全域二氧化碳浓度估算：利用多源卫星数据与深度森林模型 🌍
《Scientific Data》，是《Nature》旗下的一本开放获取（Open Access）的学术期刊，专注于发表高质量的数据描述性文章（Data Descriptors）。这些文章旨在提供详细的科学数据集和其产生、处理的背景信息，以促进数据的共享和重用。
《Scientific Data》涵盖的领域非常广泛，包括生命科学、物理科学、社会科学等。该期刊的主要目的是提高科学数据的透明度和可重复性，支持开放科学和数据共享的理念。
英文题目：Full-coverage estimation of CO2 concentrations in China via multisource satellite data and Deep Forest model
中文译名：利用多源卫星数据和深度森林模型对中国全域二氧化碳浓度进行估算
发布时间：2024年11月14日
发表期刊：Scientific Data
第一作者：Kun Cai et al
第一单位：河南大学
DOI：10.1038/s41597-024-04063-9
监测中国二氧化碳（CO2）浓度 是制定有效碳循环政策、实现碳达峰与碳中和的关键。然而，由于卫星观测覆盖不足，如何高效、准确地评估二氧化碳浓度成为亟待解决的难题。本研究创新性地结合了轨道碳观测卫星2号（OCO-2）的高分辨率时空数据，并辅以多种辅助数据集，运用深度森林模型，成功估算了2015至2022年间中国全域的月度二氧化碳柱平均值（XCO2）。研究显示，该方法在提高估算精度的同时，为中国的二氧化碳监测提供了有效支持。
本研究采用深度森林模型对中国全域进行估算，结果表明，10折交叉验证的相关系数（R）达到了0.95，决定系数（R²）为0.90，显示出极高的预测准确性。这为利用卫星数据进行大规模的CO2监测提供了可靠的技术路径。
与地面站数据的对比验证结果显示，模型的相关系数（R）为0.93，决定系数（R²）为0.81，证明了该方法在实际应用中的有效性。进一步与绿气体观测卫星（GOSAT）和哥白尼大气监测服务重分析数据集（CAMS）对比，R²值分别为0.87和0.80，验证了该估算方法的广泛适用性和精准性。
研究还揭示了中国CO2浓度的明显季节性变化。数据表明，在2015至2022年间，春季和冬季的CO2浓度较高，而夏季和秋季的浓度较低。这一发现表明，二氧化碳浓度呈现出明确的年周期性波动，随着时间的推移，整体浓度呈现逐年增加趋势。
【代码可用性】
https://github.com/guaningithub/Estimation_of_CO2.git
本研究展示了一个高效、精确的全域CO2浓度估算方法，充分利用了卫星观测数据和深度学习模型，弥补了传统卫星观测覆盖不足的局限。通过对中国全境进行CO2浓度的估算，不仅提供了新的碳监测数据支持，也为碳循环政策的制定提供了重要依据。随着对CO2浓度时空变化的持续监测，我们能够更好地理解碳排放的季节性特征和年度变化趋势，从而为实现碳达峰和碳中和目标提供更加精准的数据支持。
图1. 本文介绍了2015年至2022年中国每月XCO2估算值的工作流程。
图2. 本研究中使用的 TCCON 和 WDCGG 站的空间分布。
图3. 2015年至2022年中国多年季节平均 XCO2 (ppm) 分布。
图4. 2015年至2022年中国 XCO2 (ppm) 年空间分布。
图5. 2015年至2022年年度 XCO2（ppm）的堆积条形图。
图6. 2015年至2022年XCO2核密度分布。
图7. 2015年至2022年年均XCO2及增长率。
图8. 2015年至2022年OCO-2观测和估计的散点图。
图9. 左侧面板代表原始OCO-2检索结果，而右侧面板显示2020年1月、4月、7月和10月估计的XCO2值的空间分布。
图10. CAMS XCO2和GOSAT卫星观测的月平均值，以及2015年至2022年的估计结果。CAMS数据的时间范围是2015年至2020年。
图11. 将GOSAT卫星产品数据（左侧）和CAMS再分析数据（右侧）与估计数据进行比较的散点图。
图12. (a) 列为 2015 年至 2020 年春季、夏季、秋季和冬季季节平均值的估算数据空间分布图；(b) 列为 2015 年至 2020 年 CAMS 再分析数据中国区域春季、夏季、秋季和冬季季节平均值的空间分布图；(c) 列为 2015 年至 2020 年 GOSAT L3 数据中国区域春季、夏季、秋季和冬季季节平均值的空间分布图。
图13. TCCON和WDCGG站点的散点图以及估计值。
图14. HKO和LLN站点数据与GOSAT和CAMS数据的散点图。
表1. 基于10倍交叉验证结果的DF与常用模型之间的评估指标比较。
表2. 本研究中使用的TCCON和WDCGG站的详细信息。
表3. 有关本研究中使用的数据集的详细信息，包括时间和空间分辨率以及覆盖期。
表4. 西藏、青海、内蒙古地区GOSAT、CAMS、OCO-2平均XCO2数据对比。
表5. 在半径5公里、10公里、20公里、50公里、100公里和200公里范围内，本研究估计值与OCO-2卫星观测数据和TCCON及WDCGG地面站数据之间的R值和R²值比较。
E N D
获取方式：关注我们的微信公众“地学韦丰吉司长”。后台回复关键字“20241115”，即可直接获取原文PDF。（提示：关键字要完整）
免责申明
本推送文章（数据）来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享。欢迎广大学者们转发本号发布的内容，可留言或后台私信韦丰小编进行授权，转载请注明出处，侵删。
