碳循环反演大数据模型的探索与分析.pdf

第20卷 第2期第93页2023年6月Jun.,2023国土资源导刊Land&Resources Herald引用格式:谢优平，肖祥红，蔡观,等.碳循环反演大数据模型的探索与分析J.国土资源导刊,2023,20(02):93-100.Reference format:Xie Youping,Xiao Xianghong,Cai Guan,et al.Exploration and analysis of carbon cycle inversion big data modelJ.Land&Resources Herald,2023,20(02):93-100.碳循环反演大数据模型的探索与分析*谢优平1*，肖祥红1，蔡 观1，谢承志2，谭思源1(1.湖南省第二测绘院，湖南 长沙 410119；2.上海电力大学，上海 201306)摘 要：本文在分析碳源排放清单（R排放）、生物过程模拟植被净生态系统生产力（NEP植被）、大气层碳卫星监测CO2浓度（CO2月平均浓度）三种反演时空分布数据的基础上，利用LM最优估算法结合球冠谐模型解析碳的基础量值及空间分布关系，通过计算机深度学习，构建基于上述三个模型融合的大数据模型，以期探明工业碳源排放清单CO2较为明晰准确的反演过程和各个环节的数学关系，为有效的消碳提供技术路径支撑。关键词：相关性分析；量值关系；球冠谐模型；模型融合；LM最优估算法；消碳与控碳中图分类号：F426文献标识码：A文章编号：1672-5603（2023）02-93-08Exploration and Analysis of Carbon Cycle Inversion Big Data ModelXie Youping1,Xiao Xianghong1,Cai Guan1,Xie Chengzhi2,Tan Siyuan1（1.TheSecondSurveyingandMappingInstituteofHunanProvince,ChangshaHunan410119;2.Shanghai University of Electric Power,Shanghai 201306）Abstract:Basedontheanalysisofthreekindsofretrievedspatio-temporaldistributiondata,namelycarbonsourceemissioninventory(Remissions),biologicalprocess simulation vegetation net ecosystem productivity(NEP vegetation),atmosphericcarbon satellite monitoring CO2concentration(monthly average CO2concentration),thispaper uses LM optimal estimation algorithm and spherical cap harmonic model to analyzethe basic value and spatial distribution relationship of carbon,and through computer in-depth learning,Build a big data model based on the fusion of the three models mentionedabove,in order to explore the clear and accurate inversion process of industrial carbonsourceemissioninventoryCO2andthemathematicalrelationshipsofeachlink,andprovide