We can hardly manage what we do not measure. · Fernerkundung von Treibhausgasen (CO 2, CH 4)...

Fernerkundung von Treibhausgasen (CO2, CH4) Status und Perspektiven

Heinrich Bovensmann, Institut für Umweltphysik, Universität Bremen mit Beiträgen von M. Buchwitz, K. Bramstedt, M. Reuter, K. Gerilowski, J. Heymann, S.

Krautwurst, S. Noel, T. Krings, O. Schneising, J. Notholt, J. P. Burrows & CarbonSat Team (MPI BGC, SRON, LSCE, EMPA, UoL, NASA JPL, DLR, ESA, Airbus, OHB,…)

[email protected]

We can hardly manage what we do not measure.

DKK Jahrestagung | April 2016 | Slide 3

Passive Fernerkundung von Treibhausgasverteilungen in der Atmosphäre

SCIAMACHY auf ENVISAT (2002-2012): CO2, CH4, CO, O3, NO2, SO2 ... GOSAT (2010 – 2017): CO2, CH4

OCO-2 (2014 - 2017): CO2

Sentinel 5 Precursor (2016 – 2022): CH4, CO, O3, NO2, SO2 …

DKK Jahrestagung | April 2016 | Slide 4 Reuter et al., Nature Geoscience 2014

Änderungen CO2 in anthropogene Quellregionen

• Verbrennung fossiler Energieträger produziert NO2 und CO2, NO2 nutze, um „anthropogen“ Kontaminierte Luftmassen zu identifizieren => Änderung im CO2ff extrahiert.

• Nord Amerika & Europa: abnehmende Emissionen (aber großer Fehlerbalken bei CO2)

• Asien: Anstieg der Emissionen, aber weniger NOx pro CO2: Trend zu saubereren Technologien

2003-2011

Daten: SCIAMACHY / ENVISAT


Europas Biosphäre als wichtige C-Senke – unsicher?

Reuter et al. (manuscript submitted)

Publizierten Werte zum Kohlenstoffbudget Europas (Unsicherheiten: 1-sigma):

Eine zukünftige CO2-Mission kann Fehler auf 0.1-0.2 GtC/a reduzieren.


CO2 - Erhöhung

Slit

Fernerkundung von Kraftwerksemissionen (CO2)

Gerilowski et al 2011, Krings et al. 2011

Weisweiler

• Weitere Kraftwerk beprobt: Jänschwalde, Neurath etc. – Next: Berlin 2017 • Gute informelle Zusammenarbeit mit Betreibern (Vattenfall, RWE etc.)

CO2 Messungen über der Abluftfahne des Kohlekraftwerks Weisweiler/Niederrhein

bestätigen berichtete Emissionen (jährliche Emissionen 19 MtCO2/yr)

MAMAP


Erhöhte Methan-Konzentrationen: Öl/Gas USA

Bakken

Emission Increase:

990 ± 650 ktCH4/yr

Eagle Ford

Emission Increase:

530 ± 330 ktCH4/yr

• Anstieg der Methan Emissionen: 2009-2011 vs. 2006-2008 • Ca. 10% des jährl. Anstiegs im globalen Methan seit 2006

Schneising et al., Future Earth 2014


Methan aus Öl/Gas Förderung

CH4

• Messkampagne Kalifornien Sommer 2014 • Erhöhtes CH4 über Ölfeldern

(konventionelle Förderung) • keine Emissionen berichtet • Datenanalyse: Emissionen von 30kT CH4/yr

zur Zeit der Messung

Ebenfalls: CH4 aus Wetterschächten (Kohlebergbau), Mülldeponien, geologisches Methan (Seeps)

MAMAP


Zukünftige Daten: Sentinel 5 Precursor 2016-2022

Mindestens 2 Größenordnungen höhere Datendichte bei verbesserter räumlichen Auflösung und verbesserter Datenqualität der Einzelmessung!

Neue Forschung und Anwendung u.a. bzgl. CH4-Emissionen. MERLIN ab 2020 (hohe & polare Breiten)

Aber: Europa hat derzeit keine Mission die CO2 „liefert“!

SCIAMACHY Sentinel 5P

2002 - 2012 2016 - 2022

CO2, CH4 CH4

CO, O3, NO2, SO2 CO, O3, NO2, SO2

30 km x 60 km 7 km x 7 km

alle 6 Tage global Täglich global


Resolution too low Accuracy too low

Sampling too sparse Accuracy moderate

Sampling sparse Accuracy good

Imager : Sampling dense Accuracy good

CO2 and CH4 CO2 and CH4 CO2

OCO-2 (2014-2017+) OCO-2 GOSAT

SCIAMACHY (2002-2012)

CO2

GOSAT GOSAT

(2010 – 2017+)

Anforderungen an zukünftige Satellitensensoren

Notwendige Eigenschaften zukünftiger Satellitensensoren zum Treibhausgas-Monitoring

Dichte räumliche Abtastung - “Bilder” der CO2 und CH4 Verteilungen,

- Ausreichende Anzahl an Messungen pro Region

Hohe räumliche Auflösung - Nachweis lokaler Hotspots, Wolken-Unempfindlichkeit

Hohe Genauigkeit - Information stammt aus kleinen Gradienten

Globale Abdeckung European CO2

Monitoring Mission (ESA-EU)


Informationsgewinn CO2 Flüsse auf Länder-Skala

• Nummerisches Experiment mit simulierten Daten

• Reduktion des Fehlers auf CO2-Flüsse nach Assimilation von Satelliten-Daten über eine Woche im Sommer (Mesoskalen Model)

• Herausforderungen: • systematische

Fehler Model & Daten

• hohe Datendichte

GOSAT OCO-2 CarbonSat

0 10 20 30 40 50 60 70 80 90 %

European CO2 Monitoring Mission

Fehlerreduktion

Feh

lerred

ukti

on

Gering Hoch


Zusammenfassung: Fernerkundung von Treibhausgasen

• Forschungsaktivitäten in Deutschland konnten in den letzten Jahren demonstrieren, dass Methoden der Fernerkundung von Treibhausgasen wichtige Beiträge zu einem Treibhausgas-Monitoring System leisten können.

• Wissenschaft im Team mit Industrie führend bei der Entwicklung von innovativen Fernerkundungssensoren für Treibhausgase (SCIAMACHY, MAMAP, MERLIN, CHARM-F).

• Wissenschaft führend im Bereich Modellierung und In-Situ Meßnetzen (IAGOS, ICOS, TCCON etc.)

Wissenschaft gut aufgestellt, um Aufbau und Betrieb eines Emissions-Monitoring Systems weiter fachlich voran zu treiben.


Herausforderungen THG Emissions-Monitoring System

• In-Situ UND Fernerkundung UND Modellierung

• Wissenschaft UND Services

• Universitäre Forschung UND Institutionelle Forschung

UND Industrie

• Mehrwert nutzen: Verbesserung der Prognosefähigkeit

von Klimamodellen

starkes nationales Wissenschaftsprogramm eingebettet in

europäische und weltweite Initiativen !

ein starkes Wissenschaftsprogramm muss alle Phasen

einer Satellitenmission begleiten !


The way foward towards a comprehensive carbon information system

Hinsichtlich IPCC & COP „Verwertbarkeit“: Netto Flüsse? Quellen? Senken? Absolute Werte? Relative Änderung (als Funktion der Zeit)? Prioritäten?


Source : D Brunner, EMPA COSMO model

17

The top-down atmospheric approach

Simulation of Column CO2 emissions plumes


Forschungsbedarf THG-Flüsse & Fernerkundung

1. Systematische Fehler in Modellen und THG-Daten

• Welche zusätzlichen Daten würden helfen, systematische Fehler in Modellen

bzw. THG-Daten zu charakterisieren und zu minimeren?

2. Strategien und Methoden, Fernerkundungsdaten mit hoher Datendichte zu

nutzen.

• THG-Imaging Mission z.B. Sentinel 5P (CH4), CarbonSat-Konzept (CO2)

• Inverse Modellierung / Datenassimilation

3. Notwendige Zusatzinformationen - neben Meteorologie, THG-Daten, a-priori

Flüsse und deren Verteilung - , um auf Länderskala belastbare Abschätzung der THG-

Flüsse, bzw. der Änderung der Flüsse zu liefern? Vefügbarkeit?

4. Hinsichtlich IPCC & COP Verwertbarkeit: Netto Flüsse? Quellen? Senken? Absolute

Werte? Relative Änderung (als Funktion der Zeit)? Prioritäten?

5. Verbesserung der Prognosefähigkeit von Klimamodellen: Wie leite ich aus den

THG-Daten verbesserte Parametrisierung (z.B. von Rückkopplungsmechanismen) für

Klimamodelle ab, um deren Prognosefähigkeit zu verbessern?.


Wie kann man mit Hilfe von Satellitendaten natürliche und anthropogene Beiträge trennen?

• „Bilder“ der räumlichen Verteilung von XCO2, XCH4

• Saisonale Variation XCO2, XCH4

• Korrelation mit anderen Spurengasen (CO, upper trop. CH4, NO2, etc.)

• Kombination mit Bodeninformation (Landnutzung, Vegetations Index, Photosynthese)

• A-priori Information zur räumlichen Verteilung von Quellen und Senken

• Tagesgang der THG -> geostationärer Orbit oder LEO-Konstellation

• Isotope …

Modelled XCO2 (Pillai et al., ACP, 2010):

• Coupled biosphere-atmosphere model with anthropogenic emissions

• Constant background removed

• Resolution: 10 km x 10 km

20

http://de.slideshare.net/ASQ1508/quality-metrics

GHG‘s ?


Wichtige offene Fragen …

… bezüglich der Quellen und Senken von CO2 und Methan sind zum Beispiel:

Stimmen die berichteten

Emissionen ?

Wie verhalten sich die Senken in der

Zukunft bei verstärktem Klimawandel ?

Werden die heutigen Senken zu Quellen ?

Wer emittiert wieviel ? (Quellen) Wieviel CO2 nehmen die Wälder

und Ozeane auf ? (Senken)

Wieviel Methan setzt der

auftauende Permafrostboden frei ?


= Column-averaged dry-air mole fraction (mixing ratio) of CO2

= Vertical CO2 column / Vertical of dry-air column (via O2)

H L

CO2

O2

XCO2

Using absorption spectroscopy to

determine vertical columns

[number of molecules/area]

Same for XCH4

Key quantities delivered by remote sensing: XCO2 & XCH4


Scattering in the atmosphere


Measured radiation -> CO2 emissions

Measured

Radiation

Atmospheric

CO2 or CH4

CO2 or CH4

Emissions A

B

C

Forward-

Models

Transport-

Chemistry-

Model

Radiative-

Transfer-Model

Inversion-

Models

„Inversion“

„Retrieval“

=

„Inversion“


SCIAMACHY/ENVISAT

Global satellite observations

Global information on near-surface CO2 & CH4

TANSO/GOSAT

Upper layer

CO2 & CH4

IASI,

MIPAS,

SCIA/occ,

AIRS,

ACE-FTS,

…

Global observations

Calibrated radiances

Calibration (L 0-1)

Reference

observations Validation

Inverse

modelling

(L 2-4)

Improved information on

GHG sources & sinks

Atmospheric GHG

distributions

Retrieval (L 1-2)

(Other: OCO-2, S5P, …)


Methane Airborne Mapper MAMAP

Sensor: • 2-channel (NIR, SWIR-1) spectrometer • Moderate spectral resolution (0.5 - 0.8 nm) • Spatial resolution 30 m – 50 m depending on

airplane used • Robust sensor and flown on different aircrafts

(Cessna 207, Cessna Caravan, AWI P5 DC3T/BT67, Twin Otter)

Measurement principle

• Absorption spectroscopy using scattered/ reflected solar radiation (as SCIAMACHY, OCO-2, GOSAT)

Main data product

• “Column averaged dry air mole fractions” of CH4 and CO2 (XCH4 and XCO2) via proxy approach with typical uncertainty of 0.3%

Gerilowski et al 2011 / 2015, Krings et al. 2011 / 2013

Powerplant:24MTCO2/year


Methan aus Mülldeponien (Los Angeles) - MAMAP

28

Scholl Canyon 27.08.2014

Puente Hills 27.08.2014

BBK 01.09.2014

Olinda Alpha 01.09.2014 9 km


Anthropogenic CO2 and NOx emissions (Reuter et al., 2014, Nat. Geosci.)

• Significantly lower ΔXCO2 levels at weekends in North America and Europe but not in East Asia (North America & Europe: 34+/-15% less CO2 emitted during weekends).

• Weekend effect of XCO2 is a tiny signal and this is its first detection from space.

• It underlines that the analyzed CO2 signals originate from anthropogenic activities.


Zukünftige Sensoren müssen Anforderungen in den folgenden Bereichen erfüllen:

• Dichte räumliche Abtastung: “Bilder” der CO2 und CH4 Verteilungen

• Hohe räumliche Auflösung: Nachweis lokaler Hotspots, Wolken-Unempfindlichkeit

• Hohe Genauigkeit: Information stammt aus kleinen Gradienten

• Globale Abdeckung: alle Regionen der Erde tragen CO2 und CH4 bei

Resolution too low Accuracy too low

Sampling too sparse Accuracy moderate

Sampling sparse Accuracy moderate

-> good

Sampling dense Accuracy good

Der Weg zu neuen Sensoren

CO2 and CH4 CO2 and CH4 CO2

GOSAT OCO-2 CarbonSat OCO-2 MicroCarb

(project) GOSAT SCIAMACHY

(stopped)

CO2 and CH4 CO2


Fossil fuel emissions: CO2 sources

Reminder: uncertainties on emissions are increasing and becoming a substantial error

source for natural flux estimates (Ballantyne et al. 2012/ 2015)


Understanding the CH4 growth relies on our ability to separate sources and sinks

• CH4 has both natural and anthropogenic sources

• Wetlands are the largest and most uncertain source

• OH radicals remove each year most of the global emissions

• Uncertainties in sources often in the 30-100% range

Atmospheric sink

Fossil fuel extraction

Waste Livestock

Rice paddies

+ Wetlands

Atmospheric increase

Anthropogenic Natural

Soil sink

Fire and Others

OH radicals

90% OH 5% Cl

<1%

(2000-2009)

4%

After Kirschke et al. 2013


Magnitude of Signals in XCO2 and XCH4

• Signatures in XCO2 on different scales are small … a few ppm

on a ~400 ppm background • Seasonal cycle amplitude ~8-9 ppm

• Weather pattern ~ 5 ppm

• Forest fires ~ 5 ppm

• Power plants ~ 5 ppm

• Intermemispheric gradient ~ 3 ppm

• Annual growth rate ~ 2 ppm/yr

• El Nino response in growth rate: ~ 2 ppm/yr

• Signatures in XCH4 on different scales are small … a few 10 ppb

on a ~ 1800 ppb background • Seasonal cycle amplitude ~ 10 - 15 ppb

• Weather pattern ~ 30 ppb

• Forest fires ~ 30 ppb

• Coal mining, oil/gas production ~ 20 - 40 ppb

• Annual growth rate ~ 8 ppb/yr (since 2007)

• El Nino response in growth rate: ~ 20 ppb/yr


CO2 and CH4 to be derived from „top of atmosphere“ radiance normalised by solar irradiance (absorption spectroscopy)

• Slant column concentrations from weak CO2 and CH4 absorption

• dry column CO2 & CH4 and light path correction (vertical column) need for O2A and strong CO2

band

Measurement principle


be extended with GOSAT, OCO-2

XCO2 time series (GHG CCI project)


Conclusion and Outlook

• During the last years the GHG remote sensing community succeeded in bringing the accuracy of space based GHG data down to a level that scientific investigations on natural processes and feedbacks (carbon sink, CH4 wetlands etc.) as well as anthropogenic emissions are feasible (SCIAMACHY, GOSAT)

• Limitiations are:

• Sparse sampling in time: analysis better then yearly resolution needs spatial averaging over large regions.

• Sparse sampling in space: data analysis below the regional scale currently needs multi-year averages to be analysed.

