CN106407487B - 评估气溶胶散射对co2遥感探测精度影响的方法及*** - Google Patents
评估气溶胶散射对co2遥感探测精度影响的方法及*** Download PDFInfo
- Publication number
- CN106407487B CN106407487B CN201510446661.1A CN201510446661A CN106407487B CN 106407487 B CN106407487 B CN 106407487B CN 201510446661 A CN201510446661 A CN 201510446661A CN 106407487 B CN106407487 B CN 106407487B
- Authority
- CN
- China
- Prior art keywords
- aerosol
- scattering
- particle
- model
- particulate
- 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.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种评估气溶胶散射对CO2遥感探测精度影响的方法及***,其中的方法包括,分别建立气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型;根据建立的气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型,确定待估算地区的气溶胶散射对CO2遥感探测精度的误差。利用上述方法及***,能够准确地评估气溶胶散射对CO2遥感探测精度的影响。
Description
技术领域
本发明涉及近红外CO2遥感探测领域,更为具体地,涉及一种评估气溶胶散射对近红外CO2遥感探测精度影响的方法及***。
背景技术
随着近年来遥感探测技术的快速发展,由于其具备在空间大尺度上能够连续监测的优势,可以弥补地面站点监测在空间尺度上的不足,因此,遥感探测技术已成为获取大区域甚至全球范围内温室气体、污染气体、气溶胶和云的时空分布的重要手段之一,尤其是针对城市群与区域尺度,遥感探测技术相比常规地基监测方法更具有客观性以及广阔的应用前景。
目前,在大气遥感探测技术中,许多气体(如CO2、CH4、NO2和SO2等) 的探测通道都选择在短波近红外波段范围内,然而在短波近红外波段范围内,气溶胶散射的干扰尤为严重。对于温室气体CO2,由于在短波近红外波段观测近地层CO2浓度变化比在热红外波段观测近地层CO2浓度变化具有更高的敏感性,因而采用短波近红外波段探测近地层CO2更能精确地获得近地层气体浓度变化的情况。
然而,在利用短波近红外波段进行近地层CO2浓度遥感反演的过程中,气溶胶和卷云多次散射引起光子路径的改变(增加或减少光程)会导致反演出现误差,特别是在某个特定地区存在高浓度复合型污染大气的情况下,气溶胶的多次散射会导致CO2浓度被错误估算,从而给准确估算该特定地区CO2排放对气候变化的影响引入更大的不确定性。
发明内容
鉴于上述问题,本发明的目的是提供一种评估气溶胶散射对CO2遥感探测精度影响的方法及***,以解决现有技术无法准确评估气溶胶散射对CO2遥感探测精度影响的问题。
本发明提供一种评估气溶胶散射对CO2遥感探测精度影响的方法,包括:
分别建立气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型;
根据气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型,确定待估算地区的气溶胶散射对CO2遥感探测精度的误差;
其中,建立气溶胶粒子散射参数库的过程包括:
基于气溶胶粒子的透射电子显微镜分析结果,根据气溶胶粒子的形态结构和组成成分,将待估算地区的气溶胶粒子类型分成球形单粒子、非球形单体粒子和团簇粒子三种类型,利用米散射方法、T矩阵方法和广义多粒子米散射方法分别计算球形单粒子、非球形单体粒子和团簇粒子的散射特性参数,并基于散射特性参数建立待估算地区的气溶胶粒子散射参数库;
建立气溶胶模式数据集的过程包括:
通过获取GOCART气溶胶组分模式数据、AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、MODIS气溶胶光学厚度和MODIS 地表反照率数据,建立气溶胶模式数据集,并计算气溶胶模式数据集在待估算地区和预设时间段内的均值分布,作为正向辐射传输计算模型的输入参数;
建立CO2参数库的过程包括:通过获取GOSAT CO2柱浓度数据和Carbon TrackerCO2廓线数据,建立CO2参数库,并计算CO2参数库在待估算地区和预设时间段内的均值分布;
建立正向辐射传输计算模型的过程包括:
通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型。
本发明还提供一种评估气溶胶散射对CO2遥感探测精度影响的***,包括:
