期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
基于随机森林和OCO-2遥感数据分析2023年中国连续时空x_(CO_(2))变化特征
1
作者 吴锡言 李维军 +1 位作者 卡那特 彭玉杰 《生态环境学报》 北大核心 2025年第9期1341-1350,共10页
为准确把握协同减污降碳和区域碳达峰的战略布局,基于随机森林(RF)模型和轨道碳观测卫星-2(OCO-2)遥感数据,构建2023年中国陆地月尺度时空连续性大气二氧化碳柱平均摩尔分数(x_(CO_(2))),空间分辨率为0.1°×0.1°的数据集... 为准确把握协同减污降碳和区域碳达峰的战略布局,基于随机森林(RF)模型和轨道碳观测卫星-2(OCO-2)遥感数据,构建2023年中国陆地月尺度时空连续性大气二氧化碳柱平均摩尔分数(x_(CO_(2))),空间分辨率为0.1°×0.1°的数据集。使用香河站点的x_(CO_(2))数据验证OCO-2观测数据,结果表明两者相关性高,决定系数(R^(2))为0.902,均方误差(σMSE)为1.45×10^(−6)。选取以自然环境、人为活动、气象条件等影响因素为辅助变量,结合遥感数据训练模型,真实值与预测值之间的R2超过0.82,σMSE小于0.48×10^(−6),绝对误差(E)小于0.02×10^(−6),结果表明模型预测的数据具有极高的可信度。还分析了中国大气CO_(2)浓度的时空变化分布特征,在时间上,大气CO_(2)浓度4月达到峰值,8月则降至最低,呈现出明显的季节性变化;在空间上,x_(CO_(2))总体呈现“西低东高,北低南高”的空间分布格局,纬度越高,季节性变化越大,不同温度带也表现出x_(CO_(2))分布的差异性。该研究对准确估算中国区域大气的x_(CO_(2)),以及理解陆地生态系统碳循环的过程至关重要,为城市碳排放工作的精细化监测提供参考,还为区域层面推进“碳达峰、碳中和”战略的实施提供了有力的地理空间信息支撑。 展开更多
关键词 x_(CO_(2)) 随机森林 时空变化 oco-2 卫星遥感
在线阅读 下载PDF
基于OCO-2卫星数据的中国CO_(2)浓度时空变化特征 被引量:3
2
作者 杨梅焕 邓彦昊 +2 位作者 王涛 姚明昊 赵滢滢 《遥感信息》 CSCD 北大核心 2024年第2期52-60,共9页
大气CO_(2)浓度增加引起的全球变暖问题是国内外学者关注的热点议题,但对CO_(2)的监测一直存在较多的不确定性。利用2015—2022年OCO-2卫星观测的CO_(2)柱浓度混合比数据(XCO_(2)),基于克里金插值和标准差椭圆等方法,分析了中国CO_(2)... 大气CO_(2)浓度增加引起的全球变暖问题是国内外学者关注的热点议题,但对CO_(2)的监测一直存在较多的不确定性。利用2015—2022年OCO-2卫星观测的CO_(2)柱浓度混合比数据(XCO_(2)),基于克里金插值和标准差椭圆等方法,分析了中国CO_(2)浓度时空分布与变化特征,有以下3个结论。1)基于OCO-2卫星数据的XCO_(2)数据集精度较高,与地面监测站(瓦里关站、鹿林站)观测结果的均方根误差仅为1.75 ppm和1.58 ppm,相关系数分别为0.91和0.96。2)年际上,2015—2022年中国年均XCO_(2)由399.52 ppm增至417.64 ppm,年均增速为2.56 ppm/a,高于过去10年全球CO_(2)浓度平均增速(2.06 ppm/a),但在2019年之后XCO_(2)增速呈下降趋势。季节上,XCO_(2)具有明显的季节变化特征,春季XCO_(2)最高,夏季最低。3)空间分布上,XCO_(2)表现出东部高,西部、东北地区低的空间分布特征。XCO_(2)浓度高值区域集中在京津冀和长三角等城市群。中国东北、西南地区XCO_(2)增速较快,高于华东、华南等经济发达地区。 展开更多
