[发明专利]一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法

权利要求书

1.一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，包括以下步骤： 

S1、利用源自大气模式模拟的二氧化碳先验廓线数据，计算地理网格化的二氧化碳先验协方差矩阵； 

S2、读入短波红外卫星二氧化碳通道观测数据及正向模型误差的先验协方差矩阵； 

S3、本次反演迭代中，将二氧化碳廓线数据输入到辐射传输模型的正向模型中，基于逐层强制干扰的方法计算每层廓线二氧化碳浓度的权重函数，构成权重函数矩阵； 

S4、计算Hessian矩阵的特征矩阵，确定矩阵对角线上特征值分布区间，找出最小特征值，若所述最小特征值<0，则约束因子γ取其绝对值或稍大于所述绝对值，若所述最小特征值>0，则γ取值为0，进入S5； 

S5、按照最优化迭代方法计算二氧化碳浓度，结束本次迭代，并判断是否达到收敛条件，若未满足收敛条件则进入下一次迭代，返回S3；否则迭代结束。 

2.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述逐层强制干扰的方法是：向二氧化碳廓线的第一层浓度数据数增加一定比例的变量，然后将其输入到所述辐射传输模型，再次正向计算大气整层透过率更新值，结合所述大气整层透过率更新值和所述大气整层透过率初始值，得到第一层二氧化碳浓度的权重函数；依次向二氧化碳廓线中其他层的浓度增加变量，计算得到廓线中每层二氧化碳浓度的权重函数。 

3.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述最优化迭代方法是，基于最优化估计方法反演原理引入Hessian矩阵约束因子，表示为： 

其中，γ为Hessian矩阵约束因子；X为二氧化碳浓度；Sa表示先验协方差矩阵；Se观测误差协方差矩阵；X_a表示初始猜值；X_i表示第i次迭代计算的浓度值；K_i是权重函数矩阵；F表示正向模型；Y表示卫星二氧化碳通道实际观测值。F(X)表示正向模型计算的卫星观测模拟值。 

4.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述大气整层透过率的方法为 

其中，k是二氧化碳分子的为吸收系数，ρ是二氧化碳的浓度，z是大气高度。 

5.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述二氧化碳通道观测数据为GOSAT卫星TANSO-FTS Band2的L1b辐亮度数据。 

6.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述先验协方差矩阵为TANSO-FTS传感器第二通道及正向模型误差的先验协方差矩阵。 

7.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述Hessian矩阵为： 

其中，HM表示Hessian矩阵；Sa为先验协方差矩阵；Se观测误差协方差矩阵；i表示第i次迭代；K_i是权重函数矩阵。