期刊基本信息
创刊:
2006年 • 双月刊
名称:
大气与环境光学学报
英文:
Journal of Atmospheric and Environmental Optics
主管单位:
中国科学院
主办单位:
中国科学院安徽光学精密机械研究所
出版单位:
科学出版社
主编:
刘文清
ISSN:
1673-6141
刊号:
CN 34-1298/O4
电话:
86-551-5591563
邮箱:
地址:
安徽省合肥市1125信箱
邮编:
230031
定价:
60元/期
大气与环境光学学报 第17卷 第6期
全球、区域及城市的碳浓度、碳源汇信息是应对气候变化、达成双碳目标、完善国际谈判、支持治理政策制定与执行的重要依据。国际认可的 “自上而下” 方法将卫星观测作为基础的通量计算技术, 是验证温室气体排放清单的重要手段。系统介绍了温室气体的卫星探测载荷原理、类别和发展, 以及反演、估算 CO 2 、CH 4 和 N 2 O 的浓度和排放通量的方法, 还有探测缺失和误差存在的影响因素等; 分析了对卫星探测温室气体能力提高的迫切需求, 浓度反演和排放量估算精度不足, 以及 N 2 O、氟化物等其他温室气体遥感研究缺乏、地基遥感验证能力薄弱等问题; 最后总结了我国温室气体卫星遥感技术的发展趋势, 主要是面向主被动高时空分辨率卫星的研制应用、高精度多尺度排放量估算 (特别针对城市、小区域和点源尺度)、氟化物遥感评估等主题, 以加强对碳排放的量化观测, 并增强对碳循环的理解, 提高感知和应对气候变化的能力。
温室气体 卫星载荷 浓度 通量 反演 greenhouse gas satellite payload concentration flux retrieval 在卫星遥感研究中, 云检测是基础环节, 其结果影响大气、地表各种参数的定量遥感, 同时也影响云微物理特性的反演。本研究针对多角度偏振卫星载荷 (高分五号 DPC 传感器), 建立了一种改进的光谱特征云检测算法。该算法综合利用云像元和非云像元在可见光反射率光谱、氧 A 波段吸收、蓝光偏振反射率以及偏振虹等特性上的差异, 分别提出了陆地、海洋上空的云检测方案, 并进一步建立了多角度云检测融合策略以标记云、晴空和未定像元。在陆地检测中, 通过增加表观压强检测和偏振虹检测分别改进了高层薄云和低层薄云的识别; 在海洋检测中, 利用表观压强与云层的退偏特性改进了耀光区云像元的识别。全球云检测结果示例显示该算法整体检测效果较好, 同时典型区域的检测结果与 MODIS 云产品也具有较好的一致性。该研究可为高分五号 02 星上的多角度偏振传感器云检测提供方法基础。
高分五号 多角度偏振成像仪 云检测 表观压强 线偏振度 耀光 Gaofen-5 directional polarimetric camera cloud detection apparent pressure degree of linear polarization sun-glint 随着对大气污染问题的日益重视, 监测大气颗粒物质量浓度也成为了热门研究领域。针对现行两种流行算法 (基于模式模拟和基于机器学习) 产生的近地面 PM 2.5 质量浓度科学数据集进行了比较分析, 利用城市年均 PM 2.5 监测数据定量评估两数据集的不确定性, 并通过空间自相关分析对两数据集的空间合理性进行了评价。同时, 还利用标准差椭圆分析研究了 2000-2018 年间主要污染区域 (北京、天津、河北、河南、山西、山东等地) PM 2.5 的时空演变趋势。结果表明, 基于机器学习算法产生的数据集 (CHAP) 具有较高的精度, 适用于区域性空气质量研究; 而基于模式模拟算法产生的数据集 (vanDonkelaarA) 具有合理的空间分布, 更适合于大尺度、长时间的污染趋势分析。由标准差椭圆分析发现, 2000-2018 年研究区域标准差椭圆中心的位置整体向东北方向移动; 2013 年前 PM 2.5 分布范围及年均值在波动中呈现整体上升的趋势, 随后显著下降, 造成 PM 2.5 浓度下降的主要因素是有效管控措施的实施。研究结果为中国区域的细颗粒物污染研究的数据集选取提供了参考依据, 为大气细颗粒物污染的防控提供科学支撑。
卫星遥感 标准差椭圆 空间自相关 PM 2.5 PM2.5 satellite remote sensing standard deviation ellipse spatial autocorrelation 针对气溶胶被动卫星遥感中由于气溶胶模型的不确定性导致的反演误差, 引入了一种基于贝叶斯理论的新型气溶胶层高反演算法, 并应用于哨兵 5 先导 (Sentinel-5P) 卫星的 TROPOMI (TROPOspheric Monitoring Instrument) 载荷。该算法基于不同候选气溶胶模型的模型证据 (气溶胶模型的条件概率密度) 确定符合当前观测数据条件的气溶胶模型, 并通过两种模型选择方案分别得到估算最大值解和估算平均值解作为反演结果。以 TROPOMI 观测到的一次真实野火事件为例, 反演结果和官方产品具有很好的空间一致性, 且明显降低了低估现象, 证明在气溶胶先验知识缺乏的背景下该算法能够高效选择合适的气溶胶模型, 为今后高光谱卫星气溶胶层高反演的业务化数据处理提供了一种新的解决方案。
