CN114547885A - 碳排放定量反演的方法、装置、设备及存储介质 - Google Patents
碳排放定量反演的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114547885A CN114547885A CN202210159184.0A CN202210159184A CN114547885A CN 114547885 A CN114547885 A CN 114547885A CN 202210159184 A CN202210159184 A CN 202210159184A CN 114547885 A CN114547885 A CN 114547885A
- Authority
- CN
- China
- Prior art keywords
- carbon
- carbon dioxide
- wind direction
- emission
- satellite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 177
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 20
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 355
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 180
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 177
- 230000004907 flux Effects 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000011002 quantification Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本公开涉及低碳技术领域，提供了一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法、装置、设备及存储介质。该利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法包括：定量工厂碳排放，得到二氧化碳截面通量的线密度；利用高斯羽流模型优化风向，得到优化后的风向；基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值。利用本公开，能够定量监测电厂的二氧化碳排放状况，实现了精细的工厂级别的碳排放监测和管理，有效降低了因风向偏差导致的估算结果误差，能够形成一种不依靠工厂能源消耗数据来核算碳排放的独立核算体系。
Description
技术领域
本公开涉及低碳技术领域，尤其是一种利用轨道碳观测卫星OCO-2 遥感数据进行碳排放定量反演的方法、装置、设备及存储介质。
背景技术
二氧化碳(CO2)是导致全球增温变暖的主要温室气体之一。人类活动如化石能源燃烧是大气中二氧化碳含量增加的主要因素。自上世纪末至今，各个缔约方国家为应对气候变化，已经制定了如《巴黎协定》和《京都议定书》等减排协议，致力于把全球平均气温增幅限制在工业化前水平上的2摄氏度以内。因此，准确核算国家、城市和工厂等各个尺度的二氧化碳排放量是衡量减排效果和政策制定的重要基准。
现有的二氧化碳排放核算方法主要有两种：一种是基于能源活动数据的自下而上(bottom-up)核算方法，另一种是基于大气二氧化碳浓度的自上而下(top-down)反演核算方法。其中，自下而上核算二氧化碳方法是由联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)等国际组织制定并被广泛应用的通过化石能源消耗量和对应化石能源种类的排放因子来估算二氧化碳排放量的方法，其中，排放因子与能源燃料类型、质量和燃烧效率相关。自下而上二氧化碳排放核算方法的缺陷主要来自两方面，一是能源活动水平数据即工业产品的产量和能源消耗量等统计资料更新速度慢、统计口径不一致、统计数据不完整，二是燃料类型对应的排放因子不确定性高、具有地域差异性、实测难度大且成本高。因此，自下而上核算二氧化碳排放清单的方法难以捕捉人为排放源的时间动态变化和空间格局变化。
自上而下反演二氧化碳排放核算方法是基于观测的大气中二氧化碳总柱浓度和对应时间的气象资料，利用大气化学传输模式，采用如卡尔曼滤波和四维变分等数据同化方法，估算区域二氧化碳源和汇的通量及其变化。该方法是通过计算大气化学传输模式模拟值与观测二氧化碳浓度之间差异最小的区域通量，实现基于贝叶斯概率统计理论的反演区域二氧化碳通量的方法。其中，观测二氧化碳浓度数据主要来自两个方面，一是地面观测大气二氧化碳浓度数据，二是卫星观测获取的遥感数据。在已有的利用分布在全球的地基观测数据结合大气化学模式计算全球高时空分辨率的碳通量的研究中，存在着由于观测站点稀疏且缺乏，反演的通量不确定性大，不同模式之间的结果差异大等缺陷。卫星数据的引入虽然能一定程度上增加观测数据来源，但其存在区域性偏差，且卫星遥感数据精度和覆盖率仍然不足，反演的碳通量结果存在一定偏差。总体而言，自上而下方法反演二氧化碳排放的方法存在空间分辨率粗，模式之间结果差异大，不确定性大的缺陷。
另外，轨道碳观测卫星OCO-2是美国国家航空航天局(NASA)于 2014年7月2号发射的一枚轨道碳观测器2号卫星，用以监测全球二氧化碳排放情况。在现有利用轨道碳观测卫星OCO-2监测人为二氧化碳排放的研究中，大多观测二氧化碳浓度在城市地区的变化，或者是全球区域二氧化碳浓度随时间的变化，尚无法实现二氧化碳排放的定量研究。仅有少数研究实现了利用轨道碳观测卫星OCO-2观测轨迹定量发电厂的二氧化碳排放，由于风向不准确，存在着估算误差大，估算结果归因困难的缺陷。
发明内容
(一)要解决的技术问题
有鉴于此，本公开的主要目的在于提供一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法、装置、设备及存储介质。
(二)技术方案
