基于地基高光谱成像的甲烷排放遥感检测方法

本发明属于大气环境遥感应用，具体涉及基于地基高光谱成像的甲烷排放遥感检测方法。

背景技术：

1、利用遥感手段精准评估和厘清煤矿行业的甲烷排放特征，对于控制和利用煤炭活动产生的甲烷排放。掌握甲烷排放情况的第一步是识别甲烷排放源。甲烷排放主要呈现两种形式，即极端点源排放事件与重点区域面源排放。卫星遥感是进行大范围、高重访观测的最佳手段，随着对极端排放事件监测任务的需求增长，甲烷异常排放遥感监测逐步发展，更多的卫星开始专注重点区域的点源探测，基于卫星高光谱数据反演的甲烷异常探测技术愈加成熟。当前在我国，以sentinel-5p/tropomi、ghgsat-d/waf-p、gf-5/ahsi为代表的遥感卫星已成功应用于区域和点源尺度的煤炭行业甲烷排放检测与量化研究，未来点源型卫星和区域型卫星相结合是利用卫星监测甲烷的技术发展趋势。

2、然而，极端点源排放检测对于点源卫星数据的时效性和空间分辨率的要求极为严格，有限的时空分辨率是造成反演结果及精度不确定性的一个重要原因；缺乏精准识别和定位该类排放源的能力是造成由此得到的排放清单的准确性较低的一个关键原因，如何减小此方法的不确定性还需要进一步研究与探索。此外，当前针对地表类型复杂且甲烷排放较高情况类似的地区相关研究较少，被认为是甲烷异常探测的难点区域，而我国煤矿富集区通常地表类型非常复杂，标准的匹配滤波法已无法适用，这一技术对我国主要煤矿引起的甲烷排放进行探测的误差和不确定性很大。因此，地基监测手段在对非连续、非组织性的甲烷排放监测与评估中，承担着不可替代的角色。

技术实现思路

1、地基监测手段在对非连续、非组织性的甲烷排放监测与评估中，承担着不可替代的角色。为弥补已有卫星数据覆盖度和时空分辨率不足的问题，以及甲烷异常探测方法对地表类型复杂区域的适配局限性，本发明提出了两种基于地基高光谱遥感的人为源甲烷排放检测优化算法(即sumghi甲烷检测算法和mlsie甲烷检测算法)，可以作为检验和改进当前甲烷排放检测技术的重要手段，旨在为我国开展大范围、快速的人为源甲烷排放量监测核查工作提供一定的技术和数据参考。

2、地基监测手段在对非连续、非组织性的甲烷排放监测与评估中，承担着不可替代的角色。为弥补已有卫星数据覆盖度和时空分辨率不足的问题，以及甲烷异常探测方法对地表类型复杂区域的适配局限性，本发明提出了两种基于地基高光谱遥感的人为源甲烷排放检测优化算法(即sumghi甲烷检测算法和mlsie甲烷检测算法)，可以作为检验和改进当前甲烷排放检测技术的重要手段，旨在为我国开展大范围、快速的人为源甲烷排放量监测核查工作提供一定的技术和数据参考。

3、本发明针对甲烷排放源存在非连续、非组织性的典型特性，克服了传统点式仪器信噪比低、现有甲烷监测卫星数据空间覆盖度和时空分辨率不足，小型甲烷排放源无法直接基于卫星数据进行甲烷羽流检测的问题，提供了一套利用地基遥感观测手段的适用于地势复杂煤矿和煤火区等人为源的新型甲烷排放检测方法。

4、为实现上述目的，基于地基高光谱成像的甲烷排放遥感检测方法，包括以下步骤：地基甲烷数据集构建，sumghi甲烷检测和mlsie甲烷检测；

5、具体的技术方案为：

6、s1、前期地基甲烷数据集获取和构建

7、首先，地基数据集获取涉及的仪器包括：短波红外高光谱相机、便捷式温室气体分析仪、涡动相关通量塔、gps接收机和其他地基辅助设备；地基观测地点主要涉及煤矿、煤火区等煤炭排放源，垃圾中转站、加油站、化肥厂、农田桔梗、自然湿地等强排放源，以及城市大气、山区等背景对照区域；最后，地基高光谱相机完成光谱采集后，影像预处理过程，包括辐射定标、信号去噪和背景去噪3个核心步骤。

