CN117629907A - 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 - Google Patents
一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117629907A CN117629907A CN202311578721.6A CN202311578721A CN117629907A CN 117629907 A CN117629907 A CN 117629907A CN 202311578721 A CN202311578721 A CN 202311578721A CN 117629907 A CN117629907 A CN 117629907A
- Authority
- CN
- China
- Prior art keywords
- methane
- data
- satellite
- concentration
- wave infrared
- 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
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 422
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 51
- 230000005855 radiation Effects 0.000 claims abstract description 51
- 238000011160 research Methods 0.000 claims abstract description 25
- 238000012821 model calculation Methods 0.000 claims abstract description 9
- 239000000779 smoke Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007716 flux method Methods 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 229910002091 carbon monoxide Inorganic materials 0.000 description 7
- 239000007789 gas Substances 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 3
- 239000002803 fossil fuel Substances 0.000 description 3
- 239000005431 greenhouse gas Substances 0.000 description 3
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- YGULWPYYGQCFMP-CEAXSRTFSA-N Metoprolol tartrate Chemical compound OC(=O)[C@H](O)[C@@H](O)C(O)=O.COCCC1=CC=C(OCC(O)CNC(C)C)C=C1.COCCC1=CC=C(OCC(O)CNC(C)C)C=C1 YGULWPYYGQCFMP-CEAXSRTFSA-N 0.000 description 1
- 241000282849 Ruminantia Species 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 239000005422 algal bloom Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 201000004792 malaria Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质，涉及卫星遥感技术领域，包括：获取高光谱卫星的CH4柱浓度数据和多光谱卫星的短波红外波段数据；根据高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据所述多波段比值识别所述目标区域内的甲烷泄露范围；通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度。本发明能够对甲烷泄露情况进行精准识别和量化。
Description
技术领域
本发明涉及卫星遥感技术领域，具体涉及一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质。
背景技术
甲烷(CH4)是仅次于二氧化碳的第二大人为源温室气体。一半以上的甲烷排放来自人为来源，如石油和天然气设施、煤矿、废弃物管理、家养反刍动物和农业等。减少甲烷排放已被认为是短期内缓解气候变化的有效措施。超级排放事件是由事故、设备故障或异常操作条件引起的甲烷点源的大量泄漏。许多研究表明，少数超级排放国往往在区域总排放量中占不成比例的很大一部分。修复甲烷超级排放者泄漏是一种具有成本效益和实用的减缓气候变化的手段。
卫星具有广泛的地理覆盖范围，并能提供高时空分辨率的甲烷浓度观测数据，因此利用卫星遥感数据监测甲烷异常情况是一种有力的工具。但受制于卫星空间分辨率的问题，目前的方案只能粗略识别大范围的甲烷异常情况，
Sentinel-5P高光谱卫星反演的二级产品XCH4数据由于分辨率为7×7km，只能粗略识别大范围的甲烷异常情况。同时，多光谱卫星Landsat-8、Sentinel-3空间分辨率有所提高，分别为30m和500m，但是依然不能够更加精确地定量识别甲烷排放量。
发明内容
