基于卫星遥感的四川省XCO2高分辨率时空分布

摘要：

为深入了解四川省碳源、碳汇情况,该研究基于XGBoost机器学习算法,对多源卫星(GOSAT、OCO-2和OCO-3)的CO2干空气柱平均摩尔分数(XCO2)数据进行融合填补,重构四川省2015-2021年1km网格XCO2逐日浓度时空分布.结果表明,XGBoost模型基于网格和天的留出验证R2分别为0.98和0.96,可实现XCO2数据的高精度时空分布重构.四川省2015-2021年XCO2年平均浓度为406.5×10-6,年平均增长速率为2.50×10-6,增长速率呈逐年下降趋势.多年XCO2浓度在春季最高,秋季最低,季节差异为3.4×10-6.XCO2浓度在空间上呈现"东部高,西部低"的分布特征,四川盆地内的城市XCO2浓度普遍较高.各个城市的XCO2在空间上呈现不同的分布特征,与当地碳源、碳汇密切相关.冬季XCO2浓度与单位面积GDP和人口呈较强正相关(R=0.82和0.90),与碳汇强度呈负相关(R=-0.42).精确的高分辨率XCO2时空分布结果可用于地方排放清单的验证,并为当地减排降碳策略提供时量化的数据支撑.

关键词：二氧化碳、卫星遥感、机器学习、时空分布、四川省

所属期刊栏目：46

分类号：X87;TP79(环境遥感)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2023-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：133-140