Оставить заявку
Для заказа и получения более подробной информации оставьте заявку, наш менеджер свяжется с Вами!
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оставьте свой номер и мы с вами свяжемся!
Или Вы можете позвонить нам сами:
+7 902 934 71 72
Количественная оценка выбросов атмосферного метана в глобальном масштабе вплоть до точечных источников с использованием спутниковых наблюдений
Дэниел Дж. Джейкоб1, Дэниел Дж. Варон1,2, Дэниел Х. Касворт3,4, Филип Э. Деннисон5, Кристиан Франкенберг6,7, Ритеш Гаутам8, Луис Гуантер9,10, Джон Келли11, Джейсон МакКивер2,
Лесли Э. Отт12, Бенджамин Поултер12, Чжэнь Цюй1, Эндрю К. Торп7, Джон Р. Уорден7и Райли М. Дюрен3,4,7
1Школа инженерии и прикладных наук Гарвардского университета, Кембридж, 02138, США2GHGSat, Inc., Монреаль, H2W 1Y5, Канада
3Аризонские институты устойчивости, Университет Аризоны, Тусон, 85721, США4Carbon Mapper, Пасадена, 91109, США
5Кафедра географии, Университет Юты, Солт-Лейк-Сити, 84112, США
6Отдел геологических и планетарных наук, Калифорнийский технологический институт, Пасадена, 91125, США7Лаборатория реактивного движения, Калифорнийский технологический институт, Пасадена, 91109, США8Фонд защиты окружающей среды, Вашингтон, округ Колумбия, 2000 г., США.9Научно-исследовательский институт водной и экологической инженерии, Политехнический университет Валенсии, Валенсия, 46022, Испания10Фонд защиты окружающей среды, Амстердам, 1017, Нидерланды11GeoSapient, Inc., Сайпресс, 77429, США12НАСА GSFC, Гринбелт, 20771, США
Переписка:Дэниел Дж. Джейкоб ( djacob@fas.harvard.edu )
Абстракт.Мы рассматриваем возможности текущих и плановых спутниковых наблюдений атмосферного метана в коротковолновом инфракрасном диапазоне (SWIR) для количественной оценки выбросов метана в глобальном масштабе вплоть до точечных источников. Мы рассматриваем методы поиска, требования к точности, методы обратного и массового баланса для определения выбросов, пороговые значения обнаружения источников и полноту системы наблюдения. Мы классифицируем спутниковые инструменты как источник для составления карт зональных потоков и формирования изображений с точечными источниками, с дополнительными атрибутами. Карты площадных потоков представляют собой высокоточные (< 1%) инструменты с размером пикселей 0,1–10 км, предназначенные для количественной оценки общих выбросов метана в региональном и глобальном масштабах. Сканеры точечных источников представляют собой мелкопиксельные (< 60 м) инструменты, предназначенные для количественной оценки отдельных точечных источников путем визуализации шлейфов. Текущие картографы территориальных потоков включают GOSAT (с 2009 г. по настоящее время), который обеспечивает высококачественную запись для интерпретации долгосрочных тенденций метана, и TROPOMI (с 2018 г. по настоящее время), который обеспечивает глобальное непрерывное ежедневное картирование для количественной оценки выбросов в региональных масштабах. Эти инструменты уже предоставляют мощный ресурс для количественной оценки национальных выбросов метана в поддержку Парижского соглашения. Текущие устройства формирования изображений с точечными источниками включают группировку GHGSat и несколько гиперспектральных и мультиспектральных датчиков изображения суши (PRISMA, Sentinel-2, Landsat-8/9, WorldView-3) с порогами обнаружения в диапазоне 100–10 000 кг/ч.1Диапазон, позволяющий осуществлять мониторинг крупных точечных источников. Будущие картографы потоков территорий, в том числе MthanSAT, GOSAT-GW, Sentinel-5, GeoCarb и CO2M, расширят возможности количественной оценки выбросов в высоком разрешении, а лидар MERLIN улучшит наблюдение за Арктикой. Время усреднения, необходимое картографам площадных потоков для количественной оценки региональных выбросов, зависит от размера пикселей, точности извлечения, плотности наблюдений, доли успешных извлечений и времени возврата в зависимости от желаемого пространственного разрешения. Аналогичное взаимодействие применимо и к устройствам формирования изображения с точечным источником между порогом обнаружения, пространственным охватом и временем возврата, определяя полноту системы. Расширение группировки изображений точечных источников, включая GHGSat и Carbon Mapper, в ближайшие годы значительно улучшит полноту системы наблюдения за точечными источниками за счет плотного пространственного покрытия и частого времени возврата.
1. Введение
Метан — мощный парниковый газ, который способствовал глобальному потеплению на 0,6°C с доиндустриальных времен (Naik et al., 2021). Его выбросы производятся рядом секторов антропогенного происхождения, включая животноводство, нефтегазовые системы, добычу угля, обнаружение свалок, очистку сточных вод и выращивание риса. Водно-болотные угодья являются основным природным источником. Основным стоком является окисление гидроксильным радикалом (ОН), в результате чего время жизни в атмосфере составляет около 9 лет (Prather et al., 2012). Из-за такого короткого срока службы сокращение выбросов метана является мощным рычагом для замедления краткосрочного парникового потепления (Nis-bet et al., 2020). Однако оценки выбросов метана и вклада различных секторов весьма неопределенны (Saunois et al., 2020), что затрудняет климатическую политику. Здесь мы пересматриваем возможности спутниковых наблюдений за атмосферным метаном для количественной оценки выбросов от глобального масштаба до точечных источников.
Карты выбросов метана обычно составляются с использованием восходящих методов, при которых уровни активности (например, количество коров) умножаются на коэффициенты выбросов (выбросы метана на одну корову; IPCC, 2019). Методы «снизу вверх» связывают выбросы с основными процессами, обеспечивая тем самым основу для стратегий контроля выбросов. Наблюдения за атмосферным метаном предоставляют нисходящую информацию для улучшения оценок выбросов за счет использования обратных методов для связи наблюдаемых концентраций с выбросами (Miller and Michalak, 2017). Спутниковые наблюдения представляют для этой цели особый интерес из-за их высокой плотности наблюдений и глобального охвата (Palmer et al., 2021).
Спутники определяют концентрацию метана в атмосфере с чувствительностью, близкой к единице, вплоть до поверхности, путем измерения обратно рассеянного солнечного излучения со спектральным разрешением в коротковолновом инфракрасном диапазоне (SWIR; Jacob et al., 2016). Глобальные наблюдения метана из космоса начались с прибора SCIAMACHY (2003–2014 гг., 3060 км).2пикселей) (Франкенберг и др., 2005 г.) и с тех пор продолжает работать с инструментом TANSO-FTS на борту GOSAT (с 2009 г. по настоящее время, круговые пиксели длиной 10 км, разделенные примерно 270 км; Parker et al., 2020) и инструментом TROPOMI. (2018 – настоящее время, 5:57км2пиксели; Лоренте и др., 2021а). Во многих исследованиях эти спутниковые наблюдения использовались для количественной оценки выбросов метана в глобальном масштабе (Bergamaschi et al., 2013; Alexe et al., 2015; Wang et al., 2019; Qu et al., 2021) в континентальных масштабах (Wecht et al. , 2014; Maasakkers et al., 2021; Lu et al., 2022), в более мелких региональных масштабах (Miller et al., 2019; Zhang et al., 2020; Shen et al., 2021) и для крупных точечных источников (Pandey et al., 2019; Sadavarte et al., 2021; Lauvaux et al., 2022; Maasakkers et al., 2022; Maasakkers et al., 2021; др., 2022а, б). Целенаправленное наблюдение точечных источников метана из космоса началось с выброса газа в каньоне Алисо в 2015 году с использованием гиперспектрального датчика Hyperion (Thompson et al., 2016) и с тех пор продолжается с помощью инструментов GHGSat (2016 – настоящее время, 2525 м).2пиксели; Джервис и др., 2021). Гиперспектральные спектрометры для визуализации суши (измерения непрерывных спектров с разрешением 10 нм в выбранных каналах длины волны) и мультиспектральные спектрометры для визуализации суши (измерение яркости в дискретных каналах 100 нм) также продемонстрировали способность обнаруживать крупные точечные источники метана в SWIR каналах (Cusworth et al., 2019; Guanter et al., 2021; Varon et al., 2021; Ehret et al., 2022; Sanchez-Garcia et al., 2022).
Для удовлетворения требований климатической политики срочно необходима более качественная количественная оценка выбросов метана во всем мире. Отдельные страны должны ежегодно сообщать о своих выбросах по секторам в рамках Рамочной конвенции Организации Объединенных Наций об изменении климата (РКИК ООН) для стран Приложения I (развитых). Рамки повышенной прозрачности Парижского соглашения требуют, чтобы все страны представили на экспертную оценку выбросы, определяемые национальным сектором, к ноябрю 2024 года в качестве основы для определения своего определяемого на национальном уровне вклада в достижение климатических целей. Независимо от Парижского соглашения, более 110 стран в настоящее время подписали Глобальное обязательство по метану до 2021 года, обязывающее их сократить свои коллективные выбросы метана в 2030 году на 30% по сравнению с уровнями 2020 года. Спутники могут помочь количественно оценить национальные выбросы по секторам в качестве основы для установления целей по сокращению выбросов метана, а затем могут отслеживать выбросы с течением времени, чтобы оценить успех в достижении этих целей. Они предоставляют информацию о выбросах практически в реальном времени, тогда как восходящие кадастры обычно имеют задержку в несколько лет и, таким образом, являются уникальным ресурсом для документирования быстрых изменений выбросов (Barré et al., 2021).
Джейкоб и др. (2016) ранее рассматривали состояние науки по количественной оценке выбросов метана из космоса. В то время они представили возможности наблюдений, обсудили обратные методы определения выбросов метана на основе спутниковых наблюдений и изложили требования к наблюдениям для будущих спутниковых миссий. С тех пор были запущены новые спутниковые приборы для измерения атмосферного метана и появились новые возможности для обнаружения точечных источников метана из космоса. Были разработаны новые аналитические инструменты для определения выбросов на основе спутниковых наблюдений, в том числе для точечных источников. В ближайшие несколько лет планируется запустить дополнительные спутниковые инструменты, которые расширят нынешние возможности. Эти новые разработки мотивируют наш обновленный обзор.
2 Наблюдение за атмосферным метаном из космоса
2.1 Текущие и планируемые инструменты
В Таблице 1 перечислены существующие и планируемые спутниковые приборы с документально подтвержденной или ожидаемой способностью количественного определения выбросов метана, а в Таблице 2 приведены конкретные характеристики для каждого из них. Мы классифицируем эти инструменты как карты зональных потоков или устройства формирования изображений с точечными источниками, и на рис. 1 показаны эти два комплекса. Картографы площадных потоков предназначены для наблюдения за общими выбросами в глобальном или региональном масштабе с размером пикселя 0,1–10 км. Сканеры точечных источников представляют собой мелкопиксельные (< 60 м) инструменты, предназначенные для количественной оценки отдельных точечных источников путем визуализации шлейфов. Сканеры с точечными источниками имеют гораздо более высокое пространственное разрешение, чем картографы площадных потоков, но меньшую точность.
Все приборы в Таблице 1, за исключением MERLIN, наблюдают метан по обратному солнечному рассеянию SWIR от поверхности Земли либо на длине волны 1,63–1,70 мкм (диапазон 1,65 мкм), либо на длине волны 2,2–2,4 мкм (диапазон 2,3 мкм). Атмосферное рассеяние в SWIR слабое, за исключением облаков и крупных аэрозольных частиц. При ясном небе метан наблюдается до поверхности с чувствительностью, близкой к единице (Worden et al., 2015). Извлечение может оказаться неудачным, если поверхность слишком темная, например, над водой или под пологом леса (Ayasse et al., 2018). Наблюдения над водой можно проводить с помощью солнечного света, если геометрия наблюдения Солнце-спутник благоприятна. Лидарный прибор MERLIN издает собственное излучение с длиной волны 1,65 мкм и обнаруживает отраженный сигнал. Он может вести наблюдения над водой и ночью, но его чувствительность и охват ниже, чем у приборов обратного рассеяния Солнца. Возможности лидара для наблюдения за метаном из космоса в настоящее время ограничены лазерными технологиями (Ририс и др., 2019).
В Таблицу 1 не включены приборы, измеряющие метан в тепловом инфракрасном диапазоне (TIR) или по солнечному затмению. Эти приборы не чувствительны к метану вблизи поверхности и поэтому не могут быть использованы непосредственно для количественного определения выбросов метана. Приборы TIR использовались для дистанционного зондирования шлейфов метана с самолетов (Hulley et al., 2016), но измерения со спутников в основном определяют фон верхних слоев тропосферы (Worden et al., 2015). Приборы для солнечного затмения, такие как ACE-FTS, обеспечивают чувствительные измерения профилей стратосферного метана (Koo et al., 2017), но помехи из облаков препятствуют наблюдениям в тропосфере. Приборы TIR и солнечного затмения могут дополнять данные SWIR, предоставляя информацию о фоновом метане в верхней тропосфере и стратосфере (Чжан и др., 2021; Ту и др., 2022).
Спектрально разрешенное солнечное излучение обратного рассеяния SWIR, обнаруженное спутником в условиях ясного неба, может быть использовано для определения общего содержания метана в атмосфереﰁCH4 [molecules cm−2 ] , как будет рассмотрено в разд. 2.2. Чтобы исключить изменчивость приземного давления, измерения обычно сообщаются как коэффициент смешивания в сухой колонке XCH4 = ﰁCH4 /ﰁa,d, где ﰁa,d
столб сухого воздуха [molecules cm−2 ]. Нормализация по сухому воздуху, а не по общему воздуху позволяет избежать зависимости от водяного пара.
Все инструменты в таблице 1, за исключением EMIT и GeoCarb, находятся на низкой полярной солнечно-синхронной орбите и ведут наблюдения по всему миру в определенное местное время суток, либо утром, либо рано днем. Утром более вероятно ясное небо, а в начале дня дует более устойчивый ветер в пограничном слое, что позволяет интерпретировать усиление метана. GOSAT (с 2009 г. по настоящее время) и его последующий GOSAT-2 (с 2018 г. по настоящее время) обеспечивают глобальное покрытие каждые 3 дня для 10-километровых круглых пикселей, расположенных на расстоянии около 270 км друг от друга, а TROPOMI (с 2018 г. по настоящее время) обеспечивает полное глобальное ежедневное покрытие с 5: 57 км2пикселей. На рисунке 2 показано среднее значение TROPOMI X.СНданные за два разных сезона, иллюстрирующие плотный охват. Будущие приборы GOSAT-GW (запуск в 2023 г., 1010км)2пикселей с полным глобальным охватом каждые 3 кадра в режиме широкой полосы обзора), Sentinel-5 (запуск в 2024 г., 7:57:5 км)2пикселей с полным ежедневным покрытием по всему миру) и CO2M (запуск в 2025 г., 22 км2пикселей с полным глобальным охватом каждые 5 дней) продолжит запись глобальных наблюдений. MERLIN будет обеспечивать дневное и ночное глобальное покрытие на своей орбитальной траектории с помощью лидара. Приборы Sentinel-2 и Landsat обеспечивают полное глобальное покрытие с разрешением 20–30 м пикселей каждые 5 дней (Sentinel-2) или 16 дней (Landsat) и могут обнаруживать очень крупные точечные источники на ярких спектрально однородных поверхностях. EMIT (предназначенный для наблюдения за засушливыми поверхностями на предмет образования пыли) будет на уровне 51,6. наклонной орбиты Международной космической станции с изменяемым временем локального пролета. GeoCarb будет находиться на геостационарной орбите над Америкой и будет обеспечивать ежедневные наблюдения с 45 спутников. С до 55 Н.
Несколько инструментов с узкой полосой обзора в Таблице 1 избирательны в своих наблюдениях, фокусируясь на конкретных целях и избегая облачных условий. Приборы GHGSat наблюдают за выбранными 12х12 км.2сцены с 25х25м2разрешение пикселей и наведение инструмента для увеличения отношения сигнал/шум (SNR). Carbon Mapper будет наблюдать полосы длиной 18 км с полосами изображения длиной до 1000 км в режиме веерного сканирования и более короткими полосами в режиме отслеживания цели (наведения прибора). На момент написания этой статьи у GHGSat на орбите было шесть спутников, чтобы обеспечить частое время возвращения, и Carbon Mapper аналогичным образом планирует созвездие спутников. WorldView-3 наблюдает сцены размером до 66:5112 км.2. MthanSAT будет наблюдать 200х200 км2цели в нефтегазовых системах и сельскохозяйственных регионах с 130х400м2Разрешение пикселей, позволяющее проводить количественную оценку региональных выбросов с высоким разрешением, а также отображать крупные точечные источники.
Все картографы площадных потоков в Таблице 1 имеют высокое (<0:5 нм) спектральное разрешение, позволяющее осуществлять точные измерения концентраций метана, в отличие от более грубого (0,1–10 км) пространственного разрешения. GHGSat обеспечивает сочетание высокого пространственного разрешения и высокого спектрального разрешения за счет наведения инструментов. Большинство других изображений с точечными источниками, представленных в Таблице 1, предназначены для наблюдения за поверхностью суши, что требует высокого пространственного разрешения (< 50 м), но менее строгого спектрального разрешения. Эти инструменты обладают удивительной способностью обнаруживать шлейфы метана в широком диапазоне 2,3 мкм, включая гиперспектральные датчики со спектральным разрешением 10 нм (PRISMA, EnMAP, EMIT; Cusworth et al., 2019) и даже мультиспектральные датчики с одним каналом 2,3 мкм (Sentinel-2, Landsat; Varon et al., 2021) или несколькими каналами (WorldView-3; Sanchez-Garcia et al., 2022). Carbon Mapper будет иметь спектральное разрешение 6 нм, что значительно повысит точность по сравнению с 10 нм (Cusworth et al., 2019).
Метан — мощный парниковый газ, который способствовал глобальному потеплению на 0,6°C с доиндустриальных времен (Naik et al., 2021). Его выбросы производятся рядом секторов антропогенного происхождения, включая животноводство, нефтегазовые системы, добычу угля, обнаружение свалок, очистку сточных вод и выращивание риса. Водно-болотные угодья являются основным природным источником. Основным стоком является окисление гидроксильным радикалом (ОН), в результате чего время жизни в атмосфере составляет около 9 лет (Prather et al., 2012). Из-за такого короткого срока службы сокращение выбросов метана является мощным рычагом для замедления краткосрочного парникового потепления (Nis-bet et al., 2020). Однако оценки выбросов метана и вклада различных секторов весьма неопределенны (Saunois et al., 2020), что затрудняет климатическую политику. Здесь мы пересматриваем возможности спутниковых наблюдений за атмосферным метаном для количественной оценки выбросов от глобального масштаба до точечных источников.
Карты выбросов метана обычно составляются с использованием восходящих методов, при которых уровни активности (например, количество коров) умножаются на коэффициенты выбросов (выбросы метана на одну корову; IPCC, 2019). Методы «снизу вверх» связывают выбросы с основными процессами, обеспечивая тем самым основу для стратегий контроля выбросов. Наблюдения за атмосферным метаном предоставляют нисходящую информацию для улучшения оценок выбросов за счет использования обратных методов для связи наблюдаемых концентраций с выбросами (Miller and Michalak, 2017). Спутниковые наблюдения представляют для этой цели особый интерес из-за их высокой плотности наблюдений и глобального охвата (Palmer et al., 2021).
Спутники определяют концентрацию метана в атмосфере с чувствительностью, близкой к единице, вплоть до поверхности, путем измерения обратно рассеянного солнечного излучения со спектральным разрешением в коротковолновом инфракрасном диапазоне (SWIR; Jacob et al., 2016). Глобальные наблюдения метана из космоса начались с прибора SCIAMACHY (2003–2014 гг., 3060 км).2пикселей) (Франкенберг и др., 2005 г.) и с тех пор продолжает работать с инструментом TANSO-FTS на борту GOSAT (с 2009 г. по настоящее время, круговые пиксели длиной 10 км, разделенные примерно 270 км; Parker et al., 2020) и инструментом TROPOMI. (2018 – настоящее время, 5:57км2пиксели; Лоренте и др., 2021а). Во многих исследованиях эти спутниковые наблюдения использовались для количественной оценки выбросов метана в глобальном масштабе (Bergamaschi et al., 2013; Alexe et al., 2015; Wang et al., 2019; Qu et al., 2021) в континентальных масштабах (Wecht et al. , 2014; Maasakkers et al., 2021; Lu et al., 2022), в более мелких региональных масштабах (Miller et al., 2019; Zhang et al., 2020; Shen et al., 2021) и для крупных точечных источников (Pandey et al., 2019; Sadavarte et al., 2021; Lauvaux et al., 2022; Maasakkers et al., 2022; Maasakkers et al., 2021; др., 2022а, б). Целенаправленное наблюдение точечных источников метана из космоса началось с выброса газа в каньоне Алисо в 2015 году с использованием гиперспектрального датчика Hyperion (Thompson et al., 2016) и с тех пор продолжается с помощью инструментов GHGSat (2016 – настоящее время, 2525 м).2пиксели; Джервис и др., 2021). Гиперспектральные спектрометры для визуализации суши (измерения непрерывных спектров с разрешением 10 нм в выбранных каналах длины волны) и мультиспектральные спектрометры для визуализации суши (измерение яркости в дискретных каналах 100 нм) также продемонстрировали способность обнаруживать крупные точечные источники метана в SWIR каналах (Cusworth et al., 2019; Guanter et al., 2021; Varon et al., 2021; Ehret et al., 2022; Sanchez-Garcia et al., 2022).
Для удовлетворения требований климатической политики срочно необходима более качественная количественная оценка выбросов метана во всем мире. Отдельные страны должны ежегодно сообщать о своих выбросах по секторам в рамках Рамочной конвенции Организации Объединенных Наций об изменении климата (РКИК ООН) для стран Приложения I (развитых). Рамки повышенной прозрачности Парижского соглашения требуют, чтобы все страны представили на экспертную оценку выбросы, определяемые национальным сектором, к ноябрю 2024 года в качестве основы для определения своего определяемого на национальном уровне вклада в достижение климатических целей. Независимо от Парижского соглашения, более 110 стран в настоящее время подписали Глобальное обязательство по метану до 2021 года, обязывающее их сократить свои коллективные выбросы метана в 2030 году на 30% по сравнению с уровнями 2020 года. Спутники могут помочь количественно оценить национальные выбросы по секторам в качестве основы для установления целей по сокращению выбросов метана, а затем могут отслеживать выбросы с течением времени, чтобы оценить успех в достижении этих целей. Они предоставляют информацию о выбросах практически в реальном времени, тогда как восходящие кадастры обычно имеют задержку в несколько лет и, таким образом, являются уникальным ресурсом для документирования быстрых изменений выбросов (Barré et al., 2021).
Джейкоб и др. (2016) ранее рассматривали состояние науки по количественной оценке выбросов метана из космоса. В то время они представили возможности наблюдений, обсудили обратные методы определения выбросов метана на основе спутниковых наблюдений и изложили требования к наблюдениям для будущих спутниковых миссий. С тех пор были запущены новые спутниковые приборы для измерения атмосферного метана и появились новые возможности для обнаружения точечных источников метана из космоса. Были разработаны новые аналитические инструменты для определения выбросов на основе спутниковых наблюдений, в том числе для точечных источников. В ближайшие несколько лет планируется запустить дополнительные спутниковые инструменты, которые расширят нынешние возможности. Эти новые разработки мотивируют наш обновленный обзор.
2 Наблюдение за атмосферным метаном из космоса
2.1 Текущие и планируемые инструменты
В Таблице 1 перечислены существующие и планируемые спутниковые приборы с документально подтвержденной или ожидаемой способностью количественного определения выбросов метана, а в Таблице 2 приведены конкретные характеристики для каждого из них. Мы классифицируем эти инструменты как карты зональных потоков или устройства формирования изображений с точечными источниками, и на рис. 1 показаны эти два комплекса. Картографы площадных потоков предназначены для наблюдения за общими выбросами в глобальном или региональном масштабе с размером пикселя 0,1–10 км. Сканеры точечных источников представляют собой мелкопиксельные (< 60 м) инструменты, предназначенные для количественной оценки отдельных точечных источников путем визуализации шлейфов. Сканеры с точечными источниками имеют гораздо более высокое пространственное разрешение, чем картографы площадных потоков, но меньшую точность.
Все приборы в Таблице 1, за исключением MERLIN, наблюдают метан по обратному солнечному рассеянию SWIR от поверхности Земли либо на длине волны 1,63–1,70 мкм (диапазон 1,65 мкм), либо на длине волны 2,2–2,4 мкм (диапазон 2,3 мкм). Атмосферное рассеяние в SWIR слабое, за исключением облаков и крупных аэрозольных частиц. При ясном небе метан наблюдается до поверхности с чувствительностью, близкой к единице (Worden et al., 2015). Извлечение может оказаться неудачным, если поверхность слишком темная, например, над водой или под пологом леса (Ayasse et al., 2018). Наблюдения над водой можно проводить с помощью солнечного света, если геометрия наблюдения Солнце-спутник благоприятна. Лидарный прибор MERLIN издает собственное излучение с длиной волны 1,65 мкм и обнаруживает отраженный сигнал. Он может вести наблюдения над водой и ночью, но его чувствительность и охват ниже, чем у приборов обратного рассеяния Солнца. Возможности лидара для наблюдения за метаном из космоса в настоящее время ограничены лазерными технологиями (Ририс и др., 2019).
В Таблицу 1 не включены приборы, измеряющие метан в тепловом инфракрасном диапазоне (TIR) или по солнечному затмению. Эти приборы не чувствительны к метану вблизи поверхности и поэтому не могут быть использованы непосредственно для количественного определения выбросов метана. Приборы TIR использовались для дистанционного зондирования шлейфов метана с самолетов (Hulley et al., 2016), но измерения со спутников в основном определяют фон верхних слоев тропосферы (Worden et al., 2015). Приборы для солнечного затмения, такие как ACE-FTS, обеспечивают чувствительные измерения профилей стратосферного метана (Koo et al., 2017), но помехи из облаков препятствуют наблюдениям в тропосфере. Приборы TIR и солнечного затмения могут дополнять данные SWIR, предоставляя информацию о фоновом метане в верхней тропосфере и стратосфере (Чжан и др., 2021; Ту и др., 2022).
Спектрально разрешенное солнечное излучение обратного рассеяния SWIR, обнаруженное спутником в условиях ясного неба, может быть использовано для определения общего содержания метана в атмосфереﰁCH4 [molecules cm−2 ] , как будет рассмотрено в разд. 2.2. Чтобы исключить изменчивость приземного давления, измерения обычно сообщаются как коэффициент смешивания в сухой колонке XCH4 = ﰁCH4 /ﰁa,d, где ﰁa,d
столб сухого воздуха [molecules cm−2 ]. Нормализация по сухому воздуху, а не по общему воздуху позволяет избежать зависимости от водяного пара.
Все инструменты в таблице 1, за исключением EMIT и GeoCarb, находятся на низкой полярной солнечно-синхронной орбите и ведут наблюдения по всему миру в определенное местное время суток, либо утром, либо рано днем. Утром более вероятно ясное небо, а в начале дня дует более устойчивый ветер в пограничном слое, что позволяет интерпретировать усиление метана. GOSAT (с 2009 г. по настоящее время) и его последующий GOSAT-2 (с 2018 г. по настоящее время) обеспечивают глобальное покрытие каждые 3 дня для 10-километровых круглых пикселей, расположенных на расстоянии около 270 км друг от друга, а TROPOMI (с 2018 г. по настоящее время) обеспечивает полное глобальное ежедневное покрытие с 5: 57 км2пикселей. На рисунке 2 показано среднее значение TROPOMI X.СНданные за два разных сезона, иллюстрирующие плотный охват. Будущие приборы GOSAT-GW (запуск в 2023 г., 1010км)2пикселей с полным глобальным охватом каждые 3 кадра в режиме широкой полосы обзора), Sentinel-5 (запуск в 2024 г., 7:57:5 км)2пикселей с полным ежедневным покрытием по всему миру) и CO2M (запуск в 2025 г., 22 км2пикселей с полным глобальным охватом каждые 5 дней) продолжит запись глобальных наблюдений. MERLIN будет обеспечивать дневное и ночное глобальное покрытие на своей орбитальной траектории с помощью лидара. Приборы Sentinel-2 и Landsat обеспечивают полное глобальное покрытие с разрешением 20–30 м пикселей каждые 5 дней (Sentinel-2) или 16 дней (Landsat) и могут обнаруживать очень крупные точечные источники на ярких спектрально однородных поверхностях. EMIT (предназначенный для наблюдения за засушливыми поверхностями на предмет образования пыли) будет на уровне 51,6. наклонной орбиты Международной космической станции с изменяемым временем локального пролета. GeoCarb будет находиться на геостационарной орбите над Америкой и будет обеспечивать ежедневные наблюдения с 45 спутников. С до 55 Н.
Несколько инструментов с узкой полосой обзора в Таблице 1 избирательны в своих наблюдениях, фокусируясь на конкретных целях и избегая облачных условий. Приборы GHGSat наблюдают за выбранными 12х12 км.2сцены с 25х25м2разрешение пикселей и наведение инструмента для увеличения отношения сигнал/шум (SNR). Carbon Mapper будет наблюдать полосы длиной 18 км с полосами изображения длиной до 1000 км в режиме веерного сканирования и более короткими полосами в режиме отслеживания цели (наведения прибора). На момент написания этой статьи у GHGSat на орбите было шесть спутников, чтобы обеспечить частое время возвращения, и Carbon Mapper аналогичным образом планирует созвездие спутников. WorldView-3 наблюдает сцены размером до 66:5112 км.2. MthanSAT будет наблюдать 200х200 км2цели в нефтегазовых системах и сельскохозяйственных регионах с 130х400м2Разрешение пикселей, позволяющее проводить количественную оценку региональных выбросов с высоким разрешением, а также отображать крупные точечные источники.
Все картографы площадных потоков в Таблице 1 имеют высокое (<0:5 нм) спектральное разрешение, позволяющее осуществлять точные измерения концентраций метана, в отличие от более грубого (0,1–10 км) пространственного разрешения. GHGSat обеспечивает сочетание высокого пространственного разрешения и высокого спектрального разрешения за счет наведения инструментов. Большинство других изображений с точечными источниками, представленных в Таблице 1, предназначены для наблюдения за поверхностью суши, что требует высокого пространственного разрешения (< 50 м), но менее строгого спектрального разрешения. Эти инструменты обладают удивительной способностью обнаруживать шлейфы метана в широком диапазоне 2,3 мкм, включая гиперспектральные датчики со спектральным разрешением 10 нм (PRISMA, EnMAP, EMIT; Cusworth et al., 2019) и даже мультиспектральные датчики с одним каналом 2,3 мкм (Sentinel-2, Landsat; Varon et al., 2021) или несколькими каналами (WorldView-3; Sanchez-Garcia et al., 2022). Carbon Mapper будет иметь спектральное разрешение 6 нм, что значительно повысит точность по сравнению с 10 нм (Cusworth et al., 2019).
Таблица 1.Текущие и планируемые спутниковые приборы SWIR для наблюдения за метаном в атмосфереа.
Таблица 2.Атрибуты и доступность данных для спутниковых приборов, наблюдающих за метаном в атмосфере
Все картографы зональных потоков в Таблице 1 имеют политику открытых данных, обеспечивающую свободный доступ с веб-сайта распространения или из облака. Данные обычно предоставляются как XСНпоиск (уровень 2 или L2). MthanSAT будет публично распространять свои данные в виде предполагаемых потоков метана (L4), а данные L1 и L2 также будут доступны по запросу. Доступ к данным для изображений с точечным источником в настоящее время менее прост. Sentinel-2 и Landsat имеют данные об излучении канала (L1) находятся в свободном доступе, но пользователи должны выполнять свои собственные извлечения метана и оценки мощности источника. GHGSat и WorldView-3 проводят наблюдения по запросу платящих клиентов, при этом GHGSat предоставляет данные о плотности столбца (L2) и скорости источника (L4), а WorldView-3 предоставляет данные L1. PRISMA и EnMAP проводят наблюдения по запросу научного сообщества и заинтересованных сторон, а полученные данные L1 затем становятся свободно доступными, но опять-таки пользователи должны выполнять свои собственные поиски метана. Carbon Mapper предоставит открытые данные L2 и L4.
Рисунок 1.Спутниковые приборы для наблюдения метана в коротковолновом инфракрасном диапазоне (SWIR). Картографы площадных потоков предназначены для количественной оценки общих выбросов метана в региональном и глобальном масштабах. Сканеры с точечными источниками предназначены для количественной оценки выбросов от отдельных точек. Технические характеристики каждого прибора приведены в таблицах 1 и 2. Иконки спутников были получены с https: //www.gosat.nies.go.jp (последний доступ: 22 июля2022 г.) для GOSAT; Wikipedia Commons: TROPOMI, EMIT (Международный курортцентральная станция),ай Сентинел-2; хттps://space.skyrocket.de (последний доступ: 22 июля 2022 г.) для GOSAT-GW, MERLIN, CO2M и Carbon Mapper; хттпс://www. mthanasat.org (последнее обращение: 22 июля 2022 г.) для MethaneSAT; ЕКА (2020) для Sentinel-5; https://www.ou.edu/geocarb/mission (последний доступ: 22 июля 2022 г.) для GeoCarb; https://www.planetek.it/ (лапервый доступ: 22 июля 2022 г.) для PRISMA; хттps://www.ghgsat.com/ (последний ак.конец: 22 июля 2022 г.) для GHGSat; https://www.enmap.org/mission (последний доступ: 22 июля 2 г.)022) для EnMAP; https://directory.eoportal.org (последний доступ: 22 июля 2022 г.) для WorldView-3; и https://www.usgs.gov/landsat-missions (последний доступ: 22 июля 2022 г.) для Landsat.
2.2 Методы поиска
«Полнофизическое» извлечение столбцов метана из спутниковых SWIR-спектров включает инверсию спектров с помощью модели переноса излучения (Butz et al., 2012; Thorpe et al., 2017). Обычно он одновременно определяет вертикальный профиль концентрации метана, вертикальный профиль ослабления аэрозоля и отражательную способность поверхности. Хотя вертикальный профиль метана можно восстановить с помощью инверсии, существенной информации о вертикальных градиентах на самом деле нет, и только XСНсообщается вместе с вектором ядра усреднения для чувствительности к вертикальному профилю (около единицы в тропосфере). Извлечение может оказаться неудачным, если атмосфера туманная, поверхность неоднородна или слишком темна. Таким образом, полный физический поиск TROPOMI в диапазоне 2,3 мкм имеет лишь 3% глобального успеха над сушей (Lorente et al., 2021a) с большой изменчивостью в зависимости от местоположения (рис. 2). Сравнительно хорошо наблюдаются засушливые районы и средние широты. Наблюдения гораздо реже во влажных тропиках из-за обширной облачности и темных поверхностей, а также в Арктике из-за сезонной темноты, сильной облачности и низкой солнечной активности.