8、步骤1：辐射定标

9、该步骤将地基影像数据记录的原始dn值进行系统辐射校正，得到辐射亮度值或视反射率；

10、步骤2：信号去噪

11、使用正/反pca变换或mnf最小噪声分离技术，去除残余噪声；使用滤波算法对光谱曲线进行平滑去噪处理，突出地物波谱特征。

12、步骤3：背景去噪

13、如果随机变量x的密度函数为：

14、

15、则称x是服从参数为μ和σ2的正态分布的随机变量，记为x～n(μ，σ2)。

16、对整幅影像进行x～n(μ，σ2)正态拟合训练，求得μ0；移去背景均值，得到差值数组xi，构建地基高光谱影像数据集。

17、其中，

18、进一步的，步骤1：辐射定标，具体方法为：

19、原始dn值转换为辐射亮度的公式如下：

20、lλ＝gain*dn+offset

21、式中，lλ为传感器等载荷通道入瞳处等效辐射亮度，标准单位为w/(m2·sr·μm)，gain和offset分别为定标系数增益偏移量，标准单位为w/(m2·sr·μm)。

22、辐射亮度转换为视反射率ρλ的公式如下：

23、

24、式中，lλ同上，d为日地距离，是天体单位，esunλ为太阳辐照度，θ为太阳高度角，与太阳天项角互余，若已知太阳天项角，此处sinθ可换成cosθ。

25、进一步的，步骤2：信号去噪中，滤波算法为：

26、9点加权移动平均方法：

27、公式如下：

28、ri＝0.04ri-4+0.08ri-3+0.12ri-2+0.16ri-1+0.20ri+0.16ri+1+0.12ri+2+0.08ri+3+0.04ri+4

29、其中，ri是指第i波段的原始光谱反射率/辐亮度值。

30、或者，集合经验模态分解法(eemd)：

31、eemd算法是将高斯白噪声序列加入原始信号，对信号进行多次emd处理得到各阶本征模态函数(imf)的平均值作为最后的结果。

32、eemd算法原始的数据序列x(t)由imf分量加一个均值或趋势项表示：

33、

34、其中，ci为分解出的n个imf分量，分别包含了信号从高频到低频的不同频率段成分。rn(t)分量实质上是原信号的趋势分量，表征原信号的总体特征。

35、s2、基于地基高光谱影像光谱解混模型(sumghi)的甲烷检测

36、s2.1、对待检测影像数据进行甲烷-人为排放源光谱比值导数光谱解混；

37、s2.2、根据甲烷波谱比值导数曲线确定特征波段范围，计算光谱吸收特征参数；

38、s2.3、将甲烷浓度实测数据与上述特征参数进行相关性分析，筛选出相关性高的波段范围；

39、s2.4、将各波段内光谱吸收特征参数分别进行相关性分析，确定拟合函数的自变量；

40、s2.5、通过多元拟合回归求解光谱解混模型的系数，代入相应数据最终计算出甲烷浓度量化估计值。

41、进一步的，s2.1中，比值导数光谱解混算法建立如下模型：

42、

43、其中，m为光谱通道，r(λm)为在λm波长处的反射率，n为端元组分数目，cn为对应于混合物中第n个组分的丰度，ξ(λm)为第m个光谱通道的残余误差值。

44、当像元内仅包含两种组分时，简化为：

45、r(λm)＝c1×r1(λm)+c2×r2(λm)+ξ(λm)

46、上式等号两边同时除以第一种组分的光谱，得到下式：

47、

48、再对上式等号两边求导，得到下式：

49、

50、s2.1中，根据甲烷自身的吸收特征，计算背景伪源区与之光谱相似性度量特征(光谱角sa和光谱信息散度sid等)，验证所选roi的可靠性，具体方法为：

51、假设x和y分别代表目标光谱与测试光谱，长度都为n1。

52、光谱角制图(sam)是一种基于光谱曲线整体相似性的算法，其原理为将目标光谱与测试光谱投影到空间中，计算其间的夹角，其值越小代表相似度越高，用来计算两个数组之间的相似性，公式如下：

