基于超光谱热红外数据的一氧化碳反演通道选择

JOURNAL OF INFRARED AND MILLIMETER WAVES(2021)

引用 0|浏览10
暂无评分
摘要
一氧化碳(CO)在热红外波段吸收强度弱且吸收区内具有较多的干扰信号,利用热红外数据反演高精度CO廓线的难度大.超光谱红外探测仪的开发和应用,为提升CO廓线的反演精度提供了可能.然而,随着超光谱热红外数据分辨率的上升、通道之间的间隔变窄,这在给数据引入特有可反演信息的同时产生大量冗余信息.为了保证反演精度和效率,有必要对通道进行选择来获取包含最大可反演信息的通道同时剔除冗余信息.提出了一种同时考虑通道灵敏度和权函数特性的峰采样通道选择方法,用于从超光谱红外数据中反演CO廓线.该方法首先通过分析通道对不同气体的灵敏度情况,去除受其他气体干扰较大的通道获得初选通道.然后,分析初选通道的权函数特性后发现,位于CO亮温变化谱线中峰顶和峰底的通道分别包含了不同大气层的CO反演信息,将这些通道选取为最终通道选择结果.以阿拉善沙漠地区、京津地区、长江三角洲及珠江三角洲的冬夏晴空大气为主要研究对象,比较峰采样法与最优灵敏度剖面法(OSP)所得的通道选择结果及相应的CO廓线反演精度.结果表明,该方法选择的通道比OSP方法选择的通道能覆盖更宽的光谱范围且包含更多的CO反演信息.而且,峰采样通道选择方法的应用可以有效提高本文所研究区域和季节的CO廓线反演精度,其中在阿拉善地区冬季大气条件下改善效果最为明显,反演结果的均方根误差(RMSE)由3.23×10-8 g/g降至3.07×10-8 g/g,平均反演精度提高了10.56%.
更多
查看译文
关键词
atmospheric science, channel selection, CO profile retrieval, ultra-spectral thermal infrared data, sensitivity, weighting function characteristics
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要