气溶胶粒子散射参数库构建单元,用于建立气溶胶粒子散射参数库;其中,基于气溶胶粒子的透射电子显微镜分析结果,根据气溶胶粒子的形态结构和组成成分,将待估算地区的气溶胶粒子类型分成球形单粒子、非球形单体粒子和团簇粒子三种类型,利用米散射方法、T矩阵方法和广义多粒子米散射方法分别计算球形单粒子、非球形单体粒子和团簇粒子的散射特性参数,并基于散射特性参数建立待估算地区的气溶胶粒子散射参数库;
气溶胶模式数据集构建单元,用于建立气溶胶模式数据集;其中,通过获取GOCART气溶胶组分模式数据、AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、MODIS气溶胶光学厚度和MODIS地表反照率数据,建立气溶胶模式数据集,并计算气溶胶模式数据集在待估算地区和预设时间段内的均值分布;
CO2参数库建立单元,用于建立CO2参数库;其中,通过获取GOSAT CO2柱浓度数据和Carbon Tracker CO2廓线数据,建立CO2参数库,并计算CO2参数库在待估算地区和预设时间段内的均值分布;
正向辐射传输计算模型构建单元,用于通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型;
误差影响评估单元,用于根据气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型,确定待估算地区的气溶胶散射对 CO2遥感探测精度的误差。
利用上述根据本发明提供的评估气溶胶散射对CO2遥感探测精度影响的方法及***,能够取得以下技术效果:
(1)通过参数化待估算地区的气溶胶粒子模型,计算非球形单粒子、球形单粒子和团簇粒子的散射参数,建立待估算地区的气溶胶粒子散射参数库,以及通过获取GOCART气溶胶组分模式数据、AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、MODIS气溶胶光学厚度和地表反照率数据,建立待估算地区的气溶胶模式数据集,为更准确地模拟待估算地区的气溶胶散射影响提供前提保证。
(2)通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型,提高正向辐射传输计算模型在高颗粒物浓度背景下的适用性。
(3)利用气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库等和正向辐射传输计算模型,评估中国地区气溶胶散射给近红外CO2遥感探测所带来的误差分布,为进一步研究近红外CO2遥感探测提供论证指标。
为了实现上述以及相关目的,本发明的一个或多个方面包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明了本发明的某些示例性方面。然而,这些方面指示的仅仅是可使用本发明的原理的各种方式中的一些方式。此外,本发明旨在包括所有这些方面以及它们的等同物。
附图说明
通过参考以下结合附图的说明及权利要求书的内容,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1为根据本发明实施例的评估气溶胶散射对CO2遥感探测精度影响的方法的流程示意图;
图2为根据本发明实施例的评估气溶胶散射对CO2遥感探测精度影响的***的逻辑结构框图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中,为了便于描述一个或多个实施例,公知的结构和设备以方框图的形式示出。
以下将结合附图对本发明的具体实施例进行详细描述。
由于中国地区的高浓度复合型污染大气较为特殊,因此,本发明评估气溶胶散射在中国地区对CO2遥感探测精度的影响,对于其它地区,同理可知。中国地区的气溶胶成分组成非常复杂,气溶胶光学厚度、粒子谱分布、气溶胶的垂直分布以及地表反照率等参数在空间分布和时间分布上都存在很大差异,因此,本发明通过获取上述参数在中国地区的时空分布,并在此基础上评估气溶胶散射在中国地区对CO2遥感探测精度的影响。
本发明的具体构思为:通过建立气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型,评估待估算地区的气溶胶散射对 CO2遥感探测精度的误差影响,具体流程参考图1。
如图1所示,本发明提供的评估气溶胶散射对CO2遥感探测精度影响的方法,包括:
S1:分别建立气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型。
本发明通过建立上述四个方面的数据评估气溶胶散射在中国地区对CO2遥感探测精度的影响,下面将详细说明建立四个方面的数据的过程,建立四个方面的数据不分先后顺序。
一、气溶胶粒子散射参数库的建立
在本发明的一个具体实施例中,建立气溶胶粒子散射参数库的过程主要包括以下两个步骤:
S11:基于气溶胶粒子的透射电子显微镜分析结果,根据气溶胶粒子的形态结构和组成成分,将待估算地区的气溶胶粒子类型分成球形单粒子、非球形单体粒子和团簇粒子三种类型。
气溶胶粒子的透射电子显微镜分析结果为经过透射电子显微镜分析得到的气溶胶粒子形态结构图、组分信息和粒子谱分布数据。
透射电子显微镜的分析原理为:以电子光学方法将具有一定能量的电子会聚成细小的入射束,通过与样品物质的相互作用激发表征材料微观组织结构特征的各种信息,检验并处理这些信息从而给出形貌、成分和结构的丰富资料。因此,本发明采用透射电子显微镜分析气溶胶粒子。