有鉴于此，本申请实施例提供一种基于高分辨率卫星的高分辨率遥感识别甲烷泄露方法、系统、设备及介质，以达到对甲烷泄露情况进行精准识别和量化的目的。
本申请实施例提供以下技术方案：一种高分辨率遥感识别甲烷泄露方法，包括：
获取高光谱卫星的CH4柱浓度数据和多光谱卫星的短波红外波段数据；
根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据所述多波段比值识别所述目标区域内的甲烷泄露范围；
通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度；
根据所述甲烷泄露范围内的甲烷浓度，计算排放源的甲烷排放速率。
根据本申请一种实施例，根据所述甲烷泄露范围内的甲烷浓度，计算排放源的甲烷排放速率，包括：
根据所述甲烷泄露范围内的甲烷浓度和所述甲烷泄露范围内的有效风速，采用横向通量法计算获得排放源的甲烷排放速率。
根据本申请一种实施例，所述高光谱卫星的CH4柱浓度数据包括高光谱卫星Sentinel-5P L2级XCH4数据；所述多光谱卫星的短波红外波段数据包括多光谱卫星Sentinel-2L1C数据。
根据本申请一种实施例，获取高光谱卫星CH4柱浓度数据和多光谱卫星的短波红外波段数据，还包括：
对所述高光谱卫星CH4柱浓度数据进行预处理，剔除数据质量控制参数QA小于设定值的CH4柱浓度数据，获得高质量的CH4柱浓度数据；
在所述多光谱卫星的短波红外波段数据中提取短波红外多波段的表观反射率、太阳天顶角和卫星天顶角数据。
根据本申请一种实施例，根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，包括：
根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内的有甲烷排放日期和无甲烷排放日期；
将所述有甲烷排放日期对应的所述多光谱卫星的短波红外之间的多个波段数据，与所述无甲烷排放的日期对应的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值。
根据本申请一种实施例，通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度，包括：
根据大气辐射传输方程，建立辐射传输模型，根据所述多光谱卫星的短波红外波段数据，基于所述辐射传输模型建立甲烷浓度查找表，根据所述甲烷浓度查找表，计算获得所述甲烷泄露范围内的甲烷浓度。
根据本申请一种实施例，采用横向通量法计算获得排放源的甲烷排放速率，包括：
将排放源的甲烷排放速率和所述目标区域的有效风速进行关联，获得以下关联公式，通过该公式计算获得所述排放源的甲烷排放速率：
Q＝C×Ueff
其中，C是线积分甲烷柱浓度增强，单位为：g/m；ΔΩ为甲烷柱浓度增强，Q为排放源的甲烷排放速率，单位为：g/s；Ueff为所述甲烷泄露范围内的有效风速，单位为：m/s；j＝1...n，n是从排放源到烟流末尾之间的横截面数量。
本申请还提供一种高分辨率遥感识别甲烷泄露系统，包括：
数据获取模块，用于获取高光谱卫星的CH4柱浓度数据和多光谱卫星的短波红外波段数据；
识别模块，用于根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据所述多波段比值识别所述目标区域内的甲烷泄露范围；
计算模块，用于通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度；
所述计算模块还用于，根据所述甲烷泄露范围内的甲烷浓度，计算排放源的甲烷排放速率。
本申请还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的高分辨率遥感识别甲烷泄露方法。
本申请还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行上述的高分辨率遥感识别甲烷泄露方法的计算机程序。
与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：本发明实施例基于高光谱卫星XCH4数据初步判断研究区域是否有甲烷泄露情况，通过多光谱卫星数据的短波红外之间的多波段比值进一步定量识别研究区域内的甲烷泄露，即通过有甲烷泄露的短波红外与没有甲烷泄露的短波红外比值，即可识别甲烷烟流，再通过大气辐射传输方程定量计算甲烷浓度，最后结合风场信息通过横向通量方法计算获得排放源的甲烷排放速率。本发明实施例能够对甲烷泄露情况进行精准的识别和量化。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例的高分辨率遥感识别甲烷泄露方法流程示意图；
图2是本发明实施例的甲烷泄露识别系统框图；
图3是本发明计算机设备的结构示意图。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，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，都属于本申请保护的范围。
如图1所示，本发明实施例提供了一种高分辨率遥感识别甲烷泄露方法，包括：
S101.获取高光谱卫星的CH4柱浓度数据和多光谱卫星的短波红外波段数据；
具体实施时，获取到数据后，对所述高光谱卫星CH4柱浓度数据进行预处理，剔除数据质量控制参数QA小于设定值的CH4柱浓度数据，获得高质量的CH4柱浓度数据；在所述多光谱卫星的短波红外波段数据中提取短波红外多波段的表观反射率、太阳天顶角和卫星天顶角数据。
S102.根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据所述多波段比值识别所述目标区域内的甲烷泄露范围；