大气遥感 反演 气溶胶层高 atmospheric remote sensing retrieval aerosol layer height TROPOMI TROPOMI 臭氧是大气中一种重要的微量气体, 是影响对流层与平流层大气运动的重要成分之一, 臭氧的高精度探测对于环境和气候具有重要的意义。OMI 传感器是目前具备探测全球臭氧含量的主要遥感传感器之一。利用地基 Pandora 观测网全球范围内 44 个臭氧观测站点数据对 OMI 卫星数据产品进行了精度验证。结果表明: OMI 臭氧产品与 Pandora 地基测量结果之间具有很好的线性相关性, 相关系数达到 0.948, 但精度结果存在区域差异。在南半球地区, 相关系数为 0.915; 在北半球低纬度地区, 其相关系数为 0.932, 中纬度地区相关系数为 0.948, 而在高纬度地区, 相关系数达到了 0.957。 此外, 验证精度还与臭氧柱总量存在相关性, 在臭氧柱总量低于 220 Du (对应臭氧空洞条件) 时, OMI 卫星产品存在高估现象, 高估约 13%; 而在臭氧柱总量高于 400 Du 时, OMI 的臭氧产品低于 Pandora 地基测量结果, 且随着臭氧柱总量增加, 低估情况也越严重, 在臭氧柱总量达到 500 Du 时, OMI 臭氧产品低估约 4%。
地基验证 臭氧分布 相对误差 Pandora 太阳光度计 ground-based verification ozone distribution relative error Pandora sun photometer 针对不同土地覆盖类型特别是作物空间分布, 提出一种顾及火点像元地物类别先验概率的排放因子加权策略, 并结合热辐射功率 (FRP) 昼夜周期分布的假设, 建立了我国逐日 1 km 的田块尺度露天生物质燃烧氮氧化物 (NO x ) 遥感排放清单。为验证 FRP 昼夜周期分布假设的合理性, 与 Himawari-8 FRP 反演结果进行比较, 两者相关系数约为 0.65。 同时, 为验证排放清单的有效性, 将估算结果与全球火情数据库 (GFED)、湖北省内三个环境监测站点观测资料、臭氧监测仪 (OMI) 遥感观测数据等进行了对比验证。对比结果显示所建立的排放清单与其中两站点观测数据的相关系数分别为 0.56 和 0.65, 与 GFED 数据库以及 OMI 数据具有较好的一致性, 且具有更高的时空分辨率。
露天生物质燃烧 田块尺度 氮氧化物 排放清单 土地覆盖 open biomass burning field-level NO x emission inventory land cover 煤矿开采是最重要的甲烷排放源, 然而其排放清单的准确性很低, 一个关键的原因在于缺乏精准识别和定位该类排放源的能力。近年来, 前沿研究表明可以利用卫星高光谱数据反演高分辨率的甲烷异常, 从而帮助识别排放源。但是, 在地表类型复杂地区该算法会完全失效。针对这一问题, 率先提出一种基于 L1 重加权和迭代收缩阈值算法 (ISTA) 匹配滤波器的算法。利用高分五号 (GF-5) 数据在山西地区的实验表明, 该方法性能显著优于现有的其他方法。实验中, 本方法识别出 23 个甲烷强点源, 这些点源全部位于 TROPOMI 的甲烷高值区内, 且高分辨遥感影像显示这些点源处存在典型的煤矿开采设施。该方法的提出为利用 GF-5 卫星数据在世界范围实现甲烷点源排查奠定了技术基础。
甲烷柱浓度异常探测 基于 L1 重加权和迭代收缩阈值算法的匹配滤波器算法 高分五号可见光短波红外高光谱相机数据 XCH 4 anomaly detection L1 reweighted iterative shrinkage thresholding alg GF-5 visible-shortwave infrared advanced hyperspec 人为活动排放的以 CO 2 和 CH 4 为主的大量温室气体是造成全球增温的主要因素。由于地面观测站点稀少, 卫星遥感为监测 CO 2 和 CH 4 的时空分布及变化趋势提供了新的技术手段。本文验证了 GOSAT、OCO-2 卫星的大气 CO 2 和 CH 4 柱浓度遥感产品 XCO 2 和 XCH 4 的精度, 并分析了我国 XCO 2 和 XCH 4 的时空分布和变化趋势, 主要结论如下: (1) 在所用 XCO 2 遥感产品中, OCO-2_ACOS 与地面观测的相关性最高 (达 0.93); 而 XCH 4 产品中 GOSAT_OCPR 的相关性最高 (达 0.78)。(2) 在研究的时间跨度内, XCO 2 浓度呈逐年上升趋势, 如我国 OCO-2 XCO 2 年均浓度由 2014 年的 396.92 × 10 -6 增长到 2021 年的 414.72 × 10 -6 ; CO 2 浓度高值主要分布在城市和工业集中的中国东部地区, 西北地区塔克拉玛干沙漠的高值与气溶胶散射影响有关; 同时, 受人为源和自然源的季节变化影响, XCO 2 具有冬春高、夏秋低的时间特征。(3) XCH 4 浓度同样呈逐年上升趋势, 但与 XCO 2 不同, XCH 4 浓度高值主要分布在天然气和煤炭开采集中的四川东部、重庆西部、陕西与山西的中部地区, 以及工业集中的华北地区,季浓度呈现夏秋高、春冬低的特征。(4) 2020 年 XCO 2 高值区发生偏移; 相对于 2020 年, 2021 年 CO 2 增速有所回升, 但增幅相对于 2019 年之前仍有所减小。
卫星遥感 时空分布 反演精度 satellite remote sensing XCO 2 XCO 2 XCH 4 XCH 4 spatial and temporal distribution inversion accuracy