1.本发明属于大气环境遥感应用技术领域，特别涉及一种基于卫星观测污染气体浓度计算化石燃料二氧化碳排放量的方法。
背景技术：2.二氧化碳(co2)是公认的主要温室气体，是近期和未来气候变化的驱动力。自工业革命以来，其大气浓度显着增加。其增长速度在过去十年中有所加快，主要归因于人为来源，例如化石燃料燃烧等。因此，对co2排放量的计算至关重要。当前，co2排放量估算方法可以分为两大类，一类是排放因子法，又称为“自下而上”排放计算方法，是ipcc提出的第一种碳排放估算方法，也是目前广泛应用的方法。其基本思路是依照碳排放清单列表，针对每一种排放源构造其活动数据与排放因子，以活动数据和排放因子的乘积作为该排放项目的碳排放量估算值。另外一类是基于观测的实测法，又称为“自上而下”排放计算方法，是基于地面或卫星观测的大气中co2浓度计算排放量。2019年第49届ipcc全会明确了利用卫星遥感观测通过“自上而下”方法计算碳通量对排放清单进行支撑和验证。
[0003]“自下而上”方法计算化石燃料燃烧co2排放量主要基于经济活动和相应技术的统计信息，具有工作量巨大，可靠性不高，有较大滞后性等缺点。其不确定性主要是由于有关燃料消耗和燃料化学成分的可用数据不准确。即使是对于被认为拥有世界各国燃料使用情况最准确信息的美国发电厂，根据燃料使用情况估计的排放量与作为连续排放监测系统(cems)计划的一部分报告的排放量之间的差异通常约为20％。因此，本发明提出的基于卫星观测计算co2排放可以作为检验和改进当前co2排放清单的重要手段。
[0004]
co2排放量可以通过卫星观测的co2浓度进行估算，但现有的co2卫星传感器 (sciamachy、gosat、oco-2等)空间覆盖度有限，且无法区分化石燃料和生物源的碳排放，并且co2在大气中的存活寿命长，直接采用卫星遥感观测的co2浓度估算排放量难度很大。由于化石燃料燃烧同时排放co2与氮氧化物(no
x
)、一氧化碳(co) 等污染气体，与co2相比，no
x
和co的大气存活寿命短，更能代表当地的人为排放，且相应的卫星载荷的观测幅宽大并具备每日全球覆盖的能力。目前，对流层监测仪器 (tropomi)作为欧空局sentinel-5precursor卫星任务的单个有效载荷，是当前最高空间分辨率的污染气体卫星遥感载荷，能够识别大型发电厂的污染气团。因此本发明提出通过卫星观测反演的化石燃料燃烧的污染气体(no
x
和co)排放来计算co2排放，能够量化化石燃料co2排放，排除生物源的碳排放。
[0005]
本发明涉及的卫星数据主要有tropomi对流层no2柱浓度、co柱总浓度以及中国多尺度排放清单模型(meic)数据。下面是三种主要数据的生产技术。
[0006]
tropomi对流层no2柱浓度：tropomi no2反演系统基于domino-2产品和欧盟qa4ecv no2再处理omi数据集的算法开发并作了相应改进，反演过程包含三步： (1)从tropomi使用doas方法测量的level-1b辐射和辐照度光谱中反演出总no2斜柱密度。(2)基于一个数据同化系统的信息，将总no2斜柱密度分为平流层和对流层两部分。(3)对流层斜柱密度转换为
对流层垂直柱密度。
[0007]
tropomico柱总浓度数据：采用改进的太阳光谱短波红外co反演方法，即scior算法生成。此算法基于过去三十年的sciamachyco反演算法和辐射传输经验，在反演中额外增加新功能以充分发掘tropomiswir测量在数据处理方面的潜力。此算法改进了目前用于多云和气溶胶负载大气的co反演方法。在反演中准确处理云和气溶胶需要模拟多次光散射，在数值上要求很高，因此sicor算法采用双流辐射传输求解器以简化方式解释大气散射。
[0008]
中国多尺度排放清单模型(meic)数据：提供co2、co及no2的“自下而上”排放清单。meic构建了统一的源分类分级体系和排放因子数据库，研发了基于技术和动态过程的排放源表征方法，开发了与主流大气化学模型无缝链接的多尺度高分辨率排放源模式，并进一步集成云计算和大数据技术，实现了排放清单的实时动态计算。目前meic模型可在线提供1990年至今中国700多种人为源的10种主要大气污染物和二氧化碳的多尺度排放清单数据。基于meic模型开发的排放清单数据已被国内外众多研究机构和业务单位广泛使用，在国际上支持了mics-asia、htap、ceds等多个大型研究计划。
