CN114926100A - 一种基于卫星遥感的碳监控模型构建方法及系统 - Google Patents
一种基于卫星遥感的碳监控模型构建方法及系统 Download PDFInfo
- Publication number
- CN114926100A CN114926100A CN202210838571.7A CN202210838571A CN114926100A CN 114926100 A CN114926100 A CN 114926100A CN 202210838571 A CN202210838571 A CN 202210838571A CN 114926100 A CN114926100 A CN 114926100A
- Authority
- CN
- China
- Prior art keywords
- carbon
- monitoring
- data
- sink
- remote sensing
- 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.)
- Pending
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 393
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 393
- 238000012544 monitoring process Methods 0.000 title claims abstract description 238
- 238000010276 construction Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000010521 absorption reaction Methods 0.000 claims abstract description 17
- 230000001276 controlling effect Effects 0.000 claims abstract description 11
- 230000001105 regulatory effect Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 29
- 239000005431 greenhouse gas Substances 0.000 claims description 28
- 238000012806 monitoring device Methods 0.000 claims description 18
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 239000010842 industrial wastewater Substances 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 239000010865 sewage Substances 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000004907 flux Effects 0.000 claims description 10
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- 238000002485 combustion reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 239000010791 domestic waste Substances 0.000 claims description 6
- 229910018503 SF6 Inorganic materials 0.000 claims description 5
- QKCGXXHCELUCKW-UHFFFAOYSA-N n-[4-[4-(dinaphthalen-2-ylamino)phenyl]phenyl]-n-naphthalen-2-ylnaphthalen-2-amine Chemical compound C1=CC=CC2=CC(N(C=3C=CC(=CC=3)C=3C=CC(=CC=3)N(C=3C=C4C=CC=CC4=CC=3)C=3C=C4C=CC=CC4=CC=3)C3=CC4=CC=CC=C4C=C3)=CC=C21 QKCGXXHCELUCKW-UHFFFAOYSA-N 0.000 claims description 5
- 239000001272 nitrous oxide Substances 0.000 claims description 5
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 claims description 5
- 229960000909 sulfur hexafluoride Drugs 0.000 claims description 5
- 241000272186 Falco columbarius Species 0.000 claims description 4
- 239000007789 gas Substances 0.000 claims description 4
- -1 hydrofluorocarbon Chemical compound 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- TXEYQDLBPFQVAA-UHFFFAOYSA-N tetrafluoromethane Chemical compound FC(F)(F)F TXEYQDLBPFQVAA-UHFFFAOYSA-N 0.000 claims description 4
- 239000003245 coal Substances 0.000 claims description 3
