[發明專利]一種大氣二氧化碳干空氣柱濃度計算方法及系統

有效

• 申請號: 202210980540.5
• 申請日: 2022-08-16
• 公開（公告）號: CN115310550B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 陳玉敏;魏陽;常政威;張凌浩;徐厚東;唐偉;劉洪利;沈軍;劉雪原;趙瑞祥
• 申請（專利權）人: 國網四川省電力公司電力科學研究院
• 主分類號: G06F18/25
• 分類號: G06F18/25;G06F18/214;G06N20/00;G06F17/10
• 代理公司: 成都魚爪智云知識產權代理有限公司 51308
• 代理人: 劉愛平

1.一種大氣二氧化碳干空氣柱濃度計算方法，其特征在于，包括以下步驟：

收集研究區域內三個遙感監測的XCO₂數據集和區域內的環境協變量數據，并對上述數據集進行預處理；所述XCO₂數據集包括OCO-2、OCO-3、GOSAT；

對三個遙感監測的XCO₂數據集進行融合，得到XCO₂融合數據集，包括：輸入：

OCO-2的XCO₂監測數據A＝{a₁，...，a_j，...，a_J}；

OCO-3的XCO₂監測數據B＝{b₁，...，b_j，...，b_J}；

GOSAT的XCO₂監測數據C＝{c₁，...，c_j，...，c_J}；

環境協變量數據集D＝{d₁，...，d_j，...，d_J}；

其中d_j表示所有環境協變量在j處的取值集合，而不是第j個環境協變量，d_j和a_j、b_j以及c_j在時空上是互相對應的，即是三個傳感器在同一天、同一個網格的觀測值；由于OCO-2、OCO-3和GOSAT數據存在不同程度的缺失，所以a_j、b_j以及c_j都有可能存在缺失值，但是不會同時缺失；

輸出：融合數據集E＝{e₁，...，e_j，...，e_J}；

方法：

①融合A和B為O：

其中O＝{o₁，...，o_j，...，o_J}，o_j＝f₁(a_j，b_j)，其中a_j，b_j至少有一個為非空；

f₁是融合函數：

②對GOSAT數據集C進行線性轉化：

S＝{j|o_j非空且c_j非空}；

M＝{c_s|s∈S}，N＝{o_s|s∈S}；

建立線性模型f₃：N←M；以GOSAT監測值為自變量，以OCO監測值為因變量，建立線性模型；

基于f₃轉化c_j：

j從1到J：

當c_j非空且

c′_j＝f₃(c_j)

轉化后的數據集為C′＝{c′₁，...，c′_j，...，c′_J}

③取數據集O和數據集C′的并集，得到最終的XCO₂融合數據集E；

使用XCO₂融合數據作為因變量，環境協變量作為自變量，訓練得到基于XGBoost算法的機器學習模型；

將環境協變量數據輸入到XGBoost模型中，計算得到XCO₂的全面域時空分布重構數據集。

2.根據權利要求1所述的大氣二氧化碳干空氣柱濃度計算方法，其特征在于，所述使用XCO₂融合數據和環境協變量建立XGBoost模型的步驟如下：

將XCO₂融合數據作為因變量，環境協變量作為自變量，訓練得到XGBoost模型。

3.根據權利要求1所述的大氣二氧化碳干空氣柱濃度計算方法，其特征包括對研究區域內環境協變量數據進行預處理，包括以下步驟：

對研究區域進行空間劃分，得到1km分辨率的空間網格；

對環境協變量數據采用空間重采樣方法，賦值到預定義的網格中。

4.一種大氣二氧化碳干空氣柱濃度計算系統，其特征包括：

數據獲取模塊，用于收集研究區域內三個遙感監測的XCO₂數據集和環境協變量數據；所述XCO₂數據集包括OCO-2、OCO-3、GOSAT；

數據預處理模塊，對研究區域內三個遙感監測的XCO₂數據集和環境協變量數據進行網格化及時空匹配等預處理，得到預處理過的數據集；

數據融合模塊，用于對三個遙感監測的XCO₂數據集進行數據融合，得到XCO₂融合數據集，包括：輸入：

OCO-2的XCO₂監測數據A＝{a₁，...，a_j，...，a_J}；

OCO-3的XCO₂監測數據B＝{b₁，...，b_j，...，b_J}；

GOSAT的XCO₂監測數據C＝{c₁，...，c_j，...，c_J}；

環境協變量數據集D＝{d₁，...，d_j，...，d_J}；

其中d_j表示所有環境協變量在j處的取值集合，而不是第j個環境協變量，d_j和a_j、b_j以及c_j在時空上是互相對應的，即是三個傳感器在同一天、同一個網格的觀測值；由于OCO-2、OCO-3和GOSAT數據存在不同程度的缺失，所以a_j、b_j以及c_j都有可能存在缺失值，但是不會同時缺失；

輸出：融合數據集E＝{e₁，...，e_j，...，e_J}；

方法：

①融合A和B為O：

其中O＝{o₁，...，o_j，...，o_J}，o_j＝f₁(a_j，b_j)，其中a_j，b_j至少有一個為非空；

f₁是融合函數：

②對GOSAT數據集C進行線性轉化：

S＝{j|o_j非空且c_j非空}；

M＝{c_s|s∈S}，N＝{o_s|s∈S}；

建立線性模型f₃：N←M；以GOSAT監測值為自變量，以OCO監測值為因變量，建立線性模型；

基于f₃轉化c_j：

j從1到J：

當c_j非空且

c′_j＝f₃(c_j)

轉化后的數據集為C′＝{c′₁，...，c′_j，...，c′_J}

③取數據集O和數據集C′的并集，得到最終的XCO₂融合數據集E；

XGBoost模型建立模塊，用于基于XCO₂融合數據和環境協變量數據訓練得到XGBoost模型；

濃度計算模塊，用于將環境協變量數據輸入到XGBoost模型中，計算得到XCO₂的全面域時空分布重構數據集。