Наблюдения в высоких широтах вне лета очень ограничены, что приводит к сезонной ошибке выборки.
Полоса 1,65 мкм позволяет использовать альтернативный CO2повторный поиск прокси с использованием соседнего CO2полоса поглощения 1,61 мкм (Франкенберг и др., 2005). В этом методе ﰁCH4 и ﰁCO2 извлекаются одновременно без учета атмосферного рассеяния, а XСН4 затем выводится как
«Полнофизическое» извлечение столбцов метана из спутниковых SWIR-спектров включает инверсию спектров с помощью модели переноса излучения (Butz et al., 2012; Thorpe et al., 2017). Обычно он одновременно определяет вертикальный профиль концентрации метана, вертикальный профиль ослабления аэрозоля и отражательную способность поверхности. Хотя вертикальный профиль метана можно восстановить с помощью инверсии, существенной информации о вертикальных градиентах на самом деле нет, и только XСНсообщается вместе с вектором ядра усреднения для чувствительности к вертикальному профилю (около единицы в тропосфере). Извлечение может оказаться неудачным, если атмосфера туманная, поверхность неоднородна или слишком темна. Таким образом, полный физический поиск TROPOMI в диапазоне 2,3 мкм имеет лишь 3% глобального успеха над сушей (Lorente et al., 2021a) с большой изменчивостью в зависимости от местоположения (рис. 2). Сравнительно хорошо наблюдаются засушливые районы и средние широты. Наблюдения гораздо реже во влажных тропиках из-за обширной облачности и темных поверхностей, а также в Арктике из-за сезонной темноты, сильной облачности и низкой солнечной активности.
Наблюдения в высоких широтах вне лета очень ограничены, что приводит к сезонной ошибке выборки.
Полоса 1,65 мкм позволяет использовать альтернативный CO2повторный поиск прокси с использованием соседнего CO2полоса поглощения 1,61 мкм (Франкенберг и др., 2005). В этом методе ﰁCH4 и ﰁCO2 извлекаются одновременно без учета атмосферного рассеяния, а XСН4 затем выводится как
Таблица 3. Раннее выявление болезни пасленовых с помощью HRS.
где ХСОопределяется независимо, обычно на основе обобщенных наблюдений или глобальной модели химического переноса (Parker et al., 2020; Palmer et al., 2021). Совместно прокси-метод использует преимущества более низкой изменчивости CO.2чем метан и с низким содержанием CO2совместные выбросы от доминирующих источников метана (животноводство, нефтегазовые системы, добыча угля, свалки, очистка сточных вод, выращивание риса, водно-болотные угодья). Он намного быстрее, чем полный физический поиск, обеспечивает аналогичную точность и достоверность (Buchwitz et al., 2015) и в значительной степени позволяет избежать систематических ошибок, связанных с отражательной способностью поверхности и аэрозолями, поскольку эти систематические ошибки имеют тенденцию устраняться приﰁCH4 /ﰁCO2 соотношение. Он подвержен ошибкам из-за неразрешенной изменчивости CO.2такой как и в городских регионах, и также подвержен смещению в отношении источников, которые одновременно выделяют метан и CO.2например, сжигание в факеле и другие виды неполного сгорания. Прибор GOSAT, работающий на длине волны 1,65 мкм с пикселями 10 км, имеет 24% вероятность успеха над сушей с использованием CO.2прокси-извлечение, в основном ограниченное облачностью (Parker et al., 2020).
Рисунок 2.Глобальные наблюдения метана TROPOMI за декабрь 2019–февраль 2020 г. и июнь–август 2020 г. Данные из версии 2.02, отфильтровывая результаты низкого качества (qa_value< 0:5) и поверхности снега и льда, диагностированные по смешанному альбедо > 0:8 (Lorente и др., 2021а). На верхних панелях показаны средние соотношения смеси X в колонне сухого метана в соотношении 0:1. 0:1 сетка. На средних панелях показана плотность наблюдений как количество успешных наблюдений на 1 1 ячейка сетки для 3-месячных периодов. Нижние панели показывают среднее значение XCH4 различия между совмещенными наблюдениями TROPOMI и GOSAT, нанесенными на 2 2:5 сетке и скорректировано вверх на 10,5 частей на миллиард, чтобы учесть, что TROPOMI на 10,5 частей на миллиард ниже, чем GOSAT в среднем глобальном уровне. Данные GOSAT взяты из CO.2прокси-поиск версии 9.0 от Parker et al. (2020).
Ограничением использования полосы 1,65 мкм является то, что она уже, имеет меньше спектральных особенностей и более слабое поглощение, чем полоса 2,3 мкм, и поэтому требует прибора с субнанометровым спектральным разрешением (Cusworth et al., 2019). ; Джонгарамрунгруанг и др., 2021). Полоса 2,3 мкм может быть успешно отобрана для полного физического восстановления с помощью гиперспектральных инструментов со спектральным разрешением 10 нм (Thorpe et al., 2014, 2017; Cusworth et al., 2021a; Bor-chardt et al., 2021; Irakulis-Loitxate). и др., 2021). Точность повышается за счет спектрального разрешения (Cusworth et al., 2019; Jongaramrungruang et al., 2021) и позиционирования спектра относительно линий поглощения метана (Scaffuto et al., 2021). Мультиспектральные приборы с одним или несколькими широкополосными каналами (полоса пропускания 100 нм) не позволяют получить спектрально разрешенное изображение, но простое восстановление по закону Бера усиления столба метана в шлейфе относительно фона все еще может быть достигнуто в диапазоне 2,3 мкм. путем вывода-отражательная способность кольцевой поверхности от соседних полос или от видов той же сцены при отсутствии шлейфа (Варон и др., 2021; Санчес-Гарсия и др., 2022).
Еще одним подходом к получению усилений метана из точечных источников является метод согласованного фильтра, в котором наблюдаемый спектр подгоняется к фоновому спектру, свернутому с целевым спектром поглощения метана, улавливающим полосу поглощения 2,3 мкм (Томпсон и др., 2015; Фут и др., 2020). Методы согласованных фильтров широко использовались для картирования точечных источников метана в ходе аэроспектральных кампаний (Frankenberg et al., 2016; Duren et al., 2019; Cusworth et al., 2021b), а также для спутникового поиска точечных источников (Frankenberg et al., 2016; Duren et al., 2019; Cusworth et al., 2021b). Томпсон и др., 2016; Гуантер и др., 2021; Иракулис-Лойксате и др., 2021). Эти методы напрямую определяют превышение уровня метана над фоном и работают быстрее, чем полное физическое извлечение. Это хорошо подходящие методы для визуализации шлейфов, где интересующей величиной является увеличение содержания метана над локальным фоном.
2.3 Прецизионность и аккуратность
На получение XCH4 может влиять случайная ошибка (прецизионность) и систематическая ошибка (смещение или точность). Равномерное смещение несущественно, поскольку его можно просто вычесть. Случайную ошибку можно уменьшить путем временного усреднения, если плотность наблюдений высока. Самой пагубной ошибкой является пространственно-переменная погрешность, часто называемая относительной погрешностью (Buchwitz et al., 2015), которая обычно вызвана наложением спектральных характеристик отражательной способности поверхности на результаты извлечения метана. Переменная погрешность искажает полученные градиенты концентрации и создает артефакты, которые можно ошибочно отнести к метану.
Приборы для картографирования площадей обычно проверяются на основе высокоточного XСН4 измерения с помощью всемирной сети наблюдения за общим содержанием углерода (TCCON) наземных спектрометров наблюдения за Солнцем (Wunch et al., 2011). Переменную ошибку можно оценить как пространственное стандартное отклонение по участкам TCCON временной средней ошибки (Buchwitz et al., 2015). Шнайзинг и др. (2019) таким образом пришли к выводу, что глобальная погрешность составляет 1:3 частей на миллиард для извлечения метана Университетом TROPOMI в Бремене, точность 14 частей на миллиард и переменная погрешность 4,3 частей на миллиард. Лоренте и др. (2021a) пришли к выводу, что глобальное среднее смещение составляет 3:4 частей на миллиард и переменное смещение 5,6 частей на миллиард для текущего оперативного поиска TROPOMI версии 2 Нидерландского института космических исследований (SRON). На рисунке 3 эти значения показаны в контексте наблюдений TROPOMI над нефтяным месторождением Пермского бассейна в Техасе и Нью-Мексико. Типичный один день наблюдений TROPOMI показывает большие области пропущенных и зашумленных данных, поэтому необходимо усреднение по времени, что также уменьшает случайную ошибку. Усреднение наблюдений TROPOMI за месяц показывает полный охват пермского периода с увеличением на 50 частей на миллиард над основными районами добычи нефти и газа, что значительно превышает переменное смещение инструмента.
Использование сети TCCON для диагностики смещения переменных ограничено редкостью участков сети, почти все из которых находятся в северных средних широтах. Альтернативный способ — обратиться к GOSAT. Текущая версия 9 поиска GOSAT с использованием CO2Прокси-метод имеет переменную погрешность всего 2,9 частей на миллиард по отношению к TCCON и считается хорошо калиброванным измерением (Parker et al., 2020). Пространственная изменчивость средней разницы TROPOMI–GOSAT обеспечивает глобальную оценку систематической ошибки переменной TROPOMI (Qu et al., 2021). Результаты на рисунке 2 (нижняя панель) после поправки на глобальную среднюю разницу TROPOMI и GOSAT, составляющую 10:5 ppb (TROPOMI ниже, чем GOSAT), показывают, что в некоторых регионах погрешности переменных TROPOMI могут превышать 20 частей на миллиард. Причиной таких больших отклонений относительно GOSAT является более грубая спектральная выборка TROPOMI в регионе SWIR, а также недоступность CO.2получение прокси на расстоянии 2,3 мкм. Сравнение наблюдений TROPOMI и GOSAT для интересующего региона является хорошей практикой перед интерпретацией данных TROPOMI для этого региона (Z. Chen et al., 2022).
Переменная погрешность также является проблемой для изображений с точечными источниками, где она проявляется в виде артефактов, которые можно принять за шлейфы метана (Ayasse et al., 2018). Это особенно важно для неоднородных поверхностей (Cusworth et al., 2019). Артефакты можно выявить путем визуального осмотра возможных шлейфов с учетом направления ветра, известной инфраструктуры и отражательной способности поверхности (Guanter et al., 2021). Методами машинного обучения также можно обнаружить шлейфы и распознавать структуры артефактного шума (Jongaramrun-gruang et al., 2022). На рисунке 3 показаны наглядные наблюдения точечных источников спутников Sentinel-2, PRISMA и GHGSat в Пермском бассейне. Наблюдения имеют меньшую точность, чем TROPOMI (таблица 1), но усиление метана намного больше, поскольку пиксели меньше. Пороги обнаружения точечных источников и их связь с точностью обсуждаются в разд. 5.
3 Глобальные, региональные и точечные наблюдения
На Рисунке 4 спутниковые инструменты, представленные в Таблице 1, классифицированы с точки зрения их возможностей наблюдать метан в глобальном и региональном масштабах как в виде площадных источников (картографы площадных потоков) или в масштабе отдельных точечных источников (картографы точечных источников). Наблюдения в этих разных масштабах нацелены на взаимодополняющие потребности в нашем понимании метана, и, соответственно, они предъявляют разные требования к наблюдениям. Площадные источники могут объединять очень большое количество отдельных небольших источников выбросов, которые в совокупности образуют большую сумму, например, нефтяные скважины с низкой производительностью (Омара и др., 2022). Практическое определение точечного источника метана для наших целей, согласно Duren et al. (2019 г.), представляет собой один объект с выбросами более 10 кг/ч.1на площади менее 3030 м2. Это представляет собой типичный предел обнаружения с помощью дистанционного зондирования самолета в сочетании с типичным пространственным разрешением для устройств формирования изображения с точечным источником. Используя такое определение порога источника, Cusworth et al. (2022) установили, что в среднем 40% выбросов на нефтяных и газовых месторождениях США происходят из точечных источников. Это подчеркивает необходимость дополняющей характеристики выбросов метана как в качестве площадных, так и в качестве точечных источников.
3.1 Глобальные и региональные наблюдения с помощью картографов площадных потоков
Глобальные наблюдения за метаном направлены на главный вопрос: почему содержание метана в атмосфере увеличилось почти втрое с доиндустриальных времен и почему оно продолжает увеличиваться. Измерения наземной сети, такие как данные NOAA, являются эталоном для наблюдения за глобальными тенденциями из-за их высокой точности (Bruhwiler et al., 2021), а некоторые сайты включают изотопную или другую информацию для разделения вкладов из разных исходных секторов (Lan et al., 2021). др., 2021). Но спутники играют важную роль из-за их плотного и глобального покрытия. Они могут определить регионы, которые определяют глобальную тенденцию (Чжан и др., 2021). Они обладают уникальной способностью оценивать точность и тенденции сообщаемых выбросов метана отдельными странами в РКИК ООН (Janardanan et al., 2020) и, таким образом, внести свой вклад в структуру прозрачности Парижского соглашения (Deng et al., 2022; Worden et al., 2022).
Еще одним подходом к получению усилений метана из точечных источников является метод согласованного фильтра, в котором наблюдаемый спектр подгоняется к фоновому спектру, свернутому с целевым спектром поглощения метана, улавливающим полосу поглощения 2,3 мкм (Томпсон и др., 2015; Фут и др., 2020). Методы согласованных фильтров широко использовались для картирования точечных источников метана в ходе аэроспектральных кампаний (Frankenberg et al., 2016; Duren et al., 2019; Cusworth et al., 2021b), а также для спутникового поиска точечных источников (Frankenberg et al., 2016; Duren et al., 2019; Cusworth et al., 2021b). Томпсон и др., 2016; Гуантер и др., 2021; Иракулис-Лойксате и др., 2021). Эти методы напрямую определяют превышение уровня метана над фоном и работают быстрее, чем полное физическое извлечение. Это хорошо подходящие методы для визуализации шлейфов, где интересующей величиной является увеличение содержания метана над локальным фоном.
2.3 Прецизионность и аккуратность
На получение XCH4 может влиять случайная ошибка (прецизионность) и систематическая ошибка (смещение или точность). Равномерное смещение несущественно, поскольку его можно просто вычесть. Случайную ошибку можно уменьшить путем временного усреднения, если плотность наблюдений высока. Самой пагубной ошибкой является пространственно-переменная погрешность, часто называемая относительной погрешностью (Buchwitz et al., 2015), которая обычно вызвана наложением спектральных характеристик отражательной способности поверхности на результаты извлечения метана. Переменная погрешность искажает полученные градиенты концентрации и создает артефакты, которые можно ошибочно отнести к метану.
Приборы для картографирования площадей обычно проверяются на основе высокоточного XСН4 измерения с помощью всемирной сети наблюдения за общим содержанием углерода (TCCON) наземных спектрометров наблюдения за Солнцем (Wunch et al., 2011). Переменную ошибку можно оценить как пространственное стандартное отклонение по участкам TCCON временной средней ошибки (Buchwitz et al., 2015). Шнайзинг и др. (2019) таким образом пришли к выводу, что глобальная погрешность составляет 1:3 частей на миллиард для извлечения метана Университетом TROPOMI в Бремене, точность 14 частей на миллиард и переменная погрешность 4,3 частей на миллиард. Лоренте и др. (2021a) пришли к выводу, что глобальное среднее смещение составляет 3:4 частей на миллиард и переменное смещение 5,6 частей на миллиард для текущего оперативного поиска TROPOMI версии 2 Нидерландского института космических исследований (SRON). На рисунке 3 эти значения показаны в контексте наблюдений TROPOMI над нефтяным месторождением Пермского бассейна в Техасе и Нью-Мексико. Типичный один день наблюдений TROPOMI показывает большие области пропущенных и зашумленных данных, поэтому необходимо усреднение по времени, что также уменьшает случайную ошибку. Усреднение наблюдений TROPOMI за месяц показывает полный охват пермского периода с увеличением на 50 частей на миллиард над основными районами добычи нефти и газа, что значительно превышает переменное смещение инструмента.
Использование сети TCCON для диагностики смещения переменных ограничено редкостью участков сети, почти все из которых находятся в северных средних широтах. Альтернативный способ — обратиться к GOSAT. Текущая версия 9 поиска GOSAT с использованием CO2Прокси-метод имеет переменную погрешность всего 2,9 частей на миллиард по отношению к TCCON и считается хорошо калиброванным измерением (Parker et al., 2020). Пространственная изменчивость средней разницы TROPOMI–GOSAT обеспечивает глобальную оценку систематической ошибки переменной TROPOMI (Qu et al., 2021). Результаты на рисунке 2 (нижняя панель) после поправки на глобальную среднюю разницу TROPOMI и GOSAT, составляющую 10:5 ppb (TROPOMI ниже, чем GOSAT), показывают, что в некоторых регионах погрешности переменных TROPOMI могут превышать 20 частей на миллиард. Причиной таких больших отклонений относительно GOSAT является более грубая спектральная выборка TROPOMI в регионе SWIR, а также недоступность CO.2получение прокси на расстоянии 2,3 мкм. Сравнение наблюдений TROPOMI и GOSAT для интересующего региона является хорошей практикой перед интерпретацией данных TROPOMI для этого региона (Z. Chen et al., 2022).
Переменная погрешность также является проблемой для изображений с точечными источниками, где она проявляется в виде артефактов, которые можно принять за шлейфы метана (Ayasse et al., 2018). Это особенно важно для неоднородных поверхностей (Cusworth et al., 2019). Артефакты можно выявить путем визуального осмотра возможных шлейфов с учетом направления ветра, известной инфраструктуры и отражательной способности поверхности (Guanter et al., 2021). Методами машинного обучения также можно обнаружить шлейфы и распознавать структуры артефактного шума (Jongaramrun-gruang et al., 2022). На рисунке 3 показаны наглядные наблюдения точечных источников спутников Sentinel-2, PRISMA и GHGSat в Пермском бассейне. Наблюдения имеют меньшую точность, чем TROPOMI (таблица 1), но усиление метана намного больше, поскольку пиксели меньше. Пороги обнаружения точечных источников и их связь с точностью обсуждаются в разд. 5.
3 Глобальные, региональные и точечные наблюдения
На Рисунке 4 спутниковые инструменты, представленные в Таблице 1, классифицированы с точки зрения их возможностей наблюдать метан в глобальном и региональном масштабах как в виде площадных источников (картографы площадных потоков) или в масштабе отдельных точечных источников (картографы точечных источников). Наблюдения в этих разных масштабах нацелены на взаимодополняющие потребности в нашем понимании метана, и, соответственно, они предъявляют разные требования к наблюдениям. Площадные источники могут объединять очень большое количество отдельных небольших источников выбросов, которые в совокупности образуют большую сумму, например, нефтяные скважины с низкой производительностью (Омара и др., 2022). Практическое определение точечного источника метана для наших целей, согласно Duren et al. (2019 г.), представляет собой один объект с выбросами более 10 кг/ч.1на площади менее 3030 м2. Это представляет собой типичный предел обнаружения с помощью дистанционного зондирования самолета в сочетании с типичным пространственным разрешением для устройств формирования изображения с точечным источником. Используя такое определение порога источника, Cusworth et al. (2022) установили, что в среднем 40% выбросов на нефтяных и газовых месторождениях США происходят из точечных источников. Это подчеркивает необходимость дополняющей характеристики выбросов метана как в качестве площадных, так и в качестве точечных источников.
3.1 Глобальные и региональные наблюдения с помощью картографов площадных потоков
Глобальные наблюдения за метаном направлены на главный вопрос: почему содержание метана в атмосфере увеличилось почти втрое с доиндустриальных времен и почему оно продолжает увеличиваться. Измерения наземной сети, такие как данные NOAA, являются эталоном для наблюдения за глобальными тенденциями из-за их высокой точности (Bruhwiler et al., 2021), а некоторые сайты включают изотопную или другую информацию для разделения вкладов из разных исходных секторов (Lan et al., 2021). др., 2021). Но спутники играют важную роль из-за их плотного и глобального покрытия. Они могут определить регионы, которые определяют глобальную тенденцию (Чжан и др., 2021). Они обладают уникальной способностью оценивать точность и тенденции сообщаемых выбросов метана отдельными странами в РКИК ООН (Janardanan et al., 2020) и, таким образом, внести свой вклад в структуру прозрачности Парижского соглашения (Deng et al., 2022; Worden et al., 2022).
Рисунок 3.Спутниковые наблюдения атмосферного метана над Пермским бассейном (Техас и Нью-Мексико) в июле 2020 г. На левой панели показаны
типичные наблюдения TROPOMI за 1 день (15 июля), показывающие большие области отсутствующих данных, извлечение которых не увенчалось успехом из-за облачности или других факторов. На средней панели показаны среднемесячные наблюдения TROPOMI в масштабе 0:1. 0:1 сетка, показывающая улучшения в бассейнах Делавэр и Мидленд, где сосредоточена добыча нефти. Данные TROPOMI взяты из базы данных Lorente et al. версии 2.02. (2021а). На правой панели показаны примеры наблюдений шлейфов от точечных источников с помощью Sentinel-2, PRISMA и GHGSat, наложенные на изображения поверхности © Google Earth. Размеры шлейфа и предполагаемая скорость точечного источника (Q) указаны на вставке. См. разд. 4.2 для вывода мощности точечных источников на основе наблюдений за шлейфами.
типичные наблюдения TROPOMI за 1 день (15 июля), показывающие большие области отсутствующих данных, извлечение которых не увенчалось успехом из-за облачности или других факторов. На средней панели показаны среднемесячные наблюдения TROPOMI в масштабе 0:1. 0:1 сетка, показывающая улучшения в бассейнах Делавэр и Мидленд, где сосредоточена добыча нефти. Данные TROPOMI взяты из базы данных Lorente et al. версии 2.02. (2021а). На правой панели показаны примеры наблюдений шлейфов от точечных источников с помощью Sentinel-2, PRISMA и GHGSat, наложенные на изображения поверхности © Google Earth. Размеры шлейфа и предполагаемая скорость точечного источника (Q) указаны на вставке. См. разд. 4.2 для вывода мощности точечных источников на основе наблюдений за шлейфами.
Рисунок 4.Классификация спутниковых приборов по их возможности наблюдать атмосферный метан в глобальном масштабе, в региональном масштабе с высоким разрешением и для точечных источников. Технические характеристики спутниковых приборов приведены в Таблице 1, а ключевые атрибуты перечислены в Таблице 2. Пороги обнаружения точечных источников указаны здесь в порядке величин. Эти пороги обнаружения обсуждаются в разд. 5.2. Инструменты, которые еще не запущены, выделены курсивом.
Глобальные наблюдения за метаном из космоса в настоящее время доступны с помощью GOSAT и TROPOMI. GOSAT предоставляет непрерывные и хорошо откалиброванные данные, начиная с 2009 года (Паркер и др., 2020). Инверсии данных GOSAT использовались для объяснения вклада различных регионов-источников и секторов в увеличение количества метана за последнее десятилетие (Maasakkers et al., 2019; Chandra et al., 2021; Palmer et al., 2021 год; Чжан и др., 2021). Поток данных TROPOMI начинается в мае 2018 года и намного плотнее, чем GOSAT, но возможность использовать данные TROPOMI в глобальных инверсиях в настоящее время ограничена большими смещениями переменных в некоторых регионах мира (Qu et al., 2021; рис. 2). Эта проблема, вероятно, улучшится в будущих версиях повторного поиска и может быть преодолена путем тщательного отбора данных. Ожидается, что в течение следующего десятилетия будут продолжены глобальные наблюдения за метаном из космоса с помощью серии GOSAT (GOSAT-2, GOSAT-GW), Sentinel-5 и CO2M (таблица 1). MERLIN мог бы внести важный вклад в развитие и более глубокое понимание выбросов метана в Арктике, которые в противном случае трудно наблюдать из космоса.
Существует значительный интерес к использованию спутниковых наблюдений для количественной оценки выбросов метана с высоким разрешением в региональных масштабах. Это важно для отчетности о выбросах на национальном или субнациональном уровне штатов, для мониторинга бассейнов добычи нефти и газа, а также для разделения вкладов от различных секторов-источников. Бассейны добычи нефти и газа обычно имеют размер в несколько сотен километров и могут содержать тысячи точечных источников, которые по отдельности малы, но в сумме составляют большой объем данных, и их лучше всего количественно оценить в региональном масштабе (Lyon et al., 2015). . Несколько полевых кампаний с использованием наземных и авиационных измерений были нацелены на нефтяные и газовые месторождения в Северной Америке (Karion et al., 2015; Pétron et al., 2020; Lyon et al., 2021), но эти кампании обязательно короткие и длительные, непрактичные во многих частях мира.
TROPOMI с его 5:57км2 разрешением пикселей и глобальным непрерывным ежедневным покрытием в настоящее время является единственным спутниковым инструментом, способным составлять региональные карты выбросов метана с высоким разрешением. Данные GOSAT слишком скудны. TROPOMI использовался для количественной оценки выбросов от месторождений добычи нефти и газа, включая Пермский бассейн (Zhang et al., 2020), другие месторождения в США и Канаде (Shen et al., 2022) и мексиканский бассейн Суресте ( Shen et al., 2021), выявив значительные занижения оценок восходящих запасов. Он также использовался для количественной оценки общих выбросов метана в Китае и их отнесения к секторам-источникам (Z. Chen et al., 2022). Проблемы смещения переменных, влияющие на глобальные инверсии TROPOMI, могут быть менее проблематичными в масштабах регионов-источников, где увеличение содержания метана велико, смещение может быть менее серьезным (рис. 2), а коррекция смещения возможна за счет корректировки границ и условий в транспортной модели (Шен и др., 2021). Ожидается, что в будущем возможности регионального картирования выбросов метана значительно расширятся благодаря инструментам MеthanSAT, GOSAT-GW, Sentinel-5 и CO2M.
3.2 Наблюдения за точечными источниками с помощью изображений с точечными источниками
Мониторинг крупных точечных источников важен для отчетности о выбросах, а обнаружение неожиданно крупных точечных источников (суперизлучателей) может обеспечить оперативные корректирующие действия. Отбор проб на месте и дистанционное зондирование с самолетов широко использовались для количественной оценки точечных источников (Frankenberg et al., 2016; Lyon et al., 2016; Duren et al., 2019; Hajny et al., 2019; Y. Chen). et al., 2022; Cusworth et al., 2022), но ограничен в пространственном и временном охвате. Спутникам снова предстоит сыграть важную роль. Они позволили обнаружить ранее неизвестные выбросы (Варон и др., 2019; Лауво и др., 2022) и количественно оценить интегрированные во времени общие выбросы от выбросов газовых скважин (Cusworth et al., 2021a; Maasakkers et al., 2022а).
Наблюдение точечных источников из космоса предъявляет уникальные требования. Размер шлейфов обычно составляет менее 1 км (Frankenberg et al., 2016; рис. 3), что требует более мелких спутниковых пикселей.
более 60 м (Аяссе и др., 2019). Желательно количественно оценить выбросы от отдельных эстакад, хотя временное усреднение шлейфов для улучшения отношения сигнал-шум возможно при вращении ветра, если известно точное местоположение источника (Варон и др., 2020). Выбросы меняются во времени, что мотивирует необходимость частого повторного анализа, которого можно достичь с помощью совокупности инструментов. С другой стороны, требования к точности менее строгие, чем для региональных или глобальных наблюдений, из-за большей величины повышения концентрации.
Потенциал космических спектрометров для получения изображений наземной поверхности для обнаружения точечных источников метана был впервые продемонстрирован с помощью гиперспектрального прибора «Гиперион» для исследования выброса в каньоне Алисо (Thompson et al., 2016). Гиперспектральные датчики, такие как PRISMA и другие подобные конструкции, с тех пор доказали свою способность количественно определять точечные источники мощностью 500 кг/ч.1(Cus-worth et al., 2021a; Guanter et al., 2021; Irakulis-Loitxate et al., 2021; Nesme et al., 2021). Первым спутниковым прибором, предназначенным для количественного определения точечных источников метана, стал демонстрационный прибор GHGSat-D, запущенный в 2016 году с высотой полета 5050 м, эффективное разрешение пикселей и точность 12–25% в зависимости от типа поверхности (Jervis et al., 2021). Варон и др. (2019) продемонстрировали возможности этого прибора для обнаружения и количественной оценки постоянных точечных источников в диапазоне 4000–40000 кг/ч.1на нефтегазовом месторождении в Туркменистане. Впоследствии в 2020–2022 годах были запущены пять последующих инструментов GHGSat с точностью 1–2%, что сформировало группировку с частым повторением.
Мультиспектральные инструменты, такие как Sentinel-2, Landsat и WorldView-3, также способны обнаруживать и количественно оценивать очень крупные точечные источники (Варон и др., 2021; Эрет и др., 2022; Санчес-Гарсия и др., 2022; Иракулис -Лойксате и др., 2022а). Sentinel-2 и Landsat предоставляют глобальные и свободно доступные данные, которые могут быть основой глобальной системы обнаружения суперизлучателей (Ehret et al., 2022). Крупномасштабное исследование точечных выбросов на западном побережье Туркменистана было проведено с помощью комбинации Sentinel-2 и Landsat (Irakulis-Loitxate et al., 2022a).
Шлейфы метана из космоса обнаруживались в основном над яркими поверхностями земли. Наблюдение морских шлейфов, например, с платформ добычи нефти и газа, усложнено из-за низкого отражения воды в SWIR. Сигнал можно усилить, наблюдая в режиме солнечных бликов, в котором датчик улавливает солнечное излучение, зеркально отраженное водой. Конфигурация наблюдения солнечных бликов может быть достигнута с помощью гибких платформ, способных указывать направление прямого рассеяния поверхности Солнца (PRISMA, Worldview-3, GHGSat, Carbon Mapper), или с помощью инструментов с достаточно большим полем зрения, чтобы часть полосы обзора попадала в зону переднего рассеяния (TROPOMI, Sentinel-2, Landsat). Иракулис-Лойксате и др. (2022b) продемонстрировали способность данных солнечных лучей с WorldView-3 и Landsat-8 обнаруживать большие шлейфы с морских платформ в Мексиканском заливе.
Ожидается, что в ближайшие годы возможности мониторинга точечных источников метана из космоса будут быстро расширяться за счет группировок GHGSat и Carbon Mapper, а также новых гиперспектральных миссий (Cusworth et al., 2019). Расширение группировок наблюдений с частым повторением и в разное время суток позволит лучше понять непостоянство выбросов метана. В ходе авиационной съемки Пермского бассейна Касворт и др. (2021b) обнаружили, что отдельные точечные источники производят обнаруживаемые выбросы в среднем только в 26% случаев. Аналогичная перемежаемость наблюдалась на нефтегазовых объектах в Калифорнии (Duren et al., 2019). Аллен и др. (2017) и Вон и др. (2018) отмечают, что некоторые выбросы от нефтегазовой инфраструктуры имеют весьма непостоянный характер по своей конструкции (разгрузка жидкостей, продувка и запуск) и могут иметь предсказуемые суточные колебания. Выбросы из-за отказа оборудования могут быть постоянными (утечки, незажженные факелы), спорадическими (в ответ на давление газа) или единичными событиями (аварии). Увеличение частоты наблюдений может выявить постоянство выбросов, что позволит принять корректирующие меры, а лучшее понимание точечных источников, которые по своей конструкции являются прерывистыми, может привести к лучшей количественной оценке усредненных по времени выбросов. Помимо этой краткосрочной прерывистости, существует также долгосрочная изменчивость, связанная с эксплуатационной практикой и жизненным циклом объекта (Кардозо-Салданья и Аллен, 2020; Джонсон и Хельцель, 2021; Варон и др., 2021; Аллен и др. , 2022; Ehret et al., 2022), подчеркивая важность постоянного долгосрочного мониторинга.
4. Выводы о выбросах метана на основе спутниковых наблюдений
Для вывода о выбросах метана на основе спутниковых наблюдений за столбами метана используются различные методы для картографов площадных потоков и изображений с точечными источниками. Картографы площадных потоков обычно используются для оптимизации двумерного распределения выбросов в региональном или глобальном масштабе обратными методами. Сканеры точечных источников используются для определения скорости отдельных точечных источников с помощью той или иной формы анализа баланса массы.
4.1 Глобальные и региональные инверсии с помощью картографов площадных потоков
Картографы площадных потоков создают двумерные поля наблюдений за метаном, на основе которых можно оптимизировать двумерные поля потоков выбросов с координатной сеткой. Оптимизация включает в себя модель переноса в атмосфере (прямую модель), позволяющую связать выбросы с наблюдаемыми концентрациями. Оптимальные выбросы обычно получаются с помощью байесовского вывода, подгоняющего наблюдения к прямой модели и включая предварительные оценки выбросов для регуляризации решения, когда наблюдения дают недостаточно информации (Brasseur and Jacob, 2017). Оптимизация временных тенденций выбросов может быть выполнена как часть решения или последовательно с использованием фильтра Калмана (Feng et al., 2017).
Основная процедура заключается в следующем. Учитывая совокупность наблюдений над интересующей областью, собранную в вектора обслуживания y, задача состоит в том, чтобы оптимизировать распределение потоков выбросов, собранных в вектор состояния x размерности n. Зависимость между x и y для метана можно считать линейной, несмотря на чувствительность концентраций OH к концентрациям метана. Это связано с тем, что инверсия существенно не меняет глобальную концентрацию метана, установленную наблюдениями; кроме того, для региональных инверсий время вентиляции региональной области намного короче, чем время химических потерь. Глобальные инверсии часто оптимизируют концентрации OH как часть вектора состояния, и эту зависимость также можно предположить линейной. Далее, предполагая гауссовские функции плотности вероятности ошибки (PDF) для x и y, оптимальная (апостериорная) оценка x получается путем минимизации байесовской функции стоимости J(x) вида (Brasseur and Jacob, 2017):
Существует значительный интерес к использованию спутниковых наблюдений для количественной оценки выбросов метана с высоким разрешением в региональных масштабах. Это важно для отчетности о выбросах на национальном или субнациональном уровне штатов, для мониторинга бассейнов добычи нефти и газа, а также для разделения вкладов от различных секторов-источников. Бассейны добычи нефти и газа обычно имеют размер в несколько сотен километров и могут содержать тысячи точечных источников, которые по отдельности малы, но в сумме составляют большой объем данных, и их лучше всего количественно оценить в региональном масштабе (Lyon et al., 2015). . Несколько полевых кампаний с использованием наземных и авиационных измерений были нацелены на нефтяные и газовые месторождения в Северной Америке (Karion et al., 2015; Pétron et al., 2020; Lyon et al., 2021), но эти кампании обязательно короткие и длительные, непрактичные во многих частях мира.
