超光譜熱紅外數據通道選擇方法在O3和CH4廓線反演中的應用

姚微源，張貝貝，王寧，馬靈玲，錢永剛，王新鴻，李傳榮，唐伶俐

中國科學院空天信息創新研究院 定量遙感信息技術重點實驗室,北京 100094

1 引言

O3和CH4是大氣中的重要痕量氣體成分。大氣中的O3主要集中在距離地面約20—30 km左右的高空中，這部分O3可以調控到達地面的紫外線輻射量，對人類和生態系統起到保護作用（McKenzie等，2011）。但是，當近地面大氣中O3的含量較高時，其會對人體的呼吸道、神經系統及免疫系統造成危害，同時也會影響地表生態系統（Cape，2008；Chen等，2007）。CH4作為一種重要的溫室氣體，溫室效應比CO2高20倍，其在大氣中的濃度變化會對地球的輻射平衡產生巨大的影響（Pavlov等，2000）。因此，高精度、高垂直分辨率和高覆蓋率的O3和CH4廓線是人類健康、環境污染及氣候變化等研究領域的重要資料。

衛星遙感方式是獲取區域以及全球尺度上長時間序列地表、大氣參數最為切實可行的方案（Ulaby，2018）。熱紅外遙感數據因包含O3、CH4、CO等多種氣體發射、散射及吸收的熱輻射信息，被廣泛應用在大氣痕量氣體廓線的獲取中（Crevoisier等，2003；Worden等，2012；張瑩 等，2012）。超光譜數據蘊含著豐富的光譜輻射信息和空間信息，其超高的分辨率對應著更為尖銳的權函數，能夠支持多種大氣痕量氣體高精度高分辨率垂直分布信息的獲?。⊿mith，2009）。加拿大航天局于2003 年發射的SciSat-1 衛星上的ACE-FTS 傳感器，其分辨率高達0.02 cm-1，主要被用于觀察臭氧層。美國隨后于2004 年發射了AURA 衛星，其搭載了一臺分辨率為0.1 cm-1的TES高分辨熱紅外傳感器，其可以反演獲得O3、CO、CH4氣體廓線數據，反演精度分別為15%、20%和12%。鑒于超光譜熱紅外傳感器數據在大氣痕量氣體成分觀測中的良好應用前景，中國也于2018 年5 月9 日成功發射“高分五號”（GF-5）衛星，其搭載了光譜分辨率高達0.03 cm-1的大氣環境紅外甚高光譜分辨率探測儀（AIUS），光譜范圍為2.4—13.3 μm（董欣等，2018）。除此之外，中國“十三五”期間部署了國家重點研發計劃“大氣輻射超光譜探測技術”項目，擬研制波譜范圍覆蓋3.2—15.4 μm，天底觀測模式下分辨率達到0.05 cm-1，臨邊觀測模式下分辨率高達0.015 cm-1的大氣輻射超高光譜探測儀。