技术实现要素：[0009]
为了解决由于co2在大气中的存活寿命长且现有碳卫星数据的空间覆盖度有限而导致基于卫星观测“自上而下”估算co2排放量困难，本发明的目的是提供一种基于卫星观测的污染气体浓度计算化石燃料燃烧的二氧化碳排放量方法。
[0010]
为实现上述目的，本发明采用的技术方案为：
[0011]
一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，包括以下步骤：
[0012]
(1)利用tropomi二氧化氮(no2)对流层柱浓度观测数据和欧洲中期天气预报中心(ecmwf)风场再分析数据，采用氮氧化物(no
x
)与no2比例因子计算得到no
x
柱浓度平均水平通量；
[0013]
(2)基于稳态连续方程(continuityequationforsteadystate)，计算no
x
柱浓度水平通量散度；
[0014]
(3)利用0.1
°
分辨率的中国多尺度排放清单模型(multi-resolutionemissioninventoryforchina，meic)数据，进行网格转换和重采样，删除数据中的无效网格，获得0.05
°
分辨率的“自下而上”先验排放数据；
[0015]
(4)构建计算no
x
的排放逆模型，并带入步骤(1)中tropomi二氧化氮(no2)对流层柱浓度观测数据作为第一、第二项数据，带入步骤(2)所获得的水平通量散度作为第三项数据，带入步骤(3)所中的中国多尺度排放清单模型(multi-resolutionemissioninventoryforchina，meic)数据作为先验排放量；
[0016]
(5)利用多元线性回归逐象元地拟合求解排放逆模型中的三类系数，并计算其概率密度函数，利用bootstrap方法获得no
x
逆模型中三类系数的系数范围；
[0017]
(6)利用tropomi一氧化碳(co)柱浓度的观测数据，按照(1)～(5)步骤进行同样的操作，进而获得co的排放逆模型的三类系数，并与no
x
逆模型的三类系数进行校验优化；
[0018]
(7)利用所获得的三类系数，将卫星观测的柱浓度数据带入逆模型中，获得最终的
no
x
与co排放量；
[0019]
(8)基于meic获得“自下而上”的年均人为源no
x
与co2排放量数据，求算no
x
与co2排放的转换因子；
[0020]
(9)利用步骤(8)所获得的排放因子，带入步骤(7)所获得的no
x
排放量，计算求得co2排放量；
[0021]
(10)基于meic获得“自下而上”的年均人为源co与co2排放量数据，按照(8)～ (9)步骤进行同样的操作，进而获得co2排放量；
[0022]
(11)对于步骤(9)和(10)获得的两套co2排放量数据进行优化，当排放量存在缺值的情况下，两者相互填充；当排放量同时存在时，两者取均值，求得最终的co2排放量。
[0023]
所述步骤(1)中，利用no2对流层柱浓度、no
x
/no2比例因子以及风场数据，经过局部背景校正求算出no2柱浓度平均水平通量；
[0024]
其中，风场数据选用风速为950hpa，卫星过境时刻为当地时间13点30分，因此使用13点与14点的风场数据求取均值，分辨率经过重采样处理后与卫星数据保持一致；
[0025]
求取no
x
柱浓度水平通量时采取求取平均水平通量值能够防止no2对流层柱浓度因风场变化所导致的模糊，求取no
x
通量的方程表示为：
[0026]
f＝l
×v×w[0027]
其中，v代表no2对流层柱浓度，数据经过单位换算，单位换算为μg/m2，w代表风场，单位换算为m/s，l为no
x
/no2比例因子；局部范围内的no
x
/no2比例因子会受到臭氧(o3)的影响，因为一氧化氮(no)形式的no
x
无法被卫星所观测到，一旦no 混入o3转换为no2，no2通量会增加，形成一种暂时的虚拟源；如果将转换发生在排放源周围25公里范围内来考虑拟合区间，则求算散度时的总积分受到影响较少，因此，选取no
