叶绿素荧光对CO_2反演的影响及校正方法研究

针对植物叶绿素荧光(fluorescence)对CO_2反演精度影响重视不足的问题,调研了全球植被荧光分布,模拟分析了荧光对大气CO_2柱平均干空气体积混合比(XCO_2)的影响。模拟计算表明,当忽略荧光的影响时,在极端情况下XCO_2的反演误差可达15×10~(-6);但是在全物理反演方法中同步反演0.755μm处的荧光时,可把反演误差校正到0.5×10~(-6)以内。用TCCON (The Total Carbon Column Observing Network)站点Park Falls附近的GOSAT (Greenhouse Gases Observing Satellite)夏季的数据进行反演,发现同步反演荧光可以把误差从6×10~(-6)校正到2×10~(-6)以内。上述实验结果表明,在高精度需求情况下,植物叶绿素荧光是一个不可忽略的因素。     

大气CO_2反演误差分析与精度验证

搭载于高分五号卫星平台的大气主要温室气体监测仪(GMI)主要用于测量大气温室气体CO_2和CH_4的柱浓度。为保证GMI遥感数据温室气体的反演精度,需分析温室气体反演中气溶胶等因素对反演结果的影响,并以此作为反演算法校正的要素。在此基础上,利用全球总碳柱观测网(TCCON)站点对GMI反演结果进行验证。结果表明,GMI近红外反演结果误差范围为-1.06±2.93×10~(-6)(-0.26±0.72%),反演精度在1%以内。     

超光谱大气CO_2监测仪光谱定标误差修正

超光谱大气CO_2探测需对遥感器进行精确表征及定标,其中光谱定标工作最为基础。针对传统实验室定标方法获取的波长定标系数不确定度高等特点,开展基于气体吸收法原理的光谱定标误差修正研究,该方法与仪器使用状态一致,提高了定标系数实用性。首先利用辐射传输进行了理论光谱及误差因素模拟计算,并基于大气环境模拟定标仓开展了大气XO_2吸收光谱测量实验,最后采用LM算法进行光谱误差修正迭代优化。光谱定标误差修正结果表明:光谱偏差均值由修正前的0.03 cm~(-1)下降到修正后0.008 cm~(-1),且系统性与突变性误差得以剔除,大大提高了地面光谱定标精度,为后续温室气体反演奠定了基础。     

对流层顶高对拉萨地区温室气体柱浓度反演的影响

对流层顶作为对流层和平流层之间的过渡层,对大气痕量气体浓度反演有非常重要的影响.理论分析对流层顶高对大气分子含量垂直分布的影响,并结合2018年8月(6—16日)拉萨观测数据,定量分析对流层顶高的变化对气体柱-平均摩尔分数Xgas反演的影响.结果表明:对流层顶高的变化改变气体分子的垂直分布,XCO_2, XCH_4与对流层顶高度变化呈正相关,相关系数分别为0.998和0.780; XCO与对流层顶高度变化呈负相关,相关系数为0.994;而XH_2O与对流层顶高度变化的相关性非常小.对流层顶高变化3 km, XCO_2,XCH_4及XCO误差范围在8.640%, 0.035%及0.049%以内.观测期间, XH_2O, XCO_2, XCH_4及XCO日平均值分别在3432—4287, 406.1～408.2, 1.673—1.720及0.082—0.095 ppmv之间变化.观测数据显示,该地区CO_2, CH_4气体柱-平均摩尔分数日变化趋势相似, XCO_2与XCH_4的相关系数大部分高于0.5.观测结果可为我国研究高原温带地区温室气体浓度的时空分布及其变化规律提供参考和第一手的直接观测数据.     