technical path support for effective carbon reduction.Keywords:correlation analysis;quantity value relationship;spherical cap harmonicmodel;model fusion;LM optimal estimation algorithm;carbon reduction and control0 引言近年来，地球表层温室气体增多，胁迫地表温度升高，致使干旱、山火、海啸等自然灾害频发，危害到人类生存与安全。造成温室气体增多的影响因素主要源自人类社会发展的工业废气排放，以及地球表层的自然碳源汇能力变化。探索大气层与陆地生态系统中的碳循环反演规律，封存地表碳源、抑制大气层碳浓度升高，仍然是当前人类社会面临的一道巨大难题。收稿日期:2023-03-16;改回日期：2023-05-09。*基金项目：2022重大科技研究项目 湖南省自然资源领域推进碳达峰碳中和重大技术研究（编号：湘自科 2022 5号）。*第一作者简介：谢优平（1973），男，研究员级高级工程师；主要从事基础测绘、自然资源调查监测与卫星遥感应用；E-mail：youping_。第20卷 第2期第94页国土资源导刊Land&Resources Herald2023年6月Jun.,2023大气中的CO2在进入陆地圈和海洋圈之前，在地表20 km内的大气层中漂浮。CO2进入生态系统之后，一方面被陆地植被、海洋湿地及其他水域藻类等进行光合作用，或与菌类沉淀物进行化学反应，或被水域、植被根系与土壤吸收，形成碳汇。另一方面通过动植物的呼吸、腐殖质分解或者熔岩风化，形成碳源。再加上人类活动及工业废气的排放，CO2在大气层、陆地与海洋生态系统中反复循环。经过学术界近50年的探索，当前已有 3种比较典型的方法来监测研究自然界的CO2。第一种是碳源排放清单（R排放）。通过对点源碳排放及时空分布统计，以行政区域为单元形成碳源排放空间分布数据并规划控制碳源排放。该方法受大气中气流的干扰和影响，模型存在精细度差、分辨率低、估量粗犷、且碳排放与行政区域面积并不一定正相关、估算结果精度不足等缺点1-3。第二种是通过生物过程求取植被净生态系统生产力(NEP植被)，以此为基础来指导增强生态系统的碳汇功能。其优势是覆盖率广、时间序列长、数据及估量结果获取容易，缺点是采用植被指数生产的NEP精度不足，不同模型计算的结果差异大，并且尚有许多未明路径的碳源汇4-7。第三种是近十年来才开始的碳卫星监测技术，利用光栅衍射原理对太阳光谱进行监测，在消除云和气溶胶误差干扰后，获取大气中CO2浓度时空分布信息以及时段内的浓度变化值。碳卫星监测技术是目前最为直接准确的一种探测方法，缺点是光谱分析为间接估量求值，难以区分测算大气中CO2的碳源路径8-12。由于上述监测及减排技术的不成熟，加之 CO2物质的特殊性，生态系统的复杂性，人类干扰活动的不确定性，目前三种方法虽然都已取得一定的科研成果，但均存在估量理论缺陷，缺乏详细准确的碳循环反演过程及时空分布结果，碳的细致来源及有效消耗途经等重要内容尚未探明，需要人们利用当代先进的科技技术手段，结合已有的科研成果进一步去分析摸索。本文利用 R排放、NEP植被、CO2月平均浓度三种碳源（汇）反演成果及时空分布数据，利用LM最优估算法结合球冠谐分析方法，在物质守恒基础上，切合模型中碳的基础量值及时空分布信息，将上述三个模型融合，构建一个基于计算机深度学习的大数据模型，以期探明大气层中CO2分布情况，特别是R排放较为明晰准确的反演过程和各个环节的数学关系，为有效消碳提供技术路径支撑。1 地球生命体碳库自然界中碳化学元素有C12和C14两种，以无机质（C12）和有机质(C12、C14)两种形式存在。碳元素通过各种分子结构形成碳链、碳架和碳干，组成地球上绝大多数有机生物和无机化合物。