x
/no2比例因子l为1.32，代表tropomi卫星的典型值。
[0028]
所述步骤(2)中，根据稳态连续方程，通量散度产生no
x
的源和汇，通过no
x
柱浓度平均水平通量求解出no
x
柱浓度的水平通量散度，计算no
x
柱浓度的水平通量散度方程表示为：
[0029][0030]
其中，v代表no2对流层柱浓度，w代表风场，l为no
x
/no2比例因子，表示对no
x
平均通量的空间导数，代表该点向外的通量体密度，数值空间导数能够对像元值 (通量值)用四阶中心有限差法进行计算，将像元分布按照风向分为u方向和v方向， u表示经度方向的风，纬度相同，v表示纬度方向的风，经度相同，在两个方向上分别取像元y
t
周围四个像元值(y
t-2
，y
t-1
，y
t+1
，y
t+2
)，h表示单位像元对应的距离，采用haversine 公式计算出两方向上单位像元之间的距离，具体四阶中心有限差法的求解式子表示为 (y
t-2-8y
t-1
+8y
t+1-y
t+2
)/12*h，求得u方向和v方向的散度，最终得到总散度d；e和s 分别为源和汇，d大于0时，该点则为散发通量的源，d小于0时，该点则为吸收通量的汇。
[0031]
所述步骤(3)中，利用0.1
°
分辨率的中国多尺度排放清单模型数据(meic)，根据高值区域生成一个掩膜，取值大于97.5％百分位值的高值区域网格作为有效网格，重采样获得先验排放的0.05
°
*0.05
°
网格单元数据。
[0032]
所述步骤(4)中，根据质量守恒原理，构建如下估算no
x
排放的逆模型：
[0033]
[0034]
其中，式中各项均转换为统一空间范围的矩阵，由每个像元组成，x，y为像元在矩阵中所处的位置信息，下标i代表卫星的观测日期，c(x，y)代表卫星观测所得到的 no
2 vcds，v(x，y)代表风场，方程中第一项代表no2的tvcds变化速率对no
x
排放估算的影响，第二项代表no
x
的物理化学损失，第三项则带入步骤(2)所获得水平通量散度作为第三项数据，代表对流项，而α1，α2，α3三类系数即是根据先验排放数据需要求算出的三个系数范围；
[0035]
在第一项中，表示两日卫星过境时刻气体柱浓度的变化量，一般卫星前后过境时间为一天，计算单位取μg/m2*s时，
[0036]
对第三项散度项作时间上的筛选，去除异常值，在散度d高值区域像元的值小于0 的天数视为无效，并采用3倍sigma法剔除异常值；
[0037]
所述步骤(5)中，利用卫星观测所得到的no
2 vcds数据和meic先验数据，根据多元线性回归逐象元地拟合求解排放逆模型，对每个月都重复回归过程，得到α1，α2，α3三类系数以绘制概率密度函数(pdf)图，计算bootstrap置信区间获得no
x
逆模型中三类系数的系数范围，采用核密度估计(kde)方法估计系数样本的密度函数，取 kde拟合曲线最大值点对应的系数值作为估计值；
[0038]
所述步骤(6)中，co在求取平均水平通量时不需要使用比例因子l，通过进行(1)～ (5)步骤同样的操作，获得co逆模型中三类系数的范围，与no
x
逆模型中的三类系数进行校验优化，从而确定逆模型中的三类系数。
[0039]
所述步骤(7)中，利用校验优化后所获得的三类系数，将系数代入逆模型方程中，并将卫星观测的tropomi no2与co柱浓度数据以及分别计算获得的散度数据代入逆模型中，获得最终的no
x
与co排放量和
[0040]
所述步骤(8)中，基于meic获得“自下而上”全部门的no
x
与co2排放量数据，求算获得co2与no
x
排放的转换因子f(conversion factor)，方程如下所示：
[0041][0042]
其中，与均为“自下而上”的排放量数据。
[0043]
所述步骤(9)中，利用步骤(8)求算所获得的排放因子f和步骤(7)所获得no
x
排放量估算得到基于卫星观测的化石燃料燃烧的碳排放，计算过程如下所示：
[0044][0045]
所述步骤(10)中，基于meic获得年均人为源co与co2排放量数据，按照(8)～ (9)步骤进行同样的操作，进而获得co2排放量。
