[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

摘要

本发明公开了一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法，包括步骤：S1、基于二氧化碳的先验廓线数据库计算地理网格化的二氧化碳先验协方差矩阵；S2、读入短红外卫星二氧化碳通道观测数据和先验协方差矩阵；S3、用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；S4、计算Hessian矩阵的特征矩阵，分析特征值分布规律，确定约束因子γ的值以重构Hessian矩阵；S5、按照最优化迭代公式计算二氧化碳浓度。本发明依据Hessian矩阵的最小特征值，通过增加单位矩阵的方式重构Hessian矩阵，克服短波近红外波段二氧化碳卫星遥感最优化反演因Hessian矩阵奇异而无法收敛的问题，为增加二氧化碳浓度反演算法的鲁棒性提供了有效的技术方法。

主权项

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；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；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；所述Hessian矩阵为：$HM=S_a^{-2}+K_i^T\&CenterDot;S_e^{-1}\&CenterDot;K_i$其中，HM表示Hessian矩阵；Sa为二氧化碳先验协方差矩阵；Se为误差先验协方差矩阵；i表示第i次迭代；K_i是权重函数矩阵；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；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：$X_{i+1}=X_i+{\&lsqb;K_i^T\&CenterDot;S_e^{-1}\&CenterDot;K_i+S_a^{-1}+\mathrm{\&gamma;}\&CenterDot;I\&rsqb;}^{-1}*\{K_i^T\&CenterDot;S_e^{-1}\&lsqb;Y-F\left(X\right)\&rsqb;-S_a^{-1}\&lsqb;X_i-X_a\&rsqb;\}$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。