智能低碳项目团队提出世界首个基于碳卫星估算碳排放的人工智能模型
由于卫星遥感具有高精度、大范围和能够重复观测等优点，基于温室气体卫星遥感探测网络正在逐步成为国际认可的新一代碳盘点方法。目前，基于碳卫星的探测可以反演得到大气中温室气体的浓度，但是如何准确地提取其中由于人类活动所产生的碳排放数据这一问题仍然极具挑战性。
近日，香港中文大学（深圳）理工学院赵俊华教授和黄建伟教授团队提出了世界首个基于碳卫星估算碳排放的人工智能模型。研究人员分析了碳卫星数据形式，收集了由碳卫星数据、碳排放数据、环境数据等组成的多模态数据，设计了针对此多模态数据特性的数据处理算法，提出了符合此多模态数据结构的人工智能模型，最终建立了从碳卫星数据到碳排放数据之间的映射。
经过分析，碳卫星所测得的碳浓度数据在地理上表现为稀疏的、含有缺失值的轨道状条带数据，其仅表示碳卫星当前扫描的区域、时刻下的碳浓度值。然而该碳浓度值除了碳排放量外，还受到了大气中原本存在的二氧化碳和大气中二氧化碳的运动的影响。因此为了更准确的估算碳排放量，本工作除了碳卫星数据外，还收集了实际碳排放数据和环境数据等组成多模态数据。本工作设计了针对多模态数据特性的数据处理算法。对多模态数据进行匹配筛选提纯后，仅得到极少数具有排放标签匹配的碳卫星数据，但却存在大量的无对应排放标签的碳卫星数据。
针对这一多模态数据特性，为了充分利用碳卫星数据，本工作对于大规模无排放标签碳卫星数据，提出了先进的无监督预训练深度模型(CarbonNet)用以提取碳卫星数据的深度特征。实验证明此深度特征高效地表达了卫星条带数据的信息，且能够有效重建碳卫星条带数据中缺失值。最后使用预训练模型提取的深度特征和手工统计特征作为输入，在小规模带排放标签碳卫星数据上训练监督模型。综合来看，这项研究有效且充分地利用了碳卫星数据特性，利用了先进的人工智能算法理念，建立了从碳卫星数据到碳排放数据之间的映射。
这项研究可以用于基于碳卫星的区域和企业碳排放准实时监测，并有效核验IPCC国家温室气体清单数据。同时也为实现从碳卫星碳浓度数据中提取人类活动产生的排放数据提供了新的认识和研究策略。为未来通过下一代碳卫星星座网络实现全球碳排放的高时频、高定量、高覆盖观测打下了基础。
该项成果受到了包括光明日报、国务院新闻办官网、中国新闻网、凤凰卫视、深圳卫视等多家主流媒体的广泛报道。
核心教授简介
赵俊华教授是香港中文大学（深圳）理工学院副教授、新能源科学与工程专业主任，深圳市人工智能与机器人研究院研究员，深圳高等金融研究院能源市场与能源金融实验室主任, 深圳数据经济研究院清洁能源与智能网络研究中心联席主任，招商银行总部特聘能源行业专家，爱思唯尔中国高被引学者。长期从事智能电网、能源经济、低碳转型、人工智能等领域研究。
在本公众号后台回复“智能低碳”，获取更多项目信息