述一维临边辐射数据进行优化，采用五点平滑法获取新临边辐射数据，其中，所述五点平滑法为所述临边辐射数据中的临边辐射值使用其前后共五点平均值替代。
3.根据权利要求2所述的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，其特征在于，对所述二维临边辐射观测数据进行筛选包括：
将所述二维临边辐射观测数据按照1度间隔视方位角读取，然后按照切点高度排序，得到一维临边辐射数据；
将所述一维临边辐射数据，按照方位角进行排列，获取预设数量的所述一维临边辐射数据。
4.根据权利要求2所述的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，其特征在于，对所述一维临边辐射数据进行优化包括：
计算所述一维临边辐射数据的上下两切点均值，并计算所述临边辐射数据与切点均值的相对误差；
剔除所述相对误差大于预设阈值的所述一维临边辐射数据。
5.根据权利要求1所述的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，其特征在于，反演所述通道波段大气臭氧浓度廓线包括：采用最优估计方法和Levenberg-Marquardt非线性反演算法，反演所述通道波段大气臭氧浓度廓线。
6.根据权利要求5所述的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，其特征在于，采用所述最优估计化方法包括：
获取大气臭氧浓度廓线；
基于所述大气臭氧浓度廓线，计算模式临边辐射值，并获取通道反演模式向量；
基于所述通道反演模式向量和所述通道反演观测向量，计算代价函数；
通过计算所述代价函数，判断所述代价函数的结果是否满足要求，其中，满足则输出大气臭氧浓度廓线，不满足则将所述大气臭氧浓度廓线输入所述Levenberg-Marquardt非线性反演算法。
7.根据权利要求6所述的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，其特征在于，所述Levenberg-Marquardt非线性反演算法包括：
将所述最优估计化方法中所述代价函数的结果不满足要求的所述大气臭氧浓度廓线输入到所述Levenberg-Marquardt非线性反演算法，引入非线性算子并重新计算所述大气臭氧浓度廓线；
基于引入的所述非线性算子，重新计算所述代价函数；
通过重新计算的所述代价函数，判断所述代价函数的结果是否满足要求；
其中，满足则输出所述大气臭氧浓度廓线，并将所述大气臭氧浓度廓线输入到所述最优估计化方法中，重新计算所述大气臭氧浓度廓线；不满足则重新计算代价函数，直至满足要求为止。
8.根据权利要求6所述的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，其特征在于，所述代价函数为；
Figure FDA0004178215160000031
其中，J为代价函数，Y为通道反演观测向量，F(X)为通道反演模式向量，X表示大气臭氧浓度廓线一维向量，j为切点高度编号，n为最大切点高度编号，yj为通道反演观测向量Y中第j个切点高度的值，f(xj)为通道反演模式向量F(X)中第j个切点高度的值，xj为第j个切点高度大气臭氧浓度值。
9.根据权利要求7所述的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，其特征在于，所述大气臭氧浓度廓线采用迭代公式计算，
所述迭代公式为：
Figure FDA0004178215160000032
其中，Xi+1为第i+1次迭代计算的大气臭氧浓度廓线一维向量，Xi为第i次迭代计算的大气臭氧浓度廓线一维向量，γ为Levenberg-Marquardt非线性算子，Sa为先验臭氧廓线协方差矩阵，Ki为第i次迭代计算的权重函数矩阵，
Figure FDA0004178215160000033
为Ki的转置矩阵，Sε为观测噪声协方差矩阵，Y为通道反演观测向量，F(Xi)为第i次迭代计算的通道反演模式向量，Xa为初始假设的先验大气臭氧浓度廓线一维向量。
CN202310397710.1A 2023-04-14 2023-04-14 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 Active CN116413215B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310397710.1A CN116413215B (zh) 2023-04-14 2023-04-14 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310397710.1A CN116413215B (zh) 2023-04-14 2023-04-14 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

Publications (2)

Publication Number Publication Date
CN116413215A true CN116413215A (zh) 2023-07-11
CN116413215B CN116413215B (zh) 2023-10-17

Family

ID=87057727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310397710.1A Active CN116413215B (zh) 2023-04-14 2023-04-14 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

Country Status (1)

