Kl4S4: Nutzung von Methoden der Künstlichen Intelligenz zur Entwicklung von innovativen Sentinel-4 N02-Produkten

Abstract

Das Hauptziel des Vorhabens war es, vorbereitend für die Nutzung der Daten des europäischen Sentinel-4-Instruments Methoden der künstlichen Intelligenz zur Ableitung von NO2-Bodenkonzentrationen aus geostationären Messungen der troposphärischen NO2-Säule zu entwickeln. Da zum Zeitpunkt des Vorhabens noch keine Sentinel-4-Daten zur Verfügung standen, wurden die Untersuchungen anhand von Messungen des koreanischen GEMS-Instruments durchgeführt, das ebenfalls aus einem geostationären Orbit misst. Für dieses Instrument war zwar ein operationelles troposphärisches NO2-Produkt verfügbar, aber dies hatte noch nicht die hinreichende Genauigkeit, sodass ein eigenes wissenschaftliches GEMS NO2-Produkt entwickelt wurde. Diese Daten wurden nicht nur für die Bestimmung von NO2-Bodenkonzentrationen sondern auch für die Abschätzung von Tagesgängen der NOx-Emissionen genutzt. Die Arbeit im Vorhaben deckte damit drei Schwerpunkte ab:

Die Entwicklung und Validation eines troposphärischen NO2-Produkts für GEMS, das eine vergleichbare Genauigkeit wie das operationelle TROPOMI-Produkt hat. Die Entwicklung eines KI-Verfahrens zur Ableitung von NO2-Bodenkonzentrationen aus den GEMS Säulenmessungen. Die Abschätzung von NOx-Emissionen und ihren Tagesgängen aus troposphärischen NO2-Säulen von GEMS.

In this project, preparations were performed for the development of new methods of using Sentinel -4 data. One particular focus was the derivation of surface NO2 concentrations from tropospheric NO2 columns obtained from geostationary observations using artificial intelligence methods. As Sentinel-4 data were not yet available during the project, data from the Korean GEMS instrument were used instead. While an operational tropospheric NO2 product was available for GEMS data, it turned out not to have the necessary accuracy. Therefore, a dedicated tropospheric NO2 product for GEMS was developed and validated. This data set was then used to derive surface NO2 concentrations and diurnal profiles of NOx emissions. The main points of the project were:

To develop and validate a tropospheric NO2 product for GEMS that has an accuracy comparable to that of the TROPOMI product To develop and apply an artificial intelligence method to derive surface NO2 concentrations from GEMS NO2 columns To derive NOx emission estimates and their diurnal and seasonal variability from GEMS NO2 columns