【PPT教程-2023】使用机器学习改善 GHG 模拟
·
目录
本博客 结合 PPT2023-Emulating Atmospheric Transportto estimate GHG emissions using machine learning model内容，详细解释。
- 早期探索（2000-2010）： 如 SCIAMACHY 和 GOSAT，主要是科学探索，空间分辨率较低（十公里级），主要用于了解全球背景浓度。
- 蓬勃发展（2015-2020）： 出现了 TROPOMI 这样兼顾较高分辨率（公里级）和每日全球覆盖的强大载荷；同时 GHGSat、PRISMA 等开始将分辨率推进到“米级”，使得 点源（如单个工厂、管道泄漏） 的温室气体监测成为可能。
- 未来规划（2023-2030）： GOSAT-GW、MethaneSAT、Sentinel-5 和 MERLIN 代表了未来的发展方向——更高的精度、针对特定气体（如甲烷）的专项监测，以及引入主动遥感（激光雷达）技术以克服夜间和高纬度无太阳光照的限制。
| 卫星/载荷名称 | 主要观测要素（温室气体及相关气体） | 典型空间分辨率 | 时间分辨率（重访周期） |
|---|---|---|---|
| SCIAMACHY (搭载于Envisat) | CO₂, CH₄, N₂O, CO, O₃, NO₂ 等 | 30 × 60 km 至 30 × 120 km | 约 6 天 |
| GOSAT (Ibuki) | CO₂, CH₄ | 约 10.5 km (星下点圆形视场) | 3 天 |
| GHGSat (商业星座) | CH₄, CO₂ (主要针对工业设施级点源) | 25 m ~ 50 m (极高空间分辨率) | 单星约 14 天 (星座组网可达1-2天) |
| TROPOMI (搭载于Sentinel-5P) | CH₄, CO, NO₂, SO₂, O₃, 甲醛等 | 5.5 × 3.5 km (发射后升级) | 1 天 (全球每日覆盖) |
| GOSAT-2 (Ibuki-2) | CO₂, CH₄, CO | 约 9.7 km (星下点) | 6 天 |
| PRISMA | 高光谱成像 (可用于反演CH₄、CO₂点源泄漏) | 30 m (高光谱) | 29 天 (利用侧摆能力可缩短) |
| EnMAP | 高光谱成像 (可用于反演CH₄点源泄漏) | 30 m | 27 天 (利用侧摆能力可达4天) |
| GOSAT-GW (计划/在建) | CO₂, CH₄, NO₂ 等 | 约 10 km (温室气体载荷) | 约 3 天 |
| MethaneSAT (近期发射) | CH₄ (兼顾区域面源与高排放点源) | 约 100 × 400 m | 3 ~ 4 天 |
| Sentinel-5 (计划) | CH₄, CO, O₃, NO₂, SO₂, 气溶胶等 | 约 7.1 km | 1 天 |
| MERLIN (计划) | CH₄ (首个主动式激光雷达温室气体卫星) | 约 50 km (沿轨平均数据) | 28 天 |
参考
1、PPT2023-Emulating Atmospheric Transportto estimate GHG emissions using machine learning model
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
6
0- 0
已为社区贡献1条内容
所有评论(0)