Country Link
CN (1) CN116413215B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113702298A (zh) * 2021-08-25 2021-11-26 中国科学院合肥物质科学研究院 一种临边散射辐射切高校正方法、系统及设备
CN114646601A (zh) * 2022-03-29 2022-06-21 中国科学技术大学 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113702298A (zh) * 2021-08-25 2021-11-26 中国科学院合肥物质科学研究院 一种临边散射辐射切高校正方法、系统及设备
CN114646601A (zh) * 2022-03-29 2022-06-21 中国科学技术大学 基于多波段耦合的卫星臭氧垂直廓线反演方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SONG LIU等: ""Retrieval of Stratospheric Ozone Profiles from Limb Scattering Measurements of the Backward Limb Spectrometer on Chinese Space Laboratory Tiangong-2: Preliminary Results"", 《REMOTE SENSING》, vol. 14, no. 19, pages 4771 *
朱芳等: ""Chappuis-Wulf波段临边辐射臭氧廓线的反演"", 《光学学报》, pages 0401005 *
李继峰: ""多角度双波段大气探测光谱仪设计与研究"", 《中国博士学位论文全文数据库（电子期刊） 基础科学辑》, pages 009 - 131 *
赵少华等: ""臭氧卫星遥感六十年进展"", 《遥感学报》, pages 817 - 833 *
陈源: ""天宫二号紫外临边载荷臭氧反演及对比验证"", 《中国优秀硕士学位论文全文数据库（电子期刊） 基础科学辑》, pages 009 - 145 *

Also Published As

Publication number Publication date
CN116413215B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
Tirpitz et al. Intercomparison of MAX-DOAS vertical profile retrieval algorithms: studies on field data from the CINDI-2 campaign
Oshchepkov et al. Effects of atmospheric light scattering on spectroscopic observations of greenhouse gases from space. Part 2: Algorithm intercomparison in the GOSAT data processing for CO2 retrievals over TCCON sites
Degenstein et al. Limb scatter ozone retrieval from 10 to 60 km using a multiplicative algebraic reconstruction technique
Diedrich et al. Retrieval of daytime total columnar water vapour from MODIS measurements over land surfaces
CN111579504A (zh) 基于光学遥感的大气污染成分垂直分布反演方法
Alerskans et al. Construction of a climate data record of sea surface temperature from passive microwave measurements
CN111426643B (zh) 一种大气二氧化氮柱浓度反演条带噪声自适应窗口校正方法
Butz et al. Inter-comparison of stratospheric O 3 and NO 2 abundances retrieved from balloon borne direct sun observations and Envisat/SCIAMACHY limb measurements
CN113552080A (zh) 一种超光谱遥感地表大气相对湿度的实时反演算法
Sgheri et al. The FORUM end-to-end simulator project: Architecture and results
Zeng et al. GFIT3: a full physics retrieval algorithm for remote sensing of greenhouse gases in the presence of aerosols
Joiner et al. Variational cloud‐clearing with TOVS data
Bathmann et al. Surface‐dependent correlated infrared observation errors and quality control in the FV3 framework
Jurado-Navarro et al. Global distributions of CO 2 volume mixing ratio in the middle and upper atmosphere from daytime MIPAS high-resolution spectra
Yu et al. Impact of 3D cloud structures on the atmospheric trace gas products from UV–Vis sounders–Part 2: Impact on NO 2 retrieval and mitigation strategies
Yang et al. Atmospheric humidity and temperature sounding from the CubeSat TROPICS mission: Early performance evaluation with MiRS
CN116413215B (zh) 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
Kaiser et al. Fast weighting functions for retrievals from limb scattering measurements
Bindlish et al. Intercomparison of SMAP, SMOS and Aquarius L-band brightness temperature observations
Oliveros et al. Determination of aerosol optical thickness from measurements of spectral sky radiance
Taha et al. Ozone profile retrieval from GOMOS limb scattering measurements
Zawada et al. A multi-decadal time series of upper stratospheric temperature profiles from Odin-OSIRIS limb-scattered spectra
Zhao-Cheng et al. GFIT3: a full physics retrieval algorithm for remote sensing of greenhouse gases in the presence of aerosols
Miller et al. Simulated Clear-Sky Water Vapor and Temperature Retrievals from PREFIRE Measurements
CN113010991B (zh) 一种谱辐射计系统仿真和性能评估方法

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
GR01 Patent grant
GR01 Patent grant