一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法
【专利摘要】本发明公开了一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法，包括步骤：S1、基于二氧化碳的先验廓线数据库计算地理网格化的二氧化碳先验协方差矩阵；S2、读入短红外卫星二氧化碳通道观测数据和先验协方差矩阵；S3、用逐层强制干扰的方法计算每层廓线二氧化碳浓度的权重函数；S4、计算Hessian矩阵的特征矩阵，分析特征值分布规律，确定约束因子γ的值以重构Hessian矩阵；S5、按照最优化迭代公式计算二氧化碳浓度。本发明依据Hessian矩阵的最小特征值，通过增加单位矩阵的方式重构Hessian矩阵，克服短波近红外波段二氧化碳卫星遥感最优化反演因Hessian矩阵奇异而无法收敛的问题，为增加二氧化碳浓度反演算法的鲁棒性提供了有效的技术方法。
【专利说明】一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法
【技术领域】
[0001]本发明涉及卫星大气遥感【技术领域】，尤其涉及短波近红外波段二氧化碳卫星遥感最优化反演方法。
【背景技术】
[0002]IPCC认为，近一个世纪以来大气二氧化碳浓度的迅速上升导致了全球气候变暖，二氧化碳的浓度及其空间分布是全球气候变化评估中的主要不确定因素之一。由于二氧化碳的主要源汇集中在近地层大气，所以大气底层二氧化碳浓度的分布成为研究热点。传统地基观测网点分布稀疏，其观测数据不能满足应用需求，卫星遥感技术则可以弥补地基点观测数据有限的缺陷。美国于20世纪七十年代最先设计了由于大气遥感探测的卫星传感器HIRS，早期主要用于探测大气中二氧化碳和水汽，反演大气的温度廓线。早期的传感器主要利用大气的热辐射信息，卫星传感器记录的热辐射数据对近地层大气状态参数不敏感，包含的近地层大气状态信息量很少。紫外-可见光-短波近红外遥感方式则可以弥补热红外遥感的这一缺陷，该波段范围内卫星传感器接收的是经过地表反射的太阳辐射，包含了近地层大气状态参数信息。当前已有的温室气体短波近红外卫星遥感监测，包括有ENVISAT上搭载的SCIAMACHY观测数据，日本的GOSAT搭载的TANS0-FTS传感器观测数据。具有极高光谱分辨率的二氧化碳近红外遥感卫星可以提供上千个通道的观测数据，包含了二氧化碳的廓线信息，如何有效精确地众多观测数据中计算提取二氧化碳的浓度信息？这是二氧化碳卫星遥感反演工作研究的核心。
[0003]大气辐射传输模型属于第一类非线性Fredholm方程，基于辐射传输模型的二氧化碳反演问题是不适定的，这使得通常的数值求解方法失效。大气廓线的物理反演方法，理论上可以统一到最优化理论的框架之下，通过构建目标函数和选择寻优策略的思路，以迭代的形式逐步逼近真解。短波近红外二氧化碳卫星遥感中，利用最优化估计方法反演二氧化碳时，受初始值以及先验协方差矩阵的影响，迭代中往往会出现Hessian矩阵奇异而无法求逆，使得迭代反演过程无法正常收敛，得不到二氧化碳的反演结果。最优化迭代公式作为痕量气体反演研究中统一的表述方式，使用二氧化碳先验廓线数据、权重函数、先验协方差矩阵、观测误差协方差矩阵、卫星二氧化碳通道的实际观测值等计算卫星观测模拟值。此时，通过向迭代中Hessian矩阵增加一个约束因子,并依据迭代中Hessian矩阵的特征值分布规律，实时更新约束因子的值。本方法使二氧化碳的反演过程不会因为Hessian矩阵奇异而中断，为解决Hessian矩阵奇异从而增加二氧化碳浓度反演方法的鲁棒性供技术支持。
【发明内容】
[0004]本发明要解决的技术问题是:提供一种向最优化迭代反演中Hessian矩阵增加约束因子并实时更新约束因子取值的方法，作为提高短波近红外二氧化碳卫星遥感反演鲁棒性的技术手段。[0005]为解决上述问题，本发明提供了一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法，该方法步骤包括:
