研究目的
研究SCIAMACHY、GOSAT和OCO-2在全球尺度上XCO2反演时空变化的不一致性，以支持其在长期大气CO2变化分析中的综合应用。
研究成果
生成的长期XCO2映射数据集显示出随时间平滑的变化趋势，且不同传感器间与NDVI具有相似的相关模式，这表明其在时空特征上具有一致性并具备碳循环研究的应用潜力，不过局部不一致性仍需进一步分析。
研究不足
由于传感器灵敏度、观测模式和算法的差异，XCO2反演结果中的不一致性可能影响准确性；该研究强调需关注局部尺度的不一致问题，并进一步调查2009-2010年厄尔尼诺现象等异常情况。
1：实验设计与方法选择：
本研究采用数据驱动的时空地统计学方法生成全球陆地XCO2分布图集。通过统一先验剖面整合多源卫星XCO2反演数据，考虑平均核效应后，将数据统一至相同时空分辨率，运用皮尔逊平方相关系数与NDVI进行相关性分析。
2：样本选择与数据来源：
XCO2数据来自SCIAMACHY（BESD算法v02.01.01，2004年1月-2009年5月）、GOSAT（ACOS XCO2 v3.5lite，2006年6月-2014年6月；NIES XCO2 v02.31，2014年7月-2014年8月）和OCO-2（OCO2_r7_Lite，2014年9月-2016年12月）。同期NDVI数据采用MOD09 0.05度分辨率产品。
3：01，2004年1月-2009年5月）、GOSAT（ACOS XCO2 v5lite，2006年6月-2014年6月；NIES XCO2 v31，2014年7月-2014年8月）和OCO-2（OCO2_r7_Lite，2014年9月-2016年12月）。同期NDVI数据采用MOD09 05度分辨率产品。 实验设备与材料清单：
3. 实验设备与材料清单：卫星与传感器：SCIAMACHY、GOSAT、OCO-2；地统计制图与相关性分析的数据处理软件及算法。
4：实验流程与操作步骤：
将数据整合统一至1°×1°网格和8天时间间隔，继而开展时空制图并与NDVI进行相关性计算。
5：数据分析方法：
采用皮尔逊平方相关系数量化XCO2与NDVI的关系，并通过空间格局与时间趋势的可视化对比进行分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
SCIAMACHY
Scanning Imaging Absorption spectroMeter for Atmospheric CHartographY
ESA (Europe Space Agency)
Measuring atmospheric CO2 concentrations through remote sensing
-
GOSAT
Greenhouse Gases Observing Satellite
NIES (National Institute for Environmental Studies, Japan)
Observing greenhouse gases including CO2
-
OCO-2
Orbiting Carbon Observatory-2
NASA (National Aeronautics and Space Administration)
Measuring atmospheric carbon dioxide levels
-
MODIS
MOD09
USGS (United States Geological Survey)
Providing NDVI data for vegetation analysis
-
登录查看剩余2件设备及参数对照表
查看全部