- 238000004939 coking Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000009776 industrial production Methods 0.000 claims description 3
- 238000009313 farming Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 27
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008235 industrial water Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 229920006926 PFC Polymers 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Abstract
本发明涉及碳监控领域，尤其是一种基于卫星遥感的碳监控模型构建方法及系统。本发明的方法包括如下步骤：确定目标观测地；选取遥感卫星；获取遥感卫星对所述目标观测地的第一监测数据；选取地面辅助设备；利用所述地面辅助设备获得所述目标观测地的第二监测数据；根据所述第一监测数据和所述第二监测数据构建碳监控模型；基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区的碳净排放量为零。本发明利用遥感卫星结合地面辅助设备，不仅弥补了地面辅助设备的不足，实现了较大区域地实时碳监控，并且有助于观测区域的碳排放量达峰从而进一步实现净碳排放量为零，因此本发明具有实际的应用价值和经济价值。
Description
技术领域
本发明涉及碳监控领域，尤其是一种基于卫星遥感的碳监控模型构建方法及系统。
背景技术
碳源（Carbon source）表示向大气中释放二氧化碳的母体，分为自然碳源和人为碳源，其中自然碳源是指自然过程释放的二氧化碳，人为碳源是指人类生产与生活活动释放二氧化碳，其中人为碳源包括能源、工业过程及产品的用途、农业林业和其他土地利用与废弃物。碳汇（Carbon sink）表示自然界界中碳的寄存体，主要表现为陆地与海洋等吸收并储存二氧化碳的生态系统，包括森林碳汇、海洋碳汇、耕地碳汇、草地碳汇、湿地碳汇等。传统的碳源和碳汇计算主要依赖于地面观测、野外调查、统计数据分析、大气和生态系统模型等方法。但这些方法都存在很大的局限性，比如地面观测的空间代表性不足，野外调查空间样本有限且耗费巨大等，目前，全球监测温室气体的地面观测站点不足300个，并且地区分布很不均匀，大多分布在发达国家和人口稠密地区。虽然观测站点数量仍在不断扩展中，但准确获取大气温室气体的碳源和碳汇分布信息仍存在较大的问题。
发明内容
针对现有技术中的缺陷，一方面，本发明提供了一种基于卫星遥感的碳监控模型构建方法，包括如下步骤：确定目标观测地；选取遥感卫星；获取遥感卫星对所述目标观测地的第一监测数据，所述第一监测数据包括由遥感卫星捕获到的所述目标观测地的温室气体浓度数据、第一能源加工数据、第一工业数据、第一交通运输数据、第一农业数据、第一土地利用数据、第一居民生活数据和第一碳汇数据；选取地面辅助设备；利用所述地面辅助设备获得所述目标观测地的第二监测数据，所述第二监测数据包括所述目标观测地的地基通量观测网络数据、地面温室气体监测数据、气象数据、第二能源加工数据、第二工业数据、第二交通运输数据、第二农业数据、第二土地利用数据、第二居民生活数据和第二碳汇数据；根据所述第一监测数据和所述第二监测数据构建碳监控模型，所述碳监控模型包括碳源网络和碳汇网络；基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区碳净排放量为零。本发明利用遥感卫星结合地面辅助设备，可针对性地获取目标观测地乃至全球范围的温室气体和陆地碳汇的分布，具有稳定、持续性强、精确度高、空间区域广的特点，不仅弥补了地面辅助设备的不足，且能精准定位碳源和碳汇相关参数，有助于目标观测区域的碳排放量达到峰值从而进一步实现净碳排放量为零，同时为碳交易宏观监测提供了量化依据，因此本发明具有实际的应用价值和经济价值。
可选地，所述遥感卫星包括中国风云三号G星、大气环境检测卫星2星、欧洲CO2M多星组网、美国GEOCARB静止轨道卫星、欧洲MERLIN和中国环境一号卫星中的一个或多个遥感卫星。本发明通过指定遥感卫星作为数据来源，保障了数据的准确性和全面性，为提高数据的时空分辨率提供了设备基础。
可选地，所述地面辅助设备包括通量观测网络、温室气体监测仪、气象监测仪、能源加工监测设备、工业数据监测设备、交通运输监测设备、农业数据监测设备、土地利用监测设备、居民生活数据监测设备和碳汇数据监测设备。本发明针对所需要的不同的数据选取了不同的监测设备进行获取，极大程度地消除了由于地理位置等条件差异引起的误差数据或者错误数据，提升了数据的可靠性。
可选地，所述根据所述第一监测数据和所述第二监测数据构建碳监控模型，包括如下步骤：根据所述第一监测数据和所述第二监测数据分别构建碳源网络和碳汇网络，所述碳源网络和碳汇网络分别满足如下公式：
其中，
和
分别表示所述碳源网络的总碳排放量和所述碳汇网络的总碳吸收
量，
，
表示所述碳源网络中一碳源的碳排放量，
，
表示所述碳汇
网络中一碳汇的碳吸收量；利用所述碳源网络和碳汇网络，获得所述目标观测地的碳监控
模型，所述碳监测模型满足如下关系式：
其中，
表示所述目标观测地的净碳排放量，
表示
的碳排放量修正系数，
表示
的碳吸收量的修正系数。
可选地，所述根据所述第一监测数据和所述第二监测数据分别构建碳源网络和碳汇网络，包括如下步骤：根据所述第一监测数据和所述第二监测数据设定碳源监测点和碳汇监测点；依照温室气体特征设定监测项，所述监测项包括二氧化碳、甲烷、氧化亚氮、全氟化碳、氢氟碳化物、六氟化硫和三氟化氮；获取所述监测项在所述碳源监测点的监测值；获取所述监测项在所述碳汇监测点的监测值；利用所述监测值构建碳源网络和碳汇网络。
