CO2-Emissionen aus Satellitendaten: ein überprüfbarer Gegenentwurf zur nationalen Berichterstattung

In den Verhandlungen zum globalen Klimawandel sind Monitoring und Reporting der CO2-Emissionen die Grundlage jeder Zusage. Das bestehende System stützt sich auf nationale Berichte, die auf Industriestatistiken beruhen und nicht standardisiert erstellt werden.

Damit hängt die Verlässlichkeit der Zahl an der Stelle, die sie meldet – und die Stelle ist gleichzeitig die, deren Zielerreichung daran gemessen wird. Ein unabhängiges, physikalisch gemessenes Gegenstück ist deshalb nicht eine methodische Verbesserung, sondern eine Voraussetzung für Überprüfbarkeit.

Kern der Auswertung sind CO2-Oberflächenkonzentrationen des Satelliten GOSAT für Europa und Asien.

Ergänzt wurden sie um Satellitenmessungen der NASA: Vegetationsindizes, Bevölkerungsdichte, Kohlenstoffmonoxid und Stickstoffdioxid. Diese Zusatzgrößen sind nicht Beiwerk – sie sind der Weg, um von einer gemessenen Konzentration auf eine Quelle zu schließen.

Hohe Dimensionalität in Raum und Zeit. Eine Auswertung über zwei Kontinente und mehrere Jahre erzeugt eine Datenmenge, die zum Rechenengpass wird, bevor sie zum Modellierungsproblem wird.

Vorhersage bei geringer Datendichte. Satellitenmessungen der CO2-Konzentration sind räumlich und zeitlich lückenhaft – Wolken, Überflugbahnen, Messbedingungen. Gebraucht wurde ein Modellrahmen, der räumlich-zeitliche Vorhersagen auch dort erlaubt, wo keine Messung vorliegt.

Quellen von Senken trennen. Die gemessene Konzentration ist ein Nettowert. Um daraus Emissionen abzuleiten, müssen menschliche Quellen von den Effekten der Vegetation getrennt werden – die je nach Jahreszeit Kohlenstoff aufnimmt oder abgibt. Genau das ist der Kern der Aufgabe: Ohne diese Trennung ist eine Konzentration keine Emission.

Den vollständigen Kohlenstoffkreislauf einbeziehen. Dazu gehören die jahreszeitlichen Schwankungen der Vegetation. Ein Modell, das sie ignoriert, liest den Sommer als Emissionsrückgang.

Grundlage ist ein raum-zeitliches statistisches Modell, das die Konzentrationsmessungen mit den ergänzenden Größen verbindet: Vegetationsindizes für den biologischen Anteil, Bevölkerungsdichte für die Verteilung menschlicher Aktivität, Kohlenstoffmonoxid und Stickstoffdioxid als Begleitstoffe von Verbrennungsprozessen.

Der methodische Kern liegt darin, aus einem lückenhaften Nettosignal ein flächendeckendes Bild der Quellen zu rekonstruieren – und dabei die Unsicherheit auszuweisen, statt sie in einer Punktschätzung zu verstecken.

Es entstand ein alternativer Ansatz zum bestehenden Monitoring- und Reporting-System der CO2-Emissionen.

Die Ergebnisse deckten sich weitgehend mit den europäischen Berichten an die UNFCCC. Für einzelne Staaten – China und Nordkorea – zeigten sich deutliche Abweichungen, die auf Fehler im Berichtssystem hindeuten.

Diese Kombination ist das eigentliche Ergebnis: Ein Verfahren, das dort bestätigt, wo unabhängige Prüfung erwartbar ist, und dort abweicht, wo sie fehlt, ist als Prüfinstrument brauchbar. Ein Verfahren, das überall abweicht, wäre nur ein anderes Modell.

Aus lückenhaften Fernerkundungsdaten eine flächendeckende, überprüfbare Kennzahl ableiten und gegen eine berichtete Zahl stellen – dieses Muster trägt in jedem Bereich, in dem berichtet und nicht gemessen wird: Flächennutzung und Entwaldung, Methanquellen, Wasserentnahme, Emissionen einzelner Anlagen. Die methodische Anforderung ist überall dieselbe: Quellen von natürlichen Effekten trennen und die Unsicherheit mit ausweisen. Die Verwandtschaft zur Arbeit im Agrarbereich ist eng: Beim Umweltbewertungswerkzeug für Pflanzenschutzmittel war die Aufgabe dieselbe – eine öffentlich zitierte Kennzahl so berechnen, dass sie einer Prüfung durch Dritte standhält.

Dieser Use Case ist der einzige im Geo-Bestand, bei dem sich die Datengrundlage vollständig verändert hat. GOSAT war zum Projektzeitpunkt eine der wenigen Quellen; heute liefern OCO-2 und OCO-3 dichtere CO2-Messungen, Sentinel-5P misst Begleitstoffe in hoher Auflösung, und für Methan existieren Satelliten, die einzelne Anlagen auflösen. Die Frage hat sich damit von einem Land zu einer Anlage verschoben. Methodisch würden wir raum-zeitliche Statistik heute mit gelernten Komponenten kombinieren: Die physikalische Struktur bleibt im Modell, die schwer parametrisierbaren Zusammenhänge werden gelernt. Und der Rechenengpass, der damals die Auswertung begrenzte, ist über cloud-native Datenformate und verteilte Verarbeitung kein Engpass mehr. Was sich nicht geändert hat und den Kern der Aufgabe bildet: die Trennung von Quelle und Senke. Sie bleibt der Punkt, an dem eine Emissionsschätzung steht oder fällt – unabhängig davon, wie gut gemessen wird.