项目名称: 多轴差分吸收光谱技术监测大气NO2气体垂直廓线算法研究

项目编号: No.41275037

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 司福祺

作者单位: 中国科学院合肥物质科学研究院

项目金额: 80万元

中文摘要: 多轴差分吸收光谱(MAX-DOAS)技术通过测量不同角度的太阳散射光可获取大气中二氧化氮(NO2)等痕量气体的垂直廓线分布信息,该信息是研究区域污染等的重要参数,因此解析气体廓线是MAX-DOAS技术研究的热点方向。然而,实际测量中由于观测角度选择不合理造成数据中廓线信号自由度(DOFS)偏低;在分层大气质量因子的计算过程中,由于采用不精确的模型参数(气溶胶消光廓线等)等因素影响,最终导致气体廓线解析结果的误差。 为解决这些问题,本项目提出研究MAX-DOAS测量角度和廓线信号自由度的关系,确定测量角度选取原则;开展MAX-DOAS观测气溶胶消光廓线的工作;结合最优估算法和参数化廓线法的特点,优化现有的NO2气体廓线反演算法,确定最佳的廓线分层高度、分层数目,提高反演精度。通过本项研究,解决NO2廓线解析中存在偏差的重要因素,提高反演精度,促进该技术的发展与应用。

中文关键词: NO2垂直廓线;气溶胶消光廓线;多轴差分吸收光谱;太阳散射光;辐射传输模型

英文摘要: Muli-axis differential absorption spectroscopy(MAX-DOAS) can be used to derive vertical profile of atmospheric nitrogen dioxide(NO2) and other trace gas,and the profile information is important parameter for regional pollution resarch,hence research on trace gas vertical profile retrieved from MAX-DOAS become a hotspot of study of MAX-DOAS technique.In practice,several reasons limit the precision of retrieved NO2 profile,includeing:Low degree of freedom of signal(DOFS) from measurement data caused by unreasonable selection of elevation angles of MAX-DOAS ;During BOX-AMF calculation,unprecise model input parameter(e. g. accurate aerosol extinction profile) can give rise to error of trace gas profile result . To solve those problems,this research present selection princple elevation angles through the study of relationship of elevation angle and DOFS; works on the aersol extinction profile retrieval from MAX-DOAS itself; combind the optimal estimation methods and parametrized profile method to optimize exsiting NO2 profile retrieval algorithm, and make out the beter selection of layer hight and number of profile.These research solve the problem cause the inaccuracy of NO2 profile ,and promote the development and application of this technique.

英文关键词: NO2 vertical profile;aerosol extinction profile;MAX-DOAS;solar scatter light;atmospheric radiative transfer model

成为VIP会员查看完整内容
0

相关内容

《塑造2040年战场的创新技术》欧洲议会研究处,142页pdf
专知会员服务
94+阅读 · 2022年4月14日
6G物理层AI关键技术白皮书(2022)
专知会员服务
42+阅读 · 2022年3月21日
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
25+阅读 · 2021年4月2日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
零碳智慧园区白皮书(2022),66页pdf
专知
9+阅读 · 2022年2月17日
【夯实基础】卡尔曼滤波
极市平台
1+阅读 · 2021年11月3日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
最详细、最完整的相机标定讲解
计算机视觉life
55+阅读 · 2019年11月24日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
12+阅读 · 2020年12月10日
小贴士
相关VIP内容
《塑造2040年战场的创新技术》欧洲议会研究处,142页pdf
专知会员服务
94+阅读 · 2022年4月14日
6G物理层AI关键技术白皮书(2022)
专知会员服务
42+阅读 · 2022年3月21日
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
25+阅读 · 2021年4月2日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
相关资讯
零碳智慧园区白皮书(2022),66页pdf
专知
9+阅读 · 2022年2月17日
【夯实基础】卡尔曼滤波
极市平台
1+阅读 · 2021年11月3日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
最详细、最完整的相机标定讲解
计算机视觉life
55+阅读 · 2019年11月24日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员