地球生命体是一个巨大的碳库，包括地球体以及外面裹着的大气层。其中固态碳主要包括岩石圈中的Mg2O、Ca2O、硝酸盐等，以及生态圈中的有机生物和碳水化合物，气态碳主要以CO2、CH4形式存在于大气之中。由于地球形状的复杂性和地壳密度的不均衡性，我们无从得知地球这个质体中究竟有多少碳含量或碳化合物13-15。碳循环是多渠道多流向多系统的，碳源主要来自人类工业排放、生态系统呼吸，碳汇主要有陆地和海洋生态系统的光合作用和化学反应消耗。通常情况下地球生态系统各个环节中存在一个通过碳源汇调节的碳承载极限。在不考虑人类工业排放这个干扰因素时，大气圈、陆地圈、水圈CO2含量基本上是维持生态均衡的4-5。“温室效应”主要是因大气层碳浓度升高、气层水雾增多、工业化地表反射率增大三方面原因引起的。控碳本质是要封存地表碳源，尽量延长碳在固态环节循环的流转时间。在多种形式的碳中，本文研究的重点对象是指参与大气圈循环的那一部分碳。气态 CO2分布在大气层中的近地层和对流层中，平流层之外几乎没有CO2，如图1所示。近地层近地层 对流层对流层平流层平流层中间层中间层暖层暖层外逸层外逸层外太空外太空地球图1 地球生命场碳库示意图Fig.1 Schematic diagram of carbon storage inthe Earths life field工业排放促使大气层 CO2浓度整体升高。CO2排放后开始漂浮在地表1Km以内，促使地表层CO2浓度升高，然后随着高度上升，气层中CO2浓度慢慢降低，最终上浮到对流层后，遇冷与水第20卷 第2期第95页2023年6月Jun.,2023国土资源导刊Land&Resources Herald雾集聚在一起，使得对流层成为 CO2最终汇聚地，这一层浓度增高最明显。工业排放在上升的过程中，一部分在近地层因重力漂回地面，一部分在对流层中随降雨落回地面。经过长期的演化后，大气层中O2、CH4、CO2、N2、H2O（水蒸气）浓度比例相对恒定。在近地层中 CO2与地表生态圈存在一个“协迫式”的平衡，也就是说，当地表层中CO2浓度升高时，陆地生态圈中光合作用就增强，源汇作用使地表的CO2浓度水平保持相对平稳，“温室效应”主要发生在对流层。2 三种碳循环模拟方式的时空分布数据2.1 碳源排放清单（R排放）基于调查统计的 R排放主要是对人口、GDP、工业及土地类型、手机信令、夜间灯光等数据信息的集成。数据来源及分类主要有工业、电力、交通、农业等，以行政区域单元为基础，结合工业、商业、生活聚居点等碳排放源头进行分类统计，建立碳源时空分布的数据指标及函数关系。数据模型统计结构采取自上而下的空间分解、自下而上的空间估算或二者融合的统计模型结构，即在行政区域单元尺度和空间尺度不变的基础上，将精细尺度的碳排放数据统计量化分解到指定的空间单元里和区域网格中。R排放主要来自于8个常用碳排放库：世界气候委员会（IPCC）清单；全球碳预算数据库（GLB）；二氧化碳分析中心数据档案库（CDLAC）；全球大气研究排放数据库（EDGAR）；英国石油公司（BP）；美国能源信息署（ELA）；中国多尺度排放清单模拟（MELC）；中国碳排放数据库（CEADS）等。R排放关系型数据模型：fy=SD.M（式1）其中fy为碳时空分布结果，D为行政区域、地理数据、遥感数据、点源数据等，S为空间尺度，包括行政区域尺度、社区格网尺度、站点尺度，M为分解模型1-3，15-16。2.2 生 物 过 程 模 拟 植 被 净 生 态 系 统 生 产 力（NEP植被）陆地覆盖NEP植被主要利用卫星多光谱遥感影像数据计算植被指数，如归一化植被指数NDVI、叶面积指数LAI等,结合第三次国土调查或最新年度变更地类数据、现势性强的数字高程模型数据（DEM）等，通过生物过程模拟光能模型，如 CASA、VPM、VPRM、CIFX或两叶模型进行大区域模拟，再通过对生物量的转化计算，获得 该 时 点 对 应 的 碳 源（汇）时 空 分 布 数 据。