利用卫星观测与可解释机器学习方法对中国大气甲烷变化的多尺度归因分析

《Journal of Environmental Management》:Multiscale attribution of atmospheric methane variability in China using satellite observations and interpretable machine learning

【字体: 大 中 小 】 时间:2026年07月02日 来源:Journal of Environmental Management 9.2

编辑推荐:

  迪维亚·辛格|栾金凯|朱洪政|阿克希特·库马尔|王宁欣|吴俊明|吉里·R·卡特尔|于志国 中国江苏省南京市210044,南京信息工程大学水文与水资源学院/水利部水文气象灾害机制与预警重点实验室 摘要 甲烷是导致近期气候变暖的主要人为温室气体之一。尽管各方一直在努力减

  迪维亚·辛格|栾金凯|朱洪政|阿克希特·库马尔|王宁欣|吴俊明|吉里·R·卡特尔|于志国
中国江苏省南京市210044,南京信息工程大学水文与水资源学院/水利部水文气象灾害机制与预警重点实验室

摘要
甲烷是导致近期气候变暖的主要人为温室气体之一。尽管各方一直在努力减缓其排放,21世纪以来大气中的甲烷浓度仍在持续上升。要理解环境因素如何在不同时间和空间尺度上影响甲烷含量仍是一项挑战。在中国,多种相互叠加的排放源使得这种调控更加复杂,需要基于不同尺度的分析框架。因此,现有的减缓策略效果有限。本研究构建了一个综合的多尺度分析框架,用于研究中国境内大气甲烷的季节性和区域性变化。利用2019年至2025年的Sentinel-5P/TROPOMI观测数据,该研究评估了影响甲烷的主要环境因素。我们通过地面实测数据对卫星反演结果进行了验证,并采用了包含地理加权回归、灰色关联分析和集成机器学习的多模型框架,以解析各种驱动因素对甲烷变化的影响。研究结果表明,甲烷浓度存在明显的季节性变化,在大多数地区,温度是主导控制因素,尤其是在夏季,这一现象与微生物产甲烷过程的热敏感性一致。植被生产力和降水量则具有次要的、随季节变化的效应,而在冬季,水文因素的作用更为显著。集成机器学习分析独立验证了灰色关联分析所确定的驱动因素重要性等级,表明这些关系在不同算法架构下都具有数学上的稳定性。通过解析季节性和区域尺度上非线性的、依赖尺度的甲烷与环境相互作用,本研究提供了一种高分辨率、以数据为驱动的归因方法,为针对不同季节和区域的甲烷管理提供依据,同时强调在具体设施层面的减排决策还需进行本地验证。

