大气CO2反演误差分析与精度验证 下载: 1028次
1 引言
CO2作为主要的温室气体[1],是引起气候变化的重要因素。为了精确地预测未来CO2对气候的影响,需要很高的CO2测量精度,一般认为CO2柱平均干空气体积混合比(XCO2)的观测精度必须达到0.3%~0.5%[2],传统的CO2浓度测量主要依赖于地面监测网络,虽然地基观测CO2方法具有精度高、可靠性强的优点,但为单点测量,无法进行全球大范围内地观测[3],尤其在广阔的海洋、高山、极地等地区的观测资料很少。因此,CO2卫星遥感探测技术已成为评估全球变暖趋势的一个重要技术手段。
高分五号卫星于2018年5月9日成功发射,其上搭载的大气主要温室气体监测仪(GMI)是用于监测温室气体CO2、CH4的载荷。GMI采用空间外差光谱(SHS)技术[4],该技术继承了傅里叶变换光谱仪的优点,同时也兼具光栅光谱仪的优点,尤其适用于卫星遥感观测平台。GMI的主要任务是获取0.76 μm(O2 A波段)、1.58 μm(CO2弱吸收波段)、1.64 μm(CH4波段)、2.00 μm(CO2强吸收波段)等谱段的高光谱遥感探测数据。为此,开发了基于GMI遥感进行温室气体反演的算法与软件。GMI作为一种新型的卫星遥感器,其遥感过程所受的影响因素和影响程度有其自身特殊性,为保证反演结果的应用效果,在反演算法上需对遥感过程中主要干扰因素影响进行相关的校正,然而如何保证校正的效果,需要利用更高精度的测量结果如全球总碳柱观测网(TCCON)进行验证。
目前,国外在轨运行的温室气体监测卫星有日本的GOSAT卫星和美国的OCO-2卫星。Yoshida等[5]和Uchino等[6]发现在利用GOSAT数据反演时很多因素可以导致系统误差,包括气溶胶光学厚度(AOD)、地表气压P。这些环境参量偏差会导致CO2和CH4反演结果存在较大误差[7-9]。Connor等[10]在对OCO数据进行误差分析时,研究了气溶胶光学厚度、地表压力、温度等因素的影响。为客观地比较反演结果,Inoue等[11]和Cogan等[12]以TCCON数据为参考值,在对GOSAT卫星进行误差校正时,发现气溶胶光学厚度、反射率、压力对反演误差的影响很大。TCCON是全球温室气体柱含量监测站,具有极高的测量精度和验证全球温室气体遥感结果的能力。在进行地基与卫星数据匹配时,最理想的状态是将卫星载荷和地基站点在同一地点、同一时刻探测的数据进行匹配。但是在实际情况下采用上述方法匹配出来的数据点非常少,为了获得更多的数据使得统计学分析有意义,需要按照一定的经纬度范围和一定的时间范围进行数据匹配。Wunch等[13]选择TCCON地基站点纬度10°之内,经度30°之内,北半球对流层700 hPa高度上位温2 K之内的数据对GOSAT与地基数据进行空间上的匹配。Cogan等[12]以站点为中心,经纬度5°以内,时间为卫星过境前后2 h,选择南北半球8个站点附近的数据进行验证。地面站点和卫星观测点在空间上的差异,导致他们之间在地表特性、大气环境、甚至温室气体本身的差异,因此如何克服这种差异带来的误差,提高TCCON验证的准确性,已成为GMI验证工作需要解决的关键问题。本文针对高分五号卫星的GMI载荷,利用开发的温室气体反演算法,在充分考虑影响因素的基础上开展了基于GMI数据的误差分析和精度验证研究,力求实现高分五号卫星CO2高精度的遥感监测能力。
2 反演原理与方法
GMI XCO2反演算法采用最优估计理论[14]。从卫星测量的短波红外高光谱数据反演XCO2,卫星传感器接收到的测量值y由完整的大气状态、成分含量及仪器参数确定,观测物理量与待求大气参数的变化关系表示为
式中:F(x,b)本质上为正向辐射传输模式;x为待反演的状态向量;b为影响辐射传输的大气参数向量;ε为误差向量。通常采用最优估计的最大后验概率密度来进行处理,定义代价函数为
式中:y为观测向量;Sε为观测误差协方差,应包括仪器噪声、前向模型误差和大气干扰;xa为待求的状态向量初始值;Sa为先验协方差矩阵。反演大气参数的问题就等价于寻找代价函数的最小值,采用的高斯牛顿迭代法为
式中:下标i为第i次迭代;K为雅可比矩阵(权重函数)。
事实上,对CO2反演的过程,就是基于卫星遥感特性的大气、地表等环境参量的迭代过程。环境参量的影响程度是确定反演算法设计的基础,而对反演结果的检测,则反映算法的有效性,是反演算法改进和优化的基础。美国OCO-2反演算法已经更新到第9代并仍在优化中,其原因即在于此。
3 大气CO2误差分析
针对高分五号卫星GMI的遥感特性开发了温室气体反演方法,地表气压、大气温度廓线T(p)、地表反照率以及气溶胶等是CO2反演的主要影响因素。GMI主要的技术参数如
表 1. GMI主要的技术参数
Table 1. Main technical parameters of GMI
|