NEP植被受不同植被类型、物候条件、太阳光照、地表水分、温度等因素的影响。光能利用率模型：NPP=PAR C=RSG FPAR C（式2）C=T W Cmax（式3）NEP=NPP R异养（式4）光能利用率模型还可通过涡度相关数据、植被生长呼吸的特性差异等影响因子对模型进行参数本地化和改进4-5，17。其中，NPP为净初级生产力，NEP为净生态系统生产力，RSG为太阳总辐射，PAR为光合有效辐射，FPAR为光合辐射吸收比例，C为光能实际利用率，T为温度胁迫因子，W为水分胁迫因子，Cmax为最大光能利用率。2.3 大气层碳卫星监测 CO2浓度的时空分布（CO2月平均浓度）大气CO2柱浓度指观测柱内CO2气体分子从地表到大气层顶单位面积内的分子数密度。CO2碳柱总量监测基于比尔布格朗伯定律，采用两种方式进行监测。一是通过太阳宽带辐射，利用光栅、棱镜、滤波片等，对其中近红外可见光进行光谱分析；二是利用激光雷达作为本振光源，通过调频发射特定波长的辐射光谱作为 CO2分子的吸收光谱，来监测CO2浓度。激光雷达监测方式灵敏度更高，不仅可以监测大气层中CO2碳柱总量的水平浓度分布，还可以监测CO2柱浓度的垂直廓线18-23。中国碳卫星是通过监测太阳光穿过大气层到达地球时，空气中的CO2分子对太阳光线短波中的光谱颜色有不同的吸收能力，经过精密光栅仪器对光谱进行测量，反演推算 CO2分子的数量，即碳柱中每平方千米干空气中CO2的混合占比，浓度变化监测精度达 4 ppm。CO2监测采用影像推扫式，每条像带宽20 km，对应地面上9个像素点，每个像素点宽度约 2 km（即地面分辨率）。碳卫星能较精确地监测大气中 CO2浓度，同时通过对碳卫星影像校正获取分布位置，最终获取区域CO2浓度的时空分布数据24-26。第20卷 第2期第96页国土资源导刊Land&Resources Herald2023年6月Jun.,20233 碳循环数据模型分析3.1 三类模型时空数据分析大气 CO2时空分布数据是 R排放叠加 NEP植被相互作用的结果，是CO2在自然界循环中的一个目标值环节；R排放具有CO2量值与地面排放源点位已知的特点，但因气流影响，在大气中随机分布，难以进一步分源；陆地生态系统NEP植被时空分布数据是较复杂的一个碳循环分布数据，同时具有碳源汇的特征：动植物呼吸、岩石风化、凋落物及腐殖质分解、地表 CO2排放多为碳源，而植被及植被下垫层光合（含一年生周期性生物）、植被根系及土壤吸收，海洋、湿地、水域藻类光合及沉淀物化学反应作用等多为碳汇。其特点是大部分碳汇量值可求及空间分布明确，而碳源量值及空间位置未知13，如图2。3.2 时空分布数据量值基础及换算单位3.2.1 大气中CO2量化首先将三种模型中的CO2数据进行量化，统一归算到所含碳的比重（或CO2浓度）。我们假定地球为一规则球体，大气中CO2包裹在地球外围20 km厚度的气层里，则地球外围某一时刻CO2总量值为：CO2总量值=4()R地+203/3 4R3地/3 CO2月平均浓度值 CO2单位空间密度（式5）其中R地为地球半径，CO2层为近地层及对流层总厚度约20 km，地球表面形状采用地面数字模型DTM来表示（或重力场位模型如EGM2008、CS64C等）。温度对流层取0，地表取25，压强取1个标准大气压。又因大气层中 CO2浓度分布存在随机的水平梯度和垂直梯度，我们按中国碳卫星的影像条带及像素宽度分区，垂直梯度地表以 200、500、1 000 m分层，再往上以每1 000 m分层，对流层顶端、底端、中间分层，对流层及近地层总共分约22层（图3），并累加计算每个区块的CO2量值及总值19-22，27-29。则大气中CO2总量为各个像素点体积内的质量累加：M总=VV总()V111+V222+Vnnn（式6）为 CO2月平均浓度值,为 CO2单位空间密度,V总=4()R地+203/3 4R3地/3,V为像素点对应的体积。