CN117113648A - 一种二氧化碳柱浓度的测量方法及系统 - Google Patents
一种二氧化碳柱浓度的测量方法及系统 Download PDFInfo
- Publication number
- CN117113648A CN117113648A CN202310971785.6A CN202310971785A CN117113648A CN 117113648 A CN117113648 A CN 117113648A CN 202310971785 A CN202310971785 A CN 202310971785A CN 117113648 A CN117113648 A CN 117113648A
- Authority
- CN
- China
- Prior art keywords
- carbon dioxide
- iteration
- spectrum
- concentration
- dioxide concentration
- 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
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 title claims abstract description 574
- 229910002092 carbon dioxide Inorganic materials 0.000 title claims abstract description 287
- 239000001569 carbon dioxide Substances 0.000 title claims abstract description 287
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001228 spectrum Methods 0.000 claims abstract description 188
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 46
- 238000005259 measurement Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000004088 simulation Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 abstract 1
- 230000007423 decrease Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 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
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种二氧化碳柱浓度的测量方法及系统，其中方法包括：获取仪器实际测量光谱的数据和非反演参数的先验信息；根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果。本发明通过设置一个过滤因子来限制反演算法每次迭代的变化量，使反演得出的二氧化碳浓度信息更接近真实值，提高了二氧化碳柱浓度测量方法的准确度。
Description
技术领域
本发明属于二氧化碳柱浓度检测领域，具体涉及一种二氧化碳柱浓度的测量方法及系统。
背景技术
大气温室效应引起全球变暖、全球极端天气频发，威胁着人类的生存和发展，已经成为世界各国关注的焦点问题。二氧化碳是主要的温室气体之一，为了准确监测大气中的二氧化碳浓度变化及其对气候的影响，有必要准确地量化全球二氧化碳源和汇的分布和变化。然而，由于温室气体地面观测站点稀疏，对全球碳循环的认识在时间和空间上都是有限的。随着技术进步，卫星遥感观测正在成为监测全球二氧化碳浓度时空分布与变化的最有效手段。获取大气边界层二氧化碳浓度是分析其产生与消耗的机理、监测其时空分布与变化的核心问题，而如何有效精确地从众多观测数据中计算提取二氧化碳的浓度信息是二氧化碳卫星遥感反演工作研究的核心。
目前测量大气中二氧化碳的浓度信息主要是通过反演算法，将仪器实际观测的光谱或者图像进行对比和正演模型产生的光谱或者图像进行对比，以和仪器实际观测的光谱或者图像的数据的对比结果来测量大气中二氧化碳浓度信息。最常应用的迭代算法主要是Gauss-Newton迭代算法和Levenberg-Marquardt迭代算法，但当先验信息不充分或者正演模型的非线性很大时，这些迭代算法的反演结果会导致最终测量的二氧化碳浓度信息偏离真实值，使得到的二氧化碳浓度信息不准确。
发明内容
本发明提出一种二氧化碳柱浓度的测量方法及系统，使反演得出的二氧化碳浓度信息更接近真实值，提高了二氧化碳柱浓度测量方法的准确度。
本发明第一方面提供了一种二氧化碳柱浓度的测量方法，所述方法包括：
获取仪器实际测量光谱的数据和非反演参数的先验信息；其中，所述非反演参数的先验信息为测量的大气实际物理状态数据；
根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；其中，每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；且每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；所述正演模型是由所述非反演参数的先验信息驱动；
根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果。
上述方案通过反演算法的正演模型，引入过滤因子，然后对二氧化碳的浓度进行迭代，产生的新的模拟光谱，然后根据达到收敛标准的更新后的模拟光谱的数据输出此时的二氧化碳廓线和柱总量作为实际观测的结果。通过所述作为实际观测的结果的二氧化碳廓线和柱总量，可以测量得到更接近真实值的大气中二氧化碳的柱浓度，提高了二氧化碳柱浓度测量方法的准确度。
在第一方面的一种可能的实现方式中，所述正演模型是由所述非反演参数的先验信息驱动，具体为：
获取仪器实际测量光谱的数据到反演算法中，并获取非反演参数的先验信息到反演算法中构建正演模型；正演模型包括大气辐射传输模型、仪器模型、太阳辐射模型和卫星观测模型。
上述方案通过获取正演模拟所需的各种非反演参数的先验状态信息到反演算法中构建正演模型，为产生模拟光谱提供数据支持。
在第一方面的一种可能的实现方式中，所述在每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱，具体为：
每次迭代时，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，并在过滤因子的限制下得到迭代后的二氧化碳浓度；
