基于OCO-3卫星与改进高斯羽流模型的全球重点燃煤电厂CO2 排放高精度观测研究

　　本研究针对燃煤电厂CO2 排放量化精度不足的难题，利用OCO-3卫星数据结合改进高斯羽流模型（优化背景场、羽流抬升模拟及风向校正），实现对全球14座大型电厂日均21.54–82.33 kt的排放反演（R=0.493–0.863），揭示了现有清单（如CARMA、Global Coal Plant Tracker）的系统性低估问题，为碳减排政策评估提供卫星遥感新范式。

　　

燃煤电厂作为全球CO₂
排放的"大户"，贡献了30%–40%的年度排放量，在部分煤电主导国家甚至超过50%。然而，传统基于燃料消耗和排放因子的自下而上估算方法，受限于数据滞后、空间分辨率低等问题，难以捕捉排放的动态变化。更棘手的是，现有卫星反演技术面临三大瓶颈：背景浓度判定过于简化、羽流抬升模型忽略大气稳定性影响、风场参数依赖固定再分析数据。这些缺陷导致排放量化存在显著偏差，尤其在多源排放或复杂地形区域。

为解决这一难题，中国的研究团队在《Journal of Cleaner Production》发表研究，创新性地将OCO-3卫星的Snapshot Area Mapping（SAM）观测模式与改进的高斯羽流模型相结合。团队通过三方面突破：基于卫星与模型协同的背景CO₂
浓度优化、考虑大气稳定性的动态羽流抬升模型、基于高分辨率气象数据的风向校正算法，构建了全球14座装机容量超2500 MW的燃煤电厂（如中国托克托、美国James H Miller Jr等）排放反演体系。

关键技术包括：1）OCO-3 SAM模式数据（空间分辨率1.3×2.3 km²
，XCO₂
精度0.5–1 ppm）预处理；2）ERA5气象数据驱动的动态羽流抬升模拟；3）基于最大似然估计的风向优化算法；4）与CARMA、EDGAR等7类排放清单的交叉验证。

【OCO-3卫星数据】
研究利用ISS搭载的OCO-3卫星SAM模式，实现目标区域2–3秒时间分辨率的高密度观测，其短波红外波段可有效捕捉CO₂
柱浓度（XCO₂
）异常，为模型提供0.1°网格化输入。

【目标电厂筛选】
选取中国托克托（全球最大装机6720 MW）、南非Matimba等14座电厂，覆盖亚洲、北美、欧洲和非洲，确保地理分布与排放强度的代表性。

【结论】
改进模型反演的日均排放量（21.54–82.33 kt）与清单相关性达0.493–0.863，其中风向优化使反演精度提升37%。研究发现CARMA低估托克托电厂排放19%，而Global Coal Plant Tracker对James H Miller Jr电厂排放低估达24%，主要源于排放因子过时与统计口径差异。

该研究首次实现卫星数据与多参数优化模型的协同应用，证实OCO-3在点源排放监测的实用性，为《巴黎协定》下的跨国排放核查提供技术支撑。通过历史数据回溯，该方法还能识别异常排放事件，例如研究期间发现中国某电厂在检修日的CO₂
脉冲式排放，这对评估"双碳"政策执行效果具有里程碑意义。