CN116804621A - 高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统 - Google Patents
高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统 Download PDFInfo
- Publication number
- CN116804621A CN116804621A CN202310755319.4A CN202310755319A CN116804621A CN 116804621 A CN116804621 A CN 116804621A CN 202310755319 A CN202310755319 A CN 202310755319A CN 116804621 A CN116804621 A CN 116804621A
- Authority
- CN
- China
- Prior art keywords
- methane
- atmospheric
- pixel
- inversion
- spectrum
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统，包括：计算大气气体成分在短波红外波段的单位吸收特征光谱，并筛选大气甲烷增量反演的最佳通道；根据短波红外波段反射率数据和最佳通道，计算用于反演的光谱辐射亮度数据，构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵；计算待反演像元的甲烷增量初值，调整光谱相似像元集内像元的光谱辐射亮度值，更新参考背景光谱和误差协方差矩阵，进行近地表甲烷增量结果的优化迭代；反演背景大气甲烷浓度垂直廓线；调整反演所得的背景大气甲烷浓度垂直廓线，计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
Description
技术领域
本发明涉及温室气体遥感监测领域，具体地，涉及一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统；更为具体地，涉及一种用于高空间分辨率卫星载荷的大气甲烷柱浓度的遥感反演方法及系统。
背景技术
甲烷作为一种强效温室气体，其对区域大气生态环境和全球气候变化都可产生了重要影响。因此，定量监测大气甲烷浓度的空间分布趋势对区域环境治理和提高能源利用率具有重要意义。卫星遥感技术能够提供行之有效的手段来快捷精准地监测大气甲烷含量。同时，对于高空间分辨率的卫星载荷，其有潜力提供更为精细的大气甲烷空间分布信息。然而，由于大气中其他气体和复杂地表的影响，大气甲烷柱浓度遥感反演仍需要考虑多种因素，对于此类卫星载荷的大气甲烷柱浓度反演仍然是具有挑战性的问题。
在利用具有高空间分辨率与高光谱分辨率的卫星遥感观测平台反演大气甲烷柱浓度时，无论是传统的全物理反演算法还是基于光谱特征的机器学习反演算法，都无法实现大气甲烷柱浓度的精准高效反演。具体来讲，针对全物理反演算法，所述的卫星遥感观测平台往往具备米级分辨率的探测能力，使用全物理算法进行逐像元反演的时间开销十分庞大，因此不适用于所述的大气甲烷柱浓度的反演任务。针对基于光谱特征的机器学习反演算法，由于没有充分且精确的先验反演结果作为机器学习的训练目标，故机器学习模型无法正确构建，因此也不适用于所述的大气甲烷柱浓度的反演任务。针对以上问题，本发明提出一种结合全物理反演与甲烷增量反演技术的高分辨率大气甲烷柱浓度的遥感反演方法。
专利文献CN113624694A(申请号：202111178987.2)提供了一种大气甲烷浓度的反演方法和装置，涉及环境监测的技术领域，包括：获取待监测区域的样本输入数据和样本标定数据；利用PCA算法，对样本输入数据进行降维处理，得到降维样本输入数据；利用降维样本输入数据和样本标定数据，对预设XGBoost模型进行训练，得到目标XGBoost模型；在获取到待监测区域的当前输入数据之后，利用PCA算法，对当前输入数据进行降维处理，得到降维当前输入数据；将降维当前输入数据输入目标XGBoost模型，得到待监测区域的当前大气甲烷柱浓度，解决了现有的大气甲烷浓度反演方法的反演误差较大且反演效率较低的技术问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统。
根据本发明提供的一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，包括：
步骤S1：计算大气气体成分在短波红外波段的单位吸收特征光谱，并筛选大气甲烷增量反演的最佳通道；
步骤S2：根据短波红外波段反射率数据和最佳通道，计算用于反演的光谱辐射亮度数据，构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵；
步骤S3：计算待反演像元的甲烷增量初值，调整光谱相似像元集内像元的光谱辐射亮度值，更新参考背景光谱和误差协方差矩阵，进行近地表甲烷增量结果的优化迭代；
步骤S4：基于参考背景光谱，反演背景大气甲烷浓度垂直廓线；
步骤S5：基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
优选地，在所述步骤S1中：
利用辐射传输模型进行高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，并基于组合冒泡排序法，筛选大气甲烷增量反演的最佳通道；
利用具有短波红外高光谱辐射亮度模拟特性的大气辐射传输模型，设定辐射传输模式需要的模拟条件；改变大气气体成分先验垂直廓线的浓度水平，模拟计算不同浓度背景下卫星载荷观测的辐射亮度值；根据模拟结果，利用最小二乘拟合方法，计算大气气体在短波红外波段的单位吸收特征光谱；利用气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，用于大气甲烷增量反演的最佳通道；
辐射传输模式模拟条件的拟定参数包括：卫星载荷的光谱特征信息、卫星观测条件、大气参数条件、地表反射率；
卫星载荷的光谱特征信息包括：中心波长、全峰半高宽和光谱响应函数；
卫星观测条件包括：太阳天顶角、卫星天顶角和相对方位角；
大气参数条件包括：气溶胶参数化方案、气溶胶光学厚度和吸收性大气气体成分的浓度垂直廓线；
大气气体成分采用包括：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮和二氧化碳；
组合冒泡排序法采用：将各波段大气气体成分吸收特性按照多变量冒泡排序法进行排列。
优选地，在所述步骤S2中：
根据卫星观测短波红外波段反射率数据和所述的最佳通道，计算用于反演的光谱辐射亮度数据，基于数据构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵：
步骤S2.1：根据卫星观测短波红外波段反射率数据和甲烷反演最近通道，计算用于反演的波段光谱辐射亮度，利用滑动波谱窗口对光谱辐射亮度值进行平滑处理；
步骤S2.2：构建待反演像元的光谱相似像元集，光谱相似像元集由与待反演像元地理空间距离小于预设标准并且相关系数高于预设标准并且光谱角和总体偏差小于预设标准的像元组成；
步骤S2.3：对光谱相似像元集中像元的短波红外光谱辐射亮度进行主成分分解，根据主成分的累积方差解释率，生成待反演像元的参考背景光谱；
步骤S2.4：计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵C；
所述的误差协方差矩阵C计算公式：
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
优选地，在所述步骤S3中：
基于匹配滤波法计算待反演像元的甲烷增量初值，基于甲烷增量结果调整光谱相似像元集内像元的光谱辐射亮度值，再次更新参考背景光谱和误差协方差矩阵，再次利用匹配滤波法进行近地表甲烷增量结果的优化迭代；