将本次迭代后的二氧化碳浓度代入所述正演模型，模拟并更新当前时刻的模拟光谱，得到当前时刻的模拟光谱对应的大气幅亮度。
在第一方面的一种可能的实现方式中，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，在过滤因子的限制下得到迭代后的二氧化碳浓度，具体为：
预设二氧化碳初始浓度为xa，在反演算法中第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
其中，K i为第i次迭代时的权重函数矩阵，Sε为误差协方差矩阵，Sɑ为先验误差方差矩阵，xi为第i-1次迭代后的二氧化碳浓度，y为仪器实际观测光谱的大气幅亮度，F为正演模型，i为大于0的自然数；
平均核矩阵A的具体表达公式为：
A＝(KTSε -1K+Sa -1)-1KTSε -1K＝GK
G＝(KTSε -1K+Sa -1)-1KTSε -1
根据平均核矩阵A可得到：
I-A＝(KTSε -1K+Sa -1)-1Sa -1
其中，I为单位矩阵；
根据I-A，得到优化后的第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
xi+1＝ΛG[y-F(xi,b)]+Axi+(I-A)xa
其中，Λ为引入的过滤因子。
上述方案对第i次迭代后的二氧化碳浓度xi+1的表达式进行优化，通过在表达式中引入过滤因子，来实现对二氧化碳浓度每次迭代的变化量大小的限制，避免了反演发散。
在第一方面的一种可能的实现方式中，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子，具体为：
预设过滤因子Λ的表达式为：
当第i次迭代后的二氧化碳浓度xi+1和第i-1次迭代后的二氧化碳浓度xi满足以下关系：
||xi+1‖2<1.1‖xi‖2
此时，将ξ减小第一阈值的倍数，以更新过滤因子Λ；否则，将ξ增加第一阈值的倍数，以更新过滤因子Λ，重新计算第i次迭代后的二氧化碳浓度xi+1；其中，如果ξ小于第二阈值，则将ξ设置为0，在保留第i次迭代后的二氧化碳浓度xi+1的同时继续进行下一步迭代。
上述方案通过控制过滤因子Λ的大小限制二氧化碳浓度下一次迭代的变化量大小，使每次迭代的二氧化碳浓度的变化量不至于太大而导致反演发散。
在第一方面的一种可能的实现方式中，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，当第i次迭代后的二氧化碳浓度xi+1的相对变化小于第三阈值时，第i次迭代后的二氧化碳浓度xi+1达到反演收敛的标准；
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，当第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根小于第四阈值时，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1达到反演收敛的标准；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1中至少一个达到反演收敛的标准时，所述第i次迭代后的二氧化碳浓度xi+1为最优反演值，停止迭代；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1都未达到反演收敛的标准且未达到预设的第五阈值时，使xi＝xi+1，和i＝i+1，并重新进行第i次迭代。
上述方案通过判定第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新后的模拟光谱的大气幅亮度yi+1是否达到收敛标准，确定是否找到最优反演值，以此确定可作为实际观测值来输出的二氧化碳廓线和柱总量。
在第一方面的一种可能的实现方式中，第i次迭代后的二氧化碳浓度xi+1的相对变化，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，有第i次迭代后的二氧化碳浓度xi+1的相对变化Crit，具体公式为：
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，有第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根R，具体公式为：
其中，m为反演算法所用的光谱通道数，y(i+1)n为大气幅亮度yi+1在第n个光谱通道的大气幅亮度。
在第一方面的一种可能的实现方式中，在对所述二氧化碳浓度进行迭代处理时，若迭代次数达到预设的第五阈值时，结束迭代，并向用户反馈本次未能从仪器实际测量光谱的数据和非反演参数的先验信息中获得二氧化碳柱浓度的测量结果。
本发明第二方面提供了一种二氧化碳柱浓度的测量系统，所述系统包括：数据获取模块，数据迭代模块和数据输出模块；
其中，所述数据获取模块用于获取仪器实际测量光谱的数据和非反演参数的先验信息；其中，所述非反演参数的先验信息为测量的大气实际物理状态数据；
所述数据迭代模块用于根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到更新后的模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；其中，每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；且每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；所述正演模型是由所述非反演参数的先验信息驱动；
所述数据输出模块用于根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果。
在第二方面的一种可能的实现方式中，正演模型是由所述非反演参数的先验信息驱动，具体为：
获取仪器实际测量光谱的数据到反演算法中，并获取非反演参数的先验信息到反演算法中构建正演模型；正演模型包括大气辐射传输模型、仪器模型、太阳辐射模型和卫星观测模型。
在第二方面的一种可能的实现方式中，数据迭代模块包括：迭代单元，更新模拟光谱单元和判定收敛单元；
所述迭代单元用于根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理；其中，每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；
所述更新模拟光谱单元用于每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；
所述判定收敛单元用于根据模拟光谱的数据和仪器实际测量光谱的数据判断是否满足反演收敛标准，如果满足，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量。
