WOMBAT：一个完全贝叶斯全局通量反演框架
应用统计
2021-02-09 v1 天体物理仪器与方法
摘要
WOMBAT（WOllongong Methodology for Bayesian Assimilation of Trace-gases）是一个完全贝叶斯层次统计框架，用于从采样瓶、原位和遥感数据反演痕量气体的通量。WOMBAT通过考虑相关误差项、在线偏差校正能力，以及对贝叶斯统计模型中出现的所有未知量提供不确定性量化，扩展了传统的贝叶斯综合框架。我们在观测系统模拟实验（OSSE）中表明，当数据确实存在偏差且具有相关误差时，这些扩展至关重要。使用GEOS-Chem大气传输模型，我们表明WOMBAT能够从轨道碳观测台2号（OCO-2）数据中获得非化石燃料CO通量的后验均值和不确定性，其与Crowell等人（2019, Atmos. Chem. Phys., vol. 19）报道的模型比较项目（MIP）结果相当。我们还发现，我们对总柱碳观测网带外反演的预测在大多数情况下比MIP参与者所做的预测更准确。OCO-2数据集的后续版本将在可用时被纳入WOMBAT。
引用
@article{arxiv.2102.04004,
title = {WOMBAT: A fully Bayesian global flux-inversion framework},
author = {Andrew Zammit-Mangion and Michael Bertolacci and Jenny Fisher and Ann Stavert and Matthew L. Rigby and Yi Cao and Noel Cressie},
journal= {arXiv preprint arXiv:2102.04004},
year = {2021}
}
备注
46 pages, 13 figures