TROPOMI с его 5:57км2 разрешением пикселей и глобальным непрерывным ежедневным покрытием в настоящее время является единственным спутниковым инструментом, способным составлять региональные карты выбросов метана с высоким разрешением. Данные GOSAT слишком скудны. TROPOMI использовался для количественной оценки выбросов от месторождений добычи нефти и газа, включая Пермский бассейн (Zhang et al., 2020), другие месторождения в США и Канаде (Shen et al., 2022) и мексиканский бассейн Суресте ( Shen et al., 2021), выявив значительные занижения оценок восходящих запасов. Он также использовался для количественной оценки общих выбросов метана в Китае и их отнесения к секторам-источникам (Z. Chen et al., 2022). Проблемы смещения переменных, влияющие на глобальные инверсии TROPOMI, могут быть менее проблематичными в масштабах регионов-источников, где увеличение содержания метана велико, смещение может быть менее серьезным (рис. 2), а коррекция смещения возможна за счет корректировки границ и условий в транспортной модели (Шен и др., 2021). Ожидается, что в будущем возможности регионального картирования выбросов метана значительно расширятся благодаря инструментам MеthanSAT, GOSAT-GW, Sentinel-5 и CO2M.
3.2 Наблюдения за точечными источниками с помощью изображений с точечными источниками
Мониторинг крупных точечных источников важен для отчетности о выбросах, а обнаружение неожиданно крупных точечных источников (суперизлучателей) может обеспечить оперативные корректирующие действия. Отбор проб на месте и дистанционное зондирование с самолетов широко использовались для количественной оценки точечных источников (Frankenberg et al., 2016; Lyon et al., 2016; Duren et al., 2019; Hajny et al., 2019; Y. Chen). et al., 2022; Cusworth et al., 2022), но ограничен в пространственном и временном охвате. Спутникам снова предстоит сыграть важную роль. Они позволили обнаружить ранее неизвестные выбросы (Варон и др., 2019; Лауво и др., 2022) и количественно оценить интегрированные во времени общие выбросы от выбросов газовых скважин (Cusworth et al., 2021a; Maasakkers et al., 2022а).
Наблюдение точечных источников из космоса предъявляет уникальные требования. Размер шлейфов обычно составляет менее 1 км (Frankenberg et al., 2016; рис. 3), что требует более мелких спутниковых пикселей.
более 60 м (Аяссе и др., 2019). Желательно количественно оценить выбросы от отдельных эстакад, хотя временное усреднение шлейфов для улучшения отношения сигнал-шум возможно при вращении ветра, если известно точное местоположение источника (Варон и др., 2020). Выбросы меняются во времени, что мотивирует необходимость частого повторного анализа, которого можно достичь с помощью совокупности инструментов. С другой стороны, требования к точности менее строгие, чем для региональных или глобальных наблюдений, из-за большей величины повышения концентрации.
Потенциал космических спектрометров для получения изображений наземной поверхности для обнаружения точечных источников метана был впервые продемонстрирован с помощью гиперспектрального прибора «Гиперион» для исследования выброса в каньоне Алисо (Thompson et al., 2016). Гиперспектральные датчики, такие как PRISMA и другие подобные конструкции, с тех пор доказали свою способность количественно определять точечные источники мощностью 500 кг/ч.1(Cus-worth et al., 2021a; Guanter et al., 2021; Irakulis-Loitxate et al., 2021; Nesme et al., 2021). Первым спутниковым прибором, предназначенным для количественного определения точечных источников метана, стал демонстрационный прибор GHGSat-D, запущенный в 2016 году с высотой полета 5050 м, эффективное разрешение пикселей и точность 12–25% в зависимости от типа поверхности (Jervis et al., 2021). Варон и др. (2019) продемонстрировали возможности этого прибора для обнаружения и количественной оценки постоянных точечных источников в диапазоне 4000–40000 кг/ч.1на нефтегазовом месторождении в Туркменистане. Впоследствии в 2020–2022 годах были запущены пять последующих инструментов GHGSat с точностью 1–2%, что сформировало группировку с частым повторением.
Мультиспектральные инструменты, такие как Sentinel-2, Landsat и WorldView-3, также способны обнаруживать и количественно оценивать очень крупные точечные источники (Варон и др., 2021; Эрет и др., 2022; Санчес-Гарсия и др., 2022; Иракулис -Лойксате и др., 2022а). Sentinel-2 и Landsat предоставляют глобальные и свободно доступные данные, которые могут быть основой глобальной системы обнаружения суперизлучателей (Ehret et al., 2022). Крупномасштабное исследование точечных выбросов на западном побережье Туркменистана было проведено с помощью комбинации Sentinel-2 и Landsat (Irakulis-Loitxate et al., 2022a).
Шлейфы метана из космоса обнаруживались в основном над яркими поверхностями земли. Наблюдение морских шлейфов, например, с платформ добычи нефти и газа, усложнено из-за низкого отражения воды в SWIR. Сигнал можно усилить, наблюдая в режиме солнечных бликов, в котором датчик улавливает солнечное излучение, зеркально отраженное водой. Конфигурация наблюдения солнечных бликов может быть достигнута с помощью гибких платформ, способных указывать направление прямого рассеяния поверхности Солнца (PRISMA, Worldview-3, GHGSat, Carbon Mapper), или с помощью инструментов с достаточно большим полем зрения, чтобы часть полосы обзора попадала в зону переднего рассеяния (TROPOMI, Sentinel-2, Landsat). Иракулис-Лойксате и др. (2022b) продемонстрировали способность данных солнечных лучей с WorldView-3 и Landsat-8 обнаруживать большие шлейфы с морских платформ в Мексиканском заливе.
Ожидается, что в ближайшие годы возможности мониторинга точечных источников метана из космоса будут быстро расширяться за счет группировок GHGSat и Carbon Mapper, а также новых гиперспектральных миссий (Cusworth et al., 2019). Расширение группировок наблюдений с частым повторением и в разное время суток позволит лучше понять непостоянство выбросов метана. В ходе авиационной съемки Пермского бассейна Касворт и др. (2021b) обнаружили, что отдельные точечные источники производят обнаруживаемые выбросы в среднем только в 26% случаев. Аналогичная перемежаемость наблюдалась на нефтегазовых объектах в Калифорнии (Duren et al., 2019). Аллен и др. (2017) и Вон и др. (2018) отмечают, что некоторые выбросы от нефтегазовой инфраструктуры имеют весьма непостоянный характер по своей конструкции (разгрузка жидкостей, продувка и запуск) и могут иметь предсказуемые суточные колебания. Выбросы из-за отказа оборудования могут быть постоянными (утечки, незажженные факелы), спорадическими (в ответ на давление газа) или единичными событиями (аварии). Увеличение частоты наблюдений может выявить постоянство выбросов, что позволит принять корректирующие меры, а лучшее понимание точечных источников, которые по своей конструкции являются прерывистыми, может привести к лучшей количественной оценке усредненных по времени выбросов. Помимо этой краткосрочной прерывистости, существует также долгосрочная изменчивость, связанная с эксплуатационной практикой и жизненным циклом объекта (Кардозо-Салданья и Аллен, 2020; Джонсон и Хельцель, 2021; Варон и др., 2021; Аллен и др. , 2022; Ehret et al., 2022), подчеркивая важность постоянного долгосрочного мониторинга.
4. Выводы о выбросах метана на основе спутниковых наблюдений
Для вывода о выбросах метана на основе спутниковых наблюдений за столбами метана используются различные методы для картографов площадных потоков и изображений с точечными источниками. Картографы площадных потоков обычно используются для оптимизации двумерного распределения выбросов в региональном или глобальном масштабе обратными методами. Сканеры точечных источников используются для определения скорости отдельных точечных источников с помощью той или иной формы анализа баланса массы.
4.1 Глобальные и региональные инверсии с помощью картографов площадных потоков
Картографы площадных потоков создают двумерные поля наблюдений за метаном, на основе которых можно оптимизировать двумерные поля потоков выбросов с координатной сеткой. Оптимизация включает в себя модель переноса в атмосфере (прямую модель), позволяющую связать выбросы с наблюдаемыми концентрациями. Оптимальные выбросы обычно получаются с помощью байесовского вывода, подгоняющего наблюдения к прямой модели и включая предварительные оценки выбросов для регуляризации решения, когда наблюдения дают недостаточно информации (Brasseur and Jacob, 2017). Оптимизация временных тенденций выбросов может быть выполнена как часть решения или последовательно с использованием фильтра Калмана (Feng et al., 2017).
Основная процедура заключается в следующем. Учитывая совокупность наблюдений над интересующей областью, собранную в вектора обслуживания y, задача состоит в том, чтобы оптимизировать распределение потоков выбросов, собранных в вектор состояния x размерности n. Зависимость между x и y для метана можно считать линейной, несмотря на чувствительность концентраций OH к концентрациям метана. Это связано с тем, что инверсия существенно не меняет глобальную концентрацию метана, установленную наблюдениями; кроме того, для региональных инверсий время вентиляции региональной области намного короче, чем время химических потерь. Глобальные инверсии часто оптимизируют концентрации OH как часть вектора состояния, и эту зависимость также можно предположить линейной. Далее, предполагая гауссовские функции плотности вероятности ошибки (PDF) для x и y, оптимальная (апостериорная) оценка x получается путем минимизации байесовской функции стоимости J(x) вида (Brasseur and Jacob, 2017):
Здесь хА— предварительная оценка выбросов, SА– соответствующая ковариационная матрица априорных ошибок, K = ∂ y /∂ x – матрица Якоби, описывающая чувствительность наблюдений к выбросам, заданная моделью переноса в атмосфере, SО— это ковариационная матрица ошибок наблюдений, включающая вклады от ошибок приборов и моделей переноса, а также параметр регуляризации, который может потребоваться для исправления переподбора, вызванного несовершенным определением SО(Лу и др., 2021). Поскольку зависимость между x и y линейна, K полностью определяет модель атмосферного переноса для инверсии. Джакоб и др. (2016) описывают альтернативные формулировки функции стоимости, например, геостатистическое обратное моделирование, где априорная информация предоставляется как относительное пространственное распределение выбросов, а не масштабы выбросов (Miller et al., 2020).
Спецификация ковариационных матриц ошибок SА и СО сильно влияет на решение. Строительство СА можно сделать путем сравнения восходящих инвентаризаций (Maasakkers et al., 2016; Bloom et al., 2017) или использования оценок ошибок, полученных с помощью восходящих инвентаризаций (Scarpelli et al., 2020). Строительство СО можно сделать с помощью метода остаточной ошибки, при котором наблюдения сравниваются с смоделированными концентрациями из модели атмосферного переноса с предварительными оценками выбросов, а остаточная разность после удаления среднего отклонения принимается за ошибку наблюдений (Heald et др., 2004; Вехт и др., 2014). В ошибке наблюдения со спутников, как правило, преобладает ошибка приборного поиска, а не ошибка модели переноса, тогда как для наблюдений in situ в ней преобладает ошибка модели переноса (Lu et al., 2021).
Минимизация функции стоимости J(x) в уравнении. (2) получение апостериорного решения x и его ковариационной матрицы ошибок S можно выполнить либо численно, либо аналитически (Брассер и Джейкоб, 2017). S и соответствующая матрица ядра усреднения A=∂xˆ/∂x=In−SˆS−1 (Роджерс, 2000) определяют содержание информации на основе наблюдений и способности инверсии для улучшения предыдущей оценки. Диагональные члены A в диапазоне от 0 до 1 называются усредняющей чувствительностью ядра и измеряют способность наблюдений ограничивать решение для этого элемента вектора состояния независимо от предварительной оценки (1 D полностью, 0 D совсем нет). След A называется степенями свободы сигнала (DOFS) и представляет собой общее количество фрагментов информации, которые могут быть полностью ограничены на основе наблюдений. Неотъемлемым предположением является то, что наблюдения, транспортная модель и априорная информация являются несмещенными. Хотя априорная оценка в принципе несмещена, поскольку она представляет собой нашу лучшую оценку до того, как были проведены наблюдения, не учитывается SАвместе с неправильным пространственным распределением предшествующих выбросов может привести к систематической ошибке в результатах инверсии (Yu et al., 2021).
Численное решение для min(J(x)) с использованием сопряженной модели атмосферного переноса или других вариационных методов оптимизирует вектор состояния любой размерности, избегая явного построения полной матрицы Якоби K, и может использовать различные процедуры для оценки S (Bousserez et al., 2015; Cho et al., 2022). Аналитическое решение обеспечивает выражение в замкнутой форме для S, но требует дорогостоящего в вычислительном отношении построения K столбец за столбцом с n прогонами возмущений модели переноса в атмосфере. Это ограничивает размерность и, следовательно, разрешение вектора состояния, который можно оптимизировать. Однако после построения K ансамбли инверсии могут быть проведены без каких-либо значительных дополнительных вычислительных затрат для изучения неопределенностей в параметрах инверсии или для изучения взаимодополняемости и согласованности различных подмножеств наблюдений, например, с разных спутниковых инструментов или с наземных площадок (Лу и др., 2021, 2022). Это включает в себя оптимизацию параметра регуляризации так, чтобы сумма априорных членов в апостериорной функции стоимости соответствует ожидаемому значению распределения хи-квадратJA(xˆ ) = (xˆ −xA)T S−1(xˆ −xA) ∼ n
(Лу и др., 2021). Растущий доступ к большим вычислительным кластерам облегчил построение K как поразительно параллельной задачи, позволяющей аналитическое решение для векторов состояния с n > 1000 (Maasakkers et al., 2019). Нессер и др. (2021) показывают, что можно получить доступ к еще большим измерениям, аппроксимируя якобиан вдоль ведущих моделей информационного содержания.
Рисунок 5 иллюстрирует инверсию наблюдений TROPOMI на примере 1-месячного периода для Пермского бассейна с использованием аналитического решения с масштабом 0:25х 0:3125 ( 25х 25км2) разрешения. Этот расчет был выполнен в облаке Amazon Web Services (AWS) с использованием средства открытого доступа Integrated Mеthan Inversion (IMI) для аналитической инверсии данных TROPOMI, что позволяет пользователям напрямую получать доступ к данным TROPOMI, заархивированным на AWS, и делать выводы о выбросах для выбранного интересующего домена и временного окна с предварительно скомпилированным кодом инверсии (Варон и др., 2022).
Предположение о PDF-файлах гауссовой ошибки для предварительных оценок выбросов в уравнении. (2) не всегда может быть уместным. Логарифмически нормальное распределение часто является более правильным (Yuan et al., 2015) и может быть реализовано с помощью аналитических инверсий (Maasakkers et al., 2019; Z. Chen et al., 2022). Брандт и др. ал. (2016) показывают, что логарифмически нормальное распределение все еще недооценивает тяжелый хвост частотного распределения точечных источников (суперизлучателей). Применение обратных методов для обнаружения и количественной оценки отдельных суперэмиттеров в пределах региона-источника (например, нефтегазового месторождения) может потребовать бимодального PDF-файла для предварительных оценок, а нормальная функция стоимости L1 может подойти лучше, чем стандартная функция L2. норма уравнения (2) (Касворт и др., 2018). Метод Монте-Карло с цепью Маркова (MCMC) для инверсии, используемый Western et al. (2021) позволяет указать любые PDF-файлы априорных ошибок и ошибок наблюдений и возвращает полную PDF-файлы апостериорных ошибок по выбросам, но это требует больших вычислительных затрат, и его стоимость быстро возрастает с увеличением n.
Инверсия обычно оптимизирует географический двумерный массив потоков выбросов, но количественная оценка выбросов по секторам-источникам часто представляет наибольший интерес. Секторальная информация обычно содержится в предварительном кадастре. Самый простой подход состоит в том, чтобы предположить, что отношение апостериорных выбросов к априорным для данной ячейки сетки одинаково применимо ко всем выбросам в этой ячейке сетки (Turner et al., 2015) или взвешено с учетом априорных неопределенностей различных секторов (Shen et al., 2021). Ковариационная матрица апостериорных ошибок S и матрица ядра усреднения A в двумерной сетке аналогичным образом могут быть сопоставлены с конкретными секторами и/или суммированы по такой области, как отдельная страна (Maasakkers et al., 2019). Более общий подход к отраслевой атрибуции, предложенный Cusworth et al. (2021c) отображает решение (x, S) на любой альтернативный вектор состояния z (например, выбросы по секторам) с собственной априорной информацией (zА, ЗА) для получения решения zO с ковариационной матрицей апостериорных ошибок Z. Это, в частности, позволяет сравнивать результаты инверсий с использованием различной априорной информации.
4.2 Количественная оценка точечных источников с помощью изображений точечных источников
Количественная оценка точечных источников по спутниковым наблюдениям мгновенных шлейфов ставит задачу инверсии другого типа. В этом случае одна величина, расход точечного источника Q [кгс1], следует сделать на основе одного наблюдения за шлейфом. На рисунке 3 показаны примеры наблюдений шлейфа. Морфология мгновенного шлейфа определяется турбулентной диффузией, наложенной на средний ветер, с границей шлейфа (обычно называемой маской шлейфа), определяемой пределом обнаружения прибора. Наблюдение ведется за общим столбом метана и поэтому относительно нечувствительно к вертикальному перемешиванию пограничного слоя, которое является основным источником ошибок при интерпретации шлейфов по данным наблюдений с самолетов на месте (Angevine et al., 2020). С другой стороны, в отличие от натурных авиационных наблюдений, прямых измерений скорости ветра U в шлейфе не происходит. Отсутствие точной информации о скорости ветра является основным источником ошибок при интерпретации спутниковых наблюдений, поскольку концентрации в шлейфе изменяются как отношение Q = U, а это означает, что ошибки в U распространяются пропорционально ошибкам в Q.
Спецификация ковариационных матриц ошибок SА и СО сильно влияет на решение. Строительство СА можно сделать путем сравнения восходящих инвентаризаций (Maasakkers et al., 2016; Bloom et al., 2017) или использования оценок ошибок, полученных с помощью восходящих инвентаризаций (Scarpelli et al., 2020). Строительство СО можно сделать с помощью метода остаточной ошибки, при котором наблюдения сравниваются с смоделированными концентрациями из модели атмосферного переноса с предварительными оценками выбросов, а остаточная разность после удаления среднего отклонения принимается за ошибку наблюдений (Heald et др., 2004; Вехт и др., 2014). В ошибке наблюдения со спутников, как правило, преобладает ошибка приборного поиска, а не ошибка модели переноса, тогда как для наблюдений in situ в ней преобладает ошибка модели переноса (Lu et al., 2021).
Минимизация функции стоимости J(x) в уравнении. (2) получение апостериорного решения x и его ковариационной матрицы ошибок S можно выполнить либо численно, либо аналитически (Брассер и Джейкоб, 2017). S и соответствующая матрица ядра усреднения A=∂xˆ/∂x=In−SˆS−1 (Роджерс, 2000) определяют содержание информации на основе наблюдений и способности инверсии для улучшения предыдущей оценки. Диагональные члены A в диапазоне от 0 до 1 называются усредняющей чувствительностью ядра и измеряют способность наблюдений ограничивать решение для этого элемента вектора состояния независимо от предварительной оценки (1 D полностью, 0 D совсем нет). След A называется степенями свободы сигнала (DOFS) и представляет собой общее количество фрагментов информации, которые могут быть полностью ограничены на основе наблюдений. Неотъемлемым предположением является то, что наблюдения, транспортная модель и априорная информация являются несмещенными. Хотя априорная оценка в принципе несмещена, поскольку она представляет собой нашу лучшую оценку до того, как были проведены наблюдения, не учитывается SАвместе с неправильным пространственным распределением предшествующих выбросов может привести к систематической ошибке в результатах инверсии (Yu et al., 2021).
Численное решение для min(J(x)) с использованием сопряженной модели атмосферного переноса или других вариационных методов оптимизирует вектор состояния любой размерности, избегая явного построения полной матрицы Якоби K, и может использовать различные процедуры для оценки S (Bousserez et al., 2015; Cho et al., 2022). Аналитическое решение обеспечивает выражение в замкнутой форме для S, но требует дорогостоящего в вычислительном отношении построения K столбец за столбцом с n прогонами возмущений модели переноса в атмосфере. Это ограничивает размерность и, следовательно, разрешение вектора состояния, который можно оптимизировать. Однако после построения K ансамбли инверсии могут быть проведены без каких-либо значительных дополнительных вычислительных затрат для изучения неопределенностей в параметрах инверсии или для изучения взаимодополняемости и согласованности различных подмножеств наблюдений, например, с разных спутниковых инструментов или с наземных площадок (Лу и др., 2021, 2022). Это включает в себя оптимизацию параметра регуляризации так, чтобы сумма априорных членов в апостериорной функции стоимости соответствует ожидаемому значению распределения хи-квадратJA(xˆ ) = (xˆ −xA)T S−1(xˆ −xA) ∼ n
(Лу и др., 2021). Растущий доступ к большим вычислительным кластерам облегчил построение K как поразительно параллельной задачи, позволяющей аналитическое решение для векторов состояния с n > 1000 (Maasakkers et al., 2019). Нессер и др. (2021) показывают, что можно получить доступ к еще большим измерениям, аппроксимируя якобиан вдоль ведущих моделей информационного содержания.
Рисунок 5 иллюстрирует инверсию наблюдений TROPOMI на примере 1-месячного периода для Пермского бассейна с использованием аналитического решения с масштабом 0:25х 0:3125 ( 25х 25км2) разрешения. Этот расчет был выполнен в облаке Amazon Web Services (AWS) с использованием средства открытого доступа Integrated Mеthan Inversion (IMI) для аналитической инверсии данных TROPOMI, что позволяет пользователям напрямую получать доступ к данным TROPOMI, заархивированным на AWS, и делать выводы о выбросах для выбранного интересующего домена и временного окна с предварительно скомпилированным кодом инверсии (Варон и др., 2022).
Предположение о PDF-файлах гауссовой ошибки для предварительных оценок выбросов в уравнении. (2) не всегда может быть уместным. Логарифмически нормальное распределение часто является более правильным (Yuan et al., 2015) и может быть реализовано с помощью аналитических инверсий (Maasakkers et al., 2019; Z. Chen et al., 2022). Брандт и др. ал. (2016) показывают, что логарифмически нормальное распределение все еще недооценивает тяжелый хвост частотного распределения точечных источников (суперизлучателей). Применение обратных методов для обнаружения и количественной оценки отдельных суперэмиттеров в пределах региона-источника (например, нефтегазового месторождения) может потребовать бимодального PDF-файла для предварительных оценок, а нормальная функция стоимости L1 может подойти лучше, чем стандартная функция L2. норма уравнения (2) (Касворт и др., 2018). Метод Монте-Карло с цепью Маркова (MCMC) для инверсии, используемый Western et al. (2021) позволяет указать любые PDF-файлы априорных ошибок и ошибок наблюдений и возвращает полную PDF-файлы апостериорных ошибок по выбросам, но это требует больших вычислительных затрат, и его стоимость быстро возрастает с увеличением n.
Инверсия обычно оптимизирует географический двумерный массив потоков выбросов, но количественная оценка выбросов по секторам-источникам часто представляет наибольший интерес. Секторальная информация обычно содержится в предварительном кадастре. Самый простой подход состоит в том, чтобы предположить, что отношение апостериорных выбросов к априорным для данной ячейки сетки одинаково применимо ко всем выбросам в этой ячейке сетки (Turner et al., 2015) или взвешено с учетом априорных неопределенностей различных секторов (Shen et al., 2021). Ковариационная матрица апостериорных ошибок S и матрица ядра усреднения A в двумерной сетке аналогичным образом могут быть сопоставлены с конкретными секторами и/или суммированы по такой области, как отдельная страна (Maasakkers et al., 2019). Более общий подход к отраслевой атрибуции, предложенный Cusworth et al. (2021c) отображает решение (x, S) на любой альтернативный вектор состояния z (например, выбросы по секторам) с собственной априорной информацией (zА, ЗА) для получения решения zO с ковариационной матрицей апостериорных ошибок Z. Это, в частности, позволяет сравнивать результаты инверсий с использованием различной априорной информации.
4.2 Количественная оценка точечных источников с помощью изображений точечных источников
Количественная оценка точечных источников по спутниковым наблюдениям мгновенных шлейфов ставит задачу инверсии другого типа. В этом случае одна величина, расход точечного источника Q [кгс1], следует сделать на основе одного наблюдения за шлейфом. На рисунке 3 показаны примеры наблюдений шлейфа. Морфология мгновенного шлейфа определяется турбулентной диффузией, наложенной на средний ветер, с границей шлейфа (обычно называемой маской шлейфа), определяемой пределом обнаружения прибора. Наблюдение ведется за общим столбом метана и поэтому относительно нечувствительно к вертикальному перемешиванию пограничного слоя, которое является основным источником ошибок при интерпретации шлейфов по данным наблюдений с самолетов на месте (Angevine et al., 2020). С другой стороны, в отличие от натурных авиационных наблюдений, прямых измерений скорости ветра U в шлейфе не происходит. Отсутствие точной информации о скорости ветра является основным источником ошибок при интерпретации спутниковых наблюдений, поскольку концентрации в шлейфе изменяются как отношение Q = U, а это означает, что ошибки в U распространяются пропорционально ошибкам в Q.
Рисунок 5.Интегрированная инверсия метана (IMI) в облаке Amazon Web Services (AWS) (Варон и др., 2022). IMI получает доступ к оперативным данным TROPOMI, размещенным в облаке, и выполняет аналитические инверсии для выбранных пользователем областей и периодов времени. Перед проведением инверсии пользователи могут запустить предварительный просмотр IMI, чтобы визуализировать наблюдения, предварительные оценки выбросов по умолчанию (которые они могут заменить своими собственными), ожидаемое информационное содержание инверсии (степени свободы для сигнала или DOFS) и Альбедо SWIR для индикации артефактов данных. Если предварительный просмотр удовлетворительный, они могут затем запустить инверсию для получения оценок апостериорных выбросов с усреднением чувствительности ядра, показывающим, где наблюдения могут успешно ограничить выбросы. Здесь показан пример, приведенный Вароном и др. (2022 г.) на 1 месяц (май 2018 г.) инверсия над пермским бассейном, используя предварительную оценку выбросов из кадастра EDF (Чжан и др., 2020). IMI доступен по адресу https://imi.seas.harvard.edu (последний доступ: 23 июля 2022 г.).
На рисунке 6 обобщены различные методы определения скорости точечных источников на основе спутниковых наблюдений мгновенных шлейфов. Подробности об этих методах даны Krings et al. (2011), Варон и др. (2018) и Джонгарамрунгруанг и др. (2019, 2022). Гауссов шлейф — это классическая модель турбулентной диффузии из точечного источника, но она справедлива только для шлейфа, отбирающего репрезентативный ансамбль турбулентных вихрей. Метановые шлейфы, как правило, слишком малы для выполнения этого условия (Jongarangmrungruang et al., 2019), как показано на рис. 3, где форма шлейфов не является гауссовой. Простой метод баланса массы, применяющий местную скорость ветра к увеличению количества метана, наблюдаемому в шлейфе, ошибочен для субкилометровых масштабов, поскольку вентиляция в большей степени определяется турбулентными вихрями, чем средним ветром (Варон и др., 2018).
Метод теоремы Гаусса, в котором скорость источника рассчитывается как внешний поток, суммированный по контуру, окружающему точечный источник, широко используется для наблюдений с самолетов in situ, где для расчета доступны одновременные измерения вектора ветра и концентрации метана в локальном потоке, когда самолет кружит вокруг источника (Hainy et al., 2019). При отсутствии натурных данных о ветре можно применить единую оценку вектора ветра на основе данных местной станции или ассимилированных данных (Krings et al., 2011). Однако тогда уравнение не учитывает вклад турбулентной диффузии во внешний поток. Кроме того, любые источники внутри контура будут совпадать с предполагаемой скоростью точечного источника.
Двумя успешными методами определения скорости точечных источников на основе наблюдений мгновенных шлейфов являются метод поперечного потока (CSF) (White, 1976; Krings et al., 2011), в котором скорость источника выводится из произведения метана усиление и скорость ветра, интегрированные по ширине шлейфа, а также метод интегрированного увеличения массы (IME) (Frankenberg et al., 2016; Varon et al., 2018), в котором общее увеличение массы в шлейфе связано с величина выбросов с параметризацией, зависящей от скорости ветра. Оба метода широко применяются для получения данных о скоростях точечных источников по спутниковым наблюдениям и дают последовательные результаты (Варон и др., 2019). Метод CSF более физически обоснован, и скорости источников могут быть получены из поперечных сечений на разных расстояниях с подветренной стороны, чтобы уменьшить ошибку (рис. 6). Вкладом турбулентной диффузии в поток можно пренебречь в направлении ветра, следуя приближению тонкого шлейфа (Se-infeld and Pandis, 2016). Однако зависимость от направления ветра является дополнительным источником ошибок по сравнению с методом IME.
Метод теоремы Гаусса, в котором скорость источника рассчитывается как внешний поток, суммированный по контуру, окружающему точечный источник, широко используется для наблюдений с самолетов in situ, где для расчета доступны одновременные измерения вектора ветра и концентрации метана в локальном потоке, когда самолет кружит вокруг источника (Hainy et al., 2019). При отсутствии натурных данных о ветре можно применить единую оценку вектора ветра на основе данных местной станции или ассимилированных данных (Krings et al., 2011). Однако тогда уравнение не учитывает вклад турбулентной диффузии во внешний поток. Кроме того, любые источники внутри контура будут совпадать с предполагаемой скоростью точечного источника.
Двумя успешными методами определения скорости точечных источников на основе наблюдений мгновенных шлейфов являются метод поперечного потока (CSF) (White, 1976; Krings et al., 2011), в котором скорость источника выводится из произведения метана усиление и скорость ветра, интегрированные по ширине шлейфа, а также метод интегрированного увеличения массы (IME) (Frankenberg et al., 2016; Varon et al., 2018), в котором общее увеличение массы в шлейфе связано с величина выбросов с параметризацией, зависящей от скорости ветра. Оба метода широко применяются для получения данных о скоростях точечных источников по спутниковым наблюдениям и дают последовательные результаты (Варон и др., 2019). Метод CSF более физически обоснован, и скорости источников могут быть получены из поперечных сечений на разных расстояниях с подветренной стороны, чтобы уменьшить ошибку (рис. 6). Вкладом турбулентной диффузии в поток можно пренебречь в направлении ветра, следуя приближению тонкого шлейфа (Se-infeld and Pandis, 2016). Однако зависимость от направления ветра является дополнительным источником ошибок по сравнению с методом IME.
Рисунок 6.Семь различных методов определения интенсивности точечного источника Q [кгс1] по спутниковым наблюдениям мгновенных шлейфов метана улучшения колонки 1 [кгм2] относительно фона. Методы включают в себя (1) аппроксимацию гауссовского шлейфа, (2) локальный баланс массы для пикселей вблизи источника, (3) теорему Гаусса с интегрированием внешнего потока по замкнутому контуру s, (4) поперечный поток (CSF ) интегральный, (5) интегрированное увеличение массы (IME) с независимой информацией о скорости ветра, (6) IME со скоростью ветра, полученной на основе угловой ширины шлейфа, и (7) машинное обучение с применением сверточной нейронной сети (CNN) к изображению шлейфа . Методы (1), (2), (4) и (5) описаны Varon et al. (2018); метод (3) описан Krings et al. (2011); метод (6) описан Jongaramrungruang et al. (2019); и метод (7) описан Jongaramrungruang et al. (2022). В уравнениях x обозначает ось шлейфа для переноса средним ветром, а y обозначает горизонтальную ось, нормальную к ветру. IME [кг] представляет собой пространственный интеграл усиления 1 столба метана по маске шлейфа. Скорость ветра U соответствует переносу шлейфа, и в методе IME (4) она параметризуется как эффективная скорость ветра U.эфф учитывать эффект турбулентной диффузии. Теорема Гаусса и методы CSF требуют информации о направлении ветра. Метод IME (4) требует характерного размера шлейфа L, который можно принять как квадратный корень из площади шлейфа (Варон и др., 2018) или радиальной длины шлейфа (Дюрен и др., 2019). Эмпирический параметр дисперсии[м] в методе Гаусса шлейфа (1) характеризует распространение шлейфа. n в методе теоремы Гаусса — единичный вектор, нормаль к контуру.
Оба метода CSF и IME требуют оценки скорости ветра, связанной с переносом шлейфа. Для метода CSF это средняя скорость ветра по вертикальной глубине шлейфа, которую можно параметризовать на основе скорости ветра на высоте 10 м (Varon et al., 2018) или интерполировать из базы данных вертикальных профилей скорости ветра (Krings et al. , 2011). Эффективная скорость ветра Uэффв методе IME учитывается эффект турбулентной диффузии при рассеивании шлейфа, и его можно параметризовать как функцию наблюдаемой скорости ветра на высоте 10 м с помощью моделирования крупных вихрей (LES) синтетических шлейфов, отобранных с помощью пиксельного разрешения прибора, определение маски шлейфа и наблюдение за временем суток (Варон и др., 2018). Потребность в независимой информации о скорости ветра, полученной либо в результате измерений в месте расположения точечного источника, либо из метеорологической базы данных, может преобладать над балансом ошибок при выводе мощности источника с помощью методов CSF и IME и обычно ограничивает точность до 30% (Варон и др.). др., 2018). Ошибка больше для слабых ветров, которые имеют тенденцию быть более изменчивыми, и меньше для сильных устойчивых ветров. Однако при сильном ветре шлейфы вряд ли можно обнаружить из-за разбавления. Таким образом, слабые ветры благоприятствуют обнаружению шлейфа, но могут вызвать большую ошибку в количественном определении источников.
Джонгарамрунгруанг и др. (2019) показали, что морфология наблюдаемого шлейфа содержит информацию о скорости ветра, поскольку длинные тонкие шлейфы связаны с высокими скоростями ветра, а короткие короткие шлейфы связаны с низкими скоростями ветра. Используя угловую ширину шлейфа как меру скорости ветра, они смогли сделать вывод о мощности источников без независимой информации о ветре. Джонгарамрунгруанг и др. (2022) развили эту идею с помощью подхода сверточной нейронной сети (CNN), обученного на изображениях шлейфа LES, для определения скорости источника по двумерной структуре шлейфа. Применение к синтетическим шлейфам, отобранным с помощью авиационного прибора AVIRIS-NG с разрешением пикселей 1–5 м, показало среднюю точность 17% и порог обнаружения 50 кг/ч.1над спектрально однородными поверхностями. Этот метод еще не применялся к спутниковым наблюдениям, где более грубые пиксели приводят к снижению чувствительности и где результаты более подвержены артефактам.