所述匹配滤波法采用以下公式计算甲烷增量：
其中，α为甲烷增量初始值，L′为观测辐射亮度与参考背景光谱间的差值，C为误差协方差矩阵，t′为利用参考背景光谱对甲烷单位吸收特征光谱进行拉伸更新的目标特征光谱；
调整光谱相似像元集中各像元光谱辐射亮度值采用：
L′i＝Li-αi·μ·t
其中，L′i为第i个像元的调整后光谱辐射亮度值，Li为第i个像元的观测辐射亮度，αi为第i个像元的甲烷增量初始值，μ为参考背景光谱，t为目标特征光谱；
甲烷增量结果的优化迭代采用：当反演甲烷增量结果的更新量小于预设值，判断达到优化迭代收敛，即停止优化迭代。
优选地，在所述步骤S4中：
基于计算全局参考背景光谱，利用基于最优估计算法反演背景大气甲烷浓度垂直廓线：
所述的全局参考背景光谱采用：计算各像元参考背景光谱的平均光谱；
所述全局参考背景光谱采用以下公式进行近似表达：
y＝F(x，b)+εy+εF
其中，y表示初始化参考光谱，F代表前向模型，辐射传输模型，状态向量x表示待反演光谱所处的大气状态，能够使用变量具体量化，包括甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数和地表气压，状态向量b表示大气状态常量，无需反演的大气状态，εy代表仪器观测误差，εF代表前向模型误差；
最优估计算法采用以下步骤进行反演：
步骤S4.1：定义该算法的目标函数x2为：
其中，xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得；
步骤S4.2：采用Levenberg-Marquardt迭代法对目标函数进行求解，迭代形式为：
其中，K为Jacobian矩阵，由辐射传输模型模拟计算所得，i为为迭代次数标识符，i+1为i的下一代，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，在x的每次迭代后，根据Rodgers的更新策略进行调整；
步骤S4.3：迭代更新状态向量x，直至状态向量x更新量低于预设值时达到收敛，状态向量x记录由参考背景光谱所反演的大气状态信息。
优选地，在所述步骤S5中：
基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品：
计算甲烷干空气混合比浓度XCH4采用：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量；
几何校正采用：利用原始观测数据中各像元地理位置信息，对甲烷干空气混合比浓度结果进行几何校正。
根据本发明提供的一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统，包括：
模块M1：计算大气气体成分在短波红外波段的单位吸收特征光谱，并筛选大气甲烷增量反演的最佳通道；
模块M2：根据短波红外波段反射率数据和最佳通道，计算用于反演的光谱辐射亮度数据，构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵；
模块M3：计算待反演像元的甲烷增量初值，调整光谱相似像元集内像元的光谱辐射亮度值，更新参考背景光谱和误差协方差矩阵，进行近地表甲烷增量结果的优化迭代；
模块M4：基于参考背景光谱，反演背景大气甲烷浓度垂直廓线；
模块M5：基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
优选地，在所述模块M1中：
利用辐射传输模型进行高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，并基于组合冒泡排序法，筛选大气甲烷增量反演的最佳通道；
利用具有短波红外高光谱辐射亮度模拟特性的大气辐射传输模型，设定辐射传输模式需要的模拟条件；改变大气气体成分先验垂直廓线的浓度水平，模拟计算不同浓度背景下卫星载荷观测的辐射亮度值；根据模拟结果，利用最小二乘拟合方法，计算大气气体在短波红外波段的单位吸收特征光谱；利用气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，用于大气甲烷增量反演的最佳通道；
辐射传输模式模拟条件的拟定参数包括：卫星载荷的光谱特征信息、卫星观测条件、大气参数条件、地表反射率；
卫星载荷的光谱特征信息包括：中心波长、全峰半高宽和光谱响应函数；
卫星观测条件包括：太阳天顶角、卫星天顶角和相对方位角；
大气参数条件包括：气溶胶参数化方案、气溶胶光学厚度和吸收性大气气体成分的浓度垂直廓线；
大气气体成分采用包括：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮和二氧化碳；
组合冒泡排序法采用：将各波段大气气体成分吸收特性按照多变量冒泡排序法进行排列；
在所述模块M2中：
根据卫星观测短波红外波段反射率数据和所述的最佳通道，计算用于反演的光谱辐射亮度数据，基于数据构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵：
模块M2.1：根据卫星观测短波红外波段反射率数据和甲烷反演最近通道，计算用于反演的波段光谱辐射亮度，利用滑动波谱窗口对光谱辐射亮度值进行平滑处理；
模块M2.2：构建待反演像元的光谱相似像元集，光谱相似像元集由与待反演像元地理空间距离小于预设标准并且相关系数高于预设标准并且光谱角和总体偏差小于预设标准的像元组成；
模块M2.3：对光谱相似像元集中像元的短波红外光谱辐射亮度进行主成分分解，根据主成分的累积方差解释率，生成待反演像元的参考背景光谱；
模块M2.4：计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵C；
所述的误差协方差矩阵C计算公式：
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
优选地，在所述模块M3中：
基于匹配滤波法计算待反演像元的甲烷增量初值，基于甲烷增量结果调整光谱相似像元集内像元的光谱辐射亮度值，再次更新参考背景光谱和误差协方差矩阵，再次利用匹配滤波法进行近地表甲烷增量结果的优化迭代；
所述匹配滤波法采用以下公式计算甲烷增量：
其中，α为甲烷增量初始值，L′为观测辐射亮度与参考背景光谱间的差值，C为误差协方差矩阵，t′为利用参考背景光谱对甲烷单位吸收特征光谱进行拉伸更新的目标特征光谱；
调整光谱相似像元集中各像元光谱辐射亮度值采用：
L′i＝Li-αi·μ·t
其中，L′i为第i个像元的调整后光谱辐射亮度值，Li为第i个像元的观测辐射亮度，αi为第i个像元的甲烷增量初始值，μ为参考背景光谱，t为目标特征光谱；
甲烷增量结果的优化迭代采用：当反演甲烷增量结果的更新量小于预设值，判断达到优化迭代收敛，即停止优化迭代；
在所述模块M4中：
基于计算全局参考背景光谱，利用基于最优估计算法反演背景大气甲烷浓度垂直廓线：
所述的全局参考背景光谱采用：计算各像元参考背景光谱的平均光谱；
所述全局参考背景光谱采用以下公式进行近似表达：
y＝F(x，b)+εy+εF
其中，y表示初始化参考光谱，F代表前向模型，辐射传输模型，状态向量x表示待反演光谱所处的大气状态，能够使用变量具体量化，包括甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数和地表气压，状态向量b表示大气状态常量，无需反演的大气状态，εy代表仪器观测误差，εF代表前向模型误差；
最优估计算法采用以下步骤进行反演：
模块M4.1：定义该算法的目标函数χ2为：
其中，xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得；
模块M4.2：采用Levenberg-Marquardt迭代法对目标函数进行求解，迭代形式为：
其中，K为Jacobian矩阵，由辐射传输模型模拟计算所得，i为为迭代次数标识符，i+1为i的下一代，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，在x的每次迭代后，根据Rodgers的更新策略进行调整；
