基于空天地一体化协同监测的工业碳排放因子反演方法与流程

摘要: 本发明涉及碳排放,尤其涉及一种基于空天地一体化协同监测的工业碳排放因子反演方法。背景技术:1、准确核算工业企业的碳排放量是衡量温室气体排放水平、制定科学减排策略...
基于空天地一体化协同监测的工业碳排放因子反演方法与流程

本发明涉及碳排放,尤其涉及一种基于空天地一体化协同监测的工业碳排放因子反演方法。

背景技术:

1、准确核算工业企业的碳排放量是衡量温室气体排放水平、制定科学减排策略以及实现“双碳”目标的基础前提。随着全球气候变化问题日益严峻,建立透明、可核查的碳排放数据体系已成为工业领域绿色转型的核心诉求。

2、目前,一种常用的碳排放核算方法是物料平衡法,其基于输入输出的物料平衡关系计算排放量。

3、但该方法需要详细的物料流数据,数据采集成本高,且对数据完整性要求严格,难以在大规模企业核查中推广应用。

技术实现思路

1、(一)要解决的技术问题

2、鉴于现有技术的上述缺点、不足,本发明提供一种基于空天地一体化协同监测的工业碳排放因子反演方法。

3、(二)技术方案

4、为了达到上述目的,本发明采用的主要技术方案包括:

5、一种基于空天地一体化协同监测的工业碳排放因子反演方法,该方法基于物理约束和联合反演框架实现;物理约束是基于有机融合卫星遥感数据、无人机高光谱数据、地面监测数据、工业过程数据和先验知识库的协同约束;

6、该方法包括:

7、s101,获取目标企业相关的卫星遥感数据、高光谱影像数据和地面监测数据;其中,卫星遥感数据由天基卫星层的卫星采集;高光谱影像数据由空基无人机层的无人机采集,且无人机采集时刻根据卫星采集时刻确定;地面监测数据由地基监测层的地面监测设备采集;目标企业基于样本卫星遥感数据的异常检测结果确定,样本遥感数据由天基卫星层的卫星在执行步骤s101之前采集;

8、s102,将卫星遥感数据、高光谱影像数据和地面监测数据输入至预先构建的多源协同反演模型中,通过最小化包含各数据源观测值与模拟值偏差的目标函数,迭代求解得到排放通量;其中,反演时卫星遥感数据、高光谱影像数据和地面监测数据的权重,是基于各数据源的误差协方差矩阵动态确定的;

9、s103,将排放通量与同期的活动水平数据的商确定为工业碳排放因子,且工业碳排放因子基于连续学习与时序校正进行动态更新。

10、可选地,高光谱影像数据为进行辐射定标、大气校正和几何校正后的数据;

11、卫星遥感数据为通过步骤s201至s204校正后的数据:

12、s201,利用差分光学吸收光谱法反演得到高光谱影像数据的气体浓度分布图;

13、s202,基于校正前的卫星遥感数据确定卫星垂直平均浓度,基于气体浓度分布图确定无人机空间平均浓度;其中,为卫星垂直浓度,为无人机空间浓度;

14、s203,确定偏差校正系数;

15、s204,确定卫星遥感数据;其中,为校正前的卫星遥感数据。

16、可选地,目标函数;其中,为卫星遥感数据,为卫星灵敏度矩阵,为全局校正系数,为排放通量,为角矩阵算子,为卫星遥感数据的误差协方差矩阵;为高光谱影像数据,为无人机灵敏度矩阵,为局部校正系数,为局部排放通量,为高光谱影像数据的误差协方差矩阵;为地面监测数据,为地面灵敏度矩阵,为地面监测数据的误差协方差矩阵,为先验估计排放通量,为先验误差协方差矩阵,为平滑权重系数,为平滑矩阵;

17、迭代求解的收敛条件为梯度范数小于第一阈值,或连续两次迭代的排放通量变化小于第二阈值。

18、可选地,校正前的高光谱影像数据通过步骤s301和s302获得:

19、s301,基于目标企业的地理位置、厂区范围、主导风向和风速预报,生成最优巡检路径;

20、s302,通过空基无人机层的无人机按照最优巡检路径,搭载的高光谱成像仪采集地表和大气的校正前的高光谱影像数据;

