El dióxido de carbono (CO2) atmosférico es uno de los principales gases de efecto invernadero que ha aumentado de forma persistente durante las últimas décadas. Es uno de los principales impulsores del cambio climático regional y global. La mayoría de las fuentes y sumideros de CO2 se encuentran cerca de la superficie. Observaciones de sirenas infrarrojas de onda corta cargadas en satélites, como el Satélite de observación de gases de efecto invernadero (GOSAT) y el Observatorio de carbono en órbita (OCO-2) pueden proporcionar mediciones precisas de la concentración de CO2 atmosférico promediada en la columna.
La ecuación de transferencia radiativa atmosférica (RTE) es una ecuación integral de Fredholm del primer tipo, que se reconoce como propenso a estar mal condicionado. Por lo tanto, el problema inverso basado en el RTE no está bien planteado. El método inverso para la recuperación de perfiles de gas atmosférico generalmente se basa en la teoría de optimización.
En un artículo reciente, Se propuso un método de restricción mejorado para la detección remota de CO2 por satélite en la banda SWIR (infrarrojo de onda corta), que combina un paso de preprocesamiento aplicado al vector de estado a priori antes de las recuperaciones, con el método de Newton amortiguado modificado (MDNM).
MDNM contiene dos factores restrictivos que estabilizan las iteraciones de recuperación. El parámetro de Levenberg-Marquardt (γ) se utiliza para asegurar una matriz hessiana positiva, y se usa un factor de escala (α) para ajustar el tamaño del paso. El algoritmo busca iterativamente una solución optimizada utilizando radiancias espectrales observadas, y los parámetros (γ y α) se ajustan apropiadamente. Un preprocesador para inicializar el primer intento (X0) antes de las recuperaciones, cuando el algoritmo detecta que X0 está lejos del vector de estado verdadero. También se presenta un nuevo método de selección de datos para detectar escenas de nubes basado en las diferentes formas del espectro en las bandas de oxígeno A y de dos micrones.
Esta investigación tiene como objetivo estabilizar las iteraciones de recuperación. Las validaciones preliminares indican que la calidad de los resultados de recuperación basados en MDNM es relativamente estable.