模块M4.3：迭代更新状态向量x，直至状态向量x更新量低于预设值时达到收敛，状态向量x记录由参考背景光谱所反演的大气状态信息。
优选地，在所述模块M5中：
基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品：
计算甲烷干空气混合比浓度XCH4采用：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量；
几何校正采用：利用原始观测数据中各像元地理位置信息，对甲烷干空气混合比浓度结果进行几何校正。
与现有技术相比，本发明具有如下的有益效果：
本发明提出一种基于大气甲烷增量反演结果解算大气甲烷柱浓度的遥感技术，解决了原始算法无法适用于依托高空间分辨率与高光谱分辨率卫星遥感观测平台进行大气甲烷柱浓度反演的任务。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为一种用于高空间分辨率卫星载荷的大气甲烷柱浓度的遥感反演方法的流程；
图2为高空间分辨率卫星载荷反演大气甲烷柱浓度结果示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1：
本发明提供了一种用于高空间分辨率卫星载荷的大气甲烷柱浓度的遥感反演方法，包括：利用辐射传输模型计算大气气体成分在短波红外波段的单位吸收特征光谱；筛选大气甲烷增量反演的最佳通道；构建待反演像元的光谱相似像元集；计算待反演像元的参考背景光谱和误差协方差矩阵；利用匹配滤波法进行大气甲烷增量的优化迭代反演；利用最优估计方法反演全局参考背景光谱的大气甲烷浓度垂直廓线；根据大气甲烷增量反演结果和大气甲烷浓度垂直廓线，逐格点解算大气甲烷干空气混合比浓度；对甲烷干空气混合比浓度结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。本发明可用于高空间分辨率大气甲烷柱浓度的遥感反演，尤其是解决了全物理和机器学习反演算法无法适用于依托高空间分辨率与高光谱分辨率卫星遥感观测平台进行大气甲烷柱浓度反演任务的关键技术问题。
根据本发明提供的一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，如图1-图2所示，包括：
步骤S1：计算大气气体成分在短波红外波段的单位吸收特征光谱，并筛选大气甲烷增量反演的最佳通道；
具体地，在所述步骤S1中：
利用辐射传输模型进行高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，并基于组合冒泡排序法，筛选大气甲烷增量反演的最佳通道；
利用具有短波红外高光谱辐射亮度模拟特性的大气辐射传输模型，设定辐射传输模式需要的模拟条件；改变大气气体成分先验垂直廓线的浓度水平，模拟计算不同浓度背景下卫星载荷观测的辐射亮度值；根据模拟结果，利用最小二乘拟合方法，计算大气气体在短波红外波段的单位吸收特征光谱；利用气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，用于大气甲烷增量反演的最佳通道；
辐射传输模式模拟条件的拟定参数包括：卫星载荷的光谱特征信息、卫星观测条件、大气参数条件、地表反射率；
卫星载荷的光谱特征信息包括：中心波长、全峰半高宽和光谱响应函数；
卫星观测条件包括：太阳天顶角、卫星天顶角和相对方位角；
大气参数条件包括：气溶胶参数化方案、气溶胶光学厚度和吸收性大气气体成分的浓度垂直廓线；
大气气体成分采用包括：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮和二氧化碳；
组合冒泡排序法采用：将各波段大气气体成分吸收特性按照多变量冒泡排序法进行排列。
步骤S2：根据短波红外波段反射率数据和最佳通道，计算用于反演的光谱辐射亮度数据，构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵；
具体地，在所述步骤S2中：
根据卫星观测短波红外波段反射率数据和所述的最佳通道，计算用于反演的光谱辐射亮度数据，基于数据构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵：
步骤S2.1：根据卫星观测短波红外波段反射率数据和甲烷反演最近通道，计算用于反演的波段光谱辐射亮度，利用滑动波谱窗口对光谱辐射亮度值进行平滑处理；
步骤S2.2：构建待反演像元的光谱相似像元集，光谱相似像元集由与待反演像元地理空间距离小于预设标准并且相关系数高于预设标准并且光谱角和总体偏差小于预设标准的像元组成；
步骤S2.3：对光谱相似像元集中像元的短波红外光谱辐射亮度进行主成分分解，根据主成分的累积方差解释率，生成待反演像元的参考背景光谱；
步骤S2.4：计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵C；
所述的误差协方差矩阵C计算公式：
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
步骤S3：计算待反演像元的甲烷增量初值，调整光谱相似像元集内像元的光谱辐射亮度值，更新参考背景光谱和误差协方差矩阵，进行近地表甲烷增量结果的优化迭代；
具体地，在所述步骤S3中：
基于匹配滤波法计算待反演像元的甲烷增量初值，基于甲烷增量结果调整光谱相似像元集内像元的光谱辐射亮度值，再次更新参考背景光谱和误差协方差矩阵，再次利用匹配滤波法进行近地表甲烷增量结果的优化迭代；
所述匹配滤波法采用以下公式计算甲烷增量：
其中，α为甲烷增量初始值，L′为观测辐射亮度与参考背景光谱间的差值，C为误差协方差矩阵，t′为利用参考背景光谱对甲烷单位吸收特征光谱进行拉伸更新的目标特征光谱；
调整光谱相似像元集中各像元光谱辐射亮度值采用：
Li＝Li-αi·μ·t
其中，L′i为第i个像元的调整后光谱辐射亮度值，Li为第i个像元的观测辐射亮度，αi为第i个像元的甲烷增量初始值，μ为参考背景光谱，t为目标特征光谱；
甲烷增量结果的优化迭代采用：当反演甲烷增量结果的更新量小于预设值，判断达到优化迭代收敛，即停止优化迭代。
步骤S4：基于参考背景光谱，反演背景大气甲烷浓度垂直廓线；
具体地，在所述步骤S4中：
基于计算全局参考背景光谱，利用基于最优估计算法反演背景大气甲烷浓度垂直廓线：
所述的全局参考背景光谱采用：计算各像元参考背景光谱的平均光谱；
所述全局参考背景光谱采用以下公式进行近似表达：
y＝F(x，b)+εy+εF
其中，y表示初始化参考光谱，F代表前向模型，辐射传输模型，状态向量x表示待反演光谱所处的大气状态，能够使用变量具体量化，包括甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数和地表气压，状态向量b表示大气状态常量，无需反演的大气状态，εy代表仪器观测误差，εF代表前向模型误差；
最优估计算法采用以下步骤进行反演：
步骤S4.1：定义该算法的目标函数χ2为：
其中，xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得；
步骤S4.2：采用Levenberg-Marquardt迭代法对目标函数进行求解，迭代形式为：
其中，K为Jacobian矩阵，由辐射传输模型模拟计算所得，i为为迭代次数标识符，i+1为i的下一代，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，在x的每次迭代后，根据Rodgers的更新策略进行调整；
步骤S4.3：迭代更新状态向量x，直至状态向量x更新量低于预设值时达到收敛，状态向量x记录由参考背景光谱所反演的大气状态信息。
步骤S5：基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
具体地，在所述步骤S5中：
