【技术实现步骤摘要】
(一)本专利技术涉及大气遥感，具体涉及的是一种全局与局部优化结合的地基红外高光谱co2柱浓度反演方法。
技术介绍
0、(二)
技术介绍
1、联合国世界气象组织(wmo)发布的《2022年全球温室气体公报》指出，2022年全球大气主要温室气体浓度继续突破有仪器观测以来的历史纪录，二氧化碳的浓度达到417.9±0.2ppm，相比2021年，2022年大气二氧化碳浓度增幅约2.2ppm。这不仅导致了极端天气事件的频发，还影响到了生态系统的稳定性。为了应对这一挑战，国际社会正致力于减少温室气体的排放，并且迫切需要准确监测和验证各国的排放情况。
2、现有的co2监测方法，包括卫星遥感和地面监测站，面临着准确性和空间分辨率的限制。特别是在复杂的大气条件和不同地表覆盖类型下，现有方法往往难以达到高精度和高效率。传统的co2反演算法通常依赖于线性或简化的非线性模型，这在处理复杂的大气数据时可能导致准确性下降，同时，这些方法在全局优化和计算效率方面也存在局限。
3、本专利技术公开了一种全局与局部优化结合的地基红外高光谱co2柱浓度反演方法，反演算法中结合ga算法和l-m算法进行模拟光谱与观测光谱的光谱拟合，全局和局部优化算法的结合，有效提高反演算法的准确性、鲁棒性及计算效率。
技术实现思路
0、(三)
技术实现思路
1、本专利技术的目的是提供一种全局与局部优化结合的地基红外高光谱co2柱浓度反演方法，反演算法中ga算法用于全局搜索最优参数，然后使用l-m算
2、本专利技术的目的是通过以下技术手段实现的：
3、一种全局与局部优化结合的地基红外高光谱co2柱浓度反演方法，包括：
4、步骤1，将观测仪设备运送到目标区域的监测点位，开始进行光谱数据的采集；
5、步骤2，对采集到的干涉图数据进行预处理，获得测量光谱数据；
6、步骤3，获取ncep气象数据；
7、步骤4，根据当日的气压、温度以及各种大气成分的先验廓线精确计算气体的吸收截面；
8、步骤5，计算仪器线型函数ils(instrumental line shape)，对太阳光谱进行多普勒订正；
9、步骤6，确定co2先验廓线缩放因子的范围，按比例缩放co2先验廓线；
10、步骤7，将大气参数以及co2先验廓线作为初始状态向量，输入辐射传输模型sciatran中进行计算得到模拟光谱；
11、步骤8，利用遗传算法进行光谱拟合，直至结果满足条件；
12、步骤9，将ga算法的结果作为l-m算法的初始值再次进行迭代，判断结果是否收敛，若收敛则得到缩放因子的最优解，否则更新状态向量，直至结果收敛；
13、步骤10，对光谱异常数据进行筛选获取更精确的反演结果；
14、步骤11，计算得到气体的平均柱浓度。
15、进一步，所述步骤2包括：
16、步骤2-1，对干涉数据引入两个数据质量控制标准：一个标准要求最大信号强度的绝对值大于5％，即若采集光谱的最大信号强度的绝对值幅度低于5％，则剔除该数据；第二个标准是干涉图的变化不能超过10％；
17、步骤2-2，进行dc订正；
18、步骤2-3，进行切趾、快速傅里叶变换、相函数订正。
19、进一步，所述步骤4包括：
20、步骤4-1，根据先验廓线，将大气按照高度分为42层，提取对应层数信息，并将大气垂直离散化处理，计算每层干空气的总分子数；
21、步骤4-2，计算光路经过每一层大气对应的折射角和路径，使用hitran数据库提供相关分子谱线参数，并采用voigt线性，利用逐线积分法计算分子的吸收截面，进而计算出每一层气体的光学厚度；
22、步骤4-3，在特定太阳天顶角下利用前面得到的每一层折射角及路径对每层光学厚度积分，得到气体的柱总光学厚度。
23、进一步，所述步骤6包括：
24、步骤6-1，基于先前研究和理论知识，确定co2先验廓线缩放因子的范围；
25、步骤6-2，在这个范围内随机生成50-100个缩放因子，每个随机生成的缩放因子代表遗传算法种群中的一个个体，不同缩放因子构成遗传算法的初始种群；
26、步骤6-3，将缩放因子与co2先验廓线相乘作为co2的先验廓线；
27、所述步骤7输入数据包括：ils、气体日吸收截面、温度廓线、压力廓线、co2先验廓线以及大气参数。
28、进一步，所述步骤8包括：
29、步骤8-1，使用ga算法，定义均方根误差为适应度函数，参数初始化，包括种群大小、交叉率、变异率等，选择方法为锦标赛选择；
30、步骤8-2，进行适应度评估、选择、交叉和变异过程；
31、步骤8-3，不断重复适应度评估、选择、交叉和变异的过程，产生新一代的解，直到适应度收敛，输出结果。
32、进一步，所述步骤9包括：
33、步骤9-1，使用l-m算法，定义均方根误差为目标函数，设置初始参数，包括l-m系数、收敛阈值等；
34、步骤9-2，使用ga算法的结果作为l-m算法的初始参数生成模拟光谱，并计算目标函数相对于缩放因子的偏导数，形成雅可比矩阵；
35、步骤9-3，将模拟光谱与测量光谱进行对比计算均方根误差rms，若均方根误差较大，则更新输入辐射传输模型中的缩放因子，重新计算模拟光谱，直至均方根误差小于某阈值。
36、所述步骤10对光谱异常数据进行筛选包括：仪器不稳定异常、测量光路干扰、强弱光照下的数据筛选。
37、所述步骤11对先验廓线积分得到最终气体的垂直柱浓度；co2垂直柱浓度通过除以干空气的总柱浓度获得co2的平均柱浓度。
38、本专利技术的有益效果：本专利技术是基于地基红外高光谱技术co2柱浓度反演方法，结合ga算法和l-m算法进行模拟光谱与观测光谱的拟合，ga算法能够在整个参数空间内进行全局搜索，有效避免陷入局部最优解，l-m算法适用于局部优化，提供精确的参数调整，进一步提高反演的质量；ga算法加速了全局搜索过程，减少了盲目搜索的时间，l-m算法快速收敛于局部最优，提高了整体计算效率，全局和局部优化的结合，提高了反演算法的准确性和鲁棒性。
本文档来自技高网...【技术保护点】
1.一种全局与局部优化结合的地基红外高光谱CO2柱浓度反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤8中，先采用遗传算法进行全局搜索，有效避免陷入局部最优解。
3.根据权利要求1所述的方法，其特征在于：步骤9中，将遗传算法的结果作为L-M算法的初始值局部优化，精确调整缩放因子。
4.根据权利要求1所述的方法，其特征在于：步骤11中，计算气体的柱平均浓度利用O2作为内标，降低仪器线性函数ILS带来的误差，也不需要水汽柱浓度校正表面压力。
【技术特征摘要】
1.一种全局与局部优化结合的地基红外高光谱co2柱浓度反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤8中，先采用遗传算法进行全局搜索，有效避免陷入局部最优解。
3.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：李树，杨乐怡，储小雪，叶松，王新强，王方原，甘永莹，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。