采用加权函数修正的差分光学吸收光谱反演环境大气中的CO2垂直柱浓度

采用加权函数修正的差分光学吸收光谱技术(weighting function modified differential optical absorption spectroscopy, WFM-DOAS)测量环境大气中的CO₂垂直柱浓度. 以直射太阳光测量光谱为例, 演示了WFM-DOAS算法的实现过程. 将环境大气分为50层, 借助辐射传输模拟软件SCIATRAN对各个测量光谱进行了模拟计算, 获得了最小二乘法拟合所需的目标气体CO₂及干扰气体H₂O、CH₄ 的柱权重函数和太阳归一化光谱常量. 采用WFM-DOAS方法对一整天的直射太阳光测量光谱进行了反演, 得到的反演误差均小于3%. 最后比较了两种不同DOAS算法对同一条测量光谱的反演结果, 验证了WFM-DOAS算法在红外被动气体遥感的优越性. 关键词： 环境污染监测 光学测量技术 红外光谱 温室气体     

粗糙度对热红外光谱反演铁矿中SiO_2含量影响的实验研究

矿物化学成分的精确确定对矿产资源开发利用具有重要意义,利用热红外光谱反演铁矿中SiO_2含量弥补了传统方法耗时长等方面的不足。然而铁矿的热红外光谱受表面粗糙度(roughness, Rq)等因素影响,导致SiO_2含量反演精度降低。现有研究在没有考虑矿石表面粗糙度对成分反演影响的情况下,利用热红外光谱数据对铁矿石中SiO_2含量进行定量反演,反演精度对精确圈定矿体范围及配矿难以提供有效帮助。因此,将粗糙度作为影响反演铁矿中SiO_2含量的考虑因素,研究对反演SiO_2精度的影响。以辽宁省的"鞍山式"铁矿为研究对象,为满足热红外光谱观测要求,将铁矿试样制备成直径6 cm、厚度1 cm的圆柱形块体共14块,按其SiO_2含量多少形成序列。每件试样正反两面制作成两个等级的粗糙度,并利用Surtronic S128粗糙度仪观测表面粗糙度。采用红外光谱辐射计Turbo FT观测试样热红外光谱发射率,利用归一化指数(NDI)分析光谱指数与SiO_2含量的相关性,确定两个等级粗糙度试样SiO_2含量的敏感波段分别位于8.12, 8.13和8.02, 8.03μm处,相关系数分别为0.947和0.972。建立敏感波段与试样SiO_2含量的定量反演模型,分析粗糙度对反演SiO_2含量的影响。结果表明:(1)粗糙度Rq增加对RF(reststrahlen features)特征区域光谱发射率增加影响明显。平均粗糙度Rq由1.05μm增加到2.47μm,使得同一块试样粗糙面与光滑面发射率的最大差值为0.17(相对差42.9%)。(2)相同等级粗糙度进行含量反演时,反演误差小,平均相对误差1.88%,大部分试样的反演精度能够满足地质矿产行业标准的误差要求。(3)实验结果较不考虑铁矿表面形态反演SiO_2含量精度3.57%有较大提高,相对提高精度为47.3%。因此,考虑粗糙度的影响对提高SiO_2含量的反演精度,实现铁矿的精确区划,合理、高效的开采铁矿资源具有重要意义。     

空间特性光谱反演及对户外光谱修正的可行性研究

户外高光谱探测可以快速获取样品的光谱信息,但受环境光线和样品二向反射特性的影响,采集到的光谱并不能准确反映样品的真实信息,对户外探测精度有一定影响。为了提高户外高光谱探测精度,提出了一种使用空间特性光谱对户外光谱进行修正的方法,以冬枣、红提、小白杏为研究对象,使用Walthall、 Shibayama、 Ross-li、 Roujean与Rahman这5种BRDF模型反演3种果品的空间特性光谱,利用反演的空间特性光谱对户外光谱进行修正,之后分别建立暗室光谱、户外光谱与修正光谱的品质预测模型。反演结果表明：3种果品的空间特性光谱均有较好的反演效果,反演误差从低到高依次为冬枣、小白杏、红提,平均决定系数R²分别为0.957、 0.947、 0.927,平均误差分别为3.56%、 4.90%、 8.23%; 5种BRDF模型中,Walthall模型的反演效果最佳,平均决定系数R²与误差分别为0.949、 5.33%, Ross-li模型的反演效果最差,平均决定系数与误差分别为0.934、 6.05%。户外光谱修正结果表明：户外光谱经过修正后噪声减少...     

