中国环境科学

作者：顾桃峰, 岳海燕, 熊梓立, 梁建平, 吴艳玲, 刘立新

单位：1. 广州市气象综合保障中心, 广东 广州 511430;2. 广州市气象台, 广东 广州 511430;3. 桂林市气象局, 广西 桂林 541000;4. 龙凤山区域大气本底站, 黑龙江 五常 150001;5. 中国气象局气象探测中心, 北京 100081

关键词：CO2,机器学习算法,数据填补,数据集,龙凤山

基金：科技部重点研发计划项目(2022YFF0606400);中国气象局创新发展专项(CXFZ2023J066);广州市气象局科研项目(M202405);中国气象局“温室气体观测关键技术研发及应用”青年创新团队(CMA2023QN13)

针对大气CO2浓度部分观测数据缺失的挑战,利用龙凤山区域大气本底站(简称龙凤山站)2009年1月～2022年6月30m(L1层)与80m(L2层)高度层的CO2浓度观测数据,评估12种主流机器学习算法在数据填补中的性能,提出以K近邻-距离加权(KNeighborsDist)算法为核心框架的优化组合机器学习方法.该方法利用同址不同高度站点均有数据记录重建了缺失数据.经对重建数据集数据测试分析验证,数据集重建效果优异(R2³0.98),充分表明使用测试数据集重建的温室气体数据与实际测量数据之间具有良好的相关性,验证了所构建模型在温室气体数据重建任务上的有效性和准确性.利用该方法成功填补了龙凤山站原始数据缺失部分,构建了逐5min连续的CO2数据集,填补后,龙凤山站数据完整率达到100%,填补方法在保留CO2长期趋势/季节/月/日变化规律上表现良好.本研究提出的AI数据重构算法可在其他本底站应用推广,并可为区域气候变化特征分析、碳排放核算评估及反演研究提供高质量数据支持.

来源：2026年第3期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2026年第3期