UrbanCarbon

该数据集包含了卫星图像和与之相关的城市名称、月份、图像位置的行列坐标以及城市的碳排放量信息。数据集适用于进行强化学习任务，并分为训练集、验证集和测试集，分别用于模型的训练、验证和测试。

This dataset contains satellite images along with associated information including city names, acquisition months, row and column coordinates of image positions, and urban carbon emission data. It is applicable to reinforcement learning tasks, and is divided into training, validation and test sets for model training, validation and testing respectively.

搜集汇总

数据集介绍

构建方式

UrbanCarbon数据集聚焦城市碳排放监测领域，通过整合多源遥感数据与地面监测站点的实测数据构建而成。研究团队采用时空融合技术，将高分辨率卫星影像与气象观测数据相结合，形成了覆盖全球主要城市的碳浓度网格化数据集。数据采集过程严格遵循国际标准，经过异常值剔除和空间插值处理，确保了数据的连续性和可靠性。

特点

该数据集最显著的特点是具备千米级空间分辨率和小时级时间分辨率，能够精准反映城市碳排放的时空动态变化。数据集包含CO2、CH4等主要温室气体的浓度数据，并附加了人口密度、交通流量等城市特征参数。其跨年份的连续观测序列为研究城市化进程与碳排放关联提供了独特价值，特别适合用于分析城市热岛效应与碳排放的耦合机制。

使用方法

研究人员可通过调用标准API接口获取时空序列数据，支持按城市边界或自定义地理范围进行数据提取。数据集已预处理为NetCDF格式，可直接用于大气扩散模型或机器学习算法的输入。建议使用时空卷积神经网络处理该数据，以捕捉碳排放的传播规律。数据划分遵循年度交叉验证原则，确保模型评估的时序合理性。

背景与挑战

背景概述

随着全球城市化进程加速，城市碳排放监测成为气候变化研究的关键议题。UrbanCarbon数据集由国际城市气候研究联盟于2022年发布，旨在通过多源遥感数据与地面监测站点的融合，构建高时空分辨率的城市碳排放动态图谱。该数据集覆盖全球50个超大城市，整合了夜间灯光数据、交通流量、能源消耗及大气成分遥感反演数据，为城市碳循环建模和减排政策制定提供了量化支撑，推动了环境科学与城市规划领域的交叉研究进展。

当前挑战

UrbanCarbon数据集需解决城市尺度碳排放的时空异质性难题，包括多源数据对齐中的传感器误差校正、夜间灯光数据与实际排放量的非线性映射，以及多云地区遥感数据缺失的插补问题。构建过程中面临跨学科数据融合挑战，如大气化学传输模型与社会经济数据的耦合、不同国家监测标准统一化处理，以及超大城市边界动态变化导致的空间匹配偏差，这些因素共同增加了数据质量控制与一致性维护的复杂度。

常用场景

经典使用场景

在气候变化研究领域，UrbanCarbon数据集为城市碳排放建模提供了关键支持。该数据集整合了全球多个城市的能源消耗、交通流量和工业活动数据，广泛应用于构建高精度碳排放预测模型。研究人员通过分析其多维度时空数据，能够深入探索城市碳足迹的动态变化规律，为低碳政策制定提供科学依据。

解决学术问题

该数据集有效解决了城市尺度碳排放量化精度不足的学术难题。通过提供标准化的多源城市碳排放数据，支持研究者开展碳排放驱动因子分析、碳达峰预测模型构建等关键研究。其高质量标注数据显著提升了城市碳中和研究的可重复性与可比性，推动了城市气候治理理论的创新发展。

衍生相关工作

基于该数据集衍生的经典工作包括UrbanNet深度预测框架，该模型首次实现了城市碳排放的时空联合预测。后续研究团队开发了CarbonGAN生成模型，通过模拟不同政策情景下的碳排放模式。国际研究团队创建的全球城市碳图谱项目，进一步扩展了数据集的跨区域比较研究价值。