李珂，华东师范大学地理科学学院2023级地图学与地理信息系统专业博士研究生，导师为白开旭教授。主要从事大气参量遥感建模与温室气体排放反演等方向研究。她面向国家“双碳”战略对甲烷排放高效监测的迫切需求，发展了基于高光谱特征智能强化的全球甲烷柱浓度实时反演算法，构建了羽流视觉赋能的甲烷增量浓度与排放通量协同反演体系，为国家“减污降碳，协同增效”生态文明建设中甲烷监管提供核心技术与数据支撑。以第一作者在《Remote Sensing of Environment》等遥感或地球数据科学领域期刊发表论文9篇，授权国家发明专利6项。获高校GIS新秀、博士生国家奖学金、上海市优秀毕业生、华东师范大学优秀硕士学位论文等荣誉奖励。
轻量化模型：全球甲烷柱浓度实时遥感反演技术
甲烷作为一种重要的温室气体，其精准溯源对环境治理具有重要意义。实现甲烷柱浓度的快速精准反演，一直受限于全物理贝叶斯优化框架的计算效率。李珂同学的研究通过方法论的创新，成功克服了这一长期存在的障碍。她的核心创新在于，提出了以甲烷强弱吸收波段的辐亮度比值特征空间，替代传统物理反演中对原始辐亮度的直接依赖。基于此，她发展了一套无需在线辐射传输模拟的实时反演模型。该模型不仅降低了对计算资源的要求，更在性能上实现了显著超越：与欧空局官方算法相比，新方法在总体反演精度上提升20.5%，并将有效反演结果的空间覆盖率提升了136%。这项工作为甲烷遥感从“延时分析”走向“实时感知”提供了关键技术路径，研究成果发表于《Remote Sensing of Environment》。
典型应用证实模型在甲烷热点跟踪监测方面的技术优势与应用价值
地气解耦：面向复杂地表的甲烷羽流识别技术
李珂同学的研究进一步聚焦于高光谱遥感中甲烷增量反演的精度问题。她认识到，传统匹配滤波方法在复杂地表背景下性能下降的根本原因在于，未能有效分离目标气体信号与复杂地表的背景干扰。基于此，她设计了基于光谱解构与低秩重建的增强匹配滤波算法，从原理上提升了算法对两类信号的特异性识别能力。在基于高分五号卫星的仿真实验中，该方法验证了其显著优势：甲烷增量浓度反演误差降低80%，同时将异物同谱地物引起的虚警干扰出现概率降低了70%。该项研究从机理出发，系统地解决了一个实际应用难题，相关论文已发表在遥感领域顶级期刊《ISPRS Journal of Photogrammetry and Remote Sensing》。
基于国产高分五号卫星AHSI光谱仪的全球甲烷点源排放遥感监测
视觉解析：甲烷排放通量机器学习估算模型
当前广泛应用的自下而上清单核算方法，因底层数据获取困难且时效性不足，难以满足动态监管的需求。李珂同学的研究关注于如何利用遥感技术实现对甲烷点源排放的近实时、精准量化。传统的综合质量增强法在估算排放通量时，因其依赖简化的羽流几何参数和理想风速假设，难以精确解析真实排放羽流的复杂形态。针对这一局限性，她提出了羽流形态强化的甲烷排放通量机器学习估算新模型。该模型通过强化对羽流形态的刻画，显著提升了估算精度。地面控制实验表明，其排放通量估算偏差可控制在±100 kg/h以内，精度提升达20%。这项工作为编制精准的动态排放清单提供了更可靠的技术工具，研究成果已被《Journal of Remote Sensing》接受。
在由国家航天局与中国遥感应用协会联合主办的第二届高分对地观测应用技术创新大赛中，李珂同学研发的“集成光谱重建与羽流特征工程的甲烷排放反演技术”，荣获“复杂背景下高精度甲烷点源遥感定量监测”赛题的全国一等奖。这一成果为利用国产高分数据构建高效的碳排放监测体系提供了重要的技术支撑。
