基于卫星遥感的四川省XCO2高分辨率时空分布

作者：陈玉敏; 唐伟; 刘雪原; 刘洪利; 米潭; 詹宇^*

来源：环境科学与技术, 2023, 46(02): 133-140.

DOI：10.19672/j.cnki.1003-6504.1641.22.338

• 二氧化碳
• 卫星遥感
• 机器学习
• 时空分布
• 四川省

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1 km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。

• 单位
  国网四川省电力公司电力科学研究院; 四川大学