Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)
Будущая конференция
Архив конференций
2024 2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 2011 2010 2009 2008 2007 2006 2005 2004 2003
Личный кабинет
Зарегистрироваться на сайте Войти на сайт Забыли пароль?
Электронный сборник статей
«Информационные технологии в дистанционном зондировании Земли - RORSE 2018»
Журнал
«Современные проблемы дистанционного зондирования Земли из космоса»
Дополнительная информация
Контакты Полезная информация
Подписка/отписка
на рассылку новостей
Ваш e-mail:

Двадцать третья международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"

Участие в XXI Международной научной Школе-конференции молодых ученых по фундаментальным проблемам дистанционного зондирования Земли из космоса Участие в конкурсе молодых ученых 

XXIII.D.522

О подходах к восстановлению вертикальных распределений NO2 и аэрозоля в нижней тропосфере по измерениям методом MAX-DOAS

Шамсутдинов Д.Р. (1), Постыляков О.В. (1), Боровский А. Н. (1), Чуличков А.И. (2)
(1) Институт физики атмосферы имени А. М. Обухова РАН, Москва, Россия
(2) МГУ имени М.В. Ломоносова, физический факультет, Москва, Россия
В работе представлен сравнительный анализ различных подходов к решению обратной задачи восстановления вертикальных профилей концентрации диоксида азота по данным многоугловой дифференциальной оптической спектроскопии. Традиционные методы, такие как оптимальная статистическая оценка, требуют задания априорной информации о ковариационной матрице искомых профилей, что приводит к неопределенности результатов. В работе исследуются альтернативные подходы, включая метод линейного программирования с использованием физически обоснованных ограничений и метод на основе нейронной сети.
Для объективной оценки методов был разработан синтетический набор данных с контролируемой статистикой. Были смоделированы два набора профилей: одни являлись случайной выборкой из многомерного нормального распределение, а другие выборкой из специально построенного статистического распределения. Это распределение имело один максимум с вероятностью 75% и два максимума с вероятностью 25%, высоты максимумов были равномерно распределены до высоты 1 км, значения концентраций на всех высотах были положительны. В работе также использовались данные CAMS для сравнения с реальными профилями NO₂.
Сравнение методов проводилось по критерию среднеквадратичной ошибки восстановления при различных уровнях шума. Было установлено, что на нормально распределенных данных нейронная сеть с увеличением числа эпох обучения сходится к линейной оптимальной статистической оценке, что соответствует теоретическим ожиданиям, поскольку в этом случае она совпадает с байесовской оценкой. На втором наборе профилей нейронная сеть демонстрирует превосходство над линейной оптимальной статистической оценкой при всех исследуемых уровнях шума. Аналогичные результаты были получены при обработке данных CAMS, где нейронная сеть также превосходила традиционные методы.
Метод линейного программирования показал хорошие результаты в условиях низкого уровня шума, но его эффективность снижалась при увеличении шума, что ограничивает его применимость для обработки реальных данных в этом случае. В то же время нейронная сеть, благодаря своей способности учиться на примерах, демонстрирует устойчивость к шуму и способность адаптироваться к различным типам профилей.

Работа выполнена за счет средств государственных заданий ИФА им. А.М. Обухова РАН, (регистрационный номер темы 125020501413-6), и МГУ им. А.М. Ломоносова.

