论文部分内容阅读
全球变暖是当今国际社会广泛关注的热点。CO2作为最重要的温室气体之一，科学界普遍认为其浓度的增加是导致全球变暖的主要原因，全球范围高精度地监测大气CO2浓度变化，才能满足气候研究的需要。地基观测虽然精度可靠，但观测站点分布稀疏难以满足气候研究的需求;天基观测能够提供大部分地区的遥感数据，但全球有70％以上的区域被云所覆盖，严重削弱了遥感数据的应用能力，气溶胶复杂的光学特性则成为影响反演精度的重要因素。因此，在利用卫星遥感技术进行CO2全球监测时，解决云污染、卷云/气溶胶散射对反演的影响，是实现高精度观测的关键。 本文主要就云剔除和气溶胶校正问题开展研究，主要内容包括:研究云检测方法，识别并剔除卫星数据中的有云像元;研究大气散射校正方法，降低卷云/气溶胶散射在CO2反演中引入的误差。云检测算法利用O2-A波段数据反演云判定参量，通过阈值法实现云检测并将有云像元滤除。对于云检测中残存的云覆盖特别是卷云覆盖的像元，为校正卷云和气溶胶散射在CO2反演中所引入的误差，本文分析了辐射传输中散射对光程的影响，从光程的角度对散射效应进行了描述，构建了基于光程概率分布函数的辐射传输模型，结合Levenberg-Marquardt迭代方法和Armijo线搜索技术，建立了包含大气散射误差修正的CO2反演模型。利用GOSAT卫星数据测试了本文算法，与L2产品的对比显示，CO2浓度在季节变化趋势上与L2产品有较好的吻合度，在七月份月均值差异最小，只有3.2ppm;但反演结果的离散程度比较大，在三月份达到最大值6.1ppm，这可能是因为三月份太阳天顶角较大，观测数据的信噪比不高并且植被开始生长，CO2浓度随时间变化相对明显。与L2产品的对比结果显示本文反演算法对大气散射有较好的校正效果，但还需进一步完善。 本文研究过程中做了一定的创新工作。为解决云污染问题，利用O2-A波段建立了系统性的云污染处理方案，包括对有云像元的检测，以及对卷云散射在CO2反演中所引入误差的校正。为选取出合适的判定阈值，通过对判定参量数值分布特征的分析，提出了均值-标准差阈值选取方法并选取了判定阈值:44.8hPa（表面压力差的阈值）、1.18（代价函数对数值的阈值），对GOSAT数据的云检测结果显示，以本文所确定的阈值进行云检测时，至少覆盖了83.6％以上的实际晴空像元，解决了云检测中的关键难题。为验证O2-A波段云检测算法有效性，提出了以CO2反演结果为依据进行算法验证的方法，对云检测结果中的三类像元（高晴空概率、高有云概率、待定）均进行CO2反演，通过对比反演结果与GOSATL2产品的吻合度，来检验云检测结果的准确性。 我国即将发射入轨的温室气体探测卫星，在空间分辨率、光谱分辨率等关键参数上与GOSAT有很大相似性，为了将来能够很好地利用该卫星数据，基于GOSAT数据对相关算法进行研究和验证是一项很有必要的工作。本文提出的均值-标准差阈值选取方法、云污染数据的系统性处理方案，以及建立的CO2反演模型，为我国高光谱温室气体卫星的CO2反演研究提供了相关技术基础。