亚洲发电厂碳排放日变化特征研究：一种基于地球静止轨道NO?和OCO-3 CO?观测数据自上而下的估算方法

《Remote Sensing of Environment》：Characterizing diurnal variability in power plant carbon emissions in Asia: A top-down estimation approach constrained by geostationary NO 2 and OCO-3 CO 2 observations

基于OCO-3 XCO2与GEO-KOMPSAT-2B/GEMS NO2协同观测，本研究开发了融合高斯烟羽模型与风旋技术的亚洲火电厂每小时CO2排放反演方法，通过59个案例验证显示其与清单数据R=0.89高度一致，揭示了疫情后工业减排的时空异质性，并论证了极轨卫星与静止卫星数据融合对降低60%系统偏差的关键作用。

　　

徐天一|张成新|刘成

中国科学技术大学环境科学与光电技术学院，合肥230026，中国

摘要

准确量化二氧化碳排放对于应对气候变化至关重要。然而，传统的自上而下的二氧化碳（CO₂）估算方法受到卫星观测数据稀少和时间分辨率较低的制约。尽管极轨卫星提供的二氧化氮（NO₂）数据有助于限制二氧化碳排放，但与OCO-3测量结果的时间不匹配会引入额外的不确定性。为了解决这个问题，我们通过结合OCO-3的XCO₂观测数据以及GEO-KOMPSAT-2B卫星上的GEMS仪器提供的高时间分辨率二氧化氮数据来估算每小时二氧化碳排放量。我们开发了一种基于高斯羽流模型和风旋转技术的算法，从近乎同步的二氧化氮/二氧化碳（NO₂/CO₂）观测数据中估算二氧化碳排放量和NO_x/CO₂排放比率。进一步利用基于GEMS的NO_x排放量（通过通量散度方法估算）来推导每小时二氧化碳排放量。共识别出六个亚洲国家的59个发电厂案例。对于这些案例，估算的二氧化碳排放量表现出明显的日变化、季节变化和年际变化，主要受供暖需求、脱碳措施以及与疫情相关的工业放缓的影响。这些受GEMS二氧化氮数据约束的自上而下的估算结果与自下而上的清单数据高度一致（R = 0.89），证明了我们优化方法的有效性。此外，与日平均估算值的比较表明，基于极轨卫星观测的二氧化碳排放估算值可能存在约60%的偏差，这突显了高时间分辨率测量的重要性。本研究强调了整合地球静止轨道上的二氧化氮和二氧化碳观测数据对于捕捉发电厂排放的日变化动态和提高自上而下二氧化碳排放监测准确性的价值。

引言

气候危机的加剧凸显了准确监测温室气体排放的紧迫性，特别是二氧化碳（CO₂）（Friedlingstein等人，2025；Ripple等人，2023；Wu等人，2025）。自工业革命以来，全球平均大气中的二氧化碳浓度从1750年的约278 ppm（Joos和Spahni，2008）上升至目前的426.13 ppm（Lan等人，2023）。电力行业仍然是全球碳排放的主要来源，2024年占总排放量的38.7%（Deng等人，2025）。因此，准确量化发电厂的化石燃料二氧化碳排放对于指导气候政策和评估减排进展至关重要。传统上，自下而上的排放清单是基于燃料消耗、排放因子和活动数据编制的。尽管这些清单被广泛使用，但它们经常存在报告延迟以及空间和时间分辨率较低的问题（Crippa等人，2024；Oda等人，2018；Solazzo等人，2021；Xu等人，2024a）；此外，用于估算排放的统计数据也可能引入较大的不确定性。

卫星遥感的最新进展使得全球范围内的大气二氧化碳浓度监测成为可能。诸如温室气体观测卫星（GOSAT）（Yokota等人，2009）及其后续卫星GOSAT-2（Imasu等人，2023）、轨道碳观测卫星（OCO）-2/3（Crisp等人，2004；Eldering等人，2019）以及中国二氧化碳观测卫星任务（TanSat）（Ran和Li，2019）等卫星任务提供了连续的二氧化碳柱平均摩尔分数（XCO₂）测量数据。这些数据集已被广泛用于估算二氧化碳排放量（Balamurugan和Chen，2024；Hu和Shi，2021；Lin等人，2023；Nassar等人，2022；Nassar等人，2017；Shim等人，2019）。然而，使用卫星的XCO₂测量数据来量化孤立点源排放仍然面临重大挑战。点源附近的XCO₂增强信号通常相对于背景变化较小，且难以与测量噪声区分开来（Buchwitz等人，2021；Tohjima等人，2020）。此外，大多数二氧化碳卫星的窄轨道覆盖范围和有限的过境频率限制了它们完全解析排放羽流的空间和时间结构的能力（Crisp等人，2017；Guo等人，2023；Wunch等人，2017）。相比之下，配备有指向镜组件（PMA）的OCO-3卫星可以在单次过境过程中扫描大面积连续区域，从而克服了之前任务的一些空间限制，并提高了对局部排放源的检测能力（Eldering等人，2019）。

二氧化氮（NO₂）在化石燃料燃烧过程中与二氧化碳（CO₂共同排放（Berezin等人，2013；Konovalov等人，2016），具有高度反应性且背景浓度相对较低。这些特性使得二氧化氮成为检测和表征局部排放源的有效示踪剂。与OCO-3的XCO₂测量相比，来自臭氧监测仪器（OMI）（Levelt等人，2006）和对流层监测仪器（TROPOMI）（Veefkind等人，2012）等仪器的卫星二氧化氮观测数据由于具有更宽的覆盖范围，提供了更密集的时间采样，因此能够更好地捕捉细微时间尺度上的排放变化（Beirle等人，2021；Liu等人，2016；Liu等人，2024；Saw等人，2021；Tang等人，2024）。最近的研究越来越多地利用共位的二氧化氮和二氧化碳增强信号来限制自上而下的碳排放估算（Fujinawa等人，2021；Goldberg等人，2019；Reuter等人，2019；Yang等人，2023）。然而，由于OCO-3卫星的局部过境时间存在较大变化，当其与之前的极轨卫星的二氧化氮观测数据配对时，常常会出现显著的时间不匹配。鉴于二氧化氮在大气中的寿命较短（Rey-Pommier等人，2023；Shah等人，2020），这种不匹配会降低羽流检测的准确性，并在二氧化碳增强拟合过程中引入额外的不确定性。地球静止环境监测光谱仪（GEMS）是首个专门用于监测大气痕量气体的地球静止轨道紫外-可见光传感器，能够提供亚洲地区的每小时二氧化氮测量数据（Kim等人，2020a；Park等人，2024；Xu等人，2024c）。这种前所未有的时间分辨率有助于更好地表征发电厂的日排放模式和羽流演变。

在这项研究中，我们开发了一种自上而下的方法，通过整合共位和近乎同步的OCO-3 XCO₂和GEMS二氧化氮观测数据来估算发电厂的每小时二氧化碳排放量。我们使用高斯羽流模型结合风旋转技术来估算单个羽流的二氧化碳排放量和NO_x/CO₂比率。进一步通过将这些比率应用于基于GEMS的NO_x排放量（通过通量散度方法估算）来估算每小时二氧化碳排放量。我们识别出59个具有可检测局部增强信号的发电厂案例，并分析了它们的年际、季节和日变化排放模式。为了验证我们的方法，我们还将基于GEMS二氧化氮观测的二氧化碳排放估算结果与自下而上的清单数据进行了比较。我们还评估了基于近乎同步的二氧化氮/二氧化碳观测的二氧化碳估算值与日平均二氧化碳排放值之间的偏差。结果强调了高时间分辨率数据对于准确捕捉实际发电厂排放水平的必要性。最后，通过将估算的NO_x/CO₂比率应用于基于GEMS的NO_x排放量，我们估算了2024年亚洲各发电厂的二氧化碳排放量，并分析了近年来的排放趋势。

数据来源

GEMS是一种安装在地球静止轨道多功能卫星2号（GEO-KOMPSAT-2）系列上的紫外-可见光高光谱成像传感器，自2020年2月以来一直在运行（Kim等人，2020a）。GEMS提供了关键大气成分的高时间和空间分辨率观测数据，包括对流层臭氧（O₃）、气溶胶及其前体物质，如二氧化氮（NO₂）、二氧化硫（SO₂）、甲醛（HCHO）和乙二醛（CHOCHO）。该传感器的覆盖范围从南纬5°延伸到北纬45°

基于近乎同步的GEMS和OCO-3观测的二氧化碳估算

由于OCO-3 XCO₂观测的时间限制，本研究使用近乎同步的GEMS二氧化氮和OCO-3 XCO₂测量数据估算了2021至2023年间亚洲地区的发电厂二氧化碳排放量。鉴于较长的时间覆盖范围和大量的案例，首先对所有可用案例应用了自动化的高斯拟合程序。为了确保排放估算的质量，仅选择拟合结果与...

结论

基于GEMS二氧化氮观测和OCO-3 XCO₂测量数据，本研究开发了一种自上而下的反演框架，结合高斯模型和通量散度方法来估算2021至2023年间亚洲地区发电厂的每小时二氧化碳排放量。需要注意的是，虽然OCO-3和GEMS观测数据的联合使用有效减少了与时间不匹配相关的误差，但OCO-3的时间分辨率和覆盖范围仍然是一个限制因素。

作者贡献声明

徐天一：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，方法论，概念化。张成新：撰写 – 审稿与编辑，可视化，监督，概念化。刘成：撰写 – 审稿与编辑，监督，方法论，概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文所报告工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（编号42375120和62305322）、安徽省自然科学基金（编号2508085J023）、国家重点研发计划（编号2022YFC3700100和2023YFC3706104）、中央高校基本科研业务费（编号YD2090002021）以及新基石科学基金（通过XPLORER PRIZE项目，编号2023-1033）的支持。