Актуальность обнаружения аномалий эмиссий метана связана с тем, что долгосрочные выбросы метана на территориях, пройденных огнем и подверженных ускоренным процессам деградации мерзлоты, должны быть учтены при расчетах глобального бюджета выбросов и стоков парниковых газов, а также в целом важны для понимания круговорота углерода на планете. В настоящий момент, в большинстве моделей такие источники эмиссий метана не учитываются, либо рассчитываются на основе косвенных модельных оценок.
Проведен мультимасштабный анализ пространственно-временных серий спутниковых данных от низкого пространственного разрешения к среднему и высокому и от региона в целом к отдельным территориям, с применением существующих статистических и модельных (регрессионных) подходов к обнаружению аномалий во временных сериях данных. Для одновременного обнаружения сезонных, постепенных и резких изменений во временном ряду спутниковых данных был использован алгоритм поиска разрывов для аддитивного сезона и тренда (BFAST), разработанный на основе алгоритма STL.
Необходимость последовательного поиска аномалий концентраций метана на глобальном и региональном уровнях предопределяется особенностями расположения территории (значительные площади, высокие широты) и современным уровнем развития алгоритмов получения и восстановления значений тропосферных концентраций метана по спутниковым данным (более качественные и валидированные данные с низким пространственным разрешением, в тоже время, короткий временной ряд, слабая валидация и неопределенность качества спутниковых данных лучшего пространственного разрешения, запущенных в последние 5 лет).
Работа выполнена при финансовой поддержке Российской Федерации в лице Минобрнауки России в рамках соглашения №075‒15‒2020‒776

Ключевые слова: Дистанционное зондирование, атмосфера, аномальные процессы, климатически активные газовые примеси, метан, TROPOMI, GOSAT

Литература:

Inoue, M., Morino, I., Uchino, O., Nakatsuru, T., Yoshida, Y., Yokota, T., Wunch, D., Wennberg, P. O., Roehl, C. M., Griffith, D. W. T., Velazco, V. A., Deutscher, N. M., Warneke, T., Notholt, J., Robinson, J., Sherlock, V., Hase, F., Blumenstock, T., Rettinger, M., Sussmann, R., Kyrö, E., Kivi, R., Shiomi, K., Kawakami, S., De Mazière, M., Arnold, S. G., Feist, D. G., Barrow, E. A., Barney, J., Dubey, M., Schneider, M., Iraci, L. T., Podolske, J. R., Hillyard, P. W., Machida, T., Sawa, Y., Tsuboi, K., Matsueda, H., Sweeney, C., Tans, P. P., Andrews, A. E., Biraud, S. C., Fukuyama, Y., Pittman, J. V., Kort, E. A., and Tanaka, T.: Bias corrections of GOSAT SWIR XCO2 and XCH4 with TCCON data and their evaluation using aircraft measurement data, Atmos. Meas. Tech., 9, 3491–3512, https://doi.org/10.5194/amt-9-3491-2016, 2016.(BIAS CORRECTED)
Jin, H.; Ma, Q. Impacts of Permafrost Degradation on Carbon Stocks and Emissions under a Warming Climate: A Review. Atmosphere 2021, 12, 1425. https:// doi.org/10.3390/atmos12111425
Natali M. Susan, Holdren P.John, Rogers M. Brendan, Treharne Rachael, Duffy Philip B., Pomerance Rafe, MacDonald Erin Permafrost carbon feedbacks threaten global climate goals. Proceedings of the National Academy of Sciences May 2021, 118 (21) e2100163118; DOI: 10.1073/pnas.2100163118
Köster E., Köster K., Berninger F., Prokushkin A., Aaltonen H., Zhou X., Pumpanen J. Changes in ﬂuxes of carbon dioxide and methane caused by ﬁre in Siberian boreal forest with continuous permafrost. Journal of Environmental Management. 2018. 228. 405-415. DOI:10.1016/j.jenvman.2018.09.051.
Ponomarev E.; Masyagina O.; Litvintsev K.; Ponomareva T.; Shvetsov E.; Finnikov K. The Effect of Post-Fire Disturbances on a Seasonally Thawed Layer in the Permafrost Larch Forests of Central Siberia. Forests 2020, 11, 790. https://doi.org/10.3390/f11080790
Zou M, Xiong X, Wu Z, Li S, Zhang Y, Chen L. Increase of Atmospheric Methane Observed from Space-Borne and Ground-Based Measurements. Remote Sensing. 2019; 11(8):964. https://doi.org/10.3390/rs11080964
Chuvilin E, Ekimova V, Davletshina D, Sokolova N, Bukhanov B. Evidence of Gas Emissions from Permafrost in the Russian Arctic. Geosciences. 2020; 10(10):383. https://doi.org/10.3390/geosciences10100383
Yang Y, Wang Y. Using the BFAST Algorithm and Multitemporal AIRS Data to Investigate Variation of Atmospheric Methane Concentration over Zoige Wetland of China. Remote Sensing. 2020; 12(19):3199. https://doi.org/10.3390/rs12193199
Lorente, A., Borsdorff, T., Butz, A., Hasekamp, O., aan de Brugh, J., Schneider, A., Wu, L., Hase, F., Kivi, R., Wunch, D., Pollard, D. F., Shiomi, K., Deutscher, N. M., Velazco, V. A., Roehl, C. M., Wennberg, P. O., Warneke, T., and Landgraf, J.: Methane retrieved from TROPOMI: improvement of the data product and validation of the first 2 years of measurements, Atmos. Meas. Tech., 14, 665–684, https://doi.org/10.5194/amt-14-665-2021, 2021.
Бондур В.Г., Мохов И.И., Воронова О.С., Ситнов С.А. Космический мониторинг сибирских пожаров и их последствий: особенности аномалий 2019 года и тенденции 20-летних изменений // Доклады академии наук. 2020, Т. 492, № 1, с. 99–106. DOI: 10.31857/S2686739720050047.
Verbesselt, J.; Hyndman, R.J.; Newnham, G.; Culvenor, D. Detecting trend and seasonal changes in satellite image time series. Remote Sens. Environ. 2010, 114, 106–115.
Militino, A.F.; Moradi, M.; Ugarte, M.D. On the Performances of Trend and Change-Point Detection Methods for Remote Sensing Data. Remote Sens. 2020, 12, 1008. https://doi.org/10.3390/rs12061008

Презентация доклада

Дистанционные методы исследования атмосферных и климатических процессов

468