收集多个中国地区气溶胶粒子在透射电子显微镜下的分析结果,并根据多个气溶胶粒子的形态结构在透射电子显微镜扫描结果中的差异性,将气溶胶粒子分为三种类型,即,球形单粒子、非球形单体粒子和团簇粒子。
另外,球形单粒子包括均质球形单粒子和非均质球形单粒子两个种类;非球形单粒子包括均质非球形单粒子和非均质非球形单粒子两个种类。
S12:利用米散射方法、T矩阵方法和广义多粒子米散射方法分别计算球形单粒子、非球形单体粒子和团簇粒子的散射特性参数,并基于散射特性参数建立待估算地区的气溶胶粒子散射参数库。
其中,散射特性参数包括散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
具体地,对于均质球形单粒子,本发明采用米散射方法计算该均质球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
对于非均质球形单粒子,本发明通过米散射方法和等效介质理论的结合,计算该非均质球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
对于均质非球形单粒子,本发明采用T矩阵方法计算该均质非球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
对于非均质非球形单粒子,本发明提供结合T矩阵方法和等效介质理论,计算该非均质非球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
对于团簇粒子,本发明采用广义多粒子米散射方法结合扩散限制凝聚模型,计算该团簇粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
二、气溶胶模式数据集的建立
在本发明的一个具体实施方式中,通过获取GOCART气溶胶组分模式数据、AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、 MODIS气溶胶光学厚度和MODIS地表反照率数据,建立气溶胶模式数据集,并计算气溶胶模式数据集在待估算地区和预设时间段内的均值分布。
也就是说,气溶胶模式数据集包括GOCART气溶胶组分模式数据、 AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、 MODIS气溶胶光学厚度和地表反照率数据,计算气溶胶模式数据集在待估算地区和预设时间段内的均值分布实际上为分别计算GOCART气溶胶组分模式数据、AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、MODIS气溶胶光学厚度和地表反照率数据在中国区域范围内的月均值分布,将计算出的气溶胶模式数据集在中国区域范围内的月均值分布作为正向辐射传输计算模型的必要输入参数。
具体地,计算GOCART气溶胶组分模式数据在中国区域范围内的月均值分布的过程,包括:计算GOCART气溶胶组分模式数据中每种组分气溶胶在预设第一波长(如:0.55μm)处光学厚度的月均值,然后根据每种组分气溶胶对总光学厚度的贡献进行从大到小的降序排列,取降序排列中贡献最大的四种气溶胶组分构成气溶胶粒子,并分别计算气溶胶粒子中的四种气溶胶组分对总光学厚度的贡献百分比。
计算AERONET气溶胶粒子谱分布地基观测数据在中国区域范围内的月均值分布的过程,包括:计算AERONET气溶胶粒子谱分布地基观测数据的月均值和归一化后的AERONET气溶胶粒子的数谱分布,其中,归一化的数谱分布由谱分布的均值数据计算得到。
计算CALIPSO气溶胶廓线数据在中国区域范围内的月均值分布的过程,包括:计算CALIPSO气溶胶廓线数据的月均值,并进行重采样分层,将分层后的气溶胶光学厚度进行归一化处理,获得分层后的气溶胶光学厚度贡献比。
计算MODIS气溶胶光学厚度在中国区域范围内的月均值分布的过程,包括:计算MODIS气溶胶光学厚度的月均值,MODIS气溶胶光学厚度的数据缺失部分由GOCART气溶胶组分模式数据中的气溶胶光学厚度代替。
需要说明的是,GOCART为全球臭氧化学气溶胶辐射与传输模式, AERONET(AErosol RObotic NETwork,简称AERONET)为全球气溶胶监测网, CALIPSO为云-气溶胶激光雷达和红外探测者观测卫星,MODIS (Moderate-resolution ImagingSpectroradiometer,简称MODIS)为中分辨率成像光谱仪。
三、CO2参数库的建立
在本发明的一个具体实施方式中,通过获取GOSAT CO2柱浓度数据和 CarbonTracker CO2廓线数据,建立CO2参数库,并计算CO2参数库在中国区域范围内的月均值分布。
也就是说,CO2参数库包括GOSAT CO2柱浓度数据和Carbon Tracker CO2廓线数据,计算CO2参数库在中国区域范围内的月均值分布实际上为分别计算GOSAT CO2柱浓度数据和Carbon Tracker CO2廓线数据在中国区域范围内的月均值分布。
具体地,计算GOSAT CO2柱浓度数据在中国区域范围内的月均值分布的过程,包括:计算GOSAT CO2柱浓度的月均值,GOSAT CO2柱浓度的数据缺失部分由Carbon Tracker数据中的CO2柱浓度代替。
