高分五号卫星GMI大气CO2反演方法

叶函函,王先华,吴时超,李超,李志伟,施海亮,熊伟

(中国科学院合肥物质科学研究院安徽光学精密机械研究所,中国科学院通用光学定标与表征技术重点实验室,安徽 合肥 230031)

0 引言

二氧化碳(CO2)是大气中主要的温室气体,对全球气候变化具有重要的影响。自工业时代以来,大气中CO2浓度已增长约30%,且保持着持续增长的趋势。国际权威机构“联合国政府间气候变化专门委员会(IPCC)”第五次评估报告肯定地指出,温室气体已成为自20世纪中期以来气候变暖的主要原因,气候变暖将引起海平面上升、热极端事件和强降水频发、全球受旱面积扩大等一系列的灾难[1]。准确掌握大气中CO2的含量及其变化,将可为气候变化的预测以及环境决策提供支持。

卫星观测具备全球覆盖和高采样频率的特点,可在全球尺度上对大气CO2开展广范围、长时间的持续监测。近年来大气CO2遥感卫星监测平台迅速发展,目前国内外已有多颗专用于大气CO2及其它温室气体探测的卫星,如日本的温室气体观测卫星GOSAT(Greenhouse gases observing satllite)、美国的OCO-2(Orbiting Carbon Observatory-2)、中国的碳卫星(TanSat)、风云3号卫星(FY-3D)和高分五号卫星(GF-5)等[2]。

搭载于GF-5上的温室气体探测仪GMI,采用新型的观测技术—空间外差干涉光谱技术获取超分辨率光谱,实现大气CO2和CH4的观测。空间外差干涉光谱技术于1990年由Harlander[3]首次提出,该技术利用静态光栅代替传统傅里叶光谱仪中的动镜,具有高通量、高光谱分辨率的优势,且结构紧凑稳定。其后中科院安光所开始研究空间外差光谱技术,并开发了基于空间外差光谱技术的大气温室气体探测仪,于2018年成功研制出大气主要温室气体探测仪GMI,搭载于GF-5卫星开始全球大气CO2和CH4的观测[4]。

为满足气候研究的需求,卫星探测CO2浓度月平均结果的精度在1000 km×1000 km区域尺寸上要优于1%。CO2浓度和梯度相对于浓度背景均较小,全球区域尺度上大气CO2柱平均干空气混合比(XCO2)精度达到1%或更高,才能较好地降低其在气候研究中的不确定性[5,6]。然而,卫星观测面临的环境复杂,其反演精度受到大气、地表以及仪器特征的综合影响,要实现GMI观测数据的高精度反演,是亟待解决的重要问题。

本文针对空间外差干涉光谱不同于常规色散型光谱的特性,结合高信噪比优势,设计了针对空间外差干涉光谱的反演方法,并对反演结果开展地面精度验证,分析GMI仪器的观测精度和误差特征。

1 观测数据介绍

GMI观测的是地表反射的超分辨率太阳光谱,包含近红外(NIR)和短波红外(SWIR-1、SWIR-2、SWIR-3)共四个观测波段,中心波长分别为0.76、1.58、1.65、2.0µm。0.76µm的可见光波段用来提供地表压力、云和气溶胶信息;1.58µm和1.65µm的近红外波段用来估计大气CO2和CH4的柱浓度;2.0µm的近红外波段可提供气溶胶及CO2信息。四个波段的光谱分辨率分别为0.035、0.067、0.067、0.113 nm。GMI 4个观测波段的光谱特征如表1所示。

表1 GMI 4个观测波段的光谱特征Table 1 Spectral parameters of four channels of GMI

GMI运行在705 km的太阳同步轨道上,过境时间为当地13:30。GMI星下点的空间分辨率为10.5 km。GMI使用摆动扫描方式,对星下交轨方向上多个点进行采样,图1展示了常用的星下5点观测模式。在北纬30°处,5点观测模式中沿轨方向测点间隔102 km,交轨方向测点间隔230 km。

