Інноваційне програмне забезпечення для аналізу супутникових даних і викидів метану із застосуванням моделі радіаційного переносу
Анотація
Дослідження було проведено для аналізу ефективності застосування моделі радіаційного переносу (RTM) в програмному забезпеченні для опрацювання супутникових даних і моніторингу викидів метану. У процесі дослідження було використано методи аналізу супутникових даних, моделювання радіаційного переносу та інтеграції з геоінформаційними системами для вивчення викидів метану та їхніх просторово-часових змін. Під час дослідження було встановлено, що застосування RTM для аналізу супутникових даних істотно підвищує точність оцінки викидів метану. Експериментальні дані засвідчили, що використання цієї моделі дає змогу більш ефективно враховувати атмосферні чинники, як-от хмарність та аерозолі, що мінімізує помилки в розрахунках концентрацій метану. Також було підтверджено можливість застосування цього підходу для моніторингу викидів у різних географічних регіонах із високою точністю. Супутникові дані дали змогу визначити ключові джерела метанових викидів, включно з промисловими зонами та природними джерелами. У результаті дослідження було виявлено, що програмне забезпечення Carbon Mapper може використовуватися як інструмент для глобального моніторингу метану та інших парникових газів, що сприяє більш ефективній боротьбі зі зміною клімату. Програмне рішення також інтегрується з геоінформаційними системами для надання візуалізації даних і поліпшення їхньої інтерпретації. Крім того, результати засвідчили, що RTM дає змогу точно визначати тимчасові зміни в концентраціях метану, що важливо для оперативного реагування на зростання викидів у критичних зонах. Програмне забезпечення продемонструвало високий ступінь масштабованості, що дає змогу застосовувати його для аналізу даних як локального, так і глобального масштабу. Таким чином, використання даної моделі в поєднанні з високоточним супутниковим моніторингом підтвердило свою ефективність в екологічному моніторингу та управлінні викидами парникових газів
Ключові слова
Carbon Mapper; хмарність; аерозолі; моніторинг; географічні регіони
Використані джерела
[1] Allen, D., et al. (2022). Microplastics and nanoplastics in the marine-atmosphere environment. Nature Reviews Earth & Environment, 3(6), 393-405. doi: 10.1038/s43017-022-00292-x.
[2] Asha, P., Natrayan, L., Geetha, B.T., Beulah, J.R., Sumathy, R., Varalakshmi, G., & Neelakandan, S. (2022). IoT enabled environmental toxicology for air pollution monitoring using AI techniques. Environmental Research, 205, article number 112574. doi: 10.1016/j.envres.2021.112574.
[3] Balasus, N., et al. (2023). A blended TROPOMI+GOSAT satellite data product for atmospheric methane using machine learning to correct retrieval biases. Atmospheric Measurement Techniques, 16(16), 3787-3807. doi: 10.5194/amt-16-3787-2023.
[4] Bruhwiler, L., Basu, S., Butler, J.H., Chatterjee, A., Dlugokencky, E., Kenney, M.A., McComiskey, A., Montzka, S.A., & Stanitski, D. (2021). Observations of greenhouse gases as climate indicators. Climatic Change, 165(1), article number 12. doi: 10.1007/s10584-021-03001-7.
[5] Bui, L.T., Nguyen, P.H., & Nguyen, D.C.M. (2021). A web based methane emissions modelling platform: Models and software development. Waste Management, 134, 120-135. doi: 10.1016/j.wasman.2021.08.015.
[6] Collins, W., Orbach, R., Bailey, M., Biraud, S., Coddington, I., DiCarlo, D., Peischl, J., Radhakrishnan, A., & Schimel, D. (2022). Monitoring methane emissions from oil and gas operations. Optics Express, 30(14), 24326-24351. doi: 10.1364/OE.464421.
[7] Cooper, J., Dubey, L., & Hawkes, A. (2022). Methane detection and quantification in the upstream oil and gas sector: The role of satellites in emissions detection, reconciling and reporting. Environmental Science: Atmospheres, 2(1), 9-23. doi: 10.1039/D1EA00046B.
[8] Douros, J., et al. (2023). Comparing Sentinel-5P TROPOMI NO2 column observations with the CAMS regional air quality ensemble. Geoscientific Model Development, 16(2), 509-534. doi: 10.5194/gmd-16-509-2023.
[9] Erland, B.M., Thorpe, A.K., & Gamon, J.A. (2022). Recent advances toward transparent methane emissions monitoring: A review. Environmental Science & Technology, 56(23), 16567-16581. doi: 10.1021/acs.est.2c02136.
[10] Gålfalk, M., Nilsson Påledal, S., & Bastviken, D. (2021). Sensitive drone mapping of methane emissions without the need for supplementary ground-based measurements. ACS Earth and Space Chemistry, 5(10), 2668-2676. doi: 10.1021/acsearthspacechem.1c00106.
[11] Global Methane Tracker. (2024). Retrieved from https://www.iea.org/reports/global-methane-tracker-2024.
[12] Hui, D., Deng, Q., Tian, H., & Luo, Y. (2022). Global climate change and greenhouse gases emissions in terrestrial ecosystems. In M. Lackner, B. Sajjadi & W.-Y. Chen (Eds.), Handbook of climate change mitigation and adaptation (pp. 23-76). Cham: Springer. doi: 10.1007/978-3-030-72579-2_13.
