登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《中国科学院空天信息创新研究院：大气甲烷卫星传感器和遥感算法研究综述》

  • 来源专题：大气污染防治与碳减排
  • 编译者： 李扬
  • 发布时间：2023-10-17

  •     全球气候治理和温室气体减排刻不容缓，对大气甲烷的监测逐渐成为碳减排的重点与热点。利用卫星遥感探测速度快、覆盖范围广、获取信息丰富等优势，可以实现高精度、高时空分辨率且全球覆盖的大气甲烷浓度监测。我国在2020年9月明确提出了“双碳”目标，大气甲烷卫星遥感和反演研究正是其中的重要环节。中国科学院空天信息创新研究院李正强研究员团队，结合大气甲烷卫星遥感发展现状与双碳目标的战略需求，对大气甲烷卫星传感器和遥感算法进行了全面细致的综述。首先，对卫星发展情况进行“全梳理”；其次，对反演算法进行“全覆盖”；最后对未来趋势进行“全总结”。

  • 原文来源：https://www.opticsjournal.net/J/NewOptics/News/PT2310160000192Y5b8.html
274浏览量
原文链接
相关报告

  • 《空天院科研团队在气溶胶遥感协同反演研究取得新进展》
    • 来源专题：光电信息技术
    • 编译者：王靖娴
    • 发布时间：2025-03-07
    • 【内容概述】据中国光学期刊网3月3日报道，近日，中国科学院空天信息创新研究院（空天院）石崇研究团队在气溶胶遥感反演方面，提出一种基于大气辐射传输模型（物理机理）与迁移学习（数据驱动）融合的全新遥感算法AIRTrans，实现了气溶胶光学特性的精准高效反演。 针对静止卫星（如Himawari-8/AHI）高频次观测需求，研究团队创新性地提出一种融合大气辐射传输模型与机器学习的AIRTrans算法。首先，研究团队基于辐射传输模型，充分考虑多种气溶胶类型光学特性与地表特性，构建了卫星仿真模拟数据库，预训练神经网络模型；之后，进一步通过地面实测数据对模型进行微调，显著提升真实场景泛化能力。该算法构建了小时级的地表反射率数据库，并综合考虑背景气溶胶的影响。 与地面观测数据的验证结果显示，AIRTrans算法在全球多区域独立验证中表现优异，AOT和FMF反演结果的均方根误差（RMSE）分别为0.132和0.146，较Himawari-8卫星官方产品精度提升约40%和49%。尤其在细模态比反演方面，该算法成功解决了官方产品存在的系统性低估问题。此外，在沙尘暴与雾霾污染事件的监测方面，AIRTrans算法成功捕捉到AOT与FMF时空演变过程，这将为极端污染的动态监测及预警提供新的契机。 该研究提出的算法框架具有很强的普适性，可拓展至其他多光谱传感器的气溶胶参数反演，为碳中和背景下大气污染精准治理、气候效应评估等需求提供关键技术支撑。该成果以“Development of a hybrid algorithm for the simultaneous retrieval of aerosol optical thickness and fine-mode fraction from multispectral satellite observation combining radiative transfer and transfer learning approaches”为题，发表于国际遥感领域顶级期刊《Remote Sensing of Environment》（中国科学院一区，IF=11.1）。 （文献见附件）
    107浏览量
    原文链接

  • 《中国科学院海洋研究所在遥感观测数据补全研究取得重要进展》
    • 来源专题：中国科学院文献情报系统—海洋科技情报网
    • 编译者：熊萍
    • 发布时间：2025-04-29
    • 近日，中国科学院海洋研究所李晓峰研究员团队在遥感观测数据补全研究中取得突破性成果。其研究成果以“GDCM: Generalized Data Completion Model for Satellite Observations”为题，发表于遥感领域国际期刊 Remote Sensing of Environment（SCI一区，影响因子11.1）。 研究团队提出了一种适用于多源遥感数据的通用补全模型：GDCM（Generalized Data Completion Model）。该模型基于时空卷积与注意力机制融合的深度学习框架，成功解决了卫星轨道覆盖间隙与云层遮挡导致的数据缺测问题，可高精度重建海表温度、风速、水汽、云液态水、降水率等关键海气变量，显著提升了遥感观测数据的完整性与实用性。 GDCM模型以连续7天的观测序列为输入，通过双尺度编码–解码结构捕捉局地与大尺度特征，利用注意力机制筛选关键时空依赖。实验表明，GDCM在复杂海洋环境下仍保持高稳定性，补全精度显著优于传统插值方法与现有AI模型，并在多类型、跨平台遥感数据补全任务中均表现出优异性能，具备良好的通用性和鲁棒性。 此外，GDCM采用逐步加深缺测比例的训练策略，使模型先理解完整场，再逐步适应严重缺测情境，有效提升了泛化能力。以热带不稳定波区域为例，GDCM几乎消除了预测偏差，重建效果稳定可靠。 本成果不仅在技术层面上推动了遥感观测数据智能重建方法的发展，也为未来气候变化监测、台风路径预报、极端事件识别等高时空分辨率应用场景提供了有力工具。 该论文第一作者为中国科学院海洋研究所王浩宇博士，李晓峰研究员为通讯作者，合作者还包括博士生周寅飞。研究工作得到国家自然科学基金和崂山实验室“十四五”重大项目支持。 论文信息： Wang,H.,Zhou,Y.,& Li,X*. (2025). GDCM: Generalized data completion model for satellite observations. Remote Sensing of Environment,324,114760. DOI: 10.1016/j.rse.2025.114760
    117浏览量
    原文链接