关于利用随机森林模型实现中国高空间分辨率甲烷浓度监测研究的学术报告

一、 研究团队与发表信息

本研究由来自中南大学地球科学与信息物理学院的Zhili Jin、Junchen He和Wei Wang*（通讯作者）合作完成。研究成果以题为 “Monitoring Methane Concentrations with High Spatial Resolution over China by Using Random Forest Model” 的学术论文形式，发表于 Remote Sensing 期刊，于2024年7月10日正式出版（Volume 16, Issue 14, 2525）。该期刊由MDPI出版，遵循知识共享CC BY许可协议。

二、 研究背景与目标

1. 科学领域与研究意义 本研究属于大气环境遥感与地球科学交叉领域，核心关注温室气体监测。甲烷（CH₄）是仅次于二氧化碳的第二大重要温室气体，其全球增温潜势（Global Warming Potential, GWP）在100年尺度上是二氧化碳的28倍。自工业革命以来，大气甲烷浓度持续上升，对全球气候变化和极端天气事件发生概率具有重要影响。因此，精确监测和解析大气甲烷的时空分布与长期趋势至关重要。

2. 研究背景与挑战 当前获取中国区域高精度甲烷浓度数据面临多重挑战： * 地面监测站局限：站点稀疏且分布不均，难以提供连续的空间覆盖数据。 * 卫星遥感产品缺陷：尽管TROPOMI（对流层监测仪）、GOSAT（温室气体观测卫星）等卫星传感器能提供全球尺度的甲烷柱浓度数据，但其数据存在严重的空间覆盖缺失问题（研究期间TROPOMI在中国区域平均覆盖率仅约2%），这主要受云层、气溶胶等大气条件影响。 * 模型方法的不足：基于大气化学的“自上而下”模型虽能获得广域数据，但空间分辨率较低；基于排放清单的“自下而上”模型则时间分辨率有限，且依赖于高精度的活动数据和排放因子，存在较大不确定性。 因此，亟需一种能够生成高时空分辨率、无缝覆盖甲烷浓度数据的产品，以支持精细化的源汇分析和政策制定。

3. 研究目标 本研究旨在开发一种基于机器学习的数据驱动模型，以填补TROPOMI卫星甲烷产品的数据空缺，最终构建一套覆盖中国大陆、时空连续、高分辨率（5公里）的每日大气甲烷柱平均干空气混合比（XCH₄）数据集（2019-2021年），并利用该数据集分析中国区域甲烷浓度的时空分布特征及对特定事件（如新冠疫情封锁）的响应。

三、 研究方法与详细流程

本研究的工作流程主要包括数据准备、模型构建与验证、数据集生成以及应用分析四个核心环节。

1. 数据准备与预处理 研究选取2019年1月1日至2021年12月31日作为研究时段，中国全境为研究区。所使用的数据包括： * 响应变量：来自Sentinel-5P卫星TROPOMI传感器的二级离线（L2 OFFL）甲烷柱浓度产品（XCH₄）。研究筛选了质量保证值（QA Value）大于0.5的高质量数据。 * 预测变量（特征）： * 气象数据：从ECMWF的ERA5再分析产品中获取，包括2米气温（t2m）、地表净太阳辐射（ssr）、大气层顶净太阳辐射（tsr）、臭氧总量（tco3）和总柱水汽（tcw）。 * 地形数据：美国地质调查局（USGS）提供的SRTM（航天飞机雷达地形测绘任务）数字高程模型（DEM）。 * 验证数据：来自总碳柱观测网（Total Carbon Column Observing Network, TCCON）合肥站和香河站的地面实测XCH₄数据。 所有数据被统一重采样至0.05° × 0.05°（约5公里）的空间分辨率，并计算为日均值，以确保空间对齐和模型输入的一致性。

2. 模型选择、构建与训练 研究的目标是建立XCH₄与一系列气象、地形及时间特征之间的非线性关系模型。作者对比了多种常用模型（线性回归、支持向量机SVM、高斯过程回归、前馈神经网络FFNN、决策树），发现随机森林（Random Forest）模型在精度（R² = 0.97）和计算效率之间取得了最佳平衡。 * 模型原理：随机森林是一种集成学习算法，通过自助采样法（Bootstrapping）从原始样本中生成多个子样本集，并用每个子样本集独立训练一棵决策树。最终的预测结果是所有决策树输出的平均值。这种方法能有效降低过拟合风险，并评估特征重要性。 * 参数设置：通过袋外误差（Out-Of-Bag Error, OOB）分析确定模型关键参数，最终设定决策树数量（numtrees）为100，叶节点最小观测数（minleafsize）为5。 * 模型训练：以TROPOMI提供的、经过严格质量筛选但仍存在大量空缺的XCH₄数据作为响应变量，以对应的地理位置（经纬度）、时间（年积日）以及上述ERA5气象变量和SRTM地形数据作为预测特征，构建训练数据集。模型学习这些特征与观测到的XCH₄值之间的复杂映射关系。