然而，超光譜熱紅外數據中包含的大量光譜通道，對數據的計算、存儲和傳輸帶來了極大的負擔。同時，超光譜數據中包含了輻射傳輸路徑方向上不同氣團的耦合信息，對于痕量氣體而言，這種耦合性更是加劇。因此，在對O3和CH4進行反演前，首先需要對通道的可反演能力進行評價后，獲取最大反演信息容量的通道合集，保障反演的效率和精度。目前，常用的通道選擇方法包括基于權函數和基于信息容量兩大類通道優選策略。前者的核心在于利用權函數可以反映各通道對反演參數敏感性的特點，將此作為評價通道可反演能力的指標，對反演通道集進行篩選。Aires等（2002）、馬鵬飛等（2015）、王雅鵬（2017）均采用了該方法分別對地表和大氣溫度、N2O 及CO2和O3等參數的反演通道集合進行篩選。此外，CrIS傳感器數據在進行業務處理之前，也通過分析通道的敏感性和權函數來進行通道選擇（Gambacorta和Barnet，2013）?；跈嗪瘮档耐ǖ肋x擇方法原理簡單，運行方便，但是權函數對通道反演能力的代表性非常有限，該類方法在應用時會給后續反演引入較大的誤差?？紤]到基于權函數的通道選擇方法的局限性，研究人員進一步考慮權函數、背景場、載荷觀測的誤差、干擾氣體信號等因素的綜合影響，對通道信息容量進行定量評估來優選通道，這類通道選擇方法被定義為基于信息容量的通道選擇方法。該方法率先由Rodgers（1998）于1998 年提出，在溫濕廓線的反演中具有較多的應用，如Rabier等（2002）提出的分步迭代法、杜華棟等（2008）提出了的大氣可反演指標法等。近年來，基于信息容量的通道選擇方法在痕量氣體反演中的應用也非常廣泛。Chédin等（2003）采用信息容量的通道選擇方法選取CO2廓線反演通道。在此基礎上，Crevoisier等（2003）同時考慮通道敏感性、通道噪聲及權函數的影響，提出了優化靈敏度法（OSP法）進行通道選擇，并應用在IASI數據反演CO2、CO、N2O及CH4等氣體廓線中。該方法的特點在于，所選通道的權函數在大氣垂直方向上分布均勻，是一種優秀的適用于高光譜熱紅外數據氣體廓線反演的通道選擇方法。Wang等（2018）和苗晶等（2021）在采用AIUS 甚高光譜模擬數據反演H2O、N2O、NO2和HF 也使用了基于信息容量的方法獲取反演通道。另外，TES傳感器的業務處理中綜合考慮了系統誤差、測量誤差等因素的影響，對小窗口區中通道的總信息容量進行分析，選取了包含最大信息容量的小窗口區集合，保障了CH4等氣體廓線的反演精度（Worden等，2004，2012）。

由上可得，基于信息容量的通道選擇方法是目前熱紅外數據反演痕量氣體廓線中應用的主流方法。然而，此類通道選擇方法在較高分辨率數據中應用的適用性欠佳。如其在IASI 和HIS 等傳感器數據中應用時，出現結果中部分通道信息冗余的問題（Lerner 等，2002；Wu 等，2018）；在TES數據通道選擇的業務化處理中發現，該方法會忽略部分包含較低大氣層反演信息的通道（von Clarmann 等，1998）。因此，超光譜熱紅外數據在應用過程中仍然存在冗余信息識別受阻和有效信息提取不足的問題，影響痕量氣體空間信息的高效高精度獲取。

基于以上，本文提出了一種新型的基于大氣靈敏度和雅可比剖面通道優選策略（OWSP方法），該方法可以充分利用超光譜熱紅外數據的光譜輻射及空間信息，對冗余信息及特有信息進行高效準確識別以獲取通道優選集合，達到提升反演精度和效率的目標。本文針對當前各領域對高精度O3和CH4大氣信息的需求，將OWSP 和OSP 通道選擇方法分別應用在超光譜熱紅外數據反演O3和CH3廓線中，獲得相應的通道選擇結果及反演廓線結果，并對通道選擇方法在超光譜熱紅外數據中的適用性進行評價。

2 方法和實驗

2.1 研究區域

首先對中國區域的O3和CH4的柱含量進行分析。本研究基于歐洲中期天氣預報中心ECMWF（European Centre for Medium-Range Weather Forecasts）系統的哥白尼大氣監測服務CAMS（Copernicus Atmosphere Monitoring Service）再分析數據集（Inness等，2019）中2010 年—2020 年的O3和CH4柱含量數據，計算獲取相應的日平均值，中國區域的氣體柱總量分布圖如圖1所示。

圖1 中國區域2010年—2020年氣體日平均柱總量分布圖Fig.1 Distribution of daily average gas column amount during 2010 to 2020 over China

圖1（a）為O3在中國區域的氣體日平均柱總量分布圖。從圖中可以看出，臭氧的柱總量分布大致呈現隨緯度提高而增加的趨勢，東北、華北、內蒙古和新疆地區的臭氧柱總量相對較高。圖1（b）為CH4在中國區域的氣體日平均柱總量分布圖。CH4在中國區域總體上呈現東高西低的分布狀態，高值區包括京津冀、長江流域、珠江流域及部分東北地區，低值區主要分布在西部地區。