图1 GMI 5点观测模式对应观测点分布Fig.1 GMI grid point observations in the 5-point cross-track scan mode

2 反演方法

GMI大气CO2反演是从GMI观测辐亮度光谱中推算出大气CO2柱浓度,反演流程如图2所示。首先对GMI观测数据开展质量分析和筛选,然后对有效观测开展卫星观测的模拟和气体反演计算,获得大气CO2柱浓度。

图2 GMI XCO2反演方法流程图Fig.2 Flow chart of GMI XCO2retrieval algorithm

2.1 数据筛选

卫星观测对应的太阳天顶角小于70°、气溶胶光学厚度小于0.3且无云污染才能满足反演质量要求。气溶胶光学厚度来自于同卫星平台上的大气多角度偏振探测仪(Directional polarimetric camera,DPC)气溶胶产品。无云污染数据的筛选是基于GMI与DPC的联合云检测[7]。

2.2 前向模拟

大气CO2卫星观测前向模型包括辐射传输模型、太阳模型和仪器模型。大气辐射传输模型采用超高光谱分辨率的SCIATRAN v3.5,模型内嵌逐线积分气体吸收计算模块和大气散射计算模块。结合GeoffToon高分辨率太阳模型[8],可模拟仪器入瞳处的辐亮度光谱。大气辐射传输软件计算的光谱与GMI仪器线型函数进行卷积运算,即可获得GMI观测的模拟光谱。

2.3 反演计算

2.3.1 光谱信息分析

GMI卫星观测光谱各通道对应的大气CO2、温度、湿度和地表压力的香农信息含量计算公式为

式中:K代表权重函数,不同参数的权重函数表示对应参数单位扰动导致仿真光谱的变化量;Sa代表先验协方差矩阵,该矩阵为对角阵,对角线上元素为各参数波动范围的平方;Se是测量误差协方差矩阵,该矩阵同样为对角阵,对角线上元素为光谱各通道对应仪器噪声的平方。

利用大气CO2、温度、湿度和地表压力的香农信息含量HCO2、HT、HR和HP,计算综合香农信息含量

式中:w代表各参数信息含量的权重。计算用于CO2含量反演的信息时,w1取3,w2–w4均取−1;计算用于背景扣除的信息时,w1取7,w2–w4均取1。

2.3.2 光谱数据处理

通过如下处理方法对反演中的实测或模拟的绝对辐亮度光谱Y进行重构,获得的辐亮度比值谱R为

式中:i代表各光谱通道,共18个。Yon代表用于CO2含量反演的大气CO2信息谱,Yoff代表用于背景扣除的参考谱。

大气CO2信息谱是由用于CO2含量反演的综合香农信息含量靠前的18个通道组成,每个通道的值由该通道及周边4个通道的平均值代表,如图3菱形点所示,从而构建信息谱辐亮度矩阵Yon。参考谱是由用于背景扣除的综合香农信息含量靠后的18个通道组成,每个通道的值由该通道及周边10个通道的平均值代表,如图3叉形点所示,从而构建参考谱辐亮度矩阵Yoff。

图3 GMI光谱中的信息谱和参考谱Fig.3 Information pieces and reference pieces of GMI spectrum

2.3.3 反演算法

大气CO2反演采用最优化估计反演算法,对GMI观测光谱和模拟光谱开展迭代计算,获得XCO2的值。GMI观测光谱y可表示为

式中:F代表前向模型,状态向量x代表大气CO2廓线,ε代表GMI观测误差。

最优化估计反演算法是寻找给定y下,状态向量x的后验概率密度函数最大所对应的值,即最大似然解,也就是满足如下代价函数χ2最小的解,

式中:RF(x)代表由前向模型计算的模拟谱经式(3)转换获得的模拟辐亮度比值谱,Ry代表y根据式(3)转换获得的实测辐亮度比值谱;观测误差协方差Se代表模型和测量的不确定性;先验误差协方差Sa代表先验估计xa的不确定性。