在第二方面的一种可能的实现方式中，更新模拟光谱单元用于每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱，具体为：
每次迭代时，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，并在过滤因子的限制下得到迭代后的二氧化碳浓度；
将本次迭代后的二氧化碳浓度代入所述正演模型，模拟并更新当前时刻的模拟光谱，得到当前时刻的模拟光谱对应的大气幅亮度。
在第二方面的一种可能的实现方式中，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，并在过滤因子的限制下得到迭代后的二氧化碳浓度，具体为：
预设二氧化碳初始浓度为xa，在以Gauss-Newton迭代方案为基础的反演算法中第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
其中，K i为第i次迭代时的权重函数矩阵，Sε为误差协方差矩阵，Sɑ为先验误差方差矩阵，xi为第i-1次迭代后的二氧化碳浓度，y为仪器实际观测光谱的大气幅亮度，F为正演模型，i为大于0的自然数；
平均核矩阵A的具体表达公式为：
A＝(KTSε -1K+Sa -1)-1KTSε -1K＝GK
G＝(KTSε -1K+Sa -1)-1KTSε -1
根据平均核矩阵A可得到：
I-A＝(KTSε -1K+Sa -1)-1Sa -1
其中，I为单位矩阵；
根据I-A，得到优化后的第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
xi+1＝ΛG[y-F(xi,b)]+Axi+(I-A)xa
其中，Λ为引入的过滤因子。
在第二方面的一种可能的实现方式中，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子，具体为：
预设过滤因子Λ的表达式为：
当第i次迭代后的二氧化碳浓度xi+1和第i-1次迭代后的二氧化碳浓度xi满足以下关系：
||xi+1‖2<1.1||xi||2
此时，将ξ减小第一阈值的倍数，以更新过滤因子Λ；否则，将ξ增加第一阈值的倍数，以更新过滤因子Λ，重新计算第i次迭代后的二氧化碳浓度xi+1；其中，如果ξ小于第二阈值，则将ξ设置为0，在保留第i次迭代后的二氧化碳浓度xi+1的同时继续进行下一步迭代。
在第二方面的一种可能的实现方式中，判定收敛单元用于根据模拟光谱的数据和仪器实际测量光谱的数据判断是否满足反演收敛标准，如果满足，停止迭代，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，当第i次迭代后的二氧化碳浓度xi+1的相对变化小于第三阈值时，第i次迭代后的二氧化碳浓度xi+1达到反演收敛的标准；
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，当第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根小于第四阈值时，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1达到反演收敛的标准；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1中至少一个达到反演收敛的标准时，所述第i次迭代后的二氧化碳浓度xi+1为最优反演值，停止迭代；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1都未达到反演收敛的标准且未达到预设的第五阈值时，使xi＝xi+1，和i＝i+1，并重新进行第i次迭代。
在第二方面的一种可能的实现方式中，第i次迭代后的二氧化碳浓度xi+1的相对变化，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，有第i次迭代后的二氧化碳浓度xi+1的相对变化Crit，具体公式为：
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，有第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根R，具体公式为：
其中，m为反演算法所用的光谱通道数，y(i+1)n为大气幅亮度yi+1在第n个光谱通道的大气幅亮度。
在第二方面的一种可能的实现方式中，在对所述二氧化碳浓度进行迭代处理时，若迭代次数达到预设的第五阈值时，结束迭代，并向用户反馈本次未能从仪器实际测量光谱的数据和非反演参数的先验信息中获得二氧化碳柱浓度的测量结果。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供了一种二氧化碳柱浓度的测量方法的具体流程示意图；
图2是本发明某一实施例提供了一种二氧化碳柱浓度的测量方法的详细结构图；
图3是本发明某一实施例提供了一种二氧化碳柱浓度的测量系统的结构示意图。
具体实施方式
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，所描述的实施例仅仅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作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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不是作为对步骤执行先后顺序的限定。
如图1所示，图1为本发明某一实施例提供了一种二氧化碳柱浓度的测量方法的具体流程示意图，本实施例的二氧化碳柱浓度的测量方法包括步骤S1至步骤S3，详述如下：
步骤S1，获取仪器实际测量光谱的数据和非反演参数的先验信息；
在本步骤中，获取仪器实际测量光谱的数据和非反演参数的先验信息到反演算法中；其中，非反演参数的先验信息是不同时间地点的温度、压强、地表反照率等实际的物理状态数据，是本方法必须获取的数据。
步骤S2，根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；
在本步骤中，先根据非反演参数的先验信息在反演算法中构建正演模型，然后将预设的初始二氧化碳浓度代入到正演模型里产生初始模拟光谱。在本实施例中，预设的初始二氧化碳浓度可以来自最近时间的地面观测值，前一天同时间同地点的观测值或者上个月同时间同地点的观测值。其中，正演模型包括大气辐射传输模型、仪器模型、太阳辐射模型和卫星观测模型。