基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品：
计算甲烷干空气混合比浓度XCH4采用：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量；
几何校正采用：利用原始观测数据中各像元地理位置信息，对甲烷干空气混合比浓度结果进行几何校正。
实施例2：
实施例2为实施例1的优选例，以更为具体地对本发明进行说明。
本发明还提供一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统，所述高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统可以通过执行所述高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法的流程步骤予以实现，即本领域技术人员可以将所述高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法理解为所述高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统的优选实施方式。
根据本发明提供的一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统，包括：
模块M1：计算大气气体成分在短波红外波段的单位吸收特征光谱，并筛选大气甲烷增量反演的最佳通道；
具体地，在所述模块M1中：
利用辐射传输模型进行高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，并基于组合冒泡排序法，筛选大气甲烷增量反演的最佳通道；
利用具有短波红外高光谱辐射亮度模拟特性的大气辐射传输模型，设定辐射传输模式需要的模拟条件；改变大气气体成分先验垂直廓线的浓度水平，模拟计算不同浓度背景下卫星载荷观测的辐射亮度值；根据模拟结果，利用最小二乘拟合方法，计算大气气体在短波红外波段的单位吸收特征光谱；利用气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，用于大气甲烷增量反演的最佳通道；
辐射传输模式模拟条件的拟定参数包括：卫星载荷的光谱特征信息、卫星观测条件、大气参数条件、地表反射率；
卫星载荷的光谱特征信息包括：中心波长、全峰半高宽和光谱响应函数；
卫星观测条件包括：太阳天顶角、卫星天顶角和相对方位角；
大气参数条件包括：气溶胶参数化方案、气溶胶光学厚度和吸收性大气气体成分的浓度垂直廓线；
大气气体成分采用包括：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮和二氧化碳；
组合冒泡排序法采用：将各波段大气气体成分吸收特性按照多变量冒泡排序法进行排列；
模块M2：根据短波红外波段反射率数据和最佳通道，计算用于反演的光谱辐射亮度数据，构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵；
在所述模块M2中：
根据卫星观测短波红外波段反射率数据和所述的最佳通道，计算用于反演的光谱辐射亮度数据，基于数据构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵：
模块M2.1：根据卫星观测短波红外波段反射率数据和甲烷反演最近通道，计算用于反演的波段光谱辐射亮度，利用滑动波谱窗口对光谱辐射亮度值进行平滑处理；
模块M2.2：构建待反演像元的光谱相似像元集，光谱相似像元集由与待反演像元地理空间距离小于预设标准并且相关系数高于预设标准并且光谱角和总体偏差小于预设标准的像元组成；
模块M2.3：对光谱相似像元集中像元的短波红外光谱辐射亮度进行主成分分解，根据主成分的累积方差解释率，生成待反演像元的参考背景光谱；
模块M2.4：计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵C；
所述的误差协方差矩阵C计算公式：
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
模块M3：计算待反演像元的甲烷增量初值，调整光谱相似像元集内像元的光谱辐射亮度值，更新参考背景光谱和误差协方差矩阵，进行近地表甲烷增量结果的优化迭代；
具体地，在所述模块M3中：
基于匹配滤波法计算待反演像元的甲烷增量初值，基于甲烷增量结果调整光谱相似像元集内像元的光谱辐射亮度值，再次更新参考背景光谱和误差协方差矩阵，再次利用匹配滤波法进行近地表甲烷增量结果的优化迭代；
所述匹配滤波法采用以下公式计算甲烷增量：
其中，α为甲烷增量初始值，L′为观测辐射亮度与参考背景光谱间的差值，C为误差协方差矩阵，t′为利用参考背景光谱对甲烷单位吸收特征光谱进行拉伸更新的目标特征光谱；
调整光谱相似像元集中各像元光谱辐射亮度值采用：
L′i＝Li-αi·μ·t
其中，L′i为第i个像元的调整后光谱辐射亮度值，Li为第i个像元的观测辐射亮度，αi为第i个像元的甲烷增量初始值，μ为参考背景光谱，t为目标特征光谱；
甲烷增量结果的优化迭代采用：当反演甲烷增量结果的更新量小于预设值，判断达到优化迭代收敛，即停止优化迭代；
模块M4：基于参考背景光谱，反演背景大气甲烷浓度垂直廓线；
在所述模块M4中：
基于计算全局参考背景光谱，利用基于最优估计算法反演背景大气甲烷浓度垂直廓线：
所述的全局参考背景光谱采用：计算各像元参考背景光谱的平均光谱；
所述全局参考背景光谱采用以下公式进行近似表达：
y＝F(x，b)+εy+εF
其中，y表示初始化参考光谱，F代表前向模型，辐射传输模型，状态向量x表示待反演光谱所处的大气状态，能够使用变量具体量化，包括甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数和地表气压，状态向量b表示大气状态常量，无需反演的大气状态，εy代表仪器观测误差，εF代表前向模型误差；
最优估计算法采用以下步骤进行反演：
模块M4.1：定义该算法的目标函数χ2为：
其中，xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得；
模块M4.2：采用Levenberg-Marquardt迭代法对目标函数进行求解，迭代形式为：
其中，K为Jacobian矩阵，由辐射传输模型模拟计算所得，i为为迭代次数标识符，i+1为i的下一代，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，在x的每次迭代后，根据Rodgers的更新策略进行调整；
模块M4.3：迭代更新状态向量x，直至状态向量x更新量低于预设值时达到收敛，状态向量x记录由参考背景光谱所反演的大气状态信息。
模块M5：基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
具体地，在所述模块M5中：
基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品：
计算甲烷干空气混合比浓度XCH4采用：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量；
几何校正采用：利用原始观测数据中各像元地理位置信息，对甲烷干空气混合比浓度结果进行几何校正。
实施例3：
实施例3为实施例1的优选例，以更为具体地对本发明进行说明。
本发明的目的在于提供一种用于高空间分辨率卫星载荷的大气甲烷柱浓度的遥感反演方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种用于高空间分辨率卫星载荷的大气甲烷柱浓度的遥感反演方法，包括以下步骤：
步骤S1：利用辐射传输模型进行高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，并基于组合冒泡排序法，筛选大气甲烷增量反演的最佳通道。
