一种多源碳卫星融合的大气XCO2温室气体时空无缝重建方法
本发明属于温室气体卫星遥感与大气co2柱浓度时空数据重建,具体涉及一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法。
背景技术:
1、全球变暖问题日益严峻,化石能源消耗、土地利用变化带来的人为co2持续排放是气候变暖核心驱动因素。为精细化刻画区域co2空间分布,多类专用碳卫星陆续发射,依托卫星反演的大气柱平均干空气co2摩尔分数(xco2)能够实现大范围、连续区域温室气体观测,弥补地面站点空间稀疏的缺陷。
2、现有碳卫星主要包含轨道碳观测卫星2号(oco-2)、轨道碳观测卫星3号(oco-3)、温室气体观测卫星(gosat)、第二代温室气体观测卫星(gosat-2)四类,不同卫星轨道幅宽、重访周期存在明显差异,单颗卫星受云层、气溶胶遮挡、轨道间隔影响,有效观测样本空间分布稀疏,难以生成全覆盖月度xco2数据集。现有填补缺失数据的技术主要分为两类:一是空间插值类方法,如普通克里金、时空克里金插值,仅依靠样本空间相关性完成缺失值填充,无法综合气象、植被、人为活动多类非线性驱动因子,重建结果空间细节刻画能力较弱;二是单一机器学习重建方案,仅依托单颗卫星观测数据建模,训练样本总量有限,且普遍采用随机划分交叉验证,易出现时空数据泄露,模型空间泛化性能较差;同时现有重建模型缺少统一可解释性分析手段,无法量化各环境变量对xco2的驱动贡献。
3、现有重建技术存在三大短板:(1)单卫星观测样本稀缺,空间大面积缺测;(2)建模验证方式存在时空泄露,模型泛化能力不足;(3)缺少多模型对比筛选及变量可解释分析。
技术实现思路
1、本发明旨在克服现有单碳卫星观测覆盖不足、常规交叉验证存在时空泄露、重建模型单一且无量化解释的缺陷,提供一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,通过多卫星数据融合扩充训练样本,采用格点隔离交叉验证方法对多个模型进行训练和评估,消除时空泄露,筛选最优重建模型用于大气xco2温室气体时空无缝重建。
2、本发明采用的技术方案如下:
3、一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,包括以下步骤:
4、s1、获取至少两颗碳卫星的观测数据,筛选出满足预设质量标识的合格观测样本,将所有合格观测样本匹配至预设分辨率的网格;对于落入同一网格的多卫星观测数据,按照精度优先规则进行融合,优先保留预设精度最高的卫星的观测数据,其余卫星的观测数据仅用于填充未被精度最高卫星覆盖的空白网格,得到每个网格内唯一的观测值;
5、s2、构建包括碳源特征、碳汇特征、气象特征和时空特征在内的多类辅助变量,并将所述辅助变量与所述s1得到的观测值在时间和空间上进行对齐,形成由辅助变量和观测值构成的训练样本集;所述时空特征包含用于描述xco2浓度季节性周期变化的周期性时间编码;
6、s3、构建多个不同类型的集成机器学习回归模型,采用格点隔离的交叉验证方法对各个模型进行训练和评估,根据评估结果确定最优的重建模型;所述格点隔离的交叉验证方法以网格的唯一标识符为划分单元,将同一个网格对应的所有样本整体划入同一验证折中,而不将该网格的样本拆分至训练集和测试集;
7、s4、将待重建区域的全域连续辅助变量输入所述最优的重建模型,生成该区域在预设时间范围内的无缝xco2浓度数据集。
8、进一步地,s1中,所述碳卫星包括轨道碳观测卫星2号、轨道碳观测卫星3号、温室气体观测卫星和第二代温室气体观测卫星。
9、进一步地,s1中,所述预设精度最高的卫星为轨道碳观测卫星2号。
10、进一步地,s2中,所述碳源特征包括夜间灯光数据、人口密度数据和地表温度数据;所述碳汇特征包括归一化植被指数和潜在蒸散发数据;所述气象特征包括风速、地表气压、平均气温、总降水量、地表向下长波辐射和近地面比湿数据;所述时空特征包括经度、纬度、线性时间索引以及周期性时间编码。
11、进一步地,所述周期性时间编码为正弦时间编码和余弦时间编码。
12、进一步地,s3中,所述多个不同类型的集成机器学习回归模型包括随机森林模型、catboost模型、lightgbm模型和xgboost模型。
13、进一步地,s3中,所述评估的指标包括决定系数、均方根误差和平均绝对误差。
14、进一步地,s3中,所述最优的重建模型为xgboost模型。