具体实施时，根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内的有甲烷排放日期和无甲烷排放日期；将所述有甲烷排放日期对应的所述多光谱卫星的短波红外之间的多个波段数据，与所述无甲烷排放的日期对应的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据多波段比值即可识别甲烷烟流。
具体地，根据所述高光谱卫星的CH4柱浓度数据，若目标区域在设定的研究时间段内的CH4柱浓度数据显著高于周边区域，即认为该时间段内有甲烷排放，若目标区域在设定的研究时间段内的CH4柱浓度数据与周边区域的CH4柱浓度数据差异较小，在标准阈值范围内，即认为该时间段内无甲烷排放。
由于甲烷在短波红外具有吸收特性，本实施例采用的多光谱卫星数据有对应的短波红外数据，因此可以用来识别甲烷烟流。
在获得多波段比值后，甲烷浓度图像会出现较亮的部分，较暗的部分则可认为没有甲烷或浓度过低。通过比值后的图像像元值进行阈值筛选出较亮的部分，即为甲烷烟流。
S103.通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度。
具体实施时，根据大气辐射传输方程，建立辐射传输模型，根据所述多光谱卫星的短波红外波段数据，基于所述辐射传输模型建立甲烷浓度查找表，根据所述甲烷浓度查找表，计算获得所述甲烷泄露范围内的甲烷浓度。
本实施例中，所述高光谱卫星的CH4柱浓度数据包括高光谱卫星Sentinel-5P L2级XCH4数据；所述多光谱卫星的短波红外波段数据包括多光谱卫星Sentinel-2L1C数据。本发明实施例针对不同的甲烷异常情况，可以通过不同卫星来识别和量化。本发明实施例提出的方法可以拓展到其他多光谱卫星。
S104.根据所述甲烷泄露范围内的甲烷浓度，计算排放源的甲烷排放速率。
具体实施时，根据所述甲烷泄露范围内的甲烷浓度和所述甲烷泄露范围内的有效风速，采用横向通量法计算获得排放源的甲烷排放速率。
Sentinel-5Precursor(也称为Sentinel-5P、哨兵5P)是Sentinel-5的先驱，可及时提供有关影响空气质量和气候的多种微量气体和气溶胶的数据。它的开发是为了减少Envisat卫星(尤其是Sciamachy仪器)与Sentinel-5发射之间的数据间隙。
Sentinel-5P减少Envisat卫星(尤其是Sciamachy仪器)与Sentinel-5发射之间的数据差距，并补充MetOp上的GOME-2。致力于大气监测。该卫星搭载了最先进的Tropomi传感器，可绘制多种微量气体，例如二氧化氮，臭氧，甲醛，二氧化硫，甲烷，一氧化碳和气溶胶，所有这些都会影响人类呼吸的空气。
Tropomi传感器在紫外和可见光(270–500nm)，近红外(675–775nm)和短波红外(2305–2385nm)光谱带中进行测量。这意味着可以比以往任何时候都更精确地成像各种污染物，例如二氧化氮，臭氧，甲醛，二氧化硫，甲烷和一氧化碳。分辨率高达7km×3.5km，它有潜力检测单个城市的空气污染。
Sentinel-5P主要任务：
大气监测：影响人类健康的多种微量气体的数据，如二氧化氮、一氧化碳、二氧化硫、甲醛等。每天以高达7km x 3.5km的分辨率绘制世界各地的大气图，用于决策者实施减少空气污染的适当策略。
二氧化氮污染的呼吸空气会从呼吸道和其他化石燃料燃烧过程进入空气，可能会引起呼吸问题。一氧化碳主要来自不能完全燃烧化石燃料的车辆，它减少了血液中可以运输的氧气量。二氧化硫，其主要来自工业过程和机动车排放，但也可能存在于火山羽流中。同样，这种污染物会导致呼吸困难，并且是酸雨的先兆。甲醛可以通过木材加工业和森林大火释放到大气中。它会刺激皮肤并影响健康。氮氧化物和挥发性有机化合物在阳光下结合时会形成，这是城市烟雾的主要成分。Sentinel-5P可以测量“好”和“坏”的臭氧。
气候监测：Tropomi多光谱成像光谱仪确实可以测量其他温室气体，例如甲烷。甲烷是一种有力的温室气体，每质量单位所捕获的热量是二氧化碳的30倍左右。由于永久冻土融化，甲烷可从化石燃料行业，垃圾填埋场，畜牧业和水稻农业进入空气。另外还可以监测气溶胶和云。
Sentinel-2是一个极轨多光谱高分辨率成像任务，用于陆地监测，以提供例如植被，土壤和水覆盖，内陆水道和沿海地区的图像。
Sentinel-2宽幅高分辨率多光谱成像仪，13个波段、290公里幅宽，5天重放周期。同一轨道上的两个相同卫星的星座，相距180°，以实现最佳覆盖和数据传输。它们在一起每隔五天就覆盖地球的所有陆地表面，大岛，内陆和沿海水域。
Sentinel-2主要任务：
植被健康：Sentinel-2是同类中的第一个光学地球观测任务，在“红色边缘”中包括三个波段，它们提供了有关植被状态的关键信息。Sentinel-2旨在提供可用于区分不同作物类型的图像，以及有关多种植物指标的数据，例如叶面积指数，叶绿素含量和叶水分含量，所有这些对于准确监控植物都是必不可少的增长。
地表变化：Sentinel-2能够系统地绘制不同类别的覆盖物，例如森林，农作物，草地，水面和人工覆盖物，例如道路和建筑物。管理自然资源，检查森林砍伐，重新造林和受野火影响的地区的比率；跟踪城市扩展并为城市规划人员提供帮助；追踪与疟疾等疾病传播相关的状况；监视洪水和火山喷发的关键。
水体监测：具有13个光谱通道，可以捕获水质参数，例如叶绿素的表面浓度，检测有害藻华，并测量浊度(或水的澄清度)，从而清楚地表明健康和污染水平。
灾害制图：由极端天气，火山等地球物理灾害或野火和人道主义危机等事件引起的。广泛的Sentinel-2数据可以支持用于影响评估的全局一致的背景参考图的建立和频繁更新。它还将有助于监测引发侵蚀，森林和野火以及洪水爆发的土地利用变化。
Sentinel-2L1C数据的短波红外数据，短波红外(SWIR，IR-B DIN)，波长范围为1～3μm。
