【数据分享】全球大气二氧化碳浓度2°x2.5°栅格模拟数据集（1992-2020）——附下载链接
全球大气二氧化碳浓度2°x2.5°栅格模拟数据集（1992-2020）是以2002-2012年全球对流层CO2浓度卫星遥感产品（AIRS，AIRx3C2M 005）为基础，对改进的CO2浓度正弦估算模型进行逐像元参数计算；在此基础上，利用基于像元的模型进行CO2浓度模拟回溯至1992，预测至2020。最后，利用站点观测数据对产品精度进行验证与分析。该数据集覆盖范围为60°S – 88°N，180°W-180°E，空间分辨率为2° x 2.5°。数据集由两部分组成：（1）1992-2020年全球逐月CO2浓度均值数据集；（2）1992-2020年全球逐年CO2浓度均值数据集。数据集以.nc格式存储，由58个数据文件组成，数据量为31.5 MB（压缩为1个文件，23.9 MB）。
Part1参考文献
[1] Hartmann, D. L., Tank, A. M. G. K., Rusticucci, M., et al. IPCC fifth assessment report, climate change 2013: The physical science basis [R]. IPCC AR5, 2013: 31-39.
[2] Callendar, G. S. The artificial production of carbon dioxide and its influence on temperature. Quarterly Journal of the Royal Meteorological Society [J], 1938, 64(275): 223-240. DOI: 10.1002/qj.49706427503.
[3] Bacastow, R. B. The effect of temperature change of the warm surface waters of the oceans on atmospheric CO2 [J]. Global Biogeochemical Cycles, 1996, 10(2): 319-333.
[4] Qianwen, M., Qiu Y. Remote sensing analysis of multi-years spatial and temporal variation of CO2 in China [J]. Remote Sensing Technology and Application, 2016, 31(2): 203-213.
[5] Bergamaschi, P., Frankenberg, C., Meirink, J. F., et al. Inverse modeling of global and regional CH4 emissions using SCIAMACHY satellite retrievals [J]. Journal of Geophysical Research: Atmospheres, 2009, 114(D22). DOI: 10.1029/2009JD012287.
[6] 石广玉, 戴铁, 徐娜. 卫星遥感探测大气CO2浓度研究最新进展[J]. 地球科学进展, 2010 (1): 7-13.
[7] Menzel, W. P., Schmit, T. J., Zhang, P., et al. Satellite-based atmospheric infrared sounder development and applications [J]. Bulletin of the American Meteorological Society, 2018, 99(3): 583-603. DOI:10.1175/BAMS-D-16-0293.1.
[8] Machida, T., Matsueda, H., Sawa, Y., et al. Worldwide measurements of atmospheric CO2 and other trace gas species using commercial airlines [J]. Journal of Atmospheric and Oceanic Technology, 2008, 25(10): 1744-1754. DOI: 10.1175/2008JTECHA1082.1.
[9] 刘毅, 吕达仁, 陈洪滨等. 卫星遥感大气CO2的技术与方法进展综述[J]. 遥感技术与应用, 2011, 26(2): 247-254.
[10] Kuze, A., Suto, H., Nakajima, M., et al. Thermal and near infrared sensor for carbon observation Fourier-transform spectrometer on the Greenhouse Gases Observing Satellite for greenhouse gases monitoring [J]. Applied optics, 2009, 48(35): 6716-6733. DOI: 10.1364/AO.48.006716.
[11] Divakarla, M. G., Barnet, C. D., Goldberg, M. D., et al. Validation of atmospheric infrared sounder temperature and water vapor retrievals with matched radiosonde measurements and forecasts [J]. Journal of Geophysical Research: Atmospheres, 2006, 111: D09S15. DOI: 10.1029/2005JD006116.
[12] 周曼蒂. 对流层CO2浓度卫星遥感反演及误差分析[D]. 华东师范大学, 2013.
[13] Fetzer, E., Mcmillin, L. M., Tobin, D., et al. AIRS/AMSU/HSB validation [J]. IEEE transactions on geoscience and remote sensing, 2003, 41(2): 418-431. DOI: 10.1109/TGRS.2002.808293.
[14] Conway, T. J., Tans, P. P., Waterman, L. S., et al. Evidence for interannual variability of the carbon cycle from the National Oceanic and Atmospheric Administration/Climate Monitoring and Diagnostics Laboratory global air sampling network [J]. Journal of Geophysical Research: Atmospheres, 1994, 99(D11): 22831-22855. DOI: 10.1029/94JD01951.
[15] Dlugokencky, E. J., Steele, L. P., Lang, P. M., et al. The growth rate and distribution of atmospheric methane [J]. Journal of Geophysical Research: Atmospheres, 1994, 99(D8): 17021-17043. DOI: 10.1029/94JD01245.
[16] Novelli, P. C., Steele, L. P., Tans, P. P. Mixing ratios of carbon monoxide in the troposphere [J]. Journal of Geophysical Research: Atmospheres, 1992, 97(D18): 20731-20750. DOI: 10.1029/92JD02010.
[17] Trolier, M., White, J. W. C., Tans, P. P., et al.. Monitoring the isotopic composition of atmospheric CO2: Measurements from the NOAA Global Air Sampling Network [J]. Journal of Geophysical Research: Atmospheres, 1996, 101(D20): 25897-25916. DOI: 10.1029/96JD02363.
方式一：转发本次数据文章到朋友圈，全部公开可见并集赞10个，保留2小时
方式二：转发50人以上微信技术交流群10分钟
两种方式任选其一
添加小编微信发送转发截图，Ai尚研修会员无需转发可直接领取！
主讲专家
陈博士：来自重点高校及科研院所一线科研人员，长期从事城市能源需求预测及可再生能源系统建模仿真工作，主要参与编写市级能源发展规划多项，发表科研论文多篇，精通能源系统模型及多种数据预测方法，具有丰富的能源需求及碳排放预测经验。
培训目标
掌握LEAP软件操作基础流程
掌握不同能源系统数据核算及能源现状评价
掌握应用多种数据处理方法以测算模型输入数据预测年内变化情况
掌握LEAP软件构建基本的能源需求及供应分析模型
掌握LEAP软件构建细化的能源需求情景分析模型
掌握LEAP软件对情景进行成本效益分析、对非能源活动的温室气体排放进行分析
掌握LEAP软件构建交通部门减排模型、构建成本最小化发电模型
掌握LEAP软件预测结果不确定分析
课程详情
本课程的特色在于以国内典型能源输入型省份、城市为例，深入浅出的介绍不同级别对象时根据数据结构构建合适的能源生产、转换、消费及碳排放预测模型，根据研究目的合理设计情景以量化不同低碳化能源发展政策效果，并采用蒙特卡洛法进行了预测结果的不确定性分析。结合软件自带例子，对关键部门及重点关注技术，如工业能源消耗、交通部门碳排放、新能源发电系统及发电成本最优化等，也进行了重点解析示范。理论与操作紧密结合有助于学员快速掌握模型使用并可灵活套用于自身研究中。
培训大纲的设置主要围绕下述体系来设计理论知识与上机操作步骤，通过逐一环节的讲解与实际操作，达到本次培训的目的，实现培训的既定目标。详情请查看：
注：请自行准备学习所需环境。
报名方式