[0006]S1、利用源自大气模式模拟的二氧化碳先验廓线数据，计算地理网格化的二氧化碳先验协方差矩阵；
[0007]S2、读入短波红外卫星二氧化碳通道观测数据及正向模型误差的先验协方差矩阵；
[0008]S3、本次反演迭代中，将二氧化碳廓线数据输入到辐射传输模型的正向模型中，基于逐层强制干扰的方法计算每层廓线二氧化碳浓度的权重函数，构成权重函数矩阵；
[0009]S4、计算Hessian矩阵的特征矩阵，确定矩阵对角线上特征值分布区间，找出最小特征值，若所述最小特征值〈0，则约束因子Y取其绝对值(或稍大于所述绝对值)，若所述最小特征值>0，则Y取值为0，进入S5;
[0010]S5、按照最优化迭代方法计算二氧化碳浓度，结束本次迭代，并判断是否达到收敛条件，若未满足收敛条件则进入下一次迭代，返回S3 ;否则迭代结束。
[0011]本发明步骤S3所述逐层强制干扰的方法是:向二氧化碳廓线的第一层浓度数据数增加一定比例的变量，然后将其输入到所述辐射传输模型，再次正向计算大气整层透过率更新值，结合所述大气整层透过率更新值和所述大气整层透过率初始值，得到第一层二氧化碳浓度的权重函数；依次向二氧化碳廓线中其他层的浓度增加变量，计算得到廓线中每层二氧化碳浓度的权重函数。
[0012]本发明步骤S5所述最优化迭代方法是，基于最优化估计方法反演原理引入Hessian矩阵约束因子:
[0013]
【权利要求】
1.一种提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，包括以下步骤: 51、利用源自大气模式模拟的二氧化碳先验廓线数据，计算地理网格化的二氧化碳先验协方差矩阵； 52、读入短波红外卫星二氧化碳通道观测数据及正向模型误差的先验协方差矩阵； 53、本次反演迭代中，将二氧化碳廓线数据输入到辐射传输模型的正向模型中，基于逐层强制干扰的方法计算每层廓线二氧化碳浓度的权重函数，构成权重函数矩阵； 54、计算Hessian矩阵的特征矩阵，确定矩阵对角线上特征值分布区间，找出最小特征值，若所述最小特征值〈O，则约束因子Y取其绝对值或稍大于所述绝对值，若所述最小特征值>0，则Y取值为0，进入S5 ； 55、按照最优化迭代方法计算二氧化碳浓度，结束本次迭代，并判断是否达到收敛条件，若未满足收敛条 件则进入下一次迭代，返回S3 ;否则迭代结束。
2.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述逐层强制干扰的方法是:向二氧化碳廓线的第一层浓度数据数增加一定比例的变量，然后将其输入到所述辐射传输模型，再次正向计算大气整层透过率更新值，结合所述大气整层透过率更新值和所述大气整层透过率初始值，得到第一层二氧化碳浓度的权重函数；依次向二氧化碳廓线中其他层的浓度增加变量，计算得到廓线中每层二氧化碳浓度的权重函数。
3.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述最优化迭代方法是，基于最优化估计方法反演原理引入Hessian矩阵约束因子，表示为:
4.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述大气整层透过率的方法为
5.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述二氧化碳通道观测数据为GOSAT卫星TANSO-FTS Band2的Llb辐亮度数据。
6.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述先验协方差矩阵为TANS0-FTS传感器第二通道及正向模型误差的先验协方差矩阵。
7.如权利要求1所述的提高短波红外卫星数据二氧化碳反演鲁棒性的方法，其特征在于，所述Hessian矩阵为:
【文档编号】G01S17/95GK103954952SQ201410168721
【公开日】2014年7月30日 申请日期:2014年4月24日 优先权日:2014年4月24日
【发明者】邹铭敏, 陈良富, 陶金花, 张莹, 范萌, 苏林 申请人:中国科学院遥感与数字地球研究所