假如以某一月的CO2月平均浓度值为本底，则可求取下一时点对应月浓度差值的总量变化量9，18（图4）。图2 三类模型时空数据反演分析及特点Fig.2 Analysis and characteristics of spatiotemporal data inversion for three types of models第20卷 第2期第97页2023年6月Jun.,2023国土资源导刊Land&Resources Herald地球近地层对流层对流底层对流中层对流顶层碳柱1km2km3km4km5km6km7km8km9km11km12km13km14km16km17km18km19km200m500m图3 CO2垂直廓线分层示意图Fig.3 Schematic diagram of CO2vertical profile layering碳柱地球水平廓线垂直廓线CO2月平均浓度分布数据图4 水平廓线、垂直廓线CO2月平均浓度数据分布示意图Fig.5DistributiondiagramofmonthlyaverageCO2concentration data for horizontal and vertical profiles3.2.2 植被净生态系统生产力NEP植被碳源汇量化NEP植被通过光合作用时间、植被面积、生物量转化、干物质碳密度等进行量化。在利用遥感多光谱对陆地生态系统进行反演时，NEP植被值要包含监测周期里所有生物的生长全过程。植被下垫层、根系及土壤可以分别采用专业模型反演求取并按空间位置累加，或通过植被覆盖遥感反演再增加各门类碳汇系数进行核算；海洋、湿地、水域碳汇依据专业模型或通量观测求取，按面积和空间位置添加。凋落物与腐殖质分解以及岩石风化释放的碳源在采集技术手段上尚处空白，因此这一部分碳源汇能力暂时无法计入反演模型。植被净生态系统生产力模型中二氧化碳的总量整体上应表现为碳源减少，模型中CO2浓度比实际浓度变小4-5，17。3.2.3 碳源排放清单（R排放）量化通过各种碳源排放清单数据以区域、格网统计量化。碳源排放部分落回了地面，仅约30-70参与了大气循环，二者之间存在一个量值比例关系，可以通过各年度世界能源统计年鉴及2016年以来大气CO2浓度分布数据的增量来求取概略值。设阈值开关为U，则U=参与部分量/总量。3.3 时空数据模型的相关性分析NEP植被反映的是某时刻CO2流动流向的量，并随时间动态变化，与大气中CO2的量值成对应的正则函数关系。R排放反映的是某一时间段人类活动的碳源排放总量，以及分解在这一区域直接粗犷的二氧化碳时空分布，对前面的函数关系起着一种添加和扰动作用。假定某一区域无工业碳源排放影响，则根据物质守恒定律，通过某一时点NEP植被估算出来的CO2变化总量等于同时期大气中CO2月平均浓度变化增量值，即：NEP植被=CO2月浓度增量值（式7）图5 时空分布数据的量值关系Fig.5 The quantitaty value relationship of spatiotemporal distribution data第20卷 第2期第98页国土资源导刊Land&Resources Herald2023年6月Jun.,2023如考虑人类工业的 CO2排放因素，大气中CO2量值同时受R排放、NEP植被两个模型的影响，大气洋流只会影响 CO2在大气中的空间分布，但CO2总量不变（图5）。即三个时空分布数据之间存在某种正则的量值函数关系：CO2月浓度增量值=NEP植被+R排放 U（式8）3.4 模型空间坐标系的建立及其对应关系在上述量值关系中，只考虑大气中所含CO2的总量，因气流流动、碳柱层高度、碳源排放粗犷的空间分解等因素影响，我们无法准确定位CO2量值变化与空间位置的对应关系，无法用一个准确的数学模型来表达。