Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.33075/2220-5861-2026-2-62-74
Ключевые слова: methane, lidar sensing, differential absorption method, emission forecasting, machine learning, environmental monitoring, метан, лидарное зондирование, метод дифференциального поглощения, прогнозирование эмиссий, машинное обучение, экологический мониторинг
Аннотация: Актуальность работы обусловлена необходимостью раннего обнаружения и прогнозирования очагов метана в приземном слое атмосферы, что важно для экологического мониторинга и промышленной безопасности. Целью работы является разработка и экспериментальная апробация комбинированного метода локализации и прогноза эмиссий метана. Метод сочеПоказать полностьютает два ключевых компонента: дистанционное лидарное зондирование с резонансным поглощением лазерного излучения на селективной длине волны λ₁=3,3922 мкм, обеспечивающее детектирование предельно малых концентраций (начиная от 1 ppm) с топографической привязкой к местности; трёхуровневую архитектуру прогнозирования, включающую метеорологическую модель WRF, дисперсионную модель и нейросетевую модель N-BEATS, что позволяет интегрировать метеоданные, параметры рассеяния и временные ряды концентраций. Подтверждена эффективность запатентованного программно-аппаратного комплекса и разработанного программного обеспечения SAMLA на данных обсерватории ZOTTO. Коэффициент детерминации R²=0,9355 свидетельствует о высокой точности прогноза, сопоставимой с лучшими мировыми аналогами. Научная новизна заключается в интеграции прямого лидарного измерения метана с нейросетевым прогнозированием на основе трёхуровневой архитектуры, что ранее не предлагалось. The relevance of this work stems from the need for early detecting and forecasting of methane sources in the surface layer of the atmosphere, which is important for environmental monitoring and industrial safety. The aim of the study is to develop and experimentally test a combined method for localizing and forecasting methane emissions. The method combines two key components: remote lidar sensing with resonant absorption of laser radiation at a selective wavelength of λ₁ = 3.3922 μm, ensuring the detection of extremely low concentrations (starting from 1 ppm) with topographic referencing; and a three-level forecasting architecture, including the WRF meteorological model, a dispersion model, and the N-BEATS neural network model, which enables the integration of meteorological data, dispersion parameters, and concentration time series. The effectiveness of the patented hardware and software system and the developed SAMLA software was confirmed using data from the ZOTTO observatory. The determination coefficient R² = 0.9355 demonstrates high forecast accuracy, comparable to the best global analogues. The scientific innovation lies in the integration of direct lidar methane measurement with neural network forecasting based on a three-layer architecture, a previously unproven approach.
Журнал: Системы контроля окружающей среды
Выпуск журнала: №2
Номера страниц: 62-74
ISSN журнала: 22205861
Место издания: Севастополь
Издатель: Институт природно-технических систем