Ein hochauflösendes tägliches CO₂‑Datenset für China (2016–2020)

Warum es wichtig ist, Chinas CO₂-Fußabdruck zu verfolgen

Kohlendioxid ist das wichtigste vom Menschen verursachte Treibhausgas, das den Planeten erwärmt, und China ist inzwischen der weltweit größte Emittent. Dennoch fehlte selbst in diesem genau beobachteten Land bislang ein klares, tagesaktuelles Bild davon, wie sich Kohlenstoffverschmutzung und natürliche Kohlenstoffaufnahme über sein weites Gebiet verteilen. Dieser Artikel stellt ein neues hochauflösendes Datenset vor, das die atmosphärische CO₂-Konzentration über China für jeden einzelnen Tag von 2016 bis 2020 abbildet und so einen schärferen Blick darauf ermöglicht, wo Kohlenstoff freigesetzt wird, wo er gebunden wird und wie sich diese Muster mit den Jahreszeiten ändern.

Lücken beim Beobachten eines unsichtbaren Gases

CO₂ selbst ist unsichtbar, ebenso viele der Prozesse, die es freisetzen oder aufnehmen. Jahrelang stützten sich Wissenschaftler auf zwei Hauptinstrumente: verstreute Bodenmessstationen, die die Luft an festen Punkten messen, und Satelliten, die die Atmosphäre aus dem All abtasten. Bodenstationen sind sehr genau, aber dünn verteilt und erfassen die Zwischenräume größtenteils nicht. Satelliten wie Nasa’s OCO‑2 liefern große räumliche Abdeckung, sehen auf jeder Umlaufbahn jedoch nur schmale Streifen der Erde und werden oft durch Wolken und Dunst verdeckt. Infolgedessen sind rohe Satellitenkarten von CO₂ räumlich und zeitlich lückenhaft, was ihre Nützlichkeit zur Verfolgung regionaler Emissionen oder zur Überprüfung von Klimamaßnahmen einschränkt.

Viele Hinweise zu einem klaren Bild verschmelzen

Um diese Lücken zu schließen, entwickelten die Forschenden eine Methode, die lernt, wie sich CO₂ verhält, indem sie Satellitenmessungen mit einer breiten Palette weiterer Informationen kombiniert. Ausgangspunkt waren die präzisen, aber fragmentierten CO₂‑Messungen von OCO‑2, die auf einem feinen Gitter über China mit rund 10‑Kilometer‑Abstand ausgerichtet wurden. Auf dieses Gitter legten sie Daten zu Wetter, Temperatur, Luftfeuchte, Sonneneinstrahlung, Bodenfeuchte, Vegetationsgesundheit, fossilen Emissionen, nächtlichen Lichtern (als Proxy für wirtschaftliche Aktivität) und Feueremissionen sowie weitere satellitengestützte CO₂‑Produkte und globale Reanalysefelder. Ein leistungsfähiger Machine‑Learning‑Algorithmus namens XGBoost wurde daraufhin darauf trainiert, CO₂ überall und täglich aus diesen kombinierten Hinweisen vorherzusagen und so effektiv zu lernen, wie verschiedene Bedingungen und Aktivitäten sich in der Luft darüber zeigen.

Intelligenteres Training für ein komplexes Modell

Moderne Machine‑Learning‑Modelle können sehr subtile Muster erfassen, sind aber berüchtigt dafür, empfindlich auf ihre internen Einstellungen zu reagieren. Statt diese Einstellungen manuell zu justieren, nutzte das Team eine aus der Statistik übernommene Strategie namens Bayesianische Optimierung. Dieser Ansatz sucht systematisch nach Kombinationen von Modellparametern, die die beste Leistung liefern, geleitet von früheren Versuchen statt zufälligen Vermutungen. Außerdem setzten sie eine neuere Technik namens SHAP ein, die es erlaubt, jede Modellvorhersage in Beiträge einzelner Faktoren wie fossile Emissionen, Vegetation oder Luftfeuchte aufzuschlüsseln. Diese zusätzliche Transparenz hilft sicherzustellen, dass das Modell reales physikalisches Verhalten widerspiegelt – etwa dass grünere Regionen tendenziell mehr CO₂ aus der Luft aufnehmen – und nicht auf scheinbaren Mustern beruht, die in den Daten versteckt sind.

Was die neuen Karten aufdecken

Das resultierende Datenset liefert lückenlose tägliche Karten der säulenmittelwertigen CO₂‑Konzentration über China für den Zeitraum 2016 bis 2020. Im Vergleich mit zurückgehaltenen OCO‑2‑Beobachtungen stimmen die rekonstruierten Werte sehr gut überein: Sie erklären etwa 98 % der beobachteten Variation und weichen im Mittel deutlich unter 1 Teil pro Million ab. Unabhängige Prüfungen an hochpräzisen Bodenstationen in Hefei und Xianghe bestätigen, dass das neue Produkt mindestens so zuverlässig ist wie und oft besser als etablierte globale Reanalyse‑Datensätze. Die Karten zeigen ein klares Muster mit höheren CO₂‑Werten über den industriellen Regionen im Osten und dicht besiedelten Ballungsräumen sowie niedrigeren Werten über Hochplateaus und großen Waldgebieten. Sie erfassen auch starke saisonale Schwankungen: CO₂ steigt im Winter, wenn Heiz‑ und Strombedarf zunehmen und das Pflanzenwachstum zurückgeht, und fällt im Sommer, wenn die Vegetation ihren Höhepunkt erreicht.

Wie das den Klimaschutz unterstützt

Für Nicht‑Spezialisten lautet die Kernbotschaft: Wir haben jetzt eine deutlich schärfere und kontinuierlichere Sicht auf CO₂ über China – Tag für Tag, Region für Region. Dieses Datenset misst nicht direkt Fabrik‑ oder Stadt‑Emissionen, verbessert jedoch unsere Fähigkeit erheblich, ihre Signaturen in der Atmosphäre zu erkennen, sie von natürlichen Schwankungen zu trennen und zu prüfen, ob Maßnahmen zur Emissionsminderung messbare Wirkung zeigen. Praktisch können diese hochauflösenden Karten Wissenschaftlern helfen, Schätzungen von Kohlenstoffquellen und -senken zu verfeinern, politischen Entscheidungsträgern bei der Verfolgung von Chinas Zielen zum Emissionsgipfel und zur Klimaneutralität Orientierung bieten und Industrie sowie Städten bei der Planung saubererer, klