人类到底排了多少碳?港中大(深圳)教授推出人工智能估算模型

近日,香港中文大学(深圳)理工学院赵俊华,黄建伟,吴海锋教授联合团队提出了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。

近日,香港中文大学(深圳)理工学院赵俊华,黄建伟,吴海锋教授联合团队提出了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。

据悉,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现在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。

该模型的推出,将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。

研究人员介绍,碳卫星所测得的碳浓度数据除了碳排放量外,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,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。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,该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,且能够有效的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的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。

THE END
责任编辑:赵龙
免责声明:本站所使用的字体和图片文字等素材部分来源于互联网共享平台。如使用任何字体和图片文字有冒犯其版权所有方的,皆为无意。如您是字体厂商、图片文字厂商等版权方,且不允许本站使用您的字体和图片文字等素材,请联系我们,本站核实后将立即删除!任何版权方从未通知联系本站管理者停止使用,并索要赔偿或上诉法院的,均视为新型网络碰瓷及敲诈勒索,将不予任何的法律和经济赔偿!敬请谅解!