论文部分内容阅读
大气CO2作为最主要的温室气体之一，其浓度的变化对全球气候变化、人类生存环境乃至整个社会-经济体系的结构都会产生重要影响。因此，对大气CO2浓度的监测一直是当前科学研究的热点问题。传统的大气CO2浓度监测以地基观测为主，其观测精度相对较高，但在全球的观测站点少且分布不均匀，难以准确刻画CO2时空分布。相比于地基观测，卫星观测可以提供全球大范围的CO2浓度观测数据。当前，卫星大气CO2浓度的监测主要依赖短波红外(SWIR)波段（如，GOSAT-SWIR、OCO-2、SCIAMACHY）和热红外(TIR)波段(如，AIRS、IASI、GOSAT-TIR)。然而，由于云及气溶胶等因素的影响，无论是短波红外波段还是热红外波段的传感器，它们对于全球大气CO2浓度的空间分布仍不能有效探测，这就导致用任何单一的卫星传感器都无法有效地获取全球连续的高时空分辨率CO2浓度分布。 鉴于当前已有5颗卫星CO2浓度数据可用，再加之碳循环、全球变化研究对高分辨率及高精度大气CO2数据的迫切需求，本文致力于发展一种基于多源卫星CO2时空数据的融合算法，同时利用辐射传输模型对不同波段的CO2光谱信息进行模拟，指出相对于单独使用SWIR或者TIR波段来说，基于长短波联合反演CO2可以更好地提高其反演精度。本文的研究内容主要包括: (1)对不同卫星的CO2数据以及模型模拟的CO2浓度数据进行了系统比较。主要包括:1）将AIRS得到的对流层CO2浓度转换为XCO2（柱浓度），实现了不同物理属性CO2数据的统一;2）对GOSAT、SCIAMACHY和AIRS CO2数据之间以及同一卫星不同版本数据之间的时空分布和一致性进行了分析;3）同时，将卫星数据与模型模拟的CO2数据和地面站点数据也进行了交叉对比。对比结果显示:各卫星CO2数据表现出的CO2时间变化规律相近，然而不同数据之间在空间分布、系统偏差等方面存在较大差异。 (2)实现了多源卫星CO2数据时空匹配。空间匹配:鉴于各卫星CO2数据空间采样大小不同，结合不同卫星数据权重函数、先验CO2廓线等数据，将不同尺度的CO2数据进行聚合，从而将各卫星CO2数据调整到相同的空间尺度;时间匹配:同理，鉴于各卫星CO2数据过境时间不同，以某一卫星的过境时间为参考，根据Carbon Tracker CO2的时间变化规律，将不同卫星的过境时间插值到同一参考时刻。 (3)发展了多源卫星CO2数据融合算法。包括:1）将GOSAT、SCIAMACHY和转换后的AIRS XCO2产品进行融合，生成全球CO2融合数据集，并与站点数据进行了对比;2）基于GOSAT和SCIAMACHY三种CO2反演数据，根据不同时间周期生成了高精度的CO2融合数据集。结果显示，相比单卫星而言，基于卫星CO2数据生成的全球CO2融合数据，在时空尺度上都表现出明显优势，为进一步研究碳源汇的分布提供了新的数据支持;基于不同时间周期所生成的融合数据集则包含了同化模型所需要的CO2核函数、CO2廓线等信息，可以满足数据同化的需求。 (4)对融合数据存在部分数据缺失的情况（如，高纬度地带、长时间云雨区等），发展了CO2数据时空插值和填补方法。文中基于克里格插值估计方法，并结合数据时空变化趋势与数据时空相关特征，实现了对融合数据空白区域的精确预测和填补，生成了时空连续的高分辨率全球覆盖CO2数据集。 (5)为发展短波红外和热红外联合反演大气CO2浓度的方法，开展了卫星大气CO2前向模拟研究。包括:1）气溶胶及地表反射率对大气CO2光谱信息的影响分析;2）基于SCIATRAN和LBLRTM模型分别针对短波红外和热红外波段进行CO2光谱模拟和分析。结果显示，气溶胶及地表反射率都会严重影响大气CO2光谱信息的获取;模型模拟的短波红外和热红外光谱与GOSAT观测光谱表现出了很好的一致性。这为后续发展短波红外和热红外波段联合反演大气CO2浓度算法提供了理论参考和技术支撑。