多源卫星长时间序列XCO2数据生成方法研究

《多源卫星长时间序列XCO2数据生成方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要CO2是人为排放的最重要的温室气体，其浓度不断升高，进一步加剧了全球温室效应。卫星遥感CO2观测具有范围广、连续观测等先天优势。为了更加全面的揭示全球尺度的大气CO2浓度时空变化特征，本研究利用已有SCIAMACHY、GOSAT和OCO-2卫星获取的CO2观测数据,研究基于时空融合数据方法，生成一套全球长时间序列CO2浓度时空连续数据集。在进行多源卫星数据融合时，应用了一系列数据处理方法。首先，为消除卫星观测平台之间的差异，利用模型模拟数据集CarbonTracker剖面浓度数据对卫星数据进行归一校正处理。为了对比校正数据之间的时空分

2、布特征，对SCIAMACHY、GOSAT和OCO-2重叠期的数据进行了逐格网(1°×1°)的比较分析，还利用CarbonTracker模型数据和卫星数据做了散点时序比较，结果显示出GOSAT-NIES数据明显比GOSAT-ACOS和OCO-2数据整体偏低外，SCIAMACHY-BESD、GOSAT-ACOS和OCO-2数据在时空趋势上具有一致性，也较好的吻合于CarbonTracker模型数据。由于各卫星数据量在时空分布上极不均匀，为了减少这种数据分布不均给时空填补造成困难，本文又对校正后的数据集进行时空尺度归一化处理，生成具有统一时空分辨率

3、的观测数据集。然后，利用已经验证过的数据集进行全球时空空白填补，生成全球长时间序列高时空分辨率格网制图产品。最后，为了评价所采用方法的有效性和生成的时空数据集的精度，利用TCCON站点数据和模型模拟数据对该格网数据进行不确定性评价。分析结果表明，利用三颗卫星数据集构建的全球长时间序列CO2浓度时空分布数据提供了全球长时间序列的CO2浓度时空变化信息；该数据集和模型模拟数据在整体的时空特征基本一致，并能够反映全球大尺度的CO2浓度时空特征。同时，利用该方法可以有效的发挥多颗卫星数据综合应用的潜力，为全球CO2浓度时空特征以及相关碳源汇分析研究提

4、供覆盖全球且长时间的基础数据。关键词：CO2、长时间序列、多源卫星、CO2集成、CarbonTrackerIAbstractAbstractCO2(carbondioxide)isthemostimportantgreenhousegasemittedbyman-madeemissions,anditsconcentrationcontinuestoincrease,furtherexacerbatingtheglobalgreenhouseeffect.Torevealthetemporalandspatialcharacteristics

5、ofatmosphericCO2concentrationonaglobalscale,inthisstudy,weusetheXCO2(column-averageddryairmolefractionofCO2)dataretrievedfromthethreesatellites,suchasSCIAMACHY,GOSATandOCO-2,togeneratetheglobalcontinuousspatio-temporalmappingXCO2databasedonthetemporalandspatialgeostatistica

6、ldatafusiontechniquedevelopedinthispaper.Firstly,CO2profileofCarbonTrackerisusedtocorrectthedifferenceofXCO2datasetsamongthethreesatellites.Secondly,spatio-temporalunificationamongXCO2datasetsintheabovestepsismadetogenerateuniformXCO2datasetwithsameresolutioninbothspaceandt

7、ime.Finally,weuseCarbonTracker-XCO2derivedfromtheCarbonTrackerandTCCON-XCO2fromTCCONobservationstovalidatethemapping-XCO2datageneratedinthisstudy.Theaboveresultsshowthat,thecontinuouslong-termspatio-temporalXCO2datasetobtainedfromthethreesatellitescanprovideefficientinforma

8、tioninspatio-temporalvariationonregionalandglobalscales.Meanwhile,thegeostatistica