一种遥感臭氧数据集的生成方法

技术领域

本发明涉及遥感气象卫星领域，尤其涉及一种遥感臭氧数据集的生成方法。

背景技术

臭氧总量是指整层大气臭氧柱含量，臭氧是一种微量气体，能强烈吸收0.36μm波段以下的太阳紫外辐射，使人体和生态环境免遭过多紫外线伤害，从而保护地球生物圈；同时，臭氧也是影响对流层—平流层大气动力、热力、辐射、化学等过程的重要成分之一。因此，观测和研究臭氧的分布及变化，对人类社会生存与发展极为重要。

目前，对大气臭氧的观测主要以卫星探测为主，其在空间覆盖和时间连续上都具有一定的优势。为了避免出现“臭氧层空洞”现象，世界各国通过卫星持续搭载用于探测臭氧变化的仪器，监测研究和分析大气臭氧，以建立长期的臭氧气候数据集，对于进一步认识并研究臭氧变化及成因意义重大。

相关现有技术中，通过中国第二代极轨气象卫星风云三号(FY-3A，上午星；FY-3B，下午星)卫星搭载我国自主研制的紫外臭氧总量探测仪(Total Ozone Unit，TOU)，探测大气中的臭氧柱总量。通过TOU获得臭氧柱总量并通过不同的算法反演，再结合地面仪器的测量进行验证，并进行合并处理，形成臭氧气候数据集，从而为大气臭氧分析提供最直接有效的论据。

但是，由于卫星搭载的探测仪器存在噪声干扰，以及，气象卫星运行轨迹等问题，使得探测的臭氧数据存在部分空域数据缺失或者边缘数据值不确定的情况，导致最终形成的臭氧气候数据集具有不均匀性和不稳定性的缺陷，从而影响大气臭氧分析结果的准确性。

发明内容

本发明旨在提供一种遥感臭氧气候数据集的生成方法，解决现有技术中因探测的臭氧数据存在部分空域数据缺失或者边缘数据值不确定的情况，而导致臭氧气候数据集具有不均匀性和不稳定性的技术问题，实现建立稳定有效的遥感臭氧气候数据集的目的，以提高对大气臭氧分析的准确性。

具体通过以下技术方案来实现：

一种遥感臭氧数据集的生成方法，包括：

获取遥感臭氧观测数据；

对所述臭氧观测数据进行反演计算，得到臭氧总量数据；

对所述臭氧总量数据进行一致性订正，得到长序列数据；

对所述长序列数据进行融合，得到遥感臭氧数据集。

本发明相比于现有技术具有的技术效果：本发明通过获取遥感臭氧观测数据；对所述臭氧观测数据进行反演计算，得到臭氧总量数据；对所述臭氧总量数据进行一致性订正，得到长序列数据；对所述长序列数据进行融合，得到遥感臭氧数据集。解决了现有技术中因探测的臭氧数据存在部分空域数据缺失或者边缘数据值不确定的情况，而导致臭氧气候数据集具有不均匀性和不稳定性的技术问题，实现建立稳定有效的遥感臭氧气候数据集的目的，以提高对大气臭氧分析的准确性，为人类应对和研究气候变化提供高质量数据支撑。