可选地，所述根据所述第一监测数据和所述第二监测数据设定碳源监测点和碳汇监测点，包括如下步骤：参照碳源特征将碳源监测点设定为能源加工、工业、交通运输、农业、土地利用和居民生活；依据碳汇特征将所述碳汇监测点设定为森林碳汇、耕地碳汇、草地碳汇、湿地碳汇和海洋碳汇。
可选地，所述参照碳源特征将碳源监测点设定为能源加工、工业、交通运输、农业、土地利用和居民生活，包括如下步骤：利用能源种类特点将所述能源加工分为电力系统、热力系统、煤炭生产、油气生产、炼焦生产和热源工业生产；依照工业种类特点将所述工业分为工业废水和建筑运营；按照交通运输方式特点将所述交通运输划分为公路运输、铁路运输、航运和水运；依据农业耕种特点将所述农业划分为水田和旱地；通过土地利用特点将所述土地利用划分为森林燃烧和森林分解；根据居民生活特点将居民生活划分为生活垃圾和生活污水。
可选地，所述获取所述监测项在所述碳源监测点的监测值，包括如下步骤：结合所述第一能源加工数据和所述第二能源加工数据，构建不同能源设施的热辐射能量与碳排放关系模型，从而获得不同能源加工的监测值；利用所述第一工业数据和所述第二工业数据，构建工业废水与碳排放的关系模型，从而获得所述工业废水的监测值；结合所述第一工业数据和所述第二工业数据，构建建筑运营与碳排放的关系模型，从而获得所述建筑运营的监测值；依照所述第一交通运输数据和所述第二交通运输数据，构建不同交通运方式与碳排放的关系模型，从而获得不同交通运输的监测值；通过所述第一农业数据和所述第二农业数据，构建不同农业耕种方式与碳排放的关系模型，从而获得不同农业的监测值；结合所述第一土地利用数据和所述第二土地利用数据，构建森林燃烧与碳排放的关系模型，从而获得所述森林燃烧排放的监测值；依据所述第一土地利用数据和所述第二土地利用数据，构建森林分解与碳排放的关系模型，从而获得所述森林分解的监测值；采用所述第一居民生活数据和所述第二居民生活数据，构建生活垃圾与碳排放的关系模型，从而获得所述生活垃圾的监测值；根据所述第一居民生活数据和所述第二居民生活数据，构建生活污水与碳排放的关系模型，从而获得所述生活污水的监测值。
可选地，所述基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区碳净排放量为零，包括如下步骤：解析所述碳监控模型，获取目标所述观测地的碳源信息和碳汇信息，所述碳源信息包括碳源位置，所述碳汇信息包括碳汇位置；根据所述碳源信息和所述碳汇信息，确定异常碳源监测点和异常碳汇监测点；利用所述异常碳源监测点和所述异常碳汇监测点的特征，结合所述碳源信息和所述碳汇信息，调控所述目标观测地的所述碳源的碳排放量和所述碳汇的碳吸收量，使得所述目标园区碳净排放量为零。
另一方面，本发明还提供了一种基于卫星遥感的碳监控模型构建系统，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行所述的基于卫星遥感的碳监控模型构建方法。本发明提供了一个实体系统用于执行基于卫星遥感的碳监控模型构建方法，同时，本系统结构紧凑，运行稳定，便于安装，并且能够很好的结合本发明的方法，对目标观测区域的温室气体分布的监测、核查提供了解决技术，这使得本发明更具有实际效益和商业价值。
附图说明
图1为本发明一种基于卫星遥感的碳监控模型构建方法流程图；
图2为本发明的碳源网络和碳汇网络的组成示意图；
图3为本发明一种基于卫星遥感的碳监控模型构建系统示意图。
具体实施方式
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
在一个可选地实施例中，请参见图1，本发明提供了一种基于卫星遥感的碳监控模型构建方法，包括如下步骤：
S1、确定目标观测地。
具体地，在本实施例中，目标观测地的选择和地面辅助设备的选取有关联，针对不同的目标观测地，其不同的碳源以及碳源分布决定了地面辅助设备的选取。
S2、选取遥感卫星。
详细地，在一个实施例中，所述遥感卫星包括中国风云三号G星、大气环境检测卫星2星、欧洲CO2M多星组网、美国GEOCARB静止轨道卫星、欧洲MERLIN和中国环境一号卫星中的一个或多个遥感卫星。本发明通过指定遥感卫星作为数据来源，保障了数据的准确性和全面性，为提高数据的时空分辨率提供了设备基础。
在本实施例中，使用中国风云三号G星或大气环境检测卫星2星作为该遥感卫星，通通过增加跨轨扫描宽度（＞100千米）来提高覆盖范围，从而提升数据的全面性，也提供了监测能力。使用欧洲CO2M多星组网或美国GEOCARB静止轨道卫星作为该遥感卫星，提升了数据的时间分辨率，使用欧洲MERLIN或中国环境一号卫星，通过激光雷达实现温室气体及污染气体协同的昼夜观测，从来保证了数据的连续型。
S3、获取遥感卫星对所述目标观测地的第一监测数据。
详细地，在一个实施例中，所述第一监测数据包括由遥感卫星捕获到的所述目标观测地的温室气体浓度数据、第一能源加工数据、第一工业数据、第一交通运输数据、第一农业数据、第一土地利用数据、第一居民生活数据和第一碳汇数据。
详细地，在本实施例中，温室气体浓度数据包括二氧化碳（CO2）浓度数据、甲烷浓度(CH4)数据、氧化亚氮(N2O)浓度数据、全氟化碳浓度(PFCs)数据、氢氟碳化物（HFCs）浓度数据、六氟化硫(SF6)浓度数据和三氟化氮(NF3)浓度数据。第一能源加工数据包括能源加工生产设备位置和占地面积、能源加工区域的热辐射通量密度等相关数据。第一工业数据包括工业废水水体分布面积、废水有机物浓度、建筑占地面积和建筑高度等相关数据。第一交通运输数据公路分布面积、铁路分布面积、机场面积、飞型设备数量、中大型船只分布位置和船只运行轨迹等相关数据。第一农业数据包括农业上水田/旱地的位置、分布面积、植被类型、土壤含水量、植被结构参数、植被生理参数和物候参数等相关数据。第一土地利用数据包括森林过火面积、燃烧时长、植被类型、森林生物量、死亡有机物、森林分解占地面积、森林生长阶段、森林生长状况等相关数据。第一居民生活数据包括垃圾占地面积、黑臭水水体分布面积、污水有机物浓度等相关参数。第一碳汇数据包括森林碳汇/耕地碳汇/草地碳汇/湿地碳汇的位置、分布、植被类型、植被结构参数（如树高）、植被渗流参数（如含水量、叶绿素含量）、物候参数、生物量、生产力等相关参数和海洋碳汇（生物）的类型、覆盖度、生物量等相关参数。
