大氣CO2衛(wèi)星遙感中植物葉綠素?zé)晒庥绊懙男Ｕ?/h1>
2021-02-03 10:06:16葉函函王先華李勤勤王曉迪
光譜學(xué)與光譜分析 2021年2期
葉函函，王先華，李勤勤，王曉迪
中國科學(xué)院安徽光學(xué)精密機(jī)械研究所，中國科學(xué)院通用光學(xué)定標(biāo)與表征技術(shù)重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230031
引 言
溫室氣體引起的全球氣候變化，正促進(jìn)著相關(guān)衛(wèi)星遙感技術(shù)的發(fā)展。人類活動向大氣排放大量的溫室氣體CO2、CH4等，導(dǎo)致全球平均氣溫上升、極端天氣頻發(fā)[1]。衛(wèi)星可以在全球范圍內(nèi)對溫室氣體進(jìn)行持續(xù)觀測，有助于提高人們對溫室氣體與氣候變化關(guān)系的認(rèn)識，也是制定溫室氣體排放政策、控制全球氣候變化最有效的依據(jù)。目前國內(nèi)外正努力發(fā)展溫室氣體衛(wèi)星觀測技術(shù)，現(xiàn)今在軌的有日本GOSAT衛(wèi)星[2]、美國OCO-2衛(wèi)星[3]以及我國的Tansat[4]、GMI/GF-5等衛(wèi)星，正在研發(fā)并將陸續(xù)升空的有歐空局Carbonsat，法國航天局的MicroCarb等。
大氣CO2衛(wèi)星遙感監(jiān)測的關(guān)鍵在于高精度，而植物葉綠素?zé)晒馐怯绊懢鹊闹匾蛩刂弧Ｈ騾^(qū)域尺度上大氣柱平均CO2干空氣混合比(XCO2)精度要達(dá)到1%或更高，才能滿足氣候研究需求[5]。陸地植被中的葉綠素會在紅光和近紅外波長發(fā)射熒光信號，而溫室氣體衛(wèi)星觀測的0.76 μm O2-A光譜帶是植物葉綠素?zé)晒庑盘栞^強(qiáng)的區(qū)域[6]。葉綠素?zé)晒獯嬖谂c大氣散射相似的光譜特征，干擾大氣散射相關(guān)參數(shù)的反演結(jié)果，從而影響CO2的反演精度[7-8]。Frankenberg等人發(fā)現(xiàn)完全晴空條件下，O2-A帶連續(xù)譜強(qiáng)度1%-2%的葉綠素?zé)晒鈺?dǎo)致1～2.2 ppm左右的CO2誤差[9]。這種影響強(qiáng)烈依賴于觀測狀態(tài)，有氣溶膠影響情況下會變得更加復(fù)雜[10]，阻礙1%甚至更高精度的實(shí)現(xiàn)。
鑒于現(xiàn)有大氣CO2衛(wèi)星遙感精度不足的情況[11]，以及植物葉綠素?zé)晒鈱Υ髿釩O2反演存在不可忽視的影響程度和復(fù)雜性，需要研究植物葉綠素?zé)晒庥绊懙男Ｕ椒ǎ愿倪M(jìn)大氣CO2的反演精度，提高大氣CO2衛(wèi)星遙感觀測的應(yīng)用價值。
1 方法設(shè)計
1.1 大氣CO2反演及植物葉綠素?zé)晒庥绊懶Ｕ椒?/h3>
在有葉綠素?zé)晒獾那闆r下，衛(wèi)星觀測輻亮度y可表示為
y=F(x,b)+ε
(1)
式(1)中，F(xiàn)為前向模型，描述大氣輻射傳輸過程和探測器測量過程的物理特性；x是狀態(tài)向量，包含大氣CO2含量、大氣散射相關(guān)參數(shù)以及葉綠素?zé)晒?；b為前向模型所需的除x外的其他參數(shù)，如溫度、濕度和壓力廓線地表反射率以及儀器光譜響應(yīng)函數(shù)等；ε代表測量噪聲。
采用基于貝葉斯理論的最大后驗(yàn)概率優(yōu)化估計算法開展大氣CO2與多參數(shù)的同步反演
(2)
式(2)中，xi+1為第i次迭代的狀態(tài)向量，Ki=?f/?xi為第i個狀態(tài)向量的權(quán)重函數(shù)，Sε是測量誤差協(xié)方差矩陣；Sa是先驗(yàn)誤差協(xié)方差矩陣；y包含O2-A光譜帶、1.6和2.06 μm CO2光譜帶；xa是x的先驗(yàn)值。