Ключевые слова: MAX-DOAS, диоксид азота, обратные задачи, оптимальная оценка, линейное программирование, нейронные сети, вертикальные профили, дистанционное зондирование, атмосферные измерения, восстановление профилей
Литература:
  1. Chow J.C. Megacities and Atmospheric Pollution. Journal of the Air & Waste
  2. Management Association. 2004. 54. 1226–1235.
  3. Compernolle, S., Verhoelst, T., Pinardi, G., Granville, J., Hubert, D., Keppens, A.,
  4. Niemeijer, S., Rino, B., Bais, A., Beirle, S., Boersma, F., Burrows, J. P., De Smedt, I., Eskes, H.,
  5. Goutail, F., Hendrick, F., Lorente, A., Pazmino, A., Piters, A., Peters, E., Pommereau, J.-P.,
  6. Remmers, J., Richter, A., van Geffen, J., Van Roozendael, M., Wagner, T., and Lambert, J.-C.:
  7. Validation of Aura-OMI QA4ECV NO2 climate data records with ground-based DOAS
  8. networks: the role of measurement and comparison uncertainties, Atmos. Chem. Phys., 20,
  9. –8045, https://doi.org/10.5194/acp-20-8017-2020, 2020.
  10. Dimitropoulou, E.; Hendrick, F.; Pinardi, G.; Friedrich, M.M.; Merlaud, A.; Tack, F.; De
  11. Longueville, H.; Fayt, C.; Hermans, C.; Laffineur, Q.; Fierens, F.; Van Roozendael, M. (2020).
  12. Validation of TROPOMI tropospheric NO2 columns using dual-scan multi-axis differential
  13. optical absorption spectroscopy (MAX-DOAS) measurements in Uccle, Brussels. , Atmospheric
  14. Measurement Techniques, Vol. 13, Issue 10, 5165–5191, DOI: 10.5194/amt-13-5165-2020.
  15. Frieß, U., Beirle, S., Alvarado Bonilla, L., Bösch, T., Friedrich, M. M., Hendrick, F.,
  16. Piters, A., Richter, A., van Roozendael, M., Rozanov, V. V., Spinei, E., Tirpitz, J.-L., Vlemmix,
  17. T., Wagner, T., and Wang, Y.: Intercomparison of MAX-DOAS vertical profile retrieval
  18. algorithms: studies using synthetic data, Atmos. Meas. Tech., 12, 2155–2181,
  19. https://doi.org/10.5194/amt-12-2155-2019, 2019.
  20. Ivanov, V., A. Borovski, O. Postylyakov. First comparison of formaldehyde integral
  21. contents in ABL retrieved during clear-sky and overcast conditions by ZDOAS technique. Proc.
  22. SPIE, 2017, 10424, 104240O-9, doi: 10.1117/12.2278235.
  23. Kanaya, Y., Irie, H., Takashima, H., Iwabuchi, H., Akimoto, H., Sudo, K., Gu, M.,
  24. Chong, J., Kim, Y. J., Lee, H., Li, A., Si, F., Xu, J., Xie, P.-H., Liu, W.-Q., Dzhola, A.,
  25. Postylyakov, O., Ivanov, V., Grechko, E., Terpugova, S., and Panchenko, M.: Long-term MAX-
  26. DOAS network observations of NO2 in Russia and Asia (MADRAS) during the period
  27. –2012: instrumentation, elucidation of climatology, and comparisons with OMI satellite
  28. observations and global model simulations, Atmos. Chem. Phys., 2014, 14, 7909-7927,
  29. doi:10.5194/acp-14-7909-2014, 2014.
  30. Pisano J.T., I. McKendry, D.G. Steyn, D.R. Hastie. Vertical nitrogen dioxide and ozone
  31. concentrations measured from a tethered balloon in the Lower Fraser Valley. Atmospheric
  32. Environment, 31, 14, 2071-2078, 1997.
  33. Platt, U., and Stutz, J., [Differential Optical Absorption Spectroscopy, Principles and
  34. Applications], Springer, Berlin (2008).
  35. Postylyakov, O., A. Borovski, V. Ivanov. On determination of formaldehyde content in
  36. atmospheric boundary layer for overcast using DOAS technique. Proc. SPIE, 2015, Vol. 9680,
  37. O-10, doi: 10.1117/12.2205925.