关键词 遥感数据反演 oco-2 XCO_(2) 时空分析
在线阅读 下载PDF
基于OCO-2遥感数据的新疆维吾尔自治区大气XCO_(2)空间化研究 被引量:3
3
作者 张杨 徐永明 +3 位作者 卢响军 莫亚萍 吉蒙 祝善友 《生态环境学报》 CSCD 北大核心 2024年第2期231-241,共11页
二氧化碳(CO_(2))是导致全球变暖最主要的温室气体,掌握准确的CO_(2)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CO_(2)分布信息,但是由于其幅宽较窄以及云覆盖... 二氧化碳(CO_(2))是导致全球变暖最主要的温室气体,掌握准确的CO_(2)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CO_(2)分布信息,但是由于其幅宽较窄以及云覆盖的影响,大气CO_(2)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CO_(2)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(XCO_(2))数据,结合气温、地形、植被、大气NO_(2)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XCO_(2)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R^(2)为0.748,平均绝对误差σ_(MAE)为0.489×10^(-6)。基于ERT模型生成了新疆2019年逐月大气XCO_(2)空间连续数据,该地区大气XCO_(2)空间差异和季节变化都很明显。在空间分布格局上总体呈现与地形“三山夹两盆”相似的空间分布特征,裸地XCO_(2)年均值最高,林地和草原的XCO_(2)年均值最低;季节变化特征与植被生长周期相似,春冬季浓度较高,夏秋季浓度较低,最高值出现在4月,最低值出现在8月,不同土地覆盖类型的大气XCO_(2)季节变化与全区域类似,其中草原和林地的季节差异最大,裸地季节差异最小。该研究为基于碳卫星遥感数据生成时空连续的大尺度XCO_(2)数据提供了参考和借鉴。 展开更多
关键词 oco-2 XCO_(2) 卫星遥感 集成学习模型 空间化 时空分布 新疆维吾尔自治区
在线阅读 下载PDF
基于OCO-2卫星的中国人为碳排放时空变化与社会经济影响分析 被引量:5
4
作者 高顺 欧金沛 +2 位作者 黄晓蕾 黄英剑 谢纪腾 《中国环境科学》 EI CAS CSCD 北大核心 2024年第12期7024-7035,共12页
利用OCO-2碳卫星二氧化碳柱浓度(XCO_(2))数据,结合时空克里格和XCO_(2)异常计算方法,研究2015~2021年中国地区XCO_(2)异常的时空变化趋势,并基于随机森林算法定量分析社会经济影响因素对XCO_(2)异常的影响.结果表明,2015~2021年中国地... 利用OCO-2碳卫星二氧化碳柱浓度(XCO_(2))数据,结合时空克里格和XCO_(2)异常计算方法,研究2015~2021年中国地区XCO_(2)异常的时空变化趋势,并基于随机森林算法定量分析社会经济影响因素对XCO_(2)异常的影响.结果表明,2015~2021年中国地区XCO_(2)异常在时间上呈现显著的周期性变化趋势,尤其在冬季会出现显著的波峰,在空间上呈现东高西低、南高北低的梯度分布.基于OCO-2卫星的XCO_(2)异常空间分布与人为排放清单基本一致,特别在大空间尺度和高排放地区,XCO_(2)异常值更能有效地展示人为碳排放的空间分布特征.在省级尺度下,GDP、地方财政支出、人口、汽车保有量等因素影响因子对XCO_(2)异常呈现显著的正相关关系,其中GDP的相关性和贡献度占比最高,分别是0.56和0.46,与此同时,能源强度、产业结构和能源消费结构等也对XCO_(2)异常有一定的影响和贡献.研究结果表明卫星遥感在检测中国地区人为碳排放时空变化趋势和影响因子分析的研究上具有可行性,可为生态环境保护和碳减排决策提供支持. 展开更多
