(相關資料圖)

中新網深圳11月11日電 (朱族英)香港中文大學(深圳)11日發(fā)布消息稱，近日，香港中文大學(深圳)理工學院趙俊華，黃建偉，吳海鋒教授聯(lián)合團隊提出了基于碳衛(wèi)星估算碳排放的人工智能模型。

據悉，研究人員分析了碳衛(wèi)星數據形式，收集了由碳衛(wèi)星數據、碳排放數據、環(huán)境數據等組成的多模態(tài)數據，設計了針對該多模態(tài)數據特性的數據處理算法，提出了符合此多模態(tài)數據結構的人工智能模型，最終建立了從碳衛(wèi)星數據到碳排放數據之間的映射。

據介紹，經過分析，碳衛(wèi)星所測得的碳濃度數據在地理上表現(xiàn)為稀疏的、含有缺失值的軌道狀條帶數據，其僅表示碳衛(wèi)星當前掃描的區(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。

為了更準確的估算碳排放量，該研究除了碳衛(wèi)星數據外，還收集了實際碳排放數據和環(huán)境數據等組成多模態(tài)數據；設計了針對多模態(tài)數據特性的數據處理算法。

針對上述多模態(tài)數據特性，為了充分利用碳衛(wèi)星數據，該研究同時對大規(guī)模無排放標簽碳衛(wèi)星數據，提出了先進的無監(jiān)督預訓練深度模型(CarbonNet)，用以提取碳衛(wèi)星數據的深度特征。實驗證明該深度特征高效地表達了衛(wèi)星條帶數據的信息，且能夠有效重建碳衛(wèi)星條帶數據中缺失值。

此外，該項研究可以用于基于碳衛(wèi)星的區(qū)域和企業(yè)碳排放準實時監(jiān)測，并有效核驗IPCC國家溫室氣體清單數據。同時也為實現(xiàn)從碳衛(wèi)星碳濃度數據中提取人類活動產生的排放數據提供了新的認識和研究策略，為未來通過下一代碳衛(wèi)星星座網絡實現(xiàn)全球碳排放的高時頻、高定量、高覆蓋觀測打下基礎。(完)

關鍵詞： 人工智能