利用多时相高光谱图像将温室气体排放归因于单个设施:方法与应用
《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》:Attributing GHG emissions to individual facilities using multi-temporal hyperspectral images: Methodology and applications
【字体:
大
中
小
】
时间:2026年01月20日
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING 12.2
编辑推荐:
张一驰|韩戈|黄一阳|王华毅|张宏远|裴志鹏|蒲远学|罗浩天|易金春|史天奇|李思伟|龚伟
中国武汉大学遥感与信息工程学院,土地与大气定量遥感湖北省重点实验室,武汉430079
**摘要**
工业园区是温室气体(GHG)排放的主要来源,也是实施减排政策的最终责任主体
张一驰|韩戈|黄一阳|王华毅|张宏远|裴志鹏|蒲远学|罗浩天|易金春|史天奇|李思伟|龚伟
中国武汉大学遥感与信息工程学院,土地与大气定量遥感湖北省重点实验室,武汉430079
**摘要**
工业园区是温室气体(GHG)排放的主要来源,也是实施减排政策的最终责任主体。当前的卫星遥感技术在报告局部强点源排放方面表现良好,但在监测多个密集聚集的源的排放时面临重大挑战。为了解决这一限制,我们提出了一个排放分配框架EA-MILES,该框架将多源高光谱数据与羽流建模相结合,以量化过程级别的排放。仿真实验表明,利用现有的高光谱卫星,EA-MILES可以估计出强度超过80吨二氧化碳/小时和100千克甲烷/小时的源的排放,其偏差不超过13.60%和17.08%。以一个钢铁和电力生产园区作为案例研究,EA-MILES估计的过程级别排放的不确定性在26.33%到37.78%之间。估计结果与基于排放因子方法得出的清单值一致。使用自上而下的综合质量增强方法与EA-MILES结果进行比较,估计偏差没有超过16.84%。根据Climate TRACE的数据,全球约32%的二氧化碳和44%的甲烷点源位于EA-MILES的检测范围内,占人为二氧化碳和甲烷排放量的80%以上和55%以上。因此,本研究提供了一种基于卫星的新方法,用于报告工业园区内的设施规模温室气体排放,提供透明和准确的监测数据,以支持减排和能源转型决策。
**引言**
建立透明和准确的监测、报告和验证(MRV)系统是支持《巴黎协定》下国家自主贡献(NDCs)的基本前提(Change, 2015)。自下而上的核算仍然是温室气体(GHG)清单的方法论支柱(Crippa等人,2018;Xu等人)。2021年,IPCC第六次评估报告(AR6)强调了用基于卫星的自上而下的方法补充传统核算方法的迫切需求,以提高报告排放的透明度并减少不确定性(Masson-Delmotte等人,2021)。早在21世纪初,就提出了利用大气反演技术来估计大陆尺度二氧化碳通量的概念(Rayner和O'Brien,2001)。自2009年GOSAT和OCO-2/3卫星成功发射以来,基于卫星的温室气体监测取得了快速进展(Zhang等人,2024)。例如,Eldering等人(2017)展示了OCO-2的XCO2观测推断二氧化碳通量变化的潜力(Eldering等人,2017),而Chatterjee等人(2017)使用OCO-2产品研究了厄尔尼诺事件对区域二氧化碳通量的影响(Chatterjee等人,2017)。最近,Che等人(2024a,2024b)利用OCO-3估计了墨西哥城上空的XCO2空间梯度,并估算了城市规模的二氧化碳排放(Che等人,2024a,b)。同时,甲烷监测的进步利用了TROPOMI的XCH4产品来优化国家到次国家级别的甲烷通量估算(Shen等人,2023;Zhang等人,2020)。虽然学术界的兴趣通常集中在温室气体通量的地理分布上(Tian等人,2024),但减排最终依赖于识别和监管排放实体——其中大多数是工业设施(Turnbull等人,2016)。人为温室气体排放本质上是点源主导的,这使得设施级别的监测变得越来越重要(Duren等人,2025)。因此,近年来,使用卫星遥感检测工业园区内的温室气体(GHG)排放已成为一个突出的研究趋势。
由于全球倡议如全球甲烷承诺的推动,自2020年以来,甲烷点源检测取得了显著进展(Irakulis-Loitxate等人,2021;Mohammadimanesh等人,2025)。由于观测条件有利以及与石油和天然气活动相关的高排放强度,美国的二叠纪盆地已成为研究的重点区域(Cusworth等人,2021;Cusworth等人,2022;Naus等人,2023)。在煤矿甲烷检测领域,中国的山西省因甲烷点源监测而受到越来越多的关注(Han等人,2024b;Lu等人,2025;Schwandner等人,2017)。关于基于卫星的二氧化碳点源检测的研究甚至更早开始(Schwandner等人,2017)。最初的研究主要使用OCO-2的XCO2观测通过基于模型的反演技术来限制设施级别的排放(Nassar等人,2017b;Nassar等人,2021)。最近,来自DQ-1上的ACDL等空间激光雷达观测也被用于检测大型二氧化碳排放源(Han等人,2024a;Shi等人,2023)。然而,这些研究中的一个持续挑战在于准确地将观测到的排放归因于个别设施(Lin等人,2023;Zheng等人,2020)。新兴研究表明,成像光谱仪可以检测到来自个别设施的二氧化碳羽流,尽管其反演精度仍然有限(Cusworth等人,2023;Thorpe等人,2023)。一个关键的限制是光谱分辨率和空间分辨率之间的权衡,这限制了同时获得高精度和高分辨率的XCO2或XCH4产品的能力。当前的基于卫星的方法分为两类。第一类提供高精度但分辨率较低的产品,如OCO-2/3和TROPOMI,它们能够以低不确定性检测区域通量,但无法分辨个别设施(Zhu等人,2025)。第二类使用高空间分辨率的成像光谱仪,如EMIT、PRISMA或中国的GF系列,它们可以检测大型点源,但检测阈值较高(Lauvaux等人,2022;Marjani等人,2024)。在甲烷检测方面,最近的研究表明,排放强度低于100千克/小时的排放源占总排放量的70%以上(Sherwin等人,2024;Williams等人,2025)。然而,大多数现有的成像光谱仪的甲烷检测阈值超过300千克/小时(Guanter等人,2021;Huang等人,2025;Pei等人,2023)。对于二氧化碳,我们正在进行的同行评审分析表明,当前中国的超光谱卫星(例如GF和ZY系列)的检测阈值约为300-400吨/小时。尽管GHGSAT声称具有更高的灵敏度,但根据与甲烷检测研究的比较,它们的二氧化碳检测阈值可能仍然高于100吨/小时(Commission等人,2021;Jervis等人,2021)。鉴于清单数据显示二氧化碳排放源的规模分布与甲烷源相似(Singer等人,2014),现有的空间传感器可能错过了超过70%的设施规模二氧化碳排放(Zhang等人,2016)。因此,降低卫星对温室气体点源的检测阈值已成为一个亟待解决的关键挑战。
降低检测阈值的基本限制主要在于当前高光谱仪的光谱分辨率和信噪比(SNR)不足。这导致检索到的二氧化碳或甲烷浓度出现较大的随机误差。当来自低强度源的浓度增强低于检索的噪声水平时,检测和量化变得不可行。第二个限制是大型工业园区内排放信号的空间重叠,其中低通量点源信号经常被相邻的强源掩盖,使得使用自上而下的方法准确量化设施级别的排放变得复杂(Jacob等人,2022;Varon等人,2018)。本研究专注于使用基于匹配滤波器和迭代大涡模拟的自适应排放分配方法(EA-MILES)将复杂工业园区中的个别点源归因于“不可量化”的排放。首先,我们将多个小排放源聚合成一个复合源区域,并使用高精度卫星(如OCO-2/3、DQ-1或Sentinel-5P)来限制总排放。然后我们利用预训练的WRF-LES羽流来模拟多时相ΔXCO2或ΔXCH4检索,自适应优化每个点源的排放比例。
本文的其余部分组织如下。第2节介绍了EA-MILES的原理及其相关输入数据。第3节进行了端到端仿真实验,以测试EA-MILES的可靠性并研究其检测能力及其应用前景。第4节以一个工业园区作为案例研究,展示了模型在真实场景中的能力。结果与自下而上方法和自上而下方法的估计进行了比较。最后,第5节总结了整个工作。附录包括本研究中使用的高光谱数据(表A1、表A2)和专有名词词汇表(表A3)。
**部分摘录**
**总排放估算**
几项成熟的研究已经成功量化了园区级别的二氧化碳通量(Han等人,2024a;Nassar等人,2021;Nassar等人,2022),这些估计可以作为EA-MILES模型中总排放的先验输入。在本研究中,以EMI-GATE模型和DQ-1观测为例。DQ-1对强点源的检测性能可与OCO-2/3相媲美(Han等人,2024a)。EMI-GATE使用垂直积分的二维高斯羽流模型来模拟ΔXCO2检索和处理。
**本研究使用的高光谱数据**
这些数据由GF-5和ZY-1卫星的AHSI仪器获取。通过匹配滤波(MF)方法检索到高空间分辨率的ΔXCO2(Li等人,2025b;Pei等人,2023)。根据比尔-朗伯定律,ΔXCO2会扰动观测到的光谱xm(Guanter等人,2021)。xm=xr-k?xr?Δc,其中Δc是待解决的柱浓度增强值,xr是从背景像素估计的参考光谱,k是吸收系数。
**预训练的WRF-LES羽流**
WRF-LES可以在给定的排放率、风速和其他气象条件下,解析空间中点源排放颗粒的三维体积混合比增强。它通常用于高分辨率的湍流羽流传输。在本研究中,使用WRF-LES(V4.1.2)来模拟固定点源在6000×6000米域内的羽流,水平和垂直分辨率均设置为30米。其余参数遵循配置描述。
**在真实场景中的应用**
在确认模型的可行性后,在裕中工业园区进行了实际的排放分配实验。选择它作为案例研究的原因是考虑到量化钢铁行业过程级别排放的紧迫性。2025年,随着中国国家碳排放交易市场的扩大,钢铁行业已被正式纳入交易系统(生态环境部,2025)。然而,碳排放的监测和核算...
**归因于个别设施**
EA-MILES用于模拟31个场景的时间平均ΔXCO2结果(图11(a)),得到如图11(c)所示的模拟平均ΔXCO2结果。结果与排放区域掩码进行了叠加,并进行了z分数标准化。原始时间平均ΔXCO2和EA-MILES分配结果的频率分布散点图分别绘制(图11(b)),显示出高度一致性,R2=0.91。共使用了684个排放像素样本。
**结论**
在本研究中,我们提出了一个排放分配框架EA-MILES,用于量化具有重叠弱点源信号的情景下的排放。进行了3组端到端仿真实验来评估模型的性能。全球拟合R2≥0.67,绝对偏差之和占总排放量的不到12.34%。80吨二氧化碳/小时和100千克甲烷/小时的弱源被准确量化,偏差不超过13.60%和17.08%。我们发现EA-MILES倾向于...
**作者贡献声明**
张一驰:撰写——审阅与编辑、撰写——原始草稿、可视化、验证、方法论、数据管理、概念化。
韩戈:撰写——审阅与编辑、监督、资源获取、正式分析、概念化。
黄一阳:撰写——审阅与编辑、方法论、正式分析、概念化。
王华毅:软件、资源、方法论、数据管理。
张宏远:资源、数据管理。
裴志鹏:资源。
**利益冲突声明**
作者声明他们没有已知的可能会影响本文所述工作的竞争财务利益或个人关系。
**致谢**
作者感谢所有对这项研究的财政支持。这项研究得到了中国国家重点研发计划(项目编号2024YFB3910203)、国家自然科学基金(项目编号42475144)、中央高校基本科研业务费(2042025kf0036)和北京自然科学基金(项目编号L211045)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号