本公开的第一方面，提供了一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，包括：定量工厂碳排放，得到二氧化碳截面通量的线密度；利用高斯羽流模型优化风向，得到优化后的风向；以及基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值。
在一些实施例中，所述定量工厂碳排放，得到二氧化碳截面通量的线密度，包括：利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度。
在一些实施例中，所述利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度，包括：从轨道碳观测卫星OCO-2遥感数据中收集存在二氧化碳浓度局部增强的二氧化碳浓度数据，并截取沿轨道方向一定距离的观测数据点，可选地该一定距离为200公里；收集与该二氧化碳浓度局部增强对应的电厂的地理位置信息和排放速率信息；以及利用高斯曲线拟合二氧化碳浓度数据随着沿轨道距离变化的趋势，计算高斯曲线与横轴之间的面积，即可计算得到二氧化碳截面通量的线密度。
在一些实施例中，所述利用高斯曲线拟合二氧化碳浓度数据随着沿轨道距离变化的趋势的步骤中，所述高斯曲线采用的公式如下：
其中，f(d)是轨道碳观测卫星OCO-2提供的二氧化碳浓度数据，d是碳卫星各个数据点的沿轨距离，k、b、σ、A是利用公式(1)进行高斯曲线拟合得到的拟合参数，处于不同位置的碳卫星数据得到不同的拟合参数。
在一些实施例中，所述利用高斯羽流模型优化风向，得到优化后的风向，包括：利用高斯羽流模型模拟轨道碳观测卫星OCO-2遥感数据观测点的二氧化碳浓度，基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向。
在一些实施例中，所述利用高斯羽流模型模拟轨道碳观测卫星OCO-2 遥感数据观测点的二氧化碳浓度的步骤中，所述高斯羽流模型是一种考虑污染源排放的污染气体是羽流状，并随着风向方向扩散的二维模型，模拟出每个轨道碳观测卫星OCO-2数据所处位置处的二氧化碳浓度。
在一些实施例中，所述高斯羽流模型采用的公式如下：
其中，(x，y)是待模拟位置相对于污染源的坐标，V(x，y)是模拟的二氧化碳垂直柱，F是电厂已知排放速率，β是大气稳态参数，u是垂直与碳卫星轨道的风速分量，e是自然常数。
在一些实施例中，所述模拟出的每个轨道碳观测卫星OCO-2数据所处位置处的二氧化碳浓度，通过如下公式(3)转换为以ppm为单位的二氧化碳浓度：
其中，mair是空气的摩尔质量，mCO2是二氧化碳的空气质量，a是重力加速度，Psurf是表面压力。
在一些实施例中，所述基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向，包括：为了减少风向的不确定性引起的误差，允许污染源的原始风向在一定角度范围内旋转(可选地该一定角度为45度)，以1 度为步长，分别计算轨道碳观测卫星OCO-2遥感数据位置处的模拟二氧化碳浓度值，并通过如下公式(4)计算模拟值与卫星实际观测值的决定系数 R2：
其中，V代表高斯羽流模型模拟的二氧化碳浓度值，W代表轨道碳观测卫星OCO-2观测的二氧化碳浓度值，
代表一定距离内轨道碳观测卫星OCO-2观测的二氧化碳浓度值的平均值，可选地该一定距离为200公里；在所有允许的风向角度范围内，选取决定系数R2最大的风向角度作为最优的风向。
在一些实施例中，所述基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值，包括：以优化后的风向旋转二氧化碳浓度峰值位置处的风向，并计算垂直于轨道碳观测卫星OCO-2扫描轨道的风速分量；以及将二氧化碳截面通量的线密度乘以所述风速分量，计算得到此处二氧化碳浓度增强位置处的二氧化碳截面通量，即该排放源电厂的二氧化碳排放量。
本公开的另一方面，提供了一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的装置，包括：工厂碳排放定量模块，用于利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度；风向优化模块，用于利用高斯羽流模型模拟轨道碳观测卫星OCO-2遥感数据观测点的二氧化碳浓度，基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向；数据处理模块，基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值。
本公开的又一方面，提供了一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的设备，包括：一个或多个处理器；存储器，其存储有计算机可执行程序，该程序在被所述处理器执行时，使得所述处理器实现所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
本公开的再一方面，提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令被执行时实现所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
本公开的再一方面，提供了一种计算机程序产品，包括：计算机可执行指令，所述指令被执行时用于实现所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
(三)有益效果
从上述技术方案可以看出，本公开提供的利用轨道碳观测卫星OCO-2 遥感数据进行碳排放定量反演的方法、装置、设备及存储介质，相对于现有技术，具有以下有益效果：
本公开提供的利用轨道碳观测卫星OCO-2遥感数据进行碳排放定量反演的方法、装置、设备及存储介质，利用轨道碳观测卫星OCO-2遥感数据定量工厂碳排放得到二氧化碳截面通量的线密度，利用高斯羽流模型优化风向得到优化后的风向，基于二氧化碳截面通量的线密度和优化后的风向计算得到电厂的二氧化碳排放值，能够定量监测电厂的二氧化碳排放状况，实现了精细的工厂级别的碳排放监测和管理，有效降低了因风向偏差导致的估算结果误差，能够形成一种不依靠工厂能源消耗数据来核算碳排放的独立核算体系。，
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1是依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法流程图。
