近日，香港中文大學(xué)(深圳)理工學(xué)院趙俊華，黃建偉，吳海鋒教授聯(lián)合團隊提出了首個基于碳衛(wèi)星估算碳排放的人工智能模型。研究人員分析了碳衛(wèi)星數(shù)據(jù)形式，收集了由碳衛(wèi)星數(shù)據(jù)、碳排放數(shù)據(jù)、環(huán)境數(shù)據(jù)等組成的多模態(tài)數(shù)據(jù)，設(shè)計了針對此多模態(tài)數(shù)據(jù)特性的數(shù)據(jù)處理算法，提出了符合此多模態(tài)數(shù)據(jù)結(jié)構(gòu)的人工智能模型，最終建立了從碳衛(wèi)星數(shù)據(jù)到碳排放數(shù)據(jù)之間的映射。

據(jù)悉，由于衛(wèi)星遙感具有高精度、大范圍和能夠重復(fù)觀測等優(yōu)點，基于溫室氣體衛(wèi)星遙感探測網(wǎng)絡(luò)現(xiàn)在正在逐步成為國際認可的新一代碳盤點方法。目前，基于碳衛(wèi)星的探測可以反演得到大氣中溫室氣體的濃度，但是如何準確提取其中由于人類活動所產(chǎn)生的碳排放數(shù)據(jù)這一問題仍然極具挑戰(zhàn)性。

該模型的推出，將為實現(xiàn)從碳衛(wèi)星碳濃度數(shù)據(jù)中提取人類活動產(chǎn)生的排放數(shù)據(jù)提供新的認識和研究策略，為未來通過下一代碳衛(wèi)星星座網(wǎng)絡(luò)實現(xiàn)全球碳排放的高時頻、高定量、高覆蓋觀測打下了基礎(chǔ)。

研究人員介紹，碳衛(wèi)星所測得的碳濃度數(shù)據(jù)除了碳排放量外，還受到了大氣中原本存在的二氧化碳和大氣中二氧化碳的運動的影響。因此為了更準確的估算碳排放量，工作除了碳衛(wèi)星數(shù)據(jù)外，還收集了實際碳排放數(shù)據(jù)和環(huán)境數(shù)據(jù)等組成多模態(tài)數(shù)據(jù)。工作設(shè)計了針對多模態(tài)數(shù)據(jù)特性的數(shù)據(jù)處理算法。對多模態(tài)數(shù)據(jù)進行匹配篩選提純后，僅得到極少數(shù)具有排放標簽匹配的碳衛(wèi)星數(shù)據(jù)，但卻存在大量的無對應(yīng)排放標簽的碳衛(wèi)星數(shù)據(jù)。

針對這一多模態(tài)數(shù)據(jù)特性，為了充分利用碳衛(wèi)星數(shù)據(jù)，該工作對于大規(guī)模無排放標簽碳衛(wèi)星數(shù)據(jù)，提出了先進的無監(jiān)督預(yù)訓(xùn)練深度模型(CarbonNet)用以提取碳衛(wèi)星數(shù)據(jù)的深度特征。

實驗證明，此深度特征高效地表達了衛(wèi)星條帶數(shù)據(jù)的信息，且能夠有效的重建碳衛(wèi)星條帶數(shù)據(jù)中缺失值。最后使用預(yù)訓(xùn)練模型提取的深度特征和手工統(tǒng)計特征作為輸入，在小規(guī)模帶排放標簽碳衛(wèi)星數(shù)據(jù)上，訓(xùn)練監(jiān)督模型。綜合來看，這項研究有效且充分的利用了碳衛(wèi)星數(shù)據(jù)特性，利用了先進的人工智能算法理念，建立了從碳衛(wèi)星數(shù)據(jù)到碳排放數(shù)據(jù)之間的映射。

這項研究可以用于基于碳衛(wèi)星的區(qū)域和企業(yè)碳排放準實時監(jiān)測，并有效核驗IPCC國家溫室氣體清單數(shù)據(jù)。