关键词 oco-2碳卫星 人为碳排放 时空变化趋势 XCO_(2)异常
在线阅读 下载PDF
卫星XCO_(2)产品覆盖度及时空变化比较
5
作者 闫琛 佘璐 +4 位作者 黄涛 马大为 武丹 冯自贤 赵红红 《中国环境科学》 北大核心 2025年第7期3644-3653,共10页
系统分析了OCO-3、OCO-2以及GOSAT卫星的大气CO_(2)柱浓度(XCO_(2))二级产品在中国的时空覆盖度及分布规律,并进行了综合比较.结果表明:OCO-3、OCO-2及GOSAT的二级XCO_(2)产品在中国的年均空间覆盖度分别为43.38%,21.19%,0.40%,月均覆... 系统分析了OCO-3、OCO-2以及GOSAT卫星的大气CO_(2)柱浓度(XCO_(2))二级产品在中国的时空覆盖度及分布规律,并进行了综合比较.结果表明:OCO-3、OCO-2及GOSAT的二级XCO_(2)产品在中国的年均空间覆盖度分别为43.38%,21.19%,0.40%,月均覆盖度分别为4.77%,2.43%,0.16%,且OCO-3月均覆盖度呈现显著的奇数月低,偶数月高的特点,奇数月覆盖度为2.23%,偶数月则高达7.31%;3个卫星产品的覆盖度呈现显著的空间分布差异,OCO-2和OCO-3在华南和华中地区的覆盖度显著低于东北,西北和华北地区,GOSAT在研究区的观测极为稀疏,主要集中在东部地区,OCO-3在省会,工业城市等区域形成20余个热点观测区域,表现出显著高的覆盖度和观测频次;2019~2022年间,3个卫星产品的年均XCO_(2)呈现一致的增加趋势,但年增量显著下降,3个产品都表现出春冬季XCO_(2)显著高于夏秋季的季节性规律;XCO_(2)年均值呈现东部高于西部,南部高于北部的空间分布特征,但不同卫星得到的XCO_(2)极值子区域不同,且同一子区域不同产品的XCO_(2)值也表现出显著差异. 展开更多
关键词 XCO_(2) oco-2 oco-3 GOSAT 覆盖度
在线阅读 下载PDF
墨西哥湾轨道碳观测2号卫星叶绿素荧光产品分析与评价 被引量:1
6
作者 任杰 姜纪沂 +2 位作者 程敏 吕春光 赵振宏 《科学技术与工程》 北大核心 2018年第17期257-263,共7页
陆上植被荧光遥感分析已经发展了30余年,技术层面上日臻成熟;而海洋方面的叶绿素荧光研究正方兴未艾。为了促进卫星遥感手段研究叶绿素荧光的发展,以墨西哥湾东北部水域为研究区,对2014年9月~12月轨道碳观测2号(orbiting carbon observa... 陆上植被荧光遥感分析已经发展了30余年,技术层面上日臻成熟;而海洋方面的叶绿素荧光研究正方兴未艾。为了促进卫星遥感手段研究叶绿素荧光的发展,以墨西哥湾东北部水域为研究区,对2014年9月~12月轨道碳观测2号(orbiting carbon observatory-2,OCO-2)提供的L2级叶绿素荧光遥感反演产品,进行了分析和评价。首先阐述了OCO-2荧光检索的原理和方法。在此基础上,结合表观辐射亮度和纠正参数Ci论述了叶绿素荧光值的变化趋势和波动范围;并进一步对太阳天顶角和观测天顶角等观测几何因素与荧光值之间的关系进行了分析。研究结果表明:(1)从数值上看,771 nm波段叶绿素荧光显著大于757 nm波段,而两个波段提取的叶绿素荧光相关性明显,这与地面实际观测得到的结果相一致;(2)太阳/卫星天顶角和方位角与叶绿素荧光反演结果关系不显著,表明观测几何因素对卫星遥感叶绿素荧光的影响不明显;(3)提取的叶绿素荧光值偏小,并出现负值,而纠正参数Ci相对恒定,这表明IMAP-DOAS反演算法和传感器探测可能存在一定的系统性误差。通过对以上研究结果的分析,可知利用OCO-2反演叶绿素荧光所得到的产品具有一定的可信度和稳定性;但其反演精度与地面观测数据相比,仍需相关部门投入大量的时间和精力进行比对和验证,以提高其实际利用价值。 展开更多