图2是依照本公开实施例的利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合计算得到二氧化碳截面通量的线密度的流程图。
图3是依照本公开实施例的基于二氧化碳截面通量的线密度和优化后的风向计算得到电厂的二氧化碳排放值的流程图。
图4是依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的示意图。
图5是依照本公开实施例的轨道碳观测卫星OCO-2遥感数据沿着轨道方向的拟合曲线图。
图6是依照本公开实施例的经过优化后的风向与原始风向的对比图。
图7是依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演装置的示意图。
图8是依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的电子设备的框图。
【附图标记】：
S1、S2、S3：步骤
700：碳排放定量反演装置
701：工厂碳排放定量模块
702：风向优化模块
703：数据处理模块
800：电子设备
810：处理器
820：存储器
821：计算机程序
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
并且图中各部件的形状和尺寸不反映真实大小和比例，而仅示意本公开实施例的内容。另外，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。
再者，单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。说明书与权利要求书中所使用的序数例如“S1”、“S2”、“S3”等的用词，以修饰权利要求项的步骤，其本身并不意含及代表该请求步骤有任何之前的序数，电不代表某一请求步骤与另一请求步骤的顺序、或是制造方法上的顺序，这些序数的使用仅用来使具有某命名的一请求步骤得以和另一请求步骤能作出清楚区分。
人为污染点源的二氧化碳排放监测和定量对于衡量节能减排效果至关重要。传统通过能源消费数据和排放因子核算碳排放的方法实效性不强，不能体现区域差异性。针对现有的二氧化碳排放核算方法中自下而上核算方法和自上而下反演核算方法各自存在的缺陷和不足，以及现有利用轨道碳观测卫星OCO-2观测轨迹定量发电厂的二氧化碳排放时估算结果归因困难的问题，本公开的实施例对现有碳排放定量方法进行了改进，提供了图1所示的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他环境或场景。
如图1所示，根据本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，包括如下步骤：
步骤S1：定量工厂碳排放，得到二氧化碳截面通量的线密度；
具体地，本公开是利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度。
根据本公开实施例，图2示出了依照本公开实施例的利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合计算得到二氧化碳截面通量的线密度的流程图，包括如下步骤：
步骤S11：从轨道碳观测卫星OCO-2遥感数据中收集存在二氧化碳浓度局部增强的二氧化碳浓度数据，并截取沿轨道方向一定距离的观测数据点，可选地该一定距离为200公里；
步骤S12：收集与该二氧化碳浓度局部增强对应的电厂的地理位置信息和排放速率信息；
步骤S13：利用高斯曲线拟合二氧化碳浓度数据随着沿轨道距离变化的趋势，计算高斯曲线与横轴之间的面积，即可计算得到二氧化碳截面通量的线密度。
在本公开实施例中，步骤S13中所述利用高斯曲线拟合二氧化碳浓度数据随着沿轨道距离变化的趋势，所述高斯曲线采用的公式如下：
其中，f(d)是轨道碳观测卫星OCO-2提供的二氧化碳浓度数据，d是碳卫星各个数据点的沿轨距离，k、b、σ、A是利用公式(1)进行高斯曲线拟合得到的拟合参数，处于不同位置的碳卫星数据得到不同的拟合参数。
曲线拟合出二氧化碳浓度随着沿轨距离的变化趋势后，计算高斯曲线与横轴之间的面积，即可计算得到二氧化碳截面通量的线密度。
步骤S2：利用高斯羽流模型优化风向，得到优化后的风向；
具体地，本公开是利用高斯羽流模型模拟轨道碳观测卫星OCO-2遥感数据观测点的二氧化碳浓度，基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向。
在本公开实施例中，所述高斯羽流模型是一种考虑污染源排放的污染气体是羽流状，并随着风向方向扩散的二维模型，模拟出每个轨道碳观测卫星OCO-2数据所处位置处的二氧化碳浓度。所述高斯羽流模型采用的公式如下：
其中，(x，y)是待模拟位置相对于污染源的坐标，V(x，y)是模拟的二氧化碳垂直柱，F是电厂已知排放速率，β是大气稳态参数，u是垂直与碳卫星轨道的风速分量，e是自然常数。
根据本公开实施例，所述模拟出的每个轨道碳观测卫星OCO-2数据所处位置处的二氧化碳浓度，通过如下公式(3)转换为以ppm为单位的二氧化碳浓度：
其中，mair是空气的摩尔质量，mCO2是二氧化碳的空气质量，a是重力加速度，Psurf是表面压力。
根据本公开实施例，所述基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向，包括：为了减少风向的不确定性引起的误差，允许污染源的原始风向在一定角度范围内旋转(可选地该一定角度为45度)，以1度为步长，分别计算轨道碳观测卫星OCO-2遥感数据位置处的模拟二氧化碳浓度值，并通过如下公式(4)计算模拟值与卫星实际观测值的决定系数 R2：
其中，V代表高斯羽流模型模拟的二氧化碳浓度值，W代表轨道碳观测卫星OCO-2观测的二氧化碳浓度值，
代表一定距离内轨道碳观测卫星OCO-2观测的二氧化碳浓度值的平均值，可选地该一定距离为200公里。
在所有允许的风向角度范围内，选取决定系数R2最大的风向角度作为最优的风向。
步骤S3：基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值。
根据本公开实施例，图3示出了依照本公开实施例的基于二氧化碳截面通量的线密度和优化后的风向计算得到电厂的二氧化碳排放值的流程图，包括如下步骤：
