基于GOSAT卫星的中国CO2浓度时空特征分析

葛钰洁，肖钟湧

1.集美大学港口与海岸工程学院，福建 厦门 361021 2.兰州大学资源环境学院，甘肃 兰州 730000

CO2气体是空气的组成成分之一，人类的生产和生活离不开对于CO2的处理与利用。同时，作为温室气体之一，CO2对于全球温室效应也有着重要的作用。CO2在大气中的含量时刻影响着人类的生存环境，改变着全球的气候面貌。自19世纪以来，CO2的排放量就随着人类工业的发展而快速上升着。工业革命前，全球的CO2平均柱浓度(均为质量浓度，下同)约为278 mg/L，而到了2021年5月，全球的CO2平均柱浓度已然飙升至419 mg/L。目前，全球的CO2平均柱浓度正在以每年约为0.5%的速率迅速上升，这也成为全球温室效应越来越剧烈的重要原因之一[1]。为了应对全球气候变暖带来的种种挑战，世界各国正在联合起来，共同推行节能减排的各项战略措施[2]。

中国的减排之路充满挑战[3]。2007年，中国的CO2排放量超过60亿t，占全球总排放量的20%以上[4]。这样的污染物排放量不仅给中国带来了严重的环境问题，更是为人们的生产生活埋下了巨大的安全隐患[5]。2009年，在哥本哈根气候大会上，中国表示坚定不移地为应对气候变化作出不懈努力和积极贡献，并制定了一系列监控CO2排放量的措施。在2020年9月召开的第七十五届联合国大会上，中国政府庄严承诺，中国一定会采取更加强有力的管控措施，将CO2的排放量控制在合理的范围内。同时，中国会力争在2060年前实现碳中和目标[6]。

目前对大气中CO2浓度的监测方式主要有地基、空基和卫星遥感探测。卫星遥感探测不受时空限制，能够得到稳定、长时间序列、大范围的数据，已经成为大气CO2柱浓度监测的主要手段。常用的卫星遥感传感器有ENVISAT的SCIAMACHY、GOSAT的FTS和AQUA的AIRS[7-9]。

本文采用2009年6月至2020年12月的GOSAT卫星傅里叶变换光谱仪(FTS)提供的CO2柱浓度的L3级别数据进行分析研究。同时，选用总碳柱观测网络(TCCON)地基站点数据，对GOSAT卫星的CO2柱浓度数据进行了数据验证。在此数据基础上分析了中国CO2柱浓度的时间及空间特征，对比分析了中国CO2柱浓度与美国、印度以及全球CO2柱浓度的差异，并分析了其时空特征成因。

1.1 CO2数据

本文的研究数据来自GOSAT卫星傅里叶变换光谱仪(FTS)和总碳柱观测网络(TCCON)的CO2产品。GOSAT卫星也被称为温室气体观测卫星[10]。GOSAT卫星上搭载着诸多专门针对温室气体的观测传感器，对于远程监测地面温室气体柱浓度变化有重要意义[3]。GOSAT卫星监测所获取到的CO2柱浓度为CO2垂直大气柱浓度[11]。本文所采用的GOSAT卫星CO2产品中的L3级别数据集是由L2级别数据产品经过空间校正及统计等方法估算得出的，是面积大小为2.5°×2.5°矩形区域的CO2气体的混合比数据[12]，L2级别数据产品是GOSAT卫星在对于全球的CO2气体进行单点观测并反演得到的自近地表面至大气上空的整个大气层的CO2气体柱浓度数据。本文采用2009年6月至2020年12月的GOSAT卫星提供的CO2柱浓度的L3数据集进行分析研究。

本研究使用13个TCCON地基站点观测的CO2数据作为验证数据。在用于监测CO2柱浓度的各类站点中，总碳柱观测网络(TCCON)地基站点是少数搭建于地面的光谱仪网络站点之一[1]。TCCON观测网基于地基傅里叶红外高光谱仪进行太阳红外光谱观测，能够反演包括CO2、CH4、N2O在内的多种温室气体，并提供全球分布的温室气体柱浓度。TCCON的平均监测精度能够达到0.2%，适合用于遥感数据的验证[13]。在所下载的TCCON站点数据中，有多个站点数据的起止时间与本文所利用的GOSAT卫星数据的起止时间不一致。因此，在进行数据验证时，本文仅使用可与GOSAT卫星进行验证的时间段的数据，即2009年6月至2020年12月的数据。