利用O4测量去除NO2柱浓度直射太阳光差分吸收光谱探测中云的影响

直射太阳光差分吸收光谱(DS-DOAS)技术用于NO2等气体的垂直柱浓度长期监测,当仪器视场中有云时,云内颗粒对光的多次散射会导致此技术的测量结果存在较大误差。针对此问题,采用DS-DOAS技术中同步测量O4垂直柱浓度的方法,判断视场内是否有云,对NO2垂直柱浓度的监测结果进行修正。统计得到了晴朗天气下由反演误差、大气扰动等因素引起的O4垂直柱浓度测量值的变化幅度为6%。O4变化幅度大于6%时,认为视场内有云。采用此方法修正了4天NO2垂直柱浓度监测结果,证实了此方法可以有效地提高DS-DOAS技术的测量精度。     

基于傅里叶变换红外光谱技术测量大气中CO_2的稳定同位素比值

长期监测大气中CO_2及其稳定同位素不仅可以获得CO_2源和汇信息,还可以确定不同排放源对大气中CO_2的贡献.傅里叶变换红外光谱技术是目前大气中痕量气体柱浓度高精度遥测的一种重要方法.本研究基于地基高分辨率傅里叶变换红外光谱仪采集的近红外太阳吸收光谱反演出大气中CO_2的稳定同位素~(13)CO_2和~(12)CO_2.在选择的~(13)CO_2的三个光谱窗口和~(12)CO_2的两个光谱窗口光谱拟合残差都很小,光谱拟合质量高.实验观测期间CO_2同位素~(13)CO_2和~(12)CO_2的反演误差平均值分别为(1.18±0.27)%和(0.89±0.25)%;利用Allan方差计算出观测系统的碳同位素比值δ~(13)C的测量精度为0.041‰.获得了2015年9月18日至2016年9月24日一年内大气中碳同位素比值δ~(13)C的长时间序列.结果表明,在整个测量期间δ~(13)C在-7.58‰--11.66‰范围内变化,平均值为(-9.5±0.57)‰;δ~(13)C有着明显的季节变化,冬季最小,夏季最大.分析了取暖导致的化石燃料燃烧排放增多是冬季大气中CO_2重同位素~(13)CO_2贫化的原因.观测结果显示了高分辨率傅里叶变换红外光谱仪具有准确和高精度观测大气中CO_2的稳定同位素和同位素比值δ~(13)C的能力.     

可见／红外光谱区烟尘浓度测量问题的研究

在透射法烟尘浓度测量中,采用非独立模式算法分别在可见、红外、可见/红外三个光谱区计算了烟尘浓度.通过对三个光谱区烟尘浓度反演结果的准确度,线性度以及灵敏度进行分析比较,确定了透射法烟尘浓度测量的最佳光谱区为可见/红外区.同时模拟了不同粒径分布,不同体积浓度的水滴分散系对烟尘浓度测量结果的影响.仿真计算结果表明,在可见/红外光谱区,烟尘浓度的反演结果与真值基本吻合.采用限定的消光比方法能够最大限度地克服水滴的影响,使测量的精度和可靠性明显提高.对测量的消光值加入2%随机噪声时,烟尘浓度的反演仍能得到满意的结果.     

