Summary: | Hiilidioksidi (CO2) ja metaani (CH4) ovat merkittävimmät ihmisperäiset kasvihuonekaasut, joilla molemmilla on huomattava vaikutus ilmastonmuutokseen ja ilmakehän lämpenemiseen. Näiden kaasujen pitoisuuksien epäsuorat kaukokartoitusmittaukset ovat oleellinen osa ihmisperäisten päästöjen kehityksen seurannassa. Näitä mittauksia tarvitaan myös arvioitaessa kasvihuonekaasujen vaikutusta ilmakehän prosesseihin. Edellämainitun tutkimuksen luotettavuus perustuu suurilta osin mittausten epävarmuuden arvioinnin paikkansapitävyyteen, minkä takaamiseksi käytetään korkeatasoista epävarmuusanalyysiä. Tämän väitöskirjatyön tavoitteena on kehittää ja ottaa käyttöön luotettavia ja laskennallisesti tehokkaita epävarmuusanalyysimenetelmiä sovellettuna kasvihuonekaasujen kaukokartoitukseen. Kehitetyt menetelmät perustuvat matemaattisesti käänteisongelmien teoriaan ja todennäköisyysteorian sovelluksiin. Käytämme erityisesti informaatioteoreettisia työkaluja pienentääksemme käänteisongelman ulottuvuutta. Tämä johtaa laskennalliseen ongelmaan, joka on huomattavasti nopeampi ratkaista. Työn sovelluskohteita ovat Nasan Orbiting Carbon Observatory 2 -satelliitin hiilidioksidipitoisuusmittaukset sekä Sodankylän Arktisessa Avaruuskeskuksessa sijaitsevan spektrometrin mittaamat metaanipitoisuudet. Jälkimmäisessä keskitymme sekä yksittäisiin mittauksiin että koko aikasarjan tutkimiseen ajalta 2009–2018. Kehitetyt menetelmät toimivat erittäin hyvin käsitellyissä sovelluksissa luoden pohjaa uusille operatiivisille epävarmuusanalyysialgoritmeille. Carbon dioxide (CO2) and methane (CH4) are two most significant anthropogenic greenhouse gases contributing to climate change and global warming. Indirect remote sensing measurements of atmospheric concentrations of these gases are crucial for monitoring manmade emissions and understanding their effects and related atmospheric processes. The reliability of these studies depends largely on robust uncertainty quantification of the measurements, which provides rigorous error estimates and confidence ...
|