步骤S2：根据卫星观测短波红外波段反射率数据和所述的最佳通道，计算用于反演的光谱辐射亮度数据，基于该数据构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵。
步骤S3：基于匹配滤波法计算待反演像元的甲烷增量初值，基于甲烷增量结果调整光谱相似像元集内像元的光谱辐射亮度值，再次更新参考背景光谱和误差协方差矩阵，再次利用匹配滤波法进行近地表甲烷增量结果的优化迭代。
步骤S4：基于步骤S2方法计算全局参考背景光谱，利用基于最优估计算法反演背景大气甲烷浓度垂直廓线。
步骤S5：基于步骤S3的大气甲烷增量反演结果，调整步骤S4反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
优选地，所述步骤S1采用：利用具有短波红外高光谱辐射亮度模拟特性的大气辐射传输模型，设定辐射传输模式需要的模拟条件；改变大气气体成分先验垂直廓线的浓度水平，模拟计算不同浓度背景下卫星载荷观测的辐射亮度值；根据模拟结果，利用最小二乘拟合方法，计算大气气体在短波红外波段的单位吸收特征光谱；利用上述的气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，即用于大气甲烷增量反演的最佳通道。
所述辐射传输模式模拟条件的拟定参数：卫星载荷的光谱特征信息(中心波长、全峰半高宽、光谱响应函数等)、卫星观测条件(太阳天顶角、卫星天顶角、相对方位角)、大气参数条件(气溶胶参数化方案、气溶胶光学厚度、吸收性大气气体成分的浓度垂直廓线)，地表反射率等。
所述的大气气体成分采用：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮、二氧化碳等。
所述组合冒泡排序法采用：将各波段大气气体成分吸收特性按照多变量冒泡排序法进行排列。
优选地，所述步骤S2采用：
步骤S2.1：根据卫星观测短波红外波段反射率数据和甲烷反演最近通道，计算用于反演的波段光谱辐射亮度，利用滑动波谱窗口对光谱辐射亮度值进行平滑处理。
步骤S2.2：构建待反演像元的光谱相似像元集，其光谱相似像元集由与待反演像元地理空间距离近、相关系数高、光谱角和总体偏差小的像元组成。
步骤S2.3：对光谱相似像元集中像元的短波红外光谱辐射亮度进行主成分分解，根据主成分的累积方差解释率，生成待反演像元的参考背景光谱。
步骤S2.4：计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵C。
所述的误差协方差矩阵C计算公式：
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
优选地，所述步骤S3采用：
所述匹配滤波法采用以下公式计算甲烷增量：
其中，α为甲烷增量初始值，L′为观测辐射亮度与参考背景光谱间的差值，C为误差协方差矩阵，t′为利用参考背景光谱对甲烷单位吸收特征光谱进行拉伸更新的目标特征光谱。
所述调整光谱相似像元集中各像元光谱辐射亮度值采用：
L′i＝Li-αi·μ·t
其中，L′i为第i个像元的调整后光谱辐射亮度值，Li为第i个像元的观测辐射亮度，αi为第i个像元的甲烷增量初始值，μ为参考背景光谱，t为目标特征光谱。
所述的甲烷增量结果的优化迭代采用：当反演甲烷增量结果的更新量小于预设值，判断达到优化迭代收敛，即停止优化迭代。
优选地，所述步骤S4采用：
所述的全局参考背景光谱采用：计算各像元参考背景光谱的平均光谱
所述全局参考背景光谱采用以下公式进行近似表达：
y＝F(x，b)+εy+εF
其中y表示初始化参考光谱，F代表前向模型(即辐射传输模型)，状态向量x表示待反演光谱所处的大气状态，其可用甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数、地表气压等变量具体量化，状态向量b表示大气状态常量，即无需反演的大气状态，可通过其他数据源获得准确数值，εy代表仪器观测误差，εF代表前向模型误差。
所述最优估计算法采用以下步骤进行反演：
步骤S4.1：定义该算法的目标函数χ2为：
其中xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得。
步骤S4.2：采用Levenberg-Marquardt迭代法对所述的目标函数进行求解，迭代形式为：
其中K为Jacobian矩阵，由辐射传输模型模拟计算所得，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，在x的每次迭代后，根据Rodgers的更新策略进行调整。
步骤S4.3：根据上述公式迭代更新状态向量x，直至状态向量x更新量低于预设值时达到收敛，最终的状态向量x记录由参考背景光谱所反演的大气状态信息。
优选地，所述步骤S5中采用：
基于大气甲烷增量反演结果逐像元调整反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，经过几何校正生成大气甲烷柱浓度的标准格网产品。
所述大气甲烷增量反演结果采用：步骤3迭代反演的大气甲烷增量结果。
所述背景大气甲烷浓度垂直廓线采用：步骤4大气状态变量中甲烷廓线信息。
所述计算甲烷干空气混合比浓度采用：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量。
所述几何校正采用：利用原始观测数据中各像元地理位置信息，对甲烷干空气混合比浓度结果进行几何校正。
实施例4：
实施例4为实施例1的优选例，以更为具体地对本发明进行说明。
步骤1：利用辐射传输模型进行短波红外高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，基于此筛选大气甲烷增量反演的最佳通道。
A)下载并安装具有短波红外高光谱辐射亮度模拟能力的大气辐射传输模型，包括但不限于SCIATRAN、LBLTRAN模型；
B)进行辐射传输模型的模拟条件设置，需要拟定的参数包括：所述卫星载荷的光谱特征信息(中心波长、全峰半高宽、光谱响应函数等)、卫星观测条件(太阳天顶角、卫星天顶角、相对方位角)、大气参数条件(气溶胶参数化方案、气溶胶光学厚度、吸收性大气气体成分的浓度垂直廓线)，地表反射率等；
逐步改变大气气体成分先验垂直廓线的浓度水平，并模拟计算不同浓度背景下卫星载荷观测的辐射亮度值，所述的大气气体成分包括：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮、二氧化碳等；
C)依据上述的模拟结果，以最小二乘拟合方法计算各气体成分在短波红外的吸收率，即计算大气气体成分在短波红外波段的单位吸收特征光谱；
D)利用上述的气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，即用于大气甲烷增量反演的最佳通道，其中波段个数标记为b；
步骤2：构建待反演像元的参考背景光谱，计算光谱相似像元集的误差协方差矩阵。
A)获取所述的高光谱高空间分辨率卫星载荷的L1级反射率数据，根据所提供的定标系数对各波段数据进行辐射定标，利用滑动波谱窗口对定标后的光谱辐射亮度值进行平滑处理；
B)计算待反演像元光谱与同景影像中其它像元光谱间的光谱角、相关系数、总体偏差及空间距离，并选取与待反演像元空间距离近、相关系数高、光谱角小的前100个像元，构成光谱相似像元集；
C)根据甲烷气体异常增量的空间稀疏假设，对光谱相似像元集内的光谱矩阵进行主成分分解，选取累计方差解释率超过90％的前n个主成分进行矩阵重构，生成待反演像元的参考背景光谱μ1×b；
D)计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵Cb×b；
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
步骤3：利用匹配滤波法，进行大气甲烷增量的迭代反演。
A)对于任意待反演像元x，计算其观测辐射亮度L1×b与参考背景光谱μ1×b间的差值：
