Special Research Paper on “Applications of Data Science and Artificial Intelligence in Economic and Environmental Geology”

Split Viewer

Econ. Environ. Geol. 2024; 57(5): 513-527

Published online October 29, 2024

https://doi.org/10.9719/EEG.2024.57.5.513

© THE KOREAN SOCIETY OF ECONOMIC AND ENVIRONMENTAL GEOLOGY

Current Status of Satellite Remote Sensing-Based Methane Emission Monitoring Technologies

Minju Kim1, Jeongwoo Park1, Chang-Uk Hyun2,*

1Master Student, Department of Energy and Mineral Resources Engineering, Dong-A University, Busan 49315, Republic of Korea
2Assistant Professor, Department of Energy and Mineral Resources Engineering, Dong-A University, Busan 49315, Republic of Korea

Correspondence to : *cuhyun@donga.ac.kr

Received: August 29, 2024; Revised: September 23, 2024; Accepted: September 24, 2024

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided original work is properly cited.

Abstract

Methane is the second most significant greenhouse gas contributing to global warming after carbon dioxide, exerting a substantial impact on climate change. This paper provides a comprehensive review of satellite remote sensing-based methane detection technologies used to efficiently detect and quantify methane emissions. Methane emission sources are broadly categorized into natural sources (such as permafrost and wetlands) and anthropogenic sources (such as agriculture, coal mines, oil and gas fields, and landfills). This study focuses on anthropogenic sources and examines the principles of methane detection using information from various spectral bands, including the shortwave infrared (SWIR) band, and the utilization of key satellite data supporting these technologies. Recently, deep learning techniques have been applied in methane detection research using satellite data, contributing to more accurate analyses of methane emissions. Furthermore, this paper assesses the practicality of satellite-based methane monitoring by synthesizing case studies of methane emission detection at global, regional, and major incident scales, including examples of applying deep learning techniques. At the global scale, research utilizing satellite sensors like the Sentinel-5P TROPOspheric Monitoring Instrument (TROPOMI) was reviewed. At the regional scale, studies were highlighted where TROPOMI data was combined with relatively high-resolution satellite data, such as the Sentinel-2 MultiSpectral Instrument (MSI) and GHGSat Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer, to detect methane emissions and sources. Through this comprehensive review, the current state and applicability of satellite-based methane detection technologies are evaluated.

Keywords methane detection, convolutional neural network, satellite remote sensing, shortwave infrared (SWIR) band, greenhouse gases

인공위성 원격탐사 기반 메탄 배출 모니터링 기술 현황

김민주1 · 박정우1 · 현창욱2,*

1동아대학교 에너지자원공학과 석사과정
2동아대학교 에너지자원공학과 조교수

요 약

메탄은 이산화탄소에 이어 두 번째로 지구온난화에 미치는 영향이 큰 온실가스로, 기후변화에 상당한 영향을 미친다. 본 논문에서는 메탄 배출을 효율적으로 탐지하고 정량화하기 위해 사용되는 인공위성 원격탐사 기반 메탄 탐지 기술을 종합적으로 검토하고자 한다. 메탄 배출원은 크게 자연적 배출원(영구동토, 습지)과 인위적 배출원(농축산업, 석탄광, 석유 및 가스전, 폐기물 처리)으로 구분된다. 이 중 인위적 배출원에 대해 단파장적외선을 포함한 다양한 파장영역의 정보를 활용한 메탄 탐지의 원리와 이를 지원하는 주요 위성자료의 활용성에 대해 고찰하였다. 최근에는 위성자료를 활용한 메탄 탐지에서 딥러닝 기법을 적용한 연구들이 진행되고 있으며 이는 메탄 배출을 보다 정확하게 분석하는 데 기여하고 있다. 또한, 딥러닝 기법 적용 사례를 포함하여 전 지구, 지역 및 대형 사고 규모에서의 메탄 배출 탐지 사례를 종합적으로 검토하고 위성 기반 메탄 모니터링의 실용성을 평가하였다. 전 지구 규모에서는 Sentinel-5P TROPOspheric Monitoring Instrument (TROPOMI)와 같은 위성 센서를 사용한 연구들이 검토되었고 지역 규모에서는 주로 TROPOMI 자료와 상대적으로 고해상도의 위성자료(Sentinel-2 MultiSpectral Instrument (MSI), GHGSat Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer 등)를 결합하여 메탄 배출 및 배출량을 탐지한 연구 사례를 소개하였다. 이러한 종합적 검토를 통해 위성 기반 메탄 탐지 기술의 현황과 활용성을 평가하였다.

주요어 메탄 탐지, 합성곱 신경망, 위성 원격탐사, 단파장적외선 밴드, 온실가스

  • A comprehensive review of various satellite-based methane detection technologies has confirmed their effectiveness in tracking the spatial and temporal distribution of methane emissions.

  • The utility and limitations of satellite-based methane monitoring were evaluated through case studies involving using satellite data, including Sentinel-5P, Sentinel-2, and GHGSat.

메탄(CH4)은 이산화탄소(CO2)에 이어 두 번째로 지구온난화에 미치는 영향이 큰 온실가스로 대기 중에서 비교적 짧은 수명을 가지지만 강력한 온실효과로 인해 단기적인 지구온난화에 크게 기여한다(IPCC, 2023). 메탄의 지구온난화지수(global warming potential, GWP)는 대기 중에서 20년 잔류 시 이산화탄소의 약 82.5배로 추정된다(IPCC, 2023). 이는 메탄의 배출이 기후변화에 미치는 영향을 과소평가할 수 없음을 의미한다. 메탄은 주로농축산업, 폐기물 처리, 화석연료를 이용한 에너지 생산및 분배과정에서 배출되며 특히 산업화 이후 이러한 활동의 증가로 인해 배출량이 급격히 상승하였다(Van Amstel, 2012). 대기 중 메탄 농도의 증가는 기후변화 시나리오의주요 변수 중 하나로, 메탄 배출을 효과적으로 관리하는것은 기후변화 완화에 필수이다.

메탄 배출량을 정확히 탐지하고 정량화하는 것은 전 세계적인 기후변화 대응 전략의 핵심 요소이다. 기후변화에 관한 정부간 협의체(Intergovernmental Panel on Climate Change, IPCC)는 메탄을 지구 평균 기온 0.5°C 상승의주요 원인물질 중 하나로 정의한 바 있으며(IPCC, 2021), 글로벌 메탄 서약(Global Methane Pledge)은 2030년까지메탄 배출을 2020년 대비 30% 감축할 것을 목표로 하고있다(GMP, 2023). 또한, COP (Conference of the Parties) 28에서 세계 200개국 정부가 2030년까지 메탄 배출량을대량 감축하기로 약속하였으며, 특히 미국의 경우 2038년까지 예상 메탄 배출량 대비 80% 감축을 목표로 함을밝혔다(EPA, 2023). 이러한 세계적인 메탄 감축 목표를달성하기 위해서는 메탄 배출량을 지속적으로 모니터링하고 검증할 수 있는 자료가 필요하다.

메탄 배출은 특정 지역에 국한되지 않고 지구 전역에서 발생하며 대기 중에서 빠르게 확산하여 전 지구에 영향을 미친다. 따라서, 지구 전체를 포괄할 수 있는 메탄배출 모니터링 시스템이 필요하다. 위성 기반 메탄 탐지는 전 세계 메탄 배출을 지속적으로 감시하는 광역 관측을 가능하게 한다는 점에서 그 중요성이 크다. 비록 완전한 실시간 자료는 아니지만 위성 궤도를 따르는 주기적 관측을 통해 다양한 시점의 자료를 수집함으로써 메탄 농도의 변화를 추적할 수 있다. 이는 공간 범위가 제한적인 현장 관측 기반 측정 방법과 대비되는 이점이다.

최근 인공위성 및 센서 기술의 발전은 메탄 탐지의 공간 및 시간 해상도를 크게 향상시켰다. 예를 들어, GHGSat 위성의 Wide-Angle Fabry-Perot (WAF-P) Imaging Spectro-meter 센서의 공간해상도는 25~50 m로서 메탄 배출 지점의 위치와 배출량을 메탄 탐지를 목적으로 운용되는위성들 가운데 상대적으로 고해상도로 식별할 수 있어산업 시설, 파이프라인 누출, 매립지 등 세부적인 배출분석이 가능하다(Maasakkers et al., 2022; McLinden et al., 2024; Varon et al., 2018; Varon et al., 2020). 기존의현장 관측 기반 측정법은 특정 지점에서의 메탄 농도를정확히 측정할 수 있지만, 대규모 배출 파악이나 전 지구 규모에서의 메탄 농도 변화를 추적하는 데는 활용이제한적이다. 반면, 위성 기반 메탄 탐지는 지구 전역에서메탄 배출을 탐지하고 정량화할 수 있어 현장 관측 기반측정법의 한계를 보완할 수 있다.

이와 같은 이유로 위성 기술은 메탄 배출을 감시하고관리하는 데 효과적인 도구로 활용할 수 있다. 본 논문에서는 인공위성 원격탐사를 활용한 메탄 배출 탐지와배출량 정량화 방법에 관한 선행 연구들을 분석하여 종합적으로 검토하고 현재 기술의 현황과 향후 활용 방안을 제시하고자 한다.

메탄 배출원은 자연 및 인위적인 요인으로 구분되며 각배출원은 대기 중 메탄 농도 증가에 영향을 미친다. 효율적인 메탄 배출 관리와 감축 전략 수립을 위해서는 이러한 배출원을 정확히 파악하고 모니터링하는 것이 필수이다.

자연적 메탄 배출원은 인간 활동과 무관하게 자연에서발생하는 메탄 배출 현상으로 영구동토, 습지 등이 있다.지구온난화에 따라 고위도 지역의 영구동토층이 점차 해빙되고 있다. 이 과정에서 동결된 상태로 계속 유지되어오던 영구동토층 속 유기물들이 분해되어 다량의 메탄이대기 중으로 배출된다. 이러한 현상은 대기 중 메탄 농도를 급격히 증가시키며 지구온난화를 가속화시킬 수 있다(Schuur et al., 2015; Elder et al., 2021). 습지 또한 자연적으로 메탄을 생성하는 주요 배출원 중 하나로 유기물의 혐기성 분해 과정에서 메탄이 생성되고 배출된다.특히 열대 및 아열대 지역의 습지는 전 세계 습지 면적의 대부분을 차지하며, 메탄 배출이 활발하게 이루어진다(Van Amstel, 2012). 이러한 지역에서의 메탄 배출은전 세계 메탄 순 배출량에 상당한 기여를 하며 계절적및 기후적 변화에 따라 배출량이 크게 변동될 수 있다.

인위적 메탄 배출원은 인간 활동에서 발생하며 대기 중메탄 농도 증가에 미치는 영향이 크다. 인위적 배출원의경우 관리 및 규제를 통해 감축이 가능하므로 기후변화 완화에서 중요한 역할을 한다. 국제에너지기구(International Energy Agency, IEA)에 따르면 2023년 기준 전 세계적으로 발생하는 주요 메탄 배출 분야는 농업, 에너지, 폐기물이다(Fig. 1). 농축산업은 주로 반추동물의 장내 발효 과정에서 메탄이 생성되는 주요 인위적 배출원이다.소와 같은 반추동물의 소화 과정에서 장내 박테리아가유기물을 분해하면서 메탄이 생성되며 이 과정은 전 세계 메탄 배출량의 상당 부분을 차지한다(Van Amstel, 2012). 에너지 산업과 관련하여 석탄광은 지하에 메탄이자연적으로 축적된 환경에서 석탄 채굴 활동을 통해 메탄이 배출되는 주요 인위적 배출원이며 석탄 채굴 과정에서 발생하는 메탄 배출은 운영 기간이 오래된 가행탄광에서 더욱 두드러진다. 석유 및 가스전은 에너지 부문에서 가장 많은 배출량을 차지하는 배출원이며(Fig. 2) 채굴, 생산, 운송 과정에서 메탄이 배출되고 이는 산업 부문에서의 중요한 배출원으로 간주된다(Karakurt et al., 2012). 또한, 폐기물 처리 과정, 특히 매립지에서의 유기물 분해 과정에서 메탄이 발생한다. 매립지의 혐기성 환경에서 유기 폐기물이 분해되어 메탄이 배출되며(Chai et al., 2016) 이는 인위적 메탄 배출원의 중요한 부분을 차지한다.

Fig. 1. Main sources of methane emissions (IEA, 2024).
Fig. 2. Global methane emissions from the energy sector over time, 2000-2021 (IEA, 2022).

대기 중으로 배출되는 메탄의 농도나 양을 파악하기 위해 다양한 현장 관측 기반 모니터링 방식이 활용되고 있으며 크게 고정식 모니터링과 이동식 모니터링으로 구분할 수 있다.

현장 관측 기반 메탄 모니터링 연구 사례에서 고정식모니터링의 경우 농업 분야에서 논에 챔버를 설치하여온실가스를 포집하고 가스크로마토그래피(gas chromato-graphy)를 이용해 정량 분석하는 챔버법의 적용이 용이한 것으로 알려져 있다. 또한, 에디 공분산법(eddy covariance), 플럭스 증감법(flux-gradient), 적외선 측정법등이 메탄 배출량 측정법으로 알려져 있으며, 이 중 챔버법과 에디 공분산법은 습지 메탄 배출량 측정에도 용이한 방법이다(국립농업과학원, 2021). 다이오드 레이저흡수 분광법을 통한 매립지의 메탄 배출 농도 측정(He et al., 2021), 적외선 센서를 통한 하수구 내부 메탄 농도측정(Liu et al., 2014) 등 다양한 센서들을 활용한 고정식 모니터링 방식이 메탄 검출이 연속적으로 필요한 분야에서 활용되고 있다.

이동식 모니터링의 경우 반추동물의 호흡기에 소형 장비인 휴대용 레이저 메탄 감지기를 부착하여 일일 메탄발생량을 추정한 연구(Sorg et al., 2021) 및 레이저 분광기가 장착된 드론을 통해 인위적으로 방출하는 천연가스의 탐지 확률을 측정한 실험(Barchyn et al., 2019), 항공기에 라이다(light detection and ranging, LiDAR) 센서를부착하여 공항, 해안, 수역에서의 메탄 농도 측정(Yakovlev et al., 2022) 등이 수행되었다. 이처럼 이동식 모니터링은 측정 지역을 유동적으로 변경할 수 있으며, 한 지점에서부터 넓은 범위까지 측정 범위가 다양하다.

고정식 모니터링 방식은 센서 설치 지점에서 연속적인모니터링이 가능하다는 장점을 가지지만 모니터링 범위가 센서 설치 지점으로 제한되어 센서의 측정 영역 범위를 벗어나는 경우에는 측정이 어려울 수 있다. 이동식 모니터링은 고정식 모니터링에 비해 더 넓은 지역에서 측정할 수 있으며, 모니터링 지점을 유연하게 변경할 수 있다는 이점이 있다. 그러나 측정의 연속성이 떨어져 지속적인 모니터링에는 한계가 있다.

이에 비해, 위성 기반 메탄 모니터링은 이동식 모니터링보다도 훨씬 광범위한 지역을 측정할 수 있어 측정 시간을 단축할 수 있으며 비접촉 방식으로 측정이 가능하여 위험 지역이나 접근이 어려운 지역도 효과적으로 모니터링할 수 있다. 또한, 주기적으로 자료를 획득하는 위성의 특성상 지속적인 모니터링이 가능하다. 이러한 이유로 위성 기반 메탄 모니터링은 기존 모니터링 방식과비교하여 여러 장점과 차별점을 지니고 있으며 향후 메탄 모니터링에서 더욱 활발히 활용될 것으로 기대된다.

4.1. 메탄 탐지 기본 원리

메탄은 특정 파장대에서 강한 전자기파 흡수 특성을 보이며, 특히 약 2300 nm 파장에서 그 특성이 두드러진다.이러한 파장대는 위성자료의 단파장적외선(shortwave infrared, SWIR) 밴드에 포함되며 이를 활용하여 대기 중메탄 농도를 추정할 수 있다. SWIR 밴드를 이용한 메탄탐지는 위성에서 수집한 파장영역 정보를 분석하여 대기중 메탄의 농도와 배출 지점의 위치를 파악하는 데 유리하다(Fig. 3).

Fig. 3. Spectral Response Functions (SRF) of bands B11 and B12 for Sentinel-2A and Sentinel-2B satellites, along with methane transmittance. The SRF indicates how sensitive the sensor is to different wavelengths of light (Gorroño et al., 2023).

4.2. 메탄 탐지에 사용되는 SWIR 파장영역 위성자료

메탄 탐지에 특화된 위성으로는 Sentinel-5P, GHGSat등이 있다. Sentinel-5P 위성의 TROPOspheric Monitoring Instrument (TROPOMI) 센서는 지구 전역을 매일 관측할수 있는 자료를 제공하지만, 7 km의 넓은 공간해상도로인해 특정 지역의 메탄 농도를 세밀하게 측정하는 데에는 제한적이다. 이러한 제한점으로 인해 주로 메탄 배출을 세밀하게 탐지할 수 있는 다른 위성(Sentinel-2, GHGSat등)과 결합하여 연구에 활용된다(Lauvaux et al., 2022; Schuit et al., 2023).

반면, GHGSat 위성의 Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer 센서는 약 25~50 m의 고해상도자료를 제공하며 메탄 배출 지점을 정밀하게 식별할 수있는 자료 특성을 보유하고 있다. Varon et al. (2018)은GHGSat 자료를 활용하여 메탄 오염원을 탐지하고 배출량을 정량화하는 알고리즘을 개발하였다. 다만, 이 위성의 재방문 주기는 14일로 전 지구를 매일 관측하는 Sentinel-5P 위성과 비교하여 길기 때문에 지속적인 모니터링에는한계가 있다.

WorldView-3, Sentinel-2, Sentinel-3, Landsat-8 및 9 등의 다중분광 센서 탑재 위성은 메탄 탐지 목적의 위성은아니지만 이를 활용하여 메탄 탐지에 성공한 다수의 사례가 존재한다. WorldView-3 위성은 가시광부터 단파장적외선 범위까지의 파장영역을 포함하는 공간해상도 3.7 m의 자료를 제공한다. 이는 메탄 탐지 연구에 주로 활용된 위성들 가운데 고해상도 자료로 메탄 배출의 정밀한탐지 및 정량화에 중요한 역할을 한다. 이러한 고해상도탐지는 과거에는 주로 항공 센서를 통해 가능했지만(Cusworth et al., 2019; Duren et al., 2019; Frankenberg et al., 2016; Jongaramrungruang et al., 2019), 최근에는위성과 센서 기술의 발전으로 더 넓은 지역에서 수행되고 있다. 최근 Sánchez-García et al. (2022)는 WorldView-3 위성을 사용하여 알제리와 투르크메니스탄의 석유 및 가스(oil and gas, O&G) 생산 지역과 중국 산시성의 석탄 채굴 지역을 포함한 26개 주요 메탄 배출원에서 메탄배출을 성공적으로 탐지하고 정량화하였다. 이를 통해 배출 위치를 정확히 식별하고 배출 속도를 정밀하게 측정할 수 있는 기반을 마련하였다.

Sentinel-2 위성의 경우 WorldView-3와 유사하게 Multi-spectral Instrument (MSI) 센서로부터 가시광부터 단파장적외선 범위까지 다양한 밴드를 포함하며, 10~20 m의 공간해상도의 위성자료를 획득한다. 그러나 메탄 탐지에 대한 민감도는 메탄 탐지 목적의 위성들에 비해 상대적으로 낮다(Fig. 4). 그럼에도 무료로 자료 접근이 가능하다는 점과 5일의 재방문 주기 및 Sentinel-5P TROPOMI 자료에 비해 높은 공간해상도는 이러한 민감도의 한계를극복하고 다양한 연구에 활용되고 있다. Varon et al. (2021)은 Sentinel-2 위성자료를 활용하여 알제리의 Hassi Messaoud 유전과 투르크메니스탄의 Korpezhe 유전 및 가스전에서 메탄 배출 모니터링의 효용성을 처음으로 입증하였다. 최근 Gorroño et al. (2023)은 Sentinel-2 자료를활용하여 투르크메니스탄, 알제리, 미국 내 여러 석유 및가스 생산 지역에서 메탄 시뮬레이션 영상을 생성하는방법론을 제시하고 시뮬레이션 자료 기반 메탄 배출 탐지와 그 양을 추정하는 연구를 진행하였다. 이렇게 Sentinel-2 위성자료는 특정 지역에서의 메탄 배출을 지속적으로모니터링하고, 배출 위치와 배출의 변화 양상을 추적하는 데 있어 중요한 도구로 활용될 수 있다. Sentinel-2 위성자료는 재방문 주기가 긴 고해상도 위성이나 메탄 탐지에 특화된 위성의 자료와 상호보완적으로 사용될 수있다는 점에서 중요한 선택지가 될 수 있다. 따라서, 다음 섹션에서는 Sentinel-2 위성자료를 활용한 메탄 탐지및 정량화 방법에 대해 구체적으로 논의하고자 한다.

Fig. 4. Comparison of spectral sampling in the shortwave infrared region of various spaceborne instruments suitable for methane mapping (Sánchez-García et al., 2022).

5.1. 메탄 배출 탐지 방법

Sentinel-2 위성자료를 활용하여 메탄 배출을 탐지하는주요 방법으로는 단일밴드 다중패스 기법(Single-Band Multi-Pass, SBMP), 다중밴드 단일패스 기법(Multi-Band Single-Pass, MBSP), 그리고 다중밴드 다중패스 기법(Multi-Band Multi-Pass, MBMP) 등이 있다(Varon et al., 2021).이러한 방법들은 각각의 특성을 바탕으로 다양한 조건에서 메탄 배출을 효과적으로 탐지할 수 있다.

5.1.1. 단일밴드 다중패스 기법(Single-Band Multi-Pass, SBMP)

SBMP 기법은 특정 메탄 배출원에서 발생하는 메탄을탐지하기 위해 동일 지역에 대해 하나의 밴드를 이용하여 서로 다른 시간대에 획득된 위성자료를 비교하는 방법이다. 이 방법은 주로 동일 지역의 이전 관측 자료와현재 관측 자료 간의 반사도 차이를 기반으로 메탄 농도의 변화를 추정한다. SBMP 기법의 반사도 변화 ΔRSBMP는 식(1)과 같이 계산된다.

ΔRSBMP=cR12 R12 R12

식(1)에서 c는 위성자료 간의 밝기 차이를 조정하는 스케일링 팩터, R12는 메탄 배출이 관측된 위성자료의 밴드12 대기 상층(top of atmosphere, TOA) 반사도, R12는 메탄배출이 관측되지 않은 위성자료의 밴드 12 TOA 반사도를의미한다. 식(1)을 통해 특정 지점에서 메탄 배출이 관측및 관측되지 않은 위성자료의 밴드 12 반사도를 비교한다.

복사 전달 모델 식을 통해 다양한 메탄 농도 변화(ΔΩ)에 따른 식(2)의 반사도 변화(ΔmSBMPΩ))를 모델링하고위성자료를 통해 구한 식(1)의 반사도 변화(ΔRSBMP)와 비교하여 실제 관측된 반사도 변화와 가장 일치하는 메탄농도를 추정한다.

ΔmSBMPΔΩ=T12Ω+ΔΩT12(Ω)T12(Ω)

식(2)의 T12는 평균 메탄 농도(Ω) 및 배출로 인한 메탄농도 변화(ΔΩ)에 대한 밴드 12 TOA 반사도를 의미한다.이 방법은 배출원의 간헐적인 배출 특성을 잘 포착할 수있지만, 지속적으로 메탄을 배출하는 배출원에 대해서는메탄 배출이 없는 적절한 기준 관측 자료를 찾는 데 어려움이 있을 수 있다(Varon et al., 2021).

5.1.2. 다중밴드 단일패스 기법(Multi-Band Single-Pass, MBSP)

MBSP 기법은 동일한 지역에 대해 하나의 위성자료에서 두 개 이상의 밴드를 이용하여 메탄 농도를 탐지하는방법이다. 이 기법은 메탄 흡수에 민감한 밴드와 상대적으로 덜 민감한 밴드를 비교하여 메탄 농도를 추정한다. MBSP 기법의 반사도 변화 ΔRMBSP는 식(3)과 같이 계산된다.

ΔRMBSP=cR12R11R11

식(3)에서 R11, R12는 메탄 배출이 관측된 위성자료의밴드 11 및 12의 TOA 반사도를 의미한다.

ΔmMBSPΔΩ=T12Ω+ΔΩT12(Ω)T12(Ω)T11Ω+ΔΩT11(Ω)T11(Ω)

SBMP 방법과 동일하게 복사 전달 모델 식을 통해 식(4)의 반사도 변화(ΔmMBSPΩ))를 모델링 후 식(3)의 반사도 변화(ΔRMBSP)와 비교하여 메탄 농도를 추정한다. MBSP방법은 하나의 위성자료로 메탄을 탐지할 수 있다는 장점이 있지만, 인접 밴드 간의 파장 차이로 인해 동일 지점에 대해 각 밴드가 감지하는 신호 간의 미세한 차이가발생할 수 있다. 이러한 경우 반사도가 상이하게 나타날수 있으므로 정확한 메탄 농도 추정을 위해서는 두 밴드간의 신호 차이를 보정하는 과정이 필요하다(Varon et al., 2021).

5.1.3. 다중밴드 다중패스 기법(Multi-Band Multi-Pass, MBMP)

MBMP 기법은 SBMP와 MBSP의 장점을 결합한 방법으로, 동일한 지역에 대해 서로 다른 시간대에 획득된 위성자료의 두 밴드를 사용하여 메탄 농도를 보다 정밀하게 추정한다.

ΔΩMBMP=ΔΩMBSPΔ ΩMBSP

식(5)의 ΔΩMBSP, ΔΩ ′MBSP는 서로 다른 시간대에 획득된 위성자료의 MBSP 기법 기반 메탄 농도 추정값으로각각 메탄 배출이 관측 및 관측되지 않은 위성자료를 사용한다. 이 방법은 밴드 간 파장 차이로 인한 MBSP 방식의 체계적 오류를 다른 시간대의 MBSP 결과값 차이를 통해 보완하여 다양한 표면 조건에서도 높은 정밀도를 유지할 수 있으며, 메탄 탐지에 있어서 가장 효과적인 방법 중 하나로 평가된다(Varon et al., 2021).

5.2. 메탄 배출량 정량화 방법

반사도 기반 계산을 통해 메탄 농도를 추정한 후 배출량을 정량화할 수 있는 방법론이 필요하다. 많은 연구에서 일반적으로 사용되는 방법 중 하나는 통합 메탄 강화(Integrated Methane Enhancement, IME) 방법이다. IME방법은 특정 영역에서의 메탄 plume 내 농도를 통합하여배출량을 추정하며, 해당 지역의 풍속 및 plume의 길이등 물리적 매개변수를 함께 고려한다(식(6)). 이를 통해메탄 plume으로부터 메탄 배출률(Q, kgh-1)을 추정할 수있다. 배출률(Q)은 특정 메탄 배출원에서 한 시간 동안대기로 배출하는 메탄의 질량을 나타내며, 배출 속도로서 대기 중 메탄의 배출량을 정량적으로 표현한다(Varon et al., 2021). IME 방법은 위성자료를 활용하여 장기적인메탄 배출량 변화 모니터링에 유용하며, 특히 대규모plume이 발생하는 경우에 효과적이다.

Q=Ueff(ms1)IME(kg)L(m)

식(6)에서 Ueff는 메탄 plume이 대기 중에서 어떻게 이동하는지를 설명하는 요소로 연구 지역의 지표면으로부터 10 m 높이에서의 유효풍속을 나타낸다. 이는 10 m높이에서 측정된 현지 풍속(U10)을 기반으로 하며, 식(7)을 통해 large-eddy simulations (LES)에서 보정된 값이사용된다. 식(7)의 α, β는 시뮬레이션으로부터 얻은 보정계수이다. U10은 Goddard Earth Observing System-Fast Processing (GEOS-FP)과 같은 기상 재분석 자료에서 얻을 수 있다. L은 메탄 plume 길이로 탐지된 plume 면적의 제곱근으로 정의되며 메탄의 확산 정도를 의미한다.이 방법을 통해 메탄 배출률을 산정할 수 있으며, 이는메탄이 이동하는 동안의 유효 풍속과 확산 정도에 따라조정된다.

Ueff=αU10+β

본 장에서는 전 지구 및 지역 규모, 대형 사고 그리고초분광 위성자료를 활용한 위성 기반 메탄 탐지 사례를 검토하고자 한다. 선행 사례들을 통해 다양한 위성자료들이 어떻게 활용되고 있는지 확인할 수 있다. Table 1에이러한 선행 사례들을 요약하여 제시하였다.

Table 1 Summary of satellite-based methane detection case studies

ReferenceInstrument/SensorPeriodDetection scaleAnalytical methodDetection result
Ehret et al. (2022)Sentinel-2/MultiSpectral Instrument (MSI)2017~2021GlobalLinear regression, Integrated mass enhancement (IME)Plume detection/Source Quantification
Dogniaux et al. (2024)Landsat-8/Operational Land Imager (OLI), Sentinel-2B/MSI2022Large-scale incidentMulti-band single-pass (MBSP), IME, Monte carlo simulationPlume detection/Source Quantification
Joyce et a l. (2022)PRISMA/HYperspectral Camera (HYC)2020~2022RegionalConvolutional neural network (CNN)Plume detection/Source Quantification
Lauvaux et a l. (2022)Sentinel-5P/TROPOspheric Monitoring Instrument (TROPOMI)2019~2020GlobalLagrangian particle model HYSPLITPlume detection/Source Quantification
Maasakkers et a l. (2022)Sentinel-5P/TROPOMI, GHGSat/Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer2020~2021RegionalInversion models, Wind-rotation technique, IMEPlume detection/Source Quantification
Schuit et al. (2023)Sentinel-5P/TROPOMI, Sentinel-2/MSI, GHGSat/Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer, PRISMA/HYC2021GlobalCNN, IMEPlume detection/Source Quantification
Pandey et al. (2023)Sentinel-5P/TROPOMI, Sentinel-3/Sea and Land Surface Temperature Radiometer (SLSTR), Sentinel-2/MSI2016~2020RegionalMulti-band multi-pass (MBMP), IMEPlume detection/Source Quantification
Wang et al. (2024)Sentinel-2/MSI2020~2022RegionalMatched filter, IMEPlume detection/Source Quantification


6.1. 전 지구 규모 탐지 사례

전 지구 규모에서의 메탄 배출 모니터링은 대기 중 메탄 농도의 변화를 장기적으로 추적하고 주요 배출원을 파악하는 데 필수이다. 최근 연구들은 여러 위성자료를통해 지구 전역에서 메탄 배출의 분포와 변화를 상세히분석하고 있으며, 특히 O&G 부문에서의 메탄 배출이 주요 관심사로 부각되고 있다.

Lauvaux et al. (2022)은 Sentinel-5P의 TROPOMI 센서를 활용하여 2019과 2020년 사이 전 세계 주요 O&G 생산 지역에서 발생한 수백 건의 대규모 메탄 배출 사건을분석하였다. 이 연구에서는 전 세계 O&G 부문 메탄 배출의 약 8~12%가 이러한 대규모 배출에서 발생하며, 이중 상당수가 투르크메니스탄, 러시아, 미국, 중동 등에서집중적으로 발생한다고 밝혔다. 또한, 이를 감축하는 것이 기후변화 완화에 있어서 효율적인 전략이 될 수 있다고 제안한다.

Schuit et al. (2023)는 Sentinel-5P TROPOMI를 활용한자동화된 초대형 메탄 배출 탐지 및 모니터링 알고리즘을개발하였다. 해당 논문에서는 합성곱 신경망(Convolutional Neural Network, CNN)을 적용하여 2021년에 획득된 방대한 양의 TROPOMI 위성자료 가운데 2,974개의 메탄plume을 탐지하였으며, 이들 중 94개의 지속적인 배출 클러스터와 수백 개의 일시적인 배출을 확인하였다. 특히도시 지역과 매립지가 주요 배출원임을 밝혔으며, 가스및 석유 인프라와 석탄 광산에서도 상당한 배출이 발생하고 있음을 강조하였다. TROPOMI로 탐지한 배출 중12개의 배출에 대해 고해상도 위성자료(GHGSat, PRISMA, Sentinel-2)를 활용하여 메탄 배출을 정밀하게 식별하였다(Fig. 5). 이를 통해 TROPOMI와 고해상도 위성의 결합을 통해 메탄 배출 탐지 및 모니터링을 개선할 수 있음을 보여주었다 .

Fig. 5. Global methane emission sources detected by Schuit et al. (2023) using high-resolution satellite data (GHGSat, PRISMA (Hyperspectral Precursor of the Application Mission), Sentinel-2). The world map at the center of the image represents the 2,974 plumes detected in 2021.

Ehret et al. (2022)는 Sentinel-2 위성자료를 사용하여전 세계 O&G 인프라에서 발생하는 메탄 배출을 추적하고 정량화하는 연구를 수행하였다. 2017년 11월부터 2021년 9월까지 약 47개월 동안 Sentinel-2 위성자료를 활용하여 약 7,000개 지점을 모니터링하였으며 알제리, 투르크메니스탄, 미국에서 1,200건 이상의 메탄 배출을 탐지하였다. 이를 통해 Sentinel-2 위성자료를 이용하여 작은배출을 포함한 다양한 규모의 배출을 효과적으로 모니터링할 수 있음을 입증하였다(Fig. 6).

Fig. 6. Examples of plumes detected over oil and gas facilities by Ehret et al. (2022) (a-i) The plumes are shown as white and purple masks over the corresponding Sentinel-2 satellite RGB images.

이러한 연구들은 위성 기술이 전 세계 메탄 배출 모니터링에서 어떻게 중요한 역할을 수행하고 있는지를 보여준다. 특히 TROPOMI 센서와 같이 전 지구를 관측하는위성자료는 대규모의 메탄 배출을 탐지하고 전 세계의메탄 배출의 분포를 이해하는 데 중요한 정보를 제공하고 있다.

6.2. 지역 규모 탐지 사례

Pandey et al. (2023)은 500 m의 공간해상도 및 하루 단위로 전 지구를 관측할 수 있는 Sentinel-3 위성자료와 다른 위성자료를 결합한 계층적 접근 방법을 사용하여 메탄 누출을 일일 단위로 탐지하고 정량화하는 연구를 수행하였다. Sentinel-3의 SWIR 밴드를 통해 MBMP 기법을 적용하여 대기 중 메탄을 탐지하였다. 연구에서는 러시아와 알제리에서 발생한 메탄 배출 사건을 사례로 들어 Sentinel-3가 메탄 배출을 어떻게 탐지하고, 이를Sentinel-2와 Sentinel-5p 위성자료와 결합하여 더욱 정밀한 분석을 수행할 수 있는지를 입증하였다. 특히 러시아의 모스크바 지역에서 발생한 가스 파이프라인 누출 사례에서는 Sentinel-3 위성자료에서 30 km 간격으로 발생한 두 개의 대규모 배출을 탐지하여 Sentinel-5p 위성이감지한 단일 메탄 plume이 실제로 두 개의 누출에서 발생한 것임을 밝혀내었다(Fig. 7). 또한, 알제리의 Hassi Messaoud 유전에서 발생한 누출 사건에서는 Sentinel-3위성자료로부터 6일 동안 지속된 메탄 누출을 추적하고이후 가스 연소가 발생한 것을 Sentinel-2 자료와 결합하여 확인하였다. 이 연구는 Sentinel-3 획득 자료가 메탄배출 탐지와 정량화에 있어 중요한 역할을 할 수 있음을보여주었으며 이를 통해 지역 규모의 메탄 누출을 보다정밀하게 모니터링할 수 있는 가능성을 제시하였다.

Fig. 7. Tiered satellite observation of two concurrent methane leaks from a Russian gas pipeline on June 18, 2021, detected by Pandey et al. (2023). Sentinel-3 (B) and Sentinel-2 (C & D) observations reveal that the single Sentinel-5P (A) plume is the result of two leaks occurring 30 km apart.

Wang et al. (2024)은 Sentinel-2 위성자료를 활용하여 메탄 plume을 효과적으로 탐지하고 정량화하는 새로운방법을 제안하였다. 기존의 메탄 탐지 알고리즘이 필요로 하는 메탄이 관측되지 않은 참조자료 선택 과정을 피하고자 Matched Filter 알고리즘을 개발하였다. Matched Filter는 광학 방사 특성을 분석하여 배경 방사 강도를 추정하고 이를 통해 메탄 신호를 추출하는 원리이며, 이 알고리즘을 Sentinel-2 위성자료에 적용하여 메탄 배출원에서 발생하는 plume을 효과적으로 탐지하였다(Fig. 8). 알고리즘 성능 검증을 위해 시뮬레이션 자료와 실제 메탄배출 사례를 분석하였다. 그 결과 기존의 MBMP 기법과비교하였을 때 Matched Filter 알고리즘을 적용한 경우배경의 노이즈(noise)를 효과적으로 줄이는 것으로 나타났다. 특히 미국의 Permian Basin과 같은 복잡한 지표 환경에서도 메탄 plume의 형상을 보다 정확하게 탐지할 수있었다.

Fig. 8. Methane plume detected in the Permian Basin using the Matched Filter method (Wang et al., 2024).

Maasakkers et al. (2022)은 쓰레기 매립지에서의 메탄배출에 주목하며 도시 지역의 메탄 배출이 실제로 얼마나 큰 영향을 미치는지 파악하기 위해 Sentinel-5 TROPOMI센서와 GHGSat 위성자료를 결합하여 사용하였다. 먼저Sentinel-5 TROPOMI 센서를 이용해 전 세계에서 메탄농도가 높은 지역을 선별하였고 그중에서도 특히 부에노스아이레스(아르헨티나), 델리 및 뭄바이(인도), 라호르(파키스탄)의 대규모 쓰레기 매립지를 대상으로 메탄 배출량을 분석하였다(Fig. 9). Sentinel-5 TROPOMI 자료를사용하여 위 지역들의 메탄 배출을 정량화한 결과, 기존의 배출 기록과 비교하였을 때 도시의 메탄 배출량이 1.4배에서 2.6배 더 크다는 것을 발견하였다. 특히 쓰레기매립지는 이러한 도시 메탄 배출의 6%에서 50%를 차지하며, 이는 매립지 관리와 메탄 배출 감축이 도시 전체의 메탄 배출량을 크게 줄일 수 있음을 시사한다. GHGSat의 고해상도 자료를 사용한 분석에서는 매립지 내부의구체적인 배출 지점을 식별할 수 있었으며, 부에노스아이레스의 Norte III 매립지에서 메탄 배출의 87%가 매립지 내 특정 구역에서 발생한다는 것을 확인하였다. 연구결과를 통해 매립지에서의 메탄 배출이 도시의 주요 배출원 중 하나로 작용할 수 있으며, 이를 효과적으로 관리하기 위해서는 위성자료를 활용한 지속적인 모니터링이 필요함을 보여준다.

Fig. 9. Methane plumes detected over regional landfills by GHGSat: (a) Norte III (Buenos Aires, Argentina), (b) Lakhodair (Lahore, Pakistan), (c) Kanjurmarg (Mumbai, India), and (d) Ghazipur (Delhi, India) (Maasakkers et al., 2022).

6.3. 대형 사고 탐지 사례

대형 사고로 인해 발생하는 메탄 배출은 일반적인 배출과 달리 매우 급격하게 대량의 메탄을 배출하게 된다.이러한 사건들 또한 기후변화에 영향을 미칠 수 있으며,신속한 모니터링과 대응이 필요하다.

Dogniaux et al. (2024)는 2022년 9월 22일부터 10월 2일 사이에 발트해의 덴마크 보른홀름섬 근처에 위치한Nord Stream 2 (NS2) 가스 파이프라인 폭발로 인한 메탄 누출을 Landsat-8과 Sentinel-2B 위성자료를 활용하여탐지하였다. 이 사건은 단일 지역에서 발생한 역대 최대의 천연가스 누출 중 하나로 기록되었다(Sanderson, 2022). MBSP 기법을 사용하여 Landsat 8과 Sentinel-2B 위성자료를 통해 메탄 농도 변화를 추정하였으며(Fig. 10), Monte Carlo 시뮬레이션을 이용하여 메탄 누출 속도를 정량화하였다.

Fig. 10. Methane enhancement results obtained through MBSP by Dogniaux et al. (2024). Pixels not belonging to the foam patch were filtered out and shown in gray. (a) Landsat-8 (September 29, 2022). (b) Sentinel-2B (September 30, 2022).

이를 통해 NS2 누출 사건에서 시간당 약 502톤의 메탄이 배출되었을 것으로 추정하였지만 이 값은 매우 큰 불확실성을 포함하고 있다고 밝혔다. 그럼에도 GHGSat등 다른 위성 관측 결과와 비교했을 때 일치하는 범위내에 있는 것으로 나타났다. 또한, MBSP 방법과 통합 질량 강화(IME) 방법의 한계와 불확실성을 분석하여, 이러한 대형 사고에서 위성 기반 메탄 탐지를 보완하기 위해보정이 필요하다는 점을 지적하였다. 예를 들어, 해수 표면에서 발생하는 반사와 거품으로 인한 반사도 왜곡이메탄 농도 추정에 미치는 영향을 고려해야 했으며 이를위해 실험적 보정을 적용하였다. 메탄 배출이 발생하였을 때 Sentinel-5P TROPOMI 센서는 구름으로 인해 사고 발생 지역의 자료를 획득하지 못하였다. 이는 위성 기반 탐지 방법의 기상 의존성을 나타내며 구름이나 악천후로 인해 관측이 방해받을 경우 메탄 배출량의 정확한측정이 어려워질 수 있다. 그럼에도 이 연구는 대형 메탄 누출 사건에서의 위성자료 활용 가능성을 보여주는사례로, 향후 기후변화 완화 전략에서 대형 사고의 메탄배출을 효과적으로 관리하는 데 중요한 역할을 할 수 있음을 강조하고 있다.

6.4. 초분광 위성자료 활용 사례

지금까지 다중분광 센서 탑재 위성(Sentinel-2, Landsat-8 등)과 메탄 탐지 목적의 위성(Sentinel-5P, GHGSat 등)을 중심으로 위성 기반 메탄 탐지 기술을 서술하였다. 다중분광 위성자료의 경우 이러한 위성들은 메탄 배출 탐지 및 배출량 정량화에 중요한 역할을 하고 있지만 파장영역과 관련된 한계가 존재한다. 특히 초분광 위성과 비교하여 제한된 파장영역 및 분광해상도를 사용하여 메탄을 탐지하는 반면 초분광 위성은 보다 연속적이며 분광해상도가 우수한 자료를 제공한다. 예를 들어, Sentinel-2 MSI 위성자료의 경우 13개 밴드 중 메탄 탐지에 사용되는 밴드는 SWIR 대역의 2개이다. 하지만 초분광 위성인PRISMA 위성은 400~2500 nm 범위에서 약 239개 대역의 파장영역 정보를 수집하는 초분광 센서(HYperspectral Camera, HYC)를 탑재하고 있다. Joyce et al. (2022)는 CNN과 PRISMA 초분광 위성자료를 활용하여 메탄 plume을 감지하고 배출량을 정량화하였다. 해당 연구에서는Weather Research and Forecasting (WRF-LES) 모델을 통해 배출 속도가 1000 kgh-1인 메탄 plume을 시뮬레이션하여 PRISMA 위성자료에 합성하였고, 이를 기반으로 약9700개의 훈련자료를 생성하였다. 이 훈련자료는 다양한풍속과 대기 조건을 반영한 메탄 plume 시뮬레이션을 포함하고 있어 CNN 모델이 다양한 조건에서 메탄 plume을 탐지할 수 있도록 하였다. CNN 모델을 통한 메탄plume 탐지는 각각 0.96 및 0.92의 정밀도(precision)와 재현율(recall)을 달성하였고, 이후 훈련된 CNN 모델을 사용하여 2020년부터 2022년까지 투르크메니스탄 지역에서 수집된 40개의 PRISMA 위성자료를 분석한 결과 총21개의 메탄 plume이 식별되었다.

인공위성 원격탐사 기반 메탄 탐지는 기후변화 완화를위한 효과적인 정보 제공 도구로 자리 잡고 있다. 메탄은 강력한 온실가스로 지구 대기의 에너지 균형에 큰 영향을 미치기 때문에 정확한 탐지와 정량화가 필요하다.본 논문에서는 다양한 위성자료 활용 기술, 특히 SWIR밴드를 활용한 메탄 탐지 기술의 현황을 검토하고 전 지구 및 지역 규모에서의 메탄 배출 탐지 사례를 분석하였다. 이를 통해 위성 기반 메탄 모니터링의 중요성을 확인하고 가능성 제시하였다.

위성 기반 메탄 탐지에는 여전히 몇 가지 한계가 존재한다. 첫째, 대부분의 메탄 탐지 목적 위성은 공간해상도와 재방문 주기 사이에서 균형을 맞추는 데 어려움을 겪고 있다. 예를 들어, 고해상도의 메탄 탐지 위성은 정밀한 배출 식별에 유리하지만, 일반적으로 재방문 주기가길어 지속적인 모니터링에는 제약이 있다. 반면, 재방문주기가 짧은 위성은 광역 관측이 가능하지만, 공간해상도가 낮아 세밀한 분석에 한계가 있다. 둘째, 위성 기반탐지는 대기 중 다양한 간섭 요소로 인해 정확도에 영향을 받을 수 있다. 특히 대기 상태, 에어로졸, 구름 등의조건이 메탄 탐지 정확도에 영향을 미치며, 이는 탐지 결과의 신뢰성을 저하시킬 수 있다.

향후 발전 방향으로는 이러한 한계를 극복하기 위한 기술적 개선이 필요하다. 먼저, 공간해상도와 재방문 주기사이의 한계점을 보완해야 한다. 예를 들어, Sentinel-2와Sentinel-5P, GHGSat과 같은 위성 간의 자료 결합을 통해넓은 지역의 메탄 배출을 정밀하게 모니터링하는 것이가능해질 것이다. 또한, 탐지 알고리즘의 발전을 통해 대기 간섭을 보정하고, 탐지 정확도를 향상시키는 방법도연구되어야 한다.

최근에는 딥러닝 기법을 도입하여 탐지 정확도와 효율성을 높이는 시도가 이루어지고 있다. 딥러닝을 활용한탐지 방법은 복잡한 대기 조건을 보정하고, 메탄 plume을 더욱 정확하게 탐지하는 데 기여할 수 있다. 또한, 딥러닝을 활용한 자동화된 분석은 대규모 자료 처리를 용이하게 하여 메탄 배출 모니터링의 지속성 및 실시간 분석 가능성을 향상시킬 수 있다.

  1. 국립농업과학원. (2021) 농경지 온실가스 자동측정 및 배출량 품질관리 기법 연구. 농촌진흥청.
  2. Barchyn, T.E., Hugenholtz, C.H., and Fox, T.A. (2019) Plume detection modeling of a drone-based natural gas leak detection system. Elem. Sci. Anth., v.7, p.41. https://doi.org/10.1525/elementa.379
    CrossRef
  3. Chai, X., Tonjes, D.J., and Mahajan, D. (2016) Methane emissions as energy reservoir: context, scope, causes and mitigation strategies. Progress in Energy and Combustion Science, v.56, p.33-70. https://doi.org/10.1016/j.pecs.2016.05.001
    CrossRef
  4. Cusworth, D.H., Jacob, D.J., Varon, D.J., Chan Miller, C., Liu, X., Chance, K., Thorpe, A.K., Duren, R.M., Miller, C.E., Thompson, D.R., Frankenberg, C., Guanter, L., and Randles, C.A. (2019) Potential of next-generation imaging spectrometers to detect and quantify methane point sources from space. Atmospheric Measurement Techniques, v.12(10), p.5655-5668. https://doi.org/10.5194/amt-12-5655-2019
    CrossRef
  5. Duren, R.M., Thorpe, A.K., Foster, K.T., Rafiq, T., Hopkins, F.M., Yadav, V., Bue, B.D., Thompson, D.R., Conley, S., Colombi, N.K., Frankenberg, C., McCubbin, I.B., Eastwood, M.L., Falk, M., Herner, J.D., Croes, B.E., Green, R.O., and Miller, C.E. (2019) California’s methane super-emitters. Nature, v.575(7781), p.180-184. https://doi.org/10.1038/s41586-019-1720-3
    Pubmed CrossRef
  6. Dogniaux, M., Maasakkers, J.D., Varon, D.J., and Aben, I. (2024) Report on Landsat 8 and Sentinel-2B observations of the Nord Stream 2 pipeline methane leak. Atmospheric Measurement Techniques, v.17(9), p.2777-2787. https://doi.org/10.5194/amt-17-2777-2024
    CrossRef
  7. Elder, C.D., Thompson, D.R., Thorpe, A.K., Chandanpurkar, H.A., Hanke, P.J., Hasson, N., James, S.R., Minsley, B.J., Pastick, N.J., Olefeldt, D., Walter Anthony, K.M., and Miller, C.E. (2021) Characterizing methane emission hotspots from thawing permafrost. Global Biogeochemical Cycles, v.35(12). https://doi.org/10.1029/2020GB006922
    CrossRef
  8. Ehret, T., De Truchis, A., Mazzolini, M., Morel, J.M., d’Aspremont, A., Lauvaux, T., Duren, R., Cusworth, D., and Facciolo, G. (2022) Global tracking and quantification of oil and gas methane emissions from recurrent sentinel-2 imagery. Environmental Science & Technology, v.56(14), p.10517-10529. https://doi.org/10.1021/acs.est.1c08575
    Pubmed CrossRef
  9. Frankenberg, C., Thorpe, A.K., Thompson, D.R., Hulley, G., Kort, E.A., Vance, N., Borchardt, J., Krings, T., Gerilowski, K., Sweeney, C., Conley, S., Bue, B.D., Aubrey, A.D., Hook, S., and Green, R.O. (2016) Airborne methane remote measurements reveal heavy-tail flux distribution in Four Corners region. Proceedings of the National Academy of Sciences, v.113(35), p.9734-9739. https://doi.org/10.1073/pnas.1605617113
    Pubmed KoreaMed CrossRef
  10. Gorroño, J., Varon, D.J., Irakulis-Loitxate, I., and Guanter, L. (2023) Understanding the potential of Sentinel-2 for monitoring methane point emissions. Atmospheric Measurement Techniques, v.16(1), p.89-107. https://doi.org/10.5194/amt-16-89-2023
    CrossRef
  11. He, H., Gao, S., Hu, J., Zhang, T., Wu, T., Qiu, Z., Zhang, C., Sun, Y., and He, S. (2021) In-situ testing of methane emissions from landfills using laser absorption spectroscopy. Applied Sciences, v.11(5), 2117. https://doi.org/10.3390/app11052117
    CrossRef
  12. IEA (2022) Global methane emissions from the energy sector over time, 2000-2021, IEA, Paris https://www.iea.org/data-andstatistics/charts/global-methane-emissions-from-the-energysector-over-time-2000-2021.
  13. IEA (2024) Main sources of methane emissions, IEA, Paris https://www.iea.org/data-and-statistics/charts/main-sources-of-methaneemissions.
  14. Jongaramrungruang, S., Frankenberg, C., Matheou, G., Thorpe, A.K., Thompson, D.R., Kuai, L., and Duren, R.M. (2019) Towards accurate methane point-source quantification from high-resolution 2-D plume imagery. Atmospheric Measurement Techniques, v.12(12), p.6667-6681. https://doi.org/10.5194/amt-12-6667-2019
    CrossRef
  15. Joyce, P., Ruiz Villena, C., Huang, Y., Webb, A., Gloor, M., Wagner, F.H., Chipperfield, M.P., Barrio Guillo, R., Wilson, C., and Boesch, H. (2023) Using a deep neural network to detect methane point sources and quantify emissions from PRISMA hyperspectral satellite images. Atmospheric Measurement Techniques, v.16(10), p.2627-2640. https://doi.org/10.5194/amt-16-2627-2023
    CrossRef
  16. IPCC (2021) Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, and B. Zhou (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2391 pp. doi:10.1017/9781009157896
    CrossRef
  17. IPCC (2023) Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland, 184 pp., doi: 10.59327/IPCC/AR6-9789291691647
    CrossRef
  18. Karakurt, I., Aydin, G., and Aydiner, K. (2012) Sources and mitigation of methane emissions by sectors: A Critical Review. Renewable Energy, v.39(1), p.40-48. https://doi.org/10.1016/j.renene.2011.09.006
    CrossRef
  19. Liu, Y., Sharma, K.R., Murthy, S., Johnson, I., Evans, T., and Yuan, Z. (2014) On-line monitoring of methane in sewer air. Scientific Reports, v.4(1), https://doi.org/6637. 10.1038/srep06637
    Pubmed KoreaMed CrossRef
  20. Lauvaux, T., Giron, C., Mazzolini, M., d’Aspremont, A., Duren, R., Cusworth, D., Shindell, D., and Ciais, P. (2022) Global assessment of oil and gas methane ultra-emitters. Science, v.375(6580), p.557-561. https://doi.org/10.1126/science.abj4351
    Pubmed CrossRef
  21. Maasakkers, J.D., Varon, D.J., Elfarsdottir, A., McKeever, J., Jervis, D., Mahapatra, G., Pandey, S., Lorente, A., Borsdorff, T., Foorthuis, L.R., Schuit, B.J., Tol, P., van Kempen, T.A., van Hees, R., and Aben, I. (2022) Using satellites to uncover large methane emissions from landfills. Science Advances, v.8(31). https://doi.org/10.1126/sciadv.abn9683
    Pubmed KoreaMed CrossRef
  22. McLinden, C.A., Griffin, D., Davis, Z., Hempel, C., Smith, J., Sioris, C., Nassar, R., Moeini, O., Legault-Ouellet, E., and Malo, A. (2024). An independent evaluation of GHGSat methane emissions: Performance assessment. Journal of Geophysical Research: Atmospheres, v.129(15). https://doi.org/10.1029/2023JD039906
    CrossRef
  23. Pandey, S., van Nistelrooij, M., Maasakkers, J.D., Sutar, P., Houweling, S., Varon, D.J., Tol, P., Gains, D., Worden, J., and Aben, I. (2023) Daily detection and quantification of methane leaks using Sentinel-3: a tiered satellite observation approach with Sentinel-2 and Sentinel-5p. Remote Sensing of Environment, v.296, 113716. https://doi.org/10.1016/j.rse.2023.113716
    CrossRef
  24. Schuur, E.A., McGuire, A.D., Schädel, C., Grosse, G., Harden, J.W., Hayes, D.J., Hugelius, G., Koven, C.D., Kuhry, P., Lawrence, D.M., Natali, S.M., Olefeldt, D., Romanovsky, V.E., Schaefer, K., Turetsky, M.R., Treat, C.C., and Vonk, J.E. (2015) Climate change and the permafrost carbon feedback. Nature, v.520(7546), p.171-179. https://doi.org/10.1038/nature14338
    Pubmed CrossRef
  25. Sorg, D. (2021) Measuring livestock CH4 emissions with the laser methane detector: A review. Methane, v.1(1), p.38-57. https://doi.org/10.3390/methane1010004
    CrossRef
  26. Sánchez-García, E., Gorroño, J., Irakulis-Loitxate, I., Varon, D.J., and Guanter, L. (2022) Mapping methane plumes at very high spatial resolution with the WorldView-3 satellite. Atmospheric Measurement Techniques Discussions, v.15, p.1657-1674. https://doi.org/10.5194/amt-15-1657-2022
    CrossRef
  27. Sanderson, K. (2022, September 30) What do Nord Stream methane leaks mean for climate change? Nature. https://doi.org/10.1038/d41586-022-03111-x
    CrossRef
  28. Schuit, B.J., Maasakkers, J.D., Bijl, P., Mahapatra, G., Van den Berg, A.W., Pandey, S., Lorente, A., Borsdorff, T., Houweling, S., Varon, D.J., McKeever, J., Jervis, D., Girard, M., Irakulis-Loitxate, I., Gorroño, J., Guanter, L., Cusworth, D.H., and Aben, I. (2023) Automated detection and monitoring of methane superemitters using satellite data. Atmospheric Chemistry and Physics Discussions, v.23, p.9071-9098. https://doi.org/10.5194/acp-23-9071-2023
    CrossRef
  29. United States Environmental Protection Agency. (2023) Biden-Harris Administration finalizes standards to slash methane pollution, combat climate change, protect health, and bolster American innovation. https://www.epa.gov/newsreleases/bidenharris-administration-finalizes-standards-slash-methane-pollutioncombat-climate
  30. Van Amstel, A. (2012) Methane. A review. Journal of Integrative Environmental Sciences, v.9(sup1), p.5-30. https://doi.org/10.1080/1943815X.2012.694892
    CrossRef
  31. Varon, D.J., Jacob, D.J., McKeever, J., Jervis, D., Durak, B.O., Xia, Y., and Huang, Y. (2018) Quantifying methane point sources from fine-scale satellite observations of atmospheric methane plumes. Atmospheric Measurement Techniques, v.11(10), p.5673-5686. https://doi.org/10.5194/amt-11-5673-2018
    CrossRef
  32. Varon, D.J., Jacob, D.J., Jervis, D., and McKeever, J. (2020) Quantifying time-averaged methane emissions from individual coal mine vents with GHGSat-D satellite observations. Environmental Science & Technology, v.54(16), p.10246-10253. https://doi.org/10.1021/acs.est.0c01213
    Pubmed CrossRef
  33. Varon, D.J., Jervis, D., McKeever, J., Spence, I., Gains, D., and Jacob, D.J. (2021) High-frequency monitoring of anomalous methane point sources with multispectral Sentinel-2 satellite observations. Atmospheric Measurement Techniques, v.14(4), p.2771-2785. https://doi.org/10.5194/amt-14-2771-2021
    CrossRef
  34. Wang, H., Fan, X., Jian, H., and Yan, F. (2024) Exploiting the Matched Filter to Improve the Detection of Methane Plumes with Sentinel-2 Data. Remote Sensing, v.16(6), 1023. https://doi.org/10.3390/rs16061023
    CrossRef
  35. Yakovlev, S.V., Sadovnikov, S.A., and Romanovskii, O.A. (2022) Mobile Airborne Lidar for Remote Methane Monitoring: Design, Simulation of Atmospheric Measurements and First Flight Tests. Remote Sensing, v.14(24), 6355. https://doi.org/10.3390/rs14246355
    CrossRef

Article

Special Research Paper on “Applications of Data Science and Artificial Intelligence in Economic and Environmental Geology”

Econ. Environ. Geol. 2024; 57(5): 513-527

Published online October 29, 2024 https://doi.org/10.9719/EEG.2024.57.5.513

Copyright © THE KOREAN SOCIETY OF ECONOMIC AND ENVIRONMENTAL GEOLOGY.

Current Status of Satellite Remote Sensing-Based Methane Emission Monitoring Technologies

Minju Kim1, Jeongwoo Park1, Chang-Uk Hyun2,*

1Master Student, Department of Energy and Mineral Resources Engineering, Dong-A University, Busan 49315, Republic of Korea
2Assistant Professor, Department of Energy and Mineral Resources Engineering, Dong-A University, Busan 49315, Republic of Korea

Correspondence to:*cuhyun@donga.ac.kr

Received: August 29, 2024; Revised: September 23, 2024; Accepted: September 24, 2024

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided original work is properly cited.

Abstract

Methane is the second most significant greenhouse gas contributing to global warming after carbon dioxide, exerting a substantial impact on climate change. This paper provides a comprehensive review of satellite remote sensing-based methane detection technologies used to efficiently detect and quantify methane emissions. Methane emission sources are broadly categorized into natural sources (such as permafrost and wetlands) and anthropogenic sources (such as agriculture, coal mines, oil and gas fields, and landfills). This study focuses on anthropogenic sources and examines the principles of methane detection using information from various spectral bands, including the shortwave infrared (SWIR) band, and the utilization of key satellite data supporting these technologies. Recently, deep learning techniques have been applied in methane detection research using satellite data, contributing to more accurate analyses of methane emissions. Furthermore, this paper assesses the practicality of satellite-based methane monitoring by synthesizing case studies of methane emission detection at global, regional, and major incident scales, including examples of applying deep learning techniques. At the global scale, research utilizing satellite sensors like the Sentinel-5P TROPOspheric Monitoring Instrument (TROPOMI) was reviewed. At the regional scale, studies were highlighted where TROPOMI data was combined with relatively high-resolution satellite data, such as the Sentinel-2 MultiSpectral Instrument (MSI) and GHGSat Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer, to detect methane emissions and sources. Through this comprehensive review, the current state and applicability of satellite-based methane detection technologies are evaluated.

Keywords methane detection, convolutional neural network, satellite remote sensing, shortwave infrared (SWIR) band, greenhouse gases

인공위성 원격탐사 기반 메탄 배출 모니터링 기술 현황

김민주1 · 박정우1 · 현창욱2,*

1동아대학교 에너지자원공학과 석사과정
2동아대학교 에너지자원공학과 조교수

Received: August 29, 2024; Revised: September 23, 2024; Accepted: September 24, 2024

요 약

메탄은 이산화탄소에 이어 두 번째로 지구온난화에 미치는 영향이 큰 온실가스로, 기후변화에 상당한 영향을 미친다. 본 논문에서는 메탄 배출을 효율적으로 탐지하고 정량화하기 위해 사용되는 인공위성 원격탐사 기반 메탄 탐지 기술을 종합적으로 검토하고자 한다. 메탄 배출원은 크게 자연적 배출원(영구동토, 습지)과 인위적 배출원(농축산업, 석탄광, 석유 및 가스전, 폐기물 처리)으로 구분된다. 이 중 인위적 배출원에 대해 단파장적외선을 포함한 다양한 파장영역의 정보를 활용한 메탄 탐지의 원리와 이를 지원하는 주요 위성자료의 활용성에 대해 고찰하였다. 최근에는 위성자료를 활용한 메탄 탐지에서 딥러닝 기법을 적용한 연구들이 진행되고 있으며 이는 메탄 배출을 보다 정확하게 분석하는 데 기여하고 있다. 또한, 딥러닝 기법 적용 사례를 포함하여 전 지구, 지역 및 대형 사고 규모에서의 메탄 배출 탐지 사례를 종합적으로 검토하고 위성 기반 메탄 모니터링의 실용성을 평가하였다. 전 지구 규모에서는 Sentinel-5P TROPOspheric Monitoring Instrument (TROPOMI)와 같은 위성 센서를 사용한 연구들이 검토되었고 지역 규모에서는 주로 TROPOMI 자료와 상대적으로 고해상도의 위성자료(Sentinel-2 MultiSpectral Instrument (MSI), GHGSat Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer 등)를 결합하여 메탄 배출 및 배출량을 탐지한 연구 사례를 소개하였다. 이러한 종합적 검토를 통해 위성 기반 메탄 탐지 기술의 현황과 활용성을 평가하였다.

주요어 메탄 탐지, 합성곱 신경망, 위성 원격탐사, 단파장적외선 밴드, 온실가스

Research Highlights

  • A comprehensive review of various satellite-based methane detection technologies has confirmed their effectiveness in tracking the spatial and temporal distribution of methane emissions.

  • The utility and limitations of satellite-based methane monitoring were evaluated through case studies involving using satellite data, including Sentinel-5P, Sentinel-2, and GHGSat.

1. 서론

메탄(CH4)은 이산화탄소(CO2)에 이어 두 번째로 지구온난화에 미치는 영향이 큰 온실가스로 대기 중에서 비교적 짧은 수명을 가지지만 강력한 온실효과로 인해 단기적인 지구온난화에 크게 기여한다(IPCC, 2023). 메탄의 지구온난화지수(global warming potential, GWP)는 대기 중에서 20년 잔류 시 이산화탄소의 약 82.5배로 추정된다(IPCC, 2023). 이는 메탄의 배출이 기후변화에 미치는 영향을 과소평가할 수 없음을 의미한다. 메탄은 주로농축산업, 폐기물 처리, 화석연료를 이용한 에너지 생산및 분배과정에서 배출되며 특히 산업화 이후 이러한 활동의 증가로 인해 배출량이 급격히 상승하였다(Van Amstel, 2012). 대기 중 메탄 농도의 증가는 기후변화 시나리오의주요 변수 중 하나로, 메탄 배출을 효과적으로 관리하는것은 기후변화 완화에 필수이다.

메탄 배출량을 정확히 탐지하고 정량화하는 것은 전 세계적인 기후변화 대응 전략의 핵심 요소이다. 기후변화에 관한 정부간 협의체(Intergovernmental Panel on Climate Change, IPCC)는 메탄을 지구 평균 기온 0.5°C 상승의주요 원인물질 중 하나로 정의한 바 있으며(IPCC, 2021), 글로벌 메탄 서약(Global Methane Pledge)은 2030년까지메탄 배출을 2020년 대비 30% 감축할 것을 목표로 하고있다(GMP, 2023). 또한, COP (Conference of the Parties) 28에서 세계 200개국 정부가 2030년까지 메탄 배출량을대량 감축하기로 약속하였으며, 특히 미국의 경우 2038년까지 예상 메탄 배출량 대비 80% 감축을 목표로 함을밝혔다(EPA, 2023). 이러한 세계적인 메탄 감축 목표를달성하기 위해서는 메탄 배출량을 지속적으로 모니터링하고 검증할 수 있는 자료가 필요하다.

메탄 배출은 특정 지역에 국한되지 않고 지구 전역에서 발생하며 대기 중에서 빠르게 확산하여 전 지구에 영향을 미친다. 따라서, 지구 전체를 포괄할 수 있는 메탄배출 모니터링 시스템이 필요하다. 위성 기반 메탄 탐지는 전 세계 메탄 배출을 지속적으로 감시하는 광역 관측을 가능하게 한다는 점에서 그 중요성이 크다. 비록 완전한 실시간 자료는 아니지만 위성 궤도를 따르는 주기적 관측을 통해 다양한 시점의 자료를 수집함으로써 메탄 농도의 변화를 추적할 수 있다. 이는 공간 범위가 제한적인 현장 관측 기반 측정 방법과 대비되는 이점이다.

최근 인공위성 및 센서 기술의 발전은 메탄 탐지의 공간 및 시간 해상도를 크게 향상시켰다. 예를 들어, GHGSat 위성의 Wide-Angle Fabry-Perot (WAF-P) Imaging Spectro-meter 센서의 공간해상도는 25~50 m로서 메탄 배출 지점의 위치와 배출량을 메탄 탐지를 목적으로 운용되는위성들 가운데 상대적으로 고해상도로 식별할 수 있어산업 시설, 파이프라인 누출, 매립지 등 세부적인 배출분석이 가능하다(Maasakkers et al., 2022; McLinden et al., 2024; Varon et al., 2018; Varon et al., 2020). 기존의현장 관측 기반 측정법은 특정 지점에서의 메탄 농도를정확히 측정할 수 있지만, 대규모 배출 파악이나 전 지구 규모에서의 메탄 농도 변화를 추적하는 데는 활용이제한적이다. 반면, 위성 기반 메탄 탐지는 지구 전역에서메탄 배출을 탐지하고 정량화할 수 있어 현장 관측 기반측정법의 한계를 보완할 수 있다.

이와 같은 이유로 위성 기술은 메탄 배출을 감시하고관리하는 데 효과적인 도구로 활용할 수 있다. 본 논문에서는 인공위성 원격탐사를 활용한 메탄 배출 탐지와배출량 정량화 방법에 관한 선행 연구들을 분석하여 종합적으로 검토하고 현재 기술의 현황과 향후 활용 방안을 제시하고자 한다.

2. 메탄 배출원

메탄 배출원은 자연 및 인위적인 요인으로 구분되며 각배출원은 대기 중 메탄 농도 증가에 영향을 미친다. 효율적인 메탄 배출 관리와 감축 전략 수립을 위해서는 이러한 배출원을 정확히 파악하고 모니터링하는 것이 필수이다.

자연적 메탄 배출원은 인간 활동과 무관하게 자연에서발생하는 메탄 배출 현상으로 영구동토, 습지 등이 있다.지구온난화에 따라 고위도 지역의 영구동토층이 점차 해빙되고 있다. 이 과정에서 동결된 상태로 계속 유지되어오던 영구동토층 속 유기물들이 분해되어 다량의 메탄이대기 중으로 배출된다. 이러한 현상은 대기 중 메탄 농도를 급격히 증가시키며 지구온난화를 가속화시킬 수 있다(Schuur et al., 2015; Elder et al., 2021). 습지 또한 자연적으로 메탄을 생성하는 주요 배출원 중 하나로 유기물의 혐기성 분해 과정에서 메탄이 생성되고 배출된다.특히 열대 및 아열대 지역의 습지는 전 세계 습지 면적의 대부분을 차지하며, 메탄 배출이 활발하게 이루어진다(Van Amstel, 2012). 이러한 지역에서의 메탄 배출은전 세계 메탄 순 배출량에 상당한 기여를 하며 계절적및 기후적 변화에 따라 배출량이 크게 변동될 수 있다.

인위적 메탄 배출원은 인간 활동에서 발생하며 대기 중메탄 농도 증가에 미치는 영향이 크다. 인위적 배출원의경우 관리 및 규제를 통해 감축이 가능하므로 기후변화 완화에서 중요한 역할을 한다. 국제에너지기구(International Energy Agency, IEA)에 따르면 2023년 기준 전 세계적으로 발생하는 주요 메탄 배출 분야는 농업, 에너지, 폐기물이다(Fig. 1). 농축산업은 주로 반추동물의 장내 발효 과정에서 메탄이 생성되는 주요 인위적 배출원이다.소와 같은 반추동물의 소화 과정에서 장내 박테리아가유기물을 분해하면서 메탄이 생성되며 이 과정은 전 세계 메탄 배출량의 상당 부분을 차지한다(Van Amstel, 2012). 에너지 산업과 관련하여 석탄광은 지하에 메탄이자연적으로 축적된 환경에서 석탄 채굴 활동을 통해 메탄이 배출되는 주요 인위적 배출원이며 석탄 채굴 과정에서 발생하는 메탄 배출은 운영 기간이 오래된 가행탄광에서 더욱 두드러진다. 석유 및 가스전은 에너지 부문에서 가장 많은 배출량을 차지하는 배출원이며(Fig. 2) 채굴, 생산, 운송 과정에서 메탄이 배출되고 이는 산업 부문에서의 중요한 배출원으로 간주된다(Karakurt et al., 2012). 또한, 폐기물 처리 과정, 특히 매립지에서의 유기물 분해 과정에서 메탄이 발생한다. 매립지의 혐기성 환경에서 유기 폐기물이 분해되어 메탄이 배출되며(Chai et al., 2016) 이는 인위적 메탄 배출원의 중요한 부분을 차지한다.

Figure 1. Main sources of methane emissions (IEA, 2024).
Figure 2. Global methane emissions from the energy sector over time, 2000-2021 (IEA, 2022).

3. 현장 관측 기반 메탄 탐지 기법

대기 중으로 배출되는 메탄의 농도나 양을 파악하기 위해 다양한 현장 관측 기반 모니터링 방식이 활용되고 있으며 크게 고정식 모니터링과 이동식 모니터링으로 구분할 수 있다.

현장 관측 기반 메탄 모니터링 연구 사례에서 고정식모니터링의 경우 농업 분야에서 논에 챔버를 설치하여온실가스를 포집하고 가스크로마토그래피(gas chromato-graphy)를 이용해 정량 분석하는 챔버법의 적용이 용이한 것으로 알려져 있다. 또한, 에디 공분산법(eddy covariance), 플럭스 증감법(flux-gradient), 적외선 측정법등이 메탄 배출량 측정법으로 알려져 있으며, 이 중 챔버법과 에디 공분산법은 습지 메탄 배출량 측정에도 용이한 방법이다(국립농업과학원, 2021). 다이오드 레이저흡수 분광법을 통한 매립지의 메탄 배출 농도 측정(He et al., 2021), 적외선 센서를 통한 하수구 내부 메탄 농도측정(Liu et al., 2014) 등 다양한 센서들을 활용한 고정식 모니터링 방식이 메탄 검출이 연속적으로 필요한 분야에서 활용되고 있다.

이동식 모니터링의 경우 반추동물의 호흡기에 소형 장비인 휴대용 레이저 메탄 감지기를 부착하여 일일 메탄발생량을 추정한 연구(Sorg et al., 2021) 및 레이저 분광기가 장착된 드론을 통해 인위적으로 방출하는 천연가스의 탐지 확률을 측정한 실험(Barchyn et al., 2019), 항공기에 라이다(light detection and ranging, LiDAR) 센서를부착하여 공항, 해안, 수역에서의 메탄 농도 측정(Yakovlev et al., 2022) 등이 수행되었다. 이처럼 이동식 모니터링은 측정 지역을 유동적으로 변경할 수 있으며, 한 지점에서부터 넓은 범위까지 측정 범위가 다양하다.

고정식 모니터링 방식은 센서 설치 지점에서 연속적인모니터링이 가능하다는 장점을 가지지만 모니터링 범위가 센서 설치 지점으로 제한되어 센서의 측정 영역 범위를 벗어나는 경우에는 측정이 어려울 수 있다. 이동식 모니터링은 고정식 모니터링에 비해 더 넓은 지역에서 측정할 수 있으며, 모니터링 지점을 유연하게 변경할 수 있다는 이점이 있다. 그러나 측정의 연속성이 떨어져 지속적인 모니터링에는 한계가 있다.

이에 비해, 위성 기반 메탄 모니터링은 이동식 모니터링보다도 훨씬 광범위한 지역을 측정할 수 있어 측정 시간을 단축할 수 있으며 비접촉 방식으로 측정이 가능하여 위험 지역이나 접근이 어려운 지역도 효과적으로 모니터링할 수 있다. 또한, 주기적으로 자료를 획득하는 위성의 특성상 지속적인 모니터링이 가능하다. 이러한 이유로 위성 기반 메탄 모니터링은 기존 모니터링 방식과비교하여 여러 장점과 차별점을 지니고 있으며 향후 메탄 모니터링에서 더욱 활발히 활용될 것으로 기대된다.

4. 위성 기반 메탄 탐지

4.1. 메탄 탐지 기본 원리

메탄은 특정 파장대에서 강한 전자기파 흡수 특성을 보이며, 특히 약 2300 nm 파장에서 그 특성이 두드러진다.이러한 파장대는 위성자료의 단파장적외선(shortwave infrared, SWIR) 밴드에 포함되며 이를 활용하여 대기 중메탄 농도를 추정할 수 있다. SWIR 밴드를 이용한 메탄탐지는 위성에서 수집한 파장영역 정보를 분석하여 대기중 메탄의 농도와 배출 지점의 위치를 파악하는 데 유리하다(Fig. 3).

Figure 3. Spectral Response Functions (SRF) of bands B11 and B12 for Sentinel-2A and Sentinel-2B satellites, along with methane transmittance. The SRF indicates how sensitive the sensor is to different wavelengths of light (Gorroño et al., 2023).

4.2. 메탄 탐지에 사용되는 SWIR 파장영역 위성자료

메탄 탐지에 특화된 위성으로는 Sentinel-5P, GHGSat등이 있다. Sentinel-5P 위성의 TROPOspheric Monitoring Instrument (TROPOMI) 센서는 지구 전역을 매일 관측할수 있는 자료를 제공하지만, 7 km의 넓은 공간해상도로인해 특정 지역의 메탄 농도를 세밀하게 측정하는 데에는 제한적이다. 이러한 제한점으로 인해 주로 메탄 배출을 세밀하게 탐지할 수 있는 다른 위성(Sentinel-2, GHGSat등)과 결합하여 연구에 활용된다(Lauvaux et al., 2022; Schuit et al., 2023).

반면, GHGSat 위성의 Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer 센서는 약 25~50 m의 고해상도자료를 제공하며 메탄 배출 지점을 정밀하게 식별할 수있는 자료 특성을 보유하고 있다. Varon et al. (2018)은GHGSat 자료를 활용하여 메탄 오염원을 탐지하고 배출량을 정량화하는 알고리즘을 개발하였다. 다만, 이 위성의 재방문 주기는 14일로 전 지구를 매일 관측하는 Sentinel-5P 위성과 비교하여 길기 때문에 지속적인 모니터링에는한계가 있다.

WorldView-3, Sentinel-2, Sentinel-3, Landsat-8 및 9 등의 다중분광 센서 탑재 위성은 메탄 탐지 목적의 위성은아니지만 이를 활용하여 메탄 탐지에 성공한 다수의 사례가 존재한다. WorldView-3 위성은 가시광부터 단파장적외선 범위까지의 파장영역을 포함하는 공간해상도 3.7 m의 자료를 제공한다. 이는 메탄 탐지 연구에 주로 활용된 위성들 가운데 고해상도 자료로 메탄 배출의 정밀한탐지 및 정량화에 중요한 역할을 한다. 이러한 고해상도탐지는 과거에는 주로 항공 센서를 통해 가능했지만(Cusworth et al., 2019; Duren et al., 2019; Frankenberg et al., 2016; Jongaramrungruang et al., 2019), 최근에는위성과 센서 기술의 발전으로 더 넓은 지역에서 수행되고 있다. 최근 Sánchez-García et al. (2022)는 WorldView-3 위성을 사용하여 알제리와 투르크메니스탄의 석유 및 가스(oil and gas, O&G) 생산 지역과 중국 산시성의 석탄 채굴 지역을 포함한 26개 주요 메탄 배출원에서 메탄배출을 성공적으로 탐지하고 정량화하였다. 이를 통해 배출 위치를 정확히 식별하고 배출 속도를 정밀하게 측정할 수 있는 기반을 마련하였다.

Sentinel-2 위성의 경우 WorldView-3와 유사하게 Multi-spectral Instrument (MSI) 센서로부터 가시광부터 단파장적외선 범위까지 다양한 밴드를 포함하며, 10~20 m의 공간해상도의 위성자료를 획득한다. 그러나 메탄 탐지에 대한 민감도는 메탄 탐지 목적의 위성들에 비해 상대적으로 낮다(Fig. 4). 그럼에도 무료로 자료 접근이 가능하다는 점과 5일의 재방문 주기 및 Sentinel-5P TROPOMI 자료에 비해 높은 공간해상도는 이러한 민감도의 한계를극복하고 다양한 연구에 활용되고 있다. Varon et al. (2021)은 Sentinel-2 위성자료를 활용하여 알제리의 Hassi Messaoud 유전과 투르크메니스탄의 Korpezhe 유전 및 가스전에서 메탄 배출 모니터링의 효용성을 처음으로 입증하였다. 최근 Gorroño et al. (2023)은 Sentinel-2 자료를활용하여 투르크메니스탄, 알제리, 미국 내 여러 석유 및가스 생산 지역에서 메탄 시뮬레이션 영상을 생성하는방법론을 제시하고 시뮬레이션 자료 기반 메탄 배출 탐지와 그 양을 추정하는 연구를 진행하였다. 이렇게 Sentinel-2 위성자료는 특정 지역에서의 메탄 배출을 지속적으로모니터링하고, 배출 위치와 배출의 변화 양상을 추적하는 데 있어 중요한 도구로 활용될 수 있다. Sentinel-2 위성자료는 재방문 주기가 긴 고해상도 위성이나 메탄 탐지에 특화된 위성의 자료와 상호보완적으로 사용될 수있다는 점에서 중요한 선택지가 될 수 있다. 따라서, 다음 섹션에서는 Sentinel-2 위성자료를 활용한 메탄 탐지및 정량화 방법에 대해 구체적으로 논의하고자 한다.

Figure 4. Comparison of spectral sampling in the shortwave infrared region of various spaceborne instruments suitable for methane mapping (Sánchez-García et al., 2022).

5. Sentinel-2 위성자료 기반 메탄 배출 탐지 및정량화 기술

5.1. 메탄 배출 탐지 방법

Sentinel-2 위성자료를 활용하여 메탄 배출을 탐지하는주요 방법으로는 단일밴드 다중패스 기법(Single-Band Multi-Pass, SBMP), 다중밴드 단일패스 기법(Multi-Band Single-Pass, MBSP), 그리고 다중밴드 다중패스 기법(Multi-Band Multi-Pass, MBMP) 등이 있다(Varon et al., 2021).이러한 방법들은 각각의 특성을 바탕으로 다양한 조건에서 메탄 배출을 효과적으로 탐지할 수 있다.

5.1.1. 단일밴드 다중패스 기법(Single-Band Multi-Pass, SBMP)

SBMP 기법은 특정 메탄 배출원에서 발생하는 메탄을탐지하기 위해 동일 지역에 대해 하나의 밴드를 이용하여 서로 다른 시간대에 획득된 위성자료를 비교하는 방법이다. 이 방법은 주로 동일 지역의 이전 관측 자료와현재 관측 자료 간의 반사도 차이를 기반으로 메탄 농도의 변화를 추정한다. SBMP 기법의 반사도 변화 ΔRSBMP는 식(1)과 같이 계산된다.

ΔRSBMP=cR12 R12 R12

식(1)에서 c는 위성자료 간의 밝기 차이를 조정하는 스케일링 팩터, R12는 메탄 배출이 관측된 위성자료의 밴드12 대기 상층(top of atmosphere, TOA) 반사도, R12는 메탄배출이 관측되지 않은 위성자료의 밴드 12 TOA 반사도를의미한다. 식(1)을 통해 특정 지점에서 메탄 배출이 관측및 관측되지 않은 위성자료의 밴드 12 반사도를 비교한다.

복사 전달 모델 식을 통해 다양한 메탄 농도 변화(ΔΩ)에 따른 식(2)의 반사도 변화(ΔmSBMPΩ))를 모델링하고위성자료를 통해 구한 식(1)의 반사도 변화(ΔRSBMP)와 비교하여 실제 관측된 반사도 변화와 가장 일치하는 메탄농도를 추정한다.

ΔmSBMPΔΩ=T12Ω+ΔΩT12(Ω)T12(Ω)

식(2)의 T12는 평균 메탄 농도(Ω) 및 배출로 인한 메탄농도 변화(ΔΩ)에 대한 밴드 12 TOA 반사도를 의미한다.이 방법은 배출원의 간헐적인 배출 특성을 잘 포착할 수있지만, 지속적으로 메탄을 배출하는 배출원에 대해서는메탄 배출이 없는 적절한 기준 관측 자료를 찾는 데 어려움이 있을 수 있다(Varon et al., 2021).

5.1.2. 다중밴드 단일패스 기법(Multi-Band Single-Pass, MBSP)

MBSP 기법은 동일한 지역에 대해 하나의 위성자료에서 두 개 이상의 밴드를 이용하여 메탄 농도를 탐지하는방법이다. 이 기법은 메탄 흡수에 민감한 밴드와 상대적으로 덜 민감한 밴드를 비교하여 메탄 농도를 추정한다. MBSP 기법의 반사도 변화 ΔRMBSP는 식(3)과 같이 계산된다.

ΔRMBSP=cR12R11R11

식(3)에서 R11, R12는 메탄 배출이 관측된 위성자료의밴드 11 및 12의 TOA 반사도를 의미한다.

ΔmMBSPΔΩ=T12Ω+ΔΩT12(Ω)T12(Ω)T11Ω+ΔΩT11(Ω)T11(Ω)

SBMP 방법과 동일하게 복사 전달 모델 식을 통해 식(4)의 반사도 변화(ΔmMBSPΩ))를 모델링 후 식(3)의 반사도 변화(ΔRMBSP)와 비교하여 메탄 농도를 추정한다. MBSP방법은 하나의 위성자료로 메탄을 탐지할 수 있다는 장점이 있지만, 인접 밴드 간의 파장 차이로 인해 동일 지점에 대해 각 밴드가 감지하는 신호 간의 미세한 차이가발생할 수 있다. 이러한 경우 반사도가 상이하게 나타날수 있으므로 정확한 메탄 농도 추정을 위해서는 두 밴드간의 신호 차이를 보정하는 과정이 필요하다(Varon et al., 2021).

5.1.3. 다중밴드 다중패스 기법(Multi-Band Multi-Pass, MBMP)

MBMP 기법은 SBMP와 MBSP의 장점을 결합한 방법으로, 동일한 지역에 대해 서로 다른 시간대에 획득된 위성자료의 두 밴드를 사용하여 메탄 농도를 보다 정밀하게 추정한다.

ΔΩMBMP=ΔΩMBSPΔ ΩMBSP

식(5)의 ΔΩMBSP, ΔΩ ′MBSP는 서로 다른 시간대에 획득된 위성자료의 MBSP 기법 기반 메탄 농도 추정값으로각각 메탄 배출이 관측 및 관측되지 않은 위성자료를 사용한다. 이 방법은 밴드 간 파장 차이로 인한 MBSP 방식의 체계적 오류를 다른 시간대의 MBSP 결과값 차이를 통해 보완하여 다양한 표면 조건에서도 높은 정밀도를 유지할 수 있으며, 메탄 탐지에 있어서 가장 효과적인 방법 중 하나로 평가된다(Varon et al., 2021).

5.2. 메탄 배출량 정량화 방법

반사도 기반 계산을 통해 메탄 농도를 추정한 후 배출량을 정량화할 수 있는 방법론이 필요하다. 많은 연구에서 일반적으로 사용되는 방법 중 하나는 통합 메탄 강화(Integrated Methane Enhancement, IME) 방법이다. IME방법은 특정 영역에서의 메탄 plume 내 농도를 통합하여배출량을 추정하며, 해당 지역의 풍속 및 plume의 길이등 물리적 매개변수를 함께 고려한다(식(6)). 이를 통해메탄 plume으로부터 메탄 배출률(Q, kgh-1)을 추정할 수있다. 배출률(Q)은 특정 메탄 배출원에서 한 시간 동안대기로 배출하는 메탄의 질량을 나타내며, 배출 속도로서 대기 중 메탄의 배출량을 정량적으로 표현한다(Varon et al., 2021). IME 방법은 위성자료를 활용하여 장기적인메탄 배출량 변화 모니터링에 유용하며, 특히 대규모plume이 발생하는 경우에 효과적이다.

Q=Ueff(ms1)IME(kg)L(m)

식(6)에서 Ueff는 메탄 plume이 대기 중에서 어떻게 이동하는지를 설명하는 요소로 연구 지역의 지표면으로부터 10 m 높이에서의 유효풍속을 나타낸다. 이는 10 m높이에서 측정된 현지 풍속(U10)을 기반으로 하며, 식(7)을 통해 large-eddy simulations (LES)에서 보정된 값이사용된다. 식(7)의 α, β는 시뮬레이션으로부터 얻은 보정계수이다. U10은 Goddard Earth Observing System-Fast Processing (GEOS-FP)과 같은 기상 재분석 자료에서 얻을 수 있다. L은 메탄 plume 길이로 탐지된 plume 면적의 제곱근으로 정의되며 메탄의 확산 정도를 의미한다.이 방법을 통해 메탄 배출률을 산정할 수 있으며, 이는메탄이 이동하는 동안의 유효 풍속과 확산 정도에 따라조정된다.

Ueff=αU10+β

6. 위성 기반 메탄 탐지 사례

본 장에서는 전 지구 및 지역 규모, 대형 사고 그리고초분광 위성자료를 활용한 위성 기반 메탄 탐지 사례를 검토하고자 한다. 선행 사례들을 통해 다양한 위성자료들이 어떻게 활용되고 있는지 확인할 수 있다. Table 1에이러한 선행 사례들을 요약하여 제시하였다.

Table 1 . Summary of satellite-based methane detection case studies.

ReferenceInstrument/SensorPeriodDetection scaleAnalytical methodDetection result
Ehret et al. (2022)Sentinel-2/MultiSpectral Instrument (MSI)2017~2021GlobalLinear regression, Integrated mass enhancement (IME)Plume detection/Source Quantification
Dogniaux et al. (2024)Landsat-8/Operational Land Imager (OLI), Sentinel-2B/MSI2022Large-scale incidentMulti-band single-pass (MBSP), IME, Monte carlo simulationPlume detection/Source Quantification
Joyce et a l. (2022)PRISMA/HYperspectral Camera (HYC)2020~2022RegionalConvolutional neural network (CNN)Plume detection/Source Quantification
Lauvaux et a l. (2022)Sentinel-5P/TROPOspheric Monitoring Instrument (TROPOMI)2019~2020GlobalLagrangian particle model HYSPLITPlume detection/Source Quantification
Maasakkers et a l. (2022)Sentinel-5P/TROPOMI, GHGSat/Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer2020~2021RegionalInversion models, Wind-rotation technique, IMEPlume detection/Source Quantification
Schuit et al. (2023)Sentinel-5P/TROPOMI, Sentinel-2/MSI, GHGSat/Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer, PRISMA/HYC2021GlobalCNN, IMEPlume detection/Source Quantification
Pandey et al. (2023)Sentinel-5P/TROPOMI, Sentinel-3/Sea and Land Surface Temperature Radiometer (SLSTR), Sentinel-2/MSI2016~2020RegionalMulti-band multi-pass (MBMP), IMEPlume detection/Source Quantification
Wang et al. (2024)Sentinel-2/MSI2020~2022RegionalMatched filter, IMEPlume detection/Source Quantification


6.1. 전 지구 규모 탐지 사례

전 지구 규모에서의 메탄 배출 모니터링은 대기 중 메탄 농도의 변화를 장기적으로 추적하고 주요 배출원을 파악하는 데 필수이다. 최근 연구들은 여러 위성자료를통해 지구 전역에서 메탄 배출의 분포와 변화를 상세히분석하고 있으며, 특히 O&G 부문에서의 메탄 배출이 주요 관심사로 부각되고 있다.

Lauvaux et al. (2022)은 Sentinel-5P의 TROPOMI 센서를 활용하여 2019과 2020년 사이 전 세계 주요 O&G 생산 지역에서 발생한 수백 건의 대규모 메탄 배출 사건을분석하였다. 이 연구에서는 전 세계 O&G 부문 메탄 배출의 약 8~12%가 이러한 대규모 배출에서 발생하며, 이중 상당수가 투르크메니스탄, 러시아, 미국, 중동 등에서집중적으로 발생한다고 밝혔다. 또한, 이를 감축하는 것이 기후변화 완화에 있어서 효율적인 전략이 될 수 있다고 제안한다.

Schuit et al. (2023)는 Sentinel-5P TROPOMI를 활용한자동화된 초대형 메탄 배출 탐지 및 모니터링 알고리즘을개발하였다. 해당 논문에서는 합성곱 신경망(Convolutional Neural Network, CNN)을 적용하여 2021년에 획득된 방대한 양의 TROPOMI 위성자료 가운데 2,974개의 메탄plume을 탐지하였으며, 이들 중 94개의 지속적인 배출 클러스터와 수백 개의 일시적인 배출을 확인하였다. 특히도시 지역과 매립지가 주요 배출원임을 밝혔으며, 가스및 석유 인프라와 석탄 광산에서도 상당한 배출이 발생하고 있음을 강조하였다. TROPOMI로 탐지한 배출 중12개의 배출에 대해 고해상도 위성자료(GHGSat, PRISMA, Sentinel-2)를 활용하여 메탄 배출을 정밀하게 식별하였다(Fig. 5). 이를 통해 TROPOMI와 고해상도 위성의 결합을 통해 메탄 배출 탐지 및 모니터링을 개선할 수 있음을 보여주었다 .

Figure 5. Global methane emission sources detected by Schuit et al. (2023) using high-resolution satellite data (GHGSat, PRISMA (Hyperspectral Precursor of the Application Mission), Sentinel-2). The world map at the center of the image represents the 2,974 plumes detected in 2021.

Ehret et al. (2022)는 Sentinel-2 위성자료를 사용하여전 세계 O&G 인프라에서 발생하는 메탄 배출을 추적하고 정량화하는 연구를 수행하였다. 2017년 11월부터 2021년 9월까지 약 47개월 동안 Sentinel-2 위성자료를 활용하여 약 7,000개 지점을 모니터링하였으며 알제리, 투르크메니스탄, 미국에서 1,200건 이상의 메탄 배출을 탐지하였다. 이를 통해 Sentinel-2 위성자료를 이용하여 작은배출을 포함한 다양한 규모의 배출을 효과적으로 모니터링할 수 있음을 입증하였다(Fig. 6).

Figure 6. Examples of plumes detected over oil and gas facilities by Ehret et al. (2022) (a-i) The plumes are shown as white and purple masks over the corresponding Sentinel-2 satellite RGB images.

이러한 연구들은 위성 기술이 전 세계 메탄 배출 모니터링에서 어떻게 중요한 역할을 수행하고 있는지를 보여준다. 특히 TROPOMI 센서와 같이 전 지구를 관측하는위성자료는 대규모의 메탄 배출을 탐지하고 전 세계의메탄 배출의 분포를 이해하는 데 중요한 정보를 제공하고 있다.

6.2. 지역 규모 탐지 사례

Pandey et al. (2023)은 500 m의 공간해상도 및 하루 단위로 전 지구를 관측할 수 있는 Sentinel-3 위성자료와 다른 위성자료를 결합한 계층적 접근 방법을 사용하여 메탄 누출을 일일 단위로 탐지하고 정량화하는 연구를 수행하였다. Sentinel-3의 SWIR 밴드를 통해 MBMP 기법을 적용하여 대기 중 메탄을 탐지하였다. 연구에서는 러시아와 알제리에서 발생한 메탄 배출 사건을 사례로 들어 Sentinel-3가 메탄 배출을 어떻게 탐지하고, 이를Sentinel-2와 Sentinel-5p 위성자료와 결합하여 더욱 정밀한 분석을 수행할 수 있는지를 입증하였다. 특히 러시아의 모스크바 지역에서 발생한 가스 파이프라인 누출 사례에서는 Sentinel-3 위성자료에서 30 km 간격으로 발생한 두 개의 대규모 배출을 탐지하여 Sentinel-5p 위성이감지한 단일 메탄 plume이 실제로 두 개의 누출에서 발생한 것임을 밝혀내었다(Fig. 7). 또한, 알제리의 Hassi Messaoud 유전에서 발생한 누출 사건에서는 Sentinel-3위성자료로부터 6일 동안 지속된 메탄 누출을 추적하고이후 가스 연소가 발생한 것을 Sentinel-2 자료와 결합하여 확인하였다. 이 연구는 Sentinel-3 획득 자료가 메탄배출 탐지와 정량화에 있어 중요한 역할을 할 수 있음을보여주었으며 이를 통해 지역 규모의 메탄 누출을 보다정밀하게 모니터링할 수 있는 가능성을 제시하였다.

Figure 7. Tiered satellite observation of two concurrent methane leaks from a Russian gas pipeline on June 18, 2021, detected by Pandey et al. (2023). Sentinel-3 (B) and Sentinel-2 (C & D) observations reveal that the single Sentinel-5P (A) plume is the result of two leaks occurring 30 km apart.

Wang et al. (2024)은 Sentinel-2 위성자료를 활용하여 메탄 plume을 효과적으로 탐지하고 정량화하는 새로운방법을 제안하였다. 기존의 메탄 탐지 알고리즘이 필요로 하는 메탄이 관측되지 않은 참조자료 선택 과정을 피하고자 Matched Filter 알고리즘을 개발하였다. Matched Filter는 광학 방사 특성을 분석하여 배경 방사 강도를 추정하고 이를 통해 메탄 신호를 추출하는 원리이며, 이 알고리즘을 Sentinel-2 위성자료에 적용하여 메탄 배출원에서 발생하는 plume을 효과적으로 탐지하였다(Fig. 8). 알고리즘 성능 검증을 위해 시뮬레이션 자료와 실제 메탄배출 사례를 분석하였다. 그 결과 기존의 MBMP 기법과비교하였을 때 Matched Filter 알고리즘을 적용한 경우배경의 노이즈(noise)를 효과적으로 줄이는 것으로 나타났다. 특히 미국의 Permian Basin과 같은 복잡한 지표 환경에서도 메탄 plume의 형상을 보다 정확하게 탐지할 수있었다.

Figure 8. Methane plume detected in the Permian Basin using the Matched Filter method (Wang et al., 2024).

Maasakkers et al. (2022)은 쓰레기 매립지에서의 메탄배출에 주목하며 도시 지역의 메탄 배출이 실제로 얼마나 큰 영향을 미치는지 파악하기 위해 Sentinel-5 TROPOMI센서와 GHGSat 위성자료를 결합하여 사용하였다. 먼저Sentinel-5 TROPOMI 센서를 이용해 전 세계에서 메탄농도가 높은 지역을 선별하였고 그중에서도 특히 부에노스아이레스(아르헨티나), 델리 및 뭄바이(인도), 라호르(파키스탄)의 대규모 쓰레기 매립지를 대상으로 메탄 배출량을 분석하였다(Fig. 9). Sentinel-5 TROPOMI 자료를사용하여 위 지역들의 메탄 배출을 정량화한 결과, 기존의 배출 기록과 비교하였을 때 도시의 메탄 배출량이 1.4배에서 2.6배 더 크다는 것을 발견하였다. 특히 쓰레기매립지는 이러한 도시 메탄 배출의 6%에서 50%를 차지하며, 이는 매립지 관리와 메탄 배출 감축이 도시 전체의 메탄 배출량을 크게 줄일 수 있음을 시사한다. GHGSat의 고해상도 자료를 사용한 분석에서는 매립지 내부의구체적인 배출 지점을 식별할 수 있었으며, 부에노스아이레스의 Norte III 매립지에서 메탄 배출의 87%가 매립지 내 특정 구역에서 발생한다는 것을 확인하였다. 연구결과를 통해 매립지에서의 메탄 배출이 도시의 주요 배출원 중 하나로 작용할 수 있으며, 이를 효과적으로 관리하기 위해서는 위성자료를 활용한 지속적인 모니터링이 필요함을 보여준다.

Figure 9. Methane plumes detected over regional landfills by GHGSat: (a) Norte III (Buenos Aires, Argentina), (b) Lakhodair (Lahore, Pakistan), (c) Kanjurmarg (Mumbai, India), and (d) Ghazipur (Delhi, India) (Maasakkers et al., 2022).

6.3. 대형 사고 탐지 사례

대형 사고로 인해 발생하는 메탄 배출은 일반적인 배출과 달리 매우 급격하게 대량의 메탄을 배출하게 된다.이러한 사건들 또한 기후변화에 영향을 미칠 수 있으며,신속한 모니터링과 대응이 필요하다.

Dogniaux et al. (2024)는 2022년 9월 22일부터 10월 2일 사이에 발트해의 덴마크 보른홀름섬 근처에 위치한Nord Stream 2 (NS2) 가스 파이프라인 폭발로 인한 메탄 누출을 Landsat-8과 Sentinel-2B 위성자료를 활용하여탐지하였다. 이 사건은 단일 지역에서 발생한 역대 최대의 천연가스 누출 중 하나로 기록되었다(Sanderson, 2022). MBSP 기법을 사용하여 Landsat 8과 Sentinel-2B 위성자료를 통해 메탄 농도 변화를 추정하였으며(Fig. 10), Monte Carlo 시뮬레이션을 이용하여 메탄 누출 속도를 정량화하였다.

Figure 10. Methane enhancement results obtained through MBSP by Dogniaux et al. (2024). Pixels not belonging to the foam patch were filtered out and shown in gray. (a) Landsat-8 (September 29, 2022). (b) Sentinel-2B (September 30, 2022).

이를 통해 NS2 누출 사건에서 시간당 약 502톤의 메탄이 배출되었을 것으로 추정하였지만 이 값은 매우 큰 불확실성을 포함하고 있다고 밝혔다. 그럼에도 GHGSat등 다른 위성 관측 결과와 비교했을 때 일치하는 범위내에 있는 것으로 나타났다. 또한, MBSP 방법과 통합 질량 강화(IME) 방법의 한계와 불확실성을 분석하여, 이러한 대형 사고에서 위성 기반 메탄 탐지를 보완하기 위해보정이 필요하다는 점을 지적하였다. 예를 들어, 해수 표면에서 발생하는 반사와 거품으로 인한 반사도 왜곡이메탄 농도 추정에 미치는 영향을 고려해야 했으며 이를위해 실험적 보정을 적용하였다. 메탄 배출이 발생하였을 때 Sentinel-5P TROPOMI 센서는 구름으로 인해 사고 발생 지역의 자료를 획득하지 못하였다. 이는 위성 기반 탐지 방법의 기상 의존성을 나타내며 구름이나 악천후로 인해 관측이 방해받을 경우 메탄 배출량의 정확한측정이 어려워질 수 있다. 그럼에도 이 연구는 대형 메탄 누출 사건에서의 위성자료 활용 가능성을 보여주는사례로, 향후 기후변화 완화 전략에서 대형 사고의 메탄배출을 효과적으로 관리하는 데 중요한 역할을 할 수 있음을 강조하고 있다.

6.4. 초분광 위성자료 활용 사례

지금까지 다중분광 센서 탑재 위성(Sentinel-2, Landsat-8 등)과 메탄 탐지 목적의 위성(Sentinel-5P, GHGSat 등)을 중심으로 위성 기반 메탄 탐지 기술을 서술하였다. 다중분광 위성자료의 경우 이러한 위성들은 메탄 배출 탐지 및 배출량 정량화에 중요한 역할을 하고 있지만 파장영역과 관련된 한계가 존재한다. 특히 초분광 위성과 비교하여 제한된 파장영역 및 분광해상도를 사용하여 메탄을 탐지하는 반면 초분광 위성은 보다 연속적이며 분광해상도가 우수한 자료를 제공한다. 예를 들어, Sentinel-2 MSI 위성자료의 경우 13개 밴드 중 메탄 탐지에 사용되는 밴드는 SWIR 대역의 2개이다. 하지만 초분광 위성인PRISMA 위성은 400~2500 nm 범위에서 약 239개 대역의 파장영역 정보를 수집하는 초분광 센서(HYperspectral Camera, HYC)를 탑재하고 있다. Joyce et al. (2022)는 CNN과 PRISMA 초분광 위성자료를 활용하여 메탄 plume을 감지하고 배출량을 정량화하였다. 해당 연구에서는Weather Research and Forecasting (WRF-LES) 모델을 통해 배출 속도가 1000 kgh-1인 메탄 plume을 시뮬레이션하여 PRISMA 위성자료에 합성하였고, 이를 기반으로 약9700개의 훈련자료를 생성하였다. 이 훈련자료는 다양한풍속과 대기 조건을 반영한 메탄 plume 시뮬레이션을 포함하고 있어 CNN 모델이 다양한 조건에서 메탄 plume을 탐지할 수 있도록 하였다. CNN 모델을 통한 메탄plume 탐지는 각각 0.96 및 0.92의 정밀도(precision)와 재현율(recall)을 달성하였고, 이후 훈련된 CNN 모델을 사용하여 2020년부터 2022년까지 투르크메니스탄 지역에서 수집된 40개의 PRISMA 위성자료를 분석한 결과 총21개의 메탄 plume이 식별되었다.

7. 결론

인공위성 원격탐사 기반 메탄 탐지는 기후변화 완화를위한 효과적인 정보 제공 도구로 자리 잡고 있다. 메탄은 강력한 온실가스로 지구 대기의 에너지 균형에 큰 영향을 미치기 때문에 정확한 탐지와 정량화가 필요하다.본 논문에서는 다양한 위성자료 활용 기술, 특히 SWIR밴드를 활용한 메탄 탐지 기술의 현황을 검토하고 전 지구 및 지역 규모에서의 메탄 배출 탐지 사례를 분석하였다. 이를 통해 위성 기반 메탄 모니터링의 중요성을 확인하고 가능성 제시하였다.

위성 기반 메탄 탐지에는 여전히 몇 가지 한계가 존재한다. 첫째, 대부분의 메탄 탐지 목적 위성은 공간해상도와 재방문 주기 사이에서 균형을 맞추는 데 어려움을 겪고 있다. 예를 들어, 고해상도의 메탄 탐지 위성은 정밀한 배출 식별에 유리하지만, 일반적으로 재방문 주기가길어 지속적인 모니터링에는 제약이 있다. 반면, 재방문주기가 짧은 위성은 광역 관측이 가능하지만, 공간해상도가 낮아 세밀한 분석에 한계가 있다. 둘째, 위성 기반탐지는 대기 중 다양한 간섭 요소로 인해 정확도에 영향을 받을 수 있다. 특히 대기 상태, 에어로졸, 구름 등의조건이 메탄 탐지 정확도에 영향을 미치며, 이는 탐지 결과의 신뢰성을 저하시킬 수 있다.

향후 발전 방향으로는 이러한 한계를 극복하기 위한 기술적 개선이 필요하다. 먼저, 공간해상도와 재방문 주기사이의 한계점을 보완해야 한다. 예를 들어, Sentinel-2와Sentinel-5P, GHGSat과 같은 위성 간의 자료 결합을 통해넓은 지역의 메탄 배출을 정밀하게 모니터링하는 것이가능해질 것이다. 또한, 탐지 알고리즘의 발전을 통해 대기 간섭을 보정하고, 탐지 정확도를 향상시키는 방법도연구되어야 한다.

최근에는 딥러닝 기법을 도입하여 탐지 정확도와 효율성을 높이는 시도가 이루어지고 있다. 딥러닝을 활용한탐지 방법은 복잡한 대기 조건을 보정하고, 메탄 plume을 더욱 정확하게 탐지하는 데 기여할 수 있다. 또한, 딥러닝을 활용한 자동화된 분석은 대규모 자료 처리를 용이하게 하여 메탄 배출 모니터링의 지속성 및 실시간 분석 가능성을 향상시킬 수 있다.

Acknowledgements

이 논문은 동아대학교 교내연구비 지원에 의하여 연구되었습니다.

Fig 1.

Figure 1.Main sources of methane emissions (IEA, 2024).
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 2.

Figure 2.Global methane emissions from the energy sector over time, 2000-2021 (IEA, 2022).
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 3.

Figure 3.Spectral Response Functions (SRF) of bands B11 and B12 for Sentinel-2A and Sentinel-2B satellites, along with methane transmittance. The SRF indicates how sensitive the sensor is to different wavelengths of light (Gorroño et al., 2023).
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 4.

Figure 4.Comparison of spectral sampling in the shortwave infrared region of various spaceborne instruments suitable for methane mapping (Sánchez-García et al., 2022).
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 5.

Figure 5.Global methane emission sources detected by Schuit et al. (2023) using high-resolution satellite data (GHGSat, PRISMA (Hyperspectral Precursor of the Application Mission), Sentinel-2). The world map at the center of the image represents the 2,974 plumes detected in 2021.
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 6.

Figure 6.Examples of plumes detected over oil and gas facilities by Ehret et al. (2022) (a-i) The plumes are shown as white and purple masks over the corresponding Sentinel-2 satellite RGB images.
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 7.

Figure 7.Tiered satellite observation of two concurrent methane leaks from a Russian gas pipeline on June 18, 2021, detected by Pandey et al. (2023). Sentinel-3 (B) and Sentinel-2 (C & D) observations reveal that the single Sentinel-5P (A) plume is the result of two leaks occurring 30 km apart.
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 8.

Figure 8.Methane plume detected in the Permian Basin using the Matched Filter method (Wang et al., 2024).
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 9.

Figure 9.Methane plumes detected over regional landfills by GHGSat: (a) Norte III (Buenos Aires, Argentina), (b) Lakhodair (Lahore, Pakistan), (c) Kanjurmarg (Mumbai, India), and (d) Ghazipur (Delhi, India) (Maasakkers et al., 2022).
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Fig 10.

Figure 10.Methane enhancement results obtained through MBSP by Dogniaux et al. (2024). Pixels not belonging to the foam patch were filtered out and shown in gray. (a) Landsat-8 (September 29, 2022). (b) Sentinel-2B (September 30, 2022).
Economic and Environmental Geology 2024; 57: 513-527https://doi.org/10.9719/EEG.2024.57.5.513

Table 1 . Summary of satellite-based methane detection case studies.

ReferenceInstrument/SensorPeriodDetection scaleAnalytical methodDetection result
Ehret et al. (2022)Sentinel-2/MultiSpectral Instrument (MSI)2017~2021GlobalLinear regression, Integrated mass enhancement (IME)Plume detection/Source Quantification
Dogniaux et al. (2024)Landsat-8/Operational Land Imager (OLI), Sentinel-2B/MSI2022Large-scale incidentMulti-band single-pass (MBSP), IME, Monte carlo simulationPlume detection/Source Quantification
Joyce et a l. (2022)PRISMA/HYperspectral Camera (HYC)2020~2022RegionalConvolutional neural network (CNN)Plume detection/Source Quantification
Lauvaux et a l. (2022)Sentinel-5P/TROPOspheric Monitoring Instrument (TROPOMI)2019~2020GlobalLagrangian particle model HYSPLITPlume detection/Source Quantification
Maasakkers et a l. (2022)Sentinel-5P/TROPOMI, GHGSat/Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer2020~2021RegionalInversion models, Wind-rotation technique, IMEPlume detection/Source Quantification
Schuit et al. (2023)Sentinel-5P/TROPOMI, Sentinel-2/MSI, GHGSat/Wide-Angle Fabry-Perot (WAF-P) Imaging Spectrometer, PRISMA/HYC2021GlobalCNN, IMEPlume detection/Source Quantification
Pandey et al. (2023)Sentinel-5P/TROPOMI, Sentinel-3/Sea and Land Surface Temperature Radiometer (SLSTR), Sentinel-2/MSI2016~2020RegionalMulti-band multi-pass (MBMP), IMEPlume detection/Source Quantification
Wang et al. (2024)Sentinel-2/MSI2020~2022RegionalMatched filter, IMEPlume detection/Source Quantification

References

  1. 국립농업과학원. (2021) 농경지 온실가스 자동측정 및 배출량 품질관리 기법 연구. 농촌진흥청.
  2. Barchyn, T.E., Hugenholtz, C.H., and Fox, T.A. (2019) Plume detection modeling of a drone-based natural gas leak detection system. Elem. Sci. Anth., v.7, p.41. https://doi.org/10.1525/elementa.379
    CrossRef
  3. Chai, X., Tonjes, D.J., and Mahajan, D. (2016) Methane emissions as energy reservoir: context, scope, causes and mitigation strategies. Progress in Energy and Combustion Science, v.56, p.33-70. https://doi.org/10.1016/j.pecs.2016.05.001
    CrossRef
  4. Cusworth, D.H., Jacob, D.J., Varon, D.J., Chan Miller, C., Liu, X., Chance, K., Thorpe, A.K., Duren, R.M., Miller, C.E., Thompson, D.R., Frankenberg, C., Guanter, L., and Randles, C.A. (2019) Potential of next-generation imaging spectrometers to detect and quantify methane point sources from space. Atmospheric Measurement Techniques, v.12(10), p.5655-5668. https://doi.org/10.5194/amt-12-5655-2019
    CrossRef
  5. Duren, R.M., Thorpe, A.K., Foster, K.T., Rafiq, T., Hopkins, F.M., Yadav, V., Bue, B.D., Thompson, D.R., Conley, S., Colombi, N.K., Frankenberg, C., McCubbin, I.B., Eastwood, M.L., Falk, M., Herner, J.D., Croes, B.E., Green, R.O., and Miller, C.E. (2019) California’s methane super-emitters. Nature, v.575(7781), p.180-184. https://doi.org/10.1038/s41586-019-1720-3
    Pubmed CrossRef
  6. Dogniaux, M., Maasakkers, J.D., Varon, D.J., and Aben, I. (2024) Report on Landsat 8 and Sentinel-2B observations of the Nord Stream 2 pipeline methane leak. Atmospheric Measurement Techniques, v.17(9), p.2777-2787. https://doi.org/10.5194/amt-17-2777-2024
    CrossRef
  7. Elder, C.D., Thompson, D.R., Thorpe, A.K., Chandanpurkar, H.A., Hanke, P.J., Hasson, N., James, S.R., Minsley, B.J., Pastick, N.J., Olefeldt, D., Walter Anthony, K.M., and Miller, C.E. (2021) Characterizing methane emission hotspots from thawing permafrost. Global Biogeochemical Cycles, v.35(12). https://doi.org/10.1029/2020GB006922
    CrossRef
  8. Ehret, T., De Truchis, A., Mazzolini, M., Morel, J.M., d’Aspremont, A., Lauvaux, T., Duren, R., Cusworth, D., and Facciolo, G. (2022) Global tracking and quantification of oil and gas methane emissions from recurrent sentinel-2 imagery. Environmental Science & Technology, v.56(14), p.10517-10529. https://doi.org/10.1021/acs.est.1c08575
    Pubmed CrossRef
  9. Frankenberg, C., Thorpe, A.K., Thompson, D.R., Hulley, G., Kort, E.A., Vance, N., Borchardt, J., Krings, T., Gerilowski, K., Sweeney, C., Conley, S., Bue, B.D., Aubrey, A.D., Hook, S., and Green, R.O. (2016) Airborne methane remote measurements reveal heavy-tail flux distribution in Four Corners region. Proceedings of the National Academy of Sciences, v.113(35), p.9734-9739. https://doi.org/10.1073/pnas.1605617113
    Pubmed KoreaMed CrossRef
  10. Global Methane Pledge. (2023) https://www.globalmethanepledge.org/sites/default/files/documents/2023-11/Global%20Methane% 20Pledge.pdf
  11. Gorroño, J., Varon, D.J., Irakulis-Loitxate, I., and Guanter, L. (2023) Understanding the potential of Sentinel-2 for monitoring methane point emissions. Atmospheric Measurement Techniques, v.16(1), p.89-107. https://doi.org/10.5194/amt-16-89-2023
    CrossRef
  12. He, H., Gao, S., Hu, J., Zhang, T., Wu, T., Qiu, Z., Zhang, C., Sun, Y., and He, S. (2021) In-situ testing of methane emissions from landfills using laser absorption spectroscopy. Applied Sciences, v.11(5), 2117. https://doi.org/10.3390/app11052117
    CrossRef
  13. IEA (2022) Global methane emissions from the energy sector over time, 2000-2021, IEA, Paris https://www.iea.org/data-andstatistics/charts/global-methane-emissions-from-the-energysector-over-time-2000-2021.
  14. IEA (2024) Main sources of methane emissions, IEA, Paris https://www.iea.org/data-and-statistics/charts/main-sources-of-methaneemissions.
  15. Jongaramrungruang, S., Frankenberg, C., Matheou, G., Thorpe, A.K., Thompson, D.R., Kuai, L., and Duren, R.M. (2019) Towards accurate methane point-source quantification from high-resolution 2-D plume imagery. Atmospheric Measurement Techniques, v.12(12), p.6667-6681. https://doi.org/10.5194/amt-12-6667-2019
    CrossRef
  16. Joyce, P., Ruiz Villena, C., Huang, Y., Webb, A., Gloor, M., Wagner, F.H., Chipperfield, M.P., Barrio Guillo, R., Wilson, C., and Boesch, H. (2023) Using a deep neural network to detect methane point sources and quantify emissions from PRISMA hyperspectral satellite images. Atmospheric Measurement Techniques, v.16(10), p.2627-2640. https://doi.org/10.5194/amt-16-2627-2023
    CrossRef
  17. IPCC (2021) Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, and B. Zhou (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2391 pp. doi:10.1017/9781009157896
    CrossRef
  18. IPCC (2023) Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland, 184 pp., doi: 10.59327/IPCC/AR6-9789291691647
    CrossRef
  19. Karakurt, I., Aydin, G., and Aydiner, K. (2012) Sources and mitigation of methane emissions by sectors: A Critical Review. Renewable Energy, v.39(1), p.40-48. https://doi.org/10.1016/j.renene.2011.09.006
    CrossRef
  20. Liu, Y., Sharma, K.R., Murthy, S., Johnson, I., Evans, T., and Yuan, Z. (2014) On-line monitoring of methane in sewer air. Scientific Reports, v.4(1), https://doi.org/6637. 10.1038/srep06637
    Pubmed KoreaMed CrossRef
  21. Lauvaux, T., Giron, C., Mazzolini, M., d’Aspremont, A., Duren, R., Cusworth, D., Shindell, D., and Ciais, P. (2022) Global assessment of oil and gas methane ultra-emitters. Science, v.375(6580), p.557-561. https://doi.org/10.1126/science.abj4351
    Pubmed CrossRef
  22. Maasakkers, J.D., Varon, D.J., Elfarsdottir, A., McKeever, J., Jervis, D., Mahapatra, G., Pandey, S., Lorente, A., Borsdorff, T., Foorthuis, L.R., Schuit, B.J., Tol, P., van Kempen, T.A., van Hees, R., and Aben, I. (2022) Using satellites to uncover large methane emissions from landfills. Science Advances, v.8(31). https://doi.org/10.1126/sciadv.abn9683
    Pubmed KoreaMed CrossRef
  23. McLinden, C.A., Griffin, D., Davis, Z., Hempel, C., Smith, J., Sioris, C., Nassar, R., Moeini, O., Legault-Ouellet, E., and Malo, A. (2024). An independent evaluation of GHGSat methane emissions: Performance assessment. Journal of Geophysical Research: Atmospheres, v.129(15). https://doi.org/10.1029/2023JD039906
    CrossRef
  24. Pandey, S., van Nistelrooij, M., Maasakkers, J.D., Sutar, P., Houweling, S., Varon, D.J., Tol, P., Gains, D., Worden, J., and Aben, I. (2023) Daily detection and quantification of methane leaks using Sentinel-3: a tiered satellite observation approach with Sentinel-2 and Sentinel-5p. Remote Sensing of Environment, v.296, 113716. https://doi.org/10.1016/j.rse.2023.113716
    CrossRef
  25. Schuur, E.A., McGuire, A.D., Schädel, C., Grosse, G., Harden, J.W., Hayes, D.J., Hugelius, G., Koven, C.D., Kuhry, P., Lawrence, D.M., Natali, S.M., Olefeldt, D., Romanovsky, V.E., Schaefer, K., Turetsky, M.R., Treat, C.C., and Vonk, J.E. (2015) Climate change and the permafrost carbon feedback. Nature, v.520(7546), p.171-179. https://doi.org/10.1038/nature14338
    Pubmed CrossRef
  26. Sorg, D. (2021) Measuring livestock CH4 emissions with the laser methane detector: A review. Methane, v.1(1), p.38-57. https://doi.org/10.3390/methane1010004
    CrossRef
  27. Sánchez-García, E., Gorroño, J., Irakulis-Loitxate, I., Varon, D.J., and Guanter, L. (2022) Mapping methane plumes at very high spatial resolution with the WorldView-3 satellite. Atmospheric Measurement Techniques Discussions, v.15, p.1657-1674. https://doi.org/10.5194/amt-15-1657-2022
    CrossRef
  28. Sanderson, K. (2022, September 30) What do Nord Stream methane leaks mean for climate change? Nature. https://doi.org/10.1038/d41586-022-03111-x
    CrossRef
  29. Schuit, B.J., Maasakkers, J.D., Bijl, P., Mahapatra, G., Van den Berg, A.W., Pandey, S., Lorente, A., Borsdorff, T., Houweling, S., Varon, D.J., McKeever, J., Jervis, D., Girard, M., Irakulis-Loitxate, I., Gorroño, J., Guanter, L., Cusworth, D.H., and Aben, I. (2023) Automated detection and monitoring of methane superemitters using satellite data. Atmospheric Chemistry and Physics Discussions, v.23, p.9071-9098. https://doi.org/10.5194/acp-23-9071-2023
    CrossRef
  30. United States Environmental Protection Agency. (2023) Biden-Harris Administration finalizes standards to slash methane pollution, combat climate change, protect health, and bolster American innovation. https://www.epa.gov/newsreleases/bidenharris-administration-finalizes-standards-slash-methane-pollutioncombat-climate
  31. Van Amstel, A. (2012) Methane. A review. Journal of Integrative Environmental Sciences, v.9(sup1), p.5-30. https://doi.org/10.1080/1943815X.2012.694892
    CrossRef
  32. Varon, D.J., Jacob, D.J., McKeever, J., Jervis, D., Durak, B.O., Xia, Y., and Huang, Y. (2018) Quantifying methane point sources from fine-scale satellite observations of atmospheric methane plumes. Atmospheric Measurement Techniques, v.11(10), p.5673-5686. https://doi.org/10.5194/amt-11-5673-2018
    CrossRef
  33. Varon, D.J., Jacob, D.J., Jervis, D., and McKeever, J. (2020) Quantifying time-averaged methane emissions from individual coal mine vents with GHGSat-D satellite observations. Environmental Science & Technology, v.54(16), p.10246-10253. https://doi.org/10.1021/acs.est.0c01213
    Pubmed CrossRef
  34. Varon, D.J., Jervis, D., McKeever, J., Spence, I., Gains, D., and Jacob, D.J. (2021) High-frequency monitoring of anomalous methane point sources with multispectral Sentinel-2 satellite observations. Atmospheric Measurement Techniques, v.14(4), p.2771-2785. https://doi.org/10.5194/amt-14-2771-2021
    CrossRef
  35. Wang, H., Fan, X., Jian, H., and Yan, F. (2024) Exploiting the Matched Filter to Improve the Detection of Methane Plumes with Sentinel-2 Data. Remote Sensing, v.16(6), 1023. https://doi.org/10.3390/rs16061023
    CrossRef
  36. Yakovlev, S.V., Sadovnikov, S.A., and Romanovskii, O.A. (2022) Mobile Airborne Lidar for Remote Methane Monitoring: Design, Simulation of Atmospheric Measurements and First Flight Tests. Remote Sensing, v.14(24), 6355. https://doi.org/10.3390/rs14246355
    CrossRef
KSEEG
Oct 29, 2024 Vol.57 No.5, pp. 473~664

Stats or Metrics

Share this article on

  • kakao talk
  • line

Related articles in KSEEG

Economic and Environmental Geology

pISSN 1225-7281
eISSN 2288-7962
qr-code Download