一种多源数据融合下的牧场甲烷排放量估算方法与流程

1.本发明涉及定量遥感和数据融合相关技术领域，尤其涉及一种多源数据融合下的牧场甲烷排放量估算方法。


背景技术：

2.及时有效地计算出ch4的排放量，是本项专利攻克的主要问题。
3.目前，与ch4气体相关的数据主要分为3种，第一种是通过历史统计调查自下而上计算出来的ch4排放清单数据，第二种是利用遥感观测数据结合定量遥感反演算法自上而下计算得出的ch4浓度数据，第三种是根据大气物理、化学模式，耦合历史的排放清单数据模拟预测得到的ch4浓度数据。
4.这三种数据各有优缺点，其中：清单数据直接是排量数据，而遥感反演和模式模拟出的都是浓度数据，需要进一步的计算才能得出排放量；从数据准确度比较，清单数据精度最高，遥感次之，模式最差；从时空性分析，模式时空性最好，清单空间全覆盖但时效性很差，遥感时效性中等但空间上存在缺失。
5.有鉴于上述的缺陷，本设计人积极加以研究创新，以期创设一种多源数据融合下的牧场甲烷排放量估算方法，使其更具有产业上的利用价值。


技术实现要素：

6.为解决上述技术问题，本发明的目的是提供一种多源数据融合下的牧场甲烷排放量估算方法。
7.为实现上述目的，本发明采用如下技术方案：一种多源数据融合下的牧场甲烷排放量估算方法，依次包括以下步骤：步骤s1、定量反演计算ch4柱浓度；步骤s2、使用定量反演得到的ch4柱浓度校正模式模拟的ch4柱浓度的方法，并根据模式中的垂直分层信息，估算近地表ch4柱浓度；步骤s3、从历史清单数据中提取牧场ch4排放量；步骤s4、基于历史多源数据，训练ch4排放模型，输入更新的遥感、模式数据，估算新的ch4排放量。
8.作为本发明的进一步改进，步骤s1依次包括以下步骤：步骤s11、云参数反演：依据477 nm波段的o2-o2吸收带云参数反演算法进行云量估算，该算法假设云为不透明的朗伯反射表面，考虑大气的偏振效应和大气廓线的影响，基于高光谱分辨率大气辐射传输模型在紫外—可见光波段的天顶反照率构建关于观测角度、地表反射率、云量、云压要素的云高和云量查找表，利用云量查找表和卫星实际观测差分反演获得的o2-o2总量及其他参数，获得卫星实际观测处的云量信息；步骤s12、ch4斜柱总量反演：根据光谱定标方程，对原始的光谱数据进行定标，基于差分光学吸收光谱法doas算法，利用近红外1200～1400nm窗口的卫星天顶高光谱探测
量，获得太阳辐射以及反射到卫星传感器的对地观测辐射来反演整个光路的ch4斜柱总量；步骤s13、ch4斜柱总量转换为垂直柱总量：利用高光谱分辨率大气辐射传输模型，建立关于ch4廓线、观测几何角度、地表反射率、气溶胶、云多个参数的大气质量因子查找表，计算卫星对应角度的大气质量因子amf，将反演斜柱总量转换为垂直柱总量。
9.作为本发明的进一步改进，步骤s11中，卫星反演云顶高度和等效辐射云量结果作为辐射传输模型输入，进行卫星入瞳处天顶辐射和大气质量因子的计算。
10.作为本发明的进一步改进，步骤s13中，使用参考区域方法来校正随纬度和观测角度变化的背景误差。
11.作为本发明的进一步改进，步骤s3具体包括：从历史清单目录中，筛选出与畜牧业排放相关的ch4排放清单网格数据，根据牧场的位置信息，剔除非牧场区域，得到涵盖牧场的ch4排放网格数据，最后引入牧场所在网格的养殖行业信息，剔除非牧场的ch4排放量。
12.作为本发明的进一步改进，步骤s4依次包括以下步骤：步骤s41、对历史排放清单、历史反演浓度数据校正后的模式近地表浓度数据和历史的气象场数据，按照时空匹配提取ch4浓度-排放的训练样本集；步骤s42、构建机器学习模型，使用训练样本数据训练ch4排放模型；步骤s43、依次输入若干年的卫星校正近地面ch4浓度数据和气象场数据，估算若干年的牧场ch4排放量。
13.借由上述方案，本发明至少具有以下优点：本发明一种多源数据融合下的牧场甲烷排放量估算方法，对历史的ch4排放清单数据进行时间上的外推，同时耦合了模式模拟结果和实时的卫星观测反演结果，既保留了清单数据的本底值精准性，又引入了卫星数据的时效性，以及模式数据的高时空覆盖性。
14.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
15.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
16.图1是本发明的流程示意图；图2是本发明第一实施例中步骤s1的流程示意图；图3是本发明第一实施例中步骤s2的流程示意图；图4是本发明第一实施例中步骤s3的流程示意图；图5是本发明第一实施例中步骤s4的流程示意图。
具体实施方式
17.下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
18.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中附
图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
19.如图1~图5所示，一种多源数据融合下的牧场甲烷排放量估算方法，依次包括以下步骤：步骤s1、定量反演计算ch4柱浓度；步骤s2、使用定量反演得到的ch4柱浓度校正模式模拟的ch4柱浓度的方法，并根据模式中的垂直分层信息，估算近地表ch4柱浓度；步骤s3、从历史清单数据中提取牧场ch4排放量；步骤s4、基于历史多源数据，训练ch4排放模型，输入更新的遥感、模式数据，估算新的ch4排放量。