1.2 方法

本文采用的GOSAT卫星数据为自2009年6月至2020年12月的CO2柱浓度逐月数据集。从HDF5格式的原始数据以数列矩阵读取CO2数据信息，结合经度和纬度信息，将CO2柱浓度数据转为栅格数据形式，通过栅格转点得到全球CO2柱浓度点数据，统计逐月全球CO2柱浓度数据，并进行空间插值。赵明伟等[14]的研究表明，反距离加权插值法是最优的CO2柱浓度内插方法，利用反距离加权插值的数据能够良好覆盖中国甚至全球大部分地区，数据连续性较好，精度较高，能够用于下一步中国CO2柱浓度的时空特征分析。因此，本文利用反距离加权插值对于全球CO2柱浓度点数据进行空间插值，并进行掩膜提取。同时，本文利用时空插值的方法对2014年12月、2015年1月以及2018年12月缺失进行补全。除此之外，针对中国区域在四季以及月变化中区域柱浓度之间的差异，本文利用变异系数(标准差与平均值之比)来说明。

另外，本文利用了TCCON地基站点的CO2柱浓度数据与卫星遥感数据进行回归分析，验证卫星遥感数据。在时间上，计算出各年份的逐月CO2柱浓度数据平均值与GOSAT的月合成数据相匹配；
在空间上，提取了与地面观测站点经纬度坐标相对应的一个像元值，进行数据验证。对于GOSAT卫星的数据筛选方式，以逐月的遥感影像数据为基础，在各TCCON地基站点中心3°范围内[1]所有符合的遥感影像数据点中选取了一个最接近TCCON地基站点CO2数据的GOSAT卫星反演数据点，作为当月的GOSAT卫星测量的地基站点附近的CO2柱浓度。同时，在2009年6月至2020年12月这段时间里，如果GOSAT卫星的原始数据在某站点附近并无记录，则该月数据并不进行统计，不参与验证。

为了说明这种周期变化和变化趋势，引入线性和正弦函数叠加模型进行定量讨论[15-16]，模型如下：

y=A+B×xt+C×sin(D×xt+E)

(1)

式中：y表示拟合模型计算的CO2柱浓度的月均值，单位mg/L；
xt表示不同月份；
A为CO2柱浓度总体水平；
B为CO2柱浓度每月变化量；
C为变化振幅；
D为变化周期；
E为峰值或谷值；
A+B×xt用来描述CO2柱浓度时间序列数据的线性变化趋势；
C× sin(D×xt+E)描述CO2柱浓度月均值周期变化。

2.1 数据验证

表1为13个TCCON 地基站点与GOSAT卫星CO2数据产品L3级别数据的回归结果，以TCCON地基站点数据为x轴，以GOSAT卫星数据为y轴，相关系数、偏差和标准差是通过对于所有站点的值平均得到的，所有站点的点数即为各个站点点数之和。由表1可知，GOSAT卫星CO2数据与TCCON地基站点的CO2数据的总斜率为0.98，平均偏差为0.11，平均标准差为0.85，相关系数为0.99。因此，GOSAT卫星CO2数据与TCCON地基站点的CO2数据具有很高的验证精度和一致性结果，CO2柱浓度数据的稳定性也较好。

表1 GOSAT卫星与TCCON地基站点的CO2柱浓度数据验证情况表Table 1 Validation of CO2 column concentration data of GOSAT satellite and TCCON ground station

