基于主成分分析的CO2统计反演方法

大气与环境光学学报 ›› 2017, Vol. 12 ›› Issue (3): 202-209.

基于主成分分析的CO2统计反演方法

桑浩，王先华*，叶函函，蒋芸

(中国科学院通用光学定标与表征技术重点实验室，中国科学院安徽光学精密机械研究所，安徽合肥，230031)

收稿日期:2016-03-04 修回日期:2016-03-11 出版日期:2017-05-28 发布日期:2017-05-18
通讯作者: 王先华（1963-），男，安徽芜湖人，研究员，主要从事定量化遥感、遥感系统成像质量分析和遥感图像信息提取等方面的研究。 E-mail:xhwang@aiofm.ac.cn
作者简介:桑浩（1989-），男，安徽阜阳人，硕士研究生,主要从事光学遥感方面的研究。
基金资助:
Supported by the National Natural Science Foundation of China (国家自然科学基金, 41175037), Civil High Satellite Application in Common Projects(民用高分卫星应用共性项目, 32-Y20A17-9001-15/17)

Statistic Retrieval Method of Carbon Dioxide Based on Principal Component Analysis

SANG Hao, WANG Xianhua*, YE Hanhan, JIANG Yun

(Key Laboratory of Optical Calibration and Characterization，Anhui Institute of Optics and Fine Mechanics，Chinese Academy of Sciences，Hefei 230031，China)

Received:2016-03-04 Revised:2016-03-11 Published:2017-05-28 Online:2017-05-18

摘要/Abstract

摘要：

二氧化碳（CO2）卫星遥感中，大气环境因素是影响反演精度的重要原因，目前反演条件通常限制在气溶胶光学厚度小于0.3的情况。我国大气气溶胶高值情况较为普遍，对大气条件的较高要求将严重影响我国CO2卫星遥感数据的应用能力。针对这种情况，利用基于主成分分析法对中国京津地区高气溶胶光学厚度的大气CO2反演，得到的CO2柱浓度与2013年、2014年GOSAT-Level2产品进行对比分析，均方根误差分别为0.65%和0.46%，相关性分别为0.77和0.93。

关键词: 光学遥感, CO2反演, 主成分分析, 统计反演, 温室气体

Abstract:

In the satellite remote sensing of carbon dioxide (CO2), atmospheric environmental factor is the important factor affecting the inversion accuracy. The inversion conditions is usually limited to the situation of the aerosol optical thickness less than 0.3. The higher requirement of the atmospheric conditions will seriously affect the application ability of our country's CO2 satellite remote sensing data. For this kind of situation, based on principal component analysis (PCA), atmospheric CO2 of Beijing and Tianjin areas of China is inversed of high aerosol optical thickness, the CO2 column concentration obtained is compared with the product of GOSAT - Level2 in 2013, 2014. The root mean square error is 0.65% and 0.46%, respectively, and the correlation is 0.77 and 0.93, respectively.

Key words: optical remote sensing, CO2 retrieval; principal component analysis, statistical retrieval, greenhouse gas

中图分类号:

P407

桑浩王先华叶函函蒋芸. 基于主成分分析的CO2统计反演方法[J]. 大气与环境光学学报, 2017, 12(3): 202-209.

SANG Hao, WANG Xian-Hua, XIE Han-Han, JIANG Yun. Statistic Retrieval Method of Carbon Dioxide Based on Principal Component Analysis[J]. Journal of Atmospheric and Environmental Optics, 2017, 12(3): 202-209.