然后将模拟光谱的数据和仪器实际测量光谱的数据进行对比，判断模拟光谱的数据是否满足反演收敛标准。如果模拟光谱的数据不满足反演收敛标准，则在引入过滤因子的迭代方案下对当前二氧化碳浓度进行迭代，更新模拟光谱并根据二氧化碳浓度的变化量的大小更新过滤因子；否则，确定当前时刻的二氧化碳浓度为最优反演值，停止迭代，并根据当前时刻模拟光谱的数据输出二氧化碳廓线和柱总量。
在一些实施例中，所述步骤2，包括：
对二氧化碳浓度进行迭代。反演算法采用的迭代方案是Gauss-Newton迭代方案，预设二氧化碳初始浓度为xa，在反演算法中第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
其中，K i为第i次迭代时的权重函数矩阵，Sε为误差协方差矩阵，Sɑ为先验误差方差矩阵，xi为第i-1次迭代后的二氧化碳浓度，y为仪器实际观测光谱的大气幅亮度，F为正演模型，i为大于0的自然数。其中，K i每一次迭代都需要使用正演模型进行重新计算。
每次迭代时，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，通过过滤因子来限制每次迭代时二氧化碳浓度的变化量的大小。引入过滤因子的步骤具体为：引入平均核矩阵A，A的具体公式为：
A＝(KTSε -1K+Sa -1)-1KTSε -1K＝GK
G＝(KTSε -1K+Sa -1)-1KTSε -1
将平均核矩阵进行代换可得到：
I-A＝(KTSε -1K+Sa -1)-1Sa -1
其中，I为单位矩阵；
根据I-A，得到优化后的第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
xi+1＝ΛG[y-F(xi,b)]+Axi+(I-A)xa
其中，Λ为引入的过滤因子，当Λ增大时，第i次迭代后的二氧化碳浓度xi+1也增大，Λ减小时，第i次迭代后的二氧化碳浓度xi+1也减小，因此可以通过过滤因子Λ来控制每次迭代时二氧化碳浓度的大小。
预设过滤因子Λ的表达式为：
在本实施例中，ξ>0，迭代一般从一个大的ξ开始，通常取10的数量级，最小取10。
然后根据二氧化碳浓度的变化更新当前时刻的过滤因子。对于第i次迭代后的二氧化碳浓度xi+1和第i-1次迭代后的二氧化碳浓度xi，当满足关系：
||xi+1||2<1.1‖xi‖2
此时，第i次迭代后的二氧化碳浓度xi+1是达到标准的，将ξ减小2.5倍数，以更新过滤因子Λ；否则，第i次迭代后的二氧化碳浓度xi+1没有达到标准，将ξ增加2.5倍数，以更新过滤因子Λ，然后重新计算第i次迭代后的二氧化碳浓度xi+1；其中，如果ξ小于0.05，则将ξ设置为0，在保留第i次迭代后的二氧化碳浓度xi+1的同时继续进行下一步迭代；其中，在本实施例中，对更新ξ的控制是依据历史经验，当ξ很大时，为了控制二氧化碳浓度在每次迭代后的变化量，将ξ减小2.5倍是比较合适的；而ξ小于0.05时，过滤因子Λ约等于1，因为此时过滤因子对计算二氧化碳浓度的限制效果基本上可以忽略不计，所以可以将ξ直接设置为0。
然后将模拟光谱的数据和仪器实际测量光谱的数据进行对比，判断模拟光谱的数据是否满足反演收敛标准。
当第i次迭代后的二氧化碳浓度xi+1的相对变化小于1％时，第i次迭代后的二氧化碳浓度xi+1达到反演收敛的标准；当第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根小于0.2％时，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1达到反演收敛的标准；其中，反演收敛的标准取决于对精度的要求，比如当第i次迭代后的二氧化碳浓度xi+1的相对变化小于1％时，表示二氧化碳浓度的反演精度要求要优于1％。
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1中至少一个达到反演收敛的标准时，所述第i次迭代后的二氧化碳浓度xi+1为最优反演值，停止迭代。
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1都未达到反演收敛的标准且未达到预设的迭代次数限制时，使xi＝xi+1，和i＝i+1，并重新进行第i次迭代。
其中，第i次迭代后的二氧化碳浓度xi+1的相对变化Crit的具体公式为：
第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根R的具体公式为：
其中，m为反演算法所用的光谱通道数，y(i+1)n为大气幅亮度yi+1在第n个光谱通道的大气幅亮度。
当迭代次数达到预设的迭代次数限制时，结束迭代，并向用户反馈本次未能从仪器实际测量光谱的数据和非反演参数的先验信息中获得二氧化碳柱浓度的测量结果。因为超出预设的迭代次数限制时，说明此时二氧化碳浓度的反演精度已经不满足要求，而且需要计算数据的时间过长，继续算下去会花费很长时间，所以在此情况下是反演是没有结果的，求出的数据不是最优反演值。
步骤S3：根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果；
在本步骤中，输出的二氧化碳廓线和柱总量来自确定最优反演值后的模拟光谱的数据，可以计算出二氧化碳的柱浓度。
进一步的，为了更具体详细的描述上述方法实施例对应的二氧化碳柱浓度的测量方法，图2展示了本发明实施例提供的一种二氧化碳柱浓度的测量方法的详细结构图。如图2所示，该实施例的流程包括：输入数据，进行反演和输出结果；其中，通过输入测量光谱的数据到反演算法中用于判定收敛，输入非反演参数的先验信息到反演算法中构建正演模型，进行迭代计算，更新模拟光谱；其中，对模拟光谱的更新需要太阳辐射，辐射传输模型，卫星观测模型和仪器模型。最后根据完成收敛判定的当前时刻的模拟光谱，输出二氧化碳廓线和柱总量。
进一步的，为了执行上述方法实施例对应的二氧化碳柱浓度的测量方法，以实现响应的功能和技术效果，图3展示了本发明某一实施例提供了一种二氧化碳柱浓度的测量系统的结构示意图。为了便于说明，仅示出了与本实施例相关的部分，本发明实施例提供的二氧化碳柱浓度的测量系统，包括：
数据获取模块201，用于获取仪器实际测量光谱的数据和非反演参数的先验信息；其中，所述非反演参数的先验信息为测量的大气实际物理状态数据；
数据迭代模块202，用于根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；其中，每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；且每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；所述正演模型是由所述非反演参数的先验信息驱动；
数据输出模块203，用于根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果。
在一些实施例中，所述数据迭代模块202，包括：