基于O3和CH4在中國區域內的分布特征，本研究選擇了北京—天津地區（簡寫為JJ，經度：116°E—118°E，緯度：39°N—41°N）、阿拉善沙漠地區（簡寫為AL，經度：102°E—104°E，緯度：39°N—41°N）、長江三角洲（簡寫為YRD，經度：120°E—122°E，緯度：30°N—32°N）和珠江三角洲（簡寫為PRD，經度：113°E—115°E，緯度：22°N—24°N）4個典型區域的大氣作為本文的主要研究對象，以上區域包含了高值和低值的O3和CH4區域，同時也具有不同的溫濕度，可以有效考察本文提出的通道選擇方法在不同地域和大氣條件下對O3和CH4廓線反演的適用性。

2.2 數據模擬

本研究所使用的背景數據是CAMS再分析數據庫中JJ、AL、YRD 和PRD 等4 個典型地區的大氣廓線資料，數據分辨率為1°×1°，對應的時間為2011年—2016年1月份（冬季）和7月份（夏季）。從下載的CAMS再分析數據中提取溫度、水汽、O3、CH4、N2O和CO 的初始廓線數據，共篩選獲取了JJ地區的7623條晴空廓線、AL地區的7797條晴空廓線、YRD 地區的2350 條晴空廓線和PRD 地區的1320 條晴空廓線?？紤]到L91 大氣分層模式具有更高的大氣垂直分辨率，因此，本論文在采用大氣廓線模擬星上觀測數據及后續的通道選擇及反演時，將L60大氣分層模式的大氣廓線數據內插為91層。

本研究旨在支持國家重點研發計劃所部署的“大氣輻射超光譜探測儀數據處理與反演技術研究”課題。該課題支撐的大氣輻射超高光譜儀的波譜范圍覆蓋3.2—15.4 μm，天底觀測模式下分辨率達到0.05 cm-1。

基于以上的大氣廓線背景數據和傳感器參數，本研究采用高光譜大氣輻射傳輸模型4A/OP（Operational release for Automatized Atmospheric Absorption Atlas）獲取每條大氣廓線對應的星上觀測數據及氣體雅可比。在模擬過程中，設定地表溫度為大氣底部的溫度，地表發射率為1，并忽略了太陽的影響。每個通道中預計的噪聲等效溫差（NEΔT）為0.3 K@280 K，由式（1）計算：

式中，NEΔT｛T（ν）｝是指位于波數ν處的通道的亮度溫度T（ν）處所取的噪聲等效溫差；B是普朗克輻亮度；參考噪聲NEΔT｛Tref（ν）｝ 等于0.3 K；參考溫度Tref設置為280 K。

2.3 OWSP通道選擇方法

2.3.1 基于大氣靈敏度的通道初選策略

考慮到超光譜熱紅外數據在痕量氣體吸收區內的耦合性強，大量通道受到其他因素干擾嚴重，在實際進行通道選擇時，首先需要剔除此類通道。本文以冬季的AL 地區大氣狀況為例，對不同大氣成分在O3和CH4熱紅外敏感區中的敏感性進行分析，結果如圖2（a）和（b）。本研究根據大氣中幾種常見氣體的季節性濃度變化（Chédin 等，2002；IPCC等，2014），在研究時將O3、H2O、N2O、CO2、CO、CH4、NO、NO2和SO2的擾動量分別定為16%、40%、2%、16%、10%、2%、4%、3%及3%。從圖中可以看出：O3熱紅外吸收區的干擾氣體成分主要包括CO2和H2O，其中O3濃度變化引起的熱紅外信號強度大大高于CO2和H2O，但是若在潮濕的地區，H2O 擾動引起的熱紅外信號也會對O3信號造成較大的干擾；CH4熱紅外吸收區的干擾氣體成分主要包括CO2、H2O 和N2O，在該區域的大量通道中，H2O 在大氣中的濃度變化引起了超過2 K 的亮溫變化，同時，CO2引起的亮溫變化與CH4的類似，以上兩個參數的干擾是影響CH4反演精度的關鍵。