[0046]
所述步骤(11)中，对于步骤(9)和(10)获得的两套co2排放量数据进行优化，当存在no
x
缺值的情况下，由co来填充；当存在co缺值的情况下，由no
x
来填充；当no
x
与co同时存在时，两者取均值，求得最终的co2排放量。
[0047]
有益效果：本发明提供的二氧化碳的排放量计算方法首先通过预先计算“指示剂”排放量并根据“指示剂”与co2之间关系计算co2排放量，相比“自下而上”的排放因子法计算存活寿命长的co2排放量更为准确；其次，本发明采用no
x
和co两种“指示剂”，交叉验证，互相
补偿优化，能得到更加可靠的结果；同时计算“指示剂”排放量的方法也是根据质量守恒的原理，构建逆模型，求解系数，能更好的得到no
x
与co的排放量。
附图说明
[0048]
图1为本发明的总流程图；
[0049]
图2为图1中步骤一的流程图；
[0050]
图3为图1中步骤二的流程图；
[0051]
图4为图1中步骤三的流程图。
具体实施方式
[0052]
下面结合附图对本发明作更进一步的说明。
[0053]
如图1所示为一种基于卫星观测的大气成分浓度计算二氧化碳排放量的方法的主要框架流程，包括以下步骤：
[0054]
(1)利用tropomi二氧化氮(no2)对流层柱浓度观测数据和欧洲中期天气预报中心(ecmwf)风场再分析数据，采用氮氧化物(no
x
)与no2比例因子计算得到no
x
柱浓度平均水平通量。基于稳态连续方程(continuity equation for steady state)，计算no
x
柱浓度水平通量散度。
[0055]
(2)利用0.1
°
分辨率的中国多尺度排放清单模型(multi-resolution emissioninventory for china，meic)数据，筛选高值网格作为有效网格，获得0.05
°
分辨率的先验排放网格单元数据。并以此构建估算no
x
的排放逆模型，将步骤(1)所获得水平通量散度以及其他数据带入逆模型中，并利用多元线性回归逐象元求解排放逆模型中的三类系数。
[0056]
(3)利用tropomi一氧化碳(co)柱浓度的观测数据，按照(1)，(2)步骤进行同样的操作，进而获得co的排放逆模型的三类系数，并与no
x
逆模型的三类系数进行校验优化。
[0057]
(4)利用所获得的三类系数，将卫星观测的柱浓度数据带入逆模型中，获得最终的no
x
与co排放量。
[0058]
(5)基于meic获得“自下而上”的年均人为源no
x
与co2排放量数据，求算 no
x
与co2排放的转换因子。带入步骤(4)所获得的no
x
排放量，计算混合co2排放估算的单个排放预计，求得基于no
x
排放量的co2排放量。
[0059]
(6)基于meic获得年均人为源co与co2排放量数据，按照(4)，(5)步骤进行同样的操作，进而获得基于co排放量的co2排放量。
[0060]
(7)对于步骤(5)和(6)获得的两套co2排放量数据进行优化，当存在no
x
缺值的情况下，由co来填充；当存在co缺值的情况下，由no
x
来填充；当no
x
与co 同时存在时，两者取均值，求得最终的co2排放量。
[0061]
如图2所示为一种以质量守恒为原理的求算no
x
排放量的计算方法，作为对总流程图步骤一的详细说明，包括以下步骤：
[0062]
(1.1)利用tropomi二氧化氮(no2)对流层柱浓度观测数据和欧洲中期天气预报中心(ecmwf)风场再分析数据，no2对流层柱浓度由局部背景校正，如果没有背景校正，汇项会被系统性的提高。对于估计的点源排放，背景校正并无影响；对于“自上而下”的空间积分在大尺度上计算，背景校正受到相关影响。
[0063]
采用氮氧化物(no
x
)与no2比例因子，no
x
/no2比例因子一般取值为l＝1.32，代表所选tropomi典型值，局部no
x
/no2比例因子与l平衡值不同，但只要转换发生在源周围25公里考虑拟合区间内不受影响，达到平衡，no
x
/no2仍然合适。
[0064]
求取no
x
柱浓度水平通量时采取求取平均水平通量值可以防止no2对流层柱因风变化导致模糊，在时间平均值中，保持点源强梯度。得到no