20.优选的，步骤s1依次包括以下步骤：步骤s11、云参数反演：依据477 nm波段的o2-o2吸收带云参数反演算法进行云量估算，该算法假设云为不透明的朗伯反射表面，考虑大气的偏振效应和大气廓线的影响，基于高光谱分辨率大气辐射传输模型在紫外—可见光波段的天顶反照率构建关于观测角度、地表反射率、云量、云压要素的云高和云量查找表，利用云量查找表和卫星实际观测差分反演获得的o2-o2总量及其他参数，获得卫星实际观测处的云量信息；步骤s12、ch4斜柱总量反演：根据光谱定标方程，对原始的光谱数据进行定标，基于差分光学吸收光谱法doas算法，利用近红外1200～1400nm窗口的卫星天顶高光谱探测量，获得太阳辐射以及反射到卫星传感器的对地观测辐射来反演整个光路的ch4斜柱总量；步骤s13、ch4斜柱总量转换为垂直柱总量：利用高光谱分辨率大气辐射传输模型，建立关于ch4廓线、观测几何角度、地表反射率、气溶胶、云多个参数的大气质量因子查找表，计算卫星对应角度的大气质量因子amf，将反演斜柱总量转换为垂直柱总量。
21.优选的，步骤s11中，卫星反演云顶高度和等效辐射云量结果作为辐射传输模型输入，进行卫星入瞳处天顶辐射和大气质量因子的计算。
22.优选的，步骤s13中，使用参考区域方法来校正随纬度和观测角度变化的背景误差。
23.优选的，步骤s3具体包括：从历史清单目录中，筛选出与畜牧业排放相关的ch4排放清单网格数据，根据牧场的位置信息，剔除非牧场区域，得到涵盖牧场的ch4排放网格数据，最后引入牧场所在网格的养殖行业信息，剔除非牧场的ch4排放量。
24.优选的，步骤s4依次包括以下步骤：步骤s41、对历史排放清单、历史反演浓度数据校正后的模式近地表浓度数据和历史的气象场数据，按照时空匹配提取ch4浓度-排放的训练样本集；步骤s42、构建机器学习模型，使用训练样本数据训练ch4排放模型；
步骤s43、依次输入若干年的卫星校正近地面ch4浓度数据和气象场数据，估算若干年的牧场ch4排放量。
25.本发明的第一实施例：步骤s1参照图2所示，本发明公开了一种基于卫星遥感光谱数据，定量反演ch4柱浓度算法：步骤s11、云参数反演对于ch4总量的定量遥感反演而言，云参数的精度直接影响ch4反演的精度，因此云像元的判识及云量估算是ch4卫星遥感反演过程的首要步骤。本发明依据477 nm波段的o2-o2吸收带云参数反演算法进行云量估算，该算法假设云为不透明的朗伯反射表面，充分考虑大气的偏振效应和大气廓线的影响，基于高光谱分辨率大气辐射传输模型在紫外—可见光波段的天顶反照率构建关于观测角度、地表反射率、云量、云压等要素的云高和云量查找表，利用云参数查找表和卫星实际观测差分反演获得的o2-o2总量及其他参数，获得卫星实际观测处的云量信息。此外，卫星反演云顶高度和等效辐射云量结果也可作为辐射传输模型输入，进行卫星入瞳处天顶辐射和大气质量因子amf（air mass factor）的计算。
26.步骤s12、ch4斜柱总量反演根据光谱定标方程，对原始的光谱数据进行定标。基于差分光学吸收光谱法doas算法，利用近红外1200～1400nm窗口的卫星天顶高光谱探测量，获得太阳辐射以及反射到卫星传感器的对地观测辐射来反演整个光路的ch4斜柱总量。
27.步骤s13、ch4斜柱总量转换为垂直柱总量利用高光谱分辨率大气辐射传输模型，建立关于ch4廓线、观测几何角度、地表反射率、气溶胶、云等多个参数的大气质量因子amf查找表，计算卫星对应角度的大气质量因子amf，将反演斜柱总量转换为垂直柱总量。最后使用参考区域方法来校正随纬度和观测角度变化的背景误差。
28.步骤s2参照图3所示，本发明公开了一种使用卫星定量遥感反演的ch4总柱浓度校正模式模拟的ch4总柱浓度，并根据模式中的垂直分层信息，估算近地表ch4浓度。
29.步骤s3参照图4，本发明公开了一种从清单数据中提取牧场ch4排放数据的方法。
30.从历史清单目录中，筛选出enf和mnm两种与畜牧业排放相关的ch4排放清单网格数据。根据牧场的位置信息，剔除非牧场区域，得到涵盖牧场的ch4排放网格数据。最后引入牧场所在网格的养殖行业信息，剔除非牧场的ch4排放量。
31.步骤s4参照图5，本发明公开了一种基于历史多源数据，训练ch4排放模型，输入更新的遥感、模式数据，估算新的ch4排放量的方法。
32.首先，对历史排放清单、历史卫星反演浓度数据校正后的模式近地面浓度数据和历史的气象场数据，按照时空匹配提取ch4浓度-排放的训练样本集。其次，构建机器学习模型，使用训练样本数据训练ch4排放模型。最后，依次输入19、20、21和22年的卫星校正近地表ch4浓度数据和气象场数据，估算19-22年的牧场ch4排放量。
33.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对
本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指咧所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
34.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接：可以是机械连接，也可以是电连接：可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通.对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
35.以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。