5 Пороги обнаружения
5.1 Источники площади
Здесь мы исследуем способность картографов площадных потоков обнаруживать общие потоки выбросов метана из целевой области с желаемым пространственным разрешением. Это может включать повторные наблюдения области в течение нескольких проходов для повышения точности и плотности наблюдений, как показано на рис. 3. Время наблюдения, необходимое для обнаружения желаемого порога потока с желаемым пространственным разрешением, тогда зависит от точности инструмента , пространственного охвата, доли успешных повторных поисков, размера пикселя, изменчивости выбросов и времени возврата.
Следуя концептуальной модели Джейкоба и др. (2016), увеличение столба метана 1X [ppb] в результате равномерного потока выбросов E [кгкм2час1] в квадратной области размерности W [км] определяется выражением
Джонгарамрунгруанг и др. (2019) показали, что морфология наблюдаемого шлейфа содержит информацию о скорости ветра, поскольку длинные тонкие шлейфы связаны с высокими скоростями ветра, а короткие короткие шлейфы связаны с низкими скоростями ветра. Используя угловую ширину шлейфа как меру скорости ветра, они смогли сделать вывод о мощности источников без независимой информации о ветре. Джонгарамрунгруанг и др. (2022) развили эту идею с помощью подхода сверточной нейронной сети (CNN), обученного на изображениях шлейфа LES, для определения скорости источника по двумерной структуре шлейфа. Применение к синтетическим шлейфам, отобранным с помощью авиационного прибора AVIRIS-NG с разрешением пикселей 1–5 м, показало среднюю точность 17% и порог обнаружения 50 кг/ч.1над спектрально однородными поверхностями. Этот метод еще не применялся к спутниковым наблюдениям, где более грубые пиксели приводят к снижению чувствительности и где результаты более подвержены артефактам.
5 Пороги обнаружения
5.1 Источники площади
Здесь мы исследуем способность картографов площадных потоков обнаруживать общие потоки выбросов метана из целевой области с желаемым пространственным разрешением. Это может включать повторные наблюдения области в течение нескольких проходов для повышения точности и плотности наблюдений, как показано на рис. 3. Время наблюдения, необходимое для обнаружения желаемого порога потока с желаемым пространственным разрешением, тогда зависит от точности инструмента , пространственного охвата, доли успешных повторных поисков, размера пикселя, изменчивости выбросов и времени возврата.
Следуя концептуальной модели Джейкоба и др. (2016), увеличение столба метана 1X [ppb] в результате равномерного потока выбросов E [кгкм2час1] в квадратной области размерности W [км] определяется выражением
с масштабным коэффициентом α = (Ma/MCH4 )g/p U где Mа и мСН– молекулярные массы сухого воздуха и метана, g – ускорение свободного падения, p – приземное давление, U – скорость ветра для вентиляции домена. С указанными выше единицами измерения и при условии, что p D 1000 гПа и UD 5 км ч.1, у нас есть Д 4:0102ппб км х кг1. Инструмент с точностью на уровне пикселейя[ppb] может обнаружить этот поток выбросов с помощью одного измерения, если 1X >>я, но зачастую это не так. Пространственное и временное усреднение наблюдений повышает эффективную точность, и это улучшение выражается как квадратный корень из количества наблюдений, если ошибка является случайной, некоррелированной и репрезентативной выборкой (условия IID). Тогда время, необходимое для обнаружения среднего потока излучения E в области размерности W с отношением сигнал/шум, равным 2, определяется выражением
где тр— время возврата инструмента (интервал времени между последовательными проходами), N — количество наблюдений внутри области за один проход для размеров пикселей инструмента D меньших, чем W (для непрерывного картографирования и квадратных пикселей имеем ND (W=D )2), F — доля успешных извлечений, а [ppb] — изменчивость, обусловленная как точностью инструмента, так и пространственной изменчивостью.Икс(D;W) улучшения 1X, выбранного по пикселям внутри
домен:
домен:
Уравнения (3)–(5) обеспечивают простую концептуальную основу для оценки способности картографов площадных потоков обнаруживать региональные выбросы определенной величины и с желаемым пространственным разрешением. В целях иллюстрации рассмотрим задачу обнаружения выбросов с разрешением 100 или 10 км.
В сеточной версии кадастра выбросов метана Агентства по охране окружающей среды США (Маасаккерс и др., 2016) вклад 75% общих национальных антропогенных выбросов составляет 0:1. 0:1 (1010км2) ячейки сетки с потоком выбросов E > 0:5кгкм2час1, а 30% составляют ячейки сетки с E > 5 кгкм.2час1(Джа-коб и др., 2016). Шен и др. (2022) установили, что средний выброс составляет 0,18 Тгир.1для 12 крупных нефтегазодобывающих бассейнов в инвентаре Агентства по охране окружающей среды США, что для типичного размера бассейна 200–200 км2соответствует среднему потоку выбросов 0,5 кгкм.2час1. Прием ЭД 0:5кгкм2час1в качестве желаемого порога обнаружения потока в масштабе 100 км или, альтернативно, ED 5 кгкм2час1в качестве желаемого порога обнаружения потока в масштабе 10 км мы находим из уравнения. (3) среднее увеличение 1X D 2:0ppb. Точность приборов для картографов потоков в Таблице 1 находится в диапазоне 3–15 частей на миллиард, и мы предполагаем, чтоИкспо сравнению с этим мал. Далее мы предполагаем FD 0:24 для приборов, работающих на длине волны 1,65 мкм, по аналогии с GOSAT, использующим CO.2прокси-метод (в основном ограничен облачностью) и FD 0:03 для приборов, работающих на длине волны 2,3 мкм по аналогии с TROPOMI (ограничен как облачностью, так и спектрально-неоднородными поверхностями). Остальные характеристики прибора взяты из таблицы 1.
В таблице 3 представлены результаты этого показательного расчета. В случае разрешения 100 км мы обнаруживаем, что TROPOMI требует 4-недельного периода усреднения, ограниченного небольшой долей успешных поисков. GOSAT-GW требует 18d в режиме глобального просмотра, поскольку большая часть успешных поисков компенсируется более грубыми пикселями и временем возврата в 3D. Для этого требуется только один проход в целевом режиме. MеthanеSAT требует одного прохода и ограничен трехдневным временем возврата. Sentinel-5 требует 5d, что намного короче, чем TROPOMI, несмотря на более грубые пиксели, поскольку он использует полосу 1,65 мкм. GeoCarb требует только 3D из-за наблюдений два раза в день. CO2M требует только одного прохода и ограничен временем возврата в 5 дней. В случае разрешения 10 км мы обнаруживаем, что только MеthanеSAT имеет время усреднения менее недели, GOSAT-GW требует 18 дней в целевом режиме (ограничено более низкой точностью прибора), а другим приборам требуется несколько месяцев или больше. Однако и MеthanеSAT, и GOSAT-GW в целевом режиме охватывают только ограниченные области (200–200 км).2для MеthanеSAT).
Вышеупомянутая концептуальная модель является грубой и чрезмерно оптимистичной, предполагающей идеальное снижение ошибок и некоррелированный успех поиска по пикселям инструмента, игнорируя переменное смещение и принимая характеристики инструмента из таблицы 1 за чистую монету, но она полезна для взаимного сравнения инструментов и подчеркивает критические переменные, определяющие пороги обнаружения для различных приложений. Преимущество полосы 1,65 мкм очевидно, поскольку она обеспечивает гораздо более высокий уровень успеха за счет CO.2получение прокси. Прибор MеthanеSAT с высокой точностью и маленькими пикселями наиболее полезен для количественного определения потоков с высоким пространственным разрешением. Для более грубых разрешений более важными факторами могут быть время возврата и пространственный охват.
В сеточной версии кадастра выбросов метана Агентства по охране окружающей среды США (Маасаккерс и др., 2016) вклад 75% общих национальных антропогенных выбросов составляет 0:1. 0:1 (1010км2) ячейки сетки с потоком выбросов E > 0:5кгкм2час1, а 30% составляют ячейки сетки с E > 5 кгкм.2час1(Джа-коб и др., 2016). Шен и др. (2022) установили, что средний выброс составляет 0,18 Тгир.1для 12 крупных нефтегазодобывающих бассейнов в инвентаре Агентства по охране окружающей среды США, что для типичного размера бассейна 200–200 км2соответствует среднему потоку выбросов 0,5 кгкм.2час1. Прием ЭД 0:5кгкм2час1в качестве желаемого порога обнаружения потока в масштабе 100 км или, альтернативно, ED 5 кгкм2час1в качестве желаемого порога обнаружения потока в масштабе 10 км мы находим из уравнения. (3) среднее увеличение 1X D 2:0ppb. Точность приборов для картографов потоков в Таблице 1 находится в диапазоне 3–15 частей на миллиард, и мы предполагаем, чтоИкспо сравнению с этим мал. Далее мы предполагаем FD 0:24 для приборов, работающих на длине волны 1,65 мкм, по аналогии с GOSAT, использующим CO.2прокси-метод (в основном ограничен облачностью) и FD 0:03 для приборов, работающих на длине волны 2,3 мкм по аналогии с TROPOMI (ограничен как облачностью, так и спектрально-неоднородными поверхностями). Остальные характеристики прибора взяты из таблицы 1.
В таблице 3 представлены результаты этого показательного расчета. В случае разрешения 100 км мы обнаруживаем, что TROPOMI требует 4-недельного периода усреднения, ограниченного небольшой долей успешных поисков. GOSAT-GW требует 18d в режиме глобального просмотра, поскольку большая часть успешных поисков компенсируется более грубыми пикселями и временем возврата в 3D. Для этого требуется только один проход в целевом режиме. MеthanеSAT требует одного прохода и ограничен трехдневным временем возврата. Sentinel-5 требует 5d, что намного короче, чем TROPOMI, несмотря на более грубые пиксели, поскольку он использует полосу 1,65 мкм. GeoCarb требует только 3D из-за наблюдений два раза в день. CO2M требует только одного прохода и ограничен временем возврата в 5 дней. В случае разрешения 10 км мы обнаруживаем, что только MеthanеSAT имеет время усреднения менее недели, GOSAT-GW требует 18 дней в целевом режиме (ограничено более низкой точностью прибора), а другим приборам требуется несколько месяцев или больше. Однако и MеthanеSAT, и GOSAT-GW в целевом режиме охватывают только ограниченные области (200–200 км).2для MеthanеSAT).
Вышеупомянутая концептуальная модель является грубой и чрезмерно оптимистичной, предполагающей идеальное снижение ошибок и некоррелированный успех поиска по пикселям инструмента, игнорируя переменное смещение и принимая характеристики инструмента из таблицы 1 за чистую монету, но она полезна для взаимного сравнения инструментов и подчеркивает критические переменные, определяющие пороги обнаружения для различных приложений. Преимущество полосы 1,65 мкм очевидно, поскольку она обеспечивает гораздо более высокий уровень успеха за счет CO.2получение прокси. Прибор MеthanеSAT с высокой точностью и маленькими пикселями наиболее полезен для количественного определения потоков с высоким пространственным разрешением. Для более грубых разрешений более важными факторами могут быть время возврата и пространственный охват.
Таблица 3.Усреднение требований по времени для обнаружения региональных источников картографами зональных потокова.
аИллюстративный расчет с использованием концептуальной модели уравнений. (3)–(5) применительно к обнаружению потока выбросов в среднем 0,5 кгкм.2час1над желаемым пространственным разрешением100100км2, или 5кгкм2час1над желаемым пространственным разрешением1010км2. Подробности смотрите в тексте, а в таблице 1 — технические характеристики различных приборов. Результаты для
GOSAT-GW даны как для глобального, так и для целевого режима просмотра. Инструменты, которые еще не запущены, выделены курсивом.
5.2 Точечные источники
В случае изображений с точечным источником порог обнаружения применяется к однопроходным наблюдениям шлейфов. В Таблице 4 перечислены пороговые значения обнаружения точечных источников, указанные в литературе для различных приборов. Пороги обнаружения определяются способностью определять маску шлейфа на шумном фоне и определять соответствующие выбросы. Пороги обнаружения для конкретного прибора сильно зависят от типа поверхности и являются самыми низкими для ярких, спектрально однородных поверхностей. Они также зависят от скорости ветра, что усложняет определение порога обнаружения, поскольку слабый ветер облегчает обнаружение, но вызывает большую ошибку в количественном определении (Varon et al., 2018). Лучший диапазон скоростей ветра, позволяющий как обнаружить, так и количественно оценить, составляет 2–5 мс.1(Варон и др., 2018). Шервин и др. (2022) провели серию экспериментов с контролируемыми выбросами в этих благоприятных приземных и ветровых условиях и подтвердили способность GHGSat количественно определять выбросы до 200 кг/ч.1и Sentinel-2, Landsat-8, PRISMA и WorldView-3 для количественной оценки выбросов до 1400–4000 кг/ч.1диапазон.
Для данной поверхности и скорости ветра основными инструментальными показателями порога обнаружения точечного источника являются пространственное разрешение, спектральное разрешение и точность. Более высокое пространственное разрешение уменьшает размытие улучшений шлейфа по площади пикселя, тем самым увеличивая величину улучшений внутри пикселей шлейфа и облегчая обнаружение. Таким образом, бортовой спектрометр для наблюдения с малой высоты, такой как AVIRIS-NG (с пространственным разрешением 1–8 м в зависимости от высоты самолета), намного более чувствителен, чем спутниковые приборы с аналогичным спектральным разрешением. Более высокое спектральное разрешение повышает точность и уменьшает наложение спектральных характеристик поверхности при извлечении метана (Cusworth et al., 2019; Jongaramrungruang et al., 2021). Для гиперспектральных и мультиспектральных приборов также важно спектральное расположение полос относительно линий поглощения метана (Scaffuto et al., 2021; Sanchez-Garcia et al., 2022). Точность зависит от других свойств прибора, помимо спектрального разрешения и позиционирования, включая возможность наведения на конкретные цели для увеличения отношения сигнал/шум за счет более длительного получения образцов. Наведение — это то, как GHGSat достигает сочетания высокого пространственного и спектрального разрешения.
Пороги обнаружения в таблице 4 не являются строго сопоставимыми между инструментами, поскольку они отражают разные уровни доказательности. Все же можно с пользой классифицировать приборы по пороговым значениям порядка 100, 500 и 1000–10 000 кг/ч.1(рис. 4). Инструменты в диапазоне 100 кг/ч.1класс включает GHGSat, WorldView-3 и Carbon Mapper. Типичный формирователь изображений с точечным источником и пространственным разрешением 30 м требует спектрального разрешения 5 нм или выше, чтобы соответствовать этому классу (Cusworth et al., 2019), хотя WorldView-3 может достичь этого класса для ярких спектрально однородных поверхностей благодаря своей комбинации очень высокого пространственного разрешения (3:73:7м2) и благоприятное спектральное положение (Санчес-Гарсия и др., 2022).
Инструменты на скорости 500 кг/ч1К классу относятся наземные гиперспектральные датчики (PRISMA, EnMAP, EMIT) и MеthanеSAT. Наземные гиперспектральные датчики имеют пространственное разрешение 30 м и достигают этого класса со спектральным разрешением 10 нм в диапазоне 2,3 мкм, что позволяет осуществлять либо полный физический поиск, либо поиск с помощью согласованного фильтра. У MеthanеSAT будет более грубая дальность 130400 м.2пространственное разрешение, но более высокая точность, обеспечиваемая спектральным разрешением 0,3 нм в диапазоне 1,65 мкм, с дополнительным преимуществом, позволяющим измерять CO2получение прокси-сервера для минимизации артефактов.
Приборы мощностью 1000–10 000 кг/ч.1К этому классу относятся мультиспектральные наземные датчики Sentinel-2 и Landsat с пространственным разрешением 20–30 нм и однократным измерением в диапазоне 2,3 мкм, что позволяет легко восстановить закон Бера. TROPOMI может обнаруживать чрезвычайно крупные точечные источники или группы источников (> 25 000 кг/ч).1) на протяжении 5:57 км2 пикселей (Lauvaux et al., 2022), хотя низкое пространственное разрешение затрудняет идентификацию источника.
Актуальность измерения отдельных точечных источников при этих различных пороговых значениях можно оценить, рассмотрев их вклад в общий объем выбросов. Касворт и др. (2022) обнаружили, что в среднем 40% выбросов на нефтяных и газовых месторождениях США происходят из точечных источников > 10 кг/ч.1обнаруживаемый AVIRIS-NG.
GOSAT-GW даны как для глобального, так и для целевого режима просмотра. Инструменты, которые еще не запущены, выделены курсивом.
5.2 Точечные источники
В случае изображений с точечным источником порог обнаружения применяется к однопроходным наблюдениям шлейфов. В Таблице 4 перечислены пороговые значения обнаружения точечных источников, указанные в литературе для различных приборов. Пороги обнаружения определяются способностью определять маску шлейфа на шумном фоне и определять соответствующие выбросы. Пороги обнаружения для конкретного прибора сильно зависят от типа поверхности и являются самыми низкими для ярких, спектрально однородных поверхностей. Они также зависят от скорости ветра, что усложняет определение порога обнаружения, поскольку слабый ветер облегчает обнаружение, но вызывает большую ошибку в количественном определении (Varon et al., 2018). Лучший диапазон скоростей ветра, позволяющий как обнаружить, так и количественно оценить, составляет 2–5 мс.1(Варон и др., 2018). Шервин и др. (2022) провели серию экспериментов с контролируемыми выбросами в этих благоприятных приземных и ветровых условиях и подтвердили способность GHGSat количественно определять выбросы до 200 кг/ч.1и Sentinel-2, Landsat-8, PRISMA и WorldView-3 для количественной оценки выбросов до 1400–4000 кг/ч.1диапазон.
Для данной поверхности и скорости ветра основными инструментальными показателями порога обнаружения точечного источника являются пространственное разрешение, спектральное разрешение и точность. Более высокое пространственное разрешение уменьшает размытие улучшений шлейфа по площади пикселя, тем самым увеличивая величину улучшений внутри пикселей шлейфа и облегчая обнаружение. Таким образом, бортовой спектрометр для наблюдения с малой высоты, такой как AVIRIS-NG (с пространственным разрешением 1–8 м в зависимости от высоты самолета), намного более чувствителен, чем спутниковые приборы с аналогичным спектральным разрешением. Более высокое спектральное разрешение повышает точность и уменьшает наложение спектральных характеристик поверхности при извлечении метана (Cusworth et al., 2019; Jongaramrungruang et al., 2021). Для гиперспектральных и мультиспектральных приборов также важно спектральное расположение полос относительно линий поглощения метана (Scaffuto et al., 2021; Sanchez-Garcia et al., 2022). Точность зависит от других свойств прибора, помимо спектрального разрешения и позиционирования, включая возможность наведения на конкретные цели для увеличения отношения сигнал/шум за счет более длительного получения образцов. Наведение — это то, как GHGSat достигает сочетания высокого пространственного и спектрального разрешения.
Пороги обнаружения в таблице 4 не являются строго сопоставимыми между инструментами, поскольку они отражают разные уровни доказательности. Все же можно с пользой классифицировать приборы по пороговым значениям порядка 100, 500 и 1000–10 000 кг/ч.1(рис. 4). Инструменты в диапазоне 100 кг/ч.1класс включает GHGSat, WorldView-3 и Carbon Mapper. Типичный формирователь изображений с точечным источником и пространственным разрешением 30 м требует спектрального разрешения 5 нм или выше, чтобы соответствовать этому классу (Cusworth et al., 2019), хотя WorldView-3 может достичь этого класса для ярких спектрально однородных поверхностей благодаря своей комбинации очень высокого пространственного разрешения (3:73:7м2) и благоприятное спектральное положение (Санчес-Гарсия и др., 2022).
Инструменты на скорости 500 кг/ч1К классу относятся наземные гиперспектральные датчики (PRISMA, EnMAP, EMIT) и MеthanеSAT. Наземные гиперспектральные датчики имеют пространственное разрешение 30 м и достигают этого класса со спектральным разрешением 10 нм в диапазоне 2,3 мкм, что позволяет осуществлять либо полный физический поиск, либо поиск с помощью согласованного фильтра. У MеthanеSAT будет более грубая дальность 130400 м.2пространственное разрешение, но более высокая точность, обеспечиваемая спектральным разрешением 0,3 нм в диапазоне 1,65 мкм, с дополнительным преимуществом, позволяющим измерять CO2получение прокси-сервера для минимизации артефактов.
Приборы мощностью 1000–10 000 кг/ч.1К этому классу относятся мультиспектральные наземные датчики Sentinel-2 и Landsat с пространственным разрешением 20–30 нм и однократным измерением в диапазоне 2,3 мкм, что позволяет легко восстановить закон Бера. TROPOMI может обнаруживать чрезвычайно крупные точечные источники или группы источников (> 25 000 кг/ч).1) на протяжении 5:57 км2 пикселей (Lauvaux et al., 2022), хотя низкое пространственное разрешение затрудняет идентификацию источника.
Актуальность измерения отдельных точечных источников при этих различных пороговых значениях можно оценить, рассмотрев их вклад в общий объем выбросов. Касворт и др. (2022) обнаружили, что в среднем 40% выбросов на нефтяных и газовых месторождениях США происходят из точечных источников > 10 кг/ч.1обнаруживаемый AVIRIS-NG.
Таблица 4.Пороги обнаружения точечных источников для различных спутниковых приборова.
Пороги обнаружения указаны в справочных материалах и обычно относятся к благоприятному ветру (< 5РС1)и благоприятные поверхности (яркие и спектрально однородные), если не указано иное. Как указано в тексте, слабые ветры благоприятны для обнаружения, но не для количественной оценки, и это создает некоторую двусмысленность в определении порога обнаружения. Характеристики каждого прибора приведены в Таблице 1. Приборы, которые еще не выпущены на рынок, выделены курсивом.
Из ансамбля из 1800 наблюдаемых обнаружений TROPOMI.5:57км2пикселей. Пиксели могут содержать несколько точечных источников. Наблюдения за поверхностями от ярких и однородных (Сахара) до сильно неоднородных (сельхозугодья).
От синтетических шлейфов LES и наблюдений над поверхностями от Сахары (яркие однородные поверхности) до провинции Шаньси в Китае (более темные и неоднородные поверхности со значительным рельефом).Подтверждено контролируемыми выбросами (MacLean, 2021; Sherwin et al., 2022).
50 кг/ч1в целевом режиме с наведением и 200 кг/ч1в режиме венчика. Спектрометр бортового изображения со спектральным разрешением 5 нм и разрешением пикселей 1–8 м в зависимости от высоты самолета (Thorpe et al., 2017).часНаблюдения в Калифорнии, дальность действия определяется поверхностной яркостью.
AVIRIS-NG. На рисунке 7 показаны совокупные частотные распределения (CFD) по количеству и общему объему выбросов точечных источников мощностью более 10 кг/ч.1пробы, отобранные с помощью дистанционного зондирования воздуха над Калифорнией и нефтяными и газовыми месторождениями США (Duren et al., 2019; Cusworth et al., 2022). Результаты показаны для отдельных кампаний и для комбинированных CFD с одинаковым весом между кампаниями. Спутниковый прибор с порогом обнаружения 100 кг/ч.1может обнаружить 50–95 % точечных источников в зависимости от региона (80 % в объединенном наборе данных), что составляет 75–99 % выбросов точечных источников (95 % для объединенного набора данных). Прибор с порогом 1000 кг/ч.1может обнаружить 0–15% точечных источников (5% для комбинированного набора данных), что составляет 0–55% выбросов точечных источников (30% в комбинированном наборе данных). Брандт и др. (2016) обнаружили, что источники в диапазоне 10–100 кг/ч1диапазон составляет 20% выбросов от точечных источников > 10 кг/ч.1в своем исследовании выбросов на нефтяных и газовых месторождениях США. Набор данных на рис. 7 включает лишь несколько излучателей в диапазоне 10 000 кг/ч.1диапазон. Глобальная статистика авиационных и спутниковых данных предполагает степенное распределение частот выбросов точечных источников с меньшим количеством источников на 100 на высоте 10 000 кг/ч.1чем на 1000 кг/ч1(Эрет и др., 2022; Лау-во и др., 2022). Эти так называемые сверхэмиттеры все еще могут вносить значительный вклад в общий объем выбросов в некоторых регионах.
6 Наблюдение за полнотой системы
Здесь мы представляем концепцию полноты системы наблюдения как способность прибора (или совокупности приборов) полностью количественно определять свои целевые выбросы в пределах выбранной области и временного окна. Для картографов площадных потоков целью будет общий объем выбросов метана в пределах региона в основном с желаемым пространственным разрешением, в то время как для изображений с точечными источниками целью будет общий объем выбросов в пределах области, вносимый точечными источниками размером более 10 кг/ч.1.
6.1 Полнота системы наблюдений для картографов площадных потоков
Наблюдения с помощью картографов площадных потоков обычно используются для вывода двумерного распределения общих выбросов в интересующей региональной области посредством байесовского вывода. Полнота системы наблюдений затем определяется DOFS (раздел 4.1 и рис. 5). Учитывая n элементов вектора состояния выбросов в двумерной сетке, DOFS сообщает нам, сколько из этих элементов количественно определяется наблюдениями, а усредняющая чувствительность ядра (диагональные члены матрицы усредняющего ядра, суммирующиеся с DOFS) дают эта информация для отдельных элементов вектора состояния.
Как указали Нессер и др. (2021) и Варон и др. (2022), можно грубо оценить DOFS системы наблюдения для выбранной области и периода времени, не выполняя каких-либо реальных расчетов прямой модели. Рассмотрим область, разделенную на n элементов вектора состояния излучения индивидуального размера W [км], выборку которых производили с помощью прибора, обеспечивающего m успешных наблюдений в этой области за выбранный период времени. ПозволятьАбыть средним стандартным отклонением априорной ошибки для отдельных элементов вектора состояния иОсреднее стандартное отклонение ошибки наблюдения. DOFS тогда можно оценить как
Из ансамбля из 1800 наблюдаемых обнаружений TROPOMI.5:57км2пикселей. Пиксели могут содержать несколько точечных источников. Наблюдения за поверхностями от ярких и однородных (Сахара) до сильно неоднородных (сельхозугодья).
От синтетических шлейфов LES и наблюдений над поверхностями от Сахары (яркие однородные поверхности) до провинции Шаньси в Китае (более темные и неоднородные поверхности со значительным рельефом).Подтверждено контролируемыми выбросами (MacLean, 2021; Sherwin et al., 2022).
50 кг/ч1в целевом режиме с наведением и 200 кг/ч1в режиме венчика. Спектрометр бортового изображения со спектральным разрешением 5 нм и разрешением пикселей 1–8 м в зависимости от высоты самолета (Thorpe et al., 2017).часНаблюдения в Калифорнии, дальность действия определяется поверхностной яркостью.
AVIRIS-NG. На рисунке 7 показаны совокупные частотные распределения (CFD) по количеству и общему объему выбросов точечных источников мощностью более 10 кг/ч.1пробы, отобранные с помощью дистанционного зондирования воздуха над Калифорнией и нефтяными и газовыми месторождениями США (Duren et al., 2019; Cusworth et al., 2022). Результаты показаны для отдельных кампаний и для комбинированных CFD с одинаковым весом между кампаниями. Спутниковый прибор с порогом обнаружения 100 кг/ч.1может обнаружить 50–95 % точечных источников в зависимости от региона (80 % в объединенном наборе данных), что составляет 75–99 % выбросов точечных источников (95 % для объединенного набора данных). Прибор с порогом 1000 кг/ч.1может обнаружить 0–15% точечных источников (5% для комбинированного набора данных), что составляет 0–55% выбросов точечных источников (30% в комбинированном наборе данных). Брандт и др. (2016) обнаружили, что источники в диапазоне 10–100 кг/ч1диапазон составляет 20% выбросов от точечных источников > 10 кг/ч.1в своем исследовании выбросов на нефтяных и газовых месторождениях США. Набор данных на рис. 7 включает лишь несколько излучателей в диапазоне 10 000 кг/ч.1диапазон. Глобальная статистика авиационных и спутниковых данных предполагает степенное распределение частот выбросов точечных источников с меньшим количеством источников на 100 на высоте 10 000 кг/ч.1чем на 1000 кг/ч1(Эрет и др., 2022; Лау-во и др., 2022). Эти так называемые сверхэмиттеры все еще могут вносить значительный вклад в общий объем выбросов в некоторых регионах.
6 Наблюдение за полнотой системы
Здесь мы представляем концепцию полноты системы наблюдения как способность прибора (или совокупности приборов) полностью количественно определять свои целевые выбросы в пределах выбранной области и временного окна. Для картографов площадных потоков целью будет общий объем выбросов метана в пределах региона в основном с желаемым пространственным разрешением, в то время как для изображений с точечными источниками целью будет общий объем выбросов в пределах области, вносимый точечными источниками размером более 10 кг/ч.1.
6.1 Полнота системы наблюдений для картографов площадных потоков
Наблюдения с помощью картографов площадных потоков обычно используются для вывода двумерного распределения общих выбросов в интересующей региональной области посредством байесовского вывода. Полнота системы наблюдений затем определяется DOFS (раздел 4.1 и рис. 5). Учитывая n элементов вектора состояния выбросов в двумерной сетке, DOFS сообщает нам, сколько из этих элементов количественно определяется наблюдениями, а усредняющая чувствительность ядра (диагональные члены матрицы усредняющего ядра, суммирующиеся с DOFS) дают эта информация для отдельных элементов вектора состояния.
Как указали Нессер и др. (2021) и Варон и др. (2022), можно грубо оценить DOFS системы наблюдения для выбранной области и периода времени, не выполняя каких-либо реальных расчетов прямой модели. Рассмотрим область, разделенную на n элементов вектора состояния излучения индивидуального размера W [км], выборку которых производили с помощью прибора, обеспечивающего m успешных наблюдений в этой области за выбранный период времени. ПозволятьАбыть средним стандартным отклонением априорной ошибки для отдельных элементов вектора состояния иОсреднее стандартное отклонение ошибки наблюдения. DOFS тогда можно оценить как
где k = X/E [ppb km2 h kg−1] — элемент матрицы Якобиана, который связывает увеличение соотношения смешивания столбцов.
Рисунок 7.Совокупные частотные распределения (CFD) скоростей точечных источников выше 10 кг/ч.1для 3879 точечных источников, обнаруженных с помощью дистанционного зондирования с воздуха в Калифорнии и в нефтегазовых бассейнах США Дуреном и др. (2019) и Касворт и др. (2022). Многие из отдельных точечных источников были обнаружены несколько раз, и значения, введенные в распределения частот, представляют собой средние значения этих обнаружений, не включая события необнаружения; таким образом, они представляют собой среднее излучение источника во включенном состоянии, что имеет отношение к определению порога обнаружения прибора C.Дв уравнении (8). Цветные кривые относятся к отдельным кампаниям, а черная кривая представляет собой объединенный CFD для всех регионов с одинаковым весом для каждой кампании. На верхней панели показана совокупная доля выбросов, вносимых обнаруженными выше точечными источниками на заданной скорости, а нижняя панель показывает совокупную долю количества точечных источников. Например, спутниковый прибор с порогом 100 кг/ч1может обнаружить 80% точечных источников в комбинированном CFD, что составляет 95% от общего количества точечных источников выбросов. Прибор с порогом 1000 кг/ч.1может обнаружить 5% точечных источников в комбинированном CFD, что составляет 30% от общего объема выбросов точечных источников.
1X [ppb] по элементу вектора состояния к потоку выбросов E [кгкм2час1] для этого элемента. Следуя Нессеру и соавт. (2021), мы можем аппроксимировать k с помощью простой модели баланса массы как
где η– коэффициент, учитывающий турбулентную диффузию. Нессер и др. (2021) и Варон и др. (2022a) обнаружили, что η 0:4 является подходящим значением для W в диапазоне 25–100 км. Далее при условии, что U 5 км/ч.1и p 1000 гПа, получаем k 1:410.10Вт [ppbkm2хкг1]. Среднее стандартное отклонение априорной ошибки можно оценить какσA = f QA/(nW2), где QА— общая априорная оценка выбросов в области [кг/ч ] и f — дробная ошибка (например, 50%). На примере рис. 5 с месячной инверсией наблюдений TROPOMI над Пермским бассейном Варон и др. (2022) обнаружили, что эта грубая оценка до выполнения инверсий дает DOFS 11,7, что близко к значению 10,8, полученному при фактической инверсии.
Простая оценка DOFS в уравнении (6) дает базовое представление о факторах, влияющих на полноту системы наблюдения для картографа площадных потоков. Точность прибора и количество наблюдений (или плотность наблюдений для данной территории) имеют решающее значение. Порог улучшения априорной оценки наблюдениями зависит от предполагаемой ошибки для этой априорной оценки (меньшая априорная ошибка означает более высокую планку для наблюдений). Увеличение требований к пространственному разрешению (большое n, маленькое W) приводит к меньшим абсолютным априорным ошибкам для отдельных элементов вектора состояния и, в свою очередь, повышает требования к точности и количеству наблюдений.
6.2 Полнота системы наблюдения для тепловизоров с точечным источником
Полноту системы наблюдения для устройства формирования изображений с точечными источниками (или группировки) можно определить как его способность количественно определять общие выбросы от точечных источников размером более 10 кг/ч.1в выбранном домене и временном окне. Такая полнота в наблюдении за точечными источниками важна не только для дополнения информации, получаемой от картографов зональных потоков, но и для программ обнаружения и устранения утечек (LDAR), где регулярное обследование точечных источников в регионе может позволить оперативно принять меры по устранению неисправного оборудования (Kemp et др., 2016; Фокс и др., 2021). Текущие программы LDAR полагаются на сочетание наземных исследований, дронов и самолетов, но мы увидим, что спутники будут играть важную роль.
Пусть C ∈ [0, 1] обозначает полноту системы наблюдения для точечных источников как долю от общего количества выбросов точечных источников, превышающих 10 кг/ч.1в пределах домена и временного окна, которые могут быть обнаружены данным инструментом (или группой инструментов). C ограничивается комбинацией порога обнаружения прибора (CД), пространственный охват (CС) и временная выборка (CТ):
Простая оценка DOFS в уравнении (6) дает базовое представление о факторах, влияющих на полноту системы наблюдения для картографа площадных потоков. Точность прибора и количество наблюдений (или плотность наблюдений для данной территории) имеют решающее значение. Порог улучшения априорной оценки наблюдениями зависит от предполагаемой ошибки для этой априорной оценки (меньшая априорная ошибка означает более высокую планку для наблюдений). Увеличение требований к пространственному разрешению (большое n, маленькое W) приводит к меньшим абсолютным априорным ошибкам для отдельных элементов вектора состояния и, в свою очередь, повышает требования к точности и количеству наблюдений.