3. 模型验证与精度评估 研究采用了多层次、多角度的验证策略以确保模型的可靠性与泛化能力： * 基于样本的10折交叉验证：将样本随机分为10份，轮流以其中1份为测试集，其余9份为训练集。此方法主要评估模型对已有观测样本的拟合能力，结果为R² = 0.97，RMSE = 9.5 ppb，MAE = 6.9 ppb，表明模型对训练数据拟合极佳。 * 基于空间位置的10折交叉验证：为评估模型在空间上的预测能力（即填补数据空缺的能力），先将中国区域按经纬度网格划分为100个等份，再随机组合成10份进行交叉验证。结果为R² = 0.93，RMSE = 13.4 ppb，MAE = 9.9 ppb。这证明模型在空间外推方面表现优异，能够可靠地预测无TROPOMI观测区域的甲烷浓度。 * 基于时间序列的10折交叉验证：将数据按时间顺序分为10份进行验证，以评估模型对时间趋势（如季节变化）的预测能力，结果为R² = 0.84。 * 基于独立地面站点的验证：将模型重建的、无缝覆盖的XCH₄数据插值到TCCON的合肥站和香河站位置，与地面实测值进行时间序列对比。结果显示，在合肥站，模型估算均值（1888 ppb）与实测均值（1892 ppb）偏差仅4 ppb（约0.2%）；在香河站，模型估算均值（1889 ppb）与实测均值（1890 ppb）偏差仅1 ppb（约0.05%）。这强有力地证明了模型重建数据的高精度。

4. 无缝甲烷数据集的生成与应用分析 利用训练好的随机森林模型，输入全中国区域、每日的完整特征数据（包括TROPOMI无观测的区域），即可预测出对应的XCH₄值，从而生成2019-2021年每日、5公里分辨率、空间覆盖率达100%的中国区域大气甲烷浓度无缝数据集。基于此数据集，研究进行了深入的时空特征分析： * 空间分布：中国甲烷浓度整体呈现“东南高、西北低”的格局。高浓度区域主要集中在华中地区、四川盆地、珠江三角洲和长江三角洲。这些区域共同特点是水系发达、地形平坦，与水稻种植和湿地等重要的甲烷排放源分布密切相关。此外，河北等地的高浓度可能与高人口密度和化石燃料消耗有关。 * 季节变化：甲烷浓度呈现明显的季节波动，春季最低（平均1852 ppb），冬季次之（1881 ppb），夏季（1885 ppb）和秋季（1886 ppb）较高。这主要归因于夏秋季节水稻种植和湿地排放的显著增加。 * 对特殊事件的响应：以2019-2021年武汉地区数据为例，分析了新冠疫情封锁对甲烷浓度的影响。通过剔除长期增长趋势，分析浓度波动曲线发现，在2020年农历新年后的封锁期，甲烷浓度波动在约两周后开始呈现显著下降趋势，并在封锁影响期（约第24至72天）持续走低。封锁结束约72天后，浓度迅速回升至与2019、2021年同期相当的水平。这表明人为活动减少对区域甲烷浓度产生了可检测的影响。 * 节假日效应：分析了春节和国庆节前后甲烷浓度的变化。研究发现，春节期间全国平均甲烷浓度有所下降，可能与工厂停工、人类活动减少有关。但在四个典型高值区（华中、长三角、珠三角、四川盆地），浓度仍保持增长或稳定，可能与这些地区冬季自然源（如水体）的持续排放以及能源消费结构有关。国庆期间也观测到类似但略有不同的变化模式。

四、 主要研究结果

1. 成功构建了高精度随机森林模型：该模型能够有效学习气象、地形、时空信息与TROPOMI观测的XCH₄之间的复杂关系。基于样本和基于空间的交叉验证R²分别高达0.97和0.93，表明模型兼具优秀的拟合能力和空间预测能力。
2. 生成了首套中国区域高分辨率无缝甲烷数据集：获得了2019-2021年每日、5公里分辨率、空间覆盖率100%的中国区域大气XCH₄数据集。与TCCON地面站验证显示，整体偏差小于1%，精度可靠。
3. 揭示了中国甲烷浓度的详细时空格局：
   • 空间上：确认了东部和南部浓度高于西部和北部的总体分布，并精准刻画了华中、四川盆地、珠三角、长三角等几个主要高值区的范围。
   • 时间上：明确了夏秋季浓度高于冬春季的季节性规律，这与主要排放源（水稻田、湿地）的活动周期相符。
4. 证明了数据集监测异常变化的能力：通过对新冠疫情封锁期的案例分析，发现人为活动受限会导致区域甲烷浓度出现可检测的下降，并在活动恢复后快速回升。这验证了该数据集在探测由特定事件（如减排政策、经济活动变化）引起的甲烷浓度异常波动方面的潜力。
5. 对比分析了节假日影响：发现全国性长假期间，甲烷浓度变化存在空间异质性。总体平均浓度可能因工业活动减少而略有下降，但在某些自然排放源主导或能源消费密集的区域，浓度可能保持稳定甚至继续上升。