以标准大气为基本条件,CO2浓度(体积比)约为400×10-6,模拟研究不同气溶胶类型、反射率、大气温度廓线、地表气压、地表反射率对CO2反演结果的影响。
3.1 气溶胶、反射率、太阳天顶角参数的影响
利用SCIATRAN模型,模拟典型陆地条件下气溶胶模型对CO2反演精度影响,各个因素的变化范围如
不同反射率条件下气溶胶散射对XCO2反演的影响如
表 2. 用于模拟研究的因素变化范围
Table 2. Variation range of factors used for simulation study
|
图 1. 不同反射率条件下气溶胶散射对XCO2反演的影响。(a)乡村型; (b)城市型
Fig. 1. Effect of aerosol scattering on XCO2 inversion under different reflectance conditions. (a) Rural; (b) urban
在乡村型或城市型气溶胶模式下,在暗地表条件下,XCO2都被低估,当反射率大于0.30时,XCO2被高估。当太阳天顶角一定时,随着气溶胶光学厚度的增大,反演误差在增大。暗地表的反演误差低于亮地表。城市型气溶胶的反演误差低于乡村型。
3.2 大气温度廓线、地表气压、地表反射率参数影响
大气温度廓线系数反映了整层大气垂直变化的情况,对CO2柱含量XCO2具有重要的影响,其中气压和大气温度是两项重要因素。各个参数的扰动量如
表 3. 各参数及其扰动量
Table 3. Parameters and perturbation quantity
|
图 2. 大气温度廓线造成的XCO2反演误差
Fig. 2. XCO2 inversion error caused by atmospheric temperature profile
大气温度廓线对XCO2反演结果的影响如
地表气压对XCO2反演结果的影响如
地表反射辐射会由大气后向散射反射到地面,并由地面再次反射到大气中,这种地面与大气的耦合作用拉长了光辐射在大气中传输的过程,地表反射率越大,耦合作用越大,这种作用改变了CO2对光辐射的强度。
卫星传感器接收到的辐射信号由地表反射和大气反射构成,所以对卫星观测的辐射量来说,地表辐射占很大一部分,即地表反射率对XCO2反演具有较大的影响。然而在反演过程中,通常采用模拟光谱与测量光谱匹配技术,这一过程可以很好地校正反演率误差对反演的影响,因此为体现反射率误差的影响,可以以较大的误差进行模拟。以反射率为0.3为例,不同地表反射率误差对XCO2的反演结果影响如
通过改变近红外CO2波段的反射率值,可以看出,地表反射率对CO2反演结果的影响较小,当反射率低于0.3时,反演结果被低估,当反射率高于0.3时,反演结果被高估。反演误差最大可达到0.3×10-6。
4 基于TCCON的GMI遥感数据反演结果的验证实验
4.1 TCCON站点与GMI遥感测点的匹配
TCCON是全球总碳柱观测网络,可以提供对温室气体浓度的长时间观测序列,为验证和改进卫星高光谱观测反演CO2浓度的重要数据源之一。GMI为离散点采样方式,目前采用-32,-16,0,16,32的交轨方向5点采样,GMI采样图如
4.2 验证站点选取
TCCON站点的数据更新有延迟,且有些站点已经不在运作。更新到九月份的TCCON各个站点的数据更新及运行情况如
表 4. 九月份的TCCON各个站点的数据更新及运行情况
Table 4. Data update and operation of TCCON sites in September
|
基于TCCON站点提供测量数据,考虑到空间分布均匀性,本文选取目前数据还在更新的8个TCCON地基站点,分别分布于亚洲、欧洲、北美洲、大洋洲。
4.3 GMI反演数据与TCCON站点验证对比分析
在选取的8个TCCON站点上,根据匹配原则挑选出符合条件的TCCON 站点数据和GMI数据。
表 5. GMI数据与TCCON各站点的数据差异
Table 5. Difference of GMI data and TCCON data at each site
|
5 结论
模拟研究结果表明,无论是城市型还是乡村型气溶胶类型下,在暗地表时XCO2反演结果均被低估。在不同地表反射率条件下,随着气溶胶光学厚度的增加,XCO2反演误差增大。气溶胶散射对XCO2反演结果影响较大,在反射率为0.6时,在乡村型气溶胶模式下,XCO2反演误差最大可达4×10-6。在研究地表反射率、地表气压及大气温度廓线影响时发现,地表气压、大气温度廓线对XCO2反演结果的影响大于地表反射率的影响。所以在实际反演过程中,需要准确的参数信息,以降低这些参数不准确所造成的反演误差。
将TCCON站点的CO2观测数据作为参考值,对GMI近红外光谱反演结果进行验证,表明,基于GMI遥感数据开发CO2反演误差范围为-1.06±2.93×10-6(-0.26±0.72%),基本满足GMI遥感的1%的精度要求。然而,本文是在9月份一个月数据基础上进行验证实验的,为保证更高的验证精度,应对GMI在轨运行过程中可能发生的变化,未来开展进一步的实验验证工作仍非常必要。
[1] Xiang L, Gao Q, Zhou S, et al. Comparisons of CO2 emission from fuel combustion among major countries and regions[J]. Advances in Climate Change Research, 2009, 5(5): 278-284.
[2] 蒋芸, 叶函函, 王先华, 等. 叶绿素荧光对CO2反演的影响及校正方法研究[J]. 光学学报, 2018, 38(9): 0901004.
[4] 吴军, 王先华, 方勇华, 等. 空间外差光谱技术应用于大气二氧化碳探测的能力分析[J]. 光学学报, 2011, 31(1): 0101001.
[6] Uchino O, Kikuchi N, Sakai T, et al. Influence of aerosols and thin cirrus clouds on the GOSAT-observed CO2: a case study over Tsukuba[J]. Atmospheric Chemistry and Physics, 2012, 12: 3393-3404.
[8] Deng F. Jones D B A, Henze D K, et al. Inferring regional sources and sinks of atmospheric CO2 from GOSAT XCO2 data[J]. Atmospheric Chemistry and Physics, 2014, 14(7): 3703-3727.
[9] Jung Y, Kim J, Kim W, et al. Impact of aerosol property on the accuracy of a CO2 retrieval algorithm from satellite remote sensing[J]. Remote Sensing, 2016, 8(4): 322.
[10] Connor B J, Boesch H, Toon G, et al. Orbiting carbon observatory: inverse method and prospective error analysis[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(D5): D05305.
[11] Inoue M, Morino I, Uchino O, et al. Bias corrections of GOSAT SWIR XCO2 and XCH4 with TCCON data and their evaluation using aircraft measurement data[J]. Atmospheric Measurement Techniques, 2016, 9(8): 3491-3512.
[12] Cogan A J, Boesch H, Parker R J, et al. Atmospheric carbon dioxide retrieved from the greenhouse gases observing SATellite (GOSAT): comparison with ground-based TCCON observations and GEOS-Chem model calculations[J]. Journal of Geophysical Research: Atmospheres, 2012, 117(D21): D21301.
[14] Rodgers CD. Inverse methods for atmospheric sounding: theory and practice[M]. Singapore: World Scientific, 2000.
Article Outline
李勤勤, 王先华, 叶函函, 吴时超, 李超, 王晓迪. 大气CO2反演误差分析与精度验证[J]. 光学学报, 2020, 40(6): 0601003. Qinqin Li, Xianhua Wang, Hanhan Ye, Shichao Wu, Chao Li, Xiaodi Wang. Atmospheric CO2 Inversion Error Analysis and Accuracy Verification[J]. Acta Optica Sinica, 2020, 40(6): 0601003.