GOSAT卫星的CO2柱浓度数据与TCCON地基站点的CO2柱浓度数据的合计偏差为正值，且GOSAT卫星的CO2柱浓度数据一般来说大于TCCON地基站点所监测到的CO2柱浓度数据。在表1中，具有最大偏差值的站点是位于北半球太平洋北岸的Rikubetsu站点，具有最小偏差值的站点是位于南半球澳大利亚东南部的Wollongong站点。各站点的验证情况的斜率大部分都在0.9左右，散点回归验证情况较好，但散点图的截距相差较大，这是由于各地站点的平均柱浓度相差较大所致。

图1为TCCON地基站点的CO2柱浓度数据与卫星遥感总数据回归分析图，以TCCON地面基站CO2柱浓度为x轴，以GOSAT卫星CO2柱浓度为y轴形成的散点图的回归趋势线方程：

y= 0.9764 ×x+ 9.5180，r2=0.99

(2)

式中：y为GOSAT卫星CO2柱浓度月平均值，单位mg/L；
x为TCCON地基站点CO2柱浓度月平均值，单位mg/L；
r2为趋势线拟合程度。

图1 回归分析Fig.1 Regression analysis

GOSAT卫星CO2柱浓度与TCCON地面基站CO2柱浓度数据经过回归分析，其r2为0.99，相关性程度高，拟合程度较好。综合以上验证情况，可知GOSAT卫星CO2的L3级别数据与TCCON地基站点具有较高的一致性，且精度也具备准确地描述大气CO2柱浓度的空间分布特征以及其变化的能力，能够用于下一步CO2柱浓度的时空特征分析。

2.2 CO2时间变化特征

2.2.1 不同时间尺度的变化特征

2010—2020年中国区域月、年平均CO2柱浓度的变化特征如图2所示。

从图2可见，CO2柱浓度年平均值呈现逐年上升趋势，年平均最大值与年平均最小值也随着年平均CO2柱浓度的增加而增加。2010年平均CO2柱浓度约为389.30 mg/L，而2020年平均柱浓度攀升至412.62 mg/L。2010—2020年，CO2柱浓度年平均值增长了23.32 mg/L，平均每年增长2.33 mg/L，年平均增长率约为0.58%。根据图2中年平均最大值与年平均最小值的分布情况可知，各年度平均年最大值与平均年最小值相差约3.84 mg/L，各年度平均CO2柱浓度的最大值和最小值与各年度平均值相差约1.92 mg/L。随着时间变化，每年的CO2柱浓度范围有扩大的趋势，各年度的CO2柱浓度平均值从更接近最小值变得更接近最大值，说明CO2柱浓度较高数值出现频率有所增加。对2010—2020年中国区域CO2柱浓度各年度平均栅格再次进行栅格计算器平均处理，统计结果显示，2010—2020年中国区域CO2柱浓度平均值约为400.58 mg/L，平均最大值为402.45 mg/L，平均最小值为398.86 mg/L，标准差为0.78，CO2柱浓度高低值分布的离散程度较大，数据之间差距较大。

从图2可知，2010—2020年中国区域CO2柱浓度数据稳定性较差，柱浓度波动较大，CO2柱浓度在各年度分布离散程度较大，即柱浓度差距较大。其中2010年与2020年CO2柱浓度分布差距最大，2020年数据稳定性最差，标准差为0.94；
2014年CO2柱浓度差距最小，稳定性最好，标准差为0.68。随着年份的增长，各年度的柱浓度标准差有上升的趋势，也同样说明中国区域CO2柱浓度范围有扩大的趋势。

利用正弦函数模型对月平均CO2柱浓度时序数据进行拟合，得到拟合方程式：y= 386 + 0.2 ×xt-3.3 × sin(0.52 ×xt- 0.1)，r2为0.99，RMSE为1.01 mg/L，拟合效果良好。方程参数D=0.52近似于理想值D=2π/12，表明该函数波动周期为12个月，季节性循环特征明显。如图2所示，中国区域CO2柱浓度月变化的最低值主要出现在每年的7月或8月之后，从9月开始增加，到次年的4月达到峰值，之后逐渐下降，次年8月回落至波谷，完成一次周期性变化。4月是CO2柱浓度最高的月份，多年区域月平均值约为403.32 mg/L，2020年4月的区域平均值为411.53 mg/L；
8月是CO2柱浓度最低的月份，多年区域月平均柱浓度约为396.59 mg/L，2020年8月的区域平均值为403.94 mg/L。平均每个周期的最低值和最高值相差约为8.07 mg/L。2009年6月至2020年12月，中国区域CO2柱浓度增长速度最快的月份是处于秋季的10月，增长速度为每年上升约2.48 mg/L，增长速度最慢的月份是处于春季的5月，增长速度为每年上升约2.27 mg/L，与季节增速变化情况相符合，各月份平均增长速度约为每年2.38 mg/L。