L′1×b＝L1×b-μ1×b
B)利用参考背景光谱μ1×b对甲烷单位吸收特征光谱s1×b进行拉伸，计算两者点乘值，更新目标特征光谱t′1×b：
t′1×b＝S1×b⊙μ1×b
C)采用匹配滤波方法逐像元反演甲烷增量初始值；
D)根据甲烷增量初始值α，调整光谱相似像元集内各像元光谱辐射亮度值；
L′i＝Li-αi·μ·t
E)重复步骤2，基于调整后的各像元光谱辐射亮度值L′i，更新参考背景光谱μ1×b和误差协方差矩阵Cb×b；
F)重复步骤3中a-e子步骤，进行甲烷增量反演的迭代优化，直至迭代收敛，即得到逐像元大气甲烷增量反演结果；
步骤4：基于步骤2结果计算全局背景参考光谱，利用全物理反演算法进行背景大气甲烷浓度垂直廓线反演。
A)计算各像元参考背景光谱的平均光谱作为全局背景参考光谱；
B)对于所述的全局背景参考光谱μ1×b，其可以采用以下公式近似表示为：
y＝F(x，b)+εy+εF
其中y表示初始化参考光谱，F代表前向模型(即辐射传输模型)，状态向量x表示待反演光谱所处的大气状态，其可用甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数、地表气压等变量具体量化，状态向量b表示大气状态常量，即无需反演的大气状态，可通过其他数据源获得准确数值，εy代表仪器观测误差，εF代表前向模型误差；
C)定义全物理反演算法的目标函数χ2为：
其中xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得；
D)采用Levenberg-Marquardt迭代法对所述的目标函数进行求解，迭代形式为：
其中K为JacObian矩阵，由辐射传输模型模拟计算所得，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，初值设置为10，在x的每次迭代后，根据Rodgers的更新策略进行调整；
E)根据上述公式迭代更新状态向量x，直至状态向量x更新量低于0.01％时达到收敛，最终的状态向量x记录由参考背景光谱所反演的大气状态信息；
步骤5：基于步骤3所述的大气甲烷增量反演结果，与步骤4所述的大气甲烷浓度垂直廓线，解算逐格点大气甲烷柱浓度。
A)提取步骤4所述的大气状态变量中的甲烷廓线信息；
B)基于步骤3所述的大气甲烷增量反演结果，对反演所得的甲烷廓线进行调整；
C)根据表面气压和水汽含量计算得到甲烷干空气混合比浓度：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量；
D)利用原始观测数据中各像元地理位置信息，对所述的甲烷干空气混合比浓度结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，包括：
步骤S1：计算大气气体成分在短波红外波段的单位吸收特征光谱，并筛选大气甲烷增量反演的最佳通道；
步骤S2：根据短波红外波段反射率数据和最佳通道，计算用于反演的光谱辐射亮度数据，构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵；
步骤S3：计算待反演像元的甲烷增量初值，调整光谱相似像元集内像元的光谱辐射亮度值，更新参考背景光谱和误差协方差矩阵，进行近地表甲烷增量结果的优化迭代；
步骤S4：基于参考背景光谱，反演背景大气甲烷浓度垂直廓线；
步骤S5：基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
2.根据权利要求1所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，在所述步骤S1中：
利用辐射传输模型进行高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，并基于组合冒泡排序法，筛选大气甲烷增量反演的最佳通道；
利用具有短波红外高光谱辐射亮度模拟特性的大气辐射传输模型，设定辐射传输模式需要的模拟条件；改变大气气体成分先验垂直廓线的浓度水平，模拟计算不同浓度背景下卫星载荷观测的辐射亮度值；根据模拟结果，利用最小二乘拟合方法，计算大气气体在短波红外波段的单位吸收特征光谱；利用气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，用于大气甲烷增量反演的最佳通道；
辐射传输模式模拟条件的拟定参数包括：卫星载荷的光谱特征信息、卫星观测条件、大气参数条件、地表反射率；
卫星载荷的光谱特征信息包括：中心波长、全峰半高宽和光谱响应函数；
卫星观测条件包括：太阳天顶角、卫星天顶角和相对方位角；
大气参数条件包括：气溶胶参数化方案、气溶胶光学厚度和吸收性大气气体成分的浓度垂直廓线；
大气气体成分采用包括：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮和二氧化碳；
组合冒泡排序法采用：将各波段大气气体成分吸收特性按照多变量冒泡排序法进行排列。
3.根据权利要求1所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，在所述步骤S2中：
根据卫星观测短波红外波段反射率数据和所述的最佳通道，计算用于反演的光谱辐射亮度数据，基于数据构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵：
步骤S2.1：根据卫星观测短波红外波段反射率数据和甲烷反演最近通道，计算用于反演的波段光谱辐射亮度，利用滑动波谱窗口对光谱辐射亮度值进行平滑处理；
步骤S2.2：构建待反演像元的光谱相似像元集，光谱相似像元集由与待反演像元地理空间距离小于预设标准并且相关系数高于预设标准并且光谱角和总体偏差小于预设标准的像元组成；
步骤S2.3：对光谱相似像元集中像元的短波红外光谱辐射亮度进行主成分分解，根据主成分的累积方差解释率，生成待反演像元的参考背景光谱；
步骤S2.4：计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵C；
所述的误差协方差矩阵C计算公式：
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
4.根据权利要求1所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，在所述步骤S3中：
基于匹配滤波法计算待反演像元的甲烷增量初值，基于甲烷增量结果调整光谱相似像元集内像元的光谱辐射亮度值，再次更新参考背景光谱和误差协方差矩阵，再次利用匹配滤波法进行近地表甲烷增量结果的优化迭代；
所述匹配滤波法采用以下公式计算甲烷增量：
其中，α为甲烷增量初始值，L′为观测辐射亮度与参考背景光谱间的差值，C为误差协方差矩阵，t′为利用参考背景光谱对甲烷单位吸收特征光谱进行拉伸更新的目标特征光谱；
调整光谱相似像元集中各像元光谱辐射亮度值采用：
L′i＝Li-αi·μ·t
其中，L′i为第i个像元的调整后光谱辐射亮度值，Li为第i个像元的观测辐射亮度，αi为第i个像元的甲烷增量初始值，μ为参考背景光谱，t为目标特征光谱；
甲烷增量结果的优化迭代采用：当反演甲烷增量结果的更新量小于预设值，判断达到优化迭代收敛，即停止优化迭代。
5.根据权利要求1所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，在所述步骤S4中：
基于计算全局参考背景光谱，利用基于最优估计算法反演背景大气甲烷浓度垂直廓线：
所述的全局参考背景光谱采用：计算各像元参考背景光谱的平均光谱；
所述全局参考背景光谱采用以下公式进行近似表达：
y＝F(x,b)+εy+εF
其中，y表示初始化参考光谱，F代表前向模型，辐射传输模型，状态向量x表示待反演光谱所处的大气状态，能够使用变量具体量化，包括甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数和地表气压，状态向量b表示大气状态常量，无需反演的大气状态，εy代表仪器观测误差，εF代表前向模型误差；
