利用遥感数据估算空气污染：从太空揭示温室气体排放

空气污染是气候变化的主要驱动因素。来自交通运输和发电中化石燃料燃烧的人为排放释放大量有问题的空气污染物，包括温室气体（GHGs）。尽管限制 GHG 排放以减缓气候变化十分重要，但关于 GHG 和其他空气污染物的时空分布的详细信息难以获取。现有的地表空气污染模型依赖于广泛的土地利用数据集，这些数据集通常受地域限制且时间上静态。本工作提出了一种仅依赖全球可用且频繁更新的遥感数据来预测环境空气污染的深度学习方法。将光学卫星影像与基于卫星的大气柱密度空气污染测量相结合，能够将空气污染估算（本例中为 NO$_2$）扩展到任意位置的高空间分辨率（高达 $\sim$10m），并为其估算增加时间维度。所提出的模型在对照地面站空气质量测量进行评估时表现出高精度（平均绝对误差 $<$6$~\mu g/m^3$）。我们的结果能够识别并时序监测空气污染和 GHG 的主要来源。