Modification of the Empirical Orthogonal Functions Method for Solving the Inverse Task of Retrieving of the CO2 Total Content from Satellite Data

Abstract

This article discusses the use of a modified method of empirical orthogonal functions for solving the inverse problem of recovering the total content of carbon dioxide in the column of atmosphere above a particular territory, based on ground measurement points (TCCON station). Describes the method and results of processing real data satellite GOSAT instrument. Estimated error of the method in comparison with the ground truth data points and product GOSAT L2.

Two Machine Learning Based Schemes for Solving Direct and Inverse Problems of Radiative Transfer Theory

“…(10)) is that the resulting inverse operator can be readily applied to real measurements to retrieve the parameter of interest. The concept of backward ANNs was applied to several problems of remote sensing, including CO 2 [21] and SO 2 plume height [16,18] and surface albedo [24] and ozone profile [31] retrieval. However, the retrieval problem is ill-posed and the resulting ANN has to be regularized.…”

Определение Концентрации Компонентного Состава Газов Методом Оптической Спектроскопии В Условиях Перекрытия Их Спектральных Линий

“…Для многокомпонентных сред при перекрытии их спектральных линий используются многоспектральные измерения (устанавливаются комбинации длин волн [3][4][5][6]), требующие решения обратной задачи. При этом задача нахождения концентрации газовых компонент из результатов измерений относится к классу некорректных математических, поскольку решение таких задач может быть неустойчивым по отношениям к малым вариациям (погрешностям) измеряемых данных, приводит к большим погрешностям в определении компонентного состава смеси [3,7].…”

“…Находят такой набор параметров, при котором их различие будет минимальным. Как отмечено в [5] решения обратной задачи существенно зависит 1) от типа выбранной физической модели среды и приближений; 2) от объема и качества априорной информации; 3) от размерности вектора неизвестных параметров и измеренных значений; 4) от качества определения характеристик погрешности измерений. Указанные особенности решения, с одной стороны, позволяют получать соответствующего качества решения (оценки), однако эти оценки весьма затратны по времени при больших размерностях вектора измерений; существенно зависят от величины погрешности, могут при решении получать физически неверные результаты (обнуления, отрицательные значения и др.…”

“…Указанные особенности решения, с одной стороны, позволяют получать соответствующего качества решения (оценки), однако эти оценки весьма затратны по времени при больших размерностях вектора измерений; существенно зависят от величины погрешности, могут при решении получать физически неверные результаты (обнуления, отрицательные значения и др. ); требуют правильного и тщательного выбора физической модели и приближений [5].…”

“…Однако в случае сильного зашумления данных, слабого поглощения газовых компонент используемая система уравнений является плохообусловленной. Для нее даже метод регуляризации не гарантирует приемлемого решения [5][6][7].…”