最优估计算法采用以下步骤进行反演：
步骤S4.1：定义该算法的目标函数χ2为：
其中，xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得；
步骤S4.2：采用Levenberg-Marquardt迭代法对目标函数进行求解，迭代形式为：
其中，K为Jacobian矩阵，由辐射传输模型模拟计算所得，i为为迭代次数标识符，i+1为i的下一代，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，在x的每次迭代后，根据Rodgers的更新策略进行调整；
步骤S4.3：迭代更新状态向量x，直至状态向量x更新量低于预设值时达到收敛，状态向量x记录由参考背景光谱所反演的大气状态信息。
6.根据权利要求1所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法，其特征在于，在所述步骤S5中：
基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品：
计算甲烷干空气混合比浓度XCH4采用：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量；
几何校正采用：利用原始观测数据中各像元地理位置信息，对甲烷干空气混合比浓度结果进行几何校正。
7.一种高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统，其特征在于，包括：
模块M1：计算大气气体成分在短波红外波段的单位吸收特征光谱，并筛选大气甲烷增量反演的最佳通道；
模块M2：根据短波红外波段反射率数据和最佳通道，计算用于反演的光谱辐射亮度数据，构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵；
模块M3：计算待反演像元的甲烷增量初值，调整光谱相似像元集内像元的光谱辐射亮度值，更新参考背景光谱和误差协方差矩阵，进行近地表甲烷增量结果的优化迭代；
模块M4：基于参考背景光谱，反演背景大气甲烷浓度垂直廓线；
模块M5：基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品。
8.根据权利要求7所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统，其特征在于：
在所述模块M1中：
利用辐射传输模型进行高光谱辐射亮度模拟实验，计算大气气体成分在短波红外波段的单位吸收特征光谱，并基于组合冒泡排序法，筛选大气甲烷增量反演的最佳通道；
利用具有短波红外高光谱辐射亮度模拟特性的大气辐射传输模型，设定辐射传输模式需要的模拟条件；改变大气气体成分先验垂直廓线的浓度水平，模拟计算不同浓度背景下卫星载荷观测的辐射亮度值；根据模拟结果，利用最小二乘拟合方法，计算大气气体在短波红外波段的单位吸收特征光谱；利用气体单位吸收特征光谱，根据组合冒泡排序法，筛选出甲烷吸收特征强而其他气体吸收特征弱的波段，用于大气甲烷增量反演的最佳通道；
辐射传输模式模拟条件的拟定参数包括：卫星载荷的光谱特征信息、卫星观测条件、大气参数条件、地表反射率；
卫星载荷的光谱特征信息包括：中心波长、全峰半高宽和光谱响应函数；
卫星观测条件包括：太阳天顶角、卫星天顶角和相对方位角；
大气参数条件包括：气溶胶参数化方案、气溶胶光学厚度和吸收性大气气体成分的浓度垂直廓线；
大气气体成分采用包括：水汽、甲烷、氮氧化物、一氧化二氮、二氧化氮和二氧化碳；
组合冒泡排序法采用：将各波段大气气体成分吸收特性按照多变量冒泡排序法进行排列；
在所述模块M2中：
根据卫星观测短波红外波段反射率数据和所述的最佳通道，计算用于反演的光谱辐射亮度数据，基于数据构建待反演像元的光谱相似像元集，计算待反演像元的参考背景光谱和误差协方差矩阵：
模块M2.1：根据卫星观测短波红外波段反射率数据和甲烷反演最近通道，计算用于反演的波段光谱辐射亮度，利用滑动波谱窗口对光谱辐射亮度值进行平滑处理；
模块M2.2：构建待反演像元的光谱相似像元集，光谱相似像元集由与待反演像元地理空间距离小于预设标准并且相关系数高于预设标准并且光谱角和总体偏差小于预设标准的像元组成；
模块M2.3：对光谱相似像元集中像元的短波红外光谱辐射亮度进行主成分分解，根据主成分的累积方差解释率，生成待反演像元的参考背景光谱；
模块M2.4：计算光谱相似像元集中像元的短波红外光谱辐射亮度平均值，利用短波红外光谱辐射亮度平均值μ计算待反演像元的误差协方差矩阵C；
所述的误差协方差矩阵C计算公式：
其中，N为光谱相似像元集中像元个数，L为光谱相似像元集中像元的短波红外光谱辐射亮度。
9.根据权利要求7所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统，其特征在于：
在所述模块M3中：
基于匹配滤波法计算待反演像元的甲烷增量初值，基于甲烷增量结果调整光谱相似像元集内像元的光谱辐射亮度值，再次更新参考背景光谱和误差协方差矩阵，再次利用匹配滤波法进行近地表甲烷增量结果的优化迭代；
所述匹配滤波法采用以下公式计算甲烷增量：
其中，α为甲烷增量初始值，L′为观测辐射亮度与参考背景光谱间的差值，C为误差协方差矩阵，t′为利用参考背景光谱对甲烷单位吸收特征光谱进行拉伸更新的目标特征光谱；
调整光谱相似像元集中各像元光谱辐射亮度值采用：
L′i＝Li-αi·μ·t
其中，L′i为第i个像元的调整后光谱辐射亮度值，Li为第i个像元的观测辐射亮度，αi为第i个像元的甲烷增量初始值，μ为参考背景光谱，t为目标特征光谱；
甲烷增量结果的优化迭代采用：当反演甲烷增量结果的更新量小于预设值，判断达到优化迭代收敛，即停止优化迭代；
在所述模块M4中：
基于计算全局参考背景光谱，利用基于最优估计算法反演背景大气甲烷浓度垂直廓线：
所述的全局参考背景光谱采用：计算各像元参考背景光谱的平均光谱；
所述全局参考背景光谱采用以下公式进行近似表达：
y＝F(x,b)+εy+εF
其中，y表示初始化参考光谱，F代表前向模型，辐射传输模型，状态向量x表示待反演光谱所处的大气状态，能够使用变量具体量化，包括甲烷廓线、温度廓线、湿度廓线、压力廓线、气溶胶参数和地表气压，状态向量b表示大气状态常量，无需反演的大气状态，εy代表仪器观测误差，εF代表前向模型误差；
最优估计算法采用以下步骤进行反演：
模块M4.1：定义该算法的目标函数χ2为：
其中，xa表示先验状态变量，ya表示利用先验状态变量进行辐射传输模拟的光谱辐亮度值，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得；
模块M4.2：采用Levenberg-Marquardt迭代法对目标函数进行求解，迭代形式为：
其中，K为Jacobian矩阵，由辐射传输模型模拟计算所得，i为为迭代次数标识符，i+1为i的下一代，xi与xi+1为逐步更新迭代的状态变量，Sa为先验协方差矩阵，由先验状态变量xa计算所得，Se为观测误差协方差矩阵，由观测光谱辐亮度y计算所得，γ为Levenberg-Marquardt参数，在x的每次迭代后，根据Rodgers的更新策略进行调整；
模块M4.3：迭代更新状态向量x，直至状态向量x更新量低于预设值时达到收敛，状态向量x记录由参考背景光谱所反演的大气状态信息。
10.根据权利要求7所述的高空间分辨率卫星载荷的甲烷柱浓度遥感反演系统，其特征在于，在所述模块M5中：
基于大气甲烷增量反演结果，调整反演所得的背景大气甲烷浓度垂直廓线，根据表面气压和水汽含量计算甲烷干空气混合比浓度，对所得结果进行几何校正，生成大气甲烷柱浓度的标准格网产品：
计算甲烷干空气混合比浓度XCH4采用：
其中为甲烷柱总量，由甲烷廓线积分所得，和分别为干空气柱总量和水汽柱总量，Ps为表面气压，g为柱体平均重力加速度，和分别为水汽和干空气分子质量；