本实施例基于高光谱卫星Sentinel-5P二级产品XCH4数据初步判断目标区域是否有甲烷泄露情况，Sentinel-2多光谱数据通过短波红外之间的多波段比值进一步定量识别目标区域内的甲烷泄露，即通过有甲烷泄露的短波红外与没有甲烷泄露的短波红外比值，即可识别甲烷烟流，在通过大气辐射传输方程所得查找表定量计算甲烷浓度，最后通过风场等信息计算出甲烷排放速率。
根据一种实施例，本实施例的高分辨率遥感识别甲烷泄露方法的步骤具体如下：
步骤1：获取Sentinel-5P L2级XCH4数据和Sentinel-2L1C数据。将Sentinel-5P数据质量控制参数QA<0.5的XCH4剔除，得到高质量的XCH4数据。提取Sentinel-2L1C的波段11(SWIR-1，1560-1660nm)和波段12(SWIR-2，2090-2290nm)的表观反射率以及太阳天顶角(sza)和卫星天顶角(iza)。
步骤2：根据Sentinel-5P判断出甲烷有排放和无排放日期，将研究时间段内的Sentinel-2数据分为有甲烷排放和甲烷无排放的两种数据集，再将两种数据集进行对比，获得比值。
步骤3：对Sentinel-2L1C数据短波红外数据实现多波段比值方法的甲烷泄露识别，并通过辐射传输方法得到的查找表计算出Sentient-2的XCH4浓度，最后结合风场计算排放源甲烷排放速率。
步骤3的具体计算过程如下：
首先，通过短波红外辐射组合来计算TOA辐射(ΔR)的分数变化：
其次，为了将ΔR转换为ΔΩ(甲烷柱浓度增强)，本实施例通过辐射传输模型来计算分数吸收(m):
其中，T是Sentinel-2在短波红外波段范围内模拟的TOA辐射值。
本实施例使用的是25层晴空条件下的辐射传输模型来计算出T。该模型考虑了分子吸收，但是没有考虑热辐射或者散射。本实施例模拟了0.025nm光谱分辨率的辐射值，并在短波红外光谱窗口进行了积分。模型采用的是标准大气中气压、温度、空气密度、水汽、CO2和CH4背景值的垂直扩线。痕量气体的吸收线强度从HITRAN 2016数据库所得。辐射模型中考虑了表观反射率、太阳天顶角(sza)和卫星天顶角(iza)。推测CH4增强发生在模型最底层的1KM厚度。辐射传输模型还考虑了CO、N2O、CO2和H2O的吸收。其中，大气质量因子(amf)主要依赖观测几何，即本实施例通过求解ΔR＝m(ΔΩ)来确定ΔΩ。为了节省计算量，本实施例通过查找表方式计算ΔΩ和amf值范围内对应的m值。Sentinel-2观测的粗光谱信息很低，因此，较好的CH4反演需要较强的CH4增强以及影响短波红外的非CH4气体(如H2O和CO2)浓度较低。这种有利条件通常在石油/天然气站点的大量甲烷泄露，未点燃或者故障的火炬装置，或者排放天然气的压缩站。
最后，根据CSF(cross-sectional flux，横向通量)法通过以下公式将源排放率Q(g/s)和有效风速Ueff(m/s)进行关联：
Q＝C×Ueff
其中，ΔΩ为甲烷柱浓度增强，C(g/m)是线积分甲烷柱浓度增强，通过对排放源下风向(x轴)垂直于烟流方向(y轴)的横截面像元进行采样计算所得，将采样像元整合到每个横断面线上。计算从排放源到烟流末尾之间的单个横截面(j＝1...n，n是从排放源到烟流末尾之间的横截面数量)的源排放速率均值。在Sentinel-5P监测的场景中，烟流像元的甲烷柱浓度增强是通过减去甲烷柱浓度的中位数所得。
本实施例通过辐射传输方程计算出理论情况下的甲烷浓度，可以得到不同观测条件下对应的甲烷浓度(即查找表概念)。再将实际卫星观测参数输入甲烷查找表，就可获得卫星实际观测的甲烷浓度。甲烷柱浓度增强ΔΩ即高于大气背景值的浓度，沿着甲烷烟流方向积分即可得到整个烟流轨迹的浓度增强。再与沿着烟流轨迹的风速U相乘，即可得到单位时间内的甲烷排放速率。
如图2所示，本申请还提供一种高分辨率遥感识别甲烷泄露系统200，包括：
数据获取模块201，用于获取高光谱卫星的CH4柱浓度数据和多光谱卫星的短波红外波段数据；
识别模块202，用于根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据所述多波段比值识别所述目标区域内的甲烷泄露范围；
计算模块203，用于通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度。
所述计算模块203还用于，根据所述甲烷泄露范围内的甲烷浓度和所述甲烷泄露范围的有效风速，采用横向通量法计算获得排放源的甲烷排放速率。
具体实施时，所述数据获取模块201还用于，对所述高光谱卫星CH4柱浓度数据进行预处理，剔除数据质量控制参数QA小于设定值的CH4柱浓度数据，获得高质量的CH4柱浓度数据；在所述多光谱卫星的短波红外波段数据中提取短波红外多波段的表观反射率、太阳天顶角和卫星天顶角数据。
具体实施时，所述计算模块203根据大气辐射传输方程，建立辐射传输模型，根据所述多光谱卫星的短波红外波段数据，建立甲烷浓度查找表，根据所述甲烷浓度查找表，计算获得所述目标区域内的甲烷浓度。
具体实施时，所述识别模块202根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内的有甲烷排放日期和无甲烷排放日期；将所述有甲烷排放日期对应的所述多光谱卫星的短波红外之间的多个波段数据，与所述无甲烷排放的日期对应的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值。
在一种实施例中，提供了一种计算机设备，如图3所示，包括存储器301、处理器302及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的高分辨率遥感识别甲烷泄露方法。
具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的高分辨率遥感识别甲烷泄露方法的计算机程序。
