由於衛星遙感具有高精度、大範圍和能夠重複觀測等優點，基於溫室氣體衛星遙感探測網絡現在正在逐步成為國際認可的新一代碳盤點方法。目前，基於碳衛星的探測可以反演得到大氣中溫室氣體的濃度，但如何準確地提取其中由人類活動所產生的碳排放數據這一問題仍然極具挑戰性。

    近日，香港中文大學(深圳)理工學院趙俊華、黃建偉、吳海鋒教授聯合團隊提出了世界首個基於碳衛星估算碳排放的人工智能模型。研究人員分析了碳衛星數據形式，收集了由碳衛星數據、碳排放數據、環境數據等組成的多模態數據，設計了針對此多模態數據特性的數據處理算法，提出了符合此多模態數據結構的人工智能模型，最終建立了從碳衛星數據到碳排放數據之間的映射。

    經過分析，碳衛星所測得的碳濃度數據在地理上表現為稀疏的、含有缺失值的軌道狀條帶數據，其僅表示碳衛星當前掃描的區域、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的運動的影響。為了更準確估算碳排放量，本工作除了碳衛星數據外，還收集了實際碳排放數據和環境數據等組成多模態數據。本工作設計了針對多模態數據特性的數據處理算法。對多模態數據進行匹配篩選提純後，僅得到極少數具有排放標籤匹配的碳衛星數據，但卻存在大量的無對應排放標籤的碳衛星數據。

    針對這一多模態數據特性，為了充分利用碳衛星數據，本工作對於大規模無排放標籤碳衛星數據，提出了先進的無監督預訓練深度模型(CarbonNet)用以提取碳衛星數據的深度特徵。實驗證明此深度特徵高效地表達了衛星條帶數據的信息，且能夠有效的重建碳衛星條帶數據中缺失值。最後使用預訓練模型提取的深度特徵和手工統計特徵作為輸入，在小規模帶排放標籤碳衛星數據上，訓練監督模型。綜合來看，這項研究有效且充分地利用了碳衛星數據特性，利用了先進的人工智能算法理念，建立了從碳衛星數據到碳排放數據之間的映射。

    這項研究可以用於基於碳衛星的區域和企業碳排放准實時監測，並有效核驗IPCC國家溫室氣體清單數據。同時也為實現從碳衛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星星座網絡實現全球碳排放的高時頻、高定量、高覆蓋觀測打下了基礎。

    趙俊華教授是香港中文大學（深圳）理工學院國家青年特聘專家，新能源科學與工程專業主任，長期從事智能電網、能源經濟、低碳轉型、人工智能等領域研究。黃建偉現任香港中文大學（深圳）校長講座教授和協理副校長（拓展事務），理工學院副院長，深圳市人工智能和機械人研究院副院長和群體智能研究中心主任。（記者 易小婧 林麗青）