这些结果层层递进：首先，模型验证的高精度是生成可靠数据集的基础；其次，高质量的数据集是进行精确时空特征分析的前提；最后，细致的时空分析和事件案例分析共同证明了该数据集在科学研究与实际应用中的巨大价值。所有结果都支撑了本研究成功填补了高分辨率、无缝甲烷浓度数据空白的核心结论。

五、 研究结论与价值

本研究成功开发了一种基于随机森林机器学习模型的方法，利用TROPOMI卫星数据、ERA5再分析数据和地形数据，重建并生成了中国区域2019-2021年每日、5公里分辨率、无缝覆盖的大气甲烷柱浓度数据集。

科学价值： 1. 方法学贡献：提供了一种有效融合多源数据（卫星观测、气象再分析、地形）以填补卫星产品数据空缺、生成高时空分辨率连续数据集的新范式。该方法不依赖于复杂的先验排放清单或大气化学机理，是一种高效的数据驱动解决方案。 2. 数据产品贡献：产出的数据集在空间覆盖率和时空分辨率上显著优于现有的单一卫星产品或排放清单模型结果，为中国区域的甲烷研究提供了一套宝贵的基准数据。 3. 认知贡献：以前所未有的细节揭示了中国甲烷浓度的空间异质性和季节动态，深化了对中国区域甲烷分布规律的理解，特别是对几个关键排放热点区域的刻画更为清晰。

应用价值： 1. 排放监测与溯源：高分辨率数据有助于识别和定位潜在的甲烷排放热点，为“自上而下”的排放量反演和验证“自下而上”的排放清单提供更准确的约束。 2. 政策评估与制定：能够监测和评估特定政策（如减排行动）、事件（如疫情封锁、节假日）或自然灾害对区域甲烷浓度的影响，为环境政策的制定和效果评估提供量化依据。 3. 气候变化研究：为更精确地评估中国区域甲烷的源汇收支、及其对全球温室气体预算的贡献提供了关键数据支撑。

六、 研究亮点

1. 高精度与高覆盖率的统一：首次在中国区域实现了每日、5公里分辨率且空间覆盖率达100%的甲烷浓度数据集的构建，在精度（与地面站偏差%）和完整性上取得了突破。
2. 创新的方法融合：巧妙地将机器学习（随机森林）与卫星遥感、气象再分析数据相结合，有效克服了传统卫星产品覆盖不全和传统模型分辨率不足的缺陷。
3. 多层次严格的验证体系：不仅采用了常规的样本交叉验证，还创新性地设计了基于空间位置的交叉验证，专门评估模型在数据填补（预测未知区域）方面的性能，使验证结论更具说服力。
4. 深入的应用示范：不仅生成了数据集，还利用其对甲烷的时空分布规律、对新冠疫情等人为干扰的响应进行了深入分析，充分展示了该数据集的科学价值和实用潜力。
5. 明确的问题导向：研究始于对现有数据缺口（TROPOMI覆盖不足）的清晰认识，最终成功解决了该问题，并产出了可直接用于后续研究的高价值数据产品。

七、 其他有价值的内容

研究在讨论部分也坦诚指出了当前方法的局限性：1) 模型是数据驱动的，其性能很大程度上依赖于输入数据（TROPOMI）的质量和分辨率，在原始数据粗糙的区域，预测细节可能不足；2) 对极端值的模拟能力有待提升；3) 验证主要依赖有限的TCCON站点，难以代表所有类型区域（如高反照率或高海拔地区）。这些为未来研究指明了改进方向，例如融入更多辅助数据（如土地利用、夜间灯光）、尝试更先进的机器学习模型（如深度学习）、以及寻求更多独立观测数据进行验证。

这项研究为区域尺度温室气体高精度监测提供了一套行之有效的技术方案和高质量的数据产品，对推动大气甲烷的科学研究、支撑中国的“双碳”战略监测与评估具有重要的意义。