CO2柱浓度标准差与平均值之比为变异系数。如图3(a)所示，7月的变异系数最大，9月的变异系数最小。剩余月份中，5月的变异系数也较低，而6、7、8月同处夏季，这3个月的变异系数都较高，数据稳定性较差，CO2柱浓度极值间相差较多。换言之，6、7、8月的CO2柱浓度差距较大，数据稳定性较差，相对当月平均值而言，高值和低值出现频率较高，5月和9月CO2柱浓度差距较小，数据稳定性较好，相对当月平均值而言，高值和低值出现频率较低。

图3 2009—2020年中国区域CO2柱浓度多年份变化Fig.3 Variation of multiple years of CO2 column concentration in China from 2009 to 2020

如图3(b)显示，中国区域CO2柱浓度一般来说冬季最高，春季的CO2柱浓度较接近冬季高值，秋季其次，夏季CO2柱浓度最低。冬季的多年区域平均值为403.23 mg/L，春季为402.91 mg/L，秋季为399.52 mg/L，夏季为398.11 mg/L。夏季的CO2柱浓度差距较大，数据稳定性较差，相对当月平均值而言，高值和低值出现频率较高；
而秋季相反，CO2柱浓度差距较小，数据稳定性较好，相对当月平均值而言，高值和低值出现频率较低。

2.2.2 中国区域与美国、印度和全球变化对比

从图4可知，2010—2020年中国区域与美国、印度和全球CO2柱浓度各年份平均值的变化特征。考虑到GOSAT卫星数据覆盖范围，本文仅对比美国本土地区的CO2柱浓度数据。中国区域的CO2柱浓度平均每年增长2.33 mg/L，年平均增长率约为0.58%。全球的CO2柱浓度平均每年增长2.23 mg/L，低于中国区域平均年增长浓度，年平均增长率约为0.57%，低于中国区域平均年增长率。研究期间，中国区域的CO2柱浓度平均值比全球的CO2柱浓度平均值高约1.41 mg/L。中国区域的CO2柱浓度平均值与增长率均略高于全球平均水平。中国区域与美国本土地区相比，CO2柱浓度水平和增速相似。与印度相比，印度的CO2柱浓度增长速度快于中国区域。

图4 2010—2020年中国区域与美国、印度和全球CO2柱浓度各年份平均值对比Fig.4 Comparison of annual average CO2column concentration between China andUSA,India,globe from 2010 to 2020

如图5所示，全球的CO2柱浓度月变化波峰一般出现在5月，中国区域的CO2柱浓度月变化波峰一般出现在4月，全球的CO2柱浓度月变化波谷一般出现在8月或9月，中国区域的CO2柱浓度月变化波谷一般出现在8月，表明全球的CO2柱浓度波峰比中国区域慢1个月左右，波谷也有所推迟。除此之外，全球的CO2柱浓度变化趋势基本与中国区域相同，变化趋势为1—5月攀升，6—8月下降，9—12月回升。全球的CO2柱浓度月变化幅度小于中国区域的变化幅度，全球的CO2柱浓度极差为4.64 mg/L，而中国区域的CO2柱浓度极差则为6.73 mg/L。研究期间，中国区域与美国、印度和全球的CO2柱浓度变化基本相似，都存在周期性季节变化。但由多年的月、季平均变化特征可知，中国CO2柱浓度的周期性季节变化幅度要大于美国以及印度的变化幅度。美国和印度的CO2柱浓度最高值出现在春季，最低值出现在秋季，最低值相比于中国区域推后了一个季节。美国和印度的CO2柱浓度最高值都出现在5月，最低值分别出现在8月和9月。