• Measurement random and systematic errors limit some applications

Next generation of GHG satellite missions needs to improve on all three areas, for CH4 Sentinel 5 Precursor (2016) will be the next step.

• Airborne remote sensing demonstrated the power to quantify local emissions, using „images“ of their GHG plumes


Support a set of recommendations for EC about: "Need and opportunity for an independent European satellite-borne observation capacity for CO2 to monitor and to verify the compliance of the parties to international climate agreements."

“CO2 report” : Towards a European Operational Observing System to Monitor Fossil CO2 Emissions

http://www.copernicus.eu/main/towards-european-operational-observing-system-monitor-fossil-co2-emissions

Copernicus CO2 Report


Further reading: Recent SCIAMACHY XCO2 Results

39

• Schneising, O., Reuter, M., Buchwitz, M., Heymann, J., Bovensmann, H., and Burrows, J. P.: Terrestrial carbon sink observed from space: variation of growth rates and seasonal cycle amplitudes in response to interannual surface temperature variability, Atmos. Chem. Phys., 14, 133-141, doi:10.5194/acp-14-133-2014, 2014.

• Reuter, M., Buchwitz, M., Hilker, M., Heymann, J., Schneising, O., Pillai, D., Bovensmann, H., Burrows, J. P., Bösch, H., Parker, R., Butz, A., Hasekamp, O., O'Dell, C. W., Yoshida, Y., Gerbig, C., Nehrkorn, T., Deutscher, N. M., Warneke, T., Notholt, J., Hase, F., Kivi, R., Sussmann, R., Machida, T., Matsueda, H., and Sawa, Y.: Satellite-inferred European carbon sink larger than expected, Atmos. Chem. Phys. Discuss., 14, 21829-21863, doi:10.5194/acpd-14-21829-2014, 2014. – accepted.

• Schneising, O., J. Heymann, M. Buchwitz, M. Reuter, H. Bovensmann, and J. P. Burrows, Anthropogenic carbon dioxide source areas observed from space: assessment of regional enhancements and trends, Atmos. Chem. Phys., 13, 2445-2454, doi:10.5194/acp-13-2445-2013, 2013.

• Reuter, M., M. Buchwitz, A. Hilboll, A. Richter, O. Schneising, M. Hilker, J. Heymann, H. Bovensmann and J. P. Burrows, Decreasing emissions of NOx relative to CO2 in East Asia inferred from satellite observations, Nature Geoscience, 28 Sept. 2014, doi:10.1038/ngeo2257, pp.4, 2014.

Bio

sp

here

An

thro

po

gen

ic


Further reading: Recent SCIAMACHY XCH4 Results

• Bergamaschi, P., et al. (2013), Atmospheric CH4 in the first decade of the 21st century: Inverse modeling analysis using SCIAMACHY satellite retrievals and NOAA surface measurements, J. Geophys. Res. Atmos., 118, 7350–7369, doi:10.1002/jgrd.50480,. 2013.

• Houweling, S., Krol, M., Bergamaschi, P., Frankenberg, C., Dlugokencky, E. J., Morino, I., Notholt, J., Sherlock, V., Wunch, D., Beck, V., Gerbig, C., Chen, H., Kort, E. A., Röckmann, T., and Aben, I.: A multi-year methane inversion using SCIAMACHY, accounting for systematic errors using TCCON measurements, Atmos. Chem. Phys., 14, 3991-4012, doi:10.5194/acp-14-3991-2014, 2014.

• Hayman, G. D., OConnor, F. M., Dalvi, M., Clark, D. B., Gedney, N., Huntingford, C., Prigent, C., Buchwitz, M., Schneising, O., Burrows, J. P., Wilson, C., Richards, N., Chipperfield, M., Comparison of the HadGEM2 climate-chemistry model against in-situ and SCIAMACHY atmospheric methane data, Atmos. Chem. Phys. Discuss., doi:10.5194/acpd-14-12967-2014, 14, 12967-13020, 2014. – accepted

• Schneising, O., J. P. Burrows, R. R. Dickerson, M. Buchwitz, M. Reuter, H. Bovensmann, Remote sensing of fugitive methane emissions from oil and gas production in North American tight geologic formations, Earth's Future, 2, DOI: 10.1002/2014EF000265, pp. 11, 2014.

