| 一种基于大气CO2浓度时空特征的碳排放分区估算方法 |
| |
| 引用本文： | 张少卿,雷莉萍,宋豪,郭开元,吉张辉,绳梦雅.一种基于大气CO2浓度时空特征的碳排放分区估算方法[J].中国环境科学,2023(10):5604-5613. |
| |
| 作者姓名： | 张少卿 雷莉萍 宋豪 郭开元 吉张辉 绳梦雅 |
| |
| 作者单位： | 1. 中国科学院空天信息创新研究院,数字地球重点实验室;2. 可持续发展大数据国际研究中心;3. 中国科学院大学;4. 中国地质大学(北京);5. 中国公路工程咨询集团有限公司;6. 空间信息应用与防灾减灾技术交通运输行业研发中心中咨数据有限公司 |
| |
| 摘 要： | 针对人为碳排放的空间分布量级差异大导致排放数据的非正态分布问题,提出了一种基于卫星大气CO2柱浓度(XCO2)时空变化特征聚类分区构建人为碳排放神经网络估算模型方法.通过利用与人为碳排放强相关的卫星XCO2数据时空变化(2010～2021年)特征的聚类分区,利用卫星观测的XCO2和SIF以及夜间灯光、人口密度和人为排放清单数据EDGAR作为训练学习数据,以聚类区为单位分别构建人为碳排放神经网络估算模型,估算了2021年研究区人为碳排放.与EDGAR交叉验证结果显示,相比以中国全区数据作为训练学习样本统一建模方法的估算,本研究提出的分区建模估算结果从相关系数(R2)的0.43提高到了0.82;空间分布更为合理;平均偏差由0.03 9Mt CO2降低到0.018Mt CO2.研究表明利用多源数据的神经网络训练学习进行人为碳排放的估算,能够为区域碳排放特征和排放清单的不确定性提高提供评估分析依据.
|
| 关 键 词： | 人为碳排放 神经网络 多源数据 机器学习 |
|
|
