全覆盖CO2重建模型

该模型通过增强回归机器学习方法，实现中国区域每日0.01°分辨率的大气CO2浓度全覆盖重建，解决了卫星数据缺失问题。

He, Qingqing · Tong, Ye · Xiuzhen, Chen · 董恒 · Weihang, Wang · 梁友嘉 · Yubiao, Li

Journal of Cleaner Production 2023

参数信息

整体交叉验证R²

0.98

整体交叉验证RMSE

0.74 ppm

空间交叉验证R²

0.95

空间交叉验证RMSE

1.15 ppm

时间交叉验证R²

0.93

时间交叉验证RMSE

1.44 ppm

空间分辨率

0.01 °

技术优势

精度可靠

模型整体交叉验证R²达0.98，RMSE仅0.74 ppm，表明其估计值与观测值高度吻合。

空间外推强

空间交叉验证R²为0.95，说明模型在无样本区域仍能准确预测，适用于全国范围制图。

时间迁移好

时间交叉验证R²达0.93，证明模型能捕捉CO2浓度的年际和季节变化趋势。

应用场景

• 碳监测：提供连续CO2浓度图，用于碳源汇评估和减排政策制定。
• 环境数据分析：联合颗粒物数据，揭示CO2与污染物协同变化规律。
• 遥感数据处理：填补卫星缺失值，重建全覆盖高分辨率XCO2数据。