Меню

Новый проект GeCO: создание карт CO2

Недавно начался новый проект Прогноз Глобальной Энергии и Климата (GeCO – Global Energy and Climate Outlook) в рамках исследования действий в области изменения климата. Суть проекта заключается в создании карт CO2 с высоким разрешением с помощью объединения геоданных на основе машинного обучения и моделирования атмосферного переноса.

Пространственно-временное распределение парниковых газов и их источников на Земле до сих пор рассматривалось в основном со средним и низким разрешением, поэтому было сложно получить достоверную информацию о локальных выбросах. Эти данные необходимы для разработки вариантов действий по смягчению локальных последствий изменения климата и для оценки усилий по смягчению последствий.

В проекте GeCO значительный прогресс будет достигнут за счет обнаружения и моделирования отдельных источников парниковых газов с очень высоким разрешением, а также их турбулентного рассеивания в атмосфере. Как моделирование распределения источников, так и рассеивание газов будут выполняться с помощью автоматизированных методов, требующих больших объемов данных. Соответствующий объем данных можно получить только благодаря сотрудничеству специалистов в области физики окружающей среды и геоинформатики. В проекте используются современные методы, такие как машинное обучение (ML) и объединение геопространственных данных. Скорость компьютерных вычислений все еще остается низкой, несмотря на высокое разрешение данных, достигаемое благодаря использованию каталогизации. Так называемая каталогизация позволяет вычислять рассеивание парниковых газов в течение более длительных периодов времени.

Специалисты в области геоинформатики и физики окружающей среды вместе работают над методами для анализа источников парниковых газов на поверхности Земли и их турбулентного рассеивания в атмосфере. Разнородная база данных об источниках парниковых газов на поверхности Земли состоит из различных показаний датчиков, наблюдений гражданской науки, социальных и других статистических данных. Обнаруженные закономерности подтверждаются измеренными значениями. Методы машинного обучения (ML) используются для анализа и объединения разнородных входных данных и создания пространственно-временного учета выбросов парниковых газов с высоким разрешением.

Исследовательская группа GIScience (Междисциплинарный центр окружающей среды IWR, Interdisciplinary Center for Scientific Computing, Гейдельбергский центр окружающей среды HCE, Heidelberg Center for the Environment) разрабатывает методы подготовки данных для учета выбросов с использованием методов науки о пространственных данных и машинного обучения (особенно глубокого обучения). С этой целью будут проанализированы различные наборы геоданных, в частности, по землепользованию и другим подходящим источникам парниковых газов (промышленность, транспорт, жилье, отходы, сельское хозяйство и т.д.). Важным источником данных является карта OpenStreetMap (OSM), которая содержит пространственную информацию высокого разрешения о зданиях, промышленных объектах, транспортной инфраструктуре, а также информацию о землепользовании, которая является основой для определения местоположения выбросов.

Проблема заключается в пространственно неоднородном качестве данных OSM, с одной стороны, и пространственно неоднородных коэффициентах выбросов, с другой стороны. Вопрос качества данных исследуется и используется для оценки объектов OSM.

Команда Института физики окружающей среды (IWR, HCE) использует полученные карты выбросов CO2 с высоким разрешением для создания расчетов турбулентной дисперсии для рассеивания парниковых газов в атмосфере и в конце сравнивает их с измерениями концентрации на месте.
26 ноября / 2021