成像光谱遥感中二氧化氮羽流信号的识别方法

摘要: 本发明涉及基于成像光谱遥感的大气环境监测,特别涉及成像光谱遥感中二氧化氮羽流信号的识别方法。背景技术:1、二氧化氮(no2)是大气中重要的污染气体之一,主要来源...
成像光谱遥感中二氧化氮羽流信号的识别方法

本发明涉及基于成像光谱遥感的大气环境监测,特别涉及成像光谱遥感中二氧化氮羽流信号的识别方法。

背景技术:

1、二氧化氮(no2)是大气中重要的污染气体之一,主要来源于火电、钢铁、石化、化工、交通运输及其他高温燃烧过程。no2不仅会刺激呼吸系统、危害人体健康,还参与臭氧和二次颗粒物的形成,对区域空气质量和生态环境具有重要影响。因此,面向no2排放源开展精细化遥感监测,对于污染防治、排放监管、环境执法以及大气污染成因分析具有重要意义。近年来,全世界及国内都对nox等大气污染物排放提出了更高要求。在这一背景下,如何准确识别工业设施等重点排放源释放的no2羽流,并进一步实现排放归因与定量评估,已成为大气环境监测领域的重要技术需求。与区域浓度变化相比,设施尺度no2羽流通常具有源头位置相对固定,局部增强明显,空间形态受风场控制等特点,因此具备开展排放源识别、羽流追踪和排放归因分析的基础。

2、现有no2卫星遥感观测主要依赖专用大气成分探测载荷,例如哨兵5p卫星搭载的对流层监测仪tropomi。此类载荷在区域及全球尺度no2监测中发挥了重要作用,但其空间分辨率通常为公里级,难以满足设施尺度排放监测对高空间分辨率的需求。当多个排放源距离较近或地表环境复杂时,公里级像元往往会混合多个排放源的信号,导致难以实现精确的源归因,也难以支撑设施尺度的排放量化。

3、随着星载成像光谱仪的发展,具备较高空间分辨率的遥感数据为设施尺度no2羽流探测提供了新的可能。此类传感器通常具有数十米量级的空间分辨率,能够更清晰地刻画工业设施周边羽流的空间形态,为排放源识别、羽流追踪和后续量化分析提供更细致的观测基础。然而,no2主要在可见光波段表现出吸收特征,该波段受瑞利散射、气溶胶散射以及地表反射率变化影响显著,二氧化氮吸收信号与地表背景、大气散射之间存在较强耦合关系。此外,在排放设施周边,地表类型复杂、反射特性差异明显,容易对no2羽流识别造成干扰。

4、目前已有的一些羽流识别方法,例如匹配滤波类方法,多基于弱吸收扰动和背景线性叠加等假设,在地表较均一、散射影响较弱的条件下可以取得较好的气体探测效果,但对于复杂地表背景下的no2探测仍存在适应性不足的问题。在复杂地表和强散射条件下,该类方法容易将地表光谱结构变化或散射变化误判为二氧化氮增强信号,从而产生假阳性并干扰羽流识别。

5、因此,亟需发展一种面向成像光谱遥感的二氧化氮羽流信号识别方法,以在复杂地表和散射不可忽略条件下实现对设施尺度no2羽流的稳定识别,为污染排放精细化监管和减污降碳协同治理提供技术支撑。

技术实现思路

1、针对现有技术在复杂地表和可见光强散射条件下二氧化氮羽流识别适应性不足,易出现假阳性的问题,本发明提供了一种成像光谱遥感中二氧化氮羽流信号的识别方法,通过对星载成像光谱数据进行预处理,选取no2可见光反演窗口,以探测器列为单位建立对数辐亮度背景统计,利用no2单位吸收谱与低频光谱基函数共同构建设计矩阵,并通过加权最小二乘求解no2羽流增强量,从而区分no2吸收结构与地表反射率、瑞利散射等低频变化。具体通过以下技术实现。

2、本发明提供的成像光谱遥感中二氧化氮羽流信号的识别方法,包括以下步骤:

3、获取目标区域的星载成像光谱数据,对所述星载成像光谱数据进行预处理,得到待处理辐亮度数据;

4、基于no2在可见光波段的吸收特征,从所述待处理辐亮度数据中选取包含no2吸收信息的反演波段,形成反演窗口数据;

5、以探测器列为单位,将与所述待反演像元位于同一列的有效像元作为背景像元;对所述背景像元的辐亮度光谱取自然对数,计算列背景均值向量和列背景协方差矩阵;

6、根据no2吸收截面,以及星载成像光谱仪各波段的所述中心波长和半峰全宽,构建适配当前传感器光谱响应的no2单位吸收谱;

7、将待反演像元的对数辐亮度与所述列背景均值向量的差值作为观测向量;构建由所述no2单位吸收谱和低频光谱基函数组成的设计矩阵;基于所述列背景协方差矩阵对二氧化氮斜柱浓度增强量进行加权最小二乘求解,获得二氧化氮斜柱浓度增强量;