圖2 不同熱紅外波段的氣體敏感性分析Fig.2 Analysis of gas sensitivity at different thermal infrared bands

基于O3和CH4熱紅外敏感區內不同成分的敏感性分析結果，本文采用Crevoisier等（2003）提出的信噪比概念，將待反演氣體擾動所產生的亮溫變化值稱為“信號”，干擾參數擾動所產生的亮溫變化值及儀器噪聲引起的亮度變化值的總和稱為“噪聲”，待反演氣體信號與干擾信號總和的比值稱為“信噪比”（rSTI）。因此，選擇通道時，在得到各通道對不同氣體成分的靈敏度后，選擇呈現最高“信噪比”的通道。rSTI的方程如下：

式中，ΔBTsig，v表示目標反演氣體擾動引起的亮溫變化，ΔBTinf，v，k為干擾氣體繞動引起的亮溫變化，NEΔTv指通道對應的噪聲等效溫差，n代表干擾氣體個數，v為通道波數。

考慮到強通道噪聲會給反演結果傳遞誤差，因此，在獲得各個通道中反演參數與其他因素的信噪比之后，本研究先簡單地認為信噪比越強的通道，其對反演結果精度的貢獻越大，而信噪比弱的通道反之，因此在該步驟會將信噪比小的若干通道剔除。具體方法為：將熱紅外吸收區內的通道按信噪比從高到低排序；評價信噪比高的前若干通道的可反演能力，選取反演能力最大的若干通道。此處將通道集合對應的反演結果總均方根誤差（RMSEs）作為評價通道集合總信息容量的指標。采用該方法獲取的通道數量及rSTI的閾值會隨背景條件的變化而發生改變。當然這種以信噪比為指針的評價通道可反演能力的方法是不全面的，但是可以初步篩選一些明顯對反演結果精度提升無支持作用的通道，簡化進一步的通道選擇過程。

2.3.2 基于通道雅可比剖面的通道優選策略

將通道信噪比較低的一些通道剔除后，所得的通道集合的通道數量仍然非?？捎^，需要進一步優選通道來提高通道反演精度和效率。通道的雅可比剖面可以較為直觀地反映通道的相似信息和特有信息。然而，現有基于雅可比矩陣的通道選擇方法未有針對以上兩類信息的識別策略，其在超光譜熱紅外數據中的應用存在較大的瓶頸。

基于以上，本研究首先對通道的雅可比矩陣特征進行分析，發現通道之間的雅可比矩陣的差異主要在于雅可比矩陣特征峰的峰強（i）、等效探測位置（Pbl，定義為特征峰積分面積二等分處對應的壓強）及半峰寬（FWHM），如圖3 所示。以上3 個指標可以有效對通道的相似信息進行評價。如當雅可比矩陣峰強不同，但是特征峰的等效探測位置與半峰寬無明顯差異時，則可以認為這些通道具有相似的反演信息，在選取通道時可以選擇峰強度相對較大的通道作為反演通道。然而，由于大量痕量氣體集中在特定的大氣分層上，導致雅可比矩陣特征峰在特定壓強高度范圍內堆疊，根據雅可比矩陣特征峰的峰強、等效探測位置及半峰寬這3個指標無法有效對通道的特有信息進行識別。

圖3 雅可比矩陣特征分析Fig.3 Characteristics analyzing of Jacobian matrix

因此為了實現通道相似信息和有效信息的自動選取，本研究提出了基于雅可比矩陣特征與通道可反演信息的關系，對雅可比矩陣進行優化，強化通道在敏感性強的精細大氣分層上反演信息貢獻權重，同時弱化其在敏感性弱的大氣分層上的貢獻，獲取更為尖銳的雅可比矩陣來提高反演的精度和分辨率?？紤]到通道中痕量氣體的雅可比可以表示為

