Emission Observatory – Pilot for Africa

Climate change, driven by increasing atmospheric concentrations of anthropogenic greenhouse gases (GHGs), is one of the greatest threats of our time. Space-based observations offer new opportunities for improving the completeness and transparency of emission reports as they provide objective observations over areas where other information is inaccurate or not available.

Over the past decade, satellite-based measurements of greenhouse gases have transformed the estimation of emission rates from anthropogenic hotspots. New satellite observations of emission plumes from point sources have created opportunities to use simpler and more computationally efficient methods for estimating emissions. International accords like the 2015 Paris Agreement have played a major role in driving research in this area. Many space agencies, organizations, and private companies are now developing new GHG satellite missions and constellations to observe plumes and support future monitoring of GHG emissions.

To obtain emission estimates from atmospheric concentrations, mathematical inverse modeling methods are needed. The Finnish Meteorological Institute is dedicated to developing new methods for data-driven emission estimation that do not require complex atmospheric modeling. In particular, the team has developed several new plume inversion techniques for various recent satellite missions. As part of user engagement activities, the team has piloted a new service for the African continent, where ground-based information has traditionally been less available.

The Emission Observatory – Pilot for Africa platform is an interactive map service for monitoring anthropogenic GHG and air pollution hotspots in Africa using satellite observations and state-of-the-art emission estimation methods. Specific focus areas include cities and megacities, the mining sector (particularly critical minerals needed for the green transition), energy production (e.g., power plants in South Africa's Highveld region), and the oil and gas industry (especially regarding fugitive methane emissions and gas flaring). The service is set to inform decision makers, environmental authorities, citizens and industry about emission sources and their spatio-temporal variability, specifically over the African continent. The information provided through the platform are tailored to the users’ needs and feedback. The platform is based on publicly available observations from the EU’s Copernicus Sentinel fleet and NASA’s Earth observation program. 

User and stakeholders of the Emission Observatory – Pilot for Africa service can engage and participate in the service implementation through a co-design process.

If you are interested in and would like to benefit from this service and methods, please contact us: emissionobservatory@fmi.fi

Link to the service: https://www.emissionobservatory.org

Number of primes between n and 2n?

Chebyshev said it, but I'll say it again; There's always a prime between n and 2n.

But how many primes there are between n and 2n?

The prime number theorem (PNT) says that π(n) ~ n/ln(n).

So, the number of primes between n and 2n is roughly π(2n)- π(n) ≈ 2n/ln(2n) - n/ln(n).

Now, ln(2n) = ln(2) + ln(n) which is dominated by ln(n) when n is large.

Hence, we obtain π(2n)- π(n) ≈ 2n/ln(n) - n/ln(n) = (2n-n)/ln(n) = n/ln(n).

Of course, a much better approximation is given by the logarithmic integral 

And here is the plot:

Ilmatieteen laitos valmistautuu Copernicus CO2M -missioon

Vuonna 2015 solmitun Pariisin ilmastosopimuksen myötä ihmisten aiheuttamien kasvihuonekaasupäästöjen monitorointi on noussut entistä tärkeämmäksi. Tämän takia Euroopan komission maanseurantaohjelma Copernicus on valmistelemassa uutta CO2M-missiota, jonka tarkoituksena on erityisesti keskittyä ihmisten aiheuttamien hiilidioksidipäästöjen seurantaan. Satelliittikonstellaation on tarkoitus koostua kahdesta tai useammasta satelliitista, jotka havainnoivat hiilidioksidia (CO₂) ja typpidioksidia (NO₂) 250 km laajuisella kaistalla 4 km² spatiaalisella resoluutiolla. Ensimmäinen satelliitti on tarkoitus laukaista vuonna 2026.

Ilmatieteen laitoksen vetämässä, vasta julkaistussa tutkimuksessa [1] datapohjaisia päästöestimointimenetelmiä sovellettiin Sentinel 5P -satelliitin TROPOMI-mittalaitteen typpidioksidihavaintoihin. Tutkimuksen tavoitteena oli tutkia Matimba/Medupi-kivihiilivoimaloiden päästöjä Etelä-Afrikassa. Koska voimaloiden päästö on typpimonoksidin ja typpidioksidin summa (NO_x = NO + NO₂) ja satelliitti mittaa pelkkää typpidioksidia, niin datapohjaiset päästöarviointimenetelmät tarvitsevat skaalauskertoimia, jotta NO₂-pohjainen päästöarvio voidaan muuttaa oikeaan muotoon.  Tutkimuksessa osoitettiin, että tarvittavat skaalauskertoimet riippuvat sekä käytetystä päästöestimointimenetelmistä, että alueesta mistä päästöinformaatio tulee.

”Tutkimuksessa käytettyjen MicroHH-simulointien perusteella johdetut skaalauskertoimet ovat huomattavasti (yli 50 %) korkeammat kuin kirjallisuudessa yleisesti käytetyt tyypilliset arvot todellisten NO₂-havaintojen kanssa,” julkaistua tutkimusta vetänyt Janne Hakkarainen kertoo.

Ilmatieteen laitos oli mukana EU:n H2020-ohjelman CoCO2-hankkeessa. Hankkeen keskeisenä tavoitteena oli valmistautua tuleviin CO2M-mittalaitteen havaintoihin. Ilmatieteen laitoksen vetämässä työpaketissa kehitettiin datapohjaisia menetelmiä voimakkaiden päästölähteiden kuten kivihiilivoimaloiden ja kaupunkien päästöestimointiin. Tavoitteena oli myös verrata eri menetelmiä keskenään käyttäen hyväksi synteettisiä mittauksia.

Työpaketin seurauksena syntyi kolme uutta tieteellistä julkaisua aiemman Ilmatieteen laitoksen vetämän menetelmäpaperin lisäksi. Sveitsiläisen Empa-instituutin vetämässä artikkelissa [2] rakennettiin ddeq Python-kirjasto, jolla voidaan satelliittikuvista laskea pistelähteiden päästöt. Ranskalaisen LSCE-instituutin vetämässä julkaisussa [3] eri menetelmiä verrattiin keskenään.

 

Viitteet:

[1] Janne Hakkarainen, Gerrit Kuhlmann, Erik Koene, Diego Santaren, Sandro Meier, Maarten C. Krol, Bart J.H. van Stratum, Iolanda Ialongo, Frédéric Chevallier, Johanna Tamminen, Dominik Brunner, Grégoire Broquet,: Analyzing nitrogen dioxide to nitrogen oxide scaling factors for data-driven satellite-based emission estimation methods: a case study of Matimba/Medupi power stations in South Africa, Atmospheric Pollution Research, Volume 15, Issue 7, https://doi.org/10.1016/j.apr.2024.102171, 2024.

[2] Kuhlmann, G., Koene, E. F. M., Meier, S., Santaren, D., Broquet, G., Chevallier, F., Hakkarainen, J., Nurmela, J., Amorós, L., Tamminen, J., and Brunner, D.: The ddeq Python library for point source quantification from remote sensing images (Version 1.0), Geoscientific Model Development, https://doi.org/10.5194/egusphere-2023-2936, 2024.

[3] Santaren, D., Hakkarainen, J., Kuhlmann, G., Koene, E., Chevallier, F., Ialongo, I., Lindqvist, H., Nurmela, J., Tamminen, J., Amoros, L., Brunner, D., and Broquet, G.: Benchmarking data-driven inversion methods for the estimation of local CO₂ emissions from XCO₂ and NO₂ satellite images, Atmos. Meas. Tech. Discuss., https://doi.org/10.5194/amt-2023-241, 2024.