附图说明

1、图1示出了本发明实施例中一种遥感臭氧数据集的生成方法的流程示意图；

2、图2示出了本发明实施例中臭氧总量反演算法优化计算的流程示意图；

3、图3示出了本发明实施例中FY3/TOU漫反射板A1辐照度变化图；

4、图4示出了本发明实施例中FY3/TOU漫反射板A2辐照度变化图；

5、图5示出了本发明实施例中FY3/TOU漫反射板A3辐照度变化图；

6、图6示出了本发明实施例中数据融合算法优化的框架图；

7、图7示出了本发明实施例中FY-3B/TOU臭氧总量数据与芬兰索丹屈莱地基观测数据对比散点图；

8、图8示出了本发明实施例中订正前后臭氧总量与地基观测以及香河站的对比图；

9、图9示出了本发明实施例中FY3A TOU与FY3B TOU臭氧总量时间序列图。

最佳实施方式

为了使本领域技术人员更清楚的理解本发明，下面将结合附图对其进行详细的说明。

本发明实施例公开了一种遥感臭氧数据集的生成方法，以基于FY-3气象卫星观测为例进行说明，如图1所示，包括以下步骤：

步骤1：通过搜集整理获取2008-2017年国内外臭氧观测数据。

步骤2：对所述臭氧观测数据进行反演计算，得到臭氧总量数据。

需要说明的是，臭氧在紫外波段有两个重要的吸收带：

1、哈特莱带(Hartley bands，位于200-300nm之间)为臭氧的强吸收带，在强吸收带太阳的紫外辐射基本上被臭氧吸收；

2、赫金斯带(Huggins bands，位于300-360nm之间)不如哈特莱带强，在赫金斯带太阳紫外辐射可以部分到达地面。

紫外探测臭氧的基本原理是，从哈特莱臭氧吸收带选择一系列波段吸收强度不同的波段，用于反演大气臭氧垂直分布；从赫金斯带中选择一对波长，这对波长具有两个特点：

(1)吸收比较弱，太阳直射辐射可以到达地面，后向散射光子能够到达卫星携带的探测仪器；

(2)两个波长的反射率几乎相同而被臭氧吸收的状况差异显著，从而根据两个波长的臭氧吸收的差异与臭氧总量的关系来估算大气臭氧的总量。

具体的实施方式如图2臭氧总量反演的流程示意图所示，可为：

风云三号气象卫星搭载的紫外仪器TOU共6个通道，表1为TOU仪器的光谱特性。

表1通道中心波长和带宽

通道1主要用于探测火山二氧化硫以便对臭氧反演精度进行评估。

通道6的后向散射辐亮度受臭氧吸收的影响很小，一般用于估计表面有效反射率和有效云量等。通道6和其他通道的不同组合可以用于探测不同倾斜路径的臭氧总量。

TOU仪器的观测原理是通过观测太阳辐照度和地球大气后向散射辐亮度来反演臭氧总量。TOU在垂直卫星轨道的平面内作空间扫描，在天底方向两侧各取样15个点，天底一个点，共31个取样点，仪器的扫描角为±54°，考虑到仪器3.6°的视场角，则仪器的覆盖角为±55.8°，星下点分辨率约50公里。

TOU有三个观测模式，即对地扫描模式、波长定标模式和辐射定标模式：

波长定标模式用于监测波长的漂移情况。

辐射定标模式用于在北极上空卫星出现阴影时，观测太阳辐照度，并对漫反射器的辐射特性进行监测。

对地扫描模式用于观测地球大气的紫外后向散射辐亮度。

TOU仪器平均每天覆盖全球一次，共14条轨道，每条轨道探测数据均可以反演臭氧总量，每天14条轨道合成全球以及极地臭氧总量产品。

太阳紫外辐射穿过地球大气再到卫星传感器要经过一系列辐射传输过程：臭氧、二氧化硫等气体的吸收，大气分子的瑞利散射和气溶胶的散射，对流层中云和气溶胶的散射，具有不同反射率的表面反射以及地球表面和大气之间的相互作用等。

波长大于310nm的太阳辐射，是卫星探测臭氧总量的主要波段，影响该波段紫外后向散射的主要因素就是大气层顶到地球表面的臭氧含量，因为臭氧的吸收作用决定了到达对流层、云和地表的太阳辐射强度。对于卫星反演臭氧而言，最关键的因素是穿透平流层到达对流层然后再向大气层顶反射的紫外辐射，而起决定性的变量就是平流层中的臭氧总量。臭氧总量反演的一个前提条件就是大气的后向散射主要取决于臭氧总量，而对臭氧廓线只有很弱的依赖性。因此，反演就转化为求解臭氧总量与卫星观测辐射关系的辐射传输方程。