引言
甲烷(CH4)是气候变化的重要驱动因素,其人为排放量在全球变暖中的作用仅次于二氧化碳,位居第二。与工业化前水平相比,21世纪大气中的甲烷浓度已上升约160%,并且仍在快速升高,已超过历史平均水平(Canadell等人,2021;Skeie等人,2023)。由于甲烷的辐射效率高且在大气中的停留时间较短,其在20年时间尺度上的全球变暖潜力是二氧化碳的80倍,因此在短期气候强迫中起主导作用(Jackson等人,2024;Saunois等人,2025)。中国贡献了全球16%以上的甲烷排放量,这些排放源自煤炭开采、农业活动、废物处理和能源生产等人为活动,以及一些自然源(Kirschke等人,2013)。多种排放途径使得排放核算和建模变得复杂,进而加剧了诸如严重干旱和洪水等与气候相关的风险。最新的卫星和实地观测数据显示,大气甲烷浓度持续上升,2020年至2023年间全球增长率约为14±4 ppb/年,2023年甚至达到了前所未有的水平(Jackson等人,2024)。这些趋势凸显出在量化甲烷排放及理解环境调控机制方面,需要采用稳健且能考虑尺度差异的数值方法,这对于评估气候影响、规划减缓策略以及设计有效政策至关重要(Erland等人,2022;O'Connor,2024)。在实施针对甲烷排放的环境法规和政策时,湿地和泥炭地因其对全球甲烷生成的巨大贡献而被视为关键生态系统。温度、降水量和植被活动是影响不同地理和时间尺度上沼泽地甲烷生成与氧化的关键因素。温度会显著影响微生物的新陈代谢和氧化还原电位。在夏季,较高的生长积温、较长的淹水时间以及根系分泌物为产甲烷菌提供了碳源,从而加速甲烷生成过程(R??ger等人,2022a;R??ger等人,2022b;Q. Zhang等人,2025)。在北方和温带湿地,夏季的升温有助于土壤解冻和微生物活动,而冬季的冻结则会抑制厌氧分解并促进甲烷氧化。在热带地区,稳定的温度有利于甲烷生成,但排放强度会随季风带来的水文条件而变化(Tian等人,2024)。降水量通过改变土壤湿度和氧气含量来调节甲烷通量。洪水会扩大厌氧区域并引发甲烷脉冲式排放,而干旱则会降低地下水位并增加甲烷氧化程度(Q. Zhang等人,2025)。在中国亚高山地区的泥炭地,温度和湿度的季节性变化导致在温暖潮湿的夏季甲烷排放量达到峰值,而在寒冷的冬季则几乎无排放(Tian等人,2024)。植被活动通过影响氧气的输送和碳元素的输入来影响甲烷的交换。具有通气组织的植物有助于甲烷氧化,而根系沉积物和枯落物则为产甲烷菌提供了生长基质。夏季的光合作用会增加碳源输入,而冬季则会导致碳供应减少以及微生物呼吸作用减弱(Li等人,2022;Yang等人,2024)。植被组成,如北方泥炭地中的莎草类植物和热带沼泽地中的大型水生植物,会显著影响甲烷排放的地理差异。这些通量表明,在不同的纬度、季节和生态系统中,温度、水文和生物因素之间存在非线性相互作用。目前,甲烷排放量的估算方法主要有自下而上的清单法,即结合活动数据与本地排放因子,以及自上而下的大气反演法,即利用卫星观测数据(Janssens-Maenhout等人,2019;Kumar等人,2023)。虽然这两种方法对于行业评估和情景分析很有价值,但往往受到活动数据不完整、空间覆盖不足以及静态排放因子无法反映温度变化和湿地物候等环境因素带来的非线性动态响应的限制(Peng等人,2022;Zhu等人,2025)。相比之下,自上而下的方法利用Sentinel-5P TROPOMI、GOSAT等卫星观测数据以及反演模型,直接根据大气中的甲烷浓度估算排放量(Cusworth等人,2021;Erland等人,2022)。这类方法的优势在于能够实现大范围的空间覆盖和近乎实时的监测,有助于发现此前未被报道的排放源,进而完善区域和全球的甲烷收支估算(Maasakkers等人,2019;Qu等人,2021)。不过,较低的空间分辨率以及与气溶胶和云层覆盖相关的反演不确定性也可能限制自上而下方法的精度(Balasus等人,2023)。自下而上与自上而下方法之间的这些差异,给全球甲烷排放量的估算带来了较大不确定性(Balasus等人,2023;Cusworth等人,2021;Zhu等人,2025)。本研究将这两种方法相结合,通过大规模统计归因方法,分析非线性气候变量对关键自然区域背景甲烷变化的影响。尽管目前的混合框架试图整合自下而上和自上而下的数据,但一个根本问题仍未得到解决:大多数现有方法在粗略的时空尺度上使用线性技术来分析甲烷的变化规律(Yu等人,2021),而这类方法无法捕捉甲烷排放与环境控制因素之间非线性、依赖尺度且空间分布不均的相互作用(Sturtevant等人,2016),这不利于制定针对性强且有效的气候变化减缓策略。因此,越来越需要那些能够充分考虑非线性、地理异质性以及湿地中甲烷生成和动态过程的尺度依赖性的分析框架。例如,灰色关联分析是一种无需假设线性关系的非参数方法,可用于评估环境因素的重要性,非常适合用于分析复杂的生态环境(Kuo等人,2008)。将该方法与随机森林和XGBoost等集成机器学习算法结合使用,可以捕捉变量之间的非线性相互作用,并在不同独立数据集中验证这些关系(Cha等人,2021)。本研究将多尺度卫星观测数据、时空统计分析、灰色关联分析以及集成机器学习方法相结合,用于分析影响中国各地甲烷波动的环境因素。不过,这些方法并非作为单一的顺序流程使用,而是分别用于解答不同的问题:甲烷何时发生变化、各驱动因素之间的关系在何处发生改变、每个驱动因素与甲烷变化的关联程度如何,以及预测模型中是否会出现相似的驱动因素排序。研究的目的是识别影响甲烷变化的主要因素,衡量其季节性和区域性差异,并提供一种以数据为驱动的、基于过程理解的归因方法。这种方法通过将大规模的排放清单与详细的环境控制因素相结合,有助于更深入地理解甲烷排放的模式,从而为制定更为准确、有依据的气候减缓计划提供支持。