15、进一步地,还包括s5:对生成的所述无缝xco2浓度数据集进行地面站点验证和/或进行shap特征驱动贡献量化分析。
16、进一步地,所述地面站点验证包括:提取所述无缝xco2浓度数据集中对应地面站点所在网格的逐月xco2浓度值,与总碳柱观测网络tccon站点和/或世界温室气体数据中心wdcgg站点的逐月观测数据进行比对校验;
17、所述shap特征驱动贡献量化分析包括:采用shap分析方法计算所有辅助变量的特征贡献值,并通过蜂群图展示各变量对xco2浓度的正向或负向驱动作用及其重要性排序。
18、本发明具备的有益效果是:
19、(1)本发明通过融合多颗碳卫星的数据,并采用精度优先的融合规则,提升了月度网格覆盖率,有效扩充了训练样本数量,改善单卫星观测空间分布不均的问题。
20、(2)本发明摒弃了传统随机划分交叉验证的方式,采用格点隔离交叉验证方法。该方法以0.1°网格的唯一标识符为划分单元,确保同一网格的全部月度样本整体划入同一验证折,彻底消除了传统方法因同一网格样本同时进入训练集和测试集而导致的时空数据泄露问题,避免了模型精度虚高。在此基础上,通过多类集成机器学习模型进行统一的超参数调优和交叉验证对比,筛选出性能最优的模型,对陌生区域的重建预测误差更低。
21、(3)本发明构建了包括碳源特征、碳汇特征、气象特征和时空特征在内的多类辅助变量,并将其与多源碳卫星观测数据在时间和空间上对齐。其中,碳源特征表征人为排放强度,碳汇特征反映植被吸收能力,气象特征描述大气扩散条件,时空特征则通过引入月度正弦和余弦时间编码,精准消除了年度时间断点,完整还原了xco2冬春偏高、夏秋偏低的季节周期波动规律。该设计使得模型能够从物理机制层面综合理解xco2的时空演变规律,显著提升了重建结果的合理性与时序连续性。
1.一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,s1中,所述碳卫星包括轨道碳观测卫星2号、轨道碳观测卫星3号、温室气体观测卫星和第二代温室气体观测卫星。
3.根据权利要求2所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,s1中,所述预设精度最高的卫星为轨道碳观测卫星2号。
4.根据权利要求1所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,s2中,所述碳源特征包括夜间灯光数据、人口密度数据和地表温度数据;所述碳汇特征包括归一化植被指数和潜在蒸散发数据;所述气象特征包括风速、地表气压、平均气温、总降水量、地表向下长波辐射和近地面比湿数据;所述时空特征包括经度、纬度、线性时间索引以及周期性时间编码。
5.根据权利要求4所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,所述周期性时间编码为正弦时间编码和余弦时间编码。
6.根据权利要求1所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,s3中,所述多个不同类型的集成机器学习回归模型包括随机森林模型、catboost模型、lightgbm模型和xgboost模型。
7.根据权利要求1所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,s3中,所述评估的指标包括决定系数、均方根误差和平均绝对误差。
8.根据权利要求1所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,s3中,所述最优的重建模型为xgboost模型。
9.根据权利要求1所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,还包括s5:对生成的所述无缝xco2浓度数据集进行地面站点验证和/或进行shap特征驱动贡献量化分析。
10.根据权利要求9所述的一种多源碳卫星融合的大气xco2温室气体时空无缝重建方法,其特征在于,所述地面站点验证包括:提取所述无缝xco2浓度数据集中对应地面站点所在网格的逐月xco2浓度值,与总碳柱观测网络tccon站点和/或世界温室气体数据中心wdcgg站点的逐月观测数据进行比对校验;
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com