[发明专利]一种针对AIRS超光谱卫星数据的甲烷廓线正交反演方法

说明书

技术领域

本发明涉及卫星遥感领域大气成分反演技术领域，涉及一种针对AIRS超光谱卫星数据甲烷廓线反演方法，尤其涉及一种基于经验正交函数回归方法的AIRS超光谱卫星数据甲烷廓线快速反演方法。

背景技术

甲烷是一种重要的温室气体，其单位质量的温室效应要比CO₂大20倍。到目前为止，温室效应增强中甲烷所起的作用约占20%，仅次于CO₂。人类排放的甲烷的辐射强迫是0.48W/m²，大概是CO₂(1.66W/m²)的三分之一。甲烷在大气对流层和平流程的化学过程中也起到了重要作用，例如甲烷与对流层中的OH自由基形成甲醛（CH₂O），一氧化碳（CO）和臭氧（Ｏ₃），从而影响大气的氧化能力和对流层的臭氧浓度。大气中甲烷浓度自工业革命以来增加了2.5倍，尤其是近年从永久冻土释放的甲烷逐渐增多，国际上对大气CH₄含量的变化尤其关注，纷纷采用各种办法测量CH₄的含量变化。但是由于CH₄的排放存在很大的时空差异，观测又十分的有限，因此全球CH₄排放的定量化依旧存在很大的不确定性。利用遥感监测大气成分具有快速、经济、可重复地获取宏观尺度上大气痕量气体信息优势。

目前的甲烷廓线反演技术主要有经验算法和物理反演算法两大类。经验算法多采用神经网络算法进行反演，由于云对热红外出射辐射的影响非常复杂，因此神经网络只能用于晴空条件下的反演。物理反演算法是在最优化估计的基础上展开的，不直接比较计算辐射与观测辐射之间的差别，而是在背景场和观测场之间取得一种折衷，用先验条件把解约束在一定范围内，然后用牛顿迭代逐步逼近真解的最大似然估计。大气反演问题最优估计方法的一般求解公式为：

X=X_a+(K^TS_e^-1K+γS_a^-1)^-1K^TS_e^-1ΔY，

式中，X_a为初始廓线，K为观测辐亮度对大气参数变化的一阶导数，也就是雅各比矩阵（Jacobian），S_a为初始廓线误差的协方差矩阵，S_e为观测、模型误差的协方差矩阵，ΔY为观测辐亮度与计算辐亮度的差值。在物理反演算法中，有两个非常难处理的问题：首先，初始廓线X_a不能过度偏离真实情况，否则不能得到收敛的结果；其次先验误差协方差矩阵S_a需要在统计意义上最能代表待反演参数的真实状态，否则难以约束最终的解在合理的范围内。而且对于物理反演算法，每次迭代都需要对甲烷求解雅各比矩阵K，计算量非常大。

为了减少先验误差协方差矩阵S_a估算不准所引入的甲烷反演误差，在最优化算法的基础上发展了奇异值分解算法，将γS_a^-1项忽略，并且将K^TS_e^-1K项进行奇异值分解SVD（Singular value decomposition），对于对角阵中小于一定阈值的特征值进行重新赋值，使得K^TS_e^-1K的逆矩阵更加稳定。此算法虽然使得反演的结果最大限度地减少对于初始背景场和初始背景误差的依赖，但是在AIRS对大气甲烷变化不敏感的对流层底层和平流层以上进行了严格的约束，反演结果依赖于初始廓线。

发明内容

针对现有技术存在的问题，本发明的目的在于提供一种可以稳定地、快速方便地针对AIRS超光谱卫星数据的甲烷廓线正交反演方法。

为实现上述目的，本发明一种针对AIRS超光谱卫星数据的甲烷廓线正交反演方法，具体为：

1）利用AIRS超光谱卫星的二级标准产品获得不同区域、不同季节条件下的大气成分廓线数据；

2）建立一组包含大量观测结果的能代表不同区域、不同季节条件下的大气成分廓线数据集；

3）利用辐射传输方程对每一条廓线都模拟出目标通道上的大气层顶出射辐射亮度值，并加上仪器的观测噪声以获得模拟的卫星传感器观测辐射亮度值；

4）根据模拟辐射亮度值对温度以及大气成分的敏感性分析选择反演通道；