这时，可再次作出如下假设推断：（1）将大气层CO2浓度分布数据向地表进行投影，与陆地上的植被覆盖吻合相切，并同时假定植被覆盖为罩在地表的一张没有高度的薄层。（2）在地表分布的各个离散点上，量值关系式 CO2月浓度增量值=NEP植被+R排放U 也成立，即 R排放中增加的CO2量值在气流对冲的扰动下，正好去弥补地表某点上植被NEP植被与碳卫星监测得到的CO2月浓度增量值的差值。（3）定义空间坐标和量值对应的关系数据模型：离散空间点的净生态系统生产力(NEP植被)+碳源排放清单（R排放）U在某时间段变值上等于大气中 CO2的浓度变化。变化点的位置就是陆地植被NEP植被的位置。即让大气CO2量值变化与地表有了对应关系，而且实现了空间位置的定位。3.5 时空分布数据的函数表示用 三 个 多 项 式 函 数 来 分 别 表 达 R排放、NEP植被、碳卫星CO2时空分布数据，即：R排放=fZ1=a1x2+b1y2+c1xy+d1x+e1y+f1（式9）NEP植被=fZ2=a2x2+b2y2+c2xy+d2x+e2y+f2（式10）CO2增量=fZ3=a3x2+b3y2+c3xy+d3x+e3y+f3（式11）则对于地表每个离散空间点 CO2月浓度增量值而言，有R排放U+NEP植被=CO2增量，且空间点位置就是陆地植被NEP植被点的位置。在上述三个模型数据中，CO2月浓度增量值看作已知值，NEP植被是自变量，R排放是随NEP植被动态变化的应变量，大数据模型采用一元线性回归，利用离散空间点数据作为已知点求取多项式的常数项，因 NEP植被是统计类大样本的非连续型变量，为多种类型的碳源汇，不一定服从正态分布，也可采用多重线性回归或逻辑回归。通过上述三个多项式的反演迭代，可以求取三个模型的解析关系式，再利用LM最优估算法，调整阈值开关U值，使CO2月浓度增量值=NEP植被+R排放U均方差RS最小，进而求得 R排放在每个区域的分布和量值31。球函数能够生动贴切的表达地球表面形状的数学关系，在上述假设基础上，我们采用地面数 字 模 型 DTM 或 者 地 球 重 力 场 位 模 型EGM2008、CS64C来表示地面植被的空间位置，并同时用球冠谐模型来表达R排放和大气CO2浓度数据分布，用球冠谐分析方法来模拟CO2浓度变化在陆地植被表面发生的相关作用，并使模型上任意空间点 CO2月浓度增量值=NEP量值+R排放U，且变化点空间位置一一对应32-34。设球坐标u()r,，r、分别表示地心半径、纬度和经度。球面坐标为：X=rsincos（式12）Y=rsinsin（式13）Z=rcos（式14）三维空间下的拉普拉斯（Laplace）方程为：V2=2X2+2Y2+2Z2=0（式15）把球面坐标代入拉普拉斯方程，可以得到球函数模型35-37：1r2r()r2ur+1r2sin()sinu+1r2sin22uu2=0（式16）用上述的CO2量值与空间位置对应，即形成一个 CO2反演模型的空间分布关系，即（x,y,z,CO2量值）,高度统一到地面表层。CO2月平均浓度、NEP植被、R排放模型均采用栅格数据，利用 Python工具编程融合，在ArcGis平台上处理。经过对三类碳源汇空间分布的球冠谐函数进行迭代，模型反演可以得到NEP植被和R排放在地球近地层接近真实的分布，以及R排放数据分布来源类型、量值第20卷 第2期第99页2023年6月Jun.,2023国土资源导刊Land&Resources Herald大小和各时点的CO2增量。4 反演模型研究推论综上所述，可以得出下面几个推论：（1）在大气圈、水圈和陆地圈中的 CO2循环中，双碳监测工作的研究对象是指能进入大气圈循环的那一部分CO2。（2）大气中循环的CO2总量的变化值是陆地植被净生态系统生产力(NEP植被)与地面碳源排放清单（R排放）相互作用的结果，且理论上存在关系式：CO2月浓度增量值=NEP量值+R排放U。