通过多源卫星数据和深部森林模型全覆盖估算中国CO₂浓度

监测中国的二氧化碳 （CO₂） 浓度对于制定有效的碳循环政策以实现碳达峰和碳中和至关重要。尽管卫星观测覆盖范围不足，但本研究利用来自轨道碳观测站 2 （OCO-2） 的高分辨率时空数据，并辅以各种辅助数据集，来估计全覆盖、每月、柱平均二氧化碳 （XCO2） 值，通过 Deep Forest 模型以 0.05° 的空间分辨率获取。10 倍交叉验证结果表明，相关系数 （R） 为 0.95，决定系数 （R²） 为 0.90。根据地面站数据进行验证，R 值为 0.93，R² 值达到 0.81。温室气体观测卫星 （GOSAT） 和哥白尼大气监测服务再分析数据集 （CAMS） 的进一步验证得出的 R² 值分别为 0.87 和 0.80。在学习期间，CO₂中国春季和冬季的浓度高于夏季和秋季，表明每年都有明显的增长。本研究生成的估计值可能支持 CO₂在中国进行监控。

Monitoring carbon dioxide (CO₂) concentrations in China is critical for developing effective carbon cycle policies to achieve carbon peaking and carbon neutrality. Although satellite observations have insufficient coverage, this study utilizes high-resolution spatiotemporal data from the Orbiting Carbon Observatory-2 (OCO-2) and combines it with various auxiliary datasets to estimate full-coverage, monthly column-averaged carbon dioxide (XCO2) values at a spatial resolution of 0.05° using the Deep Forest model. Ten-fold cross-validation results show that the correlation coefficient (R) is 0.95 and the coefficient of determination (R²) is 0.90. Validation using ground station data yields an R of 0.93 and an R² of 0.81. Further validation with data from the Greenhouse Gases Observing Satellite (GOSAT) and the Copernicus Atmosphere Monitoring Service (CAMS) reanalysis dataset produces R² values of 0.87 and 0.80, respectively. During the study period, CO₂ concentrations in China are higher in spring and winter than in summer and autumn, indicating a clear annual growth trend. The estimates generated in this study can support CO₂ monitoring efforts in China.

搜集汇总

背景与挑战

背景概述

该数据集利用多源卫星数据（如OCO-2）和Deep Forest模型，生成了2015年至2022年中国每月全覆盖的二氧化碳浓度估计值，空间分辨率为0.05°。其特点在于通过高精度验证（如交叉验证R²达0.90）和辅助数据整合，突破了传统插值方法在数据缺失区域的限制，为中国的碳监测和政策制定提供了可靠支持。