[发明专利]一种任意时空位置二氧化碳浓度预测影响因素分析方法

权利要求书

1.一种任意时空位置二氧化碳浓度预测影响因素分析方法，其特征在于，包括如下步骤：

步骤1，结合区域环境特点，将影响区域二氧化碳分布的环境因素分类，包括但不仅限于地表和植被覆盖因素、气候气象因素和燃烧排放因素；

步骤2，结合卫星二氧化碳观测数据与环境因素，使用机器学习算法构建区域二氧化碳时空分布模拟模型，并利用训练数据集进行训练；

步骤3，针对构建的二氧化碳时空分布模拟模型，首先使用测试数据集验证模型预测精度，然后将卫星观测缺失处的环境因素数据输入训练好的二氧化碳时空分布模拟模型得到预测的二氧化碳浓度，最终获得区域二氧化碳浓度分布图；

步骤4，结合构建的区域二氧化碳时空分布模拟模型与全局敏感性分析方法，计算二氧化碳浓度对各个输入参数，即环境因素的敏感度；

步骤4中使用的全局敏感性分析方法是Sobol方法，Sobol法的敏感度是通过将输出的总方差分解为每个参数的方差和参数相互作用的方差之和，然后通过参数对输出方差的贡献比例进行敏感性分级计算的；

对于各个环境因素，统计其变化范围和概率分布，然后结合区域二氧化碳时空分布模拟模型计算相应的敏感性指数；

区域二氧化碳时空分布模拟模型可表达为y＝f(x′₁,x′₂,…,x′_p)，f是训练好的XGBoost模型，其中，x′₁,x′₂,…,x′_p为影响二氧化碳分布的环境因素，是XGBoost模型的输入参数；XGBoost模型的总方差为：

其中，f₀为模型初值，而XGBoost模型的偏方差为：

其中，1≤π₁…π_s≤p且s＝1,2,…,p，各个环境因素的敏感性为：

其中，为环境因素的一阶敏感性指数，表示该参数对模型输出的影响，为环境因素的s阶敏感性指数，表示s个参数对模型的共同影响；

进而得到各个环境因素的总敏感性指数，环境因素的总敏感性指数TS_π定义为：

使用Sobol法得到的各个环境因素的总敏感性指数评价最终影响区域二氧化碳分布的影响因素敏感性，实现定量的影响程度分析；

步骤5，统计全局敏感性分析方法得到的区域二氧化碳浓度对不同环境因素的敏感度，定量分析分析各参数的敏感性大小，最终确定各个环境因素随区域二氧化碳分布的影响程度。

2.如权利要求1所述的一种任意时空位置二氧化碳浓度预测影响因素分析方法，其特征在于：步骤1中环境因素分类具体包括区域的地表覆盖类型、植被覆盖、气候类型、降水、气温、风速风向、人为排放量和生物质燃烧排放量；

其中植被覆盖使用归一化植被指数数据来表示，该数据可以从MODIS卫星的L3植被指数产品获得；人为排放统计来自高分辨率全球人为排放数据集ODIAC；生物质燃烧数据来自全球火灾排放数据库GFED4；气温和降水数据来自国家青藏高原科学数据中心提供的中国1km分辨率逐月平均气温数据集；地表覆盖数据来自欧空局发布的逐年全球土地覆盖数据集，气候类型数据来自柯本气候分区数据集，风速风向来自ERA5数据集。

3.如权利要求1所述的一种任意时空位置二氧化碳浓度预测影响因素分析方法，其特征在于：步骤2中使用的机器学习算法为极端梯度提升树XGBoost，XGBoost是一种基于梯度提升的树集成模型，模型的基本构建思路是：首先构建初始子树对数据进行拟合，相应的得到拟合的残差，后续的子树构建是针对上一步的模型残差进行，直至模型残差小于阈值为止，最终的模拟结果为所有子树结果之和，具体构造步骤为：

初始构造一个弱学习器，得到初始模型对应的残差；

后续的每一次训练迭代，都是在现有模型的基础上，增加一个弱学习器拟合上一个模型的残差；

通过不断地学习拟合K个弱学习器来降低模型预测结果与真实值之间的残差，直到残差小于阈值，模型终止，最终模型预测值是K个基学习器加权求和的结果。