6.2 Полнота системы наблюдения для тепловизоров с точечным источником
Полноту системы наблюдения для устройства формирования изображений с точечными источниками (или группировки) можно определить как его способность количественно определять общие выбросы от точечных источников размером более 10 кг/ч.1в выбранном домене и временном окне. Такая полнота в наблюдении за точечными источниками важна не только для дополнения информации, получаемой от картографов зональных потоков, но и для программ обнаружения и устранения утечек (LDAR), где регулярное обследование точечных источников в регионе может позволить оперативно принять меры по устранению неисправного оборудования (Kemp et др., 2016; Фокс и др., 2021). Текущие программы LDAR полагаются на сочетание наземных исследований, дронов и самолетов, но мы увидим, что спутники будут играть важную роль.
Пусть C ∈ [0, 1] обозначает полноту системы наблюдения для точечных источников как долю от общего количества выбросов точечных источников, превышающих 10 кг/ч.1в пределах домена и временного окна, которые могут быть обнаружены данным инструментом (или группой инструментов). C ограничивается комбинацией порога обнаружения прибора (CД), пространственный охват (CС) и временная выборка (CТ):
Здесь СДпредставляет собой долю выбросов точечных источников, которую можно обнаружить на основе порога обнаружения прибора, как показано, например, на рис. 7. CС— это часть области, которую прибор наблюдает хотя бы один раз в течение временного окна. Если во временном окне имеется полный пространственный охват, CS =1.CT =1−(1−Fp)N- это вероятность того, что наблюдаемый источник будет фактически обнаружен в пределах временного окна, учитывая количество N 1 наблюдений в окне, постоянство источника p (доля времени, в течение которого источник излучает выше порога обнаружения), и долю F успешных поисков, взятых здесь как доля наблюдений при ясном небе. Например, прерывистый источник с p = 0.2, который наблюдается с периодом повторения 1 неделя и 30% ясного неба, будет иметь CТ= 0.96 за 1 год наблюдений, но СТ= 0.23 на 1 месяц. Если пространственный охват и частота наблюдений достаточны, C ограничивается порогом обнаружения прибора (CД). Если это не так (и в зависимости от постоянства источника и облачности), CСи СТможет ограничивать полноту системы наблюдения, а не CД.
На рисунке 8 показано частотное распределение стойкости (p) для 2500 точечных источников нефти и газа, обнаруженных и количественно оцененных с помощью бортовых приборов AVIRIS-NG и Global Airborne Observatory в полевых кампаниях США (Cusworth et al., 2022). На левой панели показано частотное распределение средних выбросов от отдельных точечных источников для каждого интервала персистентности. Отсюда мы можем оценить полноту системы наблюдений для любого инструмента на основе его порога обнаружения, пространственного охвата и времени возврата. На правой панели изображена результирующая совокупная полнота системы наблюдений для ансамбля из 2500 точечных источников, достигнутая либо (1) с помощью бортового прибора с мощностью 10 кг/ч.1порог обнаружения и интервал отбора проб раз в два месяца (60 дней) или (2) спутниковый прибор с мощностью 100 кг/ч.1порог обнаружения и интервал отбора проб раз в две недели (14 дней). Расчет выполнен для временного окна длительностью 1 год при 30% ясном небе, при условии, что CС= 0.95 в обоих случаях, а совокупные результаты показаны по всему диапазону интервалов постоянства. Мы видим в этом примере две системы наблюдения имеют сопоставимый успех для постоянных источников (p > 0.5) за счет обмена CДдля СТ, но спутниковая система лучше подходит для непостоянных источников (p < 0.5), несмотря на более высокий порог обнаружения, из-за большей выгоды от частых наблюдений.
Рисунок 9 дополнительно иллюстрирует соотношение между порогом обнаружения и временем возврата для определения полноты системы наблюдения. Результаты приведены для ансамбля из 2500 точечных источников со статистикой, представленной на рис. 8. Из рис. 9 видно, что полнота системы наблюдений 0,6 может быть достигнута прибором с порогом обнаружения 300 кг/ч.1 отбор проб еженедельно. Такой прибор работает так же хорошо, как прибор с низким порогом обнаружения, но отбор проб осуществляется только раз в 2 месяца. Для достижения полноты системы наблюдения выше 0,8 требуется прибор с порогом обнаружения лучше 150 кг/ч.1это образцы по крайней мере раз в две недели.
Наш расчет CТ, как представлено выше, предполагается, что точечный источник следует бинарному распределению частоты излучения (вкл./выкл.) с постоянными выбросами во включенном состоянии. Реальные источники имеют более сложную изменчивость (Allen et al., 2022; Zimmerle et al., 2022). Подобно анализу разд. 5.1, можно провести простой анализ, приняв статистику Гаусса в соответствии с Хиллом и Нассаром (2019), чтобы оценить количество N наблюдений, необходимых для количественного определения средней скорости выбросов точечного источника (1)Q с относительной точностью, определяемой 95% относительный доверительный интервал:
На рисунке 8 показано частотное распределение стойкости (p) для 2500 точечных источников нефти и газа, обнаруженных и количественно оцененных с помощью бортовых приборов AVIRIS-NG и Global Airborne Observatory в полевых кампаниях США (Cusworth et al., 2022). На левой панели показано частотное распределение средних выбросов от отдельных точечных источников для каждого интервала персистентности. Отсюда мы можем оценить полноту системы наблюдений для любого инструмента на основе его порога обнаружения, пространственного охвата и времени возврата. На правой панели изображена результирующая совокупная полнота системы наблюдений для ансамбля из 2500 точечных источников, достигнутая либо (1) с помощью бортового прибора с мощностью 10 кг/ч.1порог обнаружения и интервал отбора проб раз в два месяца (60 дней) или (2) спутниковый прибор с мощностью 100 кг/ч.1порог обнаружения и интервал отбора проб раз в две недели (14 дней). Расчет выполнен для временного окна длительностью 1 год при 30% ясном небе, при условии, что CС= 0.95 в обоих случаях, а совокупные результаты показаны по всему диапазону интервалов постоянства. Мы видим в этом примере две системы наблюдения имеют сопоставимый успех для постоянных источников (p > 0.5) за счет обмена CДдля СТ, но спутниковая система лучше подходит для непостоянных источников (p < 0.5), несмотря на более высокий порог обнаружения, из-за большей выгоды от частых наблюдений.
Рисунок 9 дополнительно иллюстрирует соотношение между порогом обнаружения и временем возврата для определения полноты системы наблюдения. Результаты приведены для ансамбля из 2500 точечных источников со статистикой, представленной на рис. 8. Из рис. 9 видно, что полнота системы наблюдений 0,6 может быть достигнута прибором с порогом обнаружения 300 кг/ч.1 отбор проб еженедельно. Такой прибор работает так же хорошо, как прибор с низким порогом обнаружения, но отбор проб осуществляется только раз в 2 месяца. Для достижения полноты системы наблюдения выше 0,8 требуется прибор с порогом обнаружения лучше 150 кг/ч.1это образцы по крайней мере раз в две недели.
Наш расчет CТ, как представлено выше, предполагается, что точечный источник следует бинарному распределению частоты излучения (вкл./выкл.) с постоянными выбросами во включенном состоянии. Реальные источники имеют более сложную изменчивость (Allen et al., 2022; Zimmerle et al., 2022). Подобно анализу разд. 5.1, можно провести простой анализ, приняв статистику Гаусса в соответствии с Хиллом и Нассаром (2019), чтобы оценить количество N наблюдений, необходимых для количественного определения средней скорости выбросов точечного источника (1)Q с относительной точностью, определяемой 95% относительный доверительный интервал:
Вот стандартное отклонение отдельных измерений, определяемое точностью прибора (я) и переменность источника (С). Используя статистические данные аэрофотосъемок в Пермском бассейне, мы обнаруживаем, что 71 наблюдение в год (время повторения примерно 5 дней, при условии ясного неба на 30%) потребуется для оценки ежегодных выбросов точечных источников от этой крайне непостоянной популяции в пределах 50% (p = 0.24, σI = 36 %, σS = 45 %; Касворт и др., 2021б). Увеличение требуемой точности годовых выбросов до 35% потребует 145 наблюдений в год (2-дневное время возврата). Для менее прерывистой популяции (p = 0.5) мы находим, что N= 43 (время возврата 8 дней) обеспечивает точность 50%, а N= 87 (время возврата 4 дня) обеспечивает точность 35%. Эти частоты наблюдений могут быть достигнуты с помощью спутниковой группировки, но это будет сложно для воздушной программы.
Хвосты PDF-файлов для выбросов из точечных источников представляют собой особую проблему для репрезентативной выборки. PDF-файлы, как правило, имеют тяжелые хвосты, что приводит к низкой оценке средних выбросов (Zimmerle et al., 2022), что можно решить с помощью очень плотной выборки (Y. Chen et al., 2022) или с помощью вспомогательных наблюдения с помощью картографов площадных потоков. Стойкость определяется в наблюдениях частотой появления выбросов выше порога обнаружения, но необнаружение может представлять собой нижний конец PDF-файла, а не переключатель включения/выключения.
Хвосты PDF-файлов для выбросов из точечных источников представляют собой особую проблему для репрезентативной выборки. PDF-файлы, как правило, имеют тяжелые хвосты, что приводит к низкой оценке средних выбросов (Zimmerle et al., 2022), что можно решить с помощью очень плотной выборки (Y. Chen et al., 2022) или с помощью вспомогательных наблюдения с помощью картографов площадных потоков. Стойкость определяется в наблюдениях частотой появления выбросов выше порога обнаружения, но необнаружение может представлять собой нижний конец PDF-файла, а не переключатель включения/выключения.
Рисунок 8.Частота точечных источников, постоянство и полнота системы наблюдений для ансамбля из 2500 точечных источников нефти и газа, отобранных с помощью дистанционного зондирования с самолетов в пяти нефтегазовых бассейнах США (Cusworth et al., 2022). На левой панели показано частотное распределение средних скоростей точечных источников для различных интервалов постоянства (p, доля времени, в течение которого источник обнаружен), где среднее значение вычисляется в предположении нулевого уровня выбросов, когда шлейф не обнаружен. Прямоугольники и пунктир обозначают 10-й, 25-й, 50-й, 75-й и 90-й процент. На правой панели показан процент общих выбросов точечных источников, вносимых различными контейнерами по стойкости. На этой панели также показаны совокупные данные наблюдений.
Полнота системы CDCCC (уравнение 8) за 1 год наблюдений при 30% ясном небе и двух системах наблюдений,
один со 100 кг/ч1порог обнаружения и отбор проб раз в две недели (зеленая линия) и один с 10 кг/ч1и отбор проб раз в два месяца (красная линия). Мы предполагаем пространственный охват CС= 0.95 для обоих. Полнота системы наблюдений рассчитывается индивидуально для каждого бассейна и затем усредняется. Обе системы наблюдения имеют сопоставимые характеристики для источников с высокой инерционностью (p > 0.5), но система наблюдения, проводимая раз в две недели, работает лучше для источников с низкой инерционностью, несмотря на более высокий порог обнаружения.
Полнота системы CDCCC (уравнение 8) за 1 год наблюдений при 30% ясном небе и двух системах наблюдений,
один со 100 кг/ч1порог обнаружения и отбор проб раз в две недели (зеленая линия) и один с 10 кг/ч1и отбор проб раз в два месяца (красная линия). Мы предполагаем пространственный охват CС= 0.95 для обоих. Полнота системы наблюдений рассчитывается индивидуально для каждого бассейна и затем усредняется. Обе системы наблюдения имеют сопоставимые характеристики для источников с высокой инерционностью (p > 0.5), но система наблюдения, проводимая раз в две недели, работает лучше для источников с низкой инерционностью, несмотря на более высокий порог обнаружения.
Рисунок 9.Наблюдение за полнотой системы сканера с точечным источником в зависимости от порога обнаружения и времени возврата. Расчет ведется для ансамбля точечных источников, представленного на рис. 8. Система наблюдений.
Полнота сканера с точечным источником определяется здесь как способность
количественно оценить выбросы от всех точечных источников размером более 10 кг/ч.1.
Полнота сканера с точечным источником определяется здесь как способность
количественно оценить выбросы от всех точечных источников размером более 10 кг/ч.1.
Таким образом, определение инерционности может зависеть от порога обнаружения, что повышает важность этого порога как меры наблюдения за полнотой системы. Еще больше усложняет ситуацию то, что порог обнаружения прибора является переменным и зависит, в частности, от скорости ветра во время наблюдения. Это требует лучшей характеристики полной плотности распределения выбросов от точечных источников в качестве средства экстраполяции наблюдений (Allen et al., 2022).
7 Заключительные замечания
Спутниковые наблюдения за атмосферным метаном в коротковолновом инфракрасном диапазоне (SWIR) обеспечивают все более мощную систему для непрерывного мониторинга выбросов от глобального масштаба до точечных источников. Мы рассмотрели текущий и запланированный парк инструментов, включая картографы площадных потоков для количественной оценки общих выбросов в региональных масштабах и устройства формирования изображений точечных источников для количественной оценки интенсивности отдельных источников. Мы обсудили методы восстановления концентрации на основе измеренных излучений, требования к точности и достоверности, обратные методы для определения выбросов на основе наблюдаемых концентраций, пороговые значения обнаружения выбросов и полноту системы наблюдения.
Важно использовать синергию между различными спутниковыми инструментами. Картографы площадных потоков могут ограничивать общие выбросы, тогда как устройства формирования изображений с точечными источниками обеспечивают конкретную атрибуцию на уровне объекта. Обнаружение горячих точек с грубым разрешением с помощью картографов зонального потока может направить целенаправленное наблюдение с помощью изображений с точечными источниками для выявления причин (Maasakkers et al., 2022b). Наблюдения за точечными источниками с достаточной полнотой могут улучшить восходящие оценки, используемые в качестве предварительной информации при инверсии данных картографа площадных потоков. Группы изображений с точечными источниками могут обеспечить высокую полноту системы наблюдения для поддержки программ картирования точечных источников и программ обнаружения и устранения утечек (LDAR).
Синергия с суборбитальными (наземными и воздушными) платформами имеет важное значение для многоуровневой стратегии наблюдений (Cus-worth et al., 2020). Суборбитальные наблюдения играют уникальную роль, дополняя внутренние ограничения спутников с точки зрения пространственного разрешения, времени возвращения, облачности, темной поверхности и ночного времени. Измерения поверхности обычно в 10 раз более чувствительны к локальным выбросам, чем спутниковые наблюдения (Cusworth et al., 2018). Они также могут включать соответствующую химическую информацию, такую как концентрации изотопов, этана и аммиака (Yuan et al., 2015; Ganesan et al., 2019; Graven et al., 2019; Pétron et al., 2020; Yang et al., 2019; Yang et al., 2020; Yang et al. ., 2020).
Необходимо лучше использовать корреляционную химическую информацию, получаемую со спутников. Одновременные спутниковые наблюдения за CO и метаном использовались для количественной оценки выбросов метана от открытых пожаров (Worden et al., 2013) и городов (Plant et al., 2022) со ссылкой на выбросы CO, хотя это и условно, на точном кадастре выбросов CO, и ошибки в этих кадастрах часто бывают значительными. GeoCarb будет измерять метан и CO2, и CO, предлагая дальнейшее применение этого метода, в том числе с использованием метана CO.2коэффициенты повышения. Параллельное улучшение CO2и метана на нефтяных и газовых месторождениях, наблюдаемые с помощью прибора PRISMA, вместе с данными о ночных факелах с прибора VIIRS, использовались для идентификации источников горения и количественной оценки эффективности сжигания (Cusworth et al., 2021a). Измерения содержания аммиака из космоса (Ван Дамм и др., 2018) потенциально могут выявить источники его содержания в животноводстве, но еще не использовались в сочетании с метаном.
Некоторые источники метана по своей природе трудно наблюдать из космоса, в том числе над водой, влажными тропиками и Арктикой. Потенциально крупные источники метана над водой включают морские нефтегазовые объекты, очистные сооружения, гидроэлектростанции и сельскохозяйственные водоемы, а также устья рек. Их можно наблюдать в режиме солнечных бликов или с помощью лидара (Kiemle et al., 2017; Irakulis-Loitxate et al., 2022b). Влажные тропики и Арктика представляют собой проблему из-за постоянной облачности, которая в Арктике усугубляется высокими углами солнечного зенита и полярной темнотой, а также сочетанием выбросов нефти и газа с выбросами из заболоченных земель. Лидар MERLIN предоставит уникальные возможности наблюдения за Арктикой. Геостационарный инструмент GeoCarb увеличит плотность данных над тропической Южной Америкой. Считается, что тропики являются основной движущей силой недавнего увеличения количества метана (Chandra et al., 2021; Yin et al., 2021; Zhang et al., 2021) согласно спутниковым наблюдениям за тропиками с высоким разрешением.
Конечная цель нисходящих оценок выбросов метана состоит в том, чтобы улучшить восходящие оценки, поскольку последние предоставляют информацию, необходимую для действий по борьбе с изменением климата, путем увязки выбросов с процессами. Это требует партнерства, в котором расхождения, выявленные спутником для конкретного сектора, мотивируют работу по улучшению восходящих оценок для этого сектора. Международная обсерватория по выбросам метана (IMEO; Экологическая программа Организации Объединенных Наций, 2021 г.) стремится облегчить вливание нисходящей информации в улучшение восходящих кадастров в глобальном масштабе в поддержку Парижского соглашения и инициатив. В нефтегазовой отрасли стремятся добиться того же на уровне нефтегазодобывающих месторождений и отдельных объектов (Cooper et al., 2022).
Таким образом, у спутниковых наблюдений появляется возможность закрепить глобальную систему мониторинга метана, предоставляющую глобальную информацию о выбросах почти в реальном времени, от глобального масштаба до точечных источников, для поддержки климатической политики и руководства корректирующими действиями. Базовая основа для создания такого объекта уже создана и будет быстро дополнена в ближайшие годы за счет запуска новых инструментов.
Доступность данных.Данные GOSAT по метану на рис. 2а доступно по адресу https://www.leos.le.ac.uk/data/GHG/GOS.АТ/v9. 0/CH4_GOS_OCPR_v9.0_final_nceo_2009_2021.tar.gz (последний доступ: 22 июля 2022 г.). SRON S5P-RemoTeC научный TROPOMI данные по метану на рис. 2 и 3 доступны по адресу https://doi.org/10.5281/zenodo.4447228 (Lorente et al., 2021b). Данные Sentinel-2 вРис. 3 доступны по адресу https://doi.org/10.5270/S2_-d8we2fl (Европейское космическое агентство, 2021 г.). Данные PRISMA и GHGSat на рис. 3 доступны для некоммерческого использования по запросу соответствующего автора. Данные на рис. 7 и 8 доступны по адресу https://doi.org/10.1038/s41586-019-1720-3 (Duren et al., 2019) для Калифорнии iп 2016– 2017 гг., https://doi.org/10.1021/acs.estlett.1c00173 (Касворт и др.,2021б) для Пермского Бассейна в 2019 г. и https://doi.org/10.5281/zenodo.5606120 (Cusworth et al., 2021d) для кампаний AVIRIS-NG/GAO в 2020–2021 гг.
Вклад автора.DJJ написал рукопись при участии DJV, DHC, PED, CF, RG, LG, JK, JMK, LEO, BP, ZQ, AKT, JRW и RMD. Просчеты подготовили DJV, DHC, JK и ZQ. RMD и DHC написали первоначальный проект раздела. 6.2. Дж.К. возглавлял проект CAMS, в рамках которого была подготовлена эта статья.
Конкурирующие интересы.Контактный автор заявил, что ни у одного из авторов нет конкурирующих интересов.
Отказ от ответственности.Примечание издателя: Публикации Copernicus сохраняют нейтралитет в отношении претензий на юрисдикцию в опубликованных картах и институциональной принадлежности.
Благодарности.Мы благодарим Фелипе Дж. Кардосо-Салданья и Синтию Рэндлс из ExxonMobil Technology and Engineering Company, Яську Мейера и Бена Вейхельманна из ЕКА, Ильзе Абен из SRON и Роберта Паркера из Университета Лестера за их ценные комментарии. Мы благодарим Халину Додд из Halo Agency, LLC за создание Рис. 1. Райли М. Дюрен и Дэниел Х. Касворт выражают признательность за дополнительную поддержку со стороны благотворительных доноров Carbon Mapper. Часть этого исследования была проведена в Лаборатории реактивного движения Калифорнийского технологического института по контракту с Национальным управлением по аэронавтике и исследованию космического пространства (грант № 80NM0018D0004). Филип Э. Деннисон благодарит систему мониторинга углерода НАСА за финансирование (грант № 80NSSC20K0244).
Финансовая поддержка.Это исследование было поддержано Совместной лабораторией по развитию науки о метане (CAMS) и Отделом наук о Земле Национального управления по аэронавтике и исследованию космического пространства (грант № NNH20ZDA001N-CMS).
Обзорное заявление.Эта статья была отредактирована Джейсоном Уэстом и повторно просмотрена двумя анонимными рецензентами.
7 Заключительные замечания
Спутниковые наблюдения за атмосферным метаном в коротковолновом инфракрасном диапазоне (SWIR) обеспечивают все более мощную систему для непрерывного мониторинга выбросов от глобального масштаба до точечных источников. Мы рассмотрели текущий и запланированный парк инструментов, включая картографы площадных потоков для количественной оценки общих выбросов в региональных масштабах и устройства формирования изображений точечных источников для количественной оценки интенсивности отдельных источников. Мы обсудили методы восстановления концентрации на основе измеренных излучений, требования к точности и достоверности, обратные методы для определения выбросов на основе наблюдаемых концентраций, пороговые значения обнаружения выбросов и полноту системы наблюдения.
Важно использовать синергию между различными спутниковыми инструментами. Картографы площадных потоков могут ограничивать общие выбросы, тогда как устройства формирования изображений с точечными источниками обеспечивают конкретную атрибуцию на уровне объекта. Обнаружение горячих точек с грубым разрешением с помощью картографов зонального потока может направить целенаправленное наблюдение с помощью изображений с точечными источниками для выявления причин (Maasakkers et al., 2022b). Наблюдения за точечными источниками с достаточной полнотой могут улучшить восходящие оценки, используемые в качестве предварительной информации при инверсии данных картографа площадных потоков. Группы изображений с точечными источниками могут обеспечить высокую полноту системы наблюдения для поддержки программ картирования точечных источников и программ обнаружения и устранения утечек (LDAR).
Синергия с суборбитальными (наземными и воздушными) платформами имеет важное значение для многоуровневой стратегии наблюдений (Cus-worth et al., 2020). Суборбитальные наблюдения играют уникальную роль, дополняя внутренние ограничения спутников с точки зрения пространственного разрешения, времени возвращения, облачности, темной поверхности и ночного времени. Измерения поверхности обычно в 10 раз более чувствительны к локальным выбросам, чем спутниковые наблюдения (Cusworth et al., 2018). Они также могут включать соответствующую химическую информацию, такую как концентрации изотопов, этана и аммиака (Yuan et al., 2015; Ganesan et al., 2019; Graven et al., 2019; Pétron et al., 2020; Yang et al., 2019; Yang et al., 2020; Yang et al. ., 2020).
Необходимо лучше использовать корреляционную химическую информацию, получаемую со спутников. Одновременные спутниковые наблюдения за CO и метаном использовались для количественной оценки выбросов метана от открытых пожаров (Worden et al., 2013) и городов (Plant et al., 2022) со ссылкой на выбросы CO, хотя это и условно, на точном кадастре выбросов CO, и ошибки в этих кадастрах часто бывают значительными. GeoCarb будет измерять метан и CO2, и CO, предлагая дальнейшее применение этого метода, в том числе с использованием метана CO.2коэффициенты повышения. Параллельное улучшение CO2и метана на нефтяных и газовых месторождениях, наблюдаемые с помощью прибора PRISMA, вместе с данными о ночных факелах с прибора VIIRS, использовались для идентификации источников горения и количественной оценки эффективности сжигания (Cusworth et al., 2021a). Измерения содержания аммиака из космоса (Ван Дамм и др., 2018) потенциально могут выявить источники его содержания в животноводстве, но еще не использовались в сочетании с метаном.
Некоторые источники метана по своей природе трудно наблюдать из космоса, в том числе над водой, влажными тропиками и Арктикой. Потенциально крупные источники метана над водой включают морские нефтегазовые объекты, очистные сооружения, гидроэлектростанции и сельскохозяйственные водоемы, а также устья рек. Их можно наблюдать в режиме солнечных бликов или с помощью лидара (Kiemle et al., 2017; Irakulis-Loitxate et al., 2022b). Влажные тропики и Арктика представляют собой проблему из-за постоянной облачности, которая в Арктике усугубляется высокими углами солнечного зенита и полярной темнотой, а также сочетанием выбросов нефти и газа с выбросами из заболоченных земель. Лидар MERLIN предоставит уникальные возможности наблюдения за Арктикой. Геостационарный инструмент GeoCarb увеличит плотность данных над тропической Южной Америкой. Считается, что тропики являются основной движущей силой недавнего увеличения количества метана (Chandra et al., 2021; Yin et al., 2021; Zhang et al., 2021) согласно спутниковым наблюдениям за тропиками с высоким разрешением.
Конечная цель нисходящих оценок выбросов метана состоит в том, чтобы улучшить восходящие оценки, поскольку последние предоставляют информацию, необходимую для действий по борьбе с изменением климата, путем увязки выбросов с процессами. Это требует партнерства, в котором расхождения, выявленные спутником для конкретного сектора, мотивируют работу по улучшению восходящих оценок для этого сектора. Международная обсерватория по выбросам метана (IMEO; Экологическая программа Организации Объединенных Наций, 2021 г.) стремится облегчить вливание нисходящей информации в улучшение восходящих кадастров в глобальном масштабе в поддержку Парижского соглашения и инициатив. В нефтегазовой отрасли стремятся добиться того же на уровне нефтегазодобывающих месторождений и отдельных объектов (Cooper et al., 2022).
Таким образом, у спутниковых наблюдений появляется возможность закрепить глобальную систему мониторинга метана, предоставляющую глобальную информацию о выбросах почти в реальном времени, от глобального масштаба до точечных источников, для поддержки климатической политики и руководства корректирующими действиями. Базовая основа для создания такого объекта уже создана и будет быстро дополнена в ближайшие годы за счет запуска новых инструментов.
Доступность данных.Данные GOSAT по метану на рис. 2а доступно по адресу https://www.leos.le.ac.uk/data/GHG/GOS.АТ/v9. 0/CH4_GOS_OCPR_v9.0_final_nceo_2009_2021.tar.gz (последний доступ: 22 июля 2022 г.). SRON S5P-RemoTeC научный TROPOMI данные по метану на рис. 2 и 3 доступны по адресу https://doi.org/10.5281/zenodo.4447228 (Lorente et al., 2021b). Данные Sentinel-2 вРис. 3 доступны по адресу https://doi.org/10.5270/S2_-d8we2fl (Европейское космическое агентство, 2021 г.). Данные PRISMA и GHGSat на рис. 3 доступны для некоммерческого использования по запросу соответствующего автора. Данные на рис. 7 и 8 доступны по адресу https://doi.org/10.1038/s41586-019-1720-3 (Duren et al., 2019) для Калифорнии iп 2016– 2017 гг., https://doi.org/10.1021/acs.estlett.1c00173 (Касворт и др.,2021б) для Пермского Бассейна в 2019 г. и https://doi.org/10.5281/zenodo.5606120 (Cusworth et al., 2021d) для кампаний AVIRIS-NG/GAO в 2020–2021 гг.
Вклад автора.DJJ написал рукопись при участии DJV, DHC, PED, CF, RG, LG, JK, JMK, LEO, BP, ZQ, AKT, JRW и RMD. Просчеты подготовили DJV, DHC, JK и ZQ. RMD и DHC написали первоначальный проект раздела. 6.2. Дж.К. возглавлял проект CAMS, в рамках которого была подготовлена эта статья.
Конкурирующие интересы.Контактный автор заявил, что ни у одного из авторов нет конкурирующих интересов.
Отказ от ответственности.Примечание издателя: Публикации Copernicus сохраняют нейтралитет в отношении претензий на юрисдикцию в опубликованных картах и институциональной принадлежности.
Благодарности.Мы благодарим Фелипе Дж. Кардосо-Салданья и Синтию Рэндлс из ExxonMobil Technology and Engineering Company, Яську Мейера и Бена Вейхельманна из ЕКА, Ильзе Абен из SRON и Роберта Паркера из Университета Лестера за их ценные комментарии. Мы благодарим Халину Додд из Halo Agency, LLC за создание Рис. 1. Райли М. Дюрен и Дэниел Х. Касворт выражают признательность за дополнительную поддержку со стороны благотворительных доноров Carbon Mapper. Часть этого исследования была проведена в Лаборатории реактивного движения Калифорнийского технологического института по контракту с Национальным управлением по аэронавтике и исследованию космического пространства (грант № 80NM0018D0004). Филип Э. Деннисон благодарит систему мониторинга углерода НАСА за финансирование (грант № 80NSSC20K0244).
Финансовая поддержка.Это исследование было поддержано Совместной лабораторией по развитию науки о метане (CAMS) и Отделом наук о Земле Национального управления по аэронавтике и исследованию космического пространства (грант № NNH20ZDA001N-CMS).
Обзорное заявление.Эта статья была отредактирована Джейсоном Уэстом и повторно просмотрена двумя анонимными рецензентами.
Рекомендации
Алекс М., Бергамаски П., Сегерс А., Детмерс Р., Бутц А., Хазекамп О., Герле С., Паркер Р., Бош Х., Франкенберг К., Шипмейкер Р.А., Длугокенски Э., Суини К., Вофси С.С. и Корт Э.А. Обратное моделирование CH4выбросjd за 2010–2011 гг. с использованием различных спутниковых продуктов GOSAT и SC.ЯМАХИ, Атмос. хим.Phys., 15, 113–133, https://doi.org/10.5194/acp-15-113-2015, 2015.
Аллен Д.Т., Кардосо-Салданья Ф. и Кимура Ю.: Изменчивость пространственно и временных выбросов и следы источников углеводородов для источников нефти и газа в регионах добычи сланцевого газа, Environ. наук. Technol., 51, 12016–12026, https://pubs.acs.org/doi/10.1021/acs.est.7b02202, 2017.
Аллен, Д.Т., Кардосо-Салданья, Ф.Дж., Кимура, Ю., Чен, К., Си-анг, З., Циммерле, Д., Белл, К., Лют, К., Дагган, Дж. и Харрисон, М.: Инструмент оценки выбросов метана (MEET) для прогнозирования выбросов от добывающих нефтяных и газовых скважин с мелкомасштабным временным и пространственным разрешением: структура модели и приложения, Науч. Общая окружающая среда,829, 154277, https://doi.org/10.1016/j.scitotenv.2022.154277, 2022.
Анжуйн В.М., Пейшль Дж., Кроуфорд А., Лофнер К.П., Поллак И.Б. и Томпсон Ч.Р.: Ошибки в нисходящих оценках выбросов с использованием известных источников, Атмос. хим.пГис., 20, 11855–11868, https://doi.org/10.5194/acp-20-11855-2020, 2020.
Аясс, А.К., Торп, А.К., Робертс, Д.А., Фанк, К.С., Деннисон, П.Е., Франкенберг, К., Штеффке, А. и Обри, А.Д.: Оценка влияния свойств поверхности на извлечение метана с использованием синтетического аэрозольного метода Спектрометр визуализации видимого/инфракрасного диапазона следующего поколения (AVIRIS-NG) ., 215, 386–397, https://doi.org/10.1016/j.rse.2018.06.018, 2018.
Аясс, А.К., Деннисон, П.Е., Фут, М., Торп, А.К., Джоши, С., Грин, Р.О., Дюрен, Р.М., Томпсон, Д.Р. и Робертс, Д.А.: Картирование метана с помощью спутниковых изображений будущего g-спектрометры, Рэмote Sensing, 11, 3054, https://doi.org/10.3390/rs11243054, 2019.
Барре Дж., Абен И., Агусти-Панареда А., Бальзамо Г., Буссерес Н., Дуебен П., Энгелен Р., Иннесс А., Лоренте А., МакНортон Дж. ., Пейх В.-Х., Радноти Г. и Рибас Р.: Систематическое обнаружение локального CH4 аномалий путем объединения спутниковых измерений с fпрогнозами, Атмос. хим. Фис., 21, 5117–5136, https://doi.org/10.5194/acp-21-5117-2021, 2021.
Бергамаски, П., Хауелинг, С., Сегерс, А., Крол, М., Франкенберг, К., Шипмейкер, Р.А., Длугокенски, Э., Вофси, С.К., Корт, Э.А., Суини, К., Шук , Т., Бреннинкмейер, К., Чен, Х., Бек, В., и Гербиг, К.: Атмосферный CH4 в первом десятилетии XXI века: анализ обратного моделирования с использованием спутниковых данных SCIAMACHY и данных NOAA.
J. Geophys. Рез.-Атмос., 118, 7350–7369, https://doi.org/10.1002/jgrd.50480, 2013.
Блум А.А., Боуман К.В., Ли М., Тернер А.Дж., Шредер Р., Уорден Дж.Р., Вейднер Р., Макдональд К.К. и Я-Коб Д.Д.: Глобальные выбросы метана в водно-болотных угодьях и экологические проблемы. Набор достоверных данных для моделей переноса химических веществ в атмосфере (WetCHARTs vверсия 1.0), Geosci. Модель Дет., 10, 2141–2156, https://doi.org/10.5194/gmd-10-2141-2017, 2017.
Борхардт Дж., Гериловски К., Краутвурст С., Бовенсманн Х., Торп А.К., Томпсон Д.Р., Франкенберг К., Миллер К.Э., Дюрен Р.М. и Берроуз Дж.П.: Обнаружение и количественный анализ CH4шлейфов с использованием поиска WFM-DOAS на гиперспектре AVIRIS-NG, Атмос. Измер. Технология., 14, 1267–1291, https://doi.org/10.5194/amt-14-1267-2021, 2021.
Буссерес Н., Хенце Д.К., Перкинс А., Боуман К.В., Ли М., Лю Дж., Денг Ф. и Джонс DBA: Улучшенная ковариационная матрица ошибок анализа для многомерных вариационных инверсий: приложение для оценки источника с использованием трехмерного режима атмосферного транспорта. QJ Рой. Мэтеор. Соц., 141, 1906–1921, https://doi.org/10.1002/qj.2495, 2015.
Брандт А.Р., Хит Г.Р. и Кули Д.: Утечки метана из систем природного газа имеют экстремальные масштабы. Enвирон. наук. Технол.,50, 12512–12520, https://doi.org/10.1021/acs.est.6b04303, 2016.
Брассер, Г.П. и Джейкоб, Д.Д.: Моделирование химии атмосферы, Калифорния.Прес Университета Мбриджs, Кембридж, Великобритания, https://doi.org/10.1017/9781316544754, 2017.
Брювилер Л., Басу С., Батлер Дж. Х., Чаттерджи А., Длугокенски Э., Кенни М.А., Маккомиски А., Монцка С.А. и Станицки Д.: Наблюдения за парниковыми газамикак климатический индикаторкrs, Клим. СХанге, 165, 12, https://doi.org/10.1007/s10584-021-03001-7, 2021.
Бухвиц, М., Ройтер, М., Шнайзинг, О., Боеш, Х., Герле, С., Дилс, Б., Абен, И., Арманте, Р., Бергамаски, П., Блюмен-шток, Т. ., Бовенсманн, Х., Бруннер, Д., Бухман, Б., Бер-роуз, Дж., Батц, А., Шедин, А., Шевалье, Ф., Кревуазье, К., Дойчер, Н., Франкенберг , К., Хазе Ф., Хазекамп О., Хейманн Дж., Камински Т., Лаенг А., Лихтенберг Г., Мазьер М.Д., Ноэль С., Нотольт Дж., Орфал Дж., Попп К., Паркер Р., Шольце М., Сассманн Р., Стиллер Г., Варнеке Т., Зенер К., Брил А., Крисп Д., Гриффит Д., Кузе А., О'Делл К., Ощепков С., Шерлок В., Суто Х., Веннберг П., Вунч Д., Ёкота Т. и Ёсида, Ю.: Инициатива по изменению климата, вызывающая парниковые газы (GHG-CCI): Сравнение и оценка качества приземного чувствительного CO, полученного со спутников.2и СН4глобальные наборы данных, Remote Sens. Enviрон., 162, 344–362, https://doi.org/10.1016/j.rse.2013.04.024, 2015.
Бутц А., Галли А., Хасекамп О., Ландграф Дж., Тол П. и Абен И.: ТРОПОМИ на борту Предшественника Sentinel-5: Перспективные характеристики CH4поиск аэрозолей и циррусной атмосферы, Remote Sens. Envжелезо., 120, 267–276, https://doi.org/10.1016/j.rse.2011.05.030, 2012.
Кардосо-Салданья, Ф.Дж., и Аллен, Д.Т.: Прогнозирование временной эволюции выбросов метана на объектах добычи нефти и газа., Окружающая среда. наук. Технол., 54, 14172–14181, https://doi.org/10.1021/acs.est.0c03049, 2020.
Чандра, Н., Патра, П.К., Бишт, Дж.Ш., Ито, А., Умезава, Т., Сай-гуса, Н., Моримото, С., Аоки, С., Янссенс-Менхаут, Г., Фудзита , Р., Такигава М., Ватанабэ и Сайто Н.: Выбросы от нефтегазового сектора, добычи угля и животноводства - стимулировали рост метана в прошлом десятилетии, J. Met. Сок. Япония, 99, 309–337, https://doi.org/10.2151/jmsj.2021-015, 2021.
Чен, Ю., Шервин, Э.Д., Берман, Э.С.Ф., Джонс, Б.Б., Гордон, М.П., Уэзерли, Э.Б., Корт, Э.А., и Брандт, А.Р.: Количественная оценка региональных выбросов метана в Пермском бассейне Нью-Мексико с участием комплексной аэрофотосъемки, Eнвирон. наук. Technol., https://doi.org/10.1021/acs.est.1c06458, 2022.
Чен, З., Джейкоб, Д., Нессер, Х., Сульприцио, М., Лоренте, А., Варон, Д., Лу, К., Шен, Л., Цюй, З., Пенн, Э., и Ю, X.: Выбросы метана из Китая: инверсия спутниковых наблюдений TROPOMI с высоким разрешением, Атмос. хим. Phда. Обсуждать. [препринт], https://doi.org/10.5194/acp-2022-303, на рассмотрении, 2022 г.
Чо Т., Чунг Дж., Миллер С.М. и Саибаба А.К.: Вычислительно эффективные методы для крупномасштабных обратных моделей атмосферы.нг, Geosci. Модель Дев.,15, 5547–5565, https://doi.org/10.5194/gmd-15-5547-2022, 2022.
Купер Дж., Дубей Л. и Хоукс А.: Обнаружение и количественная оценка метана в нефтегазовом секторе: роль спутников в обнаружении выбросов, сверка и отчетность, охрана окружающей среды Рон. наук. Атмосфера., 2, 9–23, https://doi.org/10.1039/D1EA00046B, 2022.
Касворт, Д.Х., Джейкоб, Д.Д., Шэн, Дж.-Х., Бенмерги, Дж., Тернер, А.Дж., Брандман, Дж., Уайт, Л. и Рэндлс, Калифорния: Обнаружение источников метана с высоким уровнем выбросов в нефти /газовые месторождения с использованием спутниковых наблюдений Атмос. хим. Физ., 18, 16885–16896, https://doi.org/10.5194/acp-18-16885-2018, 2018.
Касворт, Д.Х., Джейкоб, Диджей, Варон, Диджей, Чен Миллер, К., Лю, К., Ченс, К., Торп, А.К., Дюрен, Р.М., Миллер, К.Э., Томпсон, Д.Р., Франкенберг, К., Гуантер Л. и Рэндлс, Калифорния: Потенциал визуализирующих спектрометров следующего поколения для обнаружения и количественной оценки точечных источников метана изпространства, At-мОперационные системы. Измер. Технология., 12, 5655–5668, https://doi.org/10.5194/amt-12-5655-2019, 2019.
Касворт Д.Х., Дюрен Р.М., Ядав В., Торп А.К., Верхюльст К., Сандер С., Хопкинс Ф., Райк Т. и Миллер CE: Синтез наблюдений метана в разных масштабах : Стратегии развертывания многоуровневой сети наблюдений.орк, Геофиз. Рез. Летт.,47, e2020GL087869, https://doi.org/10.1029/2020GL087869, 2020.
Касворт, Д.Х., Дюрен, Р., Торп, А.К., Панди, С., Абен, И., Джервис, Д., Варон, Д., Джейкоб, Д.Д., Рэндлс, К.А., Гаутам, Р., Омара, М., Шаде Г., Деннисон П.Е., Франкенберг К., Гордон Д., Лопинто Э. и Миллер К.Э.: Многоспутниковое изображение выброса газовой скважины дает новое представление о мониторинге метана, Геофиз. Рез. Летт.,48, e2020GL090864, https://doi.org/10.1029/2020GL090864, 2021a.
Касворт, Д.Х., Дюрен, Р.М., Торп, А.К., Олсон-Дюваль, В., Хеклер, Дж., Чепмен, Дж.В., Иствуд, М.Л., Хелм-Лингер, МК, Грин, Р.О., Аснер, ГП, Деннисон, П.Е., и Миллер, CE: Непостоянство крупных источников метана в пермском бассейне., Окружающая среда. наук. Технол.Lett., 8, 567–573, https://doi.org/10.1021/acs.estlett.1c00173, 2021b.
Касворт, Д.Х., Блум, А.А., Ма, С., Миллер, К.Э., Боуман, К., Инь, Ю., Маасаккерс, Дж.Д., Чжан, Ю., Скарпелли, Т.Р., Цюй, З., Джейкоб, Д.Д. и Уорден, Дж.Р.: Байесовский подход для расчета выбросов метана по секторам на основе нисходящего потока.с, Нат. Коммун. Земля Анвирон., 2, 242, https://doi.org/10.1038/s43247-021-00312-6, 2021c.
Касворт Д.Х., Дюрен Р., Аясс А., Торп А., Аснер Г. и Грин Р.: Шлейфы метана из воздуха опросы 2020–2021 (1,0), ЗЭнодо [данные набор], https://doi.org/10.5281/zenodo.5606120, 2021г.
Касворт, Д.Х., Торп, А.К., Аясс, А.К., Степп, Д., Хеклер, Дж., Аснер, Г.П., Миллер, К.Э., Чепмен, Дж.В., Иствуд, М.Л., Грин, Р.О., Хмиэль, Б., Лион, Д. ., и Дюрен, Р.М.: Мощные точечные источники метана составляют непропорциональную долю общих выбросов.по нескольким базамns в США, Earth ArXiv, https://doi.org/10.31223/X53P88, 2022 г.
Дэн, З., Сиас, П., Цомпа-Соса, З.А., Сонуа, М., Цю, К., Тан, К., Сунь, Т., Ке, П., Цуй, Ю., Танака, К. , Лин, X., Томпсон, Р.Л., Тиан, Х., Яо, Ю., Хуан, Ю., Лауэрвальд, Р., Джайн, А.К., Сюй, X., Бастос, А., Ситч, С., Палмер , П.И., Лово, Т., д'Аспремон, А., Жирон, К., Бенуа, А., Поултер, Б., Чанг, Дж., Петреску, АМР, Дэвис, С.Дж., Лю, З., Грасси, Г., Альбергель К., Тубьелло Ф.Н., Перуджини Л., Петерс В. и Шевалье Ф.: Сравнение национальных бюджетов парниковых газов, представленных в кадастрах РКИК ООН, с атмосферными выбросами, Earth Syst. наук. Дата, 14, 1639–1675, https://doi.org/10.5194/essd-14-1639-2022, 2022.
Дюрен, Р.М., Торп, А.К., Фостер, К.Т., Рафик, Т., Хопкинс, Ф.М., Ядав, В., Бью, Б.Д., Томпсон, Д.Р., Конли, С., Коломби, Н.К., Франкенберг, К., МакКаббин, И.Б., Иствуд, М.Л., Фальк, М., Хернер, Дж.Д., Крус, Б.Е., Грин, Р.О. и Миллер, CE: Калифорния суперэмиттеры метана, Натуre, 575, 180–184, https://doi.org/10.1038/s41586-019-1720-3, 2019.
Дюрен, Р.М.: Carbon Mapper: прогнозы производительности на орбите и воздушное прототипирование, Американский геофизический союз. Встреча, Новый Орлеан, 13–17 декабря 2021 г., A53F-05, httPS: //agu.confex.com/agu/fm21/meetingapp.cgi/Paper/985888 (последний доступ: 23 июля 2022 г.), 2021 г.
Эрет, Т., Буске, П., Пьеранджело, К., Альперс М., Милле, Б., Абшир, Ж.Б., Бовенсманн, Х., Берроуз, Ж.П., Шевалье, Ф., Сиа, П., Кревуазье , К., Фикс, А., Фламант, П., Франкенберг, К., Гиберт, Ф., Хайм, Б., Хейманн, М., Хаувелинг, С., Хуббертен, Х.В., Йёкель, П., Лоу, К., Лёв А., Маршалл Дж., Агусти-Панареда А., Паян С., Приджент К., Райру П., Сакс Т., Шольце М. и Вирт М. : МЕРЛИН: Франко-немецкая космическая миссия с использованием лидара, посвященнаяо атмосферному метану, Remote Sens., 9, 1052, https://doi.org/10.3390/rs9101052, 2017.
Эре Т., Де Тручис А., Маццолини М., Морель Ж.-М., д'Аспремон А., Лово Т. и Фаччоло Г.: Глобальное отслеживание и количественная оценка нефти и утечки газового метана из-за повторяющихся событий Sentinel-2 , arXiv, 2110.11832v1, Physics.ao-ph, https://doi.org/10.48550/arXiv.2110.11832, 2022 г.
Европейское Космосмическое Агентство: Сентинел-5, ЕКА СП-1336,яSBN978-92-9221-434-0, https://esamultimedia.esa.int/docs/EarthObservation/SP_1336_Sentinel-5_web.pdf (последний доступ: 23 июля 2022 г.), 2020 г.
Европейское космическое агентство: Copernicus Sentinel-2 (обработано ЕКА), MSI Level-1C TOA Reflectance Product, Cколлекция 0,Европейское Агентство темпов [набор данных], https://doi.org/10.5270/S2_-d8we2fl, 2021 г.
Фэн, Л., Палмер, П.И., Бош, Х., Паркер, Р.Дж., Уэбб, Эй.Дж., Коррея, К.С.С., Дойчер, Н.М., Домингес, Л.Г., Файст, Д.Г., Гатти, Л.В., Глур, Э., Хейс , Ф., Киви Р., Лю Ю., Миллер Дж. Б., Морино И., Сассманн Р., Стронг К., Учино О., Ван Дж. и Зан А.: Последовательно региональные потоки CH4и CO2выведено из прокси-сервера GOSAT XCH4:XCO2поиски, 2010–2014 гг., At-Операционные системы. хим. Фис., 17, 4781–4797, https://doi.org/10.5194/acp-17-4781-2017, 2017.
Алекс М., Бергамаски П., Сегерс А., Детмерс Р., Бутц А., Хазекамп О., Герле С., Паркер Р., Бош Х., Франкенберг К., Шипмейкер Р.А., Длугокенски Э., Суини К., Вофси С.С. и Корт Э.А. Обратное моделирование CH4выбросjd за 2010–2011 гг. с использованием различных спутниковых продуктов GOSAT и SC.ЯМАХИ, Атмос. хим.Phys., 15, 113–133, https://doi.org/10.5194/acp-15-113-2015, 2015.
Аллен Д.Т., Кардосо-Салданья Ф. и Кимура Ю.: Изменчивость пространственно и временных выбросов и следы источников углеводородов для источников нефти и газа в регионах добычи сланцевого газа, Environ. наук. Technol., 51, 12016–12026, https://pubs.acs.org/doi/10.1021/acs.est.7b02202, 2017.
Аллен, Д.Т., Кардосо-Салданья, Ф.Дж., Кимура, Ю., Чен, К., Си-анг, З., Циммерле, Д., Белл, К., Лют, К., Дагган, Дж. и Харрисон, М.: Инструмент оценки выбросов метана (MEET) для прогнозирования выбросов от добывающих нефтяных и газовых скважин с мелкомасштабным временным и пространственным разрешением: структура модели и приложения, Науч. Общая окружающая среда,829, 154277, https://doi.org/10.1016/j.scitotenv.2022.154277, 2022.
Анжуйн В.М., Пейшль Дж., Кроуфорд А., Лофнер К.П., Поллак И.Б. и Томпсон Ч.Р.: Ошибки в нисходящих оценках выбросов с использованием известных источников, Атмос. хим.пГис., 20, 11855–11868, https://doi.org/10.5194/acp-20-11855-2020, 2020.
Аясс, А.К., Торп, А.К., Робертс, Д.А., Фанк, К.С., Деннисон, П.Е., Франкенберг, К., Штеффке, А. и Обри, А.Д.: Оценка влияния свойств поверхности на извлечение метана с использованием синтетического аэрозольного метода Спектрометр визуализации видимого/инфракрасного диапазона следующего поколения (AVIRIS-NG) ., 215, 386–397, https://doi.org/10.1016/j.rse.2018.06.018, 2018.
Аясс, А.К., Деннисон, П.Е., Фут, М., Торп, А.К., Джоши, С., Грин, Р.О., Дюрен, Р.М., Томпсон, Д.Р. и Робертс, Д.А.: Картирование метана с помощью спутниковых изображений будущего g-спектрометры, Рэмote Sensing, 11, 3054, https://doi.org/10.3390/rs11243054, 2019.
Барре Дж., Абен И., Агусти-Панареда А., Бальзамо Г., Буссерес Н., Дуебен П., Энгелен Р., Иннесс А., Лоренте А., МакНортон Дж. ., Пейх В.-Х., Радноти Г. и Рибас Р.: Систематическое обнаружение локального CH4 аномалий путем объединения спутниковых измерений с fпрогнозами, Атмос. хим. Фис., 21, 5117–5136, https://doi.org/10.5194/acp-21-5117-2021, 2021.
Бергамаски, П., Хауелинг, С., Сегерс, А., Крол, М., Франкенберг, К., Шипмейкер, Р.А., Длугокенски, Э., Вофси, С.К., Корт, Э.А., Суини, К., Шук , Т., Бреннинкмейер, К., Чен, Х., Бек, В., и Гербиг, К.: Атмосферный CH4 в первом десятилетии XXI века: анализ обратного моделирования с использованием спутниковых данных SCIAMACHY и данных NOAA.
J. Geophys. Рез.-Атмос., 118, 7350–7369, https://doi.org/10.1002/jgrd.50480, 2013.
Блум А.А., Боуман К.В., Ли М., Тернер А.Дж., Шредер Р., Уорден Дж.Р., Вейднер Р., Макдональд К.К. и Я-Коб Д.Д.: Глобальные выбросы метана в водно-болотных угодьях и экологические проблемы. Набор достоверных данных для моделей переноса химических веществ в атмосфере (WetCHARTs vверсия 1.0), Geosci. Модель Дет., 10, 2141–2156, https://doi.org/10.5194/gmd-10-2141-2017, 2017.
Борхардт Дж., Гериловски К., Краутвурст С., Бовенсманн Х., Торп А.К., Томпсон Д.Р., Франкенберг К., Миллер К.Э., Дюрен Р.М. и Берроуз Дж.П.: Обнаружение и количественный анализ CH4шлейфов с использованием поиска WFM-DOAS на гиперспектре AVIRIS-NG, Атмос. Измер. Технология., 14, 1267–1291, https://doi.org/10.5194/amt-14-1267-2021, 2021.
Буссерес Н., Хенце Д.К., Перкинс А., Боуман К.В., Ли М., Лю Дж., Денг Ф. и Джонс DBA: Улучшенная ковариационная матрица ошибок анализа для многомерных вариационных инверсий: приложение для оценки источника с использованием трехмерного режима атмосферного транспорта. QJ Рой. Мэтеор. Соц., 141, 1906–1921, https://doi.org/10.1002/qj.2495, 2015.
Брандт А.Р., Хит Г.Р. и Кули Д.: Утечки метана из систем природного газа имеют экстремальные масштабы. Enвирон. наук. Технол.,50, 12512–12520, https://doi.org/10.1021/acs.est.6b04303, 2016.
Брассер, Г.П. и Джейкоб, Д.Д.: Моделирование химии атмосферы, Калифорния.Прес Университета Мбриджs, Кембридж, Великобритания, https://doi.org/10.1017/9781316544754, 2017.
Брювилер Л., Басу С., Батлер Дж. Х., Чаттерджи А., Длугокенски Э., Кенни М.А., Маккомиски А., Монцка С.А. и Станицки Д.: Наблюдения за парниковыми газамикак климатический индикаторкrs, Клим. СХанге, 165, 12, https://doi.org/10.1007/s10584-021-03001-7, 2021.
Бухвиц, М., Ройтер, М., Шнайзинг, О., Боеш, Х., Герле, С., Дилс, Б., Абен, И., Арманте, Р., Бергамаски, П., Блюмен-шток, Т. ., Бовенсманн, Х., Бруннер, Д., Бухман, Б., Бер-роуз, Дж., Батц, А., Шедин, А., Шевалье, Ф., Кревуазье, К., Дойчер, Н., Франкенберг , К., Хазе Ф., Хазекамп О., Хейманн Дж., Камински Т., Лаенг А., Лихтенберг Г., Мазьер М.Д., Ноэль С., Нотольт Дж., Орфал Дж., Попп К., Паркер Р., Шольце М., Сассманн Р., Стиллер Г., Варнеке Т., Зенер К., Брил А., Крисп Д., Гриффит Д., Кузе А., О'Делл К., Ощепков С., Шерлок В., Суто Х., Веннберг П., Вунч Д., Ёкота Т. и Ёсида, Ю.: Инициатива по изменению климата, вызывающая парниковые газы (GHG-CCI): Сравнение и оценка качества приземного чувствительного CO, полученного со спутников.2и СН4глобальные наборы данных, Remote Sens. Enviрон., 162, 344–362, https://doi.org/10.1016/j.rse.2013.04.024, 2015.
Бутц А., Галли А., Хасекамп О., Ландграф Дж., Тол П. и Абен И.: ТРОПОМИ на борту Предшественника Sentinel-5: Перспективные характеристики CH4поиск аэрозолей и циррусной атмосферы, Remote Sens. Envжелезо., 120, 267–276, https://doi.org/10.1016/j.rse.2011.05.030, 2012.
Кардосо-Салданья, Ф.Дж., и Аллен, Д.Т.: Прогнозирование временной эволюции выбросов метана на объектах добычи нефти и газа., Окружающая среда. наук. Технол., 54, 14172–14181, https://doi.org/10.1021/acs.est.0c03049, 2020.
Чандра, Н., Патра, П.К., Бишт, Дж.Ш., Ито, А., Умезава, Т., Сай-гуса, Н., Моримото, С., Аоки, С., Янссенс-Менхаут, Г., Фудзита , Р., Такигава М., Ватанабэ и Сайто Н.: Выбросы от нефтегазового сектора, добычи угля и животноводства - стимулировали рост метана в прошлом десятилетии, J. Met. Сок. Япония, 99, 309–337, https://doi.org/10.2151/jmsj.2021-015, 2021.
Чен, Ю., Шервин, Э.Д., Берман, Э.С.Ф., Джонс, Б.Б., Гордон, М.П., Уэзерли, Э.Б., Корт, Э.А., и Брандт, А.Р.: Количественная оценка региональных выбросов метана в Пермском бассейне Нью-Мексико с участием комплексной аэрофотосъемки, Eнвирон. наук. Technol., https://doi.org/10.1021/acs.est.1c06458, 2022.
Чен, З., Джейкоб, Д., Нессер, Х., Сульприцио, М., Лоренте, А., Варон, Д., Лу, К., Шен, Л., Цюй, З., Пенн, Э., и Ю, X.: Выбросы метана из Китая: инверсия спутниковых наблюдений TROPOMI с высоким разрешением, Атмос. хим. Phда. Обсуждать. [препринт], https://doi.org/10.5194/acp-2022-303, на рассмотрении, 2022 г.
Чо Т., Чунг Дж., Миллер С.М. и Саибаба А.К.: Вычислительно эффективные методы для крупномасштабных обратных моделей атмосферы.нг, Geosci. Модель Дев.,15, 5547–5565, https://doi.org/10.5194/gmd-15-5547-2022, 2022.
Купер Дж., Дубей Л. и Хоукс А.: Обнаружение и количественная оценка метана в нефтегазовом секторе: роль спутников в обнаружении выбросов, сверка и отчетность, охрана окружающей среды Рон. наук. Атмосфера., 2, 9–23, https://doi.org/10.1039/D1EA00046B, 2022.
Касворт, Д.Х., Джейкоб, Д.Д., Шэн, Дж.-Х., Бенмерги, Дж., Тернер, А.Дж., Брандман, Дж., Уайт, Л. и Рэндлс, Калифорния: Обнаружение источников метана с высоким уровнем выбросов в нефти /газовые месторождения с использованием спутниковых наблюдений Атмос. хим. Физ., 18, 16885–16896, https://doi.org/10.5194/acp-18-16885-2018, 2018.
Касворт, Д.Х., Джейкоб, Диджей, Варон, Диджей, Чен Миллер, К., Лю, К., Ченс, К., Торп, А.К., Дюрен, Р.М., Миллер, К.Э., Томпсон, Д.Р., Франкенберг, К., Гуантер Л. и Рэндлс, Калифорния: Потенциал визуализирующих спектрометров следующего поколения для обнаружения и количественной оценки точечных источников метана изпространства, At-мОперационные системы. Измер. Технология., 12, 5655–5668, https://doi.org/10.5194/amt-12-5655-2019, 2019.
Касворт Д.Х., Дюрен Р.М., Ядав В., Торп А.К., Верхюльст К., Сандер С., Хопкинс Ф., Райк Т. и Миллер CE: Синтез наблюдений метана в разных масштабах : Стратегии развертывания многоуровневой сети наблюдений.орк, Геофиз. Рез. Летт.,47, e2020GL087869, https://doi.org/10.1029/2020GL087869, 2020.
Касворт, Д.Х., Дюрен, Р., Торп, А.К., Панди, С., Абен, И., Джервис, Д., Варон, Д., Джейкоб, Д.Д., Рэндлс, К.А., Гаутам, Р., Омара, М., Шаде Г., Деннисон П.Е., Франкенберг К., Гордон Д., Лопинто Э. и Миллер К.Э.: Многоспутниковое изображение выброса газовой скважины дает новое представление о мониторинге метана, Геофиз. Рез. Летт.,48, e2020GL090864, https://doi.org/10.1029/2020GL090864, 2021a.
Касворт, Д.Х., Дюрен, Р.М., Торп, А.К., Олсон-Дюваль, В., Хеклер, Дж., Чепмен, Дж.В., Иствуд, М.Л., Хелм-Лингер, МК, Грин, Р.О., Аснер, ГП, Деннисон, П.Е., и Миллер, CE: Непостоянство крупных источников метана в пермском бассейне., Окружающая среда. наук. Технол.Lett., 8, 567–573, https://doi.org/10.1021/acs.estlett.1c00173, 2021b.
Касворт, Д.Х., Блум, А.А., Ма, С., Миллер, К.Э., Боуман, К., Инь, Ю., Маасаккерс, Дж.Д., Чжан, Ю., Скарпелли, Т.Р., Цюй, З., Джейкоб, Д.Д. и Уорден, Дж.Р.: Байесовский подход для расчета выбросов метана по секторам на основе нисходящего потока.с, Нат. Коммун. Земля Анвирон., 2, 242, https://doi.org/10.1038/s43247-021-00312-6, 2021c.
Касворт Д.Х., Дюрен Р., Аясс А., Торп А., Аснер Г. и Грин Р.: Шлейфы метана из воздуха опросы 2020–2021 (1,0), ЗЭнодо [данные набор], https://doi.org/10.5281/zenodo.5606120, 2021г.
Касворт, Д.Х., Торп, А.К., Аясс, А.К., Степп, Д., Хеклер, Дж., Аснер, Г.П., Миллер, К.Э., Чепмен, Дж.В., Иствуд, М.Л., Грин, Р.О., Хмиэль, Б., Лион, Д. ., и Дюрен, Р.М.: Мощные точечные источники метана составляют непропорциональную долю общих выбросов.по нескольким базамns в США, Earth ArXiv, https://doi.org/10.31223/X53P88, 2022 г.
Дэн, З., Сиас, П., Цомпа-Соса, З.А., Сонуа, М., Цю, К., Тан, К., Сунь, Т., Ке, П., Цуй, Ю., Танака, К. , Лин, X., Томпсон, Р.Л., Тиан, Х., Яо, Ю., Хуан, Ю., Лауэрвальд, Р., Джайн, А.К., Сюй, X., Бастос, А., Ситч, С., Палмер , П.И., Лово, Т., д'Аспремон, А., Жирон, К., Бенуа, А., Поултер, Б., Чанг, Дж., Петреску, АМР, Дэвис, С.Дж., Лю, З., Грасси, Г., Альбергель К., Тубьелло Ф.Н., Перуджини Л., Петерс В. и Шевалье Ф.: Сравнение национальных бюджетов парниковых газов, представленных в кадастрах РКИК ООН, с атмосферными выбросами, Earth Syst. наук. Дата, 14, 1639–1675, https://doi.org/10.5194/essd-14-1639-2022, 2022.
Дюрен, Р.М., Торп, А.К., Фостер, К.Т., Рафик, Т., Хопкинс, Ф.М., Ядав, В., Бью, Б.Д., Томпсон, Д.Р., Конли, С., Коломби, Н.К., Франкенберг, К., МакКаббин, И.Б., Иствуд, М.Л., Фальк, М., Хернер, Дж.Д., Крус, Б.Е., Грин, Р.О. и Миллер, CE: Калифорния суперэмиттеры метана, Натуre, 575, 180–184, https://doi.org/10.1038/s41586-019-1720-3, 2019.
Дюрен, Р.М.: Carbon Mapper: прогнозы производительности на орбите и воздушное прототипирование, Американский геофизический союз. Встреча, Новый Орлеан, 13–17 декабря 2021 г., A53F-05, httPS: //agu.confex.com/agu/fm21/meetingapp.cgi/Paper/985888 (последний доступ: 23 июля 2022 г.), 2021 г.
Эрет, Т., Буске, П., Пьеранджело, К., Альперс М., Милле, Б., Абшир, Ж.Б., Бовенсманн, Х., Берроуз, Ж.П., Шевалье, Ф., Сиа, П., Кревуазье , К., Фикс, А., Фламант, П., Франкенберг, К., Гиберт, Ф., Хайм, Б., Хейманн, М., Хаувелинг, С., Хуббертен, Х.В., Йёкель, П., Лоу, К., Лёв А., Маршалл Дж., Агусти-Панареда А., Паян С., Приджент К., Райру П., Сакс Т., Шольце М. и Вирт М. : МЕРЛИН: Франко-немецкая космическая миссия с использованием лидара, посвященнаяо атмосферному метану, Remote Sens., 9, 1052, https://doi.org/10.3390/rs9101052, 2017.
Эре Т., Де Тручис А., Маццолини М., Морель Ж.-М., д'Аспремон А., Лово Т. и Фаччоло Г.: Глобальное отслеживание и количественная оценка нефти и утечки газового метана из-за повторяющихся событий Sentinel-2 , arXiv, 2110.11832v1, Physics.ao-ph, https://doi.org/10.48550/arXiv.2110.11832, 2022 г.
Европейское Космосмическое Агентство: Сентинел-5, ЕКА СП-1336,яSBN978-92-9221-434-0, https://esamultimedia.esa.int/docs/EarthObservation/SP_1336_Sentinel-5_web.pdf (последний доступ: 23 июля 2022 г.), 2020 г.
Европейское космическое агентство: Copernicus Sentinel-2 (обработано ЕКА), MSI Level-1C TOA Reflectance Product, Cколлекция 0,Европейское Агентство темпов [набор данных], https://doi.org/10.5270/S2_-d8we2fl, 2021 г.
Фэн, Л., Палмер, П.И., Бош, Х., Паркер, Р.Дж., Уэбб, Эй.Дж., Коррея, К.С.С., Дойчер, Н.М., Домингес, Л.Г., Файст, Д.Г., Гатти, Л.В., Глур, Э., Хейс , Ф., Киви Р., Лю Ю., Миллер Дж. Б., Морино И., Сассманн Р., Стронг К., Учино О., Ван Дж. и Зан А.: Последовательно региональные потоки CH4и CO2выведено из прокси-сервера GOSAT XCH4:XCO2поиски, 2010–2014 гг., At-Операционные системы. хим. Фис., 17, 4781–4797, https://doi.org/10.5194/acp-17-4781-2017, 2017.
Фут, доктор медицинских наук, Деннисон, П.Е., Торп, А.К., Томпсон, Д.Р., Джонгарамрунгруанг, С., Франкенберг, К. и Джоши, С.С.: Быстрое и точное определение концентрации метана по данным спектрометра визуализации с использованием априорной разреженности, IEEE трответ Геосци. Дистанционный датчик,58, 6480–6492, https://doi.org/10.1109/TGRS.2020.2976888, 2020.
Фокс Т.А., Гао М., Барчин Т.Э., Джамин Ю.Л. и Хугенхольц Ч.Х.: Агентная модель для оценки эквивалентности сокращения выбросов среди специалистов по обнаружению утечек и ремонту. J. Cleaner Production,282, 125237, https://doi.org/10.1016/j.jclepro.2020.125237, 2021.
Франкенберг К., Платт У. и Вагнер Т.: Итеративный максимум апостериорного (IMAP)-DOAS для извлечения сильно поглощающих газовых примесей: модельные исследования для CH4и CO2восстановление из ближних инфракрасных спектров SCIAMACHY,Атмос.хим. Phys., 5, 9–22, https://doi.org/10.5194/acp-5-9-2005, 2005.
Франкенберг, К., Торп, А.К., Томпсон, Д.Р., Халли, Г., Корт, Э.А., Вэнс, Н., Борхардт, Дж., Крингс, Т., Гериловски, К., Суини, К., Конли , С., Бью, Б.Д., Обри, А.Д., Хук, С., Грин, Р.О.: Дистанционные измерения метана с воздуха показывают распределение потока тяжелого хвоста в регионе Четырех углов, П.Натл. акад. наук. США,113, 9734–9739, https://doi.org/10.1073/pnas.1605617113, 2016.
Ганесан А.Л., Швитцке С., Поултер Б., Арнольд Т., Лан Х., Ригби М., Фогель Ф.Р., ван дер Верф Г.Р., Янссенс-Маенхаут Г., Боеш, Х., Панди С., Мэннинг А.Дж., Джексон Р.Б., Нисбет Э.Г. и Мэннинг М.Р.: Продвижение научного понимания глобального баланса метана в поддержку Парижского соглашения, Глобальная Биогеохимия. Сай., 33, 1475–1512, https://doi.org/10.1029/2018GB006065, 2019.
Готье, Ж.-Ф.: Важность соответствия потребностей возможностям спутниковых систем при мониторинге выбросов метана из космоса, Международный симпозиум IEEE по геонаукам и дистанционному зондированию. СИУМ (IGARSS), Брюссель, 11–16 июля2021, https://doi.org/10.1109/IGARSS47720.2021.9555123, 2021.
ГЕО, Климат ТРЕЙС, РГИЦ: парниковые газы Мониторинг из космоса: картографирование возможностей через государственные, частные и гибридные спутниковые миссии, https://wgicouncil.org/publication/reports/industry-reports/
(последний доступ: 23 июля 2022 г.), 2021 г.
Грейвен Х., Хокинг Т. и Заззери Г.: Обнаружение ископаемого и биогенного метана в региональных масштабах с использованием атмосферных радиоуглерода, 7, 283–299, https://doi.org/10.1029/2018EF001064, 2019.
Гуантер, Л. Иракулис-Лойксате, И., Горроньо, Дж., Санчес-Гарсиа, Э., Касворт, Д.Х., Варон, Дж., Коглиати, С. и Коломбо, Р.: Картирование точечных выбросов метана с помощью космического корабля PRISMA, дистанционный датчик Enviрон., 265, 112671, https://doi.org/10.1016/j.rse.2021.112671, 2021.
Хайни К.Д., Салмон О.Е., Рудек Дж., Лайон Д.Р., Стафф А.А., Стирм Б.Х., Кэзер Р., Флерчингер Ч.Р., Конли С., Смит М.Л. и Шепсон П.Б.: Наблюдения за выбросами метана от электростанций, работающих на природном газе, Окружающая среда. наук. Текhnol., 15, 8976–8984, https://doi.org/10.1021/acs.est.9b01875, 2019.
Хилд, CL, Джейкоб, DJ, Джонс, DBA, Палмер, PI, Логан, JA, Стритс, DG, Саксе, GW, Гилле, JC, Хоффман, RN,и Нехкорн Т.: Сравнительный обратный анализ спутниковых (MO-PITT) и авиационных (TRACE-P) наблюдений для оценки азиатских источников углеводов., Дж. Геофис. Рез., 109, D23306, https://doi.org/10.1029/2004JD005185, 2004.
Хилл Т. и Нассар Р.: Требования к размеру пикселей и частоте повторных посещений для мониторинга CO на электростанции, выбросы из космоса, Remote Sens., 11, 1608, https://doi.org/10.3390/rs11131608, 2019.
