大气CO2的主成分统计反演方法研究

• 作 者: 桑浩
• 机 构: 中国科学院大学
• 出 处: 中国科学院大学
• 发表日期: 2016年期
• 关键词: 卫星遥感 二氧化碳 反演法 统计回归模

由于全球高精度大气CO2观测资料有限，CO2的源汇变化、空间分布特点、对气候系统的反馈作用等还存在很多不确定性。加深对CO2的了解，有助于人们采取有效措施应对气候变化，因此人们正在开展CO2的反演研究。由于大气CO2反演的复杂性，现有的PPDF方法、DOAS方法以及全物理反演方法，目前只局限于气溶胶光学厚度小于0.3的情况，然而，我国气溶胶光学厚度大于0.3的高值情况是一种常态，研发一种适应我国大气较为混浊状况的反演方法，是提高卫星遥感数据应用能力的关键，为此，本文探索应用统计方法进行CO2反演。　　统计分析方法包含一元统计分析和多元统计分析，多元统计分析应用更广泛。目前这类方法已经广泛用于地震、石油勘探、水体叶绿素反演等多个领域。统计反演方法首先要建立统计回归模型，并且这一模型能基本覆盖所有的变量变化范围，当变量较多时，统计回归模型难以准确的构建，如果能把高维数据降维，而又不过多的损失原有数据信息的话，则统计回归模型的准确性将大大增加，本文利用主成分分析方法对训练样本集和模拟光谱集降维。　　卫星大气CO2遥感过程面临着环境参量较大变化，这些变化是影响大气CO2反演精度的主要原因。本文针对环境参量与遥感数据的关系以及环境参量与统计回归模型的关系，对环境参量采用分类的手段，降低了环境参量不确定性引起反演结果的波动。在环境参量分类研究中，本文通过辐射模拟和反演结果比较，对影响反演结果较大的一些参量——温度、压力、太阳天顶角、卫星观测角、气溶胶光学厚度，进行区间划分，建立一组能代表不同大气参数下的统计回归模型，不同的大气参数应用对应的统计回归模型反演，实现了反演结果较大提高。　　以中国东部地区和塔克拉玛干地区2014年全年的GOSAT卫星数据作为研究对象，利用构建的统计回归方程反演这一地区的CO2柱浓度，反演结果显示与GOSAT反演值波动趋势一致，统计反演值与GOSAT反演值的最大偏差约为10ppm和6ppm，东部地区冬季CO2柱浓度最高，夏季CO2柱浓度最低，而沙漠地区CO2柱浓度年季变化不明显。本文从多方面分析了这种情况的产生原因，展示了本文方法的可行性和未来进一步完善方法的途径。