卫星探测的辐射包括大气和地表的贡献。反演过程为求解下列辐射传输方程，I代表辐亮度，下标m为观测值，下标a为大气对辐亮度的贡献，s为地表对辐亮度的贡献。

利用反演模型计算臭氧总量Ω：

I

其中，λ为波长，θ为卫星天顶角，θ

根据上述计算的臭氧总量建立遥感观测的太阳辐照度和地球大气的紫外后向散射辐亮度之间的关系N，使得计算的N值与观测的N值接近，并根据计算的臭氧总量、N值和辐亮度建立三者对应的查找表。

利用观测的后向散射辐亮度I与该波段观测的太阳辐照度F建立关系，并定义为N值：

N＝-100LOG

其中，I表示遥感观测的地球大气紫外后向散射辐亮度，F表示太阳辐照度。

理论N值用辐射传输模式计算，即在观测条件下(不同的臭氧总量，观测几何条件，表面特性)建立I与F的关系，然后找到一个合适的臭氧总量使计算的N值与观测的N值接近，在此基础上建立臭氧总量、N和辐射的查找表。

在实际的数据处理中不直接计算各种条件下的N值，而是预先用精确的辐射传输模式计算一系列臭氧廓线、臭氧总量、卫星和太阳天顶角以及地表或云顶气压下的N值，然后通过内差获得观测条件下的N值。

然后再选择TOU的一个通道对，包括第一通道和第二通道，根据第一通道对应的N值和第二通道对应的N值之差，计算臭氧总量的初估值，所述第一通道对臭氧吸收强度大于第二通道对臭氧吸收强度。例如可根据通道1和通道6的N值的差计算臭氧总量的初估值。

所述地表反射对辐亮度的贡献计算式如下：

T(λ,θ,θ

其中，S

最后，用初估值计算的N值与实际观测的N值有一定的差别，称为残差。选择3个合适的通道，利用其残差建立联立方程，通过解这个方程可以对初估值进行订正并且可以消除与波长呈线性关系的误差源，如表面反射率误差和定标误差等。得到臭氧总量的精确值，即所述臭氧总量数据。

下面对优化后的反演算法模型进行检验：

基于WOUDC台站的检验

反演算法模型检验主要使用地基数据进行单点验证，基于世界臭氧和紫外线辐射数据中心WOUDC(The World Ozone and Ultraviolet Radiation Data Centre)观测对FY3A和B星观测数据进行检验，以验证反演模型的精度。卫星臭氧总量反演精度用相对误差来表示，即某一观测站点的长时间序列卫星臭氧总量与地基观测结果相对平均误差，定义如下：

/>

其中X为对应于地面观测站点的卫星同步反演臭氧总量，X

TOU反演结果与WOUDC台站观测和美国OMI卫星产品的时间序列变化一致，精度相当，反演模型精度可靠，例如，图7所示，与芬兰索丹屈莱台站单点验证，相关系数可达0.9866，相对误差1.45％，样本总数为652，均方根偏差为2.65％。

步骤3：对所述臭氧总量数据进行一致性订正，得到长序列数据。

本发明实施例中多源卫星观测数据是搜集整理了2008—2017年国内外臭氧观测数据，由不同卫星观测组成，而仪器观测(角度依赖性)、仪器长时间定标系数衰减引起多卫星观测的不一致，进行多卫星数据再处理是长序列数据建立的重要环节。本发明实施例以FY-3卫星紫外臭氧总量探测仪A和B星为研究对象，分析仪器在运行过程中探测器的灵敏度和定标系数随着时间发生变化，建立一致性订正方法处理仪器衰减变化对产品的影响，使不同的仪器观测具有更好的一致性。

