针对SCIAMACHY探测器问题的CO柱浓度反演算法改进与地基验证

搭载于ENVISAT卫星上的SCIAMACHY是目前唯一采用近红外波段观测大气温室气体(CO₂,CH₄,CO)的高光谱传感器.与其它热红外卫星传感器如AIRS、MOPITT、IASI等相比,SCIAMACHY用于CO探测的近红外波段对与人类活动密切相关的底层大气具有更高的敏感性.但无论从光谱角度(该波段CO吸收强度较弱,且存在很强的CH₄和H₂O重叠吸收),还是从SCIAMACHY仪器问题的角度(近红外波段探测器容易出现结冰现象),都给CO反演带来很大的挑战.由于探测器结冰问题造成SCIMACHY CO反演误差高达100%,并且该误差随时间和空间而变化.多个研究机构发展了各种不同的算法用于该误差的校正,但校正结果的时间一致性较差.本文基于IMAP-DOAS的CO反演算法,发展了一种针对SCIAMACHY探测器结冰问题的新校正算法,校正后的CO柱浓度反演误差以及时间一致性都比较理想,并与不同地基FTIR观测结果进行了对比,对比结果表明该校正算法的CO反演结果与地基观测一致性较好,相对偏差由校正前的60%减小到了5%,能够准确地获得CO的时空变化信息.经过校正后的CO柱浓度结果不仅可以用于准确获得CO排放源与汇的时空分布信息,还可以为政府部门制定碳减排相关政策提供重要参考,有效控制全球温室效应.     

大气环境卫星污染气体和大气颗粒物协同观测综述

空气污染作为一种重要的环境问题,直接影响人们的日常生活和身体健康。随着污染气体和颗粒物观测技术的逐步成熟,基于卫星平台的近地层大气污染物监测得到了快速的发展。本文概括性描述了大气环境关注的污染气体和大气颗粒物的主流遥感方法,对各方法的适用场景及优缺点进行了评述。尽管差分吸收光谱方法对污染气体的监测十分有效,但最优估计算法可进一步从多光谱信息中提取部分污染气体（例如：臭氧O₃、一氧化碳CO等）的分层信息,有助于更细致地刻画污染气体在整层大气中的垂直分布。对于大气颗粒物遥感方法,采用不同的技术手段进行地气解耦是算法的核心问题,增加光谱、角度、偏振以及时间序列信息都可有效增加算法的地气解耦能力。基于对污染气体和大气颗粒物反演算法的总结,从污染气体和颗粒物协同观测的角度对卫星平台及传感器的发展历程进行了梳理,论述了紫外、红外以及可见光波段的传感器协同观测的优势,展望了未来静止卫星星座的高时空分辨率大气污染监测能力以及中国卫星的贡献。还探讨了以近地面大气污染物监测卫星探测技术及遥感算法亟待解决的问题以及未来的可能发展方向。