步骤S31：以优化后的风向旋转二氧化碳浓度峰值位置处的风向，并计算垂直于轨道碳观测卫星OCO-2扫描轨道的风速分量；
步骤S32：将二氧化碳截面通量的线密度乘以所述风速分量，计算得到此处二氧化碳浓度增强位置处的二氧化碳截面通量，即该排放源电厂的二氧化碳排放量。
为进一步详细说明本公开提供的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，以下结合图4至图6所示的一个具体实施例来详细说明。
如图4所示，图4是依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的示意图。图4中，以经纬度位置为(76.66°E， 15.18°N)的一个电厂排放的二氧化碳羽流引起的二氧化碳浓度局部增强为例。本实施例收集了该羽流对应的轨道碳观测卫星OCO-2遥感数据以及同时期的以电厂为中心200公里范围内的风场数据。
第一步，选用上述高斯曲线采用的公式(1)：
利用开源Python软件包scipy.optimize中的curve_fit函数拟合二氧化碳浓度随着沿轨距离变化的趋势，得到待拟合参数k、b、σ、A分别为-0.0017、 413.78、5.15、44.22。进一步计算得到高斯曲线与横轴之间的面积为 51431.96，即该处二氧化碳局部增强的截面通量的线密度为51431.96。
如图5所示，图5是依照本公开实施例的轨道碳观测卫星OCO-2遥感数据沿着轨道方向的拟合曲线图。数据点是轨道碳观测卫星OCO-2的观测数据点的二氧化碳浓度，红色曲线是拟合的高斯曲线，红色数据点是高斯曲线拟合的高斯峰宽度范围内的点，蓝色数据点是范围外的点。
第二步，利用公式(2)模拟每个卫星观测点处的二氧化碳浓度值，并利用公式(3)将单位转换为与轨道碳观测卫星OCO-2遥感数据相同的浓度单位。原始风向的角度是82.40度，允许风向在45度范围内以1度为旋转步长进行旋转。利用公式(4)计算每次风向下，模型模拟值与卫星实际观测值的决定系数。最终得到风向角度为100.40度时，决定系数最大，即为最优的风向。
如图6所示，图6是依照本公开实施例的经过优化后的风向与原始风向的对比图。黑色箭头是原始风向，蓝色箭头是优化后的最优风向，黄色点标记图钉是电厂排放源的位置，彩色带状数据是轨道碳观测卫星OCO-2 获取的二氧化碳浓度数据，颜色越红代表二氧化碳浓度越高，底图是来自 Google Earth的在线遥感影像图。
第三步，基于第一步得到的二氧化碳截面通量和第二步得到的最优风向，以最优风向旋转二氧化碳浓度峰值位置处的风向，并计算垂直于轨道碳观测卫星OCO-2扫描轨道的风速分量为2.89。将第一步求解得到的二氧化碳截面通量线密度乘以该风速分量，计算得到此处二氧化碳浓度增强位置处的二氧化碳截面通量，即该排放源电厂的二氧化碳排放量为40.16 兆吨每年。
至此，本公开实施例基于高斯羽流模型得到的最优风向和轨道碳观测卫星OCO-2二氧化碳浓度数据，实现了电厂的二氧化碳排放的核算。
基于图1至图6所示的依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演方法，图7示意性示出了依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演装置的示意图。
如图7所示，本公开实施例提供的利用轨道碳观测卫星遥感数据进行碳排放定量反演装置700，包括工厂碳排放定量模块701、风向优化模块 702和数据处理模块703，其中：工厂碳排放定量模块701用于利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度；风向优化模块702用于利用高斯羽流模型模拟轨道碳观测卫星OCO-2遥感数据观测点的二氧化碳浓度，基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向；数据处理模块703 基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值。
应当理解，工厂碳排放定量模块701、风向优化模块702和数据处理模块703可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。
根据本公开的实施例，工厂碳排放定量模块701、风向优化模块702 和数据处理模块703中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，工厂碳排放定量模块 701、风向优化模块702和数据处理模块703中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。
基于图1至图6所示的依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演方法，以及图7所示的依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演装置的示意图，图8是依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的电子设备的框图。
如图8所示，该电子设备800包括：一个或多个处理器810；存储器 820，其存储有计算机可执行程序，该程序在被所述处理器810执行时，使得所述处理器810实现图1至图6所示的依照本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演方法。
具体地，处理器810例如可以包括通用微处理器、指令集处理器和/ 或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器810还可以包括用于缓存用途的板载存储器。处理器810可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
存储器820，例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。
存储器820可以包括计算机程序821，该计算机程序821可以包括代码/计算机可执行指令，其在由处理器810执行时使得处理器810执行根据本公开实施例的方法或其任何变形。
