基于卫星红外遥感的大气二氧化碳浓度快速计算方法
【技术领域】
[0001]本发明涉及地球科学计算领域，特别是涉及一种快速计算大气二氧化碳浓度方法及可视化系统。
【背景技术】
[0002]二氧化碳(CO2)是一种重要的温室气体，虽然占大气总量不足0.05%，但是它能够吸收地表发散出的红外辐射，因此二氧化碳浓度的增加会导致地球表面温度的升高。自工业革命以来，由于人类活动的影响(如毁林、农业活动和化石燃料的燃烧等)造成全球温室气体排放量和浓度的持续增加，大气中二氧化碳浓度从280ppm增加到了 379ppm。二氧化碳和其他温室气体还影响大气臭氧层和水汽，从而进一步加剧地球辐射，因此二氧化碳被列入《京都议定书》中重要控制排放的气体之一。中国作为世界上人口最多的发展中国家，面临着温室气体减排的巨大压力。目前世界300多个涉及温室气体减排的国际公约中，中国已经加入了包括《京都议定书》在内的50多个公约，而气候变化外交谈判和履行合约的前提就是要准确掌握我国的温室气体分布的格局、浓度及其来源。因此需要有针对中国区域温室气体，尤其是二氧化碳浓度分布监测数据，从而为加快我国温室气体节能减排工作提供重要的科学依据。
[0003]当前国际主流监测二氧化碳遥感卫星包括装载在欧洲环境卫星上的 SCIAMACHY(Scanning Imaging Absorpt1n Spectrometer for AtmosphericChartography)、世界上第一颗用于测量二氧化碳和甲烷两种主要的温室气体的浓度的航天器:温室气体观测卫星GOSAT(Greenhouse gases Observing SATellite)以及美国国家航空航天局于2002年发射的AQUA太阳同步轨道卫星上装载高光谱分辨率大气红外探测器AIRS(Atmospheric Infrared Sounder)。
[0004]目前我国尚缺少自主的二氧化碳遥感卫星及其产品，当前的算法是基于国外卫星数据研发的。可以看出，在这种背景下，持续提高我国二氧化碳的遥感反演算法，研发我国自主的二氧化碳浓度反演产品，对于提高我国的二氧化碳遥感监测能力具有重要意义。
【发明内容】
[0005]本发明所要解决的技术问题在于，提供一种基于卫星红外遥感的大气二氧化碳浓度快速计算方法，用于解决我国温室气体格局监测分析数据不足、数据精度受限的问题。
[0006]本发明进一步解决了多种卫星遥感数据集分析问题。
[0007]本发明进一步解决了我国温室气体格局监测分析数据不足、数据精度受限的问题，形成我国二氧化碳浓度格局进行分析、验证、可视化的问题。
[0008]为达到上述目的，本发明提供的基于卫星红外遥感的大气二氧化碳浓度快速计算方法，包括建立近气二氧化碳浓度遥感估算模型的步骤和大气二氧化碳浓度遥感估算的步骤，并将其运行与二氧化碳浓度遥感反演及系统应用中，用于对我国二氧化碳浓度格局进行分析、验证、可视化。
[0009]建立二氧化碳非参数统计模型的步骤进一步包括:
[0010]—数据压缩子步骤，用于对采样数据进行分解，实施数据压缩，提取主要的光谱信号结构特征；
[0011]—数据匹配子步骤，根据地面监测站点空间坐标进行地面监测值与相应遥感观测信息的匹配，从而便于神经网络进行模拟；
[0012]—计算模型构建子步骤，用于根据匹配出的遥感信息和地面监测数据构建二氧化碳浓度遥感估算模型建立多层前馈神经网络；
[0013]——质量控制子步骤，用于利用测量信号的质量标记以及标准大气状况下辐射传输模型模拟出的辐亮度最值(最大最小)对卫星输入数据进行质量控制，减小输入样本的误差。
[0014]二氧化碳浓度遥感计算的步骤进一步包括:
[0015]——估算请求子步骤，用于对估算输入数据的预处理；
[0016]——估算子步骤，用于根据该估算请求进行估算，并输出估算结果。
[0017]为了实现上述目的，本发明还提供了二氧化碳浓度遥感反演及系统应用，用于分析、验证我国二氧化碳浓度格局并可视化输出，包括:
[0018]—模型构建子系统，用于根据匹配的时间序列的遥感信息、二氧化碳浓度监测数据构建二氧化碳浓度计算模型；
[0019]——二氧化碳浓度计算子系统，用于根据模型构建子系统实现的二氧化碳浓度计算模型，基于输入数据计算二氧化碳浓度；
[0020]——计算结果可视化子系统，用于返回近二氧化碳浓度计算结果及其可视化。
[0021]与现有技术相比，本发明的有益技术效果在于:
[0022](I)根据AIRS各观测通道的光谱响应函数，利用大气分子光谱吸收资料数据库HITRAN2008和Line by Line辐射传输模型来增强其对温室气体、特别是对二氧化碳、甲烷等痕量气体的响应性能。