[13] Imasu, R., et al. (2023). Greenhouse gases Observing SATellite 2 (GOSAT-2): Mission overview. Progress in Earth and Planetary Science, 10(1), article number 33. doi: 10.1186/s40645-023-00562-2.
[14] Jacob, D.J., et al. (2022). Quantifying methane emissions from the global scale down to point sources using satellite observations of atmospheric methane. Atmospheric Chemistry and Physics, 22(14), 9617-9646. doi: 10.5194/acp-22-9617-2022.
[15] Jamshed, W., Nisar, K.S., Gowda, R.J.P., Kumar, R.N., & Prasannakumara, B.C. (2021). Radiative heat transfer of second grade nanofluid flow past a porous flat surface: A single-phase mathematical model. Physica Scripta, 96(6), article number 064006. doi: 10.1088/1402-4896/abf57d.
[16] Jiang, Y., Zhang, L., Zhang, X., & Cao, X. (2024). Methane retrieval algorithms based on satellite: A review. Atmosphere, 15(4), article number 449. doi: 10.3390/atmos15040449.
[17] Johnson, M.S., Matthews, E., Du, J., Genovese, V., & Bastviken, D. (2022). Methane emission from global lakes: New spatiotemporal data and observation‐driven modeling of methane dynamics indicates lower emissions. Journal of Geophysical Research: Biogeosciences, 127(7), article number e2022JG006793. doi: 10.1029/2022JG006793.
[18] Li, J., Tian, Y., Zhang, Y., & Xie, K. (2021). Spatializing environmental footprint by integrating geographic information system into life cycle assessment: A review and practice recommendations. Journal of Cleaner Production, 323, article number 129113. doi: 10.1016/j.jclepro.2021.129113.
[19] Liu, Q., Yan, B., Garrett, K., Ma, Y., Liang, X., Huang, J., Wang, W., & Cao, C. (2022a). Deriving surface reflectance from visible/near infrared and ultraviolet satellite observations through the Community Radiative Transfer Model. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 2004-2011. doi: 10.1109/JSTARS.2022.3149767.
[20] Liu, X., Wang, L., Kong, X., Ma, Z., Nie, B., Song, D., & Yang, T. (2022b). Role of pore irregularity in methane desorption capacity of coking coal. Fuel, 314, article number 123037. doi: 10.1016/j.fuel.2021.123037.
[21] Lovrak, A., Pukšec, T., Grozdek, M., & Duić, N. (2022). An integrated Geographical Information System (GIS) approach for assessing seasonal variation and spatial distribution of biogas potential from industrial residues and by-products. Energy, 239(B), article number 122016. doi: 10.1016/j.energy.2021.122016.
[22] Montes-Pérez, J.J., Obrador, B., Conejo-Orosa, T., Rodríguez, V., Marcé, R., Escot, C., Reyes, I., Rodríguez, J., & Moreno-Ostos, E. (2022). Spatio-temporal variability of carbon dioxide and methane emissions from a Mediterranean reservoir. Limnetica, 41(1), 43-60. doi: 10.23818/limn.41.04.
[23] Omara, M., et al. (2023). Developing a spatially explicit global oil and gas infrastructure database for characterizing methane emission sources at high resolution. Earth System Science Data, 15(8), 3761-3790. doi: 10.5194/essd-15-3761-2023.
[24] Palmer, P.I., Feng, L., Lunt, M.F., Parker, R.J., Bösch, H., Lan, X., Lorente, A., & Borsdorff, T. (2021). The added value of satellite observations of methane for understanding the contemporary methane budget. Philosophical Transactions of the Royal Society A, 379(2210), article number 20210106. doi: 10.1098/rsta.2021.0106.
[25] Shkundalov, D., & Vilutienė, T. (2021). Bibliometric analysis of building information modeling, geographic information systems and web environment integration. Automation in Construction, 128, article number 103757. doi: 10.1016/j.autcon.2021.103757.
[26] Stegmann, P.G., Johnson, B., Moradi, I., Karpowicz, B., & McCarty, W. (2022). A deep learning approach to fast radiative transfer. Journal of Quantitative Spectroscopy and Radiative Transfer, 280, article number 108088. doi: 10.1016/j.jqsrt.2022.108088.
[27] Terrenoire, E., Hauglustaine, D.A., Cohen, Y., Cozic, A., Valorso, R., Lefèvre, F., & Matthes, S. (2022). Impact of present and future aircraft NOx and aerosol emissions on atmospheric composition and associated direct radiative forcing of climate. Atmospheric Chemistry and Physics, 22(18), 11987-12023. doi: 10.5194/acp-22-11987-2022.
[28] Tyner, D.R., & Johnson, M.R. (2021). Where the methane is – insights from novel airborne LiDAR measurements combined with ground survey data. Environmental Science & Technology, 55(14), 9773-9783. doi: 10.1021/acs.est.1c01572.
[29] Wu, X., et al. (2024). Advances in methane emissions from agricultural sources: Part I. Accounting and mitigation. Journal of Environmental Sciences, 140, 279-291. doi: 10.1016/j.jes.2023.08.029.
[30] Zhang, S., Ma, J., Zhang, X., & Guo, C. (2023). Atmospheric remote sensing for anthropogenic methane emissions: Applications and research opportunities. Science of the Total Environment, 893, article number 164701. doi: 10.1016/j.scitotenv.2023.164701.