Китайские учёные показали эффективность метода NE и разбиения на секции для снижения погрешности оценки выбросов CO₂

Дайджест исследований

Точная оценка антропогенных выбросов CO2 имеет решающее значение для эффективной политики по смягчению последствий изменения климата. Цель данного исследования - улучшить оценки выбросов CO2 в Китае с помощью дистанционного зондирования, используя усредненные по столбцам молярные доли CO2 в сухом воздухе (XCO2) и нейросетевой подход. Мы оценили аномалии XCO2, основываясь на трех подходах к фоновой концентрации XCO2: CHN (национальная медиана), LAT (10-градусная широтная медиана) и NE (N-среднее значение по ближайшим сеткам без учета выбросов). Затем мы применили обобщенную регрессионную нейросетевую модель в сочетании со стратегией моделирования разбиения с использованием алгоритма кластеризации K-средних для оценки выбросов CO2 на основе аномалий XCO2, чистой первичной производительности и данных о численности населения. Результаты показывают, что метод NE либо превзошел, либо, по крайней мере, был сопоставим с методом LAT, в то время как метод CHN показал худшие результаты. Стратегия моделирования с разбиением на группы и включение данных о населении значительно улучшили оценки выбросов CO2. В частности, увеличение числа секций с 1 до 30 с использованием метода NE привело к снижению значений средней абсолютной погрешности (MAE) с 0,254 до 0,122 гС м-2 сут-1, в то время как включение данных о населении привело к снижению значений MAE с 0,036 до 0,269гС м-2 сут-1 для разных секций. Представленные методы и результаты исследования дают важную информацию для поддержки разработки государственной политики и установления целевых показателей.

Исследование опубликовано в журнале Atmosphere.