关键词 太阳诱导叶绿素荧光 oco-2卫星 纠正参数 观测角度 墨西哥湾
在线阅读 下载PDF
不同卫星反演的大气CO_2浓度差异时空特征分析 被引量:10
7
作者 吴长江 雷莉萍 曾招城 《中国科学院大学学报(中英文)》 CSCD 北大核心 2019年第3期331-337,共7页
定量化分析不同遥感观测卫星所反演的大气CO_2浓度之间的差异,对于利用卫星遥感数据准确揭示全球大气CO_2浓度的时空变化特征具有重要的参考价值。利用CarbonTracker模型模拟的大气CO_2廓线数据对SCIAMACHY、GOSAT和OCO-2卫星反演的大气... 定量化分析不同遥感观测卫星所反演的大气CO_2浓度之间的差异,对于利用卫星遥感数据准确揭示全球大气CO_2浓度的时空变化特征具有重要的参考价值。利用CarbonTracker模型模拟的大气CO_2廓线数据对SCIAMACHY、GOSAT和OCO-2卫星反演的大气CO_2柱浓度数据进行校正,并通过计算卫星校正前后的差值分析不同卫星观测平台对大气廓线的响应差异。同时比较分析不同时空尺度的各卫星观测所刻画的大气CO_2柱浓度变化的差异。实验结果表明,SCIAMACHY的差值明显大于其他2颗卫星,且在低纬度和高纬度区域分别显示(-0.25±0.15)×10^(-6)和(-0.38±0.25)×10^(-6)的浓度差异。消除这些差异后,3颗卫星的CO_2柱浓度观测数据显示相似的季节变化、年变化特征以及相似的空间分布规律。研究结果表明,模型模拟数据可用来整合这3颗卫星由于观测仪器响应和时空尺度不同所引起的大气CO_2柱浓度数据间的差异。 展开更多
关键词 大气CO2浓度 SCIAMACHY GOSAT oco-2 模型模拟
在线阅读 下载PDF
多源碳卫星近地面XCO_(2)及人为CO_(2)排放量特征分析 被引量:1
8
作者 张蕾 夏志业 李语诗 《环境科学与技术》 CAS CSCD 北大核心 2023年第2期141-151,共11页
为定量分析近地面XCO_(2)与人为碳排放的时空特征,文章首先使用GOSAT、OCO-2卫星长时间序列近地面XCO_(2)数据集分析成渝地区XCO_(2)时空特征;再对XCO_(2)浓度及人为CO_(2)排放量进行EMD时间维分解,分析四川、重庆、北京不同时间尺度的... 为定量分析近地面XCO_(2)与人为碳排放的时空特征,文章首先使用GOSAT、OCO-2卫星长时间序列近地面XCO_(2)数据集分析成渝地区XCO_(2)时空特征;再对XCO_(2)浓度及人为CO_(2)排放量进行EMD时间维分解,分析四川、重庆、北京不同时间尺度的变化特征。并用北京地面观测站点数据与卫星数据对比验证数据可靠性。结果表明:(1)201001-202112成渝地区近地面年均XCO_(2)浓度集中在389×10^(-6)~410×10^(-6)内,总体呈条带状分布,总年均增幅达19.6×10^(-6);XCO_(2)低值区位于西部、高值区位于中部及东部。(2)EMD及EEMD分解201001-202112成渝地区XCO_(2)后各IMF具有年际变化和季节变化的时间周期特性,RSE仍呈上升趋势。IMF1~IMF4为人为源碳排放,IMF5~IMF7为自然源碳排放。结果存在一定滞后性。(3)EMD分解201901-202012四川省、重庆、北京日尺度人为CO_(2)总排放量,新冠期间,人为CO_(2)排放量大幅降低,四川下降392.076 t,重庆下降306.277 t,北京下降87.651 t,下降结果不存在明显滞后性。 展开更多
