(相關(guān)資料圖)

中新網(wǎng)深圳11月11日電 (朱族英)香港中文大學(xué)(深圳)11日發(fā)布消息稱，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(tuán)隊提出了基于碳衛(wèi)星估算碳排放的人工智能模型。

據(jù)悉，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)計了針對該多模態(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)介紹，經(jīng)過分析，碳衛(wèi)星所測得的碳濃度數(shù)據(jù)在地理上表現(xiàn)為稀疏的、含有缺失值的軌道狀條帶數(shù)據(jù)，其僅表示碳衛(wèi)星當(dāng)前掃描的區(qū)域、時刻下的碳濃度值。然而該碳濃度值除了碳排放量外，還受到了大氣中原本存在的二氧化碳和大氣中二氧化碳運動的影響。

為了更準(zhǔn)確的估算碳排放量，該研究除了碳衛(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)；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。

針對上述多模態(tài)數(shù)據(jù)特性，為了充分利用碳衛(wèi)星數(shù)據(jù)，該研究同時對大規(guī)模無排放標(biāo)簽碳衛(wèi)星數(shù)據(jù)，提出了先進(jìn)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。實驗證明該深度特征高效地表達(dá)了衛(wèi)星條帶數(shù)據(jù)的信息，且能夠有效重建碳衛(wèi)星條帶數(shù)據(jù)中缺失值。

此外，該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(zhǔn)實時監(jiān)測，并有效核驗IPCC國家溫室氣體清單數(shù)據(jù)。同時也為實現(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)提供了新的認(rèn)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、高覆蓋觀測打下基礎(chǔ)。(完)

關(guān)鍵詞： 人工智能