S4、选取地面辅助设备。
具体地，在一个实施例中，所述地面辅助设备包括通量观测网络、温室气体监测仪、气象监测仪、能源加工监测设备、工业数据监测设备、交通运输监测设备、农业数据监测设备、土地利用监测设备、居民生活数据监测设备和碳汇数据监测设备。本发明针对所需要的不同的数据选取了不同的监测设备进行获取，极大程度地消除了由于地理位置等条件差异引起的误差数据或者错误数据，提升了数据的可靠性。
在本实施例中，通量观测网络用于监测目标监测地的地面温室气体通量。温室气体监测仪用于探测目标观测地的局部地面温室气体参数。气象监测仪用于监测目标观测地的气象数据。能源加工监测设备用于监测目标观测地的重大能源设备分布、运行状况、生产过程等相关数据。工业数据监测设备用于获取目标观测地的如工业废水的采样、工业水体分布、工业废水地面实时监测、建筑能源消耗碳排放、工业园区人口入驻等相关数据。交通运输监测设备用于获得目标观测地的交通运输流量、运输排班、运输载体规模/等级等相关数据。农业数据监测设备用于获取目标观测地的农作物不同生长期碳排放数据清单，并针对第一农业数据进行核查和修正。土地利用监测设备用于核查目标观测地的第一土地利用数据并修正。居民生活数据监测设备用于获取目标观测地的垃圾场分布及检测数据、生活污水采样数据、生活区水体分布数据和排污口水质实时监测数据，并核查第一居民生活数据并修正。碳汇数据监测设备用于获取目标观测地的森林碳汇/耕地碳汇/草地碳汇/湿地碳汇的碳储量数据和海洋生物固碳数据，并对第一碳汇数据进行核查并修正。
S5、利用所述地面辅助设备获得所述目标观测地的第二监测数据。
具体地，在一个实施例中，地基通量观测网络数据、地面温室气体监测数据、气象数据、第二能源加工数据、第二工业数据、第二交通运输数据、第二农业数据、第二土地利用数据、第二居民生活数据和第二碳汇数据。
详细地，在本实施例中，所述第二监测数据包括所述目标观测地的地基通量观测网络数据。地面温室气体监测数据包括目标观测地的局部地面温室气体参数。气象数据包括目标观测地的气象数据。第二能源加工数据包括目标观测地的重大能源设备分布、运行状况、生产过程等相关数据。第二工业数据包括目标观测地的如工业废水的采样、工业水体分布、工业废水地面实时监测、建筑能源消耗碳排放、工业园区人口入驻等相关数据。第二交通运输数据包括目标观测地的交通运输流量、运输排班、运输载体规模/等级等相关数据。第二农业获取目标观测地的农作物不同生长期碳排放数据清单，以及利用农业数据监测设备修正后的第一农业数据。第二土地利用数据包括经过土地利用监测设备修正后的数据、第二居民生活数据包括目标观测地的垃圾场分布及检测数据、生活污水采样数据、生活区水体分布数据和排污口水质实时监测数据，以及利用居民生活数据监测设备修正后的第一居民生活数据。第二碳汇数据包括目标观测地的森林碳汇/耕地碳汇/草地碳汇/湿地碳汇的碳储量数据和海洋生物固碳数据，以及利用碳汇数据监测设备修正后的第一碳汇数据。
S6、根据所述第一监测数据和所述第二监测数据构建碳监控模型。
请参见图2，在一个实施例中，所述根据所述第一监测数据和所述第二监测数据构建碳监控模型，包括如下步骤：根据所述第一监测数据和所述第二监测数据分别构建碳源网络和碳汇网络，所述碳源网络和碳汇网络分别满足如下公式：
其中，
和
分别表示所述碳源网络的总碳排放量和所述碳汇网络的总碳吸收
量，
，
表示所述碳源网络中一碳源的碳排放量，
，
表示所述碳
汇网络中一碳汇的碳吸收量；利用所述碳源网络和碳汇网络，获得所述目标观测地的碳监
控模型，所述碳监测模型满足如下关系式：
其中，
表示所述目标观测地的净碳排放量，
表示
的碳排放量修正系数，
表示
的碳吸收量的修正系数。因为在目标观测地的气象状况（如风速、风向）等因素会对
实施获取的碳排放量和碳吸收量有影响。
其中，所述根据所述第一监测数据和所述第二监测数据分别构建碳源网络和碳汇网络，包括如下步骤：根据所述第一监测数据和所述第二监测数据设定碳源监测点和碳汇监测点；依照温室气体特征设定监测项，所述监测项包括二氧化碳、甲烷、氧化亚氮、全氟化碳、氢氟碳化物、六氟化硫和三氟化氮；获取所述监测项在所述碳源监测点的监测值；获取所述监测项在所述碳汇监测点的监测值；利用所述监测值构建碳源网络和碳汇网络。
具体地，所述根据所述第一监测数据和所述第二监测数据设定碳源监测点和碳汇监测点，包括如下步骤：参照碳源特征将碳源监测点设定为能源加工、工业、交通运输、农业、土地利用和居民生活；依据碳汇特征将所述碳汇监测点设定为森林碳汇、耕地碳汇、草地碳汇、湿地碳汇和海洋碳汇。
更具体地，所述参照碳源特征将碳源监测点设定为能源加工、工业、交通运输、农业、土地利用和居民生活，包括如下步骤：利用能源种类特点将所述能源加工分为电力系统、热力系统、煤炭生产、油气生产、炼焦生产和热源工业生产（钢铁、化工等）；依照工业种类特点将所述工业分为工业废水和建筑运营；按照交通运输方式特点将所述交通运输划分为公路运输、铁路运输、航运和水运；依据农业耕种特点将所述农业划分为水田和旱地；通过土地利用特点将所述土地利用划分为森林燃烧和森林分解；根据居民生活特点将居民生活划分为生活垃圾和生活污水。
具体地，所述获取所述监测项在所述碳源监测点的监测值，包括如下步骤：结合所述第一能源加工数据和所述第二能源加工数据，构建不同能源设施的热辐射能量与碳排放关系模型，从而获得不同能源加工的监测值；利用所述第一工业数据和所述第二工业数据，构建工业废水与碳排放的关系模型，从而获得所述工业废水的监测值；结合所述第一工业数据和所述第二工业数据，构建建筑运营与碳排放的关系模型，从而获得所述建筑运营的监测值；依照所述第一交通运输数据和所述第二交通运输数据，构建不同交通运方式与碳排放的关系模型，从而获得不同交通运输的监测值；通过所述第一农业数据和所述第二农业数据，构建不同农业耕种方式与碳排放的关系模型，从而获得不同农业的监测值；结合所述第一土地利用数据和所述第二土地利用数据，构建森林燃烧与碳排放的关系模型，从而获得所述森林燃烧排放的监测值；依据所述第一土地利用数据和所述第二土地利用数据，构建森林分解与碳排放的关系模型，从而获得所述森林分解排放的监测值；采用所述第一居民生活数据和所述第二居民生活数据，构建生活垃圾与碳排放的关系模型，从而获得所述生活垃圾的监测值；根据所述第一居民生活数据和所述第二居民生活数据，构建生活污水与碳排放的关系模型，从而获得所述生活污水的监测值。在本实施例中，具体地关系模型可以选取MATLAB等工具结合收集的已有的数据进行关系曲线拟合获得，从而利用该关系模型获得对应的监测值，即可以通过与碳排放相关参数来映射成所需的监测值。