计算机程序821可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，计算机程序821中的代码可以包括至少一个程序模块，例如包括模块821A、模块821B、……。应当注意，模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器810执行时，使得处理器810可以执行根据本公开实施例的方法或其任何变形。
本公开实施例还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
根据本公开的实施例，计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线、光缆、射频信号等等，或者上述的任意合适的组合。
本公开还提供了一种计算机程序产品，该计算机程序产品包括：计算机可执行指令，所述指令被执行时用于实现根据本公开实施例的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
至此，已经结合附图对本公开进行了详细描述。依据以上描述，本领域技术人员应当对本公开有了清楚的认识。
需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。
当然，根据实际需要，本公开还可以包含其他的部分，由于同本公开的创新之处无关，此处不再赘述。
类似地，应当理解，为了精简本公开并帮助理解各个公开方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，公开方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。
此外，在附图或说明书描述中，相似或相同的部分都使用相同的图号。说明书中示例的各个实施例中的技术特征在无冲突的前提下可以进行自由组合形成新的方案，另外每个权利要求可以单独作为一个实施例或者各个权利要求中的技术特征可以进行组合作为新的实施例。再者，附图中未绘示或描述的元件或实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。
除非存在技术障碍或矛盾，本公开的上述各种实施方式可以自由组合以形成另外的实施例，这些另外的实施例均在本公开的保护范围中。
虽然结合附图对本公开进行了说明，但是附图中公开的实施例旨在对本公开优选实施方式进行示例性说明，而不能理解为对本公开的一种限制。附图中的尺寸比例仅仅是示意性的，并不能理解为对本公开的限制。
虽然本公开总体构思的一些实施例已被显示和说明，本领域普通技术人员将理解，在不背离本总体公开构思的原则和精神的情况下，可对这些实施例做出改变，本公开的范围以权利要求和它们的等同物限定。
以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (14)
1.一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，包括：
定量工厂碳排放，得到二氧化碳截面通量的线密度；
利用高斯羽流模型优化风向，得到优化后的风向；以及
基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值。
2.根据权利要求1所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述定量工厂碳排放，得到二氧化碳截面通量的线密度，包括：
利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度。
3.根据权利要求2所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度，包括：
从轨道碳观测卫星OCO-2遥感数据中收集存在二氧化碳浓度局部增强的二氧化碳浓度数据，并截取沿轨道方向一定距离的观测数据点；
收集与该二氧化碳浓度局部增强对应的电厂的地理位置信息和排放速率信息；以及
利用高斯曲线拟合二氧化碳浓度数据随着沿轨道距离变化的趋势，计算高斯曲线与横轴之间的面积，即可计算得到二氧化碳截面通量的线密度。
4.根据权利要求3所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述利用高斯曲线拟合二氧化碳浓度数据随着沿轨道距离变化的趋势的步骤中，所述高斯曲线采用的公式如下：
其中，f(d)是轨道碳观测卫星OCO-2提供的二氧化碳浓度数据，d是碳卫星各个数据点的沿轨距离，k、b、σ、A是利用公式(1)进行高斯曲线拟合得到的拟合参数，处于不同位置的碳卫星数据得到不同的拟合参数。
5.根据权利要求1所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述利用高斯羽流模型优化风向，得到优化后的风向，包括：
利用高斯羽流模型模拟轨道碳观测卫星OCO-2遥感数据观测点的二氧化碳浓度，基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向。
6.根据权利要求5所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述利用高斯羽流模型模拟轨道碳观测卫星OCO-2遥感数据观测点的二氧化碳浓度的步骤中，所述高斯羽流模型是一种考虑污染源排放的污染气体是羽流状，并随着风向方向扩散的二维模型，模拟出每个轨道碳观测卫星OCO-2数据所处位置处的二氧化碳浓度。
7.根据权利要求6所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述高斯羽流模型采用的公式如下：
其中，(x，y)是待模拟位置相对于污染源的坐标，V(x，y)是模拟的二氧化碳垂直柱，F是电厂已知排放速率，β是大气稳态参数，u是垂直与碳卫星轨道的风速分量，e是自然常数。
8.根据权利要求7所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述模拟出的每个轨道碳观测卫星OCO-2数据所处位置处的二氧化碳浓度，通过如下公式(3)转换为以ppm为单位的二氧化碳浓度：
其中，mair是空气的摩尔质量，mCO2是二氧化碳的空气质量，a是重力加速度，Psurf是表面压力。
