从地球同步气象卫星（GOES East）对大气二氧化碳进行量化

有必要以所需的分辨率、精度和准确性来跟踪温室气体，以支持对 $CO_2$ 恒流进行独立验证。当前一代太空传感器仅在空间和时间上提供稀疏观测。这一挑战推动了利用现有任务数据（最初为其他用途开发）推断全球温室气体变异性的潜力。自 2017 年起在轨的地球同步气象卫星（GOES-East）上的高级基线成像仪（ABI）提供约 2 km$^2$ 的空间分辨率，沿 16 条光谱通道在 10 分钟间隔内覆盖西半球的全球覆盖。本文利用 GOES-East 的高空间覆盖和时间复访特性，开发 Deep$XCO_2$，一种单像素、基于物理引导的神经网络，用于估计干空气 $CO_2$ 脱氧浓度 ($XCO_2$)。Deep$XCO_2$ 采用 GOES-East 的 16 条光谱波段、ECMWF ERA5 低层大气气象、MODIS 表面反射率、日照与卫星观察几何以及年份信息。该网络在联合的 GOES-East 与 OCO-2/OCO-3 观测数据上进行训练。Deep$XCO_2$ 能够捕捉与 OCO-2 和 OCO-3 持留年份观测以及 TCCON 网络观测相符的真实 $XCO_2$ 变异性。我们还展示了利用 Deep$XCO_2$ 观察城市地区的 $XCO_2$ 增强和农业地区的 $XCO_2$ 吸收案例。总体而言，尽管 GOES-East 提取的 $XCO_2$ 的精度永远无法与专用仪器相媲美，但其独特的连续地理覆盖、10 分钟的时频和多年记录的潜在观察当前太空难以捕捉的大气 $CO_2$ 变异性。