8、计算卫星观测场景对应的空气质量因子,将所述二氧化氮斜柱浓度增强量转换为二氧化氮垂直柱浓度增强量,检查其中是否含有二氧化氮羽流。

9、进一步地,所述星载成像光谱数据包括每个像元的辐亮度光谱、中心波长、半峰全宽、成像几何、地理坐标、太阳几何和地表高程。

10、进一步地,所述预处理包括辐射校正、几何校正、异常值剔除、坏波段剔除、云像元屏蔽和水体像元标识。

11、所述云像元屏蔽的方法为:对于云像元,根据蓝、绿、红、近红外、短波红外和1.38μm附近波段的表观反射率关系,生成云掩膜;

12、所述水体像元标识的方法为:对于水体像元,根据绿光、近红外和短波红外反射率关系,生成水体掩膜。

13、进一步地,所述反演波段为400 nm-500 nm。

14、进一步地,对所述背景像元的辐亮度光谱取自然对数,计算列背景均值向量和列背景协方差矩阵的方法为:

15、将所述背景像元的辐亮度光谱lb视为多元对数正态分布,则ln(lb)服从如下多元高斯分布;

16、;

17、所述列背景均值向量μb和列背景协方差矩阵σb分别按列统计为如下公式;

18、;

19、;

20、其中,lb(n)为第n个背景像元的辐亮度光谱,n为同一探测器列中的有效背景像元的数量;t为矩阵的转置。

21、进一步地,根据no2吸收截面,以及各波段的所述中心波长和半峰全宽,构建适配当前传感器光谱响应的no2单位吸收谱的方法为:

22、读取高分辨率的no2吸收截面;

23、根据各波段的所述中心波长和半峰全宽,构建光谱响应函数;

24、将所述no2吸收截面和所述光谱响应函数进行卷积和重采样,得到no2单位吸收谱k。

25、更进一步地,根据成像光谱仪第i个波段的中心波长λc,i和谱宽参数fi,构建的第i个波段对应的高斯型的光谱响应函数srfi(λ)如下公式所示;

26、;

27、其中,λ表示波长,c为高斯型光谱响应函数的宽度转换系数,表达式为。

28、具体地,将所述no2吸收截面σ(λ)与所述光谱响应函数srfi(λ)进行卷积和重采样,得到no2单位吸收谱k的方法为:

29、将所述no2吸收截面σ(λ)与所述光谱响应函数srfi(λ)重采样至同一波长网格;

30、基于所述光谱响应函数srfi(λ)对所述no2吸收截面σ(λ)进行加权积分,得到第i个波段对应的所述no2单位吸收谱ki;

31、;

32、其中,ki为第i个波段对应的所述no2单位吸收谱;

33、对目标波长范围内的各波段重复上述步骤,得到与星载成像光谱仪各波段匹配的no2单位吸收谱k。

34、进一步地,将待反演像元的对数辐亮度与所述列背景均值向量的差值作为观测向量;构建由所述no2单位吸收谱和低频光谱基函数组成的设计矩阵;基于所述列背景协方差矩阵对所述二氧化氮斜柱浓度增强量进行加权最小二乘求解,获得no2羽流增强量的方法为:

35、当待反演像元中存在no2羽流增强时,根据朗伯比尔定律,待反演像元的辐亮度光谱lt表示为:

36、;

37、其中,其中,lb为背景浓度像素对应的辐亮度光谱;r为等效反射率向量,用以描述待反演像元相对于列背景像元的地表反射率及散射低频变化;

38、lt也被视为符合对数正态分布,即:

39、;

40、;

41、;

42、其中,k为所述no2单位吸收谱,α为二氧化氮斜柱浓度增强量,μt为待反演像素对应的均值向量,μb为列背景均值向量,σt为待反演像素对应的协方差矩阵,σb为列背景协方差矩阵;

43、采用legendre多项式基函数作为所述低频光谱基函数,将反演窗口内的波长归一化至[-1,1],残差模型v为:

44、;

45、其中,pd(λ)为第d阶的legendre多项式,d=0,1,2,...,d;ad为对应系数;d为legendre多项式的最高阶数;

46、残差模型v写成矩阵形式为:

47、;

48、;

49、;

50、;

51、其中,p0(λ)至pd(λ)为第0阶至第d阶的legendre多项式;

52、基于加权最小二乘,状态向量的最优估计为:

53、;

54、状态向量的第一个分量为no2沿有效光程的二氧化氮斜柱浓度增强量α,其余分量为低频光谱项系数。

55、更进一步地,将所述二氧化氮斜柱浓度增强量转换为二氧化氮垂直柱浓度增强量的方法为:

56、根据成像几何角度、地理坐标、太阳几何角度和地表高程,计算空气质量因子amf;按照以下公式将二氧化氮斜柱浓度增强量dscd转换为二氧化氮垂直柱浓度增强量dvcd;

57、。

58、与现有技术相比,本发明的有益之处在于:

59、1、利用成像光谱仪数十米量级空间分辨率,可对工业设施等点源附近的no2羽流进行设施尺度识别。

60、2、以探测器列为单位建立背景统计,能够削弱成像光谱仪跨轨探测器响应差异对反演结果的影响。

61、3、在对数辐亮度空间中联合反演no2吸收项和低频多项式项,可将no2吸收结构与地表反射率、瑞利散射等低频光谱变化区分开,降低复杂地表下的误检。

62、4、通过迭代背景剔除、标准误差约束和连通域筛选,可获得更连续、更可靠的no2羽流区域,为排放源定位和排放量化提供基础数据。