葉綠素?zé)晒獯嬖谂c大氣散射相似的光譜特征，兩者難以從觀測光譜中準(zhǔn)確區(qū)分及校正。本文采用Bril等提出的光子路徑長度概率密度函數(shù)(PPDF)方法對大氣散射影響進(jìn)行參數(shù)化建模，降低大氣散射參數(shù)與葉綠素?zé)晒獾墓庾V相關(guān)性。該方法將瑞利散射以及云氣溶膠分別等效為獨(dú)立的散射層，將整層大氣分為三個模型化散射層。每層均通過光子反射比α、光程長度變化比ρ、散射層高h(yuǎn)和光程概率密度函數(shù)調(diào)整因子γ四類PPDF參數(shù)來表征大氣散射影響[12]。在此基礎(chǔ)上，開發(fā)了大氣CO2反演與葉綠素?zé)晒獾男Ｕ椒?，流程如圖1所示。
圖1 大氣CO2反演流程圖Fig.1 Flowchart of atmospheric CO2 retrieval
利用三個光譜帶協(xié)同反演大氣CO2濃度、葉綠素?zé)晒鈴?qiáng)度和PPDF參數(shù)。O2-A帶用于反演葉綠素?zé)晒鈴?qiáng)度與上散射層PPDF參數(shù)，CO22.06 μm帶在先驗(yàn)大氣CO2濃度條件下反演下散射層PPDF參數(shù)，對上下散射層PPDF參數(shù)進(jìn)行波長修正后用于校正CO21.6 μm帶的大氣散射影響，獲得大氣CO2濃度。大氣CO2濃度反演計算結(jié)束后，繼續(xù)反饋給CO22.06 μm帶，更新下散射層PPDF參數(shù)，流程循環(huán)進(jìn)行直至所有參數(shù)達(dá)到同步收斂為止。
1.2 植物葉綠素?zé)晒庀闰?yàn)信息庫的構(gòu)建
豐富而有效的先驗(yàn)知識可保證大氣CO2反演中葉綠素?zé)晒庑盘枩?zhǔn)確提取并校正。本文采用2015年—2019年共五年的OCO-2葉綠素?zé)晒猱a(chǎn)品作為信息源。OCO-2回訪周期為16天，綜合考慮葉綠素?zé)晒怆S時間的變化程度、回訪周期和有效數(shù)據(jù)量，采用全球月平均葉綠素?zé)晒鈴?qiáng)度來分析時空分布及變化特征。
先驗(yàn)信息庫包含空間位置、時間(年和月)、葉綠素?zé)晒鈴?qiáng)度(Fs)及其波動程度多維度參量。首先構(gòu)建一個全球5km分辨率的網(wǎng)格；然后對OCO-2的Fs產(chǎn)品進(jìn)行柵格化重組，開展區(qū)域特征統(tǒng)計計算，對OCO-2 Fs異常產(chǎn)品進(jìn)行優(yōu)化，獲得每個柵格對應(yīng)的Fs產(chǎn)品；最后分析Fs的時間變化特征，建立Fs的值及波動程度與時間的擬合關(guān)系，如圖3所示。圖2是2019年1月和7月柵格化的全球月平均Fs分布圖，以及典型季節(jié)性草場Park Falls(45.945°N，90.273°W)對應(yīng)的Fs隨時間變化規(guī)律。2019年1月南半球處于夏季，巴西雨林區(qū)域和非洲中部雨林區(qū)域的Fs較強(qiáng)，最高可達(dá)2.1 W·m-2·sr-1·μm-1。7月份北半球進(jìn)入夏季，美國中部和中國南部地區(qū)Fs較強(qiáng)，最高可達(dá)2.2 W·m-2·sr-1·μm-1。由圖3可驗(yàn)證，草場葉綠素?zé)晒獾膹?qiáng)度具有明顯的季節(jié)特征，冬季弱夏季強(qiáng)，每年7、8月份出現(xiàn)最強(qiáng)值。
圖2 2019年1月(a)和7月(b)柵格化的全球月平均Fs分布圖Fig.2 Global grid of monthly mean plant chlorophyll fluorescence of January 2019 (a) and July 2019 (b)
圖3 典型草場Fs季節(jié)性變化規(guī)律Fig.3 Seasonal variation of plant chlorophyll fluorescence of typical grassland
