26、利用人工智能从太空监测发电厂排放

利用人工智能从太空监测发电厂排放

1. 引言

在当今环境问题日益严峻的背景下，准确监测发电厂的排放情况至关重要。发电厂因煤炭/天然气燃烧，是人为制造二氧化氮（NO₂）的主要来源。NO₂是一种由人为和自然源产生的微量气体，在对流层中，阳光会引发链式化学反应，产生一氧化氮和臭氧。因此，NO₂常被用于反映氮氧化物（NOₓ）家族中更突出的浓度情况。NOₓ排放会导致诸如烟雾、雾霾甚至酸雨等空气质量恶化事件，还会引发严重的呼吸系统问题，同时也会造成藻类过度繁殖以及水体和土壤污染。

近年来，遥感技术取得了飞速发展，被广泛应用于观测地球的诸多方面，从森林面积到城市扩张，为决策者提供了持续且一致的信息。由于地面观测是基于点的，无法提供全面的空间覆盖，卫星数据则能发挥重要作用。许多卫星配备了多光谱和高光谱传感器，可以远程测量常见的空气污染物和温室气体。NO₂的时空分辨率、太阳高度角、光谱范围和反射特性对传感器的选择和算法的开发有着重大影响。众多研究都强调了利用遥感技术，如欧洲航天局哨兵 - 5 前驱卫星（S5P）上的对流层监测仪（TROPOMI）和美国国家航空航天局（NASA）奥罗拉卫星上的臭氧监测仪（OMI），来准确监测NOₓ排放的实用性。

机器学习（ML）作为一种新兴方法，能够将遥感数据与地面观测数据相连接，同时避免了进行计算成本高昂的大气化学和大气动力学计算。ML算法可以识别多维数据集中的模式，在地球科学领域得到了快速应用，有大量数据可用于训练这些模型，并且在某些情况下还存在一些未明确的复杂相互作用。它已经成功应用于土地利用/覆盖分类以及与传统制图技术具有相同精度的等效地图的自动生成等任务。最近，ML还被广泛应用于基于物理的建模社区，以帮助理解模型的不确定性和偏差以及如何进行修正。