迭代单元，用于根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理；其中，每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；
更新模拟光谱单元，用于每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；
判定收敛单元，用于根据模拟光谱的数据和仪器实际测量光谱的数据判断是否满足反演收敛标准，如果满足，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量。
在一些实施例中，所述迭代单元，具体用于：
对二氧化碳浓度进行迭代。反演算法采用的迭代方案是Gauss-Newton迭代方案，预设二氧化碳初始浓度为xa，在反演算法中第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
其中，K i为第i次迭代时的权重函数矩阵，Sε为误差协方差矩阵，Sɑ为先验误差方差矩阵，xi为第i-1次迭代后的二氧化碳浓度，y为仪器实际观测光谱的大气幅亮度，F为正演模型，i为大于0的自然数。其中，K i每一次迭代都需要使用正演模型进行重新计算。
每次迭代时，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，通过过滤因子来限制每次迭代时二氧化碳浓度的变化量的大小。同时引入平均核矩阵A，A的具体公式为：
A＝(KTSε -1K+Sa -1)-1KTSε -1K＝GK
G＝(KTSε -1K+Sa -1)-1KTSε -1
将平均核矩阵进行代换可得到：
I-A＝(KTSε -1K+Sa -1)-1Sa -1
其中，I为单位矩阵；
根据I-A，得到优化后的第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
xi+1＝ΛG[y-F(xi,b)]+Axi+(I-A)xa
其中，Λ为引入的过滤因子，当Λ增大时，第i次迭代后的二氧化碳浓度xi+1也增大，Λ减小时，第i次迭代后的二氧化碳浓度xi+1也减小，因此可以通过过滤因子Λ来控制每次迭代时二氧化碳浓度的大小。
预设过滤因子Λ的表达式为：
在本实施例中，ξ>0，迭代一般从一个大的ξ开始，通常取10的数量级，最小取10。
然后根据二氧化碳浓度的变化更新当前时刻的过滤因子。对于第i次迭代后的二氧化碳浓度xi+1和第i-1次迭代后的二氧化碳浓度xi，当满足关系：
||xi+1‖2<1.1||xi||2
此时，第i次迭代后的二氧化碳浓度xi+1是达到标准的，将ξ减小2.5倍数，以更新过滤因子Λ；否则，第i次迭代后的二氧化碳浓度xi+1没有达到标准，将ξ增加2.5倍数，以更新过滤因子Λ，然后重新计算第i次迭代后的二氧化碳浓度xi+1；其中，如果ξ小于0.05，则将ξ设置为0，在保留第i次迭代后的二氧化碳浓度xi+1的同时继续进行下一步迭代；其中，在本实施例中，对更新ξ的控制是依据历史经验，当ξ很大时，为了控制二氧化碳浓度在每次迭代后的变化量，将ξ减小2.5倍是比较合适的；而ξ小于0.05时，过滤因子Λ约等于1，因为此时过滤因子对计算二氧化碳浓度的限制效果基本上可以忽略不计，此时可以将ξ直接设置为0。
在一些实施例中，所述更新模拟光谱单元，具体用于：
将每次迭代后的二氧化碳浓度代入所述正演模型，模拟并更新当前时刻的模拟光谱，得到当前时刻的模拟光谱对应的大气幅亮度。
在一些实施例中，所述判定收敛单元，具体用于：
将模拟光谱的数据和仪器实际测量光谱的数据进行对比，判断模拟光谱的数据是否满足反演收敛标准。
当第i次迭代后的二氧化碳浓度xi+1的相对变化小于1％时，第i次迭代后的二氧化碳浓度xi+1达到反演收敛的标准；当第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根小于0.2％时，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1达到反演收敛的标准；其中，反演收敛的标准取决于对精度的要求，比如当第i次迭代后的二氧化碳浓度xi+1的相对变化小于1％时，表示二氧化碳浓度的反演精度要求要优于1％。
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1中至少一个达到反演收敛的标准时，所述第i次迭代后的二氧化碳浓度xi+1为最优反演值，停止迭代。
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1都未达到反演收敛的标准且未达到预设的迭代次数限制时，使xi＝xi+1，和i＝i+1，并重新进行第i次迭代。
其中，第i次迭代后的二氧化碳浓度xi+1的相对变化Crit的具体公式为：
第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根R的具体公式为：
其中，m为反演算法所用的光谱通道数，y(i+1)n为大气幅亮度yi+1在第n个光谱通道的大气幅亮度。
当迭代次数达到预设的迭代次数限制时，结束迭代，并向用户反馈本次未能从仪器实际测量光谱的数据和非反演参数的先验信息中获得二氧化碳柱浓度的测量结果。
本实施例提出了一种二氧化碳柱浓度的测量方法及系统：获取仪器实际测量光谱的数据和非反演参数的先验信息；根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果。其有益效果在于：通过反演算法的正演模型，引入过滤因子，然后对二氧化碳的浓度进行迭代，可以测量得到更接近真实值的大气中二氧化碳的柱浓度，提高了二氧化碳柱浓度测量方法的准确度。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明。应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，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 (17)
1.一种二氧化碳柱浓度的测量方法，其特征在于，包括以下步骤：
获取仪器实际测量光谱的数据和非反演参数的先验信息；其中，所述非反演参数的先验信息为测量的大气实际物理状态数据；
根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；其中，每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；且每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；所述正演模型是由所述非反演参数的先验信息驱动；
根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果。