高分辨率太阳吸收光谱二氧化碳反演中参数的敏感性分析

基于高分辨率傅里叶变换红外太阳吸收光谱可以准确测量大气中二氧化碳的柱总量。基于光谱反演算法中的前向模型,分析了改变前向模型中不同参数和不同天顶角情况下对反演结果的影响及其原因。选取具有代表性的两天的测量光谱,改变前向模型中连续体倾斜量值、内部视场角、零偏置和多普勒效应四个模型参数,观察不同先验模型参数的扰动对二氧化碳测量结果的影响。结果表明,不同模型参数的扰动引起反演的二氧化碳柱平均干空气混合比(XCO₂)相对偏差并不一样;不同的测量时间,相同参数扰动引起的二氧化碳含量相对偏差也不同。其中连续体倾斜量值的变化对反演结果的影响最大,其变化引起的相对偏差波动范围在0.1%～0.2%之间;内部视场角、零偏置和多普勒效应的变化对反演结果影响较小,引起的二氧化碳的相对偏差分别在-0.045%～0.02%,-0.045%～0.015%和-0.03%～0.04%之间。最后用二氧化碳反演平均核解释了反演误差来源。研究结果对光谱反演算法中模型参数的设定和提高测量的准确度提供了理论依据。     

基于太阳吸收光谱观测大气一氧化碳柱总量

基于地基高分辨率傅里叶变换红外光谱技术观测合肥地区一氧化碳(CO)垂直柱总量的变化,连续采集近红外太阳吸收光谱,获得2015年9月至2016年7月整层大气CO的垂直柱总量的时间序列。观测结果显示合肥地区大气中柱平均干空气混合比(XCO)有着明显的季节变化,在2015年10月有着较小值,然后逐渐增加,到2016年3月达到最大值,之后逐渐下降,在2016年7月底达到最小值,并分析了季节变化的原因。为了对地基近红外波段观测进行验证,采用MOPITT卫星数据和站点同一光谱仪采集的中红外光谱反演的CO柱总量与同期测量的数据进行比对。结果表明,MOPITT卫星数据与地基观测值的季节变化一致,而MOPITT观测值整体高于地基FTS观测值;近红外和中红外波段反演的CO柱总量季节变化范围一致。将地基观测和卫星观测数据进行日平均计算, 并进行相关性分析,得到的地基近红外和卫星观测、地基中红外的CO日平均柱总量的线型回归相关系数分别为0.85和0.91,显示出高的相关性,证明了地基近红外波段反演CO垂直柱总量数据的准确性。首次采用地基高分辨率傅里叶变换红外光谱技术观测合肥地区CO的垂直柱总量,并将得到的观测结果与卫星数据比对,得到准确的CO的垂直柱总量,为解大气CO的时空分布状况及其演变规律、追踪合肥地区CO的源汇分布提供理论依据。     

合肥地区温室气体柱浓度直接观测与卫星数据对比分析

利用地基傅里叶变换光谱仪EM27/SUN观测了合肥地区H2O、CO2、CH4及CO四种气体分子的柱浓度.观测结果表明:合肥地区XH2O、XCO2在测量期间变化较大,H2O和CO2的变化幅度分别为1353.17~5289.43ppm及409.22~415.05ppm;XCH4和XCO两种气体分子的变化较小,其标准差均在10-2数量级;XH2O、XCO2、XCH4和XCO的平均值分别为2109.10ppm、411.59ppm、1.87ppm及0.13ppm.将地基观测数据XCO2、XCH4分别与WACCM模式、GOSAT卫星数据进行了对比分析.结果表明,WACCM模式计算XCO2、XCH4的浓度比较稳定,仅在平均值附近有微幅变化,GOSAT卫星观测值略低于地基EM27/SUN的观测值,XCO2、XCH4相对偏差分别为0.45%和0.34%.利用GOSAT卫星数据分析了2010~2018年春季XCO2与XCH4的变化趋势,发现XCO2值从390.83ppm增加到410.30ppm,相对增长率为4.9%;XCH4值从1.802ppm增加到1.869ppm,相对增长率为3.7%.其结果可为追踪合肥及周边地区温室气体的源与汇提供科学依据.     