采用Levenberg-Marquardt迭代法求解上式[9],迭代形式为

式中:下标i代表第i次迭代;K=∂RF(x)/∂x为雅克比矩阵,是RF(x)的偏导数,γ是Levenberg-Marquardt参数。γ初值设为10.0,在x的每次迭代后,根据Rodgers的更新策略进行调整。x根据上式进行迭代计算,直至x的更新量低于0.01%时可认为满足收敛,终止迭代。迭代获得的CO2廓线,利用压力权重函数p进行求和可获得XCO2,其表达式为

3 反演结果及验证

利用设计的反演方法对2018年9月份全球的GMI观测光谱数据开展反演。2018年9月份GMI陆地观测数据7797个,数据筛选后有效数据有2667个,对应XCO2反演结果如图4所示。

图4 2018年9月GMI XCO2观测结果Fig.4 Distribution of the GMI XCO2retrieval results of September 2018

GMI全球XCO2反演结果均值为403.65×10−6,大气CO2浓度南北半球相当,北半球中低纬和南半球中低纬浓度分别是404.08×10−6和403.4×10−6,可能是夏季北半球植物光合作用的影响。

采用长时间序列(2018年8月–2019年3月)的GMI观测结果开展精度验证,以高精度TCCON地基站点测量的大气CO2浓度作为参考[10]。以TCCON站点为中心,GMI观测点落在其经纬度±5°的范围内,且TCCON观测时间和GMI过境时间相差在1小时内,设置为匹配准则。

GMI匹配到12个TCCON站点,含有充足的数据可以开展误差分析,这些站点的分布以及对应GMI验证情况如表2所示。GMI反演结果与各站点处测量CO2浓度相比,反演精度均优于1%。经TCCON所有站点数据验证可知,GMI反演结果的平均绝对误差为2.72×10−6,相对误差是0.67%。

表2 TCCON验证站点的分布及其与GMI大气CO2反演结果的比较Table 2 The location of the TCCON stations and comparison with GMI XCO2retrievals

GMI反演结果与所有站点的测量比较结果如图5所示,由图可看出,与高纬度站点的测量相比,GMI反演结果整体偏高,且离散性较大。高纬度处的卫星观测对应的能量弱,噪声影响大,且大气光程长,面临的大气干扰往往较复杂,反演算法对长光程复杂大气干扰的校正不足,均可能导致反演结果的强离散性。

图5 GMI XCO2反演结果与TCCON站点测量结果的比较Fig.5 Comparison of GMI XCO2retrieval results and TCCON measurements

4 结论

根据GMI仪器数据特点以及大气CO2高精度卫星遥感需求,设计了针对空间外差干涉光谱的大气CO2反演方法。通过分析光谱通道对应的大气CO2、温度、湿度和地表压力的香农信息含量,构建出用于大气CO2反演的信息谱以及用于背景扣除的参考谱,从而实现了GMI大气CO2的反演,且受大气温度和湿度的影响小。该方法使得GMI光谱具备缓变背景扣除功能,解决了GMI大气CO2反演的问题。

利用设计的反演方法对2018年8月至2019年3月的GMI全球观测数据开展反演,该反演方法可稳定实现GMI卫星观测数据的反演。反演结果经12个TCCON观测站点地面大气CO2测量的验证,获得GMI大气CO2反演精度在0.34%～0.98%之间,平均绝对误差为2.72×10−6,平均相对误差是0.67%,达到精度优于1%的应用需求。在严格的数据质量筛选准则下实现的GMI卫星观测数据高精度反演,在一定程度上降低了有效产品量,且目前的反演算法对长光程复杂大气干扰的校正能力不足,未来有待筛选策略和反演校正算法的改进,以提高数据的利用率和反演能力,实现应用支持。