9.根据权利要求8所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向，包括：
为了减少风向的不确定性引起的误差，允许污染源的原始风向在一定角度范围内旋转，以1度为步长，分别计算轨道碳观测卫星OCO-2遥感数据位置处的模拟二氧化碳浓度值，并通过如下公式(4)计算模拟值与卫星实际观测值的决定系数R2：
其中，V代表高斯羽流模型模拟的二氧化碳浓度值，W代表轨道碳观测卫星OCO-2观测的二氧化碳浓度值，
代表一定距离内轨道碳观测卫星OCO-2观测的二氧化碳浓度值的平均值；
在所有允许的风向角度范围内，选取决定系数R2最大的风向角度作为最优的风向。
10.根据权利要求1所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法，其特征在于，所述基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值，包括：
以优化后的风向旋转二氧化碳浓度峰值位置处的风向，并计算垂直于轨道碳观测卫星OCO-2扫描轨道的风速分量；以及
将二氧化碳截面通量的线密度乘以所述风速分量，计算得到此处二氧化碳浓度增强位置处的二氧化碳截面通量，即该排放源电厂的二氧化碳排放量。
11.一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的装置，其特征在于，包括：
工厂碳排放定量模块，用于利用轨道碳观测卫星OCO-2提供的二氧化碳浓度数据进行高斯曲线拟合，计算得到二氧化碳截面通量的线密度；
风向优化模块，用于利用高斯羽流模型模拟轨道碳观测卫星OCO-2遥感数据观测点的二氧化碳浓度，基于模拟出的二氧化碳浓度对风向进行优化得到优化后的风向；
数据处理模块，基于二氧化碳截面通量的线密度和优化后的风向，计算得到电厂的二氧化碳排放值。
12.一种利用轨道碳观测卫星遥感数据进行碳排放定量反演的设备，其特征在于，包括：
一个或多个处理器；
存储器，其存储有计算机可执行程序，该程序在被所述处理器执行时，使得所述处理器实现权利要求1-10中任一项所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
13.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令被执行时实现权利要求1-10中任一项所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
14.一种计算机程序产品，其特征在于，包括：计算机可执行指令，所述指令被执行时用于实现权利要求1-10中任一项所述的利用轨道碳观测卫星遥感数据进行碳排放定量反演的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210159184.0A CN114547885B (zh) | 2022-02-21 | 2022-02-21 | 碳排放定量反演的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210159184.0A CN114547885B (zh) | 2022-02-21 | 2022-02-21 | 碳排放定量反演的方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114547885A true CN114547885A (zh) | 2022-05-27 |
| CN114547885B CN114547885B (zh) | 2024-08-23 |
Family
ID=81677460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210159184.0A Active CN114547885B (zh) | 2022-02-21 | 2022-02-21 | 碳排放定量反演的方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114547885B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114724647A (zh) * | 2022-06-09 | 2022-07-08 | 南京大学 | 一种高时空分辨率co2通量反演系统及方法 |
| CN114839327A (zh) * | 2022-07-01 | 2022-08-02 | 北京英视睿达科技股份有限公司 | 一种卫星监测目标区域排放源co2小时排放量方法和系统 |
| CN115271265A (zh) * | 2022-09-27 | 2022-11-01 | 四川中电启明星信息技术有限公司 | 基于碳卫星数据的电能碳流转分析方法及系统 |
| CN115436570A (zh) * | 2022-08-25 | 2022-12-06 | 二十一世纪空间技术应用股份有限公司 | 一种基于多元数据的二氧化碳浓度遥感监测方法及装置 |
| CN116908380A (zh) * | 2023-07-13 | 2023-10-20 | 北京讯腾智慧科技股份有限公司 | 一种利用北斗基站进行环境监测和碳排放方法及装置 |
| CN116990089A (zh) * | 2023-07-31 | 2023-11-03 | 珠海深圳清华大学研究院创新中心 | 一种污水温室气体直接排放的监测装置及方法 |
| CN117094524A (zh) * | 2023-09-13 | 2023-11-21 | 北京化工大学 | 一种基于云平台的碳收集及服务系统 |
| CN117592316A (zh) * | 2024-01-18 | 2024-02-23 | 自然资源部第二海洋研究所 | 基于遥感资料同化的海气碳通量重构方法、系统及装置 |
| CN118378795A (zh) * | 2024-06-24 | 2024-07-23 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种用于港口码头的减污降碳效果评估方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102460220A (zh) * | 2009-04-14 | 2012-05-16 | 艾尔达股份有限公司 | 测量排放和量化排放源的方法和系统 |
