本创新技术涵盖了大气二氧化碳浓度的预测方法、系统、设备及介质,属于浓度预测技术领域。该技术通过收集目标区域的多源数据,并将其输入卷积神经网络模型,以实现时间序列的二氧化碳浓度预测。
背景技术
CO2
是导致全球温室效应最重要的罪魁祸首。伴随着全球工业化快速推进以及人类活动日益频繁,大气温室气体浓度越来越高,给全球气候,生态系统以及经济带来显著冲击。近年来,大气监测领域的研究者们在基于深度学习的方法方面取得了显著的进展。
CO2
浓度的分布呈现出一定的空间异质性,目前的CO2
浓度产品主要有两种,一种为遥感卫星直接获取的点数据,受卫星运行轨迹影响,该类型数据大多为条带型,条带间的空白区域缺少数据,另一种为在遥感卫星数据基础上重构得到的面数据,但目前已有产品针对全球尺度,分辨率只达到50km,在省域尺度的研究中精度不足。
然而,现有技术中针对CO2
浓度仅仅只是通过大气观测站进行测量,且大气观测站分布较为分散,无法精确地预测大部分区域的CO2
浓度,无法为生态改善工程提供有力的数据支撑。
实现思路