  38. Shafiq, M.; Gu, Z. Deep Residual Learning for Image Recognition: A Survey. Appl. Sci.
  39. , 12, 8972. https://doi.org/10.3390/app12188972.
  40. Tirpitz, J.-L., Frieß, U., Hendrick, F., Alberti, C., Allaart, M., Apituley, A., Bais, A.,
  41. Beirle, S., Berkhout, S., Bognar, K., Bösch, T., Bruchkouski, I., Cede, A., Chan, K. L., den
  42. Hoed, M., Donner, S., Drosoglou, T., Fayt, C., Friedrich, M. M., Frumau, A., Gast, L., Gielen,
  43. C., Gomez-Martín, L., Hao, N., Hensen, A., Henzing, B., Hermans, C., Jin, J., Kreher, K., Kuhn,
  44. J., Lampel, J., Li, A., Liu, C., Liu, H., Ma, J., Merlaud, A., Peters, E., Pinardi, G., Piters, A.,
  45. Platt, U., Puentedura, O., Richter, A., Schmitt, S., Spinei, E., Stein Zweers, D., Strong, K., Swart,
  46. D., Tack, F., Tiefengraber, M., van der Hoff, R., van Roozendael, M., Vlemmix, T., Vonk, J.,
  47. Wagner, T., Wang, Y., Wang, Z., Wenig, M., Wiegner, M., Wittrock, F., Xie, P., Xing, C., Xu,
  48. J., Yela, M., Zhang, C., and Zhao, X.: Intercomparison of MAX-DOAS vertical profile retrieval
  49. algorithms: studies on field data from the CINDI-2 campaign, Atmos. Meas. Tech., 14, 1–35,
  50. https://doi.org/10.5194/amt-14-1-2021, 2021.
  51. Van Roozendael, M.; Hendrick, F.; Friedrich, M.M.; Fayt, C.; Bais, A.; Beirle, S.; Bösch,
  52. T.; Navarro Comas, M.; Friess, U.; Karagkiozidis, D.; et al. Fiducial Reference Measurements
  53. for Air Quality Monitoring Using Ground-Based MAX-DOAS Instruments (FRM4DOAS).
  54. Remote Sens. 2024, 16, 4523. https://doi.org/10.3390/rs16234523.
  55. Verhoelst, T., Compernolle, S., Pinardi, G., Granville, J., Lambert, J.-C., Eichmann, K.-
  56. U., Eskes, H., Niemeijer, S., Fjæraa, A. M., Pazmino, A., Bazureau, A., Goutail, F., Pommereau,
  57. J.-P., Cede, A., and Tiefengraber, M.: Quality assessment of three years of Sentinel-5p
  58. TROPOMI NO2 data , EGU General Assembly 2021, online, 19–30 Apr 2021, EGU21-7499,
  59. https://doi.org/10.5194/egusphere-egu21-7499, 2021.
  60. Васильев Ф.П. Методы оптимизации. В 2 книгах. 2011, 1056 с.
  61. Груздев А.Н., Елохов А.С. Валидация результатов измерений содержания NO2 в
  62. вертикальном столбе атмосферы с помощью прибора OMI с борта спутника EOS–Aura по
  63. результатам наземных измерений на Звенигородской научной станции // Изв. РАН.
  64. Физика атмосферы и океана. 2009. Т. 45. № 4. С. 477–488.
  65. Иванов В.А., Елохов А.С., Постыляков О.В. О возможности оценки объема
  66. выбросов NO2 в городах по зенитным спектральным наблюдениям рассеянной солнечной
  67. радиации вблизи 450 нм // Оптика атмосф. и океана. 2012. Т. 25, № 6. C. 544–549. DOI:
  68. 1134/S1024856012060061; Ivanov V.A., Elokhov A.S., Postylyakov O.V. On the Possibility
  69. of Estimating the Volume of NO2 Emissions in Cities Using Zenith Spectral Observations of
  70. Diffuse Solar Radiation near 450 nm //Atmos. Ocean. Opt. 2012, V. 25, N 6. P. 434–439.
  71. Постыляков О.В. Модель переноса радиации в сферической атмосфере с расчетом
  72. послойных воздушных масс и некоторые ее приложения. Известия РАН, ФАО, 2004, 40,
  73. №3, 314-329.
  74. Юань Б., Чуличков А.И. Об оценке максимальной возможности параметров модели
  75. измерений. Вестник Московского университета. Серия 3: Физика, астрономия 5, 24-32
  76. (2015)

Дистанционные методы исследования атмосферных и климатических процессов