| CN103543112A (zh) * | 2013-10-16 | 2014-01-29 | 中国科学院安徽光学精密机械研究所 | 基于大视场成像光谱仪的点污染源排放通量测量方法 |
| CN108426856A (zh) * | 2018-03-26 | 2018-08-21 | 武汉大学 | 评估激光雷达卫星测量大气co2浓度性能的综合分析系统 |
| CN113281264A (zh) * | 2021-05-08 | 2021-08-20 | 安徽大学 | 一种基于卫星遥感确定环境大气污染点源一氧化碳排放通量的方法 |
| CN113419037A (zh) * | 2021-08-25 | 2021-09-21 | 杭州春来科技有限公司 | 一种多船舶尾气排放污染物浓度的监测方法、终端及系统 |
-
2022
- 2022-02-21 CN CN202210159184.0A patent/CN114547885B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102460220A (zh) * | 2009-04-14 | 2012-05-16 | 艾尔达股份有限公司 | 测量排放和量化排放源的方法和系统 |
| CN103543112A (zh) * | 2013-10-16 | 2014-01-29 | 中国科学院安徽光学精密机械研究所 | 基于大视场成像光谱仪的点污染源排放通量测量方法 |
| CN108426856A (zh) * | 2018-03-26 | 2018-08-21 | 武汉大学 | 评估激光雷达卫星测量大气co2浓度性能的综合分析系统 |
| CN113281264A (zh) * | 2021-05-08 | 2021-08-20 | 安徽大学 | 一种基于卫星遥感确定环境大气污染点源一氧化碳排放通量的方法 |
| CN113419037A (zh) * | 2021-08-25 | 2021-09-21 | 杭州春来科技有限公司 | 一种多船舶尾气排放污染物浓度的监测方法、终端及系统 |
Non-Patent Citations (3)
| Title |
|---|
| ENKELEIDA LUSHI 等: "AninverseGaussianplumeapproachforestimatingatmospheric pollutantemissionsfrommultiplepointsources", ARXIV:0908.1589V1 [PHYSICS.AO-PH], 11 August 2009 (2009-08-11) * |
| H. BOVENSMANN 等: "A remote sensing technique for global monitoring of power plant CO2emissions from space and related applications", ATMOSPHERIC MEASUREMENT TECHNIQUES, 31 December 2010 (2010-12-31) * |
| 刘良云 等: "全球碳盘点卫星遥感监测方法、 进展与挑战", 遥感学报, 31 December 2021 (2021-12-31) * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114724647A (zh) * | 2022-06-09 | 2022-07-08 | 南京大学 | 一种高时空分辨率co2通量反演系统及方法 |
| CN114839327A (zh) * | 2022-07-01 | 2022-08-02 | 北京英视睿达科技股份有限公司 | 一种卫星监测目标区域排放源co2小时排放量方法和系统 |
| CN115436570A (zh) * | 2022-08-25 | 2022-12-06 | 二十一世纪空间技术应用股份有限公司 | 一种基于多元数据的二氧化碳浓度遥感监测方法及装置 |
| CN115436570B (zh) * | 2022-08-25 | 2023-07-07 | 二十一世纪空间技术应用股份有限公司 | 一种基于多元数据的二氧化碳浓度遥感监测方法及装置 |
| CN115271265A (zh) * | 2022-09-27 | 2022-11-01 | 四川中电启明星信息技术有限公司 | 基于碳卫星数据的电能碳流转分析方法及系统 |
| CN116908380A (zh) * | 2023-07-13 | 2023-10-20 | 北京讯腾智慧科技股份有限公司 | 一种利用北斗基站进行环境监测和碳排放方法及装置 |
| CN116990089A (zh) * | 2023-07-31 | 2023-11-03 | 珠海深圳清华大学研究院创新中心 | 一种污水温室气体直接排放的监测装置及方法 |
| CN116990089B (zh) * | 2023-07-31 | 2024-03-12 | 珠海深圳清华大学研究院创新中心 | 一种污水温室气体直接排放的监测装置及方法 |
| CN117094524A (zh) * | 2023-09-13 | 2023-11-21 | 北京化工大学 | 一种基于云平台的碳收集及服务系统 |
| CN117094524B (zh) * | 2023-09-13 | 2024-03-19 | 北京化工大学 | 一种基于云平台的碳收集及服务系统 |
| CN117592316A (zh) * | 2024-01-18 | 2024-02-23 | 自然资源部第二海洋研究所 | 基于遥感资料同化的海气碳通量重构方法、系统及装置 |
| CN117592316B (zh) * | 2024-01-18 | 2024-04-05 | 自然资源部第二海洋研究所 | 基于遥感资料同化的海气碳通量重构方法、系统及装置 |
| CN118378795A (zh) * | 2024-06-24 | 2024-07-23 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种用于港口码头的减污降碳效果评估方法 |
