【儀表網 研發快訊】近日，中國科學院安徽光機所高曉明研究員、劉錕研究員團隊在溫室氣體柱濃度高精度反演方法方面取得新進展。相關研究成果以《基于激光外差輻射計的二氧化碳柱濃度多模態神經網絡融合反演方法》為題發表在國際知名期刊Sensors and Actuators B： Chemical(SCI一區， IF=7.8)。
大氣二氧化碳(CO2)作為最主要的溫室氣體之一，其高精度監測對于全球碳收支評估和氣候變化研究具有重要意義。激光外差輻射計(LHR)因具有高光譜分辨率、體積小和成本低等優勢，被認為是地基溫室氣體柱濃度觀測的重要技術手段。然而，傳統基于全物理模型的反演方法依賴先驗濃度廓線且計算復雜，需要反復調用輻射傳輸模型，導致計算成本高、實時性差，并易受初值影響產生偏差。
團隊王貴師研究員和博士研究生熊昊等人提出了一種多模態神經網絡融合模型(MM-LHRNet)，用于LHR觀測下的CO2柱濃度反演。該模型融合外差光譜信息、溫度與壓力廓線以及太陽天頂角等多源數據，通過構建端到端的神經網絡，實現了多源信息的高效協同利用。經過實驗分析，該方法在外場觀測中表現出更高的反演精度和穩定性，顯著優于傳統非線性最小二乘方法。同時，該模型擺脫了對CO2先驗廓線的依賴，反演速度較傳統方法實現數量級提升，顯著降低了計算成本并具備近實時應用能力。
本研究工作得到國家重點研發計劃、國家自然科學基金項目等項目的資助。
所有評論僅代表網友意見，與本站立場無關。