x
的柱浓度平均水平通量。
[0065]
(1.2)基于稳态连续方程(continuity equation for steady state)，通量的散度产生 no
x
的源和汇，通过no
x
柱浓度平均水平通量求解出no
x
柱浓度的水平通量的散度，计算no
x
柱浓度的水平通量的散度方程可表示为：
[0066][0067]
其中v代表no2对流层柱浓度，w代表风场，l则为比例因子，e和s分别为源和汇。
[0068]
(1.3)利用0.1
°
分辨率的中国多尺度排放清单模型(multi-resolution emissioninventory for china，meic)数据，进行网格转换和重采样，删除数据中的无效网格，筛选meic mean图中值大于第95个百分位的高值区域的网格单元作为有效网格，获得 0.05
°
分辨率的先验排放网格单元数据。
[0069]
(1.4)根据质量守恒的原理，构建估算no
x
的排放逆模型，由于no
x
的对流层柱可以由排放量e，化学物理损失l和传输q之间维持的平衡来确定，no
x
的对流层柱的速率公式可以表达为：
[0070][0071]
由上述的对流层柱的速率公式可以构建出估算no
x
的排放逆模型，这里排放逆模型方程为：
[0072][0073]
其中下标i代表卫星的观测日期，c(x，y)代表卫星观测所得到的no
2 vcds，v (x，y)代表风场。方程中第一项代表在no
x
排放估算中no2的tvcds变化速率的影响，第二项代表no
x
的物理化学损失，第三项则带入步骤(1.2)所获得水平通量散度作为第三项数据，代表平流项。
[0074]
(1.5)根据步骤(1.3)所获得的先验排放数据，带入步骤(1.2)所获得的水平通量散度作为第三项，且利用卫星观测所得到的no
2 vcds数据，根据多元线性回归逐象元求解排放逆模型得到α1，α2，α3三类系数以绘制pdf图，利用bootstrap方法获得 no
x
逆模型中三类系数的系数范围。
[0075]
如图3所示为一种以质量守恒为原理的求算co排放量的计算方法，作为对总流程图步骤二的详细说明，利用tropomi一氧化碳(co)柱浓度的观测数据，按照步骤一进行同样的算法操作，进而获得co的排放逆模型的三类系数。
[0076]
将co的排放逆模型的三类系数与no
x
逆模型的三类系数进行校验优化，确定逆模型中的三类系数，将所获得系数代入逆模型方程中，并将卫星观测数据代入逆模型方程中，获得最终的no
x
与co排放量。
[0077]
如图4所示为基于排放因子并通过no
x
排放量获得co2排放量的计算方法，作为对总流程图步骤三的详细说明，包括以下几个步骤：
[0078]
(3.1)基于meic获得“自下而上”的年均人为源no
x
与co2排放量数据，求算获得no
x
与co2排放的转换因子(conversion factor)，方程如下所示：
[0079][0080]
其中与均为“自下而上”的年均人为源。
[0081]
(2)根据步骤(3.1)求算所获得的排放因子利用之前所获得的no
x
排放量计算混合co2排放估算的单个排放预计最后求得基于no
x
排放量co2排放量，过程如下所示：
[0082][0083][0084]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
技术特征：1.一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：包括以下步骤：(1)利用tropomi二氧化氮对流层柱浓度观测数据和欧洲中期天气预报中心风场再分析数据，采用氮氧化物(no
x
)与no2比例因子计算得到no
x
柱浓度平均水平通量；(2)基于稳态连续方程，计算no
x
柱浓度水平通量散度；(3)利用0.1
°
分辨率的中国多尺度排放清单模型数据，进行网格转换和重采样，删除数据中的无效网格，获得0.05
°
分辨率的“自下而上”先验排放数据；(4)构建计算no
x