计算Carbon Tracker CO2廓线数据在中国区域范围内的月均值分布的过程,包括:计算Carbon Tracker CO2廓线数据的月均值,并进行重采样分层及归一化处理。
需要说明的是,GOSAT为温室气体观测卫星,Carbon Tracker为碳源汇追踪模式。
四、正向辐射传输计算模型的建立
在本发明的另一个具体实施方式中,通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型。具体过程如下:
S111:将美国高分辨率大气光谱数据集作为逐线积分模型的分子光谱输入数据,计算具有高光谱分辨率的垂直分层的气体光学厚度,其中,在大气的各个高度上采用Voigt线型计算大气分子吸收系数。
需要说明的是,高光谱分辨率是指不小于0.2cm-1的光谱分辨;美国高分辨率大气光谱数据集为HITRAN2008;Voigt线型为高斯光谱线型和洛伦兹光谱线型的卷积。
另外,计算大气分子吸收系数的目的在于将大气分子吸收系数作为正向辐射传输计算模型的参数,从而计算出气体的光学厚度。
S112:将计算出的气体光学厚度耦合到离散坐标辐射传输模型中,从而建立正向辐射传输计算模型。
上述内容详细说明了建立气溶胶粒子散射参数库、气溶胶模式数据集、 CO2参数库和正向辐射传输计算模型的过程,为确定待估算地区的气溶胶散射对CO2遥感探测精度的误差作好准备。
S2:根据建立的气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型,确定待估算地区的气溶胶散射对CO2遥感探测精度的误差。
在本发明的一个具体实施例中,估算待估算地区的气溶胶散射对CO2遥感探测精度的误差的具体过程,包括:
S21:计算预设第二波长(如:1.6μm)处每种气溶胶组分的相对衰减系数,计算公式如下:
其中,N为单位体积空气中每种气溶胶组分的粒子总数,λ为波长,βext(λ,0,N=1)为N=1时的消光系数,αext(λ)为每种气溶胶组分的相对衰减系数,
S22:将计算出的相对衰减系数乘以第一波长处气溶胶光学厚度的均值,计算得到第二波长处气溶胶光学厚度的均值;。
S23:结合建立的散射参数库、气溶胶模式数据集、CO2参数库在待估算地区和预设时间段内的均值分布和第二波长处气溶胶光学厚度的均值,并利用耦合的正向辐射传输计算模型计算大气顶层观测辐亮度y,然后,在无气溶胶存在、正向辐射传输计算模型的其他参数均相同、不改变CO2浓度的情况下,计算大气顶层观测辐亮度y0。
S24:通过如下公式计算气溶胶散射变化所带来的辐亮度变化,从而给 CO2浓度反演引入的误差:
δX=(ATA)-1ATδY;
其中,A为雅可比矩阵,δY=y0–y为观测辐亮度的变化量,δX为CO2浓度的变化量。
上述内容详细说明了本发明提供的评估气溶胶散射对CO2遥感探测精度影响的方法,与上述评估气溶胶散射对CO2遥感探测精度影响的方法相对应,本发明提供还一种评估气溶胶散射对CO2遥感探测精度影响的***。图2示出了根据本发明实施例的评估气溶胶散射对CO2遥感探测精度影响的***的逻辑结构。
如图2所示,本发明实施例提供的评估气溶胶散射对CO2遥感探测精度影响的***包括:气溶胶粒子散射参数库构建单元210、气溶胶模式数据集构建单元220、CO2参数库建立单元230、正向辐射传输计算模型构建单元240 和误差影响评估单元250。
其中,气溶胶粒子散射参数库构建单元210用于建立气溶胶粒子散射参数库;其中,建立气溶胶粒子散射参数库的过程包括:基于气溶胶粒子的透射电子显微镜分析结果,根据气溶胶粒子的形态结构和组成成分,将待估算地区的气溶胶粒子类型分成球形单粒子、非球形单体粒子和团簇粒子三种类型,利用米散射方法、T矩阵方法和广义多粒子米散射方法分别计算球形单粒子、非球形单体粒子和团簇粒子的散射特性参数,并基于散射特性参数建立待估算地区的气溶胶粒子散射参数库。
气溶胶模式数据集构建单元220用于建立气溶胶模式数据集;其中,建立气溶胶模式数据集的过程包括:通过获取GOCART气溶胶组分模式数据、 AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、 MODIS气溶胶光学厚度和MODIS地表反照率数据,建立气溶胶模式数据集,并计算气溶胶模式数据集在待估算地区和预设时间段内的均值分布。
CO2参数库建立单元230用于建立CO2参数库;其中,建立CO2参数库的过程包括:通过获取GOSAT CO2柱浓度数据和Carbon Tracker CO2廓线数据,建立CO2参数库,并计算CO2参数库在待估算地区和预设时间段内的均值分布。
正向辐射传输计算模型构建单元240用于通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型。
误差影响评估单元250用于根据气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型,确定待估算地区的气溶胶散射对 CO2遥感探测精度的误差。