FY3/TOU紫外臭氧探测器的变化衰减通过探测仪上的不同漫反射板的变化进行监测，风云三号臭氧总量探测仪有三块漫反射板(定义为A

如图3、图4和图5所示，在仪器工作开始时，A

利用漫反射板系统检测太阳辐照度随时间的变化，实际上反映的是仪器探测器的变化，利用订正仪器衰减进行多卫星数据辐射一致性处理是根据A

定标系数的变化可以用一个时间函数f(t)表示，其中t代表卫星发射后运行的天数，f(t)为卫星探测的辐射值变化系数，对于FY-3系列卫星紫外臭氧总量探测仪来说辐射值即为后向散射辐亮度。后向散射辐亮度I(t)可以表示为：

I(t)＝I(0)*f(t)；

其中，I(t)为卫星发射t天后经过衰减订正后的辐亮度，I(0)代表不进行定标衰减订正的辐亮度，f(t)为卫星探测的辐射值变化系数，t为卫星发射后在轨运行的天数。

此外，对周期影响，用非线性最小二乘法订正：

f(t)＝f

f

其中，lp(1)、lp(2)和lp(3)表示订正系数，如下表所示：

表2订正系数

下面对长序列一致性订正模型的检验：

如图8所示，订正前(黑虚线)后(黑实线)臭氧总量与地基观测以及香河站的对比，如图9所示，FY3A与FY3B TOU臭氧总量时间序列。可知，经过仪器衰减订正和臭氧总量算法再处理，提高了臭氧总量产品的精度和一致性。通过再处理前后2017年臭氧总量在中国区域的时间变化，可见再处理后臭氧总量更趋于合理性。进一步利用香河的地基观测进行对比，再处理后臭氧总量产品精度明显提高，与地基观测的时间变化及量级一致。利用FY-3A和FY-3B TOU有重合时间的数据，基于臭氧反演算法检验FY3A和FY3B臭氧总量产品的一致性，结果表明利用衰减订正和臭氧反演算法FY3A/FY3B臭氧总量产品具有一致的长时间变化特征。

由上可知，以我国风云系列观测为样本，发展了多星长序列数据一致性前处理技术，并基于该方法和反演算法模型，建立了FY-3A(2008-2013)和FY-3B风云臭氧数据长序列产品(2011—2017年)数据集，该数据集与WOUDC观测比较，相关系数达到0.95，相对误差小于4％。

步骤4：对所述长序列数据进行融合，得到遥感臭氧数据集。

通过残差模型将所述长序列数据的特征进行连接；对特征连接后的长序列数据进行数据校正，得到遥感臭氧数据集。如图6所示，图中质控数据为去除了异常数据后的反演结果数据，质控模型输出数据为与异常数据区域时空对应的质控模型输出数据。数据融合模型包含特征融合网络以及数据校正网络两个子网络。特征融合子网络为使用残差连接的一个伪孪生网络，通过残差模型将上述两个输入数据的特征进行连接。最后通过数据校正子网络完成对质控结果的数据校正。

模型优化过程中，算法选取地基数据作为目标数据，并以此为基准对校正结果的精度对比，来更新模型参数。

公式为模型优化的目标函数。模型监督模块包含两个监督单元。其中：I

本发明实施例中，在具有多平台同期观测情况下，以我国风云卫星臭氧为参考，结合国外同类产品数据，利用数据融合技术整合了多源臭氧数据产品，建立了卫星长序列处理技术，完成2008—2017年日臭氧数据气候数据集，与WOUDC观测比较，线性相关系数达到0.9以上，相对误差小于1％。

本发明基于风云TOU仪器探测数据和自主研发的反演算法，生成风云臭氧总量日数据，经过与观测数据比较，建立了检验和长序列数据再处理方法，以我国风云系列TOU观测为样本，发展了多星长序列数据一致性前处理技术，结合国外同类产品数据，利用数据融合技术整合了多源臭氧数据产品。通过本发明实施例，一是可有效解决业务问题，二是建立了国产卫星与国际臭氧气候数据的连接方法，以上研究成果为我国未来臭氧卫星观测和应用的进一步发展奠定基础。

以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。