[0023](2)本方法的辐射传输模拟采用逐线积分辐射模式LBLRTM。所谓逐线积分方法就是逐条计入大气气体吸收谱线贡献的一种精确的透过率计算方法。该方法的优点是可以直接对波数进行积分，可以有效地处理大气非均匀路径和不同气体的重叠吸收带，并可以同时处理吸收与散射问题。
[0024](3)通过创建大量样本的训练数据库来满足人工神经网络的构建，同时还反映了大气辐射传输的内在物理机制。
【附图说明】
[0025]图1为本发明的基于卫星红外遥感的大气二氧化碳浓度快速计算方法建立计算模型的构建流程图；
[0026]图2为本发明的基于卫星红外遥感的大气二氧化碳浓度快速计算过程的实施流程图；
[0027]图3为本发明的二氧化碳浓度遥感反演系统的结构框图；
[0028]图4为本发明的二氧化碳浓度遥感反演及系统的流程图。
【具体实施方式】
[0029]下面结合附图和【具体实施方式】对本发明的技术方案作进一步更详细的描述。
[0030]本发明公开了一种的基于卫星红外遥感的大气二氧化碳浓度快速计算方法和二氧化碳浓度遥感反演系统。根据AIRS (Atmospheric Infrared Sounder)各观测通道的光谱响应函数，利用大气分子光谱吸收资料数据库HITRAN2008和Line by Line辐射传输模型来增强其对温室气体、特别是对二氧化碳、甲烷等痕量气体的响应性能。
[0031]图1为本发明的基于卫星红外遥感的大气二氧化碳浓度快速计算方法建立计算模型的实施例流程图，参考图1，本发明基于卫星红外遥感的大气二氧化碳浓度快速计算方法中，建立计算模型的过程进一步包括以下步骤:
[0032]步骤S101，对观测通道数据进行去云处理、空间镶嵌，对处理后的数据进行50万次巨量随机采样，形成采样数据集。
[0033]步骤S102,采用奇异值分解的SVD (Singular Value Decomposit1n)方法对采样数据进行分解，实施数据压缩，提取主要的光谱信号结构特征；生成的协方差矩阵能够直接与卫星光谱数据进行矩阵运算，极大提高了模型的运算效率。
[0034]奇异值分解SVD(Singular Value Decomposit1n)是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵酉对角化的推广，常用于解最小平方误差法和数据压缩，步骤S102利用奇异值分解SVD方法对遥感观测信息进行分解，提取其主要的光谱信号结构特征。
[0035]步骤S103，将提取出的AIRS光谱奇异特征值和奇异向量、观测时“卫星-太阳”几何角度以及地面高程作为模式识别的输入因子，地面高程经过海平面气压归一化，从而便于神经网络进行模拟。目标数据为TOCGG(World Data Centre for GreenhouseGases)、TCCON(Total Carbon Column Observing Network)和 AGAGE(Advanced GlobalAtmospheric Gases Experiment)站点(2005-2010年)的7种温室气体观测数据,站点数据的选取标准非常严格，要求能够提供连续的相对长时间的观测数据。所有数据进行归一化处理后分为三组:训练数据集(30% )、验证数据集(30% )和测试数据集(40% )，分类方法为自动随机。
[0036]步骤S104，建立多层前馈神经网络。采用删除法和最小误差阈值确定神经网络隐含层内恰当的层数和节点数，使用LM算法优化前馈神经网络，使模型具有局部收敛和全局优化的能力。采用贝叶斯正则化法，调整误差性能参数以消除训练过程中的过拟合现象，增强网络模型的泛化能力。
[0037]步骤S105，利用AIRS测量信号的质量标记以及标准大气状况下辐射传输模型模拟出的辐亮度最值(最大最小)对卫星输入数据进行质量控制，减小输入样本的误差。
[0038]步骤S106，对算法进行敏感性分析，根据随机采样点的数量、主要成分的百分解释比等不同对计算结果所产生的影响，确定其最优的参数输入设置，从而构建出高效的神经网络模型。
[0039]图2示出了本发明的基于卫星红外遥感的大气二氧化碳浓度快速计算过程的实施流程图。参考图2，本发明计算方法中大气二氧化碳浓度遥感计算过程具体包括以下步骤:
[0040]参考图2，本发明计算方法中基于卫星红外遥感的大气二氧化碳浓度快速计算过程具体包括以下步骤:
[0041]步骤S201，根据