S7、基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区碳净排放量为零。
在一个可选地实施例中，所述基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区碳净排放量为零，包括如下步骤：解析所述碳监控模型，获取目标所述观测地的碳源信息和碳汇信息，所述碳源信息包括碳源位置，所述碳汇信息包括碳汇位置；根据所述碳源信息和所述碳汇信息，确定异常碳源监测点和异常碳汇监测点；利用所述异常碳源监测点和所述异常碳汇监测点的特征，结合所述碳源信息和所述碳汇信息，调控所述目标观测地的所述碳源的碳排放量和所述碳汇的碳吸收量，使得所述目标园区碳净排放量为零。详细地，可以调整碳源的数量、分布、活动等参数来减少碳排放量，同时，可以调整碳汇的数量、分布、活动等参数来增加碳吸收量。本发明有助于目标观测区域的碳排放量达到峰值从而进一步实现净碳排放量为零，即碳中和。
在又一个可选地实施例中，所述基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区碳净排放量为零，还包括如下步骤：结合所述碳源信息和所述碳汇信息，将所述目标观测地的不同温室气体浓度分布、碳源位置和碳汇位置可视化。数据可视化技术已为现有技术，此处不进行详细说明。通过可视化不同温室气体浓度分布、碳源位置和碳汇位置便于人类更加直观了解目标观测地的温室气体分布等相关信息。
综上所述，本发明利用遥感卫星结合地面辅助设备，可针对性地获取目标观测地乃至全球范围的温室气体和陆地碳汇的分布，具有稳定、持续性强、精确度高、空间区域广的特点，不仅弥补了地面辅助设备的不足，且能精准定位碳源和碳汇相关参数，有助于目标观测区域的碳排放量达到峰值从而进一步实现净碳排放量为零，同时为碳交易宏观监测提供了量化依据，因此本发明具有实际的应用价值和经济价值。
请参见图3，在一个可选地实施例中，本发明还提供了一种基于卫星遥感的碳监控模型构建系统，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行所述的基于卫星遥感的碳监控模型构建方法。本发明提供了一个实体系统用于执行基于卫星遥感的碳监控模型构建方法，同时，本系统结构紧凑，运行稳定，便于安装，并且能够很好的结合本发明的方法，对目标观测区域的温室气体分布的监测、核查提供了解决技术，这使得本发明更具有实际效益和商业价值。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于卫星遥感的碳监控模型构建方法，其特征在于，包括如下步骤：
确定目标观测地；
选取遥感卫星；
获取所述遥感卫星对所述目标观测地的第一监测数据，所述第一监测数据包括由遥感卫星捕获到的所述目标观测地的温室气体浓度数据、第一能源加工数据、第一工业数据、第一交通运输数据、第一农业数据、第一土地利用数据、第一居民生活数据和第一碳汇数据；
选取地面辅助设备；
利用所述地面辅助设备获得所述目标观测地的第二监测数据，所述第二监测数据包括所述目标观测地的地基通量观测网络数据、地面温室气体监测数据、气象数据、第二能源加工数据、第二工业数据、第二交通运输数据、第二农业数据、第二土地利用数据、第二居民生活数据和第二碳汇数据；
根据所述第一监测数据和所述第二监测数据构建碳监控模型，所述碳监控模型包括碳源网络和碳汇网络；
基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区碳净排放量为零。
2.根据权利要求1所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述遥感卫星包括中国风云三号G星、大气环境检测卫星2星、欧洲CO2M多星组网、美国GEOCARB静止轨道卫星、欧洲MERLIN和中国环境一号卫星中的一个或多个遥感卫星。
3.根据权利要求1所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述地面辅助设备包括通量观测网络、温室气体监测仪、气象监测仪、能源加工监测设备、工业数据监测设备、交通运输监测设备、农业数据监测设备、土地利用监测设备、居民生活数据监测设备和碳汇数据监测设备。
4.根据权利要求1所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述根据所述第一监测数据和所述第二监测数据构建碳监控模型，包括如下步骤：
根据所述第一监测数据和所述第二监测数据分别构建碳源网络和碳汇网络，所述碳源网络和碳汇网络分别满足如下公式：
其中，
和
分别表示所述碳源网络的总碳排放量和所述碳汇网络的总碳吸收量，
，
表示所述碳源网络中一碳源的碳排放量，
，
表示所述碳汇网络中
一碳汇的碳吸收量；
利用所述碳源网络和碳汇网络，获得所述目标观测地的碳监控模型，所述碳监测模型满足如下关系式：
其中，
表示所述目标观测地的净碳排放量，
表示
的碳排放量修正系数，
表示
的碳吸收量的修正系数。
5.根据权利要求4所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述根据所述第一监测数据和所述第二监测数据分别构建碳源网络和碳汇网络，包括如下步骤：
根据所述第一监测数据和所述第二监测数据设定碳源监测点和碳汇监测点；