大气CO2卫星遥感中植物叶绿素荧光影响的校正

大气CO₂卫星遥感监测的关键在于高精度,而植物叶绿素荧光存在与大气散射相似的光谱特征,干扰大气散射相关参数的反演结果,从而影响CO₂的反演精度。因植物叶绿素荧光强度微弱且影响特征与大气散射高度相关而难以准确校正。鉴于现有大气CO₂卫星遥感精度不足,以及植物叶绿素荧光对大气CO₂反演存在不可忽视的影响程度和复杂性,设计了O₂-A、1.6和2.06 μm CO₂三个光谱带协同的参数化校正方法。首先通过对大气散射采取基于光子路径长度概率密度函数（PPDF）的参数化建模,降低叶绿素荧光与大气散射参数的光谱相关性;其次,针对叶绿素荧光强度弱,难以准确反演的问题,基于轨道碳观测器（OCO-2）的叶绿素荧光产品构建了5km分辨率的全球叶绿素荧光先验信息库,增强CO₂与叶绿素荧光同步反演中对叶绿素荧光的先验约束,提高叶绿素荧光的反演精度。通过O₂-A、1.6和2.06 μm CO₂三个光谱带的协同同时反演大气散射、叶绿素荧光和大气CO₂,并结合叶绿素荧光丰富的先验信息,能够较准确剥离大气散射和叶绿素荧光而提高大气CO₂的反演精度。选择叶绿素荧光强度明显较高的柱总碳观测网络（TCCON）中的Park Falls（45.945°N,90.273°W）站点开展验证,对该站点近4年每年8月份的温室气体观测卫星（GOSAT）数据进行反演,发现植被叶绿素荧光导致GOSAT XCO₂反演结果系统偏低2×10-6(ppm)左右,通过本文的方法进行校正,反演结果的低估程度有明显改善,最大低估由2.58 ppm降低到1.49 ppm,且离散程度也有一定程度的改善,明显控制了CO₂反演中叶绿素荧光的影响,对于实现1%（~4 ppm）的CO₂反演精度来说,提供了有力支撑。     

地基高分辨率傅里叶变换红外光谱反演环境大气中的CH4浓度变化

CH₄在大气中的浓度较低(～1.8 ppmv)且混合较为均匀, 不同区域浓度差较小, 其在大气中微量变化的精确观测对反演技术提出了很高要求. 基于高分辨率(0.02 cm^-1)傅里叶变换直射太阳光谱, 研究一种高精度、大尺度的CH₄浓度反演方法, 高灵敏地观测CH₄在大气强背景下的浓度变化. 先利用先验参数实现测量光谱的准确建模, 再采用非线性最小二乘光谱拟合和非线性逐次迭代相结合的方法反演CH₄的垂直柱浓度(vertical column density, VCD), 并以7885 cm^-1 O₂ 吸收窗口为参考, 反演CH₄的柱平均干空气混合比浓度(column-averaged dry air mixing ratios) XCH₄. CH₄ VCD和XCH₄拟合误差均小于1%, 且绝大多数XCH₄反演值均位于Total Carbon Column Observing Network (TCCON)规定的<0.5%区间内. 基于典型的日观测值, 研究了CH₄浓度的日变化规律, CH₄ VCD随时间变化而减少, XCH₄的日变化量小于0.02 ppmv.     

