第1153章 天降大礼（2 / 2）

于是干脆跳过了中间的部分：

“那我这次回去之后，就提前整理一下过去积累的调研结果，准备给常院士你打辅助咯？”

“话可不能这么说……”

常浩南赶紧摆了摆手：

“丁所长在气候问题上前后奔走，据理力争十几年，要是因为我中间插了一次手就变成辅助，岂不是显得我喧宾夺主了？”

在这件事情上，他并不准备直接站到明面上来。

一来，确实双方分工不同，而且IPCC开会基本都在欧洲，常浩南又不可能随随便便出国。

更重要的是，几年之后的AE1500还需要拿低排放作为核心卖点之一。

所以他现在必须得唱红脸，以后才好把环保问题拿出来说事。

否则别人一查，发现就是你小子前些年从中作梗，把IPCC的评估报告和气候协议给搅黄了，那回旋镖可就扎到自己脑袋上了……

总之，二人都对这一番会面非常满意。

在又进行了一番相互吹捧之后，便各自离开……

……

回到实验室之后，常浩南马上打开电脑，在文档首页写下了一串标题——

《一种优化初始猜测和阻尼系数的全局收敛的优化Levenberg-Marquardt迭代算法。》

这正是他整个计划中的第一步。

也是最重要的一步。

对于卫星遥感而言，正演相当于描述大气参量到观测值之间的物理过程，也就是利用辐射传输物理过程模拟出传感器的辐射亮度。

那么相对应的，反演过程是在最优化理论下建立代价函数，以迭代的形式逐步逼近真值。

具体到大气成分探测问题上，除去传感器能够直接获得的参量以外，代价函数还包括示观测辐射的误差协方差矩阵、未知目标向量的初始值、以及能够确切描述背景场先验值的协方差矩阵。

其中第二项因为可以用“已知”的二氧化碳浓度作为参照，所以并不完全需要靠经验猜测，因此反演问题的本质就成为了寻求代价函数的最小值。

而常浩南在短时间内能想到的最有效，但又不至于引起特别高警惕的办法，就是在理论层面上对Levenberg-Marquardt迭代算法进行改进。

毕竟这个算法在很多迭代求解的最优化问题上都能够发挥作用。

本小章还未完，请点击下一页继续阅读后面精彩内容！