[发明专利]一种DEEI的基于卫星观测的大气二氧化碳浓度反演算法

说明书

本发明公开了一种DEEI的基于卫星观测的大气二氧化碳浓度反演算法，提取卫星数据中的卫星参数和观测参数；对云和气溶胶数据分别进行有云区域数据剔除和气溶胶高值区域剔除，得到云和气溶胶参数；设置大气辐射传输模型的反演参数，将所述卫星参数、所述观测参数、所述云和气溶胶参数以及大气廓线参数输入所述大气辐射传输模型进行计算得到模拟光谱；对所述模拟光谱和所述卫星参数中的观测光谱进行最优估计法求解，并判断所述最优估计法求解的结果是否收敛，如果收敛则得到XCO₂反演结果，否则更新所述大气辐射传输模型中的参数直至所述最优估计法求解的结果收敛。

技术领域

本发明涉及卫星遥感技术领域，具体涉及一种DEEI的基于卫星观测的大气二氧化碳浓度反演算法。

背景技术

二氧化碳是重要的温室气体之一，从工业革命(1750年)开始大气二氧化碳浓度持续上升，NOAA(National Oceanic and Atmospheric Administration)在美国夏威夷冒纳罗亚(Mauna Loa,Hawaii)观象台数据显示，二氧化碳浓度于2018年已经超过410ppm(partsper million)，近十年全球大气二氧化碳浓度年均增长量已经达到2ppm，其中2015年增长量超过了3ppm。最新的政府间气候变化专门委员会(IPCC)评估报告指出，人为排放的温室气体是大气温室效应的主要原因，人类活动很大程度上影响全球气候变化，进而导致极端气候事件增多。目前针对减少温室气体排放的议题已成为国际上密切关注与重点讨论的内容，掌握全球范围大气二氧化碳浓度分布，有助于厘清各个国家碳源汇现状，预测气候变化趋势，具有非常重要的科学意义与社会价值。

大气二氧化碳浓度可以通过卫星遥感进行观测，原理为利用探测器接收地表反射的太阳光辐射光谱信息进行XCO₂(The column-averaged dry-air mole fractionsofcarbon dioxide)反演，在XCO₂的反演算法中，主要分为经验算法和物理算法两大类。其中经验算法是对大量的观测样本进行训练，包括统计回归法和神经网络法两种方法；全物理反演算法，是模拟辐射传输的物理过程，全面考虑大气和地表参数对光谱的影响，例如云和气溶胶的散射，并在反演过程中同时订正这些参数，以获取更高精度的模拟结果。

在反演方法中主要包括正向模型和反向求解算法，其中正向模型负责对卫星遥感观测仪器过程进行数值模拟，模拟所需的参数包括太阳光谱、大气物理化学性质、地表特征、卫星仪器性能等；反向算法可以基于正向模型利用卫星仪器的探测光谱对大气参数进行求解，迭代更新大气廓线状态参量，求出最优解即为反演结果。在反演方法中，涉及两项重要理论基础，大气辐射传输模型与反向求解算法。目前国际上已有很多成熟的大气辐射传输软件被应用于正向模拟实际问题中，比较主流的LBLRTM、6S、MODTRAN以及在GOMTRAN+基础上研究的SCIATRAN等，各类反演算法都是选择一个成熟稳定的大气辐射传输模型作为其正向模型，以模拟光谱在大气中辐射传输过程。反向计算一般为非线性问题，需要通过不断迭代得到最优解，目前应用最广泛的是最优估计法EOM(Optimal Estimation Method)，国际上近红外波段XCO₂反演方法大多通过最优估计法为基本思想进行求解。

目前国际上有三颗二氧化碳监测卫星，包括GOSAT、OCO-2、TanSat，GOSAT卫星于2009年由日本发射，其官方产品算法为NIES算法；OCO-2卫星于2014年由美国发射，其官方产品算法为ACOS算法；TanSat卫星于2016年由中国发射，目前虽然有相关反演算法研究，但还未公开L2数据产品。针对不同卫星观测数据，各种算法在数据处理方面各不相同，在模型正向模拟时的参数方案也各有千秋，而不同参数的选取会直接导致模型演变结果的精度和准确性，目前来说，确定有效参数并用于TanSat卫星的反演过程以使其演变结果可靠是亟需解决的问题。

发明内容