بررسی عملکرد الگوریتمهای تخمین غلظت گاز گلخانهای CO2، براساس دادههای ماهوارة گوست (GOSAT) و ایستگاههای زمینی

افزایش سطح غلظت گازهای گلخانه‌ای و به‌تبع آن، گرم‌شدن کرة زمین و تغییرات آب‌وهوایی یکی از مهم‌ترین چالش‌های قرن بیست‌ویکم شناخته شده است. این پژوهش عملکرد الگوریتم‌های موجود در بازیابی غلظت گازهای گلخانه‌ای دی‌اکسید کربن را، براساس داده‌های مشاهداتی ماهوارة نظارت بر گازهای گلخانه‌ای گوست (GOSAT)، در مقایسه با داده‌های مرجع به‌دست‌آمده از شبکة سطحی (TCCON)، در هشت سایت منتخب در دورة زمانی 2015-2011 بررسی می‌کند. الگوریتم‌های مورد ارزیابی عبارت‌اند از الگوریتم NIES، ACOS و RemoTeC (SRFP). این الگوریتم‌ها بر بازیابی فراوانی ستونی از گازهای مورد نظر متمرکز شده‌اند تا از مقادیر مولکولی هوای خشک اتم دی‌اکسید کربن (XCO2) بهره بگیرند. برای ارزیابی محصولات هر الگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخص‌های آماری اریبی (Bias)، جذر میانگین مربع خطاها (RMSE)، خطای مطلق (MAE)، انحراف معیار (SD) و ضریب همبستگی پی‌یرسون (CR) در هر ایستگاه استفاده شده است. نتایج بررسی مقادیر داده‌شده نشان می‌دهد که، در بیشتر ایستگاه‌های زمینی مورد نظر، به‌ترتیب الگوریتم‌‌های NIES، ACOS، RemoTeC (SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بوده‌اند. همچنین، کمترین مقادیر همبستگی (بین هر الگوریتم و شبکة سطحی) متعلق به الگوریتم (SRFP) و بیشترین مقادیر آن، درمورد بیشتر ایستگاه‌ها، متعلق به الگوریتم NIES در یک میانگین پنج‌ساله (2015-2011) است.