2.根据权利要求1所述的二氧化碳柱浓度的测量方法，其特征在于，所述正演模型是由所述非反演参数的先验信息驱动，具体为：
获取仪器实际测量光谱的数据到反演算法中，并获取非反演参数的先验信息到反演算法中构建正演模型；其中，正演模型包括大气辐射传输模型、仪器模型、太阳辐射模型和卫星观测模型。
3.根据权利要求1所述的二氧化碳柱浓度的测量方法，其特征在于，所述每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱，具体为：
每次迭代时，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，并在过滤因子的限制下得到迭代后的二氧化碳浓度；
将本次迭代后的二氧化碳浓度代入所述正演模型，模拟并更新当前时刻的模拟光谱，得到当前时刻的模拟光谱对应的大气幅亮度。
4.根据权利要求3所述的二氧化碳柱浓度的测量方法，其特征在于，所述在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，并在过滤因子的限制下得到迭代后的二氧化碳浓度，具体为：
预设二氧化碳初始浓度为xa，在反演算法中第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
其中，Ki为第i次迭代时的权重函数矩阵，Sε为误差协方差矩阵，Sɑ为先验误差方差矩阵，xi为第i-1次迭代后的二氧化碳浓度，y为仪器实际观测光谱的大气幅亮度，F为正演模型，i为大于0的自然数；
平均核矩阵A的具体表达公式为：
A＝(KTSε -1K+Sa -1)-1KTSε -1K＝GK
G＝(KTSε -1K+Sa -1)-1KTSε -1
根据平均核矩阵A可得到：
I-A＝(KTSε -1K+Sa -1)-1Sa -1
其中，I为单位矩阵；
根据I-A，得到优化后的第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
其中，Λ为引入的过滤因子。
5.根据权利要求4所述的二氧化碳柱浓度的测量方法，其特征在于，所述根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子，具体为：
预设过滤因子Λ的表达式为：
当第i次迭代后的二氧化碳浓度xi+1和第i-1次迭代后的二氧化碳浓度xi满足以下关系：
||xi+1||2<1.1||xi||2
此时，将ξ减小第一阈值的倍数，以更新过滤因子Λ；否则，将ξ增加第一阈值的倍数，以更新过滤因子Λ，重新计算第i次迭代后的二氧化碳浓度xi+1；其中，如果ξ小于第二阈值，则将ξ设置为0，在保留第i次迭代后的二氧化碳浓度xi+1的同时继续进行下一步迭代。
6.根据权利要求1所述的二氧化碳柱浓度的测量方法，其特征在于，所述直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，当第i次迭代后的二氧化碳浓度xi+1的相对变化小于第三阈值时，第i次迭代后的二氧化碳浓度xi+1达到反演收敛的标准；
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，当第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根小于第四阈值时，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1达到反演收敛的标准；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1中至少一个达到反演收敛的标准时，所述第i次迭代后的二氧化碳浓度xi+1为最优反演值，停止迭代；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1都未达到反演收敛的标准且未达到预设的第五阈值时，使xi＝xi+1，和i＝i+1，并重新进行第i次迭代。
7.根据权利要求6所述的二氧化碳柱浓度的测量方法，其特征在于，所述第i次迭代后的二氧化碳浓度xi+1的相对变化，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，有第i次迭代后的二氧化碳浓度xi+1的相对变化Crit，具体公式为：
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，有第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根R，具体公式为：
其中，m为反演算法所用的光谱通道数，y(i+1)n为大气幅亮度yi+1在第n个光谱通道的大气幅亮度。
8.根据权利要求1至7任意一项所述的二氧化碳柱浓度的测量方法，其特征在于，在对所述二氧化碳浓度进行迭代处理时，若迭代次数达到预设的第五阈值时，结束迭代，并向用户反馈本次未能从仪器实际测量光谱的数据和非反演参数的先验信息中获得二氧化碳柱浓度的测量结果。
9.一种二氧化碳柱浓度的测量系统，其特征在于，包括：数据获取模块，数据迭代模块和数据输出模块；
其中，所述数据获取模块用于获取仪器实际测量光谱的数据和非反演参数的先验信息；其中，所述非反演参数的先验信息为测量的大气实际物理状态数据；
所述数据迭代模块用于根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理，并更新模拟光谱和过滤因子，直到模拟光谱的数据和仪器实际测量光谱的数据满足反演收敛标准时，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量；其中，每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；且每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；所述正演模型是由所述非反演参数的先验信息驱动；
所述数据输出模块用于根据输出的二氧化碳廓线和柱总量，输出二氧化碳柱浓度的测量结果。
10.根据权利要求9所述的二氧化碳柱浓度的测量系统，其特征在于，所述正演模型是由所述非反演参数的先验信息驱动，具体为：
获取仪器实际测量光谱的数据到反演算法中，并获取非反演参数的先验信息到反演算法中构建正演模型；正演模型包括大气辐射传输模型、仪器模型、太阳辐射模型和卫星观测模型。
11.根据权利要求9所述的二氧化碳柱浓度的测量系统，其特征在于，所述数据迭代模块包括：迭代单元，更新模拟光谱单元和判定收敛单元；
所述迭代单元用于根据所述仪器实际测量光谱的数据和反演算法中预设的正演模型，在过滤因子的限制下对二氧化碳浓度进行迭代处理；其中，每次迭代时，根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子；
