基于星载差分吸收激光雷达的城市地区CO2浓度反演方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41601351
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    19.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0113.遥感科学
  • 结题年份:
    2019
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2019-12-31

项目摘要

Xco2 observations of high accuracy and spatial resolution are the fundamental data to estimate carbon flux in urban area precisely, deepening our understanding on how human activities affect the carbon cycle. Recently, the rapid development of hardware technology of CO2-IPDA provides a great opportunity to obtain the above data. However, performances of an IPDA would be worrying in urban area owing to difficulties such as heterogeneous meteorological parameters, complex surfaces and distinct vertical profiles of CO2.Handling the above problems, three measures are proposed in this project to achieve retrievals of high accuracy and spatial resolution in urban area. Firstly, a novel framework based on a multi-wavelength IPDA is proposed to suppress errors derived from inaccurate measurements of meteorological parameters. Meanwhile, maximum likelihood estimation combined with the Monte Carlo method would be utilized to perform accurate estimation of the length of the integrated-path under complex environments. Moreover, a novel retrieving method for range-resolved CO2 measuring would also be evaluated by using scattering signals enhance by the haze to acquire the CO2 profile. Results of this study will help establishing the theoretical foundation for carbon verification in urban area using remote sensing. Besides, the development of a Chinese CO2-IPDA will be benefited from those new findings.
覆盖城市地区的高分辨、高精度CO2浓度监测产品是准确估计城市碳通量,理解人类活动对碳循环影响的重要基础数据。近年来,星载CO2探测差分吸收激光雷达(CO2-IPDA)硬件技术的快速发展为实现这一目标提供了宝贵的机遇。但是,城市地区气象要素异质性高、地形复杂、CO2垂直分布异于自然地区,极大地制约了IPDA的探测性能。本项目以“反演框架-参数估计-限制条件”作为突破口和研究主线,提出多波长差分反演框架克服传统反演对大气要素精确测量的依赖;发展基于最大似然估计和蒙特卡洛模拟的宽脉宽测距方法增强复杂地形下的积分路径长度的估算精度;改进廓线反演算法利用灰霾散射信号进行CO2廓线反演为柱浓度反演提供限制条件。最终,以期在城市地区实现高分辨、高精度的柱浓度反演。本研究将为遥感应用于城市碳核查提供理论储备并为我国的星载CO2-IPDA研制工作提供技术支撑。

结项摘要

全球超过70%的CO2来源于城市地区的排放,厘清城市尺度的碳通量对于落实巴黎峰会通过的减排计划有着关键的支撑作用。因此,发展针对城市地区的大气CO2监测手段是一项具有重大科学和政治意义的任务。与现有的红外高光谱仪相比,IPDA激光雷达利用激光进行大气探测,不依赖于太阳光,因此不受太阳高度角限制,能够有效的在高纬地区进行探测;其次,激光光斑的直径在地面不超过30 m,能够利用云之间缝隙进行探测,大幅提高了有效观测数,从而使得高分辨率探测成为可能;最后,由于IPDA测量的直接物理量是两个相近波长激光的回波能量比,所以对气溶胶和地表反射率相对不敏感,能够很好的适应城市环境下的探测。然而,目前该领域的研究侧重于硬件指标的提升,而忽略了与之配套的反演方法改进,依然采取经典的差分吸收反演算法和各种基础的参数估计方法。.本项目发展基于星载IPDA激光雷达的数据反演方法。 (1)构建了一种多波长差分吸收反演方法,克服波长依赖变量对传统差分吸收反演算法性能的影响,从而大幅减少乃至消除大气压力和温度参数测量不确定性对CO2浓度反演精度的影响;(2)发展了一种基于最大似然估计和蒙特卡洛模拟的脉冲激光积分路径长度估计方法,准确的确定平均路径积分长度,以实现反演精度的进一步提升;(3)提出了一种基于灰霾散射信号的边界层内CO2廓线浓度反演方法,实现大气边界层内的CO2浓度廓线反演,为柱浓度反演提供可靠的先验条件。.项目实施以来,通过一系列技术攻关,完成了星载IPDA激光雷达的反演算法,目前该算法已经被应用在大气环境监测星(DQ-1)的CO2-IPDA LIDAR载荷试飞数据处理。预计大气环境星2020年后发射,本算法效力将得到更大的发挥。大气环境星立项于2016年中,本项目于2016年初申请,年中批复。反演算法开发大幅领先硬件研制,从而对硬件研制起到了很好的支撑作用,也充分体现了本项目的前沿性。依托本项目的研究,发表SCI论文11篇,获得授权专利1项,已申请正在审查阶段专利3项,获得软件著作权1项。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(2)
Performance Evaluation for China's Planned CO2-IPDA
中国规划CO2-IPDA绩效评估
  • DOI:
    10.3390/rs9080768
  • 发表时间:
    2017
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Han Ge;Ma Xin;Liang Ailin;Zhang Tianhao;Zhao Yannan;Zhang Miao;Gong Wei
  • 通讯作者:
    Gong Wei
Comparison of Satellite-Observed XCO2 from GOSAT, OCO-2, and Ground-Based TCCON
GOSAT、OCO-2 和地基 TCCON 卫星观测到的 XCO2 的比较
  • DOI:
    10.3390/rs9101033
  • 发表时间:
    2017
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Liang Ailin;Gong Wei;Han Ge;Xiang Chengzhi
  • 通讯作者:
    Xiang Chengzhi
Regional Atmospheric Aerosol Pollution Detection Based on LiDAR Remote Sensing
基于激光雷达遥感的区域大气气溶胶污染检测
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Ma Xin;Wang Chengyi;Han Ge;Ma Yue;Li Song;Gong Wei;Chen Jialin
  • 通讯作者:
    Chen Jialin
Feasibility Study on Measuring Atmospheric CO2 in Urban Areas Using Spaceborne CO2-IPDA LIDAR
利用星载CO2-IPDA激光雷达测量城市地区大气CO2的可行性研究
  • DOI:
    10.3390/rs10070985
  • 发表时间:
    2018
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Han Ge;Xu Hao;Gong Wei;Liu Jiqiao;Du Juan;Ma Xin;Liang Ailin
  • 通讯作者:
    Liang Ailin
On-line wavenumber optimization for a ground-based CH4-DIAL
地面 CH4-DIAL 的在线波数优化
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    Journal of Quantitative Spectroscopy and Radiative Transfer
  • 影响因子:
    2.3
  • 作者:
    马昕;史天奇;徐浩;何斌;邱若楠;韩舸;龚威
  • 通讯作者:
    龚威