21、其中,无人机的采集时间根据卫星的采集时刻确定。

22、可选地,目标企业通过步骤s401至s404确定:

23、s401,获取样本遥感数据序列;其中,样本遥感数据序列包括一段时间内持续采集的多个样本遥感数据,样本遥感数据由天基卫星层的卫星在执行步骤s101之前采集,且多个样本遥感数据共享同一空间网格与地理坐标系统;

24、s402,确定每个样本遥感数据中每个网格的修正柱浓度数据;

25、s403,根据每个样本遥感数据中每个网格的修正柱浓度数据,进行异常检测,确定异常检测结果;

26、s404,基于异常检测结果确定目标企业。

27、可选地,对于任一样本遥感数据,其任一网格的修正浓度数据通过步骤s402-1至s402-5确定:

28、s402-1,提取样本遥感数据中网格的空间邻域数据集;其中,空间邻域数据集包括样本遥感数据中以网格为中心,预设大小的局部空间窗口内所有网格的柱浓度数据;

29、s402-2,确定空间邻域数据集涉及的各网格的标准差的均值;其中,对于空间邻域数据集涉及的任一网格的标准差为各样本遥感数据中网格的柱浓度数据的标准差;

30、s402-3,确定影响阈值;其中,为网格总数量;

31、s402-4,若,则确定样本遥感数据中网格的背景柱浓度数据为空间邻域数据集中柱浓度数据的20%分位数;若,则确定样本遥感数据中网格的背景柱浓度数据为空间邻域数据集中柱浓度数据的均值;

32、s402-5,确定样本遥感数据中网格的修正柱浓度数据为样本遥感数据中网格的柱浓度数据与其背景柱浓度数据的差。

33、可选地,s403包括:

34、s403-1,确定各网格的异常值;其中,任一网格的异常值,为样本遥感数据总数量,为样本遥感数据中网格的修正柱浓度数据,为各样本遥感数据中网格的背景柱浓度数据的标准差,为网格的拉普拉斯算子,为空间平滑系数;

35、s403-2,将异常值>的网格确定为第一目标网格,将异常值的网格确定为第二目标网格,其中,为所有网格的异常值的均值,为所有网格的异常值的标准差;

36、s403-3,将第一目标网格和第二目标网格均确定为异常检测结果。

37、可选地,s404包括:将第一目标网格覆盖的工业企业确定为目标企业,并且,将距第一目标网格最近,且被第二目标网格覆盖的工业企业确定为目标企业。

38、可选地,无人机的采集时间为[卫星的采集时刻-0.5小时,卫星的采集时刻+0.5小时]。

39、可选地,无人机的采集时间为[卫星的采集时刻-,卫星的采集时刻+];

40、其中,为有效时长,,为无人机的最大有效采集时长,为最优巡检路径的飞行长度,为无人机巡航速度,为大气稳定系数。

41、(三)有益效果

42、本发明的有益效果是:

43、本发明涉及一种基于空天地一体化协同监测的工业碳排放因子反演方法,该方法基于物理约束和联合反演框架实现;物理约束是基于有机融合卫星遥感数据、无人机高光谱数据、地面监测数据、工业过程数据和先验知识库的协同约束;该方法包括:获取目标企业相关的卫星遥感数据、高光谱影像数据和地面监测数据;其中,卫星遥感数据由天基卫星层的卫星采集;高光谱影像数据由空基无人机层的无人机采集,且无人机采集时刻根据卫星采集时刻确定;地面监测数据由地基监测层的地面监测设备采集;目标企业基于样本卫星遥感数据的异常检测结果确定,样本遥感数据由天基卫星层的卫星在之前采集;将卫星遥感数据、高光谱影像数据和地面监测数据输入至预先构建的多源协同反演模型中,通过最小化包含各数据源观测值与模拟值偏差的目标函数,迭代求解得到排放通量;其中,反演时卫星遥感数据、高光谱影像数据和地面监测数据的权重,是基于各数据源的误差协方差矩阵动态确定的;将排放通量与同期的活动水平数据的商确定为工业碳排放因子。本发明的方法无需详细的物料流数据,降低了数据采集成,且无需严格要求数据完整性,可以在大规模企业核查中推广应用。