基于地对空观测光谱的大气CO2柱浓度反演分析

基于地对空高光谱观测获取大气CO₂柱浓度(大气中CO₂的垂直总含量)数据是验证和改进卫星高光谱观测反演CO₂浓度的重要数据源之一,而目前在中国还没有基于地面光谱观测进行大气CO₂柱浓度反演研究的报告。利用光谱分析仪与太阳跟踪仪等构成的地面观测系统在中国内蒙古锡林郭勒草原进行了地对空高光谱观测,基于高光谱观测数据反演了大气CO₂柱浓度。在基于1.6 μm大气CO₂的光谱吸收特征进行CO₂浓度反演过程中,评价分析了观测光谱的波长漂移和气象参数对大气CO₂柱浓度反演精度的影响。结果显示观测期间平均大气CO₂柱浓度为390.9 μg·mL-1。波长的漂移将会导致反演浓度值整体偏低;波长漂移从-0.012～0.042 nm范围时,将会导致1 μg·mL-1以上的偏差。同时,研究发现光谱透过率在6 357～6 358,6 360～6 361和6 363～6 364 cm-1谱段敏感于气象参数的变化。对比利用与光谱观测同时和非同时观测的气象参数进行的浓度反演结果发现,非同时观测气象参数的利用引起的浓度偏差最小在0.11 μg·mL-1,最大可达4 μg·mL-1;本论文的分析结果对基于光谱反演CO₂柱浓度算法的改进有着一定的参考价值。     

大气SO2柱总量遥感反演算法比较分析及验证

卫星遥感技术已成为城市污染气体SO₂监测和全球火山活动监测及预警的重要手段. 目前新的PCA (principal component analysis)算法有效减小了反演数据噪声, 并替代之前业务算法BRD (band residual difference)用于边界层SO₂柱总量产品的反演. 然而, 目前对PCA算法反演产品精度的评价和验证研究较少, 缺少与BRD算法产品进行长时间序列的比较以评估算法适用性, 尤其在中国大气污染重点城市区域. 本文利用地基多轴差分吸收光谱仪(MAX-DOAS)观测及多尺度空气质量模式系统(RAMS-CMAQ)大气化学模式模拟等数据, 评估PCA和BRD 反演算法的精度及误差. 另外, 选取洁净海洋地区、中国大气污染重点城市区域和高浓度火山喷发三种情况, 比较分析PCA 与BRD SO₂ 总量的时空格局变化差异及对不同SO₂总量下的适用性, 并对两种算法反演不确定性进行分析讨论. 结果表明, 在中国京津冀、珠江三角洲和长江三角洲区域, PCA SO₂总量反演值低于BRD, BRD反演结果更接近于地基的MAX-DOAS观测值, 冬季BRD和PCA SO₂总量值低于RAMS-CMAQ 模拟结果, 夏季7月和8月BRD SO₂总量值高于RAMS-CMAQ 模拟结果. 在SO₂总量接近于0 值的洁净海洋地区, PCA 算法产品噪声水平低于BRD算法, 但PCA 反演结果整体偏差大于BRD算法. 在高浓度火山喷发情况下, 当SO₂总量大于25 DU时BRD SO₂总量反演值低于PCA, 且随着SO₂ 总量增大, 两种算法反演值差异亦增大. 该研究对于OMI (Ozone Monitering Instrument) SO₂产品的应用具有重要的参考价值, 通过分析不同反演算法的差异及对其不确定性追因, 对于算法改进研究也具有重要的科学意义.     

Two-dimensional characterization of atmospheric profile retrievals from limb sounding observations

Limb sounders measure atmospheric radiation that is dependent on atmospheric temperature and constituents that have a radial and angular distribution in Earth-centered coordinates. In order to evaluate the sensitivity of a limb retrieval to radial and angular distributions of trace gas concentrations, we perform and characterize one-dimensional (vertical) and two-dimensional (radial and angular) atmospheric profile retrievals. Our simulated atmosphere for these retrievals is a distribution of carbon monoxide (CO), which represents a plume off the coast of south-east Asia. Both the one-dimensional (1D) and two-dimensional (2D) limb retrievals are characterized by evaluating their averaging kernels and error covariances on a radial and angular grid that spans the plume. We apply this 2D characterization of a limb retrieval to a comparison of the 2D retrieval with the 1D (vertical) retrieval. By characterizing a limb retrieval in two dimensions the location of the air mass where the retrievals are most sensitive can be determined. For this test case the retrievals are most sensitive to the CO concentrations about 2° latitude in front of the tangent point locations. We find the information content for the 2D retrieval is an order of magnitude larger and the degrees of freedom is about a factor of two larger than that of the 1D retrieval primarily because the 2D retrieval can estimate angular distributions of CO concentrations. This 2D characterization allows the radial and angular resolution as well as the degrees of freedom and information content to be computed for these limb retrievals. We also use the 2D averaging kernel to develop a strategy for validation of a limb retrieval with an in situ measurement.     

