一种大气臭氧廓线遥感反演方法和装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种大气臭氧廓线遥感反演方法和装置。

背景技术

为了提取基于紫外谱段的臭氧垂直分布信息，国内外现有技术方案通常利用最优估计方法，采用像元合并的方式提升L1数据的信噪比；采用对L1数据进一步校正的方法降低反演过程的拟合残差；此外，还通过构建高精度的辅助参数如先验信息来减少由先验信息不确定性导致的臭氧廓线误差等技术改善臭氧廓线产品的探测精度。尽管如此，受限于卫星L1数据、云和反演方法等因素的影响，紫外波段臭氧廓线的反演精度仍然不高(70％—75％左右)，且对流层中低层大气的反演精度普遍依赖于先验廓线。国内现在没有近实时处理的适用于卫星地面数据处理系统时效性需求的紫外谱段大气臭氧廓线遥感监测方法。

臭氧廓线反演算法的关键在于1)准确的波长和辐射定标精度；2)准确的辅助数据，包括地表参数(地表压强和地表反射率)、气象参数(温压廓线)、臭氧先验廓线；3)辐射传输模型的计算效率和精度；4)反演参数优化设置。现有技术方案的改进主要聚焦在第一点和第二点的调整优化上，对关键的辐射传输模型采用通用和开源的模型，如VLIDORT、SCIATRAN等，在反演过程中，采用在线调用辐射传输模型，迭代更新状态向量参数的策略，得到观测的最优估计解，这种方法难以满足紫外波段臭氧廓线反演系统时效性的需求，且反演精度受限于先验信息的合理性。

发明内容

针对上述现有技术中存在的技术问题，本申请提出一种大气臭氧廓线遥感反演方法和装置。

本申请实施例提供一种大气臭氧廓线遥感反演方法，包括：

构建高精度的辅助参数先验信息，其中辅助参数先验信息包括：先验地表反射率数据以及臭氧先验廓线；

利用卫星观测的对地辐亮度和太阳辐照度，计算观测反射率；

将利用光学属性数据选出的波段区间、先验地表反射率数据、大气状态参数、卫星仪器参数输入预先构建的快速辐射传输模型，计算模拟反射率；

根据臭氧先验廓线、观测反射率、模拟反射率以及预先构建的最小化目标函数，反演大气臭氧廓线。

可选地，构建高精度的辅助参数先验信息，包括：

采用TROPOMI的地表反射率数据库，确定先验地表反射率数据；

利用历史实测数据训练神经网络模型，建立光谱数据与臭氧廓线的关系，确定臭氧廓线估算模型；

将实测TROPOMI光谱集合、观测集合参数以及臭氧总量数据输入至臭氧廓线估算模型中，输出臭氧先验廓线。

可选地，观测反射率的计算公式为：

式中，I(λ

可选地，根据臭氧先验廓线、观测反射率、模拟反射率以及预先构建的最小化目标函数，反演大气臭氧廓线，包括：

根据臭氧先验廓线、观测反射率以及模拟反射率，运用高斯-牛顿的方法迭代求解最小化目标函数；

在模拟反射率和观测反射率的残差平方和加上惩罚项的和达到最小的情况下，获取逼近非线性回归模型的最佳回归系数；

根据最佳回归系数以及臭氧先验廓线，确定大气臭氧廓线。

可选地，最小化目标函数中的正则化矩阵为一阶导数离散近似矩阵或二阶导数离散近似矩阵或先验信息协方差矩阵。

可选地，最小化目标函数为：

式中，x表示待反演大气臭氧廓线，y

本申请实施例还提供一种大气臭氧廓线遥感反演装置，包括：

构建模块，用于构建高精度的辅助参数先验信息，其中辅助参数先验信息包括：先验地表反射率数据以及臭氧先验廓线；

第一计算模块，用于利用卫星观测的对地辐亮度和太阳辐照度，计算观测反射率；

第二计算模块，用于将利用光学属性数据选出的波段区间、先验地表反射率数据、大气状态参数、卫星仪器参数输入预先构建的快速辐射传输模型，计算模拟反射率；

反演模块，用于根据臭氧先验廓线、观测反射率、模拟反射率以及预先构建的最小化目标函数，反演大气臭氧廓线。

本申请实施例还提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本发明上述任一方面所述的方法。

本申请实施例还提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一方面所述的方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：构建了适用于紫外波段臭氧廓线反演的快速辐射传输模型，提高了臭氧廓线反演系统的时效性。在反演算法中引入了臭氧先验廓线形状快速估算模块，减少了先验信息不确定性导致的反演误差。提出了自适应的正则化优化方案，突破反演精度受限于正则化参数/矩阵设置不合理的瓶颈。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例1所述的一种大气臭氧廓线遥感反演方法的流程示意图；