所述更新模拟光谱单元用于每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱；
所述判定收敛单元用于根据模拟光谱的数据和仪器实际测量光谱的数据判断是否满足反演收敛标准，如果满足，停止迭代，并输出当前时刻的二氧化碳廓线和柱总量。
12.根据权利要求11所述的二氧化碳柱浓度的测量系统，其特征在于，所述更新模拟光谱单元用于每次迭代时，根据本次迭代后的二氧化碳浓度和所述正演模型，模拟并更新当前时刻的模拟光谱，具体为：
每次迭代时，在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，并在过滤因子的限制下得到迭代后的二氧化碳浓度；
将本次迭代后的二氧化碳浓度代入所述正演模型，模拟并更新当前时刻的模拟光谱，得到当前时刻的模拟光谱对应的大气幅亮度。
13.根据权利要求12所述的二氧化碳柱浓度的测量系统，其特征在于，所述在本次迭代二氧化碳浓度的迭代计算公式里引入过滤因子，并在过滤因子的限制下得到迭代后的二氧化碳浓度，具体为：
预设二氧化碳初始浓度为xa，在反演算法中第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
其中，Ki为第i次迭代时的权重函数矩阵，Sε为误差协方差矩阵，Sɑ为先验误差方差矩阵，xi为第i-1次迭代后的二氧化碳浓度，y为仪器实际观测光谱的大气幅亮度，F为正演模型，i为大于0的自然数；
平均核矩阵A的具体表达公式为：
A＝(KTSε -1K+Sa -1)-1KTSε -1K＝GK
G＝(KTSε -1K+Sa -1)-1KTSε -1
根据平均核矩阵A可得到：
I-A＝(KTSε -1K+Sa -1)-1Sa -1
其中，I为单位矩阵；
根据I-A，得到优化后的第i次迭代后的二氧化碳浓度xi+1，具体表达公式为：
xi+1＝ΛG[y-F(xi,b)]+Axi+(I-A)xa
其中，Λ为引入的过滤因子。
14.根据权利要求13所述的二氧化碳柱浓度的测量系统，其特征在于，所述根据本次迭代后的二氧化碳浓度的变化量更新当前时刻的过滤因子，具体为：
预设过滤因子Λ的表达式为：
当第i次迭代后的二氧化碳浓度xi+1和第i-1次迭代后的二氧化碳浓度xi满足以下关系：
||xi+1||2<1.1||xi||2
此时，将ξ减小第一阈值的倍数，以更新过滤因子Λ；否则，将ξ增加第一阈值的倍数，以更新过滤因子Λ，重新计算第i次迭代后的二氧化碳浓度xi+1；其中，如果ξ小于第二阈值，则将ξ设置为0，在保留第i次迭代后的二氧化碳浓度xi+1的同时继续进行下一步迭代。
15.根据权利要求9所述的二氧化碳柱浓度的测量系统，其特征在于，所述判定收敛单元用于根据模拟光谱的数据和仪器实际测量光谱的数据判断是否满足反演收敛标准，如果满足，停止迭代，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，当第i次迭代后的二氧化碳浓度xi+1的相对变化小于第三阈值时，第i次迭代后的二氧化碳浓度xi+1达到反演收敛的标准；
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，当第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根小于第四阈值时，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1达到反演收敛的标准；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1中至少一个达到反演收敛的标准时，所述第i次迭代后的二氧化碳浓度xi+1为最优反演值，停止迭代；
当第i次迭代后的二氧化碳浓度xi+1和第i次迭代后的更新的模拟光谱的大气幅亮度yi+1都未达到反演收敛的标准且未达到预设的第五阈值时，使xi＝xi+1，和i＝i+1，并重新进行第i次迭代。
16.根据权利要求15所述的二氧化碳柱浓度的测量系统，其特征在于，所述第i次迭代后的二氧化碳浓度xi+1的相对变化，第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根，具体为：
根据第i次迭代后的二氧化碳浓度xi+1，有第i次迭代后的二氧化碳浓度xi+1的相对变化Crit，具体公式为：
根据第i次迭代后的更新的模拟光谱的大气幅亮度yi+1，有第i次迭代后的更新的模拟光谱的大气幅亮度yi+1与仪器实际测量光谱的大气幅亮度y的匹配残差的均方根R，具体公式为：
其中，m为反演算法所用的光谱通道数，y(i+1)n为大气幅亮度yi+1在第n个光谱通道的大气幅亮度。
17.根据权利要求9至16任意一项所述的二氧化碳柱浓度的测量系统，其特征在于，在对所述二氧化碳浓度进行迭代处理时，若迭代次数达到预设的第五阈值时，结束迭代，并向用户反馈本次未能从仪器实际测量光谱的数据和非反演参数的先验信息中获得二氧化碳柱浓度的测量结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310971785.6A CN117113648B (zh) | 2023-08-03 | 一种二氧化碳柱浓度的测量方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310971785.6A CN117113648B (zh) | 2023-08-03 | 一种二氧化碳柱浓度的测量方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117113648A true CN117113648A (zh) | 2023-11-24 |
| CN117113648B CN117113648B (zh) | 2024-07-05 |
Family
ID=
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760125A (zh) * | 2014-01-22 | 2014-04-30 | 中国科学院合肥物质科学研究院 | 一种提高温室气体浓度反演精度的方法 |
| CN111881569A (zh) * | 2020-07-24 | 2020-11-03 | 中国科学院大气物理研究所 | 二氧化碳柱浓度的反演方法、装置、存储介质及电子设备 |
| CN113239505A (zh) * | 2020-11-27 | 2021-08-10 | 北京航空航天大学 | 一种基于改进最优估计的大气痕量气体反演方法 |
| CN114739949A (zh) * | 2022-04-08 | 2022-07-12 | 中国科学院合肥物质科学研究院 | 基于移动ftir遥感的点源碳排放通量测算方法 |
