Bayesovský odhad časoprostorové emise cesia-137 při požárech v okolí Černobylu

Abstract

Odhad atmosférické emise lze formulovat pomocí lineární inverzní úlohy, která je řešena pomocí optimalizačních a statistických technik. Typicky je zdroj emise bodový, ale tato práce se zabývá situací, kde je zdroj plošný přes rozsáhlou oblast. Tato situace nastala v dubnu roku 2020, kdy požáry v okolí Černobylu vedly k úniku radionuklidu cesia-137 z předpokládané plochy o přibližném rozsahu 5x5 stupňů. Tato práce představí obecný úvod do problematiky a její následné řešení s využitím klasických optimalizačních metod a modelů odvozených metodou variační Bayes. Tyto modely budou představeny jak na syntetických datech, tak na reálných datech z výše popsané události. Hlavním přínosem práce je využití modelu s obecnou kovarianční strukturou a jeho následné využití pro zakomponování časoprostorové informace o emisi a apriorních odhadů emise získaných pomocí satelitních dat.

The atmospheric emission estimation can be seen as a linear inverse problem, which can be solved using optimization and statistical techniques. Typical situation is a point source emission, however, this thesis deals with situation where the source of the time-varying emission is a large area. This occurred in April 2020 during wildfires around Chernobyl which led to a release of the cesium-137 radionuclide from the potential area approximately 5x5 degree. This thesis will present a general introduction to the atmospheric inverse problem and its subsequent solution using classical optimization methods and models derived using the variational Bayes method. Methods will be presented using both, synthetic data and data from the aforementioned event, respectively. The main contribution of the thesis is the use of a model with a general covariance structure and its subsequent use to incorporate spatial-temporal information and a priori emission estimates taken from satellite observations.