利用OCO和ICOS数据增强碳排放减少策略
机器学习
2024-10-08 v1
摘要
我们提出了一种方法，通过整合来自轨道碳观察器（OCO-2和OCO-3）的卫星数据，来自整合碳观察系统（ICOS）的地面观测数据，以及来自ECMWF再分析v5（ERA5）的天气数据，来增强当地CO2监测。不同于传统方法对全国数据进行下采样，我们的方法使用多模态数据融合进行高分辨率CO2估计。我们采用带权重K近邻（KNN）插值结合机器学习模型，从卫星测量值预测地面CO2，实现根均方误差为3.92 ppm。我们的结果表明，整合多样化数据源在捕捉当地排放模式方面有效，凸显了高分辨率大气传输模型的价值。该模型改进了CO2监测的细粒度，为针对性碳减排策略提供精确见解，代表了神经网络和KNN在环境监测中 novel application 的典型代表，可适用于 various regions and temporal scales。
引用
@article{arxiv.2410.04288,
title = {Enhancing Carbon Emission Reduction Strategies using OCO and ICOS data},
author = {Oskar Åström and Carina Geldhauser and Markus Grillitsch and Ola Hall and Alexandros Sopasakis},
journal= {arXiv preprint arXiv:2410.04288},
year = {2024}
}
备注
18 pages, 7 figures, 1 table, 1 algorithm