参考文献

[1] Pachauri R K, Reisinger A. IPCC fourth assessment report [R]. IPCC, Geneva, 2007: 5-15.
[2] Kuze A, Suto H, Nakajima M, et al. Thermal and near infrared sensor for carbon observation Fourier-transform spectrometer on theGreenhouse Gases Observing Satellite for greenhouse gases monitoring [J]. Appl. Opt., 2009, 48(35): 6716- 6733.
[3] Crisp D, Atlas R M, Breon F M, et al. The orbiting carbon observatory (OCO) mission [J]. Adv. Space Res., 2004, 34(4): 700-709.
[4] Liu Y, Yang D X, Cai Z N. A retrieval algorithm for TanSat XCO2 observation: Retrieval experiments using GOSAT data [J]. Chinese Science Bulletin, 2013, 58(13): 1520-1523.
[5] Li Zhiwei, Xiong Wei, Shi Hailiang, et al. Study on laboratory calibration of spatial heterodyne spectrometer [J]. Acta Optica Sinica, 2014, 34(4): 0430002(in Chinese).
李志伟, 熊伟, 施海亮, 等. 空间外差光谱仪实验室定标技术研究 [J]. 光学学报, 2014, 34(4): 0430002 .
[6] Smith W L, Woolf H M, Jacob W J. A regression method for obtaining real-time temperature and geopotential height profiles from satellite spectrometer measurements and its application to Nimbus3 “SIRS” observation [J]. Mon. Wea. Rev., 1970, 98: 582-603.
[7] Huang H-L, Antonelli P. Application of principal component analysis to high-resolution infrared measurement compression and retrieval [J]. J. Appl. Meteorol., 2001, 40(3): 365-388.
[8] Jiang Deming, Lu Weisong, Dong Chaohua. Approach to Highspectral Resolution Infrared Remote Sensing of Atmosphere Temperature and Humidity Profiles [D]. Nanjing: Doctorial Dissertation of Nanjing University of Information, 2007: 84-100(in Chinese).
蒋德明，陆维松，董超华. 高光谱分辨率红外遥感大气温湿度廓线反演方法研究 [D]. 南京: 南京信息工程大学博士论文, 2007: 84-100.
[9]Guan Li. Retrieving Atmospheric Profiles from MODIS/AIRS ObservationsⅠ. Eigenvector Regression Algorithms [J]. Journal of Nanjing Institute of Meteorology, 2006, 29(6): 756-761(in Chinese).
官莉. 利用AIRS卫星资料反演大气廓线Ⅰ.特征向量统计反演法 [J]. 南京气象学院学报, 2006, 29(6): 756-761.
[10] Zhang Ying, Chen Liangfu, Tao Jinhua, et al. Retrieval of methane profiles from spaceborne hyperspectral infrared observations [J]. Journal of Remote Sensing, 2012, 16(2): 232-247(in Chinese).
张莹, 陈良富, 陶金花, 等. 利用卫星红外高光谱资料反演大气甲烷浓度垂直廓线 [J]. 遥感学报, 2012, 16(2): 232-247.

[1]	胡洋, 高伟, 杨杰. 基于多时相遥感影像的天津市中心城区生态环境质量评价[J]. 大气与环境光学学报, 2023, 18(2): 168-180.
[2]	杨晓钰, 王中挺, 潘光, 熊伟, 周伟, 张连华, 王兆军, . 卫星遥感温室气体的大气观测技术进展[J]. 大气与环境光学学报, 2022, 17(6): 581-597.
[3]	张琦锦, 郭映映, 李素文, ∗, 牟福生, ∗. 基于主成分分析的 RBF 神经网络预测 SO2 浓度[J]. 大气与环境光学学报, 2022, 17(5): 550-557.
[4]	刘东, 周雨迪, 朱小磊, 陈扬, 徐沛拓, 刘崇, 王南朝, 沈雪. 大气海洋高光谱分辨率激光雷达鉴频特性研究[J]. 大气与环境光学学报, 2020, 15(1): 48-54.
[5]	张晓春,宋庆利,曹永，王鹏，于大江,王缅，温民. 基于傅立叶红外变换技术的温室气体在线监测仪在龙凤山大气温室气体本底站的应用[J]. 大气与环境光学学报, 2019, 14(4): 279-288.
[6]	张爱文,李从飞,骆冬根,陈迪虎,胡亚东,邹鹏,洪津,熊伟. 一种星载光学遥感设备供配电设计[J]. 大气与环境光学学报, 2019, 14(2): 97-102.
[7]	邹鹏,李从飞,李孟凡,路美娜,孙真,李朕阳,洪津,司孝龙,裘祯炜. 比值辐射计辐射响应特性[J]. 大气与环境光学学报, 2019, 14(1): 74-80.
[8]	赵明富, 唐平, 汤斌, 徐杨非, 邓思兴. 主成分分析联合Fisher判别在紫外-可见光谱法水质检测中的应用[J]. 大气与环境光学学报, 2018, 13(6): 436-.
[9]	甘伟伟易维宁杜丽丽叶函函. 温室气体监测仪星上光谱定标及不确定度分析[J]. 大气与环境光学学报, 2018, 13(2): 131-140.
[10]	贾小芳张晓春赵亚南王缅靳军莉. 我国周边国家和地区的CO2本底浓度及对比分析[J]. 大气与环境光学学报, 2017, 12(2): 120-127.
[11]	王汝雯徐晋李昂谢品华. 基于短波红外波段吸收的CO2垂直柱浓度地基遥测反演方法研究[J]. 大气与环境光学学报, 2017, 12(1): 22-32.
[12]	陈良富陶金花王子峰李莘莘张莹范萌李小英余超邹铭敏苏林陶明辉. 空气质量卫星遥感监测技术进展[J]. 大气与环境光学学报, 2015, 10(2): 117-125.
[13]	郑小兵. 发展光学遥感卫星辐射定标技术的几点思考[J]. 大气与环境光学学报, 2014, 9(1): 2-8.
[14]	周燕刘智深. 基于Hyperion数据的浅海水深直接反演方法研究[J]. 大气与环境光学学报, 2011, 6(2): 112-.