| CN115826088A (zh) * | 2022-12-14 | 2023-03-21 | 合肥学院 | 中高层大气垂直风廓线的激光外差光谱测量方法及系统 |
| US20230186173A1 (en) * | 2021-12-14 | 2023-06-15 | Wuhan University | Method of analyzing influence factor for predicting carbon dioxide concentration of any spatiotemporal position |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760125A (zh) * | 2014-01-22 | 2014-04-30 | 中国科学院合肥物质科学研究院 | 一种提高温室气体浓度反演精度的方法 |
| CN111881569A (zh) * | 2020-07-24 | 2020-11-03 | 中国科学院大气物理研究所 | 二氧化碳柱浓度的反演方法、装置、存储介质及电子设备 |
| CN113239505A (zh) * | 2020-11-27 | 2021-08-10 | 北京航空航天大学 | 一种基于改进最优估计的大气痕量气体反演方法 |
| US20230186173A1 (en) * | 2021-12-14 | 2023-06-15 | Wuhan University | Method of analyzing influence factor for predicting carbon dioxide concentration of any spatiotemporal position |
| CN114739949A (zh) * | 2022-04-08 | 2022-07-12 | 中国科学院合肥物质科学研究院 | 基于移动ftir遥感的点源碳排放通量测算方法 |
| CN115826088A (zh) * | 2022-12-14 | 2023-03-21 | 合肥学院 | 中高层大气垂直风廓线的激光外差光谱测量方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 周海金;刘文清;司福祺;谢品华;徐晋;窦科;: "被动多轴差分吸收光谱技术监测大气NO_2垂直廓线研究", 光学学报, no. 11, 10 November 2011 (2011-11-10) * |
| 王飞;刘毅;蔡兆男;刘传熙;: "利用GOME-2卫星数据反演对流层臭氧", 遥感技术与应用, no. 02, 15 April 2016 (2016-04-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cimini et al. | Temperature and humidity profile retrievals from ground-based microwave radiometers during TUC | |
| Wang et al. | Evaluating climate field reconstruction techniques using improved emulations of real-world conditions | |
| CN111881569B (zh) | 二氧化碳柱浓度的反演方法、装置、存储介质及电子设备 | |
| CN111737913B (zh) | 一种基于云水含量反演的mwhts晴空观测亮温选择方法 | |
| CN113837499A (zh) | 一种超短期风电功率预测方法及系统 | |
| 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 | |
| CN114544003A (zh) | 一种地表温度遥感产品不确定度的逐像元估算方法 | |
| CN106940219A (zh) | 一种在轨运行的宽波段卫星遥感器的光谱响应获取方法 | |
| CN115660233A (zh) | 光伏功率预测方法、装置、电子设备及存储介质 | |
| CN113468799A (zh) | 一种静止气象卫星观测中获取近地面pm2.5浓度的方法及系统 | |
| Chen et al. | An improved state-parameter analysis of ecosystem models using data assimilation | |
| Kostsov | Retrieving cloudy atmosphere parameters from RPG-HATPRO radiometer data | |
| CN117113648B (zh) | 一种二氧化碳柱浓度的测量方法及系统 | |
| CN117113648A (zh) | 一种二氧化碳柱浓度的测量方法及系统 | |
| CN111859303A (zh) | 基于动态贝叶斯平均的土壤湿度融合算法及系统 | |
| CN116628979A (zh) | 多元回归的总初级生产力逐像元预测方法、装置及介质 | |
| CN115952685A (zh) | 基于集成深度学习的污水处理过程软测量建模方法 | |
| CN103076622B (zh) | 一种稳谱用随机信号的产生方法 | |
| CN113177675B (zh) | 一种基于天牛群算法优化神经网络的空调冷负荷预测方法 | |
| CN110501294B (zh) | 一种基于信息融合的多元校正方法 | |
| Han et al. | A dual-pass carbon cycle data assimilation system to estimate surface CO 2 fluxes and 3D atmospheric CO 2 concentrations from spaceborne measurements of atmospheric CO 2 | |
| CN111881538B (zh) | 一种水汽导风的反演方法 | |
| CN110909492B (zh) | 一种基于极端梯度提升算法的污水处理过程软测量方法 | |
| CN113239505A (zh) | 一种基于改进最优估计的大气痕量气体反演方法 | |
| Meinvielle et al. | Optimal adjustment of the atmospheric forcing parameters of ocean models using sea surface temperature data assimilation |
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 |