图5 2009—2020年中国区域、美国、印度和全球CO2柱浓度变化图Fig.5 Comparison of CO2 column concentration betweenChina,USA,India,globe from 2009 to 2020

2.3 CO2空间变化特征

2.3.1 年际分布

从图6可以看出，中国区域年CO2柱浓度的空间分布有很明显的高值区、中值区、过渡区(黄色条带)和低值区。

注：底图源自国家测绘地理信息局网站(http://zwfw.nasg.gov.cn/approval)下载的1∶400万行政区版中华人民共和国地图，审图号为GS(2022)1873号，下载日期为2012-07-16。下同。图6 2010—2020年中国区域CO2柱浓度年变化分布Fig.6 Annual variation distribution of CO2 columnconcentration in China from 2010 to 2020

高值区主要包括东部沿海的全部地区、中部各省(市)及西南地区的部分，主要包括位于东部沿海的上海市、江苏省、浙江省、安徽省，位于中北部地区的山东省、河南省、山西省、河北省以及位于南部沿海的广东省，共9个省(市)。中值区主要包括湖南省、福建省、海南省、台湾地区以及重庆市等位于过渡区(黄色条带)以南的除高值区9个省(市)以外的所有省(市)。但是高值区与中值区之间分界并不明显，湖北省、江西省即位于此分界区域。其次，过渡区在图6中以自东北向西南方向延伸的黄色条带表示。该条带的分布类似人口密度对比线(胡焕庸线)，即“黑河-腾冲”线，但是各年份的中国区域CO2柱浓度过渡带略有波动。在东北部区域，过渡条带更靠近南部，基本位于黑龙江省的最南端，穿过吉林省的中南部，沿着内蒙古自治区的南部省界线向西南方向延伸。在中部区域，过渡条带自东北向西南纵向穿过宁夏回族自治区，并向甘肃省的中南部延伸，但没有到达甘肃省的河西走廊地区。在西南区域，过渡条带基本穿过四川省北部，结束于西藏自治区的最南端和云南省的最北端。低值区域主要包括黑龙江省的大部分、吉林省的北部、内蒙古自治区的中部和北部、甘肃省的河西走廊及河西走廊以北地区、青海省全部以及西藏自治区和新疆维吾尔自治区的大部分地区。但是，在低值区有2块特殊的中高值区。这2块特殊的中高值区分布在新疆维吾尔自治区的中部地区和西藏自治区的中南部地区，其中，新疆维吾尔自治区的中部高值区基本呈现东西走向，而西藏自治区的中南部高值区呈现南北走向。从省级行政区域尺度上看(图7)，安徽省的CO2柱浓度最高(达414.38 mg/L)，其次是河南省(414.36 mg/L)，内蒙古自治区的CO2柱浓度最低(411.80 mg/L)。

图7 2020年各省(区、市)年均CO2柱浓度Fig.7 Annual mean CO2 column concentration of provinces,municipalities and autonomous regions in China in 2020

总体而言，2010—2020年中国区域的CO2柱浓度的空间分布特征主要是从东部沿海向西北内陆逐渐降低，年变化趋势：高值区由东部沿海地区向南部沿海地区和中北部地区扩展，中值区不断向西北地区和东北地区扩大，过渡带地区的变化趋势是随着年份的变化而向高纬度方向偏移，低值区则不断缩小，主要集中在中国最北部和最西部的部分地区。

