Space-borne CO2 emissions estimates for fast-growing cities
Émissions de CO2 estimées par données satellitaires sur les villes à forte croissance démographique
Résumé
Cities are responsible for more than half of all greenhouse gas emissions. While many cities have committed to emission reduction trajectories, many lack the infrastructure to develop their emissions budgets. The measurement of CO2 plumes from cities by satellite imagery, coupled with atmospheric inversion methods, could allow quantifying direct CO2 emissions from cities, or at least detecting trends in their evolution.OCO-3, with its Snapshot Area Maps (SAMs) mode, is the first instrument to provide 2D (≈80km*80km) images of the total CO2 column at high resolution (≈2km*2km). In particular, these SAMs target atmospheric plumes of CO2 from cities and powerplants, with the goal of quantifying their emissions. Methods to estimate these emissions must be reliable and fast to process all available images (several thousands for OCO-3), whose number will increase with the CO2M and GeoCarb missions. The inversion methods by direct flux calculation (Integrated Mass Enhancement, Cross-Sectional and Source Pixel) or with a Gaussian plume model require little computation time. This thesis aims to evaluate the accuracy of these CO2 plume inversion methods and to study the favorable cases in terms of target and observation condition. This is done in a theoretical framework (atmospheric transport simulations) and by applying the methods to acquired SAMs.We quantify and analyze the different sources of error of these methods in detail using satellite pseudo-images of plumes, first over Paris and then over 31 cities in the world. The error of these methods is mainly due to errors in the estimation of the background concentration (XCO2 concentration that does not come from the city emissions) and in the estimation of the effective wind that carried the plume. We show, with a decision tree learning method, the sensitivity of the error on the emission estimate to the variability of the wind direction in the PBL and to the city's emission budget. The set of pseudo-images for which the emissions are large (>2.1ktCO2/h) and the wind direction variability low (<11°) gives a bias and a theoretical IQR lower than 10% and 60% of the emissions, when these are estimated with the optimal inversion configuration with a Gaussian plume.We finally apply our methods to the OCO-3 SAMs and show that the sensitivities of the theoretical error to the two selection parameters are reflected in the difference of the emission estimates from our methods and from a spatialized inventory (here ODIAC). More than half of the SAMs are not usable with our methods (too few points, low sampling downwind of the city,..). Our emission estimates are lower than those of the ODIAC inventory (≈-25% with the inversion using the Gaussian plume). One source of this underestimation is the error in the wind reanalysis product used. The IQR of the difference between the emissions estimated by our methods and by the inventory is also larger (150%) than the theoretical error. Two important reasons for this are the uncertainties in the inventory emissions and in the wind field reanalyses used. This work suggests that the estimation of urban CO2 emissions requires further methodological development to reduce, amongst other, the error in the estimation of background plume concentrations. However, the error in the wind fields remains a problem, regardless of the inversion method used. Suggestions are made to add a selection layer to the pseudo-images. In addition, more frequent images will be needed to hope to detect trends in city emissions on a multi-year scale.
Les villes sont responsables de plus de la moitié des émissions de gaz à effet de serre. Alors que de nombreuses villes se sont engagées sur des trajectoires de réduction d'émissions, beaucoup n'ont pas les infrastructures nécessaires à l'élaboration de leur bilan d'émissions. La mesure des panache de CO2 des villes par imagerie satellitaire, couplée à des méthodes d'inversion atmosphérique, pourraient permettre de quantifier les émissions directes de CO2 des villes, ou tout au moins détecter des tendances dans leur évolution.OCO-3, avec son mode Snapshot Area Maps (SAMs), est le premier instrument donnant des images 2D (≈80km*80km) de la colonne totale de CO2 à haute résolution (≈2km*2km). Ces SAMs ciblent notamment les panaches atmosphériques de CO2 provenant de villes et de centrales thermiques, dans le but de quantifier leurs émissions. Les méthodes pour estimer ces émissions doivent être fiables et rapides pour traiter toutes les images disponibles (plusieurs milliers pour OCO-3), dont le nombre va augmenter avec les missions CO2M et GeoCarb. Les méthodes d'inversion par calcul direct de flux (Integrated Mass Enhancement, Cross-Sectionnal et Source Pixel) ou avec un modèle de panache gaussien nécessitent peu de temps de calcul. Cette thèse a pour but d'évaluer la précision de ces méthodes d'inversion de panache de CO2 et d'étudier les cas favorables en terme de cible et de condition d'observation. Ceci est fait dans un cadre théorique (simulations du transport atmosphérique) et en appliquant les méthodes aux SAMs acquis.Nous quantifions et analysons les différentes sources d'erreurs de ces méthodes en détail en utilisant des pseudo-images satellitaires de panaches, d'abord sur Paris puis sur 31 villes dans le monde. L'erreur de ces méthodes est principalement due aux erreurs sur l'estimation de la concentration de fond (concentration en XCO2 qui ne provient pas des émissions de la ville) et sur l'estimation du vent effectif qui a transporté le panache. Nous montrons, avec une méthode d'apprentissage par arbre de décision, la sensibilité de l'erreur sur l'estimation des émissions à la variabilité de la direction du vent dans la PBL et au bilan des émissions de la ville. L'ensemble regroupant les pseudo-images pour lesquelles les émissions sont importantes (>2.1ktCO2/h) et la variabilité de la direction du vent faible (<11°) donne un biais et un IQR théorique inférieur à 10% et 60% des émissions, quant celles-ci sont estimées avec la configuration optimale d'inversion avec un panache gaussien.Nous appliquons enfin nos méthodes aux SAMs d'OCO-3 et montrons que les sensibilités de l'erreur théorique aux 2 paramètres de sélection se retrouvent dans la différence des estimations d'émissions de nos méthodes et d'un inventaire spatialisé (ici ODIAC). Plus de la moitié des SAMs ne sont pas utilisables avec nos méthodes (trop faible nombre de points, faible échantillonnage en aval de la ville,..). Nos estimations d'émissions sont plus faibles que celles de l'inventaire ODIAC (≈-25% avec l'inversion utilisant le panache gaussien). Une source de cette sous-estimation est l'erreur dans le produit de réanalyse de vent utilisé. L'IQR de la différence entre les émissions estimées par nos méthodes et par l'inventaire est aussi plus grand (150%) que l'erreur théorique. 2 raisons importantes sont les incertitudes dans les émissions de l'inventaire et dans les réanalyses du champ de vent utilisées. Ce travail suggère que l'estimation des émissions de CO2 urbaines nécessite plus de développement méthodologique pour notamment réduire l'erreur dans l'estimation des concentrations de fond du panache. Cependant, l'erreur sur les champs de vent reste un problème, quelque soit la méthode d'inversion utilisée. Des pistes sont suggérées pour ajouter une couche de sélection aux pseudo-images. Par ailleurs, des images plus fréquentes seront nécessaires pour espérer détecter des tendances dans les émissions des villes à l'échelle pluri-annuelle.
Domaines
Océan, Atmosphère| Origine | Version validée par le jury (STAR) |
|---|