• Kort, E. A., C. Frankenberg, K. R. Costigan, R. Lindenmaier, M. K. Dubey, and D. Wunch, Four corners: The largest US methane anomaly viewed from space, Geophys. Res. Lett., 41, 6898–6903, doi:10.1002/2014GL061503, 2014.

40


Further reading: CarbonSat • CarbonSat website: http://www.iup.uni-bremen.de/carbonsat/

• Bovensmann, H., Buchwitz, M., Burrows, J. P., Reuter, M., Krings, T., Gerilowski, K., Schneising, O., Heymann, J., Tretner, A., and Erzinger, J.: A remote sensing technique for global monitoring of power plant CO2 emissions from space and related applications, Atmos. Meas. Tech., 3, 781-811, 2010.

• Velazco, V. A., M. Buchwitz, H. Bovensmann, M. Reuter, O. Schneising, J. Heymann, T. Krings, K. Gerilowski, and J. P. Burrows, Towards space based verification of CO2 emissions from strong localized sources: fossil fuel power plant emissions as seen by a CarbonSat constellation, Atmos. Meas. Tech., 4, 2809-2822, 2011.

• Buchwitz, M., M. Reuter, H. Bovensmann, D. Pillai, J. Heymann, O. Schneising, V. Rozanov, T. Krings, J. P. Burrows, H. Boesch, C. Gerbig, Y. Meijer, and A. Loescher: Carbon Monitoring Satellite (CarbonSat): assessment of atmospheric CO2 and CH4 retrieval errors by error parameterization, Atmos. Meas. Tech., 6, 3477-3500, 2013.

• Pillai, D., Buchwitz, M., Gerbig, C., Koch, T., Reuter, M., Bovensmann, H., Marshall, J., and Burrows, J. P.: Tracking city CO2 emissions from space using a high resolution inverse modeling approach: A case study for Berlin, Germany, Atmos. Chem. Phys. Discuss., doi:10.5194/acp-2015-960, in review, 2016.

http://www.iup.uni-bremen.de/carbonsat/





Further reading: Airborne XCO2 and XCH4 (MAMAP)

• Gerilowski, K., A. Tretner, T. Krings, M. Buchwitz, P. P. Bertagnolio, F. Belemezov, J. Erzinger, J. P. Burrows, and H. Bovensmann, MAMAP – a new spectrometer system for column-averaged methane and carbon dioxide observations from aircraft: instrument description and performance analysis, Atmos. Meas. Tech., 4, 215-243, 2011.

• Krings, T., Gerilowski, K., Buchwitz, M., Reuter, M., Tretner, A., Erzinger, J., Heinze, D., Pflüger, U., Burrows, J. P., and Bovensmann, H.: MAMAP – a new spectrometer system for column-averaged methane and carbon dioxide observations from aircraft: retrieval algorithm and first inversions for point source emission rates, Atmos. Meas. Tech., 4, 1735-1758, doi:10.5194/amt-4-1735-2011, 2011.

• T. Krings, K. Gerilowski, M. Buchwitz, J. Hartmann, T. Sachs, J. Erzinger, J. P. Burrows, H. Bovensmann, Quantification of methane emission rates from coal mine ventilation shafts using airborne remote sensing data, Atmos. Meas. Tech., 6, 151-166, 2013.

• Gerilowski, K., Krings, T., Hartmann, J., Buchwitz, M., Sachs, T., Erzinger, J., Burrows, J.P.; Bovensmann, H.; Methane Remote Sensing Constraints on direct Sea-Air Flux from the 22/4b North Sea Massive Blowout Bubble Plume, Journal of Marine and Petroleum Geology, Volume 68, Part B, December 2015, Pages 824–835, 2015, doi:10.1016/j.marpetgeo.2015.07.011

42

Date post:	23-Apr-2020
Category:	Documents
Upload:	others
View:	1 times
Download:	0 times

We can hardly manage what we do not measure. · Fernerkundung von Treibhausgasen (CO 2, CH 4)...

Documents