基于OCO-3/GOSAT/CAMS多源数据融合与深度学习的全球0.1°高分辨率日尺度XCO2重建研究

本研究针对卫星观测中因轨道限制和云层干扰导致的数据缺失问题，创新性地结合OCO-3、GOSAT和CAMS多源数据，采用DINEOF（数据插值经验正交函数）和DINCAE（卷积自编码器）算法重建了2018-2023年全球0.1°高分辨率日尺度柱平均CO2(XCO2)数据集。结果显示重建数据与TCCON地面观测的Pearson相关系数达0.94-0.95，RMSE为1.44-1.61 ppm，为气候变化研究和碳政策制定提供了关键数据支撑。

　　

随着全球变暖加剧，大气CO₂浓度监测成为应对气候变化的关键。然而现有卫星观测存在明显缺陷：OCO-3每日数据缺失率高达99.75%-100%，GOSAT月数据空值达38%-65%，且空间分辨率仅2.5°×2.5°。这种"数据空洞"严重制约着对碳循环动态的精准认知。北京航空航天大学仪器科学与光电工程学院的研究团队在《Scientific Data》发表的研究，通过融合多源卫星与再分析数据，首次构建了全球0.1°高分辨率日尺度XCO₂无缝数据集。

研究采用三项核心技术：1）整合OCO-3（2.25km×0.7km）、GOSAT L3（2.5°）和CAMS（0.75°）的异构数据；2）应用DINEOF算法通过EOF分解填补时空缺失；3）采用DINCAE 2.0卷积神经网络进行非线性特征学习。验证数据来自全球23个TCCON站点。

【背景与数据现状】

研究揭示OCO-3受限于52°N-52°S的观测范围（图4），而GOSAT虽全球覆盖但分辨率粗糙。CAMS再分析数据虽完整但缺乏观测真实性验证（图10）。

【方法创新】

DINEOF通过矩阵分解提取空间特征场（公式1），DINCAE则采用U-Net架构的编码-解码网络（公式2），二者互补解决了传统插值方法对复杂CO₂时空变异表征不足的问题。

【全球XCO₂动态】

重建数据显示北半球夏季（5-9月）XCO₂因光合作用增强而下降，冬季则因供暖排放回升（图7）。热带地区年增长率达2.4ppm/年（图9），亚马逊流域因森林砍伐呈现异常高值。

【数据验证】

与TCCON对比显示，DINCAE重建数据（R=0.95，RMSE=1.44ppm）优于DINEOF（R=0.94，RMSE=1.61ppm）（图12）。区域分析揭示欧洲数据一致性最高（R²=0.64），而南太平洋相关性最低（R=-0.19）（表2）。

这项研究创建了首个0.1°日尺度全球XCO₂数据集（Zenodo可获取），其创新性体现在三方面：1）突破单一卫星局限，实现OCO-3高分辨率与GOSAT广覆盖的优势互补；2）开发DINEOF-DINCAE混合算法，较传统方法精度提升12%；3）揭示南半球海洋CO₂吸收被低估的现象。该成果不仅为《巴黎协定》履约监测提供关键技术支撑，其方法论框架还可拓展应用于CH₄等温室气体监测。未来需结合GOSAT-2等新型卫星数据，进一步提升极区观测能力。