基于超光谱O2 A带的叶绿素荧光影响参数化校正方法研究

For the retrieval precision of atmospheric CO2 from satellite observation of vegetation areas, chlorophyll fluorescence (Fs) plays an important part on it, which disturbs the key information source O2 A band of CO2 retrieval and causes potentially large CO2 retrieval errors. Currently, the Fs satellite observation faces two major difficulties, the first one is the information source is single, the other one is fully decoupling atmospheric scattering effect and Fs is hard, which make the effect of Fs difficult to overcome in CO2 retrieval. This project proposed an effective Fs effect correction method. Abundant hyperspectral information is fully used to learn about the parameterized characterization of the Fs effect and the optimization of information source, for distinguishing Fs from atmospheric scattering effect stably. Threes aspects would be discussed: (1) Study the probability distribution of the Fs radiation. (2) Construct a parametric model which could represents the radiative contribution of Fs and atmospheric scattering, with multi-source information. (3) Develop the atmospheric CO2 retrieval and Fs correction method, validating and optimizing the method, and try to quantify the effect of Fs on atmospheric CO2 accurately. By combining multi-source information and introducing parametric model into the CO2 retrieval, this method may improve the CO2 satellite precision in vegetation areas.

叶绿素荧光是植被区大气CO2卫星观测精度的一个重要影响因素，通过干扰CO2反演的关键信息源超光谱O2 A带而产生潜在的明显误差，目前叶绿素荧光卫星观测存在信息源单一、难以稳定解缠O2 A带中大气散射影响的问题，导致CO2卫星观测中叶绿素荧光影响难以克服。项目提出一种叶绿素荧光影响的有效校正方法，充分利用超光谱信息，探索叶绿素荧光影响的参数化描述及其信息源的优化，以稳定区分O2 A带叶绿素荧光和大气散射影响。拟解决如下问题：（1）分析超光谱条件下叶绿素荧光辐射特征与变化规律；（2）在此基础上，研究O2 A带叶绿素荧光与大气散射影响参数化模型，并优化信息源；（3）研究基于此模型的大气CO2反演和叶绿素荧光影响校正方法，实现算法的验证优化与叶绿素荧光影响的准确定量。多信息源的融合和参数化描述方法的引入，增加了参与反演的信息量，降低了参数相关性和计算复杂度，有望提高叶绿素荧光区CO2卫星观测精度。

反演精度决定着大气二氧化碳（CO2）卫星遥感技术的应用能力，对于1%的精度要求来说，现有反演精度仍存在着不足。植被广泛分布于地球表面，其光学行为改变了大气碳含量，也影响着卫星遥感CO2反演精度。为此，本项目探索了O2 A与植被的关系，并以此为基础建立了校正方法，主要研究内容如下：1）根据O2在大气中含量及分布极度稳定的特点，深入研究O2 A带的散射和吸收特性，以及O2 A 0.76um、CO2 1.6um和2.0um光谱带信息上的差异与互补特性，设计了基于三光谱带的大气散射参数化模型，提高叶绿素荧光与大气散射的解耦能力；2）通过对全球植被叶绿素荧光时空分布的统计与分析，掌握叶绿素荧光对大气CO2反演的时空差异，针对性地提出反演过程先验约束方法，使得CO2反演中能对叶绿素荧光这种弱信号提供稳定、高效的约束。项目从模拟分析和实验验证两方面检验了方法的可靠性。模拟分析上，从地表、大气和遥感的可能变化范围，基于辐射传输模型检验了反演结果，表明该校正方法有效且稳定，不仅使得最大CO2误差由15ppm降低到0.5ppm，且校正效能不受叶绿素荧光强度及观测环境的影响。实测验证以遥感反演的卫星数据和参考数据的选择及预处理、基于卫星数据的反演及反演算法设计等实际流程展开，以独立体现针对叶绿素荧光影响的校正效能。实测验证结果表明叶绿素荧光使得GOSAT卫星每年8月份的XCO2都低估1.85至2.58ppm，校正后低估情况较大改善，最大低估由2.58ppm降低到1.49ppm。该项目通过校正植被区叶绿素荧光的影响，提高了大气CO2的反演精度，对于实现1%（~4ppm）的CO2反演精度来说，提供了有力支撑。项目的成果是我国GF-5卫星大气CO2卫星遥感实现1％反演精度的重要技术支撑。