一种全局-局部建模结合的卫星CO2浓度缺失信息重建方法技术

本发明专利技术公开了一种全局

【技术实现步骤摘要】
一种全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法


[0001]本专利技术涉及数据处理
，尤其是一种全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法。

技术介绍

[0002]二氧化碳(CO2)是最重要的温室气体之一。据IPCC第五次报告指出，CO2浓度已经从工业革命前1750年的278ppm(1ppm指空气中的百万分之一)增长至2011年的390.5ppm。根据最新的卫星监测CO2浓度情况，2021年12月CO2浓度已经上升至415.2ppm。有效监测大气CO2浓度，能够为我国“碳达峰、碳中和”目标提供数据支撑。
[0003]卫星遥感具备时空大范围监测优势，是当前CO2监测的常用方式之一，例如美国OCO
‑
2/OCO
‑
3、日本GOSAT、欧洲Sentinel
‑
5P、中国TanSat等。这些卫星均发布了高精度的CO2产品，但由于现在的碳卫星幅宽较窄(大多数幅宽低于20km)以及反演算法受云与气溶胶的影响，现有卫星遥感CO2浓度产品本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法，其特征在于，所述全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法包括以下步骤：获取二氧化碳数据；构建神经网络模型；使用所述二氧化碳数据对所述神经网络模型进行全局训练，获得全局神经网络模型；使用部分所述二氧化碳数据对所述全局神经网络模型进行微调训练，获得全局
‑
局部建模结合的重建模型；将所述二氧化碳浓度缺失数据输入至所述重建模型进行处理；获取所述重建模型输出的空间无缝的二氧化碳浓度数据。2.根据权利要求1所述的全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法，其特征在于，在使用所述二氧化碳数据对所述神经网络模型进行全局训练之前，还包括：将所有所述二氧化碳数据统一至相同的时空分辨率。3.根据权利要求1所述的全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法，其特征在于，所述获取二氧化碳数据，包括：获取卫星遥感二氧化碳柱平均浓度数据、卫星遥感植被指数、二氧化碳再分析资料、二氧化碳地面站点数据和辅助数据，作为所述二氧化碳数据。4.根据权利要求3所述的全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法，其特征在于，所述使用所述二氧化碳数据对所述神经网络模型进行全局训练，获得全局神经网络模型，所述全局神经网络模型是指利用所有时间数据进行训练而得到的模型，包括：通过公式CO2＝f(Satellite,Reanalysis,Others)构建所述二氧化碳数据之间的全局非线性关系；其中，CO2表示所述神经网络模型输出的二氧化碳柱平均浓度，Satellite表示所述卫星遥感植被指数，Reanalysis表示所述二氧化碳再分析资料，Others表示所述辅助数据。5.根据权利要求4所述的全局
‑
局部建模结合的卫星CO2浓度缺失信息重建方法，其特征在于，所述使用部分所述二氧化碳数据对所述全局神经网络模型进行微调训练，获得全局
‑
局部建模结合的重建模型，包括：从全部所述卫星遥感植被指数中，选择出的部分卫星遥感植被指数Satellite
i
...

【专利技术属性】
技术研发人员：李同文，张岭峰，吴金橄，
申请(专利权)人：中山大学，
类型：发明
国别省市：