图2为本申请实施例1所述的一种大气臭氧廓线遥感反演方法的另一流程示意图；

图3为本申请实施例2所述的一种大气臭氧廓线遥感反演装置的示意图；

图4为本申请实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

图1是本发明一示例性实施例提供的大气臭氧廓线遥感反演方法的流程示意图。本实施例可应用在电子设备上，如图1所示，大气臭氧廓线遥感反演方法100包括以下步骤：

步骤101，构建高精度的辅助参数先验信息，其中辅助参数先验信息包括：先验地表反射率数据以及臭氧先验廓线。

可选地，构建高精度的辅助参数先验信息，包括：

采用TROPOMI的地表反射率数据库，确定先验地表反射率数据；

利用历史实测数据训练神经网络模型，建立光谱数据与臭氧廓线的关系，确定臭氧廓线估算模型；

将实测TROPOMI光谱集合、观测集合参数以及臭氧总量数据输入至臭氧廓线估算模型中，输出臭氧先验廓线。

具体地，构建高精度的辅助参数先验信息，从而减少由先验信息不确定性导致的臭氧总量反演误差。臭氧廓线反演算法通常都需要地表反射率、先验廓线等辅助参数信息来实现高精度反演。在本申请中，地表反射率采用TROPOMI的地表反射率数据库，该数据库是基于36个月的TROPOMI v1.0.0level-1b数据得到的，对应的空间分辨率为0.125°×0.125°；臭氧先验廓线采用基于实测TROPOMI光的廓线形状快速估算模块，作为臭氧廓线反演的先验输入，以此替代普遍采用的历史数据库或再分析数据等，该方法将实时廓线形状提取设计成一个分类问题，通过训练神经网络建立光谱数据与臭氧廓线形状的关系，输入包括实测光谱、观测几何参数以及臭氧总量数据。

从而。本申请在反演算法中引入了臭氧先验廓线形状快速估算模块，减少了先验信息不确定性导致的反演误差

步骤102，利用卫星观测的对地辐亮度和太阳辐照度，计算观测反射率。

可选地，观测反射率的计算公式为：

式中，I(λ

步骤103，将利用光学属性数据选出的波段区间、先验地表反射率数据、大气状态参数、卫星仪器参数输入预先构建的快速辐射传输模型，计算模拟反射率。

具体地，将波段区间、地表参数、大气状态参数、卫星仪器参数(狭缝函数、信噪比)输入构建的快速辐射传输模型，得到模拟的反射率信息。

其中，快速辐射传输模型构建如下：

在伪球形大气中，辐射传输方程可以表示为：

其中I(r,Ω)是点r和方向

P需要考虑大气分子的瑞利散射和气溶胶的米氏散射。

辐射传输计算是基于带有矩阵指数的离散坐标法。天顶角的范围被划分为若干离散的角度区间，辐射强度和散射相函数表示为一系列离散的方向向量。利用矩阵指数技术或特征值方法，辐射传递方程则被转换成一组耦合线性常微分方程，随后再加上相应的边界条件。为了提高处理高光谱卫星数据的计算效率，本申请模型的光学属性数据计算过程中采用了降维加速方法，对与反演窗口所用光学特性空间相关的均值去除相关矩阵进行主成分分析(PCA)。实际过程中，本申请会对前几个光学特性的经验正交函数(EmpiricalOrthogonal Functions,EOFs)分别进行完整形式和快速双流的辐射传输计算，然后利用这些结果之间的差异来制定一个与波长有关的校正因子，并将其应用于对原始全光谱光学数据集进行的地表快速双流计算。

从而，构建了适用于紫外波段臭氧廓线反演的快速辐射传输模型，提高了臭氧廓线反演系统的时效性。

步骤104，根据臭氧先验廓线、观测反射率、模拟反射率以及预先构建的最小化目标函数，反演大气臭氧廓线。

可选地，根据臭氧先验廓线、观测反射率、模拟反射率以及预先构建的最小化目标函数，反演大气臭氧廓线，包括：

根据臭氧先验廓线、观测反射率以及模拟反射率，运用高斯-牛顿的方法迭代求解最小化目标函数；

在模拟反射率和观测反射率的残差平方和加上惩罚项的和达到最小的情况下，获取逼近非线性回归模型的最佳回归系数；

根据最佳回归系数以及臭氧先验廓线，确定大气臭氧廓线。

可选地，最小化目标函数中的正则化矩阵为一阶导数离散近似矩阵或二阶导数离散近似矩阵或先验信息协方差矩阵。

可选地，最小化目标函数为：

式中，x表示待反演大气臭氧廓线，y

具体地，参考图2所示，基于迭代正则化的臭氧廓线反演过程如下：

臭氧廓线反演是一个逆问题求解的过程，一般情况下可通过求解以下最小化目标函数

式中，x表示待反演大气臭氧廓线，y

公式(3)的解表示为：

运用高斯-牛顿的方法迭代求解上式，迭代反演过程中的偏导数计算采用自动微分技术。在第i次迭代中，状态向量值表示为x

F(x)≈F(x

其中，K

要求解x使得公式(3)最小，即是对公式(3)求极值，则有：

K

迭代更新的状态变量x

x

当满足收敛条件时，停止迭代，设停止迭代次数i

从而，提出了自适应的正则化优化方案，突破反演精度受限于正则化参数/矩阵设置不合理的瓶颈。

进一步地，基于Tikhonov迭代正则化的反演算法实现方程(3)中目标函数的求解，高斯-牛顿迭代法的基本思想是使用泰勒级数展开式去近似非线性回归模型，然后通过多次迭代，获得逼近非线性回归模型的最佳回归系数，最后使模拟反射率和观测反射率的残差平方和‖F(x)-y

