热红外氧化亚氮垂直廓线卫星遥感反演算法的不确定性分析研究

Nitrous Oxide is a very important greenhouse gases and ozone-depleting substance. Satellite observations of thermal infrared(TIR) is sensitive to N2O in the middle to upper troposphere and it will be complementary to currently sparse ground-based and irregular satellite observations for monitoring the N2O trend associated with climate change. But observations in TIR are often disturbed by temperature、humidity profiles and surface temperature, which can lead to significant retrieval error of N2O. In addition, the absorbtion band of N2O is mixed together with H2O and CH4. Also the inversion algorithm is affected by the a-priori and the stability of the iterative model. The refinement of these uncertainty factors is very essential for the retrieval method. This study aims to develop a retrieval algorithm for improving N2O profile retrievals in TIR band. The issue of the a-priori and channel selection is discussed. Then we will use AIRS observations in typical region to retrieve N2O concentration. Validation and error analysis will be carried out by comparing the retrieval results with measurements from ground observing stations and hundreds of aircraft measurement profiles from HIPPO campaigns across a wide latitudinal range.

N2O是一种非常重要的温室气体和臭氧损耗物。利用热红外高光谱卫星探测一方面弥补了站点数据空间覆盖能力的不足，另一方面相比其它卫星能够得到更高分辨率的N2O垂直分布信息，可以为我国制定合理的N2O减排政策提供科学依据。但是，由于N2O在大气中含量较少且变化幅度不大，很容易受到大气温湿廓线和地表温度等参数误差的影响。另外N2O和H2O、CH4等气体的吸收信号混合在一起，很难独立提取。反演算法还会受到先验廓线精度和迭代模型稳定性等因素的影响。因此，如何约束诸多不确定因素，提高N2O反演精度是本研究的关键。本研究拟通过开展不确定因子的敏感性分析和约束策略研究，构建合理的统计回归模型和基于权重函数和透过率的通道选取方法，利用最优估计法逐步迭代提高N2O反演精度。课题利用AIRS卫星观测资料进行反演试验，并利用飞行采样和地基站点观测资料对反演结果进行验证与误差分析，进一步改进算法，提高反演精度。

氧化亚氮是一种非常重要的温室气体和臭氧损耗物。由于观测资料有限，对于氧化亚氮在这两方面所发挥的作用的定量描述还存在很多的不确定性。利用热红外反演氧化亚氮廓线，反演结果会受大气参数如大气温湿廓线等，以及地表参数，如地表温度和地表发射率等的影响。氧化亚氮自身变化幅度较小，因此利用最优估计法反演时，大气参数和地表参数的正确设置、先验廓线获取和反演通道的选择都是反演的关键所在。基于此，本文首次在国内开展了热红外卫星遥感反演大气氧化亚氮廓线的方法研究，研究内容及成果如下：1)模拟分析大气状态参数和地表参数对大气氧化亚氮廓线反演的影响；2) 研究一种快速获取大气氧化亚氮初始廓线的方法，开展了基于特征向量统计法的大气氧化亚氮初始廓线获取方法的研究；3)提出了一种基于权重函数的通道选取方法；4)首次分析了我国氧化亚氮的年均值变化和月均值变化情况，以及它的空间分布特征。