（3）因植被高度相对于地球半径数值微小，可以概略的认为是覆盖在地球表面的一张薄层，用地形数字模型DTM来表示，再将碳柱分布数据对地面进行高斯投影，则大气层CO2、陆地植被净生态系统生产力(NEP植被)与地面碳源排放清单（R排放）均是在陆地地表相互作用的对应空间关系，且每一个模型空间点的CO2差值变化都符合推论（2）。（4）用球函数来分别表示三个模型的CO2时空分布,投影到地表后，用每个空间点的关系式CO2月浓度增量值=NEP量值+R排放U对3个球函数进行反演迭代，使均方差值RS最小，最终在结果接近于大气层的CO2时空分布的情况下，求得地面碳源排放清单（R排放）的时空分布结果，并求取其中碳源的大小、类型及变化趋势。（5）利用反演得到的结果指导在陆地生态系统中进行生态消碳和控碳。5 消碳和控碳模型融合前大气中 CO2直接采取化学反应消碳虽然可以达到降碳目的，但目前因CO2的捕集、化学反应手段、CO2的存储和运输以及CO2能源转化等均存在技术手段上的局限，难已实施；而盲目地在陆地生态系统进行生态消碳，则成本过大，周期长，且效果不明显。在经过 3个数据模型融合反演后，利用 LM最优估算法反复迭代和数据演化，可以求得时点碳源排放清单（R排放）在地表接近真实的时空分布数据，可知每一个空间点的 CO2浓度太小、碳的来源类型和量值大小，可以探明CO2在整个循坏过程中的数学关系，这样就能够在人类活动中有的放矢，以最低成本、最短周期进行控碳和消碳，达到降碳减排的效果。6 结语利用LM最优估算法结合三个时空分布数据进行CO2月浓度增量值反演，将大气中CO2变化的浓度时空分布数据加上了两个关联的约束条件，通过机器进行深度学习，经过反复迭代和演化，可以求得大气层中碳源排放清单（R排放）接近真实的CO2空间分布及碳源类型、数量、变化趋势，以及地表植被净生态系统生产力NEP植被数据的空间分布。期待反演模型的构思为今后双碳监测工作打开思路，对后期陆地生态系统的碳源分布分析、生态增汇及工业减排规划起到积极的理论基础和路径支撑作用。模型构思的缺陷在于，其一是大气 CO2垂直梯度的浓度分布监测目前尚处于研究阶段，已有研究成果暂不能作为正式成果使用，有待进一步技术攻关。其二陆地生态系统中有多种碳源汇类型不能加入模型进行反演，影响了模型反演的效果和数据精度，必须进一步细化摸索陆地生态的碳源汇路径。参考文献/References1孔潇扬,李琦.能源碳排放的空间估算研究进展J.测绘科学,2022,47(8):146-156.2 刘宜卓,石悦泽,荆克迪.“双碳”目标下黄河流域九省区横向区域碳补偿机制构建研究J/OL.生态经济:1-202023-02-18.http:/ 许源溪,周波,苏杰.基于InVEST模型的四川省宜宾市20102020年碳承载力评价J.水土保持通报,2023,43(1):350-358.4于贵瑞,何念鹏,于秋凤,等.中国生态系统碳收支及碳汇功能理论基础与综合评估M.北京:科学出版社,2013.5于贵瑞.全球变化与陆地生态系统碳循环和碳蓄积M.北京:气象出版社,2003:41-42.6李威,李吉平,张银龙,等.双碳目标背景下湖泊湿地的生态修复技术J.南京林业大学学报(自然科学版),2022,46(6):157-166.7姜紫莹.日本低碳城市建设规划中的减碳逻辑与碳定量方法J/OL.国际城市规划:1-122023-02-18.DOI:10.19830/j.upi.2022.336.8王飞平,张加龙.基于碳卫星的森林碳储量估测研究综述J.世界林业研究,2022,35(6):30-35.第20卷 第2期第100页国土资源导刊Land&Resources Herald2023年6月Jun.,20239毕研盟,王倩,杨忠东,等.碳卫星高光谱二氧化碳探测仪基于太阳夫琅禾费吸收线的在轨波长定标J.大气科学,2022,46(3):645-652.10王鼎益,刘冬冬.碳卫星高光谱数据CO2柱浓度反演初步研究J.三峡生态环境监测,2018,3(4):74-81.11蔺超,李诚良,王龙,等.