使用长波红外高光谱成像的空中甲烷羽流探测概率

《Remote Sensing of Environment》：Probability of detection for airborne sensing of methane plumes using long wavelength infrared hyperspectral imaging

　　

被动空中长波红外（LWIR）高光谱成像的甲烷（CH₄）探测概率（POD）曲线。三次测量活动涵盖裸地、雪覆盖和融雪条件。热对比度和风速主导甲烷羽流可探测性。均匀雪覆盖产生了显著更高的探测概率。探测概率曲线支持任务规划和年度可用性估计。

甲烷（CH₄）作为短寿命强温室气体，其排放需紧急削减以应对气候变化。全球约20-25%的人为甲烷排放来自油气开采点源，如泄漏阀门和未燃烧火炬，这些排放虽易削减，但需先被有效检测。现有技术中，地面手持设备精准但劳动密集，卫星覆盖广但灵敏度有限，而飞机传感器可快速调查偏远区域，填补了监测空白。目前商用飞机系统多基于短波红外（SWIR）光谱，但依赖太阳反射光，在雪覆盖或低太阳辐照条件下受限。长波红外（LWIR）高光谱成像通过吸收和发射热辐射探测甲烷羽流，不依赖太阳光，可在低辐照时段和雪面工作，但缺乏系统的探测概率（POD）评估。本研究针对Telops Hyper-Cam Airborne Mini系统，基于三次受控释放测量活动（2023年裸地、2024年均匀雪覆盖、2025年融雪条件），开发了POD预测算法，并评估了其在不同环境条件下的性能。论文发表在《Remote Sensing of Environment》。

研究人员采用的主要关键技术方法包括：①基于非散射辐射传输方程的光谱模型，推导出包含热对比度（T_air - T_g）和风速（U）的预测函数（FOM = (T_air - T_g) / (T_g²U)）；②基于技术提供商提供的最小检测限（MDL）的替代预测函数；③归一化逻辑函数作为逆链接函数，通过马尔可夫链蒙特卡洛（MCMC）过程估计参数不确定性，生成90%置信区间的POD曲线。受控释放实验在加拿大阿尔伯塔省三个地点进行：2023年于Carbon Management Canada's Newall County Field Research Station（裸地），2024年于Natural Gas Innovation Fund-Emissions Testing Centre（雪覆盖），2025年于前者（融雪条件）。释放速率范围为0.25-80 kg/h，使用压缩天然气，通过热交换器使气体温度与环境空气一致。

研究结果如下：
**3.1. 测量活动期间的环境条件**：通过分析2023和2024年典型日的气温、地面温度、热对比度和风速数据，发现2023年裸地条件下，热对比度在清晨较低，随太阳升起逐渐增大，中午达到峰值；2024年雪覆盖条件下，由于暖空气团过境，气温持续上升，而地面因雪融化潜热滞后，热对比度大致恒定。
**3.2. 探测概率曲线**：基于2023年数据构建的POD曲线显示，预测函数值g与探测概率呈单调递增关系。2024年雪覆盖条件下POD显著高于2023和2025年，其g₉₀值（0.63×10⁴ g/(m·K)）远低于2023年（1.63×10⁴ g/(m·K)）和2025年（4.2×10⁴ g/(m·K)）。2025年POD曲线右移，部分归因于更大的视场（FOV）导致噪声等效光谱辐射亮度（NESR）增加，但经像素数校正后仍与2023年曲线存在差异，而基于MDL的预测函数则使2023和2025年曲线更接近。2024年高POD归因于均匀雪覆盖提供的均匀热背景和高热对比度，而2023和2025年存在复杂热杂波（如阴影、反射、湿地面）。
**3.3. 整体系统性能**：基于2023年数据绘制的POD等值线图显示，释放速率越高、热对比度越大、风速越低，POD越高。与Bridger GML?系统对比，Telops系统在90% POD下的最低可检测释放速率更高，但Bridger系统在雪覆盖环境下的性能数据缺失。结合历史气象数据（GOES ABI LST和HRRR）对2.5 kg/h释放的年度可用性估计表明，最佳条件出现在早春（气温高于0°C而地面仍冻结时），但GOES LST低估峰值地面温度，导致可用性估计保守。

**讨论部分总结**：研究发现，探测概率主要由热对比度和风速决定，雪覆盖条件因均匀热背景和高热对比度有利于检测。卫星数据（GOES ABI LST）虽能捕捉趋势，但因空间分辨率低和刷新率慢，低估峰值地面温度，导致可用性估计偏保守。实际测量可用性可能更高，尤其在云层覆盖但热对比度来自暖空气团时。未来可通过更精确的地面温度建模（如考虑辐射冷却）和机器学习算法提升性能。
**研究结论部分翻译**：本研究基于三次受控释放活动（涵盖不同环境和表面条件），为Telops Hyper-Cam Mini xLW空中系统开发了探测概率（POD）曲线及相应不确定性估计。结果表明，POD对地面亮度温度与近地表气温之间的热对比度最为敏感。在干燥地面条件下，热对比度主要由太阳加热驱动；而在雪覆盖表面，当气温超过雪融点时，也可产生强热对比度。生成的POD曲线可用于支持任务规划，并结合历史气象数据估计该技术在某地点的操作可用性。以阿尔伯塔省布鲁克斯附近场地为例的分析显示，将2023年测量期间的地面温度与GOES-18先进基线成像仪（ABI）产品导出的地表温度（LST）比较，发现卫星反演系统地低估了峰值地面温度，因为卫星产品像元尺寸远大于相机检测窗口（见SI第S.4节）。由于这些峰值温度通常对应最有利的检测条件，基于卫星数据的可用性估计应视为保守。尽管如此，卫星观测捕捉到了有意义的时变趋势，支持了该技术的可行性及其在早春等可能对其他方法具有挑战性的条件下的适用性。通过更精确地建模地面温度随环境条件的变化，可进一步提高性能。卫星观测的地面亮度温度仅限于晴朗或接近晴朗的天空条件。虽然这些条件通常与太阳驱动的强热对比度时期重合，但其他机制（如晴朗天空下的地面辐射冷却）可能使检测在云层条件下或夜间成为可能。在算法方面，机器学习为加速数据处理和增强检测灵敏度提供了重要机遇，可通过利用当前基于物理模型未完全捕捉的空间和光谱特征来实现。