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Regional Atmospheric Aerosol Pollution Detection Based on LiDAR Remote Sensing
基于激光雷达遥感的区域大气气溶胶污染检测
  • DOI:
    10.3390/rs11202339
  • 发表时间:
    2019
  • 期刊:
    REMOTE SENSING
  • 影响因子:
    --
  • 作者:
    马昕;王成义;韩舸;马跃;李松;龚威;陈嘉林
  • 通讯作者:
    陈嘉林
On-line wavenumber optimization for a ground-based CH4-DIAL
地面 CH4-DIAL 的在线波数优化
  • DOI:
    10.1016/j.jqsrt.2019.03.013
  • 发表时间:
    2019
  • 期刊:
    Journal of Quantitative Spectroscopy and Radiative Transfer
  • 影响因子:
    2.3
  • 作者:
    马昕;史天奇;徐浩;何斌;邱若楠;韩舸;龚威
  • 通讯作者:
    龚威
Quantifying CO2 Uptakes Over Oceans Using LIDAR: A Tentative Experiment in Bohai Bay
使用激光雷达量化海洋上的二氧化碳吸收量:渤海湾的初步实验
  • DOI:
    10.1029/2020gl091160
  • 发表时间:
    2021
  • 期刊:
    Geophysical Research Letters
  • 影响因子:
    5.2
  • 作者:
    史天奇;韩舸;马昕;龚威;陈卫标;刘继桥;张兴赢;裴志鹏;缑海龙;卜令兵
  • 通讯作者:
    卜令兵
High-Precision CO2 Column Length Analysis on the Basis of a 1.57-µm Dual-Wavelength IPDA Lidar
基于 1.57 µm 双波长 IPDA 激光雷达的高精度 CO2 柱长分析
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    SENSORS
  • 影响因子:
    3.9
  • 作者:
    马昕;张豪伟;韩舸;徐浩;史天奇;龚威;马跃;李松
  • 通讯作者:
    李松
A Regional Spatiotemporal Downscaling Method for CO2 Columns
CO2 柱的区域时空降尺度方法
  • DOI:
    10.1109/tgrs.2021.3052215
  • 发表时间:
    2021
  • 期刊:
    IEEE Transactions on Geoscience and Remote Sensing
  • 影响因子:
    8.2
  • 作者:
    马昕;张豪伟;韩舸;毛飞跃;徐浩;史天奇;HAO HU;TONGTONG SUN;龚威
  • 通讯作者:
    龚威

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

韩舸的其他基金

利用差分吸收激光雷达的星地一体化城市CO2通量监测方法研究
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    61 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码