依照温室气体特征设定监测项，所述监测项包括二氧化碳、甲烷、氧化亚氮、全氟化碳、氢氟碳化物、六氟化硫和三氟化氮；
获取所述监测项在所述碳源监测点的监测值；
获取所述监测项在所述碳汇监测点的监测值；
利用所述监测值分别构建碳源网络和碳汇网络。
6.根据权利要求5所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述根据所述第一监测数据和所述第二监测数据设定碳源监测点和碳汇监测点，包括如下步骤：
参照碳源特征将碳源监测点设定为能源加工、工业、交通运输、农业、土地利用和居民生活；
依据碳汇特征将所述碳汇监测点设定为森林碳汇、耕地碳汇、草地碳汇、湿地碳汇和海洋碳汇。
7.根据权利要求6所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述参照碳源特征将碳源监测点设定为能源加工、工业、交通运输、农业、土地利用和居民生活，包括如下步骤：
利用能源种类特点将所述能源加工分为电力系统、热力系统、煤炭生产、油气生产、炼焦生产和热源工业生产；
依照工业种类特点将所述工业分为工业废水和建筑运营；
按照交通运输方式特点将所述交通运输划分为公路运输、铁路运输、航运和水运；
依据农业耕种特点将所述农业划分为水田和旱地；
通过土地利用特点将所述土地利用划分为森林燃烧和森林分解；
根据居民生活特点将居民生活划分为生活垃圾和生活污水。
8.根据权利要求7所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述获取所述监测项在所述碳源监测点的监测值，包括如下步骤：
结合所述第一能源加工数据和所述第二能源加工数据，构建不同能源设施的热辐射能量与碳排放关系模型，从而获得不同能源加工的监测值；
利用所述第一工业数据和所述第二工业数据，构建工业废水与碳排放的关系模型，从而获得所述工业废水的监测值；
结合所述第一工业数据和所述第二工业数据，构建建筑运营与碳排放的关系模型，从而获得所述建筑运营的监测值；
依照所述第一交通运输数据和所述第二交通运输数据，构建不同交通运方式与碳排放的关系模型，从而获得不同交通运输的监测值；
通过所述第一农业数据和所述第二农业数据，构建不同农业耕种方式与碳排放的关系模型，从而获得不同农业的监测值；
结合所述第一土地利用数据和所述第二土地利用数据，构建森林燃烧与碳排放的关系模型，从而获得所述森林燃烧的监测值；
依据所述第一土地利用数据和所述第二土地利用数据，构建森林分解与碳排放的关系模型，从而获得所述森林分解的监测值；
采用所述第一居民生活数据和所述第二居民生活数据，构建生活垃圾与碳排放的关系模型，从而获得所述生活垃圾的监测值；
根据所述第一居民生活数据和所述第二居民生活数据，构建生活污水与碳排放的关系模型，从而获得所述生活污水的监测值。
9.根据权利要求8所述的基于卫星遥感的碳监控模型构建方法，其特征在于，所述基于所述碳监控模型，调控所述目标观测地的碳源的碳排放量和碳汇的碳吸收量，使得所述目标园区碳净排放量为零，包括如下步骤：
解析所述碳监控模型，获取目标所述观测地的碳源信息和碳汇信息，所述碳源信息包括碳源位置，所述碳汇信息包括碳汇位置；
根据所述碳源信息和所述碳汇信息，确定异常碳源监测点和异常碳汇监测点；
利用所述异常碳源监测点和所述异常碳汇监测点的特征，结合所述碳源信息和所述碳汇信息，调控所述目标观测地的所述碳源的碳排放量和所述碳汇的碳吸收量，使得所述目标园区碳净排放量为零。
10.一种基于卫星遥感的碳监控模型构建系统，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210838571.7A CN114926100A (zh) | 2022-07-18 | 2022-07-18 | 一种基于卫星遥感的碳监控模型构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210838571.7A CN114926100A (zh) | 2022-07-18 | 2022-07-18 | 一种基于卫星遥感的碳监控模型构建方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114926100A true CN114926100A (zh) | 2022-08-19 |
Family
ID=82815653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210838571.7A Pending CN114926100A (zh) | 2022-07-18 | 2022-07-18 | 一种基于卫星遥感的碳监控模型构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114926100A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116030210A (zh) * | 2023-01-10 | 2023-04-28 | 深圳润澄金景科技服务有限公司 | 碳排放数据统计方法、电子设备及存储介质 |
| CN117153291A (zh) * | 2023-10-31 | 2023-12-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种灌区稻田碳汇价值计算方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104834823A (zh) * | 2015-05-18 | 2015-08-12 | 中国科学院地理科学与资源研究所 | 基于卫星-地基co2数据联合同化的碳源汇估测方法 |
| CN105373860A (zh) * | 2015-11-30 | 2016-03-02 | 北京理工大学 | 碳净排放预测方法及装置 |
| CN109001091A (zh) * | 2018-07-18 | 2018-12-14 | 北京航天宏图信息技术股份有限公司 | 大气污染的卫星遥感监测方法、装置和计算机可读介质 |