式中，?τν，CO是地面到傳感器的痕量氣體透過率，J是其對應的雅可比。

重新對式（3）中的壓強P進行定義，采用如下公式對不同大氣層上的雅可比進行優化：

式中，Pbl，v是位于波數v的通道的Pbl，fs是比例因子。

式（4）中的fs是影響優化后的雅可比矩陣在垂直方向上信息分布的關鍵，fs越大，則認為該通道雅可比矩陣對應的敏感大氣分層垂直范圍越小。此時，各精細大氣分層上雅可比值最大的通道，即可判斷其為具有該大氣分層最大可反演信息的通道。確定fs的大小是影響通道選擇結果及反演結果的關鍵，本研究分析了不同fs取值所得的通道集合對應反演結果總均方根誤差（RMSEs）進行分析，選取最小RMSEs的通道集合作為終選的反演通道。

2.4 OSP通道選擇方法

本文所使用的OSP方法基于Crevoisier等（2003）提出的方法。為了提高該方法在超光譜熱紅外數據中的適用性，在本文中做了相應的調整。主要步驟為：（1）根據上文中所得的各通道rSTI值對各通道進行排序；（2）將rSTI的最大值的1/10 定為閾值，rSTI大于該值的通道集合即為OSP 方法所得的通道選擇結果。

2.5 反演方法

輻射能量在傳輸路徑上的衰減是一個復雜的非線性過程，利用輻射傳輸方程解求任意一個大氣參數，都需要考慮其他參數的影響。由于參與反演的通道主要位于熱紅外區，所以輻射傳輸過程中不僅可以忽略大氣散射的作用，同時忽略太陽的影響，一定程度上降低了方程線性化的難度。為了簡化描述，忽略掉角度和波長，將輻射傳輸方程簡化為

式中，ε表示比輻射率，Bs表示地表溫度對應的黑體輻亮度，τs表示大氣層總透過率，ps表示地表氣壓值，B表示溫度廓線對應的黑體輻亮度，τ*表示從某個氣壓層到衛星高度上的整體透過率。

對輻射傳輸方程的微擾形式進行求解后可得線性化方程：

式中，JTs，JT，JH2O，JCO2，JO3，JCH4及JCO分別代表線性化輻射傳輸方程之后地表溫度、大氣溫度廓線、大氣H2O、CO2、O3、CH4和CO廓 線對應的權重。

在本研究中，除待反演的O3或CH4廓線之外，假定地表溫度、大氣溫度廓線、大氣濕度廓線及其他痕量氣體廓線反演所得的結果為各參數對應的再分析數據，則它們的變化量均為0，線性化方程（6）可簡化為

式中，gp_ret為O3或CH4。

將式（7）寫為矩陣形式，即為

3 數據結果處理與分析

3.1 O3廓線通道選擇及反演結果分析

3.1.1 通道選擇結果分析

針對所研究的4 個局地地區不同的大氣條件，分別采用OWSP 方法和OSP 方法選取反演O3廓線的通道。以上兩種方法在不同大氣條件下所選的通道數如表1 所示。其中，AL 冬季大氣條件下，OWSP和OSP方法所選的通道在O3亮溫變化譜線上的分布如圖4 所示。OSP 方法對通道的選取主要依賴rSTI的值，考慮到在O3的熱紅外敏感區，O3的信號非常強，在較為干燥的大氣狀況下，其干擾氣體CO2和H2O 的熱紅外信號強度大大弱于O3，因此，在熱紅外敏感區內包含了大量強rSTI的通道，這些通道均可以被OSP 方法選取。在本論文中，為了提高反演的效率，限制OSP 方法選取的最大通道數為1000 條?；谝陨?，采用OSP 方法為AL、JJ、YRD 和PRD 地區的冬季大氣選取的通道數分別為966、1000、906 和1000 條，為AL 和JJ的夏季大氣選取的通道數分別為1000 和901 條。然而，在以上6 種大氣條件下，采用OWSP 方法選取的O3反演通道數量大大小于OSP 方法的。這可以歸因于OWSP方法可以有效減少一些包含冗余信息通道的選擇。而對于YRD 和PRD 地區的夏季大氣而言，由于大氣水汽的強干擾作用，OSP 方法所選的通道相對較少，尤其是在YRD 地區，僅有36 個通道被選擇出來，而OWSP 方法在同等條件下所選的通道數為142條。這說明了OSP方法會簡單地剔除一些包含較大干擾信息的通道，忽略了部分通道中的可反演信息。