的排放逆模型，并带入步骤(1)中tropomi二氧化氮对流层柱浓度观测数据作为第一、第二项数据，带入步骤(2)所获得的水平通量散度作为第三项数据，带入步骤(3)所中的中国多尺度排放清单模型数据作为先验排放量；(5)利用多元线性回归逐象元地拟合求解排放逆模型中的三类系数，并计算其概率密度函数，利用bootstrap方法获得no
x
逆模型中三类系数的系数范围；(6)利用tropomi一氧化碳柱浓度的观测数据，按照(1)～(5)步骤进行同样的操作，进而获得co的排放逆模型的三类系数，并与no
x
逆模型的三类系数进行校验优化；(7)利用所获得的三类系数，将卫星观测的柱浓度数据带入逆模型中，获得最终的no
x
与co排放量；(8)基于meic获得“自下而上”的年均人为源no
x
与co2排放量数据，求算no
x
与co2排放的转换因子；(9)利用步骤(8)所获得的排放因子，带入步骤(7)所获得的no
x
排放量，计算求得co2排放量；(10)基于meic获得“自下而上”的年均人为源co与co2排放量数据，按照(8)～(9)步骤进行同样的操作，进而获得co2排放量；(11)对于步骤(9)和(10)获得的两套co2排放量数据进行优化，当排放量存在缺值的情况下，两者相互填充；当排放量同时存在时，两者取均值，求得最终的co2排放量。2.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(1)中，利用no2对流层柱浓度、no
x
/no2比例因子以及风场数据，经过局部背景校正求算出no2柱浓度平均水平通量；其中，风场数据选用风速为950hpa，卫星过境时刻为当地时间13点30分，因此使用13点与14点的风场数据求取均值，分辨率经过重采样处理后与卫星数据保持一致；求取no
x
柱浓度水平通量时采取求取平均水平通量值能够防止no2对流层柱浓度因风场变化所导致的模糊，求取no
x
通量的方程表示为：f＝l
×v×
w其中，v代表no2对流层柱浓度，数据经过单位换算，单位换算为μg/m2，w代表风场，单位换算为m/s，l为no
x
/no2比例因子；局部范围内的no
x
/no2比例因子会受到臭氧的影响，因为一氧化氮形式的no
x
无法被卫星所观测到，一旦no混入o3转换为no2，no2通量会增加，形成一种暂时的虚拟源；如果将转换发生在排放源周围25公里范围内来考虑拟合区间，则求算散度时的总积分受到影响较少，因此，选取no
x
/no2比例因子l为1.32，代表tropomi卫星的典型值。3.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计
算方法，其特征在于：所述步骤(2)中，根据稳态连续方程，通量散度产生no
x
的源和汇，通过no
x
柱浓度平均水平通量求解出no
x
柱浓度的水平通量散度，计算no
x
柱浓度的水平通量散度方程表示为：其中，v代表no2对流层柱浓度，w代表风场，l为no
x
/no2比例因子，表示对no
x
平均通量的空间导数，代表该点向外的通量体密度，数值空间导数能够对像元值用四阶中心有限差法进行计算，将像元分布按照风向分为u方向和v方向，u表示经度方向的风，纬度相同，v表示纬度方向的风，经度相同，在两个方向上分别取像元y
t
周围四个像元值(y
t-2
，y
t-1
，y
t+1
，y
t+2
)，h表示单位像元对应的距离，采用haversine公式计算出两方向上单位像元之间的距离，具体四阶中心有限差法的求解式子表示为(y
t-2-8y
t-1
+8y
t+1-y
t+2
)/12*h，求得u方向和v方向的散度，最终得到总散度d；e和s分别为源和汇，d大于0时，该点则为散发通量的源，d小于0时，该点则为吸收通量的汇。4.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(3)中，利用0.1
°
分辨率的中国多尺度排放清单模型数据，根据高值区域生成一个掩膜，取值大于97.5％百分位值的高值区域网格作为有效网格，重采样获得先验排放的0.05
°
*0.05
°
网格单元数据。5.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(4)中，根据质量守恒原理，构建如下估算no