数据获取与协调
大气甲烷柱浓度XCH4的数据来自分辨率为7公里×5.5公里的Sentinel-5P TROPOMI卫星观测(Hancock等人,2025)。植被活动状况则通过分辨率为250米、时间更新频率为16天的MODIS MOD13Q1 V6.1植被指数来表示(Ghimire等人,2025),而近地表温度和降水量数据则来源于分辨率为9公里的ERA5-Land月度再分析产品(Mu?oz-Sabater等人,2021)。卫星反演得到的甲烷浓度数据还通过实地测量数据进行了验证。

数据验证与可靠性评估
Pearson相关系数r=0.89,R2=0.79,表明Sentinel-5P TROPOMI卫星反演得到的甲烷柱浓度数据与瓦里关站的地面观测数据之间存在很强的相关性,验证结果可靠(见图2)。7.88 ppb的均方根误差表明数据分散度较低,说明Sentinel-5P卫星能够准确捕捉该背景站点大气甲烷的浓度大小及其时间变化规律。这一结果为卫星数据的准确性提供了保障。

讨论
2019年至2025年间,中国的甲烷浓度呈现明显的上升趋势和显著的季节性变化,这说明甲烷浓度受特定的时间规律调控,而非均匀的年度变化模式。季节性变化幅度存在不对称性,夏季浓度明显上升,冬季则有所下降(见图4)。季节性变化也反映了不同驱动因素的重要性变化。在夏季,甲烷浓度与温度呈强烈的正相关关系,这反映出在温暖条件下甲烷生成代谢活动更为活跃(R??ger)。

结论
本研究构建了一个多尺度分析框架,结合卫星观测数据、空间回归分析以及可解释的机器学习方法,用于分析中国境内甲烷浓度的变化规律。研究结果表明,温度是起主导作用的第一阶控制因素,而植被和降水量则是次要的、随季节变化的驱动因素。甲烷的动态变化具有非线性、空间非平稳性以及依赖尺度特性,因此统一的全国性归因方案并不适用。通过季节性和区域性分析……

资金来源
本研究得到了中国国家自然科学基金(项目编号32471702和41877337)以及水利部水文气象灾害机制与预警重点实验室开放研究基金(资助编号HYMED2024012)的支持。

作者贡献声明
迪维亚·辛格:概念构思、数据整理、正式分析、研究实施、方法设计、软件应用、结果验证、可视化处理、初稿撰写。栾金凯:概念构思、软件应用、研究指导、论文审阅与编辑。朱洪政:软件应用、结果可视化、论文审阅与编辑。阿克希特·库马尔:软件应用、结果验证、结果可视化。王宁欣:研究指导、论文审阅与编辑。吴俊明:软件应用、结果可视化、论文审阅与编辑。吉里·R·卡特尔:……

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号