碳卫星高光谱CO2探测仪发射前光谱定标J.光学精密工程,2017,25(8):2064-2075.12刘毅,姚璐,王靖,等.中国碳卫星数据的应用现状J.卫星应用,2022(2):46-50.13王震山,绳梦雅,肖薇,等.基于多源碳卫星融合产品的中国地区 XCO2与人为 CO2排放时空变化J.中国环境科学,2023,43(3):1053-1063.14熊练,白晓永,李阳兵,等.高分辨率长时间序列的中国岩石化学风化碳汇数据及其变化趋势J.矿物岩石地球化学通报,2022,41(5):956-964.15潘晨,李善同,何建武,等.考虑省际贸易结构的中国碳排放变化的驱动因素分析J.管理评论,2023,35(1):3-15.16王睿,张赫,强文丽,等.基于城镇化的中国县级城市碳排放空间分布特征及影响因素J.地理科学进展,2021,40(12):1999-2010.17于贵瑞,孙晓敏.陆地生态系统通量观测的原理与方法M.北京:高等教育出版社.2006:37-39.18周敏强,张兴赢,王普才,等.二氧化碳柱浓度的卫星反演试验及地基验证J.中国科学:地球科学,2015,45(6):856-863.19王鼎益,刘冬冬.碳卫星高光谱数据CO2柱浓度反演初步研究J.三峡生态环境监测,2018,3(4):74-81.20葛钰洁,肖钟湧.基于GOSAT卫星的中国CO2浓度时空特征分析J.中国环境监测,2022,38(5):96-108.21刘毅,杨东旭,蔡兆男.中国碳卫星大气CO2反演方法:GOSAT数据初步应用J.科学通报,2013,58(11):996-999.22鲁明羽,陆玉昌.基于OEM模型的半结构化数据的模式抽取J.清华大学学报(自然科学版),2004(9):1264-1267.23齐瑾,张鹏,张文建,等.基于SCIATRAN模型的二氧化氮 DOAS反演敏感性试验J.气象学报,2008(3):396-404.24邓昊.基于激光外差光谱技术的主要温室气体柱浓度测量方法研究D.中国科学技术大学,2020.25孙春艳,王贵师,朱公栋,等.基于高分辨率激光外差光谱反演大气CO2柱浓度及系统测量误差评估方法J.物理学报,2020,69(14):87-95.26程巳阳,高闽光,徐亮,等.基于直射太阳光红外吸收光谱技术的大气中CH4柱浓度遥测研究J.量子电子学报,2014,31(1):18-24.27刘良云,陈良富,刘毅,等.全球碳盘点卫星遥感监测方法、进展与挑战J.遥感学报,2022,26(2):243-267.28别念.卫星遥感中国区域大气CO2柱浓度时空特征与不确定性分析D.中国科学院大学（中国科学院遥感与数字地球研究所）,2018.29章桦萍.差分吸收激光雷达探测二氧化碳柱浓度的数据处理与误差分析D.中国科学院大学(中国科学院上海技术物理研究所),2019.30李静波,张莹,盖荣丽.基于机器学习的星载短波红外CO2柱浓度估算研究J.中国环境科学，2023,43（4）：1499-1509.31杨学伟.基于OEM模型的半结构化数据模式抽取算法研究D.中国石油大学,2011.32蒋涛.利用航空重力测量数据确定区域大地水准面J.测绘学报,2013,42(1):152.33尹航,王喜臣,徐宝慈,等.球冠谐分析方法进行球面卫星重力场的向上向下延拓C/中国地球物理第二十一届年会论文集,2005:725-726.34章传银,郭春喜,陈俊勇,等.EGM 2008地球重力场模型在中国大陆适用性分析J.测绘学报,2009,38(4):283-289.35彭富清,于锦海.球冠谐分析中非整阶Legendre函数的性质及其计算J.测绘学报,2000(3):204-208.36吴燕冈,申宁华,王光杰,等.中国大陆卫星重力异常及其球冠谐和函数图形与地质构造的分析C/1999年中国地球物理学会年刊中国地球物理学会第十五届年会论文集,1999:319.37顾樵.数学物理方法M.北京:科学出版社,2012.