2.3.2 季节和月CO2柱浓度空间分布特征

按照春、秋、冬为一类，夏季为一类的分类，描述了各季节高值区、中值区、过渡区与低值区的空间分布特征变化。春季(3、4、5月)、秋季(9、10、11月)和冬季(12、1、2月)，中国区域CO2柱浓度空间分布相似(图8和图9)。在春、秋、冬季中，中国区域CO2柱浓度高值区主要集中在中国的华南、华东和华北地区，柱浓度高值中心出现在河北省、河南省、山东省、安徽省、山西省5个省，春季、秋季和冬季的多年份CO2柱浓度平均值分别可达404.86、401.13、405.88 mg/L。另外，在新疆维吾尔自治区出现了次高值中心，春、秋、冬季多年CO2柱浓度平均值分别可达403.43、399.68、403.58 mg/L。中值区分布范围较广，除常规区域外还包括东北三省、四川省的部分区域和云南省的大部分区域。在冬季，中值区域在最北端有向东北部扩展的趋势，但在四川和云南等地有向东南部收缩的趋势。过渡区域主要是沿着内蒙古自治区靠南侧的行政边界自最北端向南、向东延伸，穿过宁夏回族自治区，延伸至甘肃省的南部区域，继续向南延伸到四川省的中部，较为贴合甘孜藏族自治州和阿坝藏族羌族自治州靠东的行政边界，最后延伸至云南省。低值区面积仍主要集中在中国的西北部，在冬季，西南部低值区有向云南省发展的趋势。

图8 2010—2020中国区域CO2柱浓度四季变化分布Fig.8 Seasonal variation distribution of CO2 column concentrationin China from 2010 to 2020

夏季(6、7、8月)，中国区域CO2柱浓度基本上呈现东西方向分布，但是出现2个高值区域：一个位于东南沿海地区，高值中心出现在广东省、福建省、浙江省和江西省的全部地区，多年CO2柱浓度季节平均值可达401.04 mg/L；
另一个位于西藏自治区和新疆维吾尔自治区的南部地区，多年CO2柱浓度季节平均值可达399.56 mg/L。CO2柱浓度的中值区占比较少，主要集中在四川省、云南省、重庆市、湖北省4个省(市)以及安徽省的大部分地区。过渡带则呈现东西走向，自山东中部，沿着北纬35°纬线向南延伸至四川省与青海省的交界处，之后向西北方向延伸，穿过青海省的西部地区，再向西北方向延伸，穿过新疆维吾尔自治区的中南部。低值区主要出现在黑龙江省、内蒙古自治区和新疆维吾尔自治区的北部地区，CO2柱浓度最低值可达394.56 mg/L。

图9 2010—2020中国区域CO2柱浓度月变化分布Fig.9 Monthly variation distribution of CO2 columnconcentration in China from 2010 to 2020

总之，中国区域CO2柱浓度在空间变化上存在着明显的季节变化特征。中国区域CO2柱浓度中高值区的空间变化为春季、秋季和冬季呈现“东北-西南”走向，在中部地区呈现明显的从高值区向外圆状扩散的分布形式。夏季呈现东西方向分布，在东南和西南青藏高原地区出现高值区，并向北逐渐下降。

自然排放是影响CO2柱浓度周期性季节变化的主要因素，主要取决于植物的光合作用排放与吸收CO2气体的过程及能力。在夏季，北半球受阳光照射的时间较长且生长旺盛，植物的光合作用强烈，吸收CO2的能力较强[1]。而在冬季，北半球受阳光照射的时间相对来说较短，温度较低，植物的光合作用减弱，吸收CO2气体的能力也有所下降。所以中国在夏季CO2柱浓度最低，春、冬季CO2柱浓度较高，而秋季处于冬季和夏季之间[17]。因此，需要继续积极植树造林，坚持退耕还林还草的政策，因地制宜保持水土，增加森林和湿地面积，以增加中国的碳汇能力，可以更好地吸收人类活动所产生的碳排放量，实现碳中和目标。

人为因素可能对中国CO2柱浓度逐年上升的影响较大。且在人为因素作用下，中国区域CO2柱浓度存在明显的季节、空间差异特征。同时，相较于自然因素，人为因素是影响中国CO2柱浓度周期性季节变化的次要因素。中国经济快速发展，化石燃料使用量逐年增加[18]。2018年中国煤炭消耗量超过38亿t[19]，控制煤炭、石油、天然气等化石燃料的燃烧已经成为目前减排的重点[20]。