具体的，计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述，仅为本申请的具体实施方式，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以权利要求的保护范围为准。
Claims (10)
1.一种高分辨率遥感识别甲烷泄露方法，其特征在于，包括：
获取高光谱卫星的CH4柱浓度数据和多光谱卫星的短波红外波段数据；
根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据所述多波段比值识别所述目标区域内的甲烷泄露范围；
通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度；
根据所述甲烷泄露范围内的甲烷浓度，计算排放源的甲烷排放速率。
2.根据权利要求1所述的高分辨率遥感识别甲烷泄露方法，其特征在于，根据所述甲烷泄露范围内的甲烷浓度，计算排放源的甲烷排放速率，包括：
根据所述甲烷泄露范围内的甲烷浓度和所述甲烷泄露范围内的有效风速，采用横向通量法计算获得排放源的甲烷排放速率。
3.根据权利要求1所述的高分辨率遥感识别甲烷泄露方法，其特征在于，所述高光谱卫星的CH4柱浓度数据包括高光谱卫星Sentinel-5P L2级XCH4数据；所述多光谱卫星的短波红外波段数据包括多光谱卫星Sentinel-2L1C数据。
4.根据权利要求1所述的高分辨率遥感识别甲烷泄露方法，其特征在于，获取高光谱卫星CH4柱浓度数据和多光谱卫星的短波红外波段数据，还包括：
对所述高光谱卫星CH4柱浓度数据进行预处理，剔除数据质量控制参数QA小于设定值的CH4柱浓度数据，获得高质量的CH4柱浓度数据；
在所述多光谱卫星的短波红外波段数据中提取短波红外多波段的表观反射率、太阳天顶角和卫星天顶角数据。
5.根据权利要求1所述的高分辨率遥感识别甲烷泄露方法，其特征在于，根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，包括：
根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内的有甲烷排放日期和无甲烷排放日期；
将所述有甲烷排放日期对应的所述多光谱卫星的短波红外之间的多个波段数据，与所述无甲烷排放的日期对应的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值。
6.根据权利要求1所述的高分辨率遥感识别甲烷泄露方法，其特征在于，通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度，包括：
根据大气辐射传输方程，建立辐射传输模型，根据所述多光谱卫星的短波红外波段数据，基于所述辐射传输模型建立甲烷浓度查找表，根据所述甲烷浓度查找表，计算获得所述甲烷泄露范围内的甲烷浓度。
7.根据权利要求2所述的高分辨率遥感识别甲烷泄露方法，其特征在于，采用横向通量法计算获得排放源的甲烷排放速率，包括：
将排放源的甲烷排放速率和所述甲烷泄露范围内的有效风速进行关联，获得以下关联公式，通过该公式计算获得所述排放源的甲烷排放速率：
Q＝C×Ueff
其中，C是线积分甲烷柱浓度增强，单位为：g/m；ΔΩ为甲烷柱浓度增强，Q为排放源的甲烷排放速率，单位为：g/s；Ueff为所述甲烷泄露范围内的有效风速，单位为：m/s；j＝1...n，n是从排放源到烟流末尾之间的横截面数量。
8.一种高分辨率遥感识别甲烷泄露系统，其特征在于，包括：
数据获取模块，用于获取高光谱卫星的CH4柱浓度数据和多光谱卫星的短波红外波段数据；
识别模块，用于根据所述高光谱卫星的CH4柱浓度数据，确定目标区域在设定的研究时间段内是否有甲烷泄露；根据是否有甲烷泄露的确定结果，将该研究时间段内的所述多光谱卫星的短波红外之间的多个波段数据进行对比，获得多波段比值，根据所述多波段比值识别所述目标区域内的甲烷泄露范围；
计算模块，用于通过大气辐射传输方程，建立辐射传输模型，将所述多光谱卫星的短波红外波段数据作为所述辐射传输模型的输入数据，通过模型计算获得所述甲烷泄露范围内的甲烷浓度；
所述计算模块还用于，根据所述甲烷泄露范围内的甲烷浓度，计算排放源的甲烷排放速率。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的高分辨率遥感识别甲烷泄露方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至7中任一项所述的高分辨率遥感识别甲烷泄露方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311578721.6A CN117629907A (zh) | 2023-11-23 | 2023-11-23 | 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311578721.6A CN117629907A (zh) | 2023-11-23 | 2023-11-23 | 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117629907A true CN117629907A (zh) | 2024-03-01 |
Family
ID=90033153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311578721.6A Pending CN117629907A (zh) | 2023-11-23 | 2023-11-23 | 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117629907A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180039885A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Satellite-based location identification of methane-emitting sites |
