甲烷测绘——基于卫星数据与机器学习的奶牛场实践对排放的影响

本研究利用卫星观测数据调查加拿大东部奶牛场特征与甲烷浓度之间的相关性。利用 2020 年 1 月至 2022 年 12 月收集的 11 个奶牛场数据，我们将 Sentinel-5P 卫星甲烷数据与关键农场级属性相结合，包括种群遗传、饲喂实践和管理策略。初步分析揭示了与甲烷浓度的显著相关性，促使应用方差膨胀因子（VIF）和主成分分析（PCA）来解决多重共线性并增强模型稳定性。随后，采用机器学习模型——具体为随机森林和神经网络——评估特征重要性并预测甲烷排放。我们的发现表明，蛋白质百分比的估计育种值（EBV）与甲烷浓度呈强负相关，提示为提高乳蛋白含量进行遗传选择可能是减排的有效策略。将大气传输模型与卫星数据相结合进一步优化了我们的排放估算，显著提高了精度和空间分辨率。该研究凸显了先进卫星监测、机器学习技术和大气建模在改善奶牛业甲烷排放评估方面的潜力。它强调了农场特定特征在制定有效缓解策略中的关键作用。未来研究应侧重于扩展数据集并引入反演建模以实现更精确的排放定量。平衡生态影响与经济可行性将是促进可持续奶牛养殖实践的关键。