53、

54、其中，sam(x，y)为2条光谱间的光谱夹角值，与分别为2条光谱向量的模。分类时，通过计算未知数据与已知数据间的光谱角，并把未知数据的类别归为最小光谱角对应的类别中。

55、光谱信息散度(sid)是一种基于信息论衡量两条光谱之间差异的波谱分类方法，将光谱向量作为随机变量，基于概率统计理论分析两个随机向量的相似度，即值越小，说明两组光谱越相似，公式如下：

56、sid(x，y)＝d(x||y)+d(y||x)

57、其中，与分别代表2个光谱的概率，ii(x)＝-lgai与ii(y)＝-lgbi分别是根据信息理论得到的2条光谱的自信息值。同理，

58、光谱信息散度与光谱角的匹配算法(sid_sa)同时考虑到sam和sid的优点，从光谱的形状以及反射能量差异两方面入手，能有效计算光谱间的相似度，计算公式如下：

59、sid_sa(x，y)＝sid(x，y)sin[sam(x，y)]

60、sid_sa值越小，证明光谱相似度越高，反之则说明光谱间相似度低。

61、s2.2、中，从高光谱甲烷波谱比值导数曲线中提取光谱吸收特征参数(如波谷ν、波深d、肩宽ω、面积a、斜率k和光谱吸收性指数sai等)，说明如下：

62、波谷(ν)：光谱吸收谷中的最小波幅值；

63、吸收深度(d)：波谷的吸收能力，常用灰度级(0～255)表示；

64、肩宽(ω)：波谷张开的宽度；

65、面积(a)：波谷与肩宽围成的面积；

66、斜率(k)：肩宽所在的直线相对于x轴的倾斜程度；

67、光谱吸收性指数(sai)：非吸收基线的反射强度在谱带的波长位置处与谷底处之比。

68、s2.5、所述方案中，对地基甲烷排放解混模型进行模型检验，计算均方根误差rmse和拟合度指标rnew，公式如下：

69、

70、其中，yi为第i组验证波谱数据所对应的真实甲烷含量，为通过回归模型得到的第i组数据的甲烷含量预测值，为验证组波谱的真实甲烷含量均值，n为验证组数据的样本数。rmse越小，rnew越接近1，模型的预测效果越好。

71、s3、基于地基高光谱影像修正的最小二乘法图像增强(mlsie)的甲烷检测

72、s3.1、利用sciatran辐射传输模型和hitran光谱数据库选取待检测气体甲烷的波段范围，确定待检测影像内部点(甲烷间隔)和外部点(透明间隔)波数范围；

73、s3.2、对外部点做均值处理；

74、s3.3、对每一个像素点分别做外部点、内部点与上述均值的残差，将两者进行比值处理(二范数比值)；

75、s3.4、为经增强处理后的光谱像素值添加地理位置等要素信息，绘制甲烷增强图。

76、进一步的，s3.1中，选取1653.7nm附近波段附近的光谱点作为预选取范围，对应hyspex swir-384地基影像波段为b130。

77、s3.1中，确定待检测影像甲烷吸收波长高的光谱段，即内部点(甲烷间隔)和吸收波长低的光谱段，即外部点(透明间隔)的波数范围。选取的内部点(甲烷间隔)波数范围为(5950～6050)cm-1，外部点(透明间隔)的波数范围为(6050～6014)cm-1以及(5991～5950)cm-1。

78、s3.2中，修正的最小二乘法图像增强算法，核心内容为外部点和内部点l2-范数(残差平方和)的比值运算。

79、在欧几里得空间中，向量的自然长度，即该点到原点的距离为：

80、

81、残差表示为：δ＝σ(f(xi)-yi)2。范数(norm)，是具有“长度”概念的函数，残差绝对值的最大值，即所有数据点中残差距离的最大值。l2-范数：euclid范数，即向量元素绝对值的平方和再开方。

82、

83、+∞范数：所有向量元素绝对值中的最大值。

84、

85、甲烷内部点yinn和甲烷内部点yout的l2-范数，计算公式如下：

86、

87、其中，q(y)为内部点零阶多项式拟合结果，p(y)为外部点均值。

88、对上述两者的二范数进行比值计算，得到新的光谱增强像素值，记为result：

89、