Халли, Г.К., Дюрен, Р.М., Хопкинс, Ф.М., Хук, С.Дж., Вэнс, Н., Гиллевич, П., Джонсон, В.Р., Энг, Б.Т., Михай, Дж.М., Йо-ванович, В.М., Хазанофф, С.Л., Станишевски, З.К., Куай, Л., Уорден, Дж., Франкенберг, К., Ривера, Г., Обри, А.Д., Миллер, К.Э., Малакар, Н.К., Санчес Томас, Дж.М., и Холмс, К.Т.: Получение изображений метана с высоким пространственным разрешением и другие следовые газы с помощью бортового гиперспектрального термоэмиссионного спектрометра (ХайТЭС), Атмос. Измер. Тегл., 9, 2393–2408, https://doi.org/10.5194/amt-9-2393-2016, 2016.
МГЭИК: Доработка Руководящих принципов МГЭИК по национальным инвентаризациям парниковых газов 2019 г., под редакцией: Кальво Буэндиа, Э., Тан-абе, К., Краньц, А., Джамсранджав, Б., Фукуда, М., Нгаризе, С. , Ос-ако А., ПирозХенко Ю., Шерманау П. и Федеричи С., МГЭИК,СВитцерланд, https://www..ipcc.ch/report/2019-refinement-to-the-2006-ipcc-guidelines (последний доступ: 23 июля 2022 г.), 2019 г.
Иракулис-Лойксате, И., Гуантер, Л., Лю, Ю.-Н., Варон, Д.Д., Маасаккерс, Дж.Д., Чжан, Ю., Торп, А.К., Дюрен, Р.М., Франкенберг, К., Лайон, Д. , Хмиэль, Б., Касворт, Д.Х., Чжан, Ю., Сегл, К., Горрон, Дж., Санчес-Гарсиа, Э., Суль-прицио, М.П., Цао, К., Чжу, Х., Лян, Дж., Ли К., Абен И. и Джейкоб Д.Д.: Спутниковое исследование экстремальных выбросов метана в Пермском бассейне , Науч.я. Адв., 7, eabf4507, https://doi.org/10.1126/sciadv.abf4507, 2021.
Иракулис-Лойксате И., Гуантер Л., Маасаккерс Д.Д., Завала-Арайза Д. и Абен И.: Спутники обнаруживают поддающиеся сокращению сверхвыбросы в одном из крупнейших в мире регионов с горячими точками метана., Окружающая среда. наук. Технол. 56, 4, 2143–2152, https://doi.org/10.1021/acs.est.1c04873, 2022a.
Иракулис-Лойксате И., Горроно Дж., Завала-Арайза Д. и Гуантер Л.: Спутники обнаруживают сверхвыбросы метана с морской платформы в Мексиканском заливе, Энвайрон. наук. Технол.Lett., 9, 522-525, https://doi.org/10.1021/acs.estlett.2c00225, 2022b.
Джейкоб Д.Дж., Тернер А.Дж., Маасаккерс Дж.Д., Шэн Дж., Сунь К., Лю Х., Чанс К., Абен И., Маккивер Дж. и Франкенберг К.: Спутниковые наблюдения за атмосферным метаном и их значение для количественной оценки выбросов метанации, Атмос. хим.пГис., 16, 14371–14396, https://doi.org/10.5194/acp-16-14371-2016, 2016.
Джанарданан Р., Максютов С., Цурута А., Ван Ф., Тивари Ю.К., Валсала В., Ито А., Ёсида Ю., Кайзер Дж.В., Янссенс-Менхаут Г., Аршинов М., Сасакава М., Тодзима Ю., Уор-ти, ДЭЙ, Длугокенски, Э.Дж., Рамонет, М., Ардуини, Дж., Лаврик, Ю.В., Пьячентино, С., Круммель, П.Б., Лангенфельдс, Р.Л., Маммарелла И. и Мацунага Т.: Анализ выбросов метана в масштабе страны с помощью обратной модели с высоким разрешением с использованием GOSAT и наземных наблюдений, Remote Sens., 12, 375, https://doi.org/10.3390/rs12030375, 2020.
Джервис Д., Маккивер Дж., Дурак БОА, Слоан Дж.Дж., Гейнс Д., Варон Д.Д., Рамиер А., Струплер М. и Таррант Э.: Технология визуализации GHGSat-D хронометр, атмос. Измер. Текч., 14, 21:27–21:40, https://doi.org/10.5194/amt-14-2127-2021, 2021.
Джонсон Д. и Хельцель Р.: О долгосрочных временных изменениях выбросов метана из нетрадиционных природных источников газ.а также сайт АСУ Омега,6, 14200–14207, https://doi.org/10.1021/acsomega.1c00874, 2021.
Джонгарамрунгруанг С., Франкенберг К., Матеу Г., Торп А.К., Томпсон Д.Р., Куай Л. и Дюрен Р.М.: На пути к точному количественному определению точечных источников метана на основе двумерного шлейфа высокого разрешенияизображения, Атмос. Измер. Технология., 12, 6667–6681, https://doi.org/10.5194/amt-12-6667-2019, 2019.
Джонгарамрунгруанг С., Матеу Г., Торп А.К., Зенг З.-К. и Франкенберг К.: Дистанционное зондирование шлейфов метана: инструментальный компромиссный анализ для обнаружения и количественной оценки местных источников на планете, Атмос. Измер. Технология., 14, 7999–8017, https://doi.org/10.5194/amt-14-7999-2021, 2021.
Джонгарамрунгруанг, С., Матеу, Г., Торп, А.К., Зенг, З.-К. и Франкенберг, К.: MethaNet – основанный на искусственном интеллекте подход к количественной оценке выбросов метана из точечных источников из двумерного шлейфа высокого разрешения. яВозраст, Remote Sens. Enviрон., 269, 112809, https://doi.org/10.1016/j.rse.2021.112809, 2022.
Карион, А., Суини, К., Корт, Э.А., Шепсон, П.Б., Брюэр, А., Камбализа, М., Конли, С.А., Дэвис, К., Денг, А., Хардести, М., Херндон, Южная Каролина , Лово Т., Лавуа Т., Лион Д., Ньюбергер Т., Петрон Г., Релла К., Смит М., Уолтер С., Якович Т.И. и Танс П. : Авиационная оценка общих выбросов метана из сланца Барнетт.Регион, Окружающая среда. наук. Технология№, 49, 8124–8131, https://doi.org/10.1021/acs.est.5b00217, 2015.
Кемп К.Э., Равикумар А.П. и Брандт А.Р.: Сравнение технологий обнаружения утечек природного газа с использованием «виртуального газового месторождения» с открытым исходным кодом., Энвайрон. наук. Текhnol., 50, 4546–4553, https://doi.org/10.1021/acs.est.5b06068, 2016.
Кимле К., Эрет Г., Амедик А., Фикс А., Катревале М. и Вирт М.: Потенциал космических лидарных измерений выбросов углекислого газа и метаном, Remote Sens., 9, 1137, https://doi.org/10.3390/rs9111137, 2017. Ку, Дж.-Х., Уокер, К.А., Джонс, А., Шиз, П.Е., Бун, К.Д., Бернат , PF и Manney, GL: Глобальная климатология на основе набора данных ACE-FTS версии 3.5: Добавление мезосферных уровней и углеродсодержащих видов в UTLS, Дж. Квант. Спектроск.Ра., 186, 52–62, https://doi.org/10.1016/j.jqsrt.2016.07.003,
2017.
Крингс Т., Гериловски К., Бухвиц М., Рейтер М., Третнер А., Эрцингер Дж., Хайнце Д., Пфлюгер У., Берроуз Дж. П. и Бовенсманн Х. .: MAMAP – новая спектрометрическая система для усредненных по колонке наблюдений метана и углекислого газа с самолетов: алгоритм восстановления и первые инверсии для точечных источников выбросов , атмос. Измер. Тэх., 4, 1735–1758, https://doi.org/10.5194/amt-4-1735-2011, 2011.
Лан, X., Басу, С., Швицке, С., Брювилер, ЛМП, Длу-гокенски, Э.Дж., Мишель, С.Э. и др.: Улучшение ограничений на глобальные выбросы и поглотители метана с использованием 13C-CH4, Глоб. Биогеохим. Сай., 35, e2021GB007000, https://doi.org/10.1029/2021GB007000, 2021 г.
Лово Т., Жирон К., Маццолини М., д'Аспремон А., Дюрен Р., Касворт Д., Шинделл Д. и Сиа П.: Глобальная оценка нефти и газа ультраэмитент метана, Science, 375, 557–561, https://doi.org/10.31223/X5NS54, 2022.
Лоренте, А., Борсдорф, Т., Бутц, А., Хазекамп, О., ан де Бруг, Дж., Шнайдер, А., Ву, Л., Хазе, Ф., Киви, Р., Вунч, Д. ., Поллард Д.Ф., Шиоми К., Дойчер Н.М., Веласко В.А., Рёль К.
М., Веннберг П.О., Варнеке Т. и Ландграф Дж.: Метан, полученный из TROPOMI: улучшение продукта данных и проверка результатов измерений за первые 2 года., Атмос. Измер. Тэх., 14, 665–684, https://doi.org/10.5194/amt-14-665-2021, 2021а.
Лоренте А., Борсдорф Т., ан де Бруг Дж., Ландграф Дж. и Хазекамп О.: SRON S5P – RemoTeC научный TROP Набор данных OMI XCH4, Zenodo [набор данных], https://doi.org/10.5281/zenodo.4447228, 2021b.
Лу, К., Джейкоб, Д.Д., Чжан, Ю., Маасаккерс, Дж.Д., Сульприцио, М.П., Шен, Л., Цюй, З., Скарпелли, Т.Р., Нессер, Х., Янтоска, Р.М., Шэн, Дж., Эндрюс А., Паркер Р.Дж., Боеш Х., Блум А.А. и Ма С.: Глобальный бюджет и тенденции метана, 2010–2017 гг.: взаимодополняемость обратного анализа с использованием in situ (GLOBALVIEW-plus CH4ObsPack) и спутниковые (GOSAT) наблюдения. At-мОперационные системы. хим. Фис., 21, 4637–4657, https://doi.org/10.5194/acp-21-4637-2021, 2021.
Лу, X., Джейкоб, DJ, Ван, Х., Маасаккерс, Дж.Д., Чжан, Ю., Скарпелли, Т.Р., Шен, Л., Цюй, З., Сульприцио, М.П., Нессер, Х., Блум, А.А., Ма, С., Уорден, Дж. Р., Фан, С., Паркер, Р. Дж., Бош, Х., Гаутам, Р., Гордон, Д., Моран, М.Д., Рейланд, Ф., Вилласана, КАО, и Эндрюс, А. .: Выбросы метана в США, Канаде и Мексике: оценка национальных кадастров выбросов метана и отраслевых тенденций в 2010–2017 гг. посредством обратного анализа in situ (GLOBALVIEWplus CH4Ob-sPack) и спутниковые (GOSAT) атмосферные наблюдения, Атмос.Сподол. пhys., 22, 395–418, https://doi.org/10.5194/acp-22-395-2022, 2022.
Лион, Д.Р., Завала-Араиса, Д., Альварес, Р.А., Харрис, Р., Паласиос, В., Лан, К., Талбот, Р., Лавуа, Т., Шепсон, П., Якович , Ти, Херндон, С.С., Марчезе, А.Дж., Циммерле, Д., Робинсон, А.Л. и Гамбург, С.П.: Построение инвентаризации выбросов метана с пространственным разрешением для сланцевого региона Барнетт.дальше, Энвайрон. наук. Тechnol., 49, 8147–8157, https://doi.org/10.1021/es506359c, 2015.
Лион, Д.Р., Альварес, Р.А., Завала-Араиса, Д., Брандт, А.Р., Джексон, Р.Б. и Гамбург, С.П.: Аэрофотосъемка повышенных выбросов углеводородов с объектов добычи нефти и газа.с, Окружающая среда. наук. Технол., 50, 4877–4886, https://doi.org/10.1021/acs.est.6b00705, 2016.
Лайон, Д.Р., Хмиэль, Б., Гаутам, Р., Омара, М., Робертс, К.А., Баркли, З.Р., Дэвис, К.Дж., Майлз, Н.Л., Монтейро, В.К., Ричардсон, С.Дж., Конли, С., Смит, МЛ, Джейкоб, DJ, Шен, Л., Варон, DJ, Денг, А., Руделис, X., Шарма, Н., Стори, К.Т., Брандт, А.Р., Канг, М., Корт, Э.А., Марчезе, А.Дж. и Гамбург, СП: Одновременные изменения выбросов метана в нефти и газе и цен на нефть во время пандемии COVID-19.демик, Ат-мОперационные системы. хим. Фис., 21, 6605–6626, https://doi.org/10.5194/acp-21-6605-2021, 2021.
Маасаккерс, Дж.Д., Джейкоб, Д.Дж., Сульприцио, М.П., Тернер, А.Дж., Вайц, М., Вирт, Т., Хайт, К., ДеФигейредо, М., Десаи, М., Шмельц, Р., Хокстад, Л. , Блум А.А., Боуман К.В., Чон С. и Фишер М.Л. Национальный реестр выбросов метана в США, основанный на координатной сетке, Environ. наук. Технол., 50, 13123–13133, https://doi.org/10.1021/acs.est.6b02878, 2016.
Маасаккерс, Дж.Д., Джейкоб, Д.Дж., Сульприцио, М.П., Скарпелли, Т.Р., Нессер, Х., Шэн, Дж.-Х., Чжан, Ю., Хершер, М., Блум, А.А., Боуман, К.В., Уорден, Дж.Р. , Янссенс-Менхаут Г. и Паркер Р.Дж.: Глобальное распределение выбросов метана, а также концентрации и тенденции OH, полученные на основе инверсии спутниковых данных GOSAT за 2010 год.–2015, Атмос.Сподол. физ.,19, 7859–7881, https://doi.org/10.5194/acp-19-7859-2019, 2019.
Маасаккерс, Дж.Д., Джейкоб, Д.Дж., Сульприцио, М.П., Скарпелли, Т.Р., Нессер, Х., Шэн, Дж., Чжан, Ю., Лу, X., Блум, А.А., Боуман, К.В., Уорден, Дж.Р. и Паркер , RJ: Выбросы метана в Северной Америке за 2010–2015 гг., отраслевые вклады и тенденции: инверсия с высоким разрешением данных наблюдений GOSAT .тан, Атмос. хим. Физика., 21, 4339–4356, https://doi.org/10.5194/acp-21-4339-2021, 2021.
Маасаккерс Д.Д., Омара М., Гаутам Р., Лоренте А., Панди С., Той П., Борсдорф Т., Хаувелинг С. и Абен И.: Реконструкция и количественная оценка выбросов метана в течение всей продолжительности 38-дневного выброса газовой скважины с использованием космических наблюдений 270, 112755, https://doi.org/10.1016/j.rse.2021.112755, 2022а.
Маасаккерс, Дж.Д., Варон, Д.Дж., Эльфарсдоттир, А., Маккивер, Дж.Д., Джервис, Д., Махапатра, Г., Панди, С., Лоренте, А., Борсдорф, Т., Фуортуис, Л.Р., Шуит, Б.Дж., Тол П., ван Кем-Пен Т.А., ван Хис Р. и Абен И.: Использование спутников для обнаружения крупных метеоритов, arXiv [препринт], https://doi.org/10.31223/X5N33G, 2022b.
Маклин, Ж.-П.: Обнаружение и количественная оценка выбросов метана с помощью спутниковой группировки GHGSat высокого разрешения, Американский геофизический союз.Осенняя встреча, Новый Орлеан, 13–17 декабря.2021, А54Ф-01, хттPS://agu.confex.com/agu/fm21/meetingapp. cgi/Paper/946992 (последний доступ: 23 июля 2022 г.), 2021 г.
Миллер С.М. и Михалак А.М.: Ограничение выбросов CO в конкретных отраслях и СН4 выбросы в США, Атмос. хим. Фис., 17, 3963–3985, https://doi.org/10.5194/acp-17-3963-2017, 2017.
Миллер С.М., Михалак А.М., Детмерс Р.Г., Хасекамп О.П., Брювилер Л.МП. и Швицке С.: Правила по шахтному метану в Китае не имеют ограничений- растущие выбросы, Nat.Соммун., 10, 303, https://doi.org/10.1038/s41467-018-07891-7, 865, 2019.
Миллер С.М., Сайбаба А.К., Трюдо М.Э., Маунтин М.Э. и Эндрюс А.Е.: Геостатистическое обратное моделирование с очень большими наборами данных: пример из Орбитальной углеродной обсерватории 2 (OCO-2) спутник Geosci. Модель разработчика., 13, 1771–1785, https://doi.org/10.5194/gmd-13-1771-2020, 2020.
Мур, Б., Кроуэлл, С.М.Р., Рейнер, П.Дж., Кумер, Дж., О'Делл, К.В., О'Брайен, Д., Утембе, С., Полонский, И., Шимель, Д. и Лемен, Дж. .: Потенциал Геостационарной обсерватории углеродного цикла (GeoCarb) для обеспечения многомасштабных ограничений углеродного цикла в Америке, Фронт. Enвирон. Sci., 6, 109, https://doi.org/10.3389/fenvs.2018.00109, 2018.
Наик, В., Шопа, С., Адикари, Б., Артаксо, П., Бернтсен, Т., Коллинз, В.Д., Фацци, С., Галлардо, Л., Киндлер Шарр, А., Климонт, З., Ляо Х., Унгер Н. и Занис П.: Недолговечные климатические факторы, Изменение климата 2021: Физическая научная основа. Вклад Рабочей группы I в шестой оценочный доклад Межправительственной группы экспертов по изменению климата под редакцией: Массон-Дельмотт, В., Чжай, П., Пи-рани, А., Коннорс, С.Л., Пеан, К. , Бергер, С., Код, Н., Чен, Ю., Гольдфарб, Л., Гомис, М.Л., Хуанг, М., Лейтцелл, К., Лонной, Э., Мэтьюз, Дж.БР., Мэйкок, Т.К., Уотер- поле, Т., Елекчи,О., Ю Р. и Чжоу Б., Кембриджский университет.Версити Пресс, https://www.ipcc.ch/report/ar6/wg1/downloads/
report/IPCC_AR6_WGI_Chapter06.pdf (последний доступ: 23 июля 2022 г.), 2021 г.
Несме Н., Марион Р., Лезо О., Доз С., Ками-Пейре К. и Фуше П.-Ю. Совместное использование методов оценки фонового излучения в сцене и методов оптимальной оценки для количественной оценки выбросов метана с использованием данных гиперспектрального спутника PRISMA: применение к Корупежеской промышленной площадке, Remote Sens., 13, 4992, https://doi.org/10.3390/rs13244992, 2021.
Нессер Х., Джейкоб Д.Д., Маасаккерс Д.Д., Скарпелли Т.Р., Сул-прицио М.П., Чжан Ю. и Райкрофт Ч.: Упрощенное построение матриц Якоби для инверсии спутниковых наблюдений с высоким разрешением атмосферы, At-мОперационные системы. Измер. Технология., 14, 5521–5534, https://doi.org/10.5194/amt-14-5521-2021, 2021.
НИС: ГОСАТ-GWМиссия: предыстория, цели и миссияретребования,https://gosat-gw.global-atmos-chem-lab.jp/en/colaboration/ (последний доступ: 23 июля 2022 г.), 2021 г.
Нисбет, Э.Г., Фишер, Р.Э., Лоури, Д., Франс, Дж.Л., Аллен, Г., Баккалоглу, С., Бродерик, Т.Дж., Кейн, М., Коулман, М., Фернан-дез, Дж., Форстер, Г., Гриффитс, П.Т., Иверах, К.П., Келли, Б.Ф.Дж., Мэннинг, М.Р., Нисбет-Джонс, ПБР, Пайл, Дж.А., Таунсенд-Смолл, А., аль-Шалаан, А., Уорвик, Н. и Заззери , Г.: Смягчение выбросов метана: методы сокращения выбросов на пути к Парижскому сельскохозяйственному соглашению Эемент, преп. геофиз.,58, e2019RG000675, https://doi.org/10.1029/2019RG000675, 2020.
Ноэль С., Ройтер М., Бухвиц М., Борхардт Дж., Хилкер М., Шнайзинг О., Бовенсманн Х., Берроуз Дж. П., Ди Нойя А., Паркер Р. Дж., Суто , Х., Йошида, Ю., Бушманн, М., Дойчер, Н.М., Файст, Д.Г., Гриффит, Д.В.Т., Хейс, Ф., Киви, Р., Лю, К., Морино, И., Нотхолт, Дж. , О, Ю.-С., Охьяма, Х., Петри, К., Поллард, Д.Ф., Реттингер, М., Рёль, К., Русогенус, К., Ша, М.К., Шиоми, К., Стронг , К., Суссманн, Р., Те, Й., Веласко, В.А., Врекуссис, М. и Варнеке, Т.: Извлечение парниковых газов из GOSAT и GOSAT-2 с использованием алгоритма FOCAL. At-мОперационные системы. Измер. Технология., 15, 3401–3437, https://doi.org/10.5194/amt-15-3401-2022, 2022.
Омара М., Завала-Араиса Д., Лайон Д.Р., Хмиэль Б., Робертс К.А. и Гамбург С.П.: Выбросы метана из низкопроизводительной нефти в США иПлощадки скважин природного газа, Нац. Коммун., 13, 2085 г., https://doi.org/10.1038/s41467-022-29709-3, 2022 г.
Палмер П.И., Фенг Л., Лант М.Ф., Паркер Р.Дж., Бош Х., Лан Х., Лоренте А. и Борсдорф Т.: Дополнительная ценность спутниковых наблюдений за метаном для понимания современных тенденций, Фил. Пер. Р. Итакв. А, 379, 20210106, https://doi.org/10.1098/rsta.2021.0106, 2021.
Пандей С., Гаутам Р., Хаувелинг С., Денье ван дер Гон Х., Садаварте П., Борсдорф Т., Хазекамп О., Ландграф Дж., Тол П., ван Кемпен Т., Хугевен Р., Ван Хис Р., Гамбург С.П., Маасаккерс Дж.Д. и Абен И.: Спутниковые наблюдения выявили чрезвычайную утечку метана в результате выброса газовой скважины.П. Натл. акад. наук. США,116, 23676–23681, https://doi.org/10.1073/pnas.1908712116, 2019.
Паркер, Р.Дж., Уэбб, А., Боеш, Х., Сомкути, П., Баррио Гильо, Р., Ди Ноя, А., Калаитци, Н., Ананд, Дж.С., Бергамаски, П., Шевалье, Ф., Палмер, П.И., Фенг, Л., Дойчер, Н.М., Файст, Д.Г., Гриффит, Д.В.Т., Хейс, Ф., Киви, Р., Морино, И., Нотхолт, Дж., О, Ю.-С., Охьяма , Х., Петри, К., Поллард, Д.Ф., Рёл, К., Ша, М.К., Шиоми, К., Стронг, К., Суссманн, Р., Те, Ю., Веласко, В.А., Варнеке, Т., Веннберг П.О. и Вунч Д.: А.
десятилетие прокси-спутника GOSAT CH4 наблюдение, Earth Syst.Сци. Дата, 12, 3383–3412, https://doi.org/10.5194/essd-12-3383-2020, 2020.
Петрон Г., Миллер Б., Вон Б., Торли Э., Коффер Дж., Мильке-Мадей И., Шервуд О., Длугокенски Э., Холл Б., Швитцке , С., Конли, С., Пайшл, Дж., Ланг, П., Молья, Э., Кротуэлл, М., Кротуэлл, А., Суини, К., Ньюбергер, Т., Уолтер, С., Китзис Д., Бьянко Л., Кинг К., Коулман Т., Уайт А., Роудс М., Танс П. и Шнелл Р.: Исследование значительного увеличения количества метана в U.С. Бассейн Сан-Хуан, восточная частьлем. наук. Ант, 8, 038, https://doi.org/10.1525/elementa.038, 2020.
Плант Г., Корт Э.А., Мюррей Л.Т., Маасаккерс Дж.Д. и Абен И.: Оценка городских выбросов метана из космоса с использованием наблюдений за метаном и угарным газом TROPOMI.ns, Удаленный датчик окружающей средын., 268, 112756, https://doi.org/10.1016/j.rse.2021.112756, 2022.
Пратер М.Дж., Холмс К.Д. и Сюй Дж.: Сценарии реактивных выбросов парниковых газов: систематическое исследование неопределенностей и роли атмосферы, Geophys.Рез. Летт., 39, L09803, https://doi.org/10.1029/2012gl051440, 2012.
Цюй, З., Джейкоб, Д.Д., Шен, Л., Лу, К., Чжан, Ю., Скарпелли, Т.Р., Нессер, Х., Сульприцио, М.П., Маасаккерс, Дж.Д., Блум, А.А., Уорден, Дж.Р., Паркер , Р.Дж. и Дельгадо, А.Л.: Глобальное распределение выбросов метана: сравнительный обратный анализ наблюдений со спутников TROPOMI и GOSAT, Атмос. хим. Физ., 21, 14159–14175, https://doi.org/10.5194/acp-21-14159-2021, 2021.
Ририс Х., Нумата К., Ву С. и Фэйи М.: Проблемы измерения метана из космоса лидаром, CEAS SpaceДж., 11, 475–483, https://doi.org/10.1007/s12567-019-00274-8, 2019.
Роджерс, CD: Обратные методы зондирования атмосферы: теория и практика, World Scientific, River Edge, США, ISBN978-9810227401, 2000.
Роршнайдер, Р.Р., Вофси, С., Франклин, Дж.Э., Бенмерги, Дж., Сото, Дж. и Дэвис, С.Б. Миссия MthanSAT, Материалы 35-й ежегодной конференции по малым спутникам, виртуально, 7–12 августа 2021 г., SSC21-II- 05, 1–7, 2021.
Садаварте П., Пандей С., Маасаккерс Дж.Д., Лоренте А., Гон Х.Д., ван дер Хаувелинг С. и Абен И.: Выбросы метана из угольных шахт Австралии, производящих сверхвыбросы, дали нам количественную оценку. Спутниковое наблюдение ТРОПОМИ, Окружающая среда. наук. Технол., 55, 16573–16580, https://doi.org/10.1021/acs.est.1c03976, 2021.
Санчес-Гарсия Э., Горроньо Дж., Иракулис-Лойксате И., Варон Д.Д. и Гуантер Л.: Картирование шлейфов метана с очень высоким пространственным разрешением с помощью WorldView-3 спутника Атмос. Измер. Тех.,15, 1657–1674, https://doi.org/10.5194/amt-15-1657-2022, 2022.
Сонуа, М., Ставерт, А.Р., Поултер, Б., Буске, П., Канаделл, Дж.Г., Джексон, Р.Б., Рэймонд, П.А., Длугокенски, Э.Дж., Хаувелинг, С., Патра, ПК, Сиаис, П. , Арора, В.К., Баствикен, Д., Берга-маски, П., Блейк, Д.Р., Брэйлсфорд, Г., Брювилер, Л., Карлсон, К.М., Кэррол, М., Кастальди, С., Чандра, Н. ., Кревуазье, К., Крилл, П.М., Кови, К., Карри, К.Л., Этиопа, Г., Франкенберг, К., Гедни, Н., Хегглин, М.И., Хёглунд-Исакссон, Л., Хугелиус, Г. , Ишизава, М., Ито, А., Янссенс-Менхаут, Г., Йенсен, К.М., Йоос, Ф., Кляйнен, Т., Круммель, П.Б., Лангенфельдс, Р.Л., Ларуэль, Г.Г., Лю, Л., Мачида , Т., Максютов С., Макдон-Алд К.С., МакНортон Дж., Миллер П.А., Мелтон Дж.Р., Морино,
И., Мюллер Дж., Мургия-Флорес Ф., Найк В., Нива Ю., Носе С., О'Доэрти С., Паркер Р.Дж., Пэн К., Пэн С. , Питерс, Г.П., Приджент, К., Принн, Р., Рамоне, М., Ренье, П., Райли, В.Дж., Розентретер, Дж.А., Сегерс, А., Симпсон, И.Дж., Ши, Х., Смит, С.Дж. , Стил, Л.П., Торнтон, Б.Ф., Тиан, Х., Тодзима, Ю., Тубиелло, Ф.Н., Цурута, А., Виви, Н., Вулгаракис, А., Вебер, Т.С., ван Вил, М., ван дер Верф, Г.Р., Вайс, Р.Ф., Уорти, Д., Вунч, Д., Инь, Ю., Ёсида, Ю., Чжан, В., Чжан, З., Чжао, Ю., Чжэн, Б., Чжу, К., Чжу К. и Чжуан К.: Глобальный бюджет по метану, 2000 г.–2017, Система Земли. наук. Данные, 12, 1561–1623, https://doi.org/10.5194/essd-12-1561-2020, 2020.
Скарфутто, Р.Д.М., ван дер Верф, Х., Баккер, В.Х., ван дер Меер, Ф., и де Соуза Фильо, Ч.Р.: Оценка бортовых SWIR-спектрометров, отображающих CH4 картографирование: последствия позиционирования полос, спектральная выборка и шум, Int. Дж. Прил. Земляч Обс., 94, 102233, https://doi.org/10.1016/j.jag.2020.102233, 2021.
Скарпелли, Т.Р., Джейкоб, Д.Д., Маасаккерс, Д.Д., Сульприцио, член парламента,
Шэн Дж.-Х., Роуз К., Ромео Л., Уорден-младший и Янссенс-
Мэнхаут, Г.: Глобальная сетка (0:1 0:1) инвентаризация выбросов метана от добычи нефти, газа и угля на основе национальных отчетов Рамочной конвенции ООН по климату.Изменение, Система Земли. наук.Данные, 12, 563–575, https://doi.org/10.5194/essd-12-563-2020, 2020.
Шнайзинг О., Бухвиц М., Ройтер М., Бовенсманн Х., Берроуз Дж.П., Борсдорф Т., Дойчер Н.М., Файст Д.Г., Гриффит Д.В., Хейс Ф., Херманс, К., Ираси, Л.Т., Киви, Р., Ландграф, Дж., Морино, И., Нотхолт, Дж., Петри, К., Поллард, Д.Ф., Рош, С., Шиоми, К., Стронг, К., Суссманн Р., Веласко В.А., Варнеке Т. и Вунч Д.: Научный алгоритм для одновременного извлечения окиси углерода и метана из ТРОПОМИ на борту Sentinel-5 Pr.Экурсор, Атмос. Измер. Технология., 12, 6771–6802, https://doi.org/10.5194/amt-12-6771-2019, 2019.
Сейнфельд Дж. Х. и Пандис С.: Химия и физика атмосферы, 3-е изд., Wiley, ISBN9781118947401, 2016.
Шен Л., Завала-Араиса Д., Гаутам Р., Омара М., Скарпелли Т., Шэн Дж., Сульприцио М.П., Чжуан Дж., Чжан Ю., Лу Х. , Гамбург, С.П., и Джейкоб, Д.Д.: Выявление больших расхождений в выбросах метана в Мексике с помощью спутниковых наблюдений, Remote Sens. Enviрон., 260, 112461, https://doi.org/10.1016/j.rse.2021.112461, 2021.
Шен, Л., Гаутам, Р., Омара, М., Завала-Арайза, Д., Маасаккерс, Дж., Скарпелли, Т., Лоренте, А., Лион, Д., Шэн, Дж., Варон, Д. ., Нессер Х., Цюй З., Лу Х., Сульприцио М., Гамбург С. и Я-коб Д.: Спутниковая количественная оценка выбросов метана из нефти и природного газа в США и Канаде, включая взносы от индивидуальных базисов, Атмос. хим. Фис. Обсуждать. [препринт], https://doi.org/10.5194/acp-2022-155, на рассмотрении, 2022 г.
Шервин А.Д., Резерфорд Дж.С., Чен Ю., Корт Э.А., Джексон Р.Б. и Брандт А.Р.: Одинарная слепая проверка выбросов метана из точечных источников космического базирования обнаружение ионов, EarthArXiv, https://doi.org/10.31223/X5DH09, 2022 г.
Зирк Б., Бези Ж.-Л., Лешер А. и Мейер Ю.: Европейский CO2 Миссия по мониторингу: наблюдение за антропогенными выбросами парниковых газов из космоса, Международная конференция по космической оптике – ICSO 2018, PlАтаниас, Греция, 12 июля2019, Учеб. SPIE 11180, https://doi.org/10.1117/12.2535941, 2019.
Суто Х., Катаока Ф., Кикучи Н., Кнутесон Р.О., Бутц А., Хаун М., Буйс Х., Сиоми К., Имаи Х. и Кузе А.: Тепловой и ближний инфракрасный датчик для наблюдения за углеродом Преобразование Фурье
спектрометр-2 (TANSO-FTS-2) на спутнике наблюдения парниковых газов SATellite-2 (GOSAT-2) в первый год его существования на орбите, At-мОперационные системы. Измер. Технология., 14, 2013–2039, https://doi.org/10.5194/amt-14-2013-2021, 2021.
Томпсон Д.Р., Лейфер И., Бовенсманн Х., Иствуд М., Фладеланд М., Франкенберг К., Гериловски К., Грин Р.О., Кратвурст С., Крингс Т., Луна, Б. и Торп А.К.: Дистанционное обнаружение и измерение в режиме реального времени для спектроскопии изображений с воздуха: тематическое исследование метана, атмос. Измер. Тэх., 8, 4383–4397, https://doi.org/10.5194/amt-8-4383-2015, 2015.
Томпсон Д.Р., Торп А.К., Франкенберг К., Грин Р.О., Дюрен Р., Гуантер Л., Холлштейн А., Миддлтон Э., Онг Л. и Унгар С.: Space- спектроскопия дистанционного изображения на основе каньона Алисо CH4Суперемиттер, Геофиз. Рез.Lett., 43, 6571–6578, https://doi.org/10.1002/2016GL069079, 2016.
Торп А.К., Франкенберг К. и Робертс Д.А.: Методы восстановления аэрофотоснимков концентраций метана с использованием высокого пространственного и умеренного спектрального разрешения: применение к АВИРИС, Атмос. Измер.Tech., 7, 491–506, https://doi.org/10.5194/amt-7-491-2014, 2014.
Торп, А.К., Франкенберг, К., Томпсон, Д.Р., Дюрен, Р.М., Обри, А.Д., Бью, Б.Д., Грин, Р.О., Гериловски, К., Крингс, Т., Борхардт, Дж., Корт, Э.А., Суини, К., Конли С., Робертс Д.А. и Деннисон П.Е.: Измерение концентраций метана, углекислого газа и водяного пара с помощью аэродинамического метода DOAS с высоким пространственным разрешением: применение к AVIRИС-НГ, АТ-мОперационные системы. Измер. Технология., 10, 3833–3850, https://doi.org/10.5194/amt-10-3833-2017, 2017.