| CN109190211A (zh) * | 2018-08-17 | 2019-01-11 | 中国科学院地理科学与资源研究所 | 一种核定区域排放空间的方法 |
| CN110032611A (zh) * | 2019-04-03 | 2019-07-19 | 海南省林业科学研究所 | 一种碳汇计量监测方法 |
| CN111723482A (zh) * | 2020-06-17 | 2020-09-29 | 南京大学 | 一种基于卫星co2柱浓度观测反演地表碳通量的方法 |
| WO2020240083A1 (en) * | 2019-05-24 | 2020-12-03 | Hiilinieluntuottajat Hnt Oy | A system and a method for utilizing a carbon sink formed by soil and/or forest in emission trading systems |
| CN112819365A (zh) * | 2021-02-23 | 2021-05-18 | 中国科学院空天信息创新研究院 | 碳汇检测方法、装置及存储介质和电子设备 |
| CN113487079A (zh) * | 2021-07-02 | 2021-10-08 | 天津大学 | 一种城市土地利用规模结构低碳化布局的方法及装置 |
-
2022
- 2022-07-18 CN CN202210838571.7A patent/CN114926100A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104834823A (zh) * | 2015-05-18 | 2015-08-12 | 中国科学院地理科学与资源研究所 | 基于卫星-地基co2数据联合同化的碳源汇估测方法 |
| CN105373860A (zh) * | 2015-11-30 | 2016-03-02 | 北京理工大学 | 碳净排放预测方法及装置 |
| CN109001091A (zh) * | 2018-07-18 | 2018-12-14 | 北京航天宏图信息技术股份有限公司 | 大气污染的卫星遥感监测方法、装置和计算机可读介质 |
| CN109190211A (zh) * | 2018-08-17 | 2019-01-11 | 中国科学院地理科学与资源研究所 | 一种核定区域排放空间的方法 |
| CN110032611A (zh) * | 2019-04-03 | 2019-07-19 | 海南省林业科学研究所 | 一种碳汇计量监测方法 |
| WO2020240083A1 (en) * | 2019-05-24 | 2020-12-03 | Hiilinieluntuottajat Hnt Oy | A system and a method for utilizing a carbon sink formed by soil and/or forest in emission trading systems |
| CN111723482A (zh) * | 2020-06-17 | 2020-09-29 | 南京大学 | 一种基于卫星co2柱浓度观测反演地表碳通量的方法 |
| CN112819365A (zh) * | 2021-02-23 | 2021-05-18 | 中国科学院空天信息创新研究院 | 碳汇检测方法、装置及存储介质和电子设备 |
| CN113487079A (zh) * | 2021-07-02 | 2021-10-08 | 天津大学 | 一种城市土地利用规模结构低碳化布局的方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 杨元合 等: "中国及全球陆地生态系统碳源汇特征及其对", 《中国科学: 生命科学》 * |
| 王志民等: "基于碳中和的旅游景区净碳排放估算与低碳景区建设――以镇江"焦山"风景区为例", 《南京师大学报(自然科学版)》 * |
| 蔡兆男 等: "碳中和目标下的若干地球系统科学和技术问题分析", 《中国科学院院刊》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116030210A (zh) * | 2023-01-10 | 2023-04-28 | 深圳润澄金景科技服务有限公司 | 碳排放数据统计方法、电子设备及存储介质 |
| CN116030210B (zh) * | 2023-01-10 | 2023-09-29 | 深圳前海润澄金景双碳科技有限公司 | 碳排放数据统计方法、电子设备及存储介质 |
| CN117153291A (zh) * | 2023-10-31 | 2023-12-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种灌区稻田碳汇价值计算方法及系统 |
| CN117153291B (zh) * | 2023-10-31 | 2024-01-02 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种灌区稻田碳汇价值计算方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Viatte et al. | Methane emissions from dairies in the Los Angeles Basin | |
| CN114926100A (zh) | 一种基于卫星遥感的碳监控模型构建方法及系统 | |
| Zhang et al. | Is urban green space a carbon sink or source?-A case study of China based on LCA method | |
| Zhang et al. | A hierarchical patch mosaic ecosystem model for urban landscapes: model development and evaluation | |