通过合理选择正则化参数(表示约束强度)和正则化矩阵(表示约束方式)。突破反演精度受限于正则化参数/矩阵设置不合理的瓶颈。正则化矩阵可选一阶或二阶导数的离散近似矩阵：

或者先验信息协方差矩阵。正则化参数的选择可采用动态参数化方案：

即正则化参数λ的初始化基于臭氧廓线偏导数矩阵的奇异值分解结果，每迭代一步，λ以预设的比例递减，同时结合差异原则实现迭代过程的自动化终止。

臭氧廓线反演所需输入如表1所示：

表1

从而，本申请研究基于直接光谱拟合的迭代反演算法，结合臭氧先验廓线分类方法，通过构建紫外谱段快速辐射传输模型和自适应的正则化优化方案获得兼顾计算精度与计算时效性的臭氧廓线遥感反演系统。进而本申请通过构建紫外谱段快速辐射传输模型和正则化方案的算法优化获得兼顾计算精度与时效性的臭氧廓线遥感反演系统。

实施例2

图3是本发明一示例性实施例提供的大气臭氧廓线遥感反演装置的结构示意图。如图3所示，装置300包括：

构建模块310，用于构建高精度的辅助参数先验信息，其中辅助参数先验信息包括：先验地表反射率数据以及臭氧先验廓线；

第一计算模块320，用于利用卫星观测的对地辐亮度和太阳辐照度，计算观测反射率；

第二计算模块330，用于将利用光学属性数据选出的波段区间、先验地表反射率数据、大气状态参数、卫星仪器参数输入预先构建的快速辐射传输模型，计算模拟反射率；

反演模块340，用于根据臭氧先验廓线、观测反射率、模拟反射率以及预先构建的最小化目标函数，反演大气臭氧廓线。

可选地，构建模块310，包括：

第一确定子模块，用于采用TROPOMI的地表反射率数据库，确定所述先验地表反射率数据；

第二确定子模块，用于利用历史实测数据训练神经网络模型，建立光谱数据与臭氧廓线的关系，确定臭氧廓线估算模型；

输出子模块，用于将实测TROPOMI光谱集合、观测集合参数以及臭氧总量数据输入至所述臭氧廓线估算模型中，输出所述臭氧先验廓线。

可选地，观测反射率的计算公式为：

式中，I(λ

可选地，反演模块340，包括：

求解子模块，用于根据臭氧先验廓线、观测反射率以及模拟反射率，运用高斯-牛顿的方法迭代求解最小化目标函数；

获取子模块，用于在模拟反射率和观测反射率的残差平方和加上惩罚项的和达到最小的情况下，获取逼近非线性回归模型的最佳回归系数；

第三确定子模块，用于根据最佳回归系数以及臭氧先验廓线，确定大气臭氧廓线。

可选地，最小化目标函数中的正则化矩阵为一阶导数离散近似矩阵或二阶导数离散近似矩阵或先验信息协方差矩阵。

可选地，最小化目标函数为：

式中，x表示待反演大气臭氧廓线，y

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

因此，本申请还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请中任一实施例所述的方法。

进一步地，本申请还提出一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请任一实施例所述的方法。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

图4是本申请实施例提供的一种电子设备的结构示意图。所显示的电子设备400仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。其包括：一个或多个处理器420；存储装置410，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器420运行，使得所述一个或多个处理器420实现本申请实施例所提供的大气臭氧廓线遥感反演方法，包括：

构建高精度的辅助参数先验信息，其中辅助参数先验信息包括：先验地表反射率数据以及臭氧先验廓线；

利用卫星观测的对地辐亮度和太阳辐照度，计算观测反射率；

将利用光学属性数据选出的波段区间、先验地表反射率数据、大气状态参数、卫星仪器参数输入预先构建的快速辐射传输模型，计算模拟反射率；

根据臭氧先验廓线、观测反射率、模拟反射率以及预先构建的最小化目标函数，反演大气臭氧廓线。

该电子设备400还包含输入装置430和输出装置440；电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接，图中以通过总线450连接为例。

存储装置410作为一种计算机可读存储介质，可用于存储软件程序、计算机可运行程序以及模块单元，如本申请实施例中的云底高度的确定方法对应的程序指令。存储装置410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏、扬声器等电子设备。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。