使用深度学习模型对全球表面CO2度的高时空分辨率估计和分析
Mingyun Hu1, Xingcheng Lu2, Yiang Chen3
1Department of Mathematics, The Hong Kong University of Science and Technology, Hong Kong, China.
Journal of environmental management
|November 2, 2024
概括
全球一氧化碳 (CO) 污染对健康构成风险,特别是在中国和印度. 野火显著增加了二氧化碳水平,影响了空气质量和死亡率,需要持续监测.
科学领域:
- 环境科学 环境科学
- 大气化学 大气化学
- 公共卫生 公共卫生
背景情况:
- 环境一氧化碳 (CO) 是一种主要的空气污染物,对健康有重大影响.
- 二氧化碳有助于形成诸如臭氧 (O3) 等二次污染物.
- 自然事件,如野火,可以大幅增加二氧化碳度.
研究的目的:
- 阐明全球二氧化碳污染模式和相关的健康风险.
- 评估自然事件,特别是野火对二氧化碳水平的影响.
- 开发一个高分辨率模型来估计每日全球CO度.
主要方法:
- 利用人工智能 (AI) 大数据技术,特别是基于卷积神经网络 (CNN) 的残余网络 (ResNet) 模型.
- 整合了TROPOMI大气中CO (TCCO) 产品的总列和重新分析数据集.
- 从2018年6月到2021年5月的每日全球CO度获得了高空间分辨率 (0.07°) 估计.
主要成果:
- 在中国北部和中部以及印度北部观察到高度的二氧化碳,特别是在冬季.
- 野火造成了显著的二氧化碳增加:印度支那地区60.0%,亚马逊地区28.7%,中非地区40.8%.
- 据估计,2019年中国有23,400例与CO暴露相关的短期死亡病例.
结论:
- 持续监测二氧化碳含量及其对健康的影响至关重要.
- 开发的AI模型提供了准确的,高分辨率的全球CO2估计.
- 公共可用的每日表面二氧化碳度数据支持未来的可持续环境研究.