表1 不同大氣條件下，OWSP法和OSP方法所選O3廓線反演通道數Table 1 Number of channels selected by OWSP and OSP methods for O3 profile retrieval in different airmasses

3.1.2 反演結果分析

采用OWSP 方法和OSP 方法的通道選擇結果對O3的廓線進行反演，評價不同的通道選擇方法對反演精度的影響。圖5 和圖6 分別為4 個研究區域在冬季和夏季大氣條件下O3反演結果對應的RMSE，并采用如下公式對反演廓線的RMSEp進行評價：式中，L為大氣分層的總層數，j為大氣層序號。

圖5 冬季大氣條件下通過OWSP通道集和OSP通道集進行O3廓線反演所得結果的RMSEFig.5 RMSEs of the retrieved O3 profiles by the OWSP and OSP channel selection methods in winter airmasses

圖6 夏季大氣條件下通過OWSP通道集和OSP通道集進行O3廓線反演所得結果的RMSE Fig.6 RMSEs of the retrieved O3 profiles by the OWSP and OSP channel selection methods in summer airmasses

圖7 AL地區冬季大氣下，采用不同方法獲取CH4反演的通道選擇結果在CH4亮溫變化譜線上的分布情況Fig.7 The distribution in the CH4 brightness temperature change spectrum of channels selected for CH4 retrieval by different methods in winter airmass of AL region

OWSP 方法和OSP 方法反演所得廓線的RMSEp如表2所示。表中精度提升比率的計算方法為

表2 不同大氣條件下，OWSP法和OSP方法對應O3廓線反演精度比較Table 2 Accuracy comparisons of the retrieved O3 profiles by the OWSP and OSP channel selection methods in different airmasses

結合通道選擇結果和反演結果可以得出：（1）在冬季的AL、JJ 和夏季的JJ 地區大氣條件下，OWSP方法所選取通道組合反演的O3廓線精度略低于OSP方法的，因此可以認為兩種方法所得的通道結果組合中的信息容量非常類似。但是前者的通道數量大大小于后者的，說明OWSP方法對冗余信息具有較強的識別能力。（2）在YRD地區的夏季大氣條件下，優于大氣水汽的強干擾作用，OSP方法選取的通道數僅為36條，OWSP方法能夠充分識別部分受到水汽強干擾通道中的O3可反演信息，選取了142條通道，該通道集合獲得的O3廓線精度明顯優于OSP方法的。（3）在冬季的YRD、PRD和夏季的AL、PRD大氣條件下，OWSP方法選取所得的通道數量不僅大大小于OSP方法的，同時前者所得的O3廓線精度優于后者，這說明了OWSP方法在這些大氣濕度適中的地區，兼具識別通道冗余信息和特有信息的功能。值得注意的是，在冬季的PRD和夏季的AL 大氣條件下，反演精度的提升分別為42.60%和14.46%，遠遠超過其他大氣條件，這可以歸因于OSP方法所選的1000條大氣廓線中的冗余信息豐富引起的通道集合中的信息容量不足問題。

3.2 CH4廓線通道選擇及反演結果分析

3.2.1 通道選擇結果分析

與O3廓線反演時類似，反演CH4廓線時同樣針對四個局地地區不同的大氣條件進行研究。采用OWSP 方法和OSP 方法在不同大氣條件下所選的通道數如表3 所示。其中，AL 冬季大氣條件下，OWSP 和OSP方法所選的通道在O3亮溫變化譜線上的分布如所示。由于在CH4的熱紅外敏感區，CH4在大氣中擾動引起的熱紅外信號變化較弱，同時干擾氣體CO2，H2O和N2O的熱紅外信號變化相對較強，因此，各通道對應的rSTI較小。在采用OSP方法對通道進行選擇時，所有大氣條件對應的通道數均小于100條，在JJ地區的冬季大氣條件下，該方法所得的通道數僅為11條。相對而言，OWSP方法可以在多因素強干擾的情況下對有效信息進行識別，除了JJ地區的夏季大氣條件之外，其他情況下所選的CH4反演通道數均在100條以上。因此，針對熱紅外敏感區干擾因素多且強的微弱紅外輻射氣體而言，OSP方法會在犧牲有效信息的前提下優選受其他因素干擾少的通道，而OWSP方法會選取這些通道的同時，挖掘rSTI相對較小的系列通道中的特有信息。