关键词 GOSAT oco-2 XCO_(2) 集合经验模态分解 成渝地区
在线阅读 下载PDF
基于GEOS-Chem V12.6.3的全球CO_(2)浓度同化系统的构建
9
作者 霍霄 王茂华 +3 位作者 张钦伟 魏崇 黄永健 顾倩荣 《西安理工大学学报》 CAS 北大核心 2023年第2期184-197,共14页
为了研究同化OCO-2卫星柱浓度(XCO_(2))数据对于全球CO_(2)浓度模拟的影响,本文基于GEOS-Chem V12.6.3,采用四维变分(four dimensional variational,4D-Var)的方法,构建了一个同化OCO-2卫星XCO_(2)数据的全球大气CO_(2)浓度同化系统。首... 为了研究同化OCO-2卫星柱浓度(XCO_(2))数据对于全球CO_(2)浓度模拟的影响,本文基于GEOS-Chem V12.6.3,采用四维变分(four dimensional variational,4D-Var)的方法,构建了一个同化OCO-2卫星XCO_(2)数据的全球大气CO_(2)浓度同化系统。首先,采用有限差分法验证了观测算子、积云对流、行星边界层和平流4个伴随模块计算结果的正确性。然后,以2018年为例,设计了模拟和同化两个实验,并利用TCCON、地面和航飞3种独立的观测数据进行对比验证。结果显示,同化实验结果与TCCON、地面和航飞观测数据之间的平均误差分别为0.37 mL/m^(3)、0.41 mL/m^(3)和0.51 mL/m^(3),相比于模拟实验,分别改善了40.32%、42.25%和45.15%,表明了同化OCO-2卫星的XCO_(2)数据能显著提高对全球大气CO_(2)浓度模拟的准确性。 展开更多
关键词 CO_(2)浓度 同化系统 4D-VAR oco-2 GEOS-CHEM
在线阅读 下载PDF
基于叶绿素荧光遥感监测的蒙古高原草地生产力时空动态分析 被引量:3
10
作者 李月 孙政国 《江苏农业科学》 北大核心 2021年第13期219-226,共8页
蒙古高原草地是欧亚大陆草地重要的组成部分,其中草地生态系统生产力的核算和格局分析对畜牧业发展和生态功能保护均具有重要意义。为摸清蒙古高原草地生产力分布特征,在建立蒙古高原草地生长季节日光诱导的叶绿素荧光(SIF)与总初级生产... 蒙古高原草地是欧亚大陆草地重要的组成部分,其中草地生态系统生产力的核算和格局分析对畜牧业发展和生态功能保护均具有重要意义。为摸清蒙古高原草地生产力分布特征,在建立蒙古高原草地生长季节日光诱导的叶绿素荧光(SIF)与总初级生产力(GPP)之间关系的基础上,利用2017年4—10月轨道碳卫星(OCO-2)SIF数据结合同时期MOD17A2产品,对蒙古高原草地GPP空间格局动态进行分析。结果表明,蒙古高原草地生长季OCO-2 SIF与GPP具有显著的相关关系(P<0.05),且估算的GPP精度较高(r 2=0.82)。高原草地GPP空间格局呈现出由蒙古高原草地北部及东北部向西南方向减少的趋势,总量为272.73 g/(m^(2)·年),平均值为52.89 g/(m^(2)·月)。GPP月际变化在5.83~104.59 g/(m^(2)·月)之间,5—8月是高原草地主要生长时期,GPP平均值为78.86 g/(m^(2)·月),7月是蒙古高原草地GPP最高的月份,GPP平均值为104.59 g/m^(2)。本方法能够较为准确地估计蒙古高原草地生产力分布特征,对维持蒙古高原草地的可持续发展和畜牧业的稳定提供了数据支持。 展开更多
关键词 蒙古高原 总初级生产力 叶绿素荧光 oco-2
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部