[发明专利]一种大气二氧化碳柱浓度高覆盖度重建方法

权利要求书

1.一种大气二氧化碳柱浓度高覆盖度重建方法，其特征在于，包括以下步骤：

步骤1、分析大气CO₂来源和变化影响因子，将CO₂柱浓度产品与各变化影响因子的数据统一到相同的分辨率，进行数据匹配，通过计算CO₂柱浓度和各变化影响因子间的Person相关性，进行变量筛选；所述变化影响因子包括时间、气象因子类变量、人为排放类变量和植被碳汇类变量；气象因子类变量包括温度、相对湿度、大气压、垂直风速、水平风速、边界层高度；人为排放类变量包括夜间灯光数据；植被碳汇类变量包括归一化植被指数；

步骤2、利用筛选出的变化影响因子组成建模数据集，利用随机森林模型对建模数据集进行建模，并调整模型参数，使得模型验证结果最优，得到CO₂柱浓度预测模型；

步骤3、将区域内的所有的建模数据进行标准空间网格化处理，利用搭建好的CO₂柱浓度预测模型进行预测，得到区域内每天的所有网格点CO₂柱浓度数据集；

处理夜间灯光数据时，采用了分区域夜间灯光均值，分区域计算夜间灯光均值的计算公式如下：

DN_mean表示分区域的灯光均值，DN_all表示分区域的灯光总值，Area_city表示分区域的面积；

选取气象因子类变量时，选取与二氧化碳观测卫星的过境时间相差小于2小时的时间点的气象数据进行匹配。

2.根据权利要求1所述的大气二氧化碳柱浓度高覆盖度重建方法，其特征在于，步骤1中，CO₂柱浓度产品为卫星监测得到的CO₂柱浓度数据。

3.根据权利要求2所述的大气二氧化碳柱浓度高覆盖度重建方法，其特征在于，步骤1中，CO₂柱浓度产品为OCO-2卫星监测得到的L2级的Lite_FP文件CO₂柱浓度产品根据官方说明手册筛选反演质量最好的部分CO₂柱浓度数据；将CO₂柱浓度产品与各变化影响因子的数据统一重采样到5km×5km的空间分辨率。

4.根据权利要求1所述的大气二氧化碳柱浓度高覆盖度重建方法，其特征在于，步骤2中，调整模型参数包括调整随机森林中最小叶数目和调整学习周期数据。

5.根据权利要求1所述的大气二氧化碳柱浓度高覆盖度重建方法，其特征在于，步骤2中，模型验证采用了三种精度验证方式对模型精度进行评估，包括：直接拟合结果对比，基于样本的十折交叉验证结果对比，基于空间位置的十折交叉验证结果对比；

且三种精度验证方式均采用了R²、RMSE和MAE作为统计指标对模型精度进行评定，R²即决定系数，RMSE即均方根误差，MAE即平均绝对误差；其中R²、RMSE、MAE的公式分别如下所示：

其中，x表示卫星的CO₂柱浓度测量结果，y表示模型拟合的CO₂柱浓度结果，表示匹配数据集中卫星观测的CO₂柱浓度均值，表示模型拟合的CO₂柱浓度均值，n表示数据条数；

其中，X_i表示模型拟合CO₂柱浓度结果，表示模型拟合CO₂柱浓度的均值，n表示数据条数；

其中，Y_i表示模型拟合CO₂柱浓度结果，表示模型拟合CO₂柱浓度结果的均值，n表示数据条数。