中国CO2柱浓度的空间分布状况也与工业布局关系密切。2018年末，中国东部的工业企业数量超过工业企业数量总和的70%，而西部和中部的工业企业也与东部联系得越来越紧密。这可能是中国CO2柱浓度呈现自东部高值地区向中部过渡、再向西部低值地区逐级递减的空间分布状态的原因。

中国CO2的空间分布还有较为明显的季节性变化，主要体现在夏季中国的CO2柱浓度高值区偏南，而在冬季中国CO2柱浓度的高值区偏北。造成这一分布状况的原因可能是，冬季北方地区全天集中供暖，且北方地区的供暖主要仍是以火力发电、燃烧化石燃料为主，排放较多CO2，而夏季南方降温设备运转的能耗较大，电力能源消耗量较大，由此所产生的碳排放使得夏季的高值区偏南。

因此，需要进一步提高化石燃料燃烧效率[21]，并积极开发包括风能、潮汐能等在内的多种新型清洁能源替代化石燃料，以降低化石燃料燃烧所产生的碳排放对环境造成的影响[22]。需要大力发展碳捕集、利用以及封存技术，并积极利用化学生产过程将CO2转化为其他可进行利用的物质[20]。最后，需要加强厉行节约、节能减排等宣传教育[23]。

采用温室气体观测卫星(GOSAT) 傅里叶变换光谱仪(FTS)发布的CO2柱浓度L3级别数据集产品，结合TCCON地基站点的CO2柱浓度数据对卫星遥感数据进行验证，分析了中国CO2柱浓度时空变化特征及其影响因素。

1)根据线性回归分析，GOSAT卫星的CO2柱浓度数据与TCCON地基站点数据有较高的一致性，GOSAT卫星的CO2柱浓度产品精度较高，适合区域CO2柱浓度时空变化分析。

2)中国CO2柱浓度呈现明显的时间和空间变化特征，中国区域CO2柱浓度有逐年递增的趋势，并有周期性的季节性变化趋势。冬季的CO2柱浓度最高，夏季CO2柱浓度最低。中国区域CO2柱浓度的最高值和最低值分别出现在4月和8月。空间特征主要表现为自东部沿海CO2柱浓度高值地区向西部的低值地区逐级递减，且呈现明显的季节性变化。

3)中国区域的CO2柱浓度平均值与增长率均略高于全球平均水平，与美国CO2柱浓度水平和增速相似。与印度相比，中国区域的CO2柱浓度平均值略高于印度，但印度CO2柱浓度增长速度高于中国。美国和印度以及全球的高值季节出现在春季，而中国的高值季节出现在冬季，春季的CO2柱浓度接近冬季。美国和印度的低值季节出现在秋季，而中国和全球的低值季节均出现在夏季。

4)中国区域CO2柱浓度时空变化特征的主要影响因素可归结为自然因素和人为因素2类。自然因素主要影响着中国CO2柱浓度的周期性季节变化，人为因素主要影响着中国CO2柱浓度的上升趋势以及空间分布特征。

猜你喜欢高值平均值站点养殖废弃物快速发酵及高值转化土壤修复生物肥料关键技术现代农村科技(2022年9期)2022-08-16平均值的一组新不等式武汉工程职业技术学院学报(2022年1期)2022-04-13麻文化发展与高值利用前景展望中国麻业科学(2021年5期)2021-12-02由时变Lévy噪声驱动的随机微分方程的平均值原理数学物理学报(2020年2期)2020-06-02基于Web站点的SQL注入分析与防范电子制作(2019年14期)2019-08-202017～2018年冬季西北地区某站点流感流行特征分析国际呼吸杂志(2019年1期)2019-01-28首届欧洲自行车共享站点协商会召开中国自行车(2017年1期)2017-04-16PDCA循环管理法在医院高值耗材管理的应用中国医学装备(2016年6期)2016-12-01怕被人认出故事会(2016年21期)2016-11-10高值无害化利用 废白土大有可为中国资源综合利用(2016年6期)2016-01-22 相关热词搜索：浓度，中国，特征，