几何校正采用：利用原始观测数据中各像元地理位置信息，对甲烷干空气混合比浓度结果进行几何校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310755319.4A CN116804621A (zh) | 2023-06-25 | 2023-06-25 | 高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310755319.4A CN116804621A (zh) | 2023-06-25 | 2023-06-25 | 高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116804621A true CN116804621A (zh) | 2023-09-26 |
Family
ID=88079372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310755319.4A Pending CN116804621A (zh) | 2023-06-25 | 2023-06-25 | 高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116804621A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117436286A (zh) * | 2023-12-20 | 2024-01-23 | 中国科学院合肥物质科学研究院 | 气溶胶和水汽反演、航空遥感图像校正方法、装置、设备 |
| CN117629907A (zh) * | 2023-11-23 | 2024-03-01 | 北京英视宇辰科技有限公司 | 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 |
| CN117892498A (zh) * | 2023-12-22 | 2024-04-16 | 南京大学 | 一种卫星多通道优化反演甲烷柱浓度增强的方法 |
| CN118464826A (zh) * | 2024-07-09 | 2024-08-09 | 南京大学 | 一种气体识别和定量方法 |
| CN119470310A (zh) * | 2025-01-13 | 2025-02-18 | 华东师范大学 | 基于稀疏光谱重构的甲烷排放遥感智能检测方法及系统 |
-
2023
- 2023-06-25 CN CN202310755319.4A patent/CN116804621A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117629907A (zh) * | 2023-11-23 | 2024-03-01 | 北京英视宇辰科技有限公司 | 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 |
| CN117436286A (zh) * | 2023-12-20 | 2024-01-23 | 中国科学院合肥物质科学研究院 | 气溶胶和水汽反演、航空遥感图像校正方法、装置、设备 |
| CN117436286B (zh) * | 2023-12-20 | 2024-03-26 | 中国科学院合肥物质科学研究院 | 气溶胶和水汽反演、航空遥感图像校正方法、装置、设备 |
| CN117892498A (zh) * | 2023-12-22 | 2024-04-16 | 南京大学 | 一种卫星多通道优化反演甲烷柱浓度增强的方法 |
| CN118464826A (zh) * | 2024-07-09 | 2024-08-09 | 南京大学 | 一种气体识别和定量方法 |
| CN119470310A (zh) * | 2025-01-13 | 2025-02-18 | 华东师范大学 | 基于稀疏光谱重构的甲烷排放遥感智能检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116804621A (zh) | 高空间分辨率卫星载荷的甲烷柱浓度遥感反演方法及系统 | |
| Yan et al. | Advanced wind power prediction based on data-driven error correction | |
| WO2022247049A1 (zh) | 基于复数值前向神经网络的风速预测方法 | |
| CN108875254B (zh) | 一种大气温湿廓线的一维变分反演方法 | |
| CN116559902A (zh) | 近地表甲烷异常排放的快速遥感识别与通量估算方法及系统 | |
| CN111257241B (zh) | 一种deei的基于卫星观测的大气二氧化碳浓度反演算法 | |
| CN107730044A (zh) | 一种可再生能源发电和负荷的混合预测方法 | |
| Rey et al. | Understanding global infrared opacity and hot bands of greenhouse molecules with low vibrational modes from first-principles calculations: the case of CF 4 | |
| CN105738317A (zh) | 纺织品近红外模型转移方法 | |
| CN116243406A (zh) | 一种卫星红外辐射率资料的全空同化方法 | |
| CN111929263B (zh) | 臭氧廓线和二氧化硫柱浓度协同反演方法 | |
| CN105259318B (zh) | 一种基于气象参数的恶臭ou值预测方法和系统 | |
| CN113762467B (zh) | 基于紫外和可见高光谱获得近地面臭氧浓度的方法 | |
| CN114047563A (zh) | 一种红外高光谱的全天候同化方法 | |
| CN106228030A (zh) | 一种基于小波变换的精细粒度自学习集成预测方法 | |
| CN116047753B (zh) | 光学系统正交优化模型的构建及优化方法 | |
| CN117972625A (zh) | 基于四维变分约束的注意力神经网络数据同化方法 | |
| CN116699729A (zh) | 地基微波辐射计资料的直接同化方法及装置 | |
| CN116307015A (zh) | 一种基于pix2pix的环境性能预测方法及装置 | |
| Vieira et al. | Automated classification of IUE low dispersion spectra (I) | |
| Flieller et al. | Introduction of ensemble based forecasts to the electricity dispatch simulator SimSEE | |
| CN113946936A (zh) | 基于emi超光谱卫星载荷的自适应迭代二氧化硫反演方法 | |
| CN106404712A (zh) | 基于gt‑kf‑pls近红外光谱自适应模型校正方法及系统 | |
| Nowack et al. | Machine learning parameterizations for ozone: climate model transferability | |
| Mattoussi et al. | Preliminary analysis of the interacting pentad bands (ν2+ 2ν4, ν2+ ν3, 4ν2, ν1+ 2ν2, 2ν1) of CF4 in the 1600–1800 cm− 1 region |
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 |