| CN114088633A (zh) * | 2021-11-19 | 2022-02-25 | 生态环境部卫星环境应用中心 | 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 |
| CN116297288A (zh) * | 2023-05-24 | 2023-06-23 | 上海航天空间技术有限公司 | 大气甲烷干空气混合比的快速遥感反演方法及系统 |
| CN116486931A (zh) * | 2023-06-21 | 2023-07-25 | 上海航天空间技术有限公司 | 耦合物理机制的全覆盖大气甲烷浓度数据生产方法及系统 |
| CN116559902A (zh) * | 2023-04-24 | 2023-08-08 | 上海航天空间技术有限公司 | 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 |
| CN116642666A (zh) * | 2023-04-24 | 2023-08-25 | 北京开运联合信息技术集团股份有限公司 | 一种大范围快速光学卫星传感器星上观测辐亮度模拟方法 |
| CN116804621A (zh) * | 2023-06-25 | 2023-09-26 | 上海航天空间技术有限公司 | 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 |
-
2023
- 2023-11-23 CN CN202311578721.6A patent/CN117629907A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180039885A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Satellite-based location identification of methane-emitting sites |
| CN114088633A (zh) * | 2021-11-19 | 2022-02-25 | 生态环境部卫星环境应用中心 | 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 |
| CN116559902A (zh) * | 2023-04-24 | 2023-08-08 | 上海航天空间技术有限公司 | 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 |
| CN116642666A (zh) * | 2023-04-24 | 2023-08-25 | 北京开运联合信息技术集团股份有限公司 | 一种大范围快速光学卫星传感器星上观测辐亮度模拟方法 |
| CN116297288A (zh) * | 2023-05-24 | 2023-06-23 | 上海航天空间技术有限公司 | 大气甲烷干空气混合比的快速遥感反演方法及系统 |
| CN116486931A (zh) * | 2023-06-21 | 2023-07-25 | 上海航天空间技术有限公司 | 耦合物理机制的全覆盖大气甲烷浓度数据生产方法及系统 |
| CN116804621A (zh) * | 2023-06-25 | 2023-09-26 | 上海航天空间技术有限公司 | 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghasempour et al. | Google Earth Engine based spatio-temporal analysis of air pollutants before and during the first wave COVID-19 outbreak over Turkey via remote sensing | |
| Shikwambana et al. | Trend analysis and first time observations of sulphur dioxide and nitrogen dioxide in South Africa using TROPOMI/Sentinel-5 P data | |
| Kaufman et al. | Remote sensing of biomass burning in the tropics | |
| Lerot et al. | Glyoxal vertical columns from GOME-2 backscattered light measurements and comparisons with a global model | |
| Pistone et al. | Exploring the elevated water vapor signal associated with the free tropospheric biomass burning plume over the southeast Atlantic Ocean | |
| Karl et al. | Modelling atmospheric oxidation of 2-aminoethanol (MEA) emitted from post-combustion capture using WRF–Chem | |