Ту, К., Хасе, Ф., Шнайдер, М., Гарсия, О., Блюменшток, Т., Борсдорф, Т., Фрей, М., Хосрави, Ф., Лоренте, А., Альберти, К. ., Бус-тос, Дж.Дж., Бутц, А., Карреньо, В., Куэвас, Э., Курколл, Р., Дик-манн, К.Дж., Дубравица, Д., Эртль, Б., Эструх, К., Леон -Луис С.Ф., Марреро К., Морги Х.-А., Рамос Р., Шарун К., Шнайдер К., Сепульведа Э., Толедано К. и Торрес К. : Количественная оценка выбросов CH4 от свалок отходов недалеко от города Мадрид с использованием наземных и космических наблюдений COC-CON, TROPO.МИ и ИАСИ, Атмос. хим.Phys., 22, 295–317, https://doi.org/10.5194/acp-22-295-2022, 2022.
Тернер, А.Дж., Джейкоб, Д.Дж., Вехт, К.Дж., Маасаккерс, Дж.Д., Лундгрен, Э., Эндрюс, А.Е., Биро, С.К., Бош, Х., Боуман, К.В., Дойчер, Н.М., Дубей, М.К., Гриффит, Д.Т., Хейс, Ф., Кузе, А., Нотхолт, Дж., Охьяма, Х., Паркер, Р., Пейн, В.Х., Сассманн, Р., Суини, К., Веласко, В.А., Варнеке, Т., Веннберг П.О. и Вунч Д.: Оценка глобальных и североамериканских выбросов метана с высоким пространственным разрешением с использованием спутника GOSAT Atmos. хим. Фис., 15, 7049–7069, https://doi.org/10.5194/acp-15-7049-2015, 2015.
Программа Организации Объединенных Наций по окружающей среде: Взгляд на метан: Международная обсерватория по выбросам метана, Найроби, ISBN978-92-807-3893-3, 2021 г.
Ван Дамм М., Кларисса Л., Уитберн М., Хаджи-Лазаро Дж., Хёрт-Манс Д., Клербо К. и Коэр П.-Ф.: Промышленный и сельскохозяйственный аммиак. Точечные источники раскрыты, Нэтure, 564, 99–103, https://doi.org/10.1038/s41586-018-0747-1, 2018.
Варон Д.Д., Джейкоб Д.Д., Маккивер Дж., Джервис Д., Дурак БОА, Ся Ю. и Хуанг Ю.: Количественная оценка точечных источников метана на основе мелкомасштабных спутниковых наблюдений шлейфов атмосферного метана , Атмос. Измер. Текч., 11, 5673–5686, https://doi.org/10.5194/amt-11-5673-2018, 2018.
Варон, Д.Д., Маккивер, Дж., Джервис, Д., Маасаккерс, Дж.Д., Панди, С., Хаувелинг, С., Абен, И., Скарпелли, Т.Р. и Джейкоб, Дж.: Спутниковое обнаружение аномально крупных точечных источников метана от нефтегазовой продукции, Геофиз. Рез. Летт., 46, 13507–13516, https://doi.org/10.1029/2019GL083798, 2019.
Варон Д.Д., Джейкоб Д.Д., Джервис Д. и Маккивер Дж.: Количественная оценка усредненных по времени выбросов метана из отдельных отверстий угольных шахт с помощью спутниковых наблюдений GHGSat-Dонс, Энвайрон. наук. Тех-№, 54, 10246–10253, https://doi.org/10.1021/acs.est.0c01213, 2020.
Варон Д.Д., Джервис Д., Маккивер Дж., Спенс И., Гейнс Д. и Джейкоб Д.Д.: Высокочастотный мониторинг точечных источников аномального метана с помощью мультиспектральных спутниковых наблюдений Sentinel-2, Атмос. Измер. Технология., 14, 2771–2785, https://doi.org/10.5194/amt-14-2771-2021, 2021.
Варон, DJ, Джейкоб, DJ, Сульприцио, М., Эстрада, Л., Даунс, В.Б., Шен, Л., Хэнкок, С.Э., Нессер, Х., Цюй, З., Пенн, Э., Чен, З. , Лу, К., Лоренте, А., Тевари, А., и Рэндлс, Калифорния: Комплексная инверсия метана (IMI 1.0): удобный облачный инструмент для определения выбросов метана с высоким разрешением со спутника TROPOMI., геонауки. Модель Дев. Обсуждать. [препринт], https://doi.org/10.5194/gmd-2022-45, на рассмотрении, 2022 г.
Вон, ТЛ, Белл. К.С., Пикеринг К.К. и Нуммедал Д.: Временная изменчивость в значительной степени объясняет разницу в оценках выбросов метана сверху вниз и снизу вверх в регионе добычи природного газа.П. Натл. акад. наук. США,115, 11712–11717, https://doi.org/10.1073/pnas.1805687115, 2018.
Ван, Ф., Максютов, С., Цурута, А., Джанарданан, Р., Ито, А., Сасакава, М., Мачида, Т., Морино, И., Ёсида, Ю., Кайзер, Дж.В., Янссенс -Менхаут Г., Длугокенски Э.Дж., Маммарелла И., Лаврик Дж.В. и Мацунага Т.: Оценки выбросов метана с помощью глобальной обратной модели высокого разрешения с использованием национальных запасов, Rсмайл Sens., 11, 2489, https://doi.org/10.3390/rs11212489, 2019.
Вехт К.Дж., Джейкоб Д.Д., Франкенберг К., Цзян З. и Блейк Д.Р.: Картирование выбросов метана в Северной Америке с высоким пространственным разрешением путем инверсии спутников SCIA-MACHY, J. Geophys. рes., 119, 7741–7756, https://doi.org/10.1002/2014JD021551, 2014.
Вестерн, Л.М., Рамсден, А.Е., Ганесан, А.Л., Бош, Х., Паркер, Р.Дж., Скарпелли, Т.Р., Танниклифф, Р.Л., и Ригби, М.: Оценки выбросов метана в Северной Африке с 2010 по 2017 год с использованием наблюдений GOSAT, Окружающая среда. наук. Технол.Lett., 8, 626–632, https://doi.org/10.1021/acs.estlett.1c00327, 2021.
Уайт, У.Х., Андерсон, Дж.А., Блюменталь, Д.Л., Хусар, Р.Б., Гиллани, Н.В., Хусар, Дж.Д., и Уилсон, В.Е.: Образование и перенос вторичных загрязнителей воздуха: озон и аэрозоли в городском шлейфе Сент-Луиса, Наука, 194, 187–189, 1976.
Уорден Дж., Вехт К., Франкенберг К., Альварадо М., Боуман К., Корт Э., Кулавик С., Ли М., Пейн В. и Уорден Х. : С.4 и распределение CO над тропическими пожарами в октябре 2006 г. по наблюдениям спутникового прибора Aura TES и моделированию GE.ОС-Хим, Атмос. хим. Phлет., 13, 3679–3692, https://doi.org/10.5194/acp-13-3679-2013, 2013.
Уорден Дж.Р., Тернер А.Дж., Блум А., Кулавик С.С., Лю Дж., Ли М., Вайднер Р., Боуман К., Франкенберг К., Паркер Р. и Пейн, ВХ: Количественная оценка концентраций метана в нижних тропосферах с использованием ближнего ИК-диапазона GOSAT и термального TES.
Атмос. Измер. Тегл., 8, 3433–3445, https://doi.org/10.5194/amt-8-3433-2015, 2015.
образование и неопределенности посредством байесовской интеграции данных GOSAT по общему количеству метана в колонке и априорному кадастру оценки, Атмос. хим. Фис., 22, 6811–6841, https://doi.org/10.5194/acp-22-6811-2022, 2022.
Вунч, Д., Тун, Г.К., Блавье, Ж.-ФЛ, Вашенфельдер, Р.А., Нотхолт, Дж., Коннор, Б.Дж., Гриффит, Д.В.Т., Шерлок, В. и Веннберг, П.О.: Сеть наблюдений за общим углеродом, Филос. ТР Соц. А, 369, 2087–2112, 2011.
13С вСН4, Науч. Общий. Окружающая, 696, 133856, https://doi.org/10.1016/j.scitotenv.2019.133856, 2019.
Инь, Ю., Шевалье, Ф., Сиа, П., Буске, П., Сонуа, М., Чжэн, Б., Уорден, Дж., Блум, А.А., Паркер, Р.Дж., Джейкоб, Д.Д., Длу-гокенски , Э.Дж. и Франкенберг, К.: Ускорение темпов роста метана с 2010 по 2017 год: ведущий вклад из тропиков и Востока. Азия, Атмос. хим. физ.,21, 12631–12647, https://doi.org/10.5194/acp-21-12631-2021, 2021.
Ю, К., Милле, Д.Б. и Хенце, Д.К.: Насколько хорошо обратный анализ спутниковых данных высокого разрешения позволяет выявить гетерогенные потоки метана? Эксперименты по моделированию системы наблюдения с помощью сопряженного модуля GEOS-Chem.del (v35), Geosci. Модель разработчика., 14, 7775–7793, https://doi.org/10.5194/gmd-14-7775-2021, 2021.
Юань, Б., Касер, Л., Карл, Т., Граус, М., Пайшль, Дж., Кампос, Т.Л., Шерц, С., Апель, Э.К., Хорнбрук, Р.С., Хиллз, А., Гилман, Дж.Б. Лернер Б.М., Варнеке К., Флок Ф.М., Райерсон Т.Б., Гюнтер А.Б. и де Гоу Дж.А.: Измерения воздушных потоков метана и летучих органических соединений над месторождениями сланцевого газа Хейнсвилл и Марцеллус. регионы индукции, Дж. Геофиз. Рез.-Атм.ос., 120, 6271–6289, https://doi.org/10.1002/2015JD023242, 2015.
Чжан Ю., Гаутам Р., Пандей С., Омара М., Маасаккерс Д.Д., Садаварте П., Лион Д., Нессер Х., Сульприцио М.П., Варон Д.Д., Чжан Р. ., Хаувелинг С., Завала-Араиса Д., Аль-Варес Р.А., Лоренте А., Гамбург С.П., Абен И. и Я-коб Дж.: Количественная оценка выбросов метана крупнейшими нефтедобывающими компаниями бассейнв США изкосмоса, Науч. Adv., 6, 17, https://doi.org/10.1126/sciadv.aaz5120, 2020.
Чжан, Ю., Джейкоб, Диджей, Лу, X., Маасаккерс, Дж.Д., Скарпелли, Т.Р., Шэн, Дж.-Х., Шен, Л., Цюй, З., Сульприцио, М.П., Чанг, Дж., Блум , А.А., Ма, С., Уорден, Дж., Паркер, Р.Дж. и Боеш, Х.: Атрибуция ускоряющегося увеличения содержания метана в атмосфере в 2010–2018 гг. с помощью обратного анализа данных наблюдения GOSAT At-мОперационные системы. хим. Фис., 21, 3643–3666, https://doi.org/10.5194/acp-21-3643-2021, 2021.
Циммерле Д., Дагган Г., Вон Т., Белл К., Лют К., Беннетт К., Кимура Ю., Кардосо-Салданья Ф.Дж. и Аллен Д.Т. Моделирование выбросов от сложных объектов с подробным временным и пространственным разрешением: инструмент оценки выбросов метана (ВСТРЕЧА), Науч. Общая окружающая среда,824, 153653, https://doi.org/10.1016/j.scitotenv.2022.153653, 2022.
Петрон Г., Миллер Б., Вон Б., Торли Э., Коффер Дж., Мильке-Мадей И., Шервуд О., Длугокенски Э., Холл Б., Швитцке , С., Конли, С., Пайшл, Дж., Ланг, П., Молья, Э., Кротуэлл, М., Кротуэлл, А., Суини, К., Ньюбергер, Т., Уолтер, С., Китзис Д., Бьянко Л., Кинг К., Коулман Т., Уайт А., Роудс М., Танс П. и Шнелл Р.: Исследование значительного увеличения количества метана в U.С. Бассейн Сан-Хуан, восточная частьлем. наук. Ант, 8, 038, https://doi.org/10.1525/elementa.038, 2020.
Плант Г., Корт Э.А., Мюррей Л.Т., Маасаккерс Дж.Д. и Абен И.: Оценка городских выбросов метана из космоса с использованием наблюдений за метаном и угарным газом TROPOMI.ns, Удаленный датчик окружающей средын., 268, 112756, https://doi.org/10.1016/j.rse.2021.112756, 2022.
Пратер М.Дж., Холмс К.Д. и Сюй Дж.: Сценарии реактивных выбросов парниковых газов: систематическое исследование неопределенностей и роли атмосферы, Geophys.Рез. Летт., 39, L09803, https://doi.org/10.1029/2012gl051440, 2012.
Цюй, З., Джейкоб, Д.Д., Шен, Л., Лу, К., Чжан, Ю., Скарпелли, Т.Р., Нессер, Х., Сульприцио, М.П., Маасаккерс, Дж.Д., Блум, А.А., Уорден, Дж.Р., Паркер , Р.Дж. и Дельгадо, А.Л.: Глобальное распределение выбросов метана: сравнительный обратный анализ наблюдений со спутников TROPOMI и GOSAT, Атмос. хим. Физ., 21, 14159–14175, https://doi.org/10.5194/acp-21-14159-2021, 2021.
Ририс Х., Нумата К., Ву С. и Фэйи М.: Проблемы измерения метана из космоса лидаром, CEAS SpaceДж., 11, 475–483, https://doi.org/10.1007/s12567-019-00274-8, 2019.
Роджерс, CD: Обратные методы зондирования атмосферы: теория и практика, World Scientific, River Edge, США, ISBN978-9810227401, 2000.
Роршнайдер, Р.Р., Вофси, С., Франклин, Дж.Э., Бенмерги, Дж., Сото, Дж. и Дэвис, С.Б. Миссия MthanSAT, Материалы 35-й ежегодной конференции по малым спутникам, виртуально, 7–12 августа 2021 г., SSC21-II- 05, 1–7, 2021.
Садаварте П., Пандей С., Маасаккерс Дж.Д., Лоренте А., Гон Х.Д., ван дер Хаувелинг С. и Абен И.: Выбросы метана из угольных шахт Австралии, производящих сверхвыбросы, дали нам количественную оценку. Спутниковое наблюдение ТРОПОМИ, Окружающая среда. наук. Технол., 55, 16573–16580, https://doi.org/10.1021/acs.est.1c03976, 2021.
Санчес-Гарсия Э., Горроньо Дж., Иракулис-Лойксате И., Варон Д.Д. и Гуантер Л.: Картирование шлейфов метана с очень высоким пространственным разрешением с помощью WorldView-3 спутника Атмос. Измер. Тех.,15, 1657–1674, https://doi.org/10.5194/amt-15-1657-2022, 2022.
Сонуа, М., Ставерт, А.Р., Поултер, Б., Буске, П., Канаделл, Дж.Г., Джексон, Р.Б., Рэймонд, П.А., Длугокенски, Э.Дж., Хаувелинг, С., Патра, ПК, Сиаис, П. , Арора, В.К., Баствикен, Д., Берга-маски, П., Блейк, Д.Р., Брэйлсфорд, Г., Брювилер, Л., Карлсон, К.М., Кэррол, М., Кастальди, С., Чандра, Н. ., Кревуазье, К., Крилл, П.М., Кови, К., Карри, К.Л., Этиопа, Г., Франкенберг, К., Гедни, Н., Хегглин, М.И., Хёглунд-Исакссон, Л., Хугелиус, Г. , Ишизава, М., Ито, А., Янссенс-Менхаут, Г., Йенсен, К.М., Йоос, Ф., Кляйнен, Т., Круммель, П.Б., Лангенфельдс, Р.Л., Ларуэль, Г.Г., Лю, Л., Мачида , Т., Максютов С., Макдон-Алд К.С., МакНортон Дж., Миллер П.А., Мелтон Дж.Р., Морино,
И., Мюллер Дж., Мургия-Флорес Ф., Найк В., Нива Ю., Носе С., О'Доэрти С., Паркер Р.Дж., Пэн К., Пэн С. , Питерс, Г.П., Приджент, К., Принн, Р., Рамоне, М., Ренье, П., Райли, В.Дж., Розентретер, Дж.А., Сегерс, А., Симпсон, И.Дж., Ши, Х., Смит, С.Дж. , Стил, Л.П., Торнтон, Б.Ф., Тиан, Х., Тодзима, Ю., Тубиелло, Ф.Н., Цурута, А., Виви, Н., Вулгаракис, А., Вебер, Т.С., ван Вил, М., ван дер Верф, Г.Р., Вайс, Р.Ф., Уорти, Д., Вунч, Д., Инь, Ю., Ёсида, Ю., Чжан, В., Чжан, З., Чжао, Ю., Чжэн, Б., Чжу, К., Чжу К. и Чжуан К.: Глобальный бюджет по метану, 2000 г.–2017, Система Земли. наук. Данные, 12, 1561–1623, https://doi.org/10.5194/essd-12-1561-2020, 2020.
Скарфутто, Р.Д.М., ван дер Верф, Х., Баккер, В.Х., ван дер Меер, Ф., и де Соуза Фильо, Ч.Р.: Оценка бортовых SWIR-спектрометров, отображающих CH4 картографирование: последствия позиционирования полос, спектральная выборка и шум, Int. Дж. Прил. Земляч Обс., 94, 102233, https://doi.org/10.1016/j.jag.2020.102233, 2021.
Скарпелли, Т.Р., Джейкоб, Д.Д., Маасаккерс, Д.Д., Сульприцио, член парламента,
Шэн Дж.-Х., Роуз К., Ромео Л., Уорден-младший и Янссенс-
Мэнхаут, Г.: Глобальная сетка (0:1 0:1) инвентаризация выбросов метана от добычи нефти, газа и угля на основе национальных отчетов Рамочной конвенции ООН по климату.Изменение, Система Земли. наук.Данные, 12, 563–575, https://doi.org/10.5194/essd-12-563-2020, 2020.
Шнайзинг О., Бухвиц М., Ройтер М., Бовенсманн Х., Берроуз Дж.П., Борсдорф Т., Дойчер Н.М., Файст Д.Г., Гриффит Д.В., Хейс Ф., Херманс, К., Ираси, Л.Т., Киви, Р., Ландграф, Дж., Морино, И., Нотхолт, Дж., Петри, К., Поллард, Д.Ф., Рош, С., Шиоми, К., Стронг, К., Суссманн Р., Веласко В.А., Варнеке Т. и Вунч Д.: Научный алгоритм для одновременного извлечения окиси углерода и метана из ТРОПОМИ на борту Sentinel-5 Pr.Экурсор, Атмос. Измер. Технология., 12, 6771–6802, https://doi.org/10.5194/amt-12-6771-2019, 2019.
Сейнфельд Дж. Х. и Пандис С.: Химия и физика атмосферы, 3-е изд., Wiley, ISBN9781118947401, 2016.
Шен Л., Завала-Араиса Д., Гаутам Р., Омара М., Скарпелли Т., Шэн Дж., Сульприцио М.П., Чжуан Дж., Чжан Ю., Лу Х. , Гамбург, С.П., и Джейкоб, Д.Д.: Выявление больших расхождений в выбросах метана в Мексике с помощью спутниковых наблюдений, Remote Sens. Enviрон., 260, 112461, https://doi.org/10.1016/j.rse.2021.112461, 2021.
Шен, Л., Гаутам, Р., Омара, М., Завала-Арайза, Д., Маасаккерс, Дж., Скарпелли, Т., Лоренте, А., Лион, Д., Шэн, Дж., Варон, Д. ., Нессер Х., Цюй З., Лу Х., Сульприцио М., Гамбург С. и Я-коб Д.: Спутниковая количественная оценка выбросов метана из нефти и природного газа в США и Канаде, включая взносы от индивидуальных базисов, Атмос. хим. Фис. Обсуждать. [препринт], https://doi.org/10.5194/acp-2022-155, на рассмотрении, 2022 г.
Шервин А.Д., Резерфорд Дж.С., Чен Ю., Корт Э.А., Джексон Р.Б. и Брандт А.Р.: Одинарная слепая проверка выбросов метана из точечных источников космического базирования обнаружение ионов, EarthArXiv, https://doi.org/10.31223/X5DH09, 2022 г.
Зирк Б., Бези Ж.-Л., Лешер А. и Мейер Ю.: Европейский CO2 Миссия по мониторингу: наблюдение за антропогенными выбросами парниковых газов из космоса, Международная конференция по космической оптике – ICSO 2018, PlАтаниас, Греция, 12 июля2019, Учеб. SPIE 11180, https://doi.org/10.1117/12.2535941, 2019.
Суто Х., Катаока Ф., Кикучи Н., Кнутесон Р.О., Бутц А., Хаун М., Буйс Х., Сиоми К., Имаи Х. и Кузе А.: Тепловой и ближний инфракрасный датчик для наблюдения за углеродом Преобразование Фурье
спектрометр-2 (TANSO-FTS-2) на спутнике наблюдения парниковых газов SATellite-2 (GOSAT-2) в первый год его существования на орбите, At-мОперационные системы. Измер. Технология., 14, 2013–2039, https://doi.org/10.5194/amt-14-2013-2021, 2021.
Томпсон Д.Р., Лейфер И., Бовенсманн Х., Иствуд М., Фладеланд М., Франкенберг К., Гериловски К., Грин Р.О., Кратвурст С., Крингс Т., Луна, Б. и Торп А.К.: Дистанционное обнаружение и измерение в режиме реального времени для спектроскопии изображений с воздуха: тематическое исследование метана, атмос. Измер. Тэх., 8, 4383–4397, https://doi.org/10.5194/amt-8-4383-2015, 2015.
Томпсон Д.Р., Торп А.К., Франкенберг К., Грин Р.О., Дюрен Р., Гуантер Л., Холлштейн А., Миддлтон Э., Онг Л. и Унгар С.: Space- спектроскопия дистанционного изображения на основе каньона Алисо CH4Суперемиттер, Геофиз. Рез.Lett., 43, 6571–6578, https://doi.org/10.1002/2016GL069079, 2016.
Торп А.К., Франкенберг К. и Робертс Д.А.: Методы восстановления аэрофотоснимков концентраций метана с использованием высокого пространственного и умеренного спектрального разрешения: применение к АВИРИС, Атмос. Измер.Tech., 7, 491–506, https://doi.org/10.5194/amt-7-491-2014, 2014.
Торп, А.К., Франкенберг, К., Томпсон, Д.Р., Дюрен, Р.М., Обри, А.Д., Бью, Б.Д., Грин, Р.О., Гериловски, К., Крингс, Т., Борхардт, Дж., Корт, Э.А., Суини, К., Конли С., Робертс Д.А. и Деннисон П.Е.: Измерение концентраций метана, углекислого газа и водяного пара с помощью аэродинамического метода DOAS с высоким пространственным разрешением: применение к AVIRИС-НГ, АТ-мОперационные системы. Измер. Технология., 10, 3833–3850, https://doi.org/10.5194/amt-10-3833-2017, 2017.
Ту, К., Хасе, Ф., Шнайдер, М., Гарсия, О., Блюменшток, Т., Борсдорф, Т., Фрей, М., Хосрави, Ф., Лоренте, А., Альберти, К. ., Бус-тос, Дж.Дж., Бутц, А., Карреньо, В., Куэвас, Э., Курколл, Р., Дик-манн, К.Дж., Дубравица, Д., Эртль, Б., Эструх, К., Леон -Луис С.Ф., Марреро К., Морги Х.-А., Рамос Р., Шарун К., Шнайдер К., Сепульведа Э., Толедано К. и Торрес К. : Количественная оценка выбросов CH4 от свалок отходов недалеко от города Мадрид с использованием наземных и космических наблюдений COC-CON, TROPO.МИ и ИАСИ, Атмос. хим.Phys., 22, 295–317, https://doi.org/10.5194/acp-22-295-2022, 2022.
Тернер, А.Дж., Джейкоб, Д.Дж., Вехт, К.Дж., Маасаккерс, Дж.Д., Лундгрен, Э., Эндрюс, А.Е., Биро, С.К., Бош, Х., Боуман, К.В., Дойчер, Н.М., Дубей, М.К., Гриффит, Д.Т., Хейс, Ф., Кузе, А., Нотхолт, Дж., Охьяма, Х., Паркер, Р., Пейн, В.Х., Сассманн, Р., Суини, К., Веласко, В.А., Варнеке, Т., Веннберг П.О. и Вунч Д.: Оценка глобальных и североамериканских выбросов метана с высоким пространственным разрешением с использованием спутника GOSAT Atmos. хим. Фис., 15, 7049–7069, https://doi.org/10.5194/acp-15-7049-2015, 2015.
Программа Организации Объединенных Наций по окружающей среде: Взгляд на метан: Международная обсерватория по выбросам метана, Найроби, ISBN978-92-807-3893-3, 2021 г.
Ван Дамм М., Кларисса Л., Уитберн М., Хаджи-Лазаро Дж., Хёрт-Манс Д., Клербо К. и Коэр П.-Ф.: Промышленный и сельскохозяйственный аммиак. Точечные источники раскрыты, Нэтure, 564, 99–103, https://doi.org/10.1038/s41586-018-0747-1, 2018.
Варон Д.Д., Джейкоб Д.Д., Маккивер Дж., Джервис Д., Дурак БОА, Ся Ю. и Хуанг Ю.: Количественная оценка точечных источников метана на основе мелкомасштабных спутниковых наблюдений шлейфов атмосферного метана , Атмос. Измер. Текч., 11, 5673–5686, https://doi.org/10.5194/amt-11-5673-2018, 2018.
Варон, Д.Д., Маккивер, Дж., Джервис, Д., Маасаккерс, Дж.Д., Панди, С., Хаувелинг, С., Абен, И., Скарпелли, Т.Р. и Джейкоб, Дж.: Спутниковое обнаружение аномально крупных точечных источников метана от нефтегазовой продукции, Геофиз. Рез. Летт., 46, 13507–13516, https://doi.org/10.1029/2019GL083798, 2019.
Варон Д.Д., Джейкоб Д.Д., Джервис Д. и Маккивер Дж.: Количественная оценка усредненных по времени выбросов метана из отдельных отверстий угольных шахт с помощью спутниковых наблюдений GHGSat-Dонс, Энвайрон. наук. Тех-№, 54, 10246–10253, https://doi.org/10.1021/acs.est.0c01213, 2020.
Варон Д.Д., Джервис Д., Маккивер Дж., Спенс И., Гейнс Д. и Джейкоб Д.Д.: Высокочастотный мониторинг точечных источников аномального метана с помощью мультиспектральных спутниковых наблюдений Sentinel-2, Атмос. Измер. Технология., 14, 2771–2785, https://doi.org/10.5194/amt-14-2771-2021, 2021.
Варон, DJ, Джейкоб, DJ, Сульприцио, М., Эстрада, Л., Даунс, В.Б., Шен, Л., Хэнкок, С.Э., Нессер, Х., Цюй, З., Пенн, Э., Чен, З. , Лу, К., Лоренте, А., Тевари, А., и Рэндлс, Калифорния: Комплексная инверсия метана (IMI 1.0): удобный облачный инструмент для определения выбросов метана с высоким разрешением со спутника TROPOMI., геонауки. Модель Дев. Обсуждать. [препринт], https://doi.org/10.5194/gmd-2022-45, на рассмотрении, 2022 г.
Вон, ТЛ, Белл. К.С., Пикеринг К.К. и Нуммедал Д.: Временная изменчивость в значительной степени объясняет разницу в оценках выбросов метана сверху вниз и снизу вверх в регионе добычи природного газа.П. Натл. акад. наук. США,115, 11712–11717, https://doi.org/10.1073/pnas.1805687115, 2018.
Ван, Ф., Максютов, С., Цурута, А., Джанарданан, Р., Ито, А., Сасакава, М., Мачида, Т., Морино, И., Ёсида, Ю., Кайзер, Дж.В., Янссенс -Менхаут Г., Длугокенски Э.Дж., Маммарелла И., Лаврик Дж.В. и Мацунага Т.: Оценки выбросов метана с помощью глобальной обратной модели высокого разрешения с использованием национальных запасов, Rсмайл Sens., 11, 2489, https://doi.org/10.3390/rs11212489, 2019.
Вехт К.Дж., Джейкоб Д.Д., Франкенберг К., Цзян З. и Блейк Д.Р.: Картирование выбросов метана в Северной Америке с высоким пространственным разрешением путем инверсии спутников SCIA-MACHY, J. Geophys. рes., 119, 7741–7756, https://doi.org/10.1002/2014JD021551, 2014.
Вестерн, Л.М., Рамсден, А.Е., Ганесан, А.Л., Бош, Х., Паркер, Р.Дж., Скарпелли, Т.Р., Танниклифф, Р.Л., и Ригби, М.: Оценки выбросов метана в Северной Африке с 2010 по 2017 год с использованием наблюдений GOSAT, Окружающая среда. наук. Технол.Lett., 8, 626–632, https://doi.org/10.1021/acs.estlett.1c00327, 2021.
Уайт, У.Х., Андерсон, Дж.А., Блюменталь, Д.Л., Хусар, Р.Б., Гиллани, Н.В., Хусар, Дж.Д., и Уилсон, В.Е.: Образование и перенос вторичных загрязнителей воздуха: озон и аэрозоли в городском шлейфе Сент-Луиса, Наука, 194, 187–189, 1976.
Уорден Дж., Вехт К., Франкенберг К., Альварадо М., Боуман К., Корт Э., Кулавик С., Ли М., Пейн В. и Уорден Х. : С.4 и распределение CO над тропическими пожарами в октябре 2006 г. по наблюдениям спутникового прибора Aura TES и моделированию GE.ОС-Хим, Атмос. хим. Phлет., 13, 3679–3692, https://doi.org/10.5194/acp-13-3679-2013, 2013.
Уорден Дж.Р., Тернер А.Дж., Блум А., Кулавик С.С., Лю Дж., Ли М., Вайднер Р., Боуман К., Франкенберг К., Паркер Р. и Пейн, ВХ: Количественная оценка концентраций метана в нижних тропосферах с использованием ближнего ИК-диапазона GOSAT и термального TES.
Атмос. Измер. Тегл., 8, 3433–3445, https://doi.org/10.5194/amt-8-3433-2015, 2015.
Уорден, Дж.Р., Касворт, Д.Х., Цюй, З., Инь, Ю., Чжан, Ю., Блум, А.А., Ма, С., Бирн, Б.К., Скарпелли, Т., Маасаккерс, Дж.Д.,
Крисп Д., Дюрен Р. и Джейкоб Д.Д.: Метановый бутон 2019 г.образование и неопределенности посредством байесовской интеграции данных GOSAT по общему количеству метана в колонке и априорному кадастру оценки, Атмос. хим. Фис., 22, 6811–6841, https://doi.org/10.5194/acp-22-6811-2022, 2022.
Вунч, Д., Тун, Г.К., Блавье, Ж.-ФЛ, Вашенфельдер, Р.А., Нотхолт, Дж., Коннор, Б.Дж., Гриффит, Д.В.Т., Шерлок, В. и Веннберг, П.О.: Сеть наблюдений за общим углеродом, Филос. ТР Соц. А, 369, 2087–2112, 2011.
Ян С., Лан К., Талбот Р. и Лю Т.: Характеристика антропогенных источников метана в Хьюстоне и
Районы Барнетт-Шейл в Техасе с использованием изотопных сигналов13С вСН4, Науч. Общий. Окружающая, 696, 133856, https://doi.org/10.1016/j.scitotenv.2019.133856, 2019.
Инь, Ю., Шевалье, Ф., Сиа, П., Буске, П., Сонуа, М., Чжэн, Б., Уорден, Дж., Блум, А.А., Паркер, Р.Дж., Джейкоб, Д.Д., Длу-гокенски , Э.Дж. и Франкенберг, К.: Ускорение темпов роста метана с 2010 по 2017 год: ведущий вклад из тропиков и Востока. Азия, Атмос. хим. физ.,21, 12631–12647, https://doi.org/10.5194/acp-21-12631-2021, 2021.
Ю, К., Милле, Д.Б. и Хенце, Д.К.: Насколько хорошо обратный анализ спутниковых данных высокого разрешения позволяет выявить гетерогенные потоки метана? Эксперименты по моделированию системы наблюдения с помощью сопряженного модуля GEOS-Chem.del (v35), Geosci. Модель разработчика., 14, 7775–7793, https://doi.org/10.5194/gmd-14-7775-2021, 2021.
Юань, Б., Касер, Л., Карл, Т., Граус, М., Пайшль, Дж., Кампос, Т.Л., Шерц, С., Апель, Э.К., Хорнбрук, Р.С., Хиллз, А., Гилман, Дж.Б. Лернер Б.М., Варнеке К., Флок Ф.М., Райерсон Т.Б., Гюнтер А.Б. и де Гоу Дж.А.: Измерения воздушных потоков метана и летучих органических соединений над месторождениями сланцевого газа Хейнсвилл и Марцеллус. регионы индукции, Дж. Геофиз. Рез.-Атм.ос., 120, 6271–6289, https://doi.org/10.1002/2015JD023242, 2015.
Чжан Ю., Гаутам Р., Пандей С., Омара М., Маасаккерс Д.Д., Садаварте П., Лион Д., Нессер Х., Сульприцио М.П., Варон Д.Д., Чжан Р. ., Хаувелинг С., Завала-Араиса Д., Аль-Варес Р.А., Лоренте А., Гамбург С.П., Абен И. и Я-коб Дж.: Количественная оценка выбросов метана крупнейшими нефтедобывающими компаниями бассейнв США изкосмоса, Науч. Adv., 6, 17, https://doi.org/10.1126/sciadv.aaz5120, 2020.
Чжан, Ю., Джейкоб, Диджей, Лу, X., Маасаккерс, Дж.Д., Скарпелли, Т.Р., Шэн, Дж.-Х., Шен, Л., Цюй, З., Сульприцио, М.П., Чанг, Дж., Блум , А.А., Ма, С., Уорден, Дж., Паркер, Р.Дж. и Боеш, Х.: Атрибуция ускоряющегося увеличения содержания метана в атмосфере в 2010–2018 гг. с помощью обратного анализа данных наблюдения GOSAT At-мОперационные системы. хим. Фис., 21, 3643–3666, https://doi.org/10.5194/acp-21-3643-2021, 2021.
Циммерле Д., Дагган Г., Вон Т., Белл К., Лют К., Беннетт К., Кимура Ю., Кардосо-Салданья Ф.Дж. и Аллен Д.Т. Моделирование выбросов от сложных объектов с подробным временным и пространственным разрешением: инструмент оценки выбросов метана (ВСТРЕЧА), Науч. Общая окружающая среда,824, 153653, https://doi.org/10.1016/j.scitotenv.2022.153653, 2022.
19 июня/ 2024