Atmosferisch kooldioxide (CO2) is een primair broeikasgas dat de afgelopen decennia voortdurend is toegenomen. Het is een belangrijke aanjager van regionale en wereldwijde klimaatverandering. De meeste CO2-bronnen en -putten bevinden zich in de buurt van het oppervlak. Waarnemingen van kortegolf infrarood sirenes geladen op satelliet, zoals de Greenhouse Gases Observing SATellite (GOSAT) en Orbiting Carbon Observatory (OCO-2) kunnen nauwkeurige metingen leveren van de kolomgemiddelde atmosferische CO2-concentratie.

De atmosferische stralingsoverdrachtsvergelijking (RTE) is een Fredholm-integraalvergelijking van de eerste soort, waarvan wordt erkend dat het waarschijnlijk slecht geconditioneerd is. Dus, het omgekeerde probleem op basis van de RTE is niet goed gesteld. De inverse methode voor het ophalen van atmosferische gasprofielen is meestal gebaseerd op optimalisatietheorie.

In een recente krant, een verbeterde beperkende methode voor satelliet CO2 remote sensing in de (kortgolvige infrarood) SWIR-band werd voorgesteld, die een voorbewerkingsstap combineert die wordt toegepast op de a priori toestandsvector voorafgaand aan het ophalen, met de gemodificeerde gedempte Newton-methode (MDNM).

MDNM bevat twee beperkende factoren die de ophaaliteraties stabiliseren. De Levenberg-Marquardt-parameter (γ) wordt gebruikt om een ​​positieve Hessische matrix te verzekeren, en een schaalfactor (α) wordt gebruikt om de stapgrootte aan te passen. Het algoritme zoekt iteratief naar een geoptimaliseerde oplossing met behulp van waargenomen spectrale stralingen, en parameters (γ en α) worden op de juiste manier aangepast. Een pre-processor voor het initialiseren van de eerste schatting (X0) voorafgaand aan het ophalen, wanneer het algoritme detecteert dat X0 ver verwijderd is van de werkelijke toestandsvector. Er wordt ook een nieuwe methode voor gegevensscreening voor het detecteren van wolkenscènes gepresenteerd op basis van de verschillende spectrumvormen in de zuurstof-A- en twee micron-banden.

Dit onderzoek heeft tot doel de ophaal-iteraties te stabiliseren. Voorlopige validaties geven aan dat de kwaliteit van de op MDNM gebaseerde ophaalresultaten relatief stabiel is.