x
排放的逆模型：其中，式中各项均转换为统一空间范围的矩阵，由每个像元组成，x，y为像元在矩阵中所处的位置信息，下标i代表卫星的观测日期，c(x，y)代表卫星观测所得到的no
2 vcds，v(x，y)代表风场，方程中第一项代表no2的tvcds变化速率对no
x
排放估算的影响，第二项代表no
x
的物理化学损失，第三项则带入步骤(2)所获得水平通量散度作为第三项数据，代表对流项，而α1，α2，α3三类系数即是根据先验排放数据需要求算出的三个系数范围；在第一项中，表示两日卫星过境时刻气体柱浓度的变化量，一般卫星前后过境时间为一天，计算单位取μg/m2*s时，对第三项散度项作时间上的筛选，去除异常值，在散度d高值区域像元的值小于0的天数视为无效，并采用3倍sigma法剔除异常值；所述步骤(5)中，利用卫星观测所得到的no
2 vcds数据和meic先验数据，根据多元线性回归逐象元地拟合求解排放逆模型，对每个月都重复回归过程，得到α1，α2，α3三类系数以绘制概率密度函数图，计算bootstrap置信区间获得no
x
逆模型中三类系数的系数范围，采用核密度估计方法估计系数样本的密度函数，取kde拟合曲线最大值点对应的系数值作为估计值；所述步骤(6)中，co在求取平均水平通量时不需要使用比例因子l，通过进行(1)～(5)步骤同样的操作，获得co逆模型中三类系数的范围，与no
x
逆模型中的三类系数进行校验优化，从而确定逆模型中的三类系数。
6.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(7)中，利用校验优化后所获得的三类系数，将系数代入逆模型方程中，并将卫星观测的tropomino2与co柱浓度数据以及分别计算获得的散度数据代入逆模型中，获得最终的no
x
与co排放量和7.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(8)中，基于meic获得“自下而上”全部门的no
x
与co2排放量数据，求算获得co2与no
x
排放的转换因子f，方程如下所示：其中，与均为“自下而上”的排放量数据。8.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(9)中，利用步骤(8)求算所获得的排放因子f和步骤(7)所获得no
x
排放量估算得到基于卫星观测的化石燃料燃烧的碳排放，计算过程如下所示：。9.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(10)中，基于meic获得年均人为源co与co2排放量数据，按照(8)～(9)步骤进行同样的操作，进而获得co2排放量。10.根据权利要求1所述的一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法，其特征在于：所述步骤(11)中，对于步骤(9)和(10)获得的两套co2排放量数据进行优化，当存在no
x
缺值的情况下，由co来填充；当存在co缺值的情况下，由no
x
来填充；当no
x
与co同时存在时，两者取均值，求得最终的co2排放量。
技术总结本发明公开了一种基于卫星观测污染气体浓度的化石燃料二氧化碳排放计算方法方法，首先使用卫星观测的二氧化氮及一氧化碳柱浓度与气象数据计算得到两种污染气体的散度；然后，使用“自下而上”排放清单的先验数据分别构建出基于卫星遥感柱浓度计算氮氧化物及一氧化碳排放量的逆模型；通过多元线性回归求解逆模型的系数，计算出两者的排放量；最后，根据所获得的氮氧化物及一氧化碳排放量与二氧化碳排放量的比例关系，分别计算出两种二氧化碳排放量，相互补充取优，得到最终的二氧化碳排放量。本发明解决了由于二氧化碳在大气中的存活寿命长且现有碳卫星数据的空间覆盖度有限，导致难以直接基于卫星观测二氧化碳浓度计算化石燃料碳排放量的问题。石燃料碳排放量的问题。石燃料碳排放量的问题。
技术研发人员：秦凯 科恩杰森 陆凌霄 何秦 袁丽梅 施金承
受保护的技术使用者：中国矿业大学
技术研发日：2022.07.21
技术公布日：2022/11/1