3.2.2 反演結果分析

進一步將OWSP方法和OSP方法的通道選擇結果應用在CH4廓線的反演中，來對OWSP 方法在微弱紅外輻射氣體廓線反演中的優越性進行分析。圖8和圖9分別為4個研究區域在冬季和夏季大氣條件下CH4反演結果對應的RMSE值。表4中的RMSEp和精度提升比率的計算方法見式（9）和式（10）。

表4 不同大氣條件下，OWSP法和OSP方法對應CH4廓線反演精度比較Table 4 Accuracy comparisons of the retrieved CH4 profiles by the OWSP and OSP channel selection methods in different airmasses

圖8 冬季大氣條件下通過OWSP通道集和OSP通道集進行CH4廓線反演所得結果的RMSEFig.8 RMSEs of the retrieved CH4 profiles by the OWSP and OSP channel selection methods in winter airmasses

圖9 夏季大氣條件下通過OWSP通道集和OSP通道集進行CH4廓線反演所得結果的RMSEFig.9 RMSEs of the retrieved CH4 profiles by the OWSP and OSP channel selection methods in summer airmasses

結合CH4的通道選擇結果，對其反演所得廓線的精度進行分析?？傻茫海?）在所研究的所有大氣條件下，OWSP方法選取的通道集合反演精度均優于OSP 方法的，平均精度提升比率為4.90%，這進一步說明了OWSP方法可以有效挖掘受干擾較大通道中的特有反演信息。（2）與其他相對較為干燥的大氣狀況相比，采用OWSP 方法獲取的夏季YRD 和PRD 地區CH4廓線精度較差，分別為32.72和60.61 ppbv，這說明了大氣中水汽是CH4反演中的重要干擾因素。

4 結論

本研究針對超光譜熱紅外數據反演痕量氣體廓線時通道選擇結果信息冗余及有效信息提取不足的問題，深入分析了精細大氣分層上的通道可反演信息，構建了一種新型的基于大氣敏感度和雅可比剖面的通道選擇方法（OWSP 法）。將該方法應用在O3和CH4廓線的反演研究中，對通道選擇結果及其對應的廓線反演結果進行分析后，可以得到如下結論：

（1）在熱紅外敏感區干擾因素少的情況下，OSP方法獲取的通道集合可以較為全面地包含反演目標參數廓線的有效信息，然而該方法獲取的通道數量非常龐大，無法對包含相似信息的相鄰通道進行優選。而OWSP法在保證所選通道總信息容量的同時，可以自動剔除一些低信息容量的冗余信息，大大提高了反演的效率，同時，降低了反演方程的病態性，提升了反演的精度。

（2）在熱紅外敏感區干擾因素多的情況下，OSP方法放大了干擾因素對反演結果精度的抑制作用，所選通道集合中包含的信息容量不充分。OWSP方法可以對部分較少受到干擾的通道進行二次篩選，通過對精細大氣分層上的信息容量進行半定量化研究來提取超光譜熱紅外數據中的特有信息，達到提高反演廓線精度的目標。

（3）將OWSP 方法應用在超光譜熱紅外數據中，在本文所研究的大氣條件下，與OSP 方法相比，反演O3和CH4廓線結果精度分別提升了9.30%和4.90%。以上結果證明了OWSP 方法可以有效提升超光譜熱紅外數據反演強紅外輻射氣體和微弱紅外輻射氣體廓線的精度，具有較高的應用價值。

（4）除本文提到的干擾氣體及儀器噪聲之外，其他大氣和表面熱力學組分也會對O3和CH4的吸收波段造成影響。今后還需要進一步研究其他因素對痕量氣體反演過程中通道選擇及反演精度的影響。此外，還應考察本文提出的通道選擇方法在實際超光譜熱紅外數據反演痕量氣體中的適用性。