| CN111487216B (zh) | 一种二氧化碳通量反演方法、系统 | |
| Ding et al. | Intercomparison of NO x emission inventories over East Asia | |
| CN116050612A (zh) | 基于多技术融合的大气温室气体监测站点选址方法及系统及存储介质 | |
| Zheng et al. | Improvement of the real-time PM2. 5 forecast over the Beijing-Tianjin-Hebei region using an optimal interpolation data assimilation method | |
| CN115186437B (zh) | 碳同位素联合同化模型及甄别人为碳排放与自然碳通量区域同化系统的构建方法 | |
| Lian et al. | Sensitivity to the sources of uncertainties in the modeling of atmospheric CO 2 concentration within and in the vicinity of Paris | |
| Iannarelli et al. | The Boundary Layer Air Quality-Analysis Using Network of Instruments (BAQUNIN) Supersite for Atmospheric Research and Satellite Validation over Rome Area | |
| Tsuruta et al. | Methane budget estimates in Finland from the CarbonTracker Europe-CH4 data assimilation system | |
| Jeong et al. | Effects of Siberian forest fires on air quality in East Asia during May 2003 and its climate implication | |
| Zhao et al. | Carbon sinks in urban public green spaces under carbon neutrality: A bibliometric analysis and systematic literature review | |
| Untarf et al. | Analysis of carbon emission level on Merauke Regency land cover | |
| Park et al. | Characteristics of atmospheric CO2 fluxes and the estimation of their potential sources around Boseong Standard Weather Observatory (BSWO) | |
| Korben | Estimation of methane emissions and investigation of isotopic composition of methane from selected sources in Germany, Poland and Romania | |
| Olmstead et al. | Are tissue concentrations of Hylocomium splendens a good predictor of nitrogen deposition? | |
| Potter et al. | Regional modeling of ammonia emissions from native soil sources in California | |
| Team | CarbonTracker Documentation CT2013 release | |
| Laasasenaho | Biomass Resource Allocation for Bioenergy Production on Cutaway Peatlands with Geographical Information (GI) Analyses | |
| Zhong et al. | Understanding the spatial and seasonal variation of the ground-level ozone in Southeast China with an interpretable machine learning and multi-source remote sensing | |
| Yin et al. | Developing a model-ready highly resolved HONO emission inventory in Guangdong using domestic measured emission factors | |
| Xu et al. | Quantification of nitrogen dry and wet deposition in Fujian tobacco planting area | |
| Liu | Global Retrieval of the Maximum Carboxylation Rate (V cmax) of Plant Leaves by Solar-Induced Chlorophyll Fluorescence from TROPOMI |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220819 |