| CN118378795B (zh) * | 2024-06-24 | 2024-09-13 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种用于港口码头的减污降碳效果评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114547885B (zh) | 2024-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114547885B (zh) | 碳排放定量反演的方法、装置、设备及存储介质 | |
| US20210140934A1 (en) | Emissions Estimate Model Algorithms and Methods | |
| US10802009B2 (en) | Networked environmental monitoring system and method | |
| Heimburger et al. | Assessing the optimized precision of the aircraft mass balance method for measurement of urban greenhouse gas emission rates through averaging | |
| Lauvaux et al. | High‐resolution atmospheric inversion of urban CO2 emissions during the dormant season of the Indianapolis Flux Experiment (INFLUX) | |
| Schutgens et al. | Will a perfect model agree with perfect observations? The impact of spatial sampling | |
| US20210255158A1 (en) | Emissions estimate model algorithms and methods | |
| US20210247369A1 (en) | Localization analytics algorithms and methods | |
| Sofiev | A model for the evaluation of long-term airborne pollution transport at regional and continental scales | |
| CN104181276A (zh) | 一种基于无人机的企业碳排放量检测方法 | |
| CN101303406B (zh) | 一种gps轨迹提取方法 | |
| Hamer et al. | The urban dispersion model EPISODE v10. 0–Part 1: An Eulerian and sub-grid-scale air quality model and its application in Nordic winter conditions | |
| Pan et al. | Spatial variability of daytime CO2 concentration with landscape structure across urbanization gradients, Shanghai, China | |
| CN116205541A (zh) | 评估本地污染源对环境空气质量影响的方法及装置 | |
| Mejia et al. | A very-high resolution (20m) measurement-based dust emissions and dispersion modeling approach for the Oceano Dunes, California | |
| CN118035600A (zh) | 一种基于oco-2卫星反演发电厂碳排放强度的方法及系统 | |
| Zhang et al. | Spectral energy model-driven inversion of XCO 2 in IPDA lidar remote sensing | |
| Cao et al. | Analysis of errors introduced by geographic coordinate systems on weather numeric prediction modeling | |
| JP5433559B2 (ja) | 拡散物質の発生源推定装置および発生源推定方法 | |
| Boubrima et al. | Toward Accurate Environmental Mapping using Balloon-based UAVs | |
| de Haan et al. | Modification of an operational dispersion model for urban applications | |
| Resler et al. | Challenges of high-fidelity air quality modeling in urban environments–PALM sensitivity study during stable conditions | |
| CN118536321B (zh) | 基于星载激光雷达的边界层pm2.5垂直分布反演方法 | |
| Ribeiro et al. | Air quality modelling and its applications | |
| Wang et al. | A GIS-based multi-source and multi-box modeling approach (GMSMB) for air pollution assessment—A North American case study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |