全球0.1°近实时人为CO₂排放数据集

采用一种基于深度学习的数据驱动CO₂排放估算模型，以卷积神经网络为核心框架，加入掩膜融合模块处理含空间缺失的特征变量，实现全球月尺度CO₂排放的精细分辨率反演。模型以卫星遥感观测、再分析气象数据、时间编码、空间编码作为输入特征，输出人为CO₂排放，从而实现 0.1°空间分辨率的月尺度 CO₂排放估算。