基于自发瑞利-布里渊散射测量空气的温度

瑞利-布里渊散射的散射截面比拉曼散射大,因而其在大气散射中实现对大气对流层温度廓线的准确测量方面具有一定的优势,同时利用瑞利-布里渊散射实现高压环境下温度的准确测量对于航天飞机主引擎状态的监测和超燃发动机燃烧室参数测量方面具有重要意义。基于自发瑞利-布里渊散射分别采用反卷积方法和卷积方法来实现空气在不同压力条件下的温度反演,研究引起温度反演误差的原因,并对利用两种方法获得的温度测量结果进行了比较。在利用基于维纳滤波器的反卷积方法对测量光谱直接处理实现温度反演之前,首先利用反卷积方法对由自发瑞利-布里渊散射模型与仪器函数卷积得到的卷积光谱进行处理获得反卷积光谱,将反卷积光谱与未经卷积的理论计算光谱进行比较实现温度反演, 并基于温度反演误差小于1.0 K,光谱拟合误差相对较小,光谱处理时间短的参数优化原则对反卷积方法中的关键参数奇异值叠加数进行了优化处理,得到优化后的奇异值叠加数为150。随后实验测量了由532 nm波长的连续激光激发的纯净空气在温度为294.0 K,压强为1～7 bar条件下的自发瑞利-布里渊散射光谱,并结合理论计算光谱和最小χ2值原理对光谱信号散射角进行优化,优化值为90.7°,同时利用反卷积和卷积方法分别对实验测量光谱进行处理实现空气在不同压强下的温度反演。实验结果表明反卷积方法在一定程度上可以提高信号光谱分辨率,而且利用反卷积和卷积方法均可以实现空气在不同压力（1～7 bar）条件下温度的准确测量,温度测量的最大误差均小于2.0 K;利用反卷积方法的温度反演结果随着气体压强的增大随之得到改善,实现温度反演测量所需要的光谱处理时间减少;在空气压强较低（≤2 bar）时,由卷积方法获得的温度反演结果要优于反卷积方法,压强较高（>2 bar）时,两种方法的温度反演结果相近, 其绝对误差均小于1.0 K。通过分析得到引起两种方法温度反演误差的原因主要包括环境温度的波动（±0.2 K）,散射角存在一定的不确定度以及气体的各已知参数的微量偏差对温度测量结果的影响以及反卷积对光谱噪声的非线性放大引起的光谱扰动对温度测量结果的影响。在实验中可以通过提高测量光谱的信噪比、提高散射角的优化精度及改善反卷积方法来获得更加准确的参数测量结果。     

Vertically constrained CO2 retrievals from TCCON measurements

Partial column-averaged carbon dioxide (CO₂) mixing ratio in three tropospheric layers has been retrieved from Total Carbon Column Observing Network (TCCON) spectra in the 1.6 μm CO₂ absorption band. Information analysis suggests that a measurement with ～60 absorption lines provides three or more pieces of independent information, depending on the signal-to-noise ratio and solar zenith angle. This has been confirmed by retrievals based on synthetic data. Realistic retrievals for both total and partial column-averaged CO₂ over Park Falls, Wisconsin on July 12, 15, and August 14, 2004, agree with aircraft measurements. Furthermore, the retrieved total column averages are always underestimated by less than 1%. The results above provide a basis for CO₂ profile retrievals using ground-based observations in the near-infrared region.