根據(jù)衛(wèi)星觀測視場，融合多個網(wǎng)格內(nèi)的Fs產(chǎn)品。以GOSAT為例，取其觀測視場中心點(diǎn)周邊2×2的網(wǎng)格進(jìn)行信息融合，獲得適合其10 km視場內(nèi)的Fs信息。其中Fs強(qiáng)度的融合采用平均法，F(xiàn)s波動程度的融合則取最大范圍，保證Fs先驗(yàn)信息的合適約束。
2 結(jié)果與討論
2.1 衛(wèi)星觀測數(shù)據(jù)選擇
葉綠素?zé)晒鈱Υ髿釩O2反演的影響在葉綠素?zé)晒庑盘栞^強(qiáng)的區(qū)域尤為明顯，大面積森林和草地上方夏季的衛(wèi)星觀測適于開展本文的反演工作。TCCON觀測站點(diǎn)的實(shí)測數(shù)據(jù)是溫室氣體反演的可靠參考源，它采用直接的太陽觀測幾何，可以在一定程度上消除葉綠素?zé)晒夂痛髿馍⑸涞挠绊?。本文選擇周圍是大面積的森林和草地的Park Falls站，該站點(diǎn)附近的地表信息如圖4所示，站點(diǎn)及其周圍植被覆蓋濃密，在夏季具有較強(qiáng)的葉綠素?zé)晒獍l(fā)射。
圖4 Park Falls站點(diǎn)附近的地表信息Fig.4 The surface type around Park Fall station
為保證GOSAT觀測視場在植被覆蓋區(qū)，以所選站點(diǎn)為中心，選擇經(jīng)緯度相差1.5°以內(nèi)的GOSAT觀測數(shù)據(jù)開展反演驗(yàn)證工作。
2.2 反演及校正結(jié)果分析
采用2015年至2018年每年8月份Park Falls站點(diǎn)上方的GOSAT數(shù)據(jù)開展CO2反演與校正。由圖2可知，8月份Park Falls站點(diǎn)處于夏季，葉綠素?zé)晒庑盘栞^強(qiáng)，基本達(dá)到全球最高值2.2 W·m2·sr-1·μm-1。未考慮葉綠素?zé)晒庑Ｕ腦CO2反演結(jié)果(藍(lán)色圓圈)與Park Falls站點(diǎn)實(shí)測(紅色星號)比較如圖5所示，每年8月的XCO2反演結(jié)果明顯低估，低估程度在1.85～2.58 ppm，統(tǒng)計結(jié)果見表1所示。
圖5 Park Falls站點(diǎn)附近GOSAT數(shù)據(jù)XCO2反演結(jié)果藍(lán)圈和綠菱分別為未校正葉綠素?zé)晒夂托Ｕ~綠素?zé)晒獾姆囱萁Y(jié)果、紅星代表TCCON實(shí)測數(shù)據(jù)Fig.5 XCO2 retrieval results of GOSAT observations near Park Fall stationBlue circle and green diamond represents uncorrected retrieval results and corrected retrieval results separately,red * star represents TCCON measurements
表1 XCO2反演中葉綠素?zé)晒庑Ｕ昂蟮男Ч麑Ρ萒able 1 The effect of plant chlorophyll fluorescence correction on XCO2 retrievals results
利用該文的方法校正后，重新獲得的XCO2反演結(jié)果如圖5中綠色菱形所示。反演結(jié)果的低估情況有較大改善，最大低估程度是1.49 ppm，2017年8月份的反演結(jié)果的低估被消除。反演結(jié)果的標(biāo)準(zhǔn)差整體上也有一定程度的改善，僅2018年的標(biāo)準(zhǔn)差略大。
3 結(jié) 論
針對現(xiàn)有大氣CO2衛(wèi)星遙感精度不足的情況，以及植物葉綠素?zé)晒鈱Υ髿釩O2反演存在不可忽視的影響程度和復(fù)雜性，提出了一種三光譜帶協(xié)同反演大氣CO2、Fs與大氣散射參數(shù)來實(shí)現(xiàn)葉綠素?zé)晒庥绊懶Ｕ姆椒?。該方法通過采用PPDF因子對大氣散射進(jìn)行參數(shù)化建模，降低葉綠素?zé)晒馀c大氣散射的光譜相關(guān)性，提高兩者協(xié)同反演的能力，同時，針對植物葉綠素?zé)晒鈴?qiáng)度微弱、難以準(zhǔn)確同步反演的問題，構(gòu)建了植物葉綠素?zé)晒庑l(wèi)星遙感先驗(yàn)信息庫，增強(qiáng)葉綠素?zé)晒鈴?qiáng)度反演的準(zhǔn)確性，從而提高大氣CO2的反演精度。
對2015年至2018年每年8月份Park Falls站點(diǎn)上方的GOSAT數(shù)據(jù)開展CO2反演與校正。受植物葉綠素?zé)晒獾挠绊?，每?月GOSAT數(shù)據(jù)反演的XCO2均存在低估，低估程度在2 ppm左右。利用本文方法進(jìn)行校正，反演結(jié)果的低估程度有較大改善，最大低估由2.58 ppm降低到1.49 ppm，甚至2017年8月的低估得以完全改善。本文提出的校正方法對于實(shí)現(xiàn)1%(～4 ppm)的CO2反演精度來說，提供了有力支撐。
猜你喜歡
反演對稱變換在解決平面幾何問題中的應(yīng)用中等數(shù)學(xué)(2022年5期)2022-08-29 06:07:38 提取葉綠素閱讀(科學(xué)探秘)(2020年8期)2020-11-06 06:22:48 劉光第《南旋記》校正國學(xué)(2020年1期)2020-06-29 15:15:30 桃樹葉綠素含量與SPAD值呈極顯著正相關(guān)中國果業(yè)信息(2019年1期)2019-01-05 17:41:42 一類具有校正隔離率隨機(jī)SIQS模型的絕滅性與分布數(shù)學(xué)物理學(xué)報(2017年6期)2018-01-22 02:26:53 基于低頻軟約束的疊前AVA稀疏層反演石油地球物理勘探(2017年4期)2017-12-18 07:14:55 基于自適應(yīng)遺傳算法的CSAMT一維反演石油地球物理勘探(2017年2期)2017-11-23 06:02:04 葉綠素家族概述生物學(xué)教學(xué)(2017年9期)2017-08-20 13:22:32 機(jī)內(nèi)校正攝影之友(影像視覺)(2017年1期)2017-07-18 11:12:16 由松針制取三種葉綠素鈉鹽及其穩(wěn)定性的研究食品工業(yè)科技(2014年6期)2014-05-10 06:04:50
葉函函，王先華，李勤勤，王曉迪
中國科學(xué)院安徽光學(xué)精密機(jī)械研究所，中國科學(xué)院通用光學(xué)定標(biāo)與表征技術(shù)重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230031
引 言
溫室氣體引起的全球氣候變化，正促進(jìn)著相關(guān)衛(wèi)星遙感技術(shù)的發(fā)展。人類活動向大氣排放大量的溫室氣體CO2、CH4等，導(dǎo)致全球平均氣溫上升、極端天氣頻發(fā)[1]。衛(wèi)星可以在全球范圍內(nèi)對溫室氣體進(jìn)行持續(xù)觀測，有助于提高人們對溫室氣體與氣候變化關(guān)系的認(rèn)識，也是制定溫室氣體排放政策、控制全球氣候變化最有效的依據(jù)。目前國內(nèi)外正努力發(fā)展溫室氣體衛(wèi)星觀測技術(shù)，現(xiàn)今在軌的有日本GOSAT衛(wèi)星[2]、美國OCO-2衛(wèi)星[3]以及我國的Tansat[4]、GMI/GF-5等衛(wèi)星，正在研發(fā)并將陸續(xù)升空的有歐空局Carbonsat，法國航天局的MicroCarb等。
大氣CO2衛(wèi)星遙感監(jiān)測的關(guān)鍵在于高精度，而植物葉綠素?zé)晒馐怯绊懢鹊闹匾蛩刂弧Ｈ騾^(qū)域尺度上大氣柱平均CO2干空氣混合比(XCO2)精度要達(dá)到1%或更高，才能滿足氣候研究需求[5]。陸地植被中的葉綠素會在紅光和近紅外波長發(fā)射熒光信號，而溫室氣體衛(wèi)星觀測的0.76 μm O2-A光譜帶是植物葉綠素?zé)晒庑盘栞^強(qiáng)的區(qū)域[6]。葉綠素?zé)晒獯嬖谂c大氣散射相似的光譜特征，干擾大氣散射相關(guān)參數(shù)的反演結(jié)果，從而影響CO2的反演精度[7-8]。Frankenberg等人發(fā)現(xiàn)完全晴空條件下，O2-A帶連續(xù)譜強(qiáng)度1%-2%的葉綠素?zé)晒鈺?dǎo)致1～2.2 ppm左右的CO2誤差[9]。這種影響強(qiáng)烈依賴于觀測狀態(tài)，有氣溶膠影響情況下會變得更加復(fù)雜[10]，阻礙1%甚至更高精度的實(shí)現(xiàn)。
鑒于現(xiàn)有大氣CO2衛(wèi)星遙感精度不足的情況[11]，以及植物葉綠素?zé)晒鈱Υ髿釩O2反演存在不可忽視的影響程度和復(fù)雜性，需要研究植物葉綠素?zé)晒庥绊懙男Ｕ椒ǎ愿倪M(jìn)大氣CO2的反演精度，提高大氣CO2衛(wèi)星遙感觀測的應(yīng)用價值。
1 方法設(shè)計
1.1 大氣CO2反演及植物葉綠素?zé)晒庥绊懶Ｕ椒?/h3>
在有葉綠素?zé)晒獾那闆r下，衛(wèi)星觀測輻亮度y可表示為
y=F(x,b)+ε
(1)
式(1)中，F(xiàn)為前向模型，描述大氣輻射傳輸過程和探測器測量過程的物理特性；x是狀態(tài)向量，包含大氣CO2含量、大氣散射相關(guān)參數(shù)以及葉綠素?zé)晒?；b為前向模型所需的除x外的其他參數(shù)，如溫度、濕度和壓力廓線地表反射率以及儀器光譜響應(yīng)函數(shù)等；ε代表測量噪聲。
采用基于貝葉斯理論的最大后驗(yàn)概率優(yōu)化估計算法開展大氣CO2與多參數(shù)的同步反演
(2)
式(2)中，xi+1為第i次迭代的狀態(tài)向量，Ki=?f/?xi為第i個狀態(tài)向量的權(quán)重函數(shù)，Sε是測量誤差協(xié)方差矩陣；Sa是先驗(yàn)誤差協(xié)方差矩陣；y包含O2-A光譜帶、1.6和2.06 μm CO2光譜帶；xa是x的先驗(yàn)值。
葉綠素?zé)晒獯嬖谂c大氣散射相似的光譜特征，兩者難以從觀測光譜中準(zhǔn)確區(qū)分及校正。本文采用Bril等提出的光子路徑長度概率密度函數(shù)(PPDF)方法對大氣散射影響進(jìn)行參數(shù)化建模，降低大氣散射參數(shù)與葉綠素?zé)晒獾墓庾V相關(guān)性。該方法將瑞利散射以及云氣溶膠分別等效為獨(dú)立的散射層，將整層大氣分為三個模型化散射層。每層均通過光子反射比α、光程長度變化比ρ、散射層高h(yuǎn)和光程概率密度函數(shù)調(diào)整因子γ四類PPDF參數(shù)來表征大氣散射影響[12]。在此基礎(chǔ)上，開發(fā)了大氣CO2反演與葉綠素?zé)晒獾男Ｕ椒?，流程如圖1所示。
圖1 大氣CO2反演流程圖Fig.1 Flowchart of atmospheric CO2 retrieval
利用三個光譜帶協(xié)同反演大氣CO2濃度、葉綠素?zé)晒鈴?qiáng)度和PPDF參數(shù)。O2-A帶用于反演葉綠素?zé)晒鈴?qiáng)度與上散射層PPDF參數(shù)，CO22.06 μm帶在先驗(yàn)大氣CO2濃度條件下反演下散射層PPDF參數(shù)，對上下散射層PPDF參數(shù)進(jìn)行波長修正后用于校正CO21.6 μm帶的大氣散射影響，獲得大氣CO2濃度。大氣CO2濃度反演計算結(jié)束后，繼續(xù)反饋給CO22.06 μm帶，更新下散射層PPDF參數(shù)，流程循環(huán)進(jìn)行直至所有參數(shù)達(dá)到同步收斂為止。
1.2 植物葉綠素?zé)晒庀闰?yàn)信息庫的構(gòu)建
豐富而有效的先驗(yàn)知識可保證大氣CO2反演中葉綠素?zé)晒庑盘枩?zhǔn)確提取并校正。本文采用2015年—2019年共五年的OCO-2葉綠素?zé)晒猱a(chǎn)品作為信息源。OCO-2回訪周期為16天，綜合考慮葉綠素?zé)晒怆S時間的變化程度、回訪周期和有效數(shù)據(jù)量，采用全球月平均葉綠素?zé)晒鈴?qiáng)度來分析時空分布及變化特征。
先驗(yàn)信息庫包含空間位置、時間(年和月)、葉綠素?zé)晒鈴?qiáng)度(Fs)及其波動程度多維度參量。首先構(gòu)建一個全球5km分辨率的網(wǎng)格；然后對OCO-2的Fs產(chǎn)品進(jìn)行柵格化重組，開展區(qū)域特征統(tǒng)計計算，對OCO-2 Fs異常產(chǎn)品進(jìn)行優(yōu)化，獲得每個柵格對應(yīng)的Fs產(chǎn)品；最后分析Fs的時間變化特征，建立Fs的值及波動程度與時間的擬合關(guān)系，如圖3所示。圖2是2019年1月和7月柵格化的全球月平均Fs分布圖，以及典型季節(jié)性草場Park Falls(45.945°N，90.273°W)對應(yīng)的Fs隨時間變化規(guī)律。2019年1月南半球處于夏季，巴西雨林區(qū)域和非洲中部雨林區(qū)域的Fs較強(qiáng)，最高可達(dá)2.1 W·m-2·sr-1·μm-1。7月份北半球進(jìn)入夏季，美國中部和中國南部地區(qū)Fs較強(qiáng)，最高可達(dá)2.2 W·m-2·sr-1·μm-1。由圖3可驗(yàn)證，草場葉綠素?zé)晒獾膹?qiáng)度具有明顯的季節(jié)特征，冬季弱夏季強(qiáng)，每年7、8月份出現(xiàn)最強(qiáng)值。
圖2 2019年1月(a)和7月(b)柵格化的全球月平均Fs分布圖Fig.2 Global grid of monthly mean plant chlorophyll fluorescence of January 2019 (a) and July 2019 (b)
圖3 典型草場Fs季節(jié)性變化規(guī)律Fig.3 Seasonal variation of plant chlorophyll fluorescence of typical grassland
根據(jù)衛(wèi)星觀測視場，融合多個網(wǎng)格內(nèi)的Fs產(chǎn)品。以GOSAT為例，取其觀測視場中心點(diǎn)周邊2×2的網(wǎng)格進(jìn)行信息融合，獲得適合其10 km視場內(nèi)的Fs信息。其中Fs強(qiáng)度的融合采用平均法，F(xiàn)s波動程度的融合則取最大范圍，保證Fs先驗(yàn)信息的合適約束。
2 結(jié)果與討論
2.1 衛(wèi)星觀測數(shù)據(jù)選擇
葉綠素?zé)晒鈱Υ髿釩O2反演的影響在葉綠素?zé)晒庑盘栞^強(qiáng)的區(qū)域尤為明顯，大面積森林和草地上方夏季的衛(wèi)星觀測適于開展本文的反演工作。TCCON觀測站點(diǎn)的實(shí)測數(shù)據(jù)是溫室氣體反演的可靠參考源，它采用直接的太陽觀測幾何，可以在一定程度上消除葉綠素?zé)晒夂痛髿馍⑸涞挠绊?。本文選擇周圍是大面積的森林和草地的Park Falls站，該站點(diǎn)附近的地表信息如圖4所示，站點(diǎn)及其周圍植被覆蓋濃密，在夏季具有較強(qiáng)的葉綠素?zé)晒獍l(fā)射。
圖4 Park Falls站點(diǎn)附近的地表信息Fig.4 The surface type around Park Fall station
為保證GOSAT觀測視場在植被覆蓋區(qū)，以所選站點(diǎn)為中心，選擇經(jīng)緯度相差1.5°以內(nèi)的GOSAT觀測數(shù)據(jù)開展反演驗(yàn)證工作。
2.2 反演及校正結(jié)果分析
采用2015年至2018年每年8月份Park Falls站點(diǎn)上方的GOSAT數(shù)據(jù)開展CO2反演與校正。由圖2可知，8月份Park Falls站點(diǎn)處于夏季，葉綠素?zé)晒庑盘栞^強(qiáng)，基本達(dá)到全球最高值2.2 W·m2·sr-1·μm-1。未考慮葉綠素?zé)晒庑Ｕ腦CO2反演結(jié)果(藍(lán)色圓圈)與Park Falls站點(diǎn)實(shí)測(紅色星號)比較如圖5所示，每年8月的XCO2反演結(jié)果明顯低估，低估程度在1.85～2.58 ppm，統(tǒng)計結(jié)果見表1所示。
圖5 Park Falls站點(diǎn)附近GOSAT數(shù)據(jù)XCO2反演結(jié)果藍(lán)圈和綠菱分別為未校正葉綠素?zé)晒夂托Ｕ~綠素?zé)晒獾姆囱萁Y(jié)果、紅星代表TCCON實(shí)測數(shù)據(jù)Fig.5 XCO2 retrieval results of GOSAT observations near Park Fall stationBlue circle and green diamond represents uncorrected retrieval results and corrected retrieval results separately,red * star represents TCCON measurements
表1 XCO2反演中葉綠素?zé)晒庑Ｕ昂蟮男Ч麑Ρ萒able 1 The effect of plant chlorophyll fluorescence correction on XCO2 retrievals results
利用該文的方法校正后，重新獲得的XCO2反演結(jié)果如圖5中綠色菱形所示。反演結(jié)果的低估情況有較大改善，最大低估程度是1.49 ppm，2017年8月份的反演結(jié)果的低估被消除。反演結(jié)果的標(biāo)準(zhǔn)差整體上也有一定程度的改善，僅2018年的標(biāo)準(zhǔn)差略大。
3 結(jié) 論
針對現(xiàn)有大氣CO2衛(wèi)星遙感精度不足的情況，以及植物葉綠素?zé)晒鈱Υ髿釩O2反演存在不可忽視的影響程度和復(fù)雜性，提出了一種三光譜帶協(xié)同反演大氣CO2、Fs與大氣散射參數(shù)來實(shí)現(xiàn)葉綠素?zé)晒庥绊懶Ｕ姆椒?。該方法通過采用PPDF因子對大氣散射進(jìn)行參數(shù)化建模，降低葉綠素?zé)晒馀c大氣散射的光譜相關(guān)性，提高兩者協(xié)同反演的能力，同時，針對植物葉綠素?zé)晒鈴?qiáng)度微弱、難以準(zhǔn)確同步反演的問題，構(gòu)建了植物葉綠素?zé)晒庑l(wèi)星遙感先驗(yàn)信息庫，增強(qiáng)葉綠素?zé)晒鈴?qiáng)度反演的準(zhǔn)確性，從而提高大氣CO2的反演精度。
對2015年至2018年每年8月份Park Falls站點(diǎn)上方的GOSAT數(shù)據(jù)開展CO2反演與校正。受植物葉綠素?zé)晒獾挠绊?，每?月GOSAT數(shù)據(jù)反演的XCO2均存在低估，低估程度在2 ppm左右。利用本文方法進(jìn)行校正，反演結(jié)果的低估程度有較大改善，最大低估由2.58 ppm降低到1.49 ppm，甚至2017年8月的低估得以完全改善。本文提出的校正方法對于實(shí)現(xiàn)1%(～4 ppm)的CO2反演精度來說，提供了有力支撐。
猜你喜歡
中等數(shù)學(xué)(2022年5期)2022-08-29 06:07:38
閱讀(科學(xué)探秘)(2020年8期)2020-11-06 06:22:48
國學(xué)(2020年1期)2020-06-29 15:15:30
中國果業(yè)信息(2019年1期)2019-01-05 17:41:42
數(shù)學(xué)物理學(xué)報(2017年6期)2018-01-22 02:26:53
石油地球物理勘探(2017年4期)2017-12-18 07:14:55
石油地球物理勘探(2017年2期)2017-11-23 06:02:04
生物學(xué)教學(xué)(2017年9期)2017-08-20 13:22:32
攝影之友(影像視覺)(2017年1期)2017-07-18 11:12:16
食品工業(yè)科技(2014年6期)2014-05-10 06:04:50