| Pathakoti et al. | Measurement report: An assessment of the impact of a nationwide lockdown on air pollution–a remote sensing perspective over India | |
| Chang et al. | Convergent evidence for the pervasive but limited contribution of biomass burning to atmospheric ammonia in peninsular Southeast Asia | |
| Kalisa et al. | Spatial and temporal heterogeneity of air pollution in East Africa | |
| Lei et al. | Domestic versus international contributions on 2050 ozone air quality: How much is convertible by regional control? | |
| Schlosser et al. | Evidence of haze-driven secondary production of supermicrometer aerosol nitrate and sulfate in size distribution data in South Korea | |
| Mylonaki et al. | Tropospheric vertical profiling of the aerosol backscatter coefficient and the particle linear depolarization ratio for different aerosol mixtures during the PANACEA campaign in July 2019 at Volos, Greece | |
| Sahu et al. | Forest fire induced air pollution over Eastern India during March 2021 | |
| Frausto-Vicencio et al. | Ground solar absorption observations of total column CO, CO 2, CH 4, and aerosol optical depth from California's Sequoia Lightning Complex Fire: emission factors and modified combustion efficiency at regional scales | |
| CN117629907A (zh) | 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质 | |
| Rivera et al. | Spatial distribution and transport patterns of NO2 in the Tijuana–San Diego area | |
| Salman et al. | NDVI-based Analysis of Green Space Decline and Air Quality in Dhaka: Implications for Sustainable Development Goals. | |
| Franco et al. | Pyrogenic HONO seen from space: insights from global IASI observations | |
| Viatte et al. | NH 3 spatio-temporal variability over Paris, Mexico and Toronto and its link to PM 2.5 during pollution events | |
| Mezger et al. | Delaware Basin Ecological Forecasting: Identifying Vegetation Trends and Atmospheric Stressors in the Guadalupe Mountains and Carlsbad Caverns National Parks | |
| Räisänen et al. | Mapping the dependence of black carbon radiative forcing on emission region and season | |
| Matandirotya et al. | State of Air Quality in Zimbabwe: A Link to SDG 3.9 | |
| John | Drivers of variability of atmospheric carbon monoxide in Australia | |
| Chang et al. | Convergent estimates of biomass burning-derived atmospheric ammonia in Peninsular Southeast Asia | |
| Uçar | Spatio-Temporal Analysis of Carbon Storage in Urban Areas After Wildfires: The Case of Marmaris Fire |
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 |