基于OCO-2遥感数据的新疆维吾尔自治区大气XCO2空间化研究

二氧化碳(CO₂)是导致全球变暖最主要的温室气体，掌握准确的CO₂空间分布信息可以有效评估碳减排成效，对于推进碳达峰、碳中和工作具有重要意义。相比站点观测，碳卫星能够获取大尺度的CO₂分布信息，但是由于其幅宽较窄以及云覆盖的影响，大气CO₂卫星遥感数据存在大量缺值区域，不能获得空间连续的大气CO₂分布。以新疆维吾尔自治区为研究区，基于2019年OCO-2卫星大气二氧化碳柱平均干空气混合比(XCO₂)数据，结合气温、地形、植被、大气NO₂浓度等相关变量，综合对比了多元线性回归(MLR)、地理加权回归(GWR)、支持向量机(SVR)、随机森林(RF)、极端梯度提升树(XGBoost)和极端随机树(ERT)等方法在生成大气XCO₂空间连续数据中的表现。交叉验证结果表明，RF、XGBoost和ERT这3种集成学习模型精度明显优于SVR、GWR和MLR模型，其中ERT模型精度最高，决定系数R²为0.7...