上述内容结合附图和具体实施例详细地说明了本发明提供的评估气溶胶散射对CO2遥感探测精度影响的方法及***,可见,本发明通过参数化待估算地区的气溶胶粒子模型,计算气溶胶粒子散射参数建立气溶胶粒子散射参数库,以及建立待估算地区气溶胶模式数据集,为更准确地模拟待估算地区的气溶胶散射影响提供前提保证;另外,通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型,能够提高正向辐射传输计算模型在高颗粒物浓度背景下的适用性,以及利用气溶胶粒子散射参数库、气溶胶模式数据集、地表、CO2参数库等和耦合的正向辐射传输模型,确定待估算地区气溶胶散射给近红外CO2遥感探测所带来的误差分布,为进一步研究近红外CO2遥感探测提供论证指标。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种评估气溶胶散射对CO2遥感探测精度影响的方法,包括:
分别建立气溶胶粒子散射参数库、气溶胶模式数据集、CO2参数库和正向辐射传输计算模型;
根据所述气溶胶粒子散射参数库、所述气溶胶模式数据集、所述CO2参数库和所述正向辐射传输计算模型,确定待估算地区的气溶胶散射对CO2遥感探测精度的误差;
其中,建立所述气溶胶粒子散射参数库的过程包括:
基于气溶胶粒子的透射电子显微镜分析结果,根据所述气溶胶粒子的形态结构和组成成分,将所述待估算地区的气溶胶粒子类型分成球形单粒子、非球形单体粒子和团簇粒子三种类型,利用米散射方法、T矩阵方法和广义多粒子米散射方法分别计算所述球形单粒子、所述非球形单体粒子和所述团簇粒子的散射特性参数,并基于所述散射特性参数建立所述待估算地区的气溶胶粒子散射参数库;
建立所述气溶胶模式数据集的过程包括:
通过获取GOCART气溶胶组分模式数据、AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、MODIS气溶胶光学厚度和MODIS地表反照率数据,建立气溶胶模式数据集,并计算所述气溶胶模式数据集在所述待估算地区和预设时间段内的均值分布,作为所述正向辐射传输计算模型的输入参数;
建立所述CO2参数库的过程包括:
通过获取GOSAT CO2柱浓度数据和Carbon Tracker CO2廓线数据,建立所述CO2参数库,并计算所述CO2参数库在所述待估算地区和预设时间段内的均值分布;
建立所述正向辐射传输计算模型的过程包括:
通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型;
在根据所述气溶胶粒子散射参数库、所述气溶胶模式数据集、所述CO2参数库和所述正向辐射传输计算模型,确定所述待估算地区的气溶胶散射对CO2遥感探测精度的误差的过程中,
S7.1:通过如下公式计算预设第二波长处每种气溶胶组分的相对衰减系数:
其中,N为单位体积空气中每种气溶胶组分的粒子总数,λ为波长,βext(λ,0,N=1)为N=1时的消光系数,αext(λ)为每种气溶胶组分的相对衰减系数;
S7.2:将所述相对衰减系数乘以第一波长处气溶胶光学厚度的均值,获得第二波长处气溶胶光学厚度的均值;
S7.3:基于所述气溶胶粒子散射参数库、所述气溶胶模式数据集、所述CO2参数库在待估算地区和预设时间段内的均值分布和所述第二波长处气溶胶光学厚度的均值,利用所述正向辐射传输计算模型计算大气顶层观测辐亮度y,以及在无气溶胶存在、所述正向辐射传输计算模型的其他参数均相同、不改变CO2浓度的情况下,计算大气顶层观测辐亮度y0,并通过如下公式计算辐亮度变化给CO2浓度反演引入的误差:
δX=(ATA)-1ATδY;
其中,A为雅可比矩阵,δY=y0–y为观测辐亮度变化量,δX为CO2浓度变化量。
2.如权利要求1所述的评估气溶胶散射对CO2遥感探测精度影响的方法,其中,
所述散射特性参数包括散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
3.如权利要求2所述的评估气溶胶散射对CO2遥感探测精度影响的方法,其中,
所述球形单粒子包括均质球形单粒子和非均质球形单粒子;
所述非球形单粒子包括均质非球形单粒子和非均质非球形单粒子。
4.如权利要求3所述的评估气溶胶散射对CO2遥感探测精度影响的方法,其中,
利用所述米散射方法计算所述均质球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子;
利用所述米散射方法和等效介质理论,计算所述非均质球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子;
利用所述T矩阵方法计算所述均质非球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子;
利用所述T矩阵方法和所述等效介质理论,计算所述非均质非球形单粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子;
利用所述广义多粒子米散射方法与扩散限制凝聚模型,计算所述团簇粒子的散射相函数、单次散射反照率、消光截面、散射截面、吸收截面和不对称因子。
5.如权利要求1所述的评估气溶胶散射对CO2遥感探测精度影响的方法,其中,在通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型的过程中,
将美国高分辨率大气光谱数据集作为所述逐线积分模型的分子光谱输入数据,计算光谱分辨率不小于0.2cm-1的垂直分层的气体光学厚度,其中,在大气的各个高度上采用Voigt线型计算大气分子吸收系数;
将所述气体光学厚度耦合进所述离散坐标辐射传输模型,建立所述正向辐射传输计算模型。
6.如权利要求1所述的评估气溶胶散射对CO2遥感探测精度影响的方法,其中,在计算所述气溶胶模式数据集在所述待估算地区和预设时间段内的均值分布的过程中,
计算GOCART气溶胶组分模式数据中每种组分气溶胶在预设第一波长处光学厚度在预设时间段内的均值,然后根据每种组分气溶胶对总光学厚度的贡献进行从大到小的降序排列,取所述降序排列中前四种气溶胶组分构成气溶胶模式,并分别计算所述气溶胶模式中的四种气溶胶组分对总光学厚度的贡献百分比;
计算CALIPSO气溶胶廓线数据在预设时间段内的均值,并进行重采样分层,将分层后的气溶胶光学厚度进行归一化处理,获得分层后的气溶胶光学厚度贡献比;
计算AERONET气溶胶粒子谱分布地基观测数据在预设时间段内的均值,并获取归一化后的AERONET气溶胶粒子的数谱分布;
计算MODIS在预设第一波长处气溶胶光学厚度在预设时间段内的均值,所述MODIS气溶胶光学厚度的数据缺失部分由所述GOCART气溶胶组分模式数据中的气溶胶光学厚度代替;以及
计算MODIS地表反照率数据在预设时间段内的均值。
7.如权利要求1所述的评估气溶胶散射对CO2遥感探测精度影响的方法,其中,所述气溶胶粒子的透射电子显微镜分析结果包括气溶胶粒子的形态结构图、组分信息和粒子谱分布数据。
8.一种评估气溶胶散射对CO2遥感探测精度影响的***,包括:
气溶胶粒子散射参数库构建单元,用于建立气溶胶粒子散射参数库;其中,基于气溶胶粒子的透射电子显微镜分析结果,根据所述气溶胶粒子的形态结构和组成成分,将待估算地区的气溶胶粒子类型分成球形单粒子、非球形单体粒子和团簇粒子三种类型,利用米散射方法、T矩阵方法和广义多粒子米散射方法分别计算所述球形单粒子、所述非球形单体粒子和所述团簇粒子的散射特性参数,并基于所述散射特性参数建立所述待估算地区的气溶胶粒子散射参数库;
气溶胶模式数据集构建单元,用于建立气溶胶模式数据集;其中,通过获取GOCART气溶胶组分模式数据、AERONET气溶胶粒子谱分布地基观测数据、CALIPSO气溶胶廓线数据、MODIS气溶胶光学厚度和MODIS地表反照率数据,建立气溶胶模式数据集,并计算所述气溶胶模式数据集在所述待估算地区和预设时间段内的均值分布;
CO2参数库建立单元,用于建立CO2参数库;其中,通过获取GOSAT CO2柱浓度数据和Carbon Tracker CO2廓线数据,建立所述CO2参数库,并计算所述CO2参数库在所述待估算地区和预设时间段内的均值分布;
正向辐射传输计算模型构建单元,用于通过耦合离散坐标辐射传输模型和逐线积分模型,建立正向辐射传输计算模型;
误差影响评估单元,用于根据所述气溶胶粒子散射参数库、所述气溶胶模式数据集、所述CO2参数库和所述正向辐射传输计算模型,确定所述待估算地区的气溶胶散射对CO2遥感探测精度的误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510446661.1A CN106407487B (zh) | 2015-07-27 | 2015-07-27 | 评估气溶胶散射对co2遥感探测精度影响的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510446661.1A CN106407487B (zh) | 2015-07-27 | 2015-07-27 | 评估气溶胶散射对co2遥感探测精度影响的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106407487A CN106407487A (zh) | 2017-02-15 |
CN106407487B true CN106407487B (zh) | 2019-08-13 |
Family
ID=58008391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510446661.1A Expired - Fee Related CN106407487B (zh) | 2015-07-27 | 2015-07-27 | 评估气溶胶散射对co2遥感探测精度影响的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106407487B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932357B (zh) * | 2017-05-27 | 2020-10-20 | 中国科学院遥感与数字地球研究所 | 一种大气颗粒物的微物理特性到光学散射特性的计算方法 |
CN114113499B (zh) * | 2022-01-27 | 2022-04-15 | 广东海洋大学 | 一种海洋污染数据采集方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5884226A (en) * | 1996-10-25 | 1999-03-16 | The United States Of America As Represented By The Secretary Of The Air Force | System and method for modelling moderate resolution atmospheric propagation |
CN1710379A (zh) * | 2005-07-05 | 2005-12-21 | 华东师范大学 | 航空高光谱遥感反演边界层气溶胶光学厚度的大气校正法 |
CN102628940A (zh) * | 2012-04-20 | 2012-08-08 | 中国科学院遥感应用研究所 | 一种遥感图像大气订正方法 |
CN102636143A (zh) * | 2012-04-20 | 2012-08-15 | 中国科学院遥感应用研究所 | 一种气溶胶光学厚度遥感反演方法 |
-
2015
- 2015-07-27 CN CN201510446661.1A patent/CN106407487B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5884226A (en) * | 1996-10-25 | 1999-03-16 | The United States Of America As Represented By The Secretary Of The Air Force | System and method for modelling moderate resolution atmospheric propagation |
CN1710379A (zh) * | 2005-07-05 | 2005-12-21 | 华东师范大学 | 航空高光谱遥感反演边界层气溶胶光学厚度的大气校正法 |
CN102628940A (zh) * | 2012-04-20 | 2012-08-08 | 中国科学院遥感应用研究所 | 一种遥感图像大气订正方法 |
CN102636143A (zh) * | 2012-04-20 | 2012-08-15 | 中国科学院遥感应用研究所 | 一种气溶胶光学厚度遥感反演方法 |
Non-Patent Citations (1)
Title |
---|
气溶胶对于CO2探测的敏感性模拟分析;贺宝华 等;《中国光学学会》;20100823;1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN106407487A (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Riemer et al. | Aerosol mixing state: Measurements, modeling, and impacts | |
Zieger et al. | Effects of relative humidity on aerosol light scattering: results from different European sites | |
He et al. | Black carbon-induced snow albedo reduction over the Tibetan Plateau: uncertainties from snow grain shape and aerosol–snow mixing state based on an updated SNICAR model | |
Cross et al. | Laboratory and ambient particle density determinations using light scattering in conjunction with aerosol mass spectrometry | |
Bondy et al. | Atomic force microscopy-infrared spectroscopy of individual atmospheric aerosol particles: subdiffraction limit vibrational spectroscopy and morphological analysis | |
Prather et al. | Analysis of atmospheric aerosols | |
Zelenyuk et al. | In situ characterization of cloud condensation nuclei, interstitial, and background particles using the single particle mass spectrometer, SPLAT II | |
Rodriguez et al. | A review of methods for long term in situ characterization of aerosol dust | |
Zelenyuk et al. | Airborne single particle mass spectrometers (SPLAT II & miniSPLAT) and new software for data visualization and analysis in a geo-spatial context | |
Wang et al. | Observations and model simulations of snow albedo reduction in seasonal snow due to insoluble light-absorbing particles during 2014 Chinese survey | |
Pfeilsticker et al. | First geometrical pathlengths probability density function derivation of the skylight from spectroscopically highly resolving oxygen A‐band observations: 1. Measurement technique, atmospheric observations and model calculations | |
Bovchaliuk et al. | Comparison of aerosol properties retrieved using GARRLiC, LIRIC, and Raman algorithms applied to multi-wavelength lidar and sun/sky-photometer data | |
Willis et al. | Quantification of black carbon mixing state from traffic: implications for aerosol optical properties | |
Zhang et al. | Impacts of organic aerosols and its oxidation level on CCN activity from measurement at a suburban site in China | |
Utry et al. | Mass-specific optical absorption coefficients and imaginary part of the complex refractive indices of mineral dust components measured by a multi-wavelength photoacoustic spectrometer | |
Aptowicz et al. | Decomposition of atmospheric aerosol phase function by particle size and asphericity from measurements of single particle optical scattering patterns | |
Lee et al. | Spectral dependency of light scattering/absorption and hygroscopicity of pollution and dust aerosols in Northeast Asia | |
CN103344964A (zh) | 一种遥感区分灰霾类别的激光雷达装置 | |
Zhai et al. | Absorption enhancement of black carbon aerosols constrained by mixing-state heterogeneity | |
CN106407487B (zh) | 评估气溶胶散射对co2遥感探测精度影响的方法及*** | |
Anderson et al. | Constraining low redshift [C II] emission by cross-correlating FIRAS and BOSS data | |
Rosati et al. | The white-light humidified optical particle spectrometer (WHOPS)–a novel airborne system to characterize aerosol hygroscopicity | |
KR20170116805A (ko) | 다중 각도에서 태양광 관측기반의 대기 분자의 라만 산란특성을 이용한 에어로솔 고도 산출방법 | |
CN103196872B (zh) | 一种基于积分浊度计获取气溶胶粒子谱分布的方法 | |
Czitrovszky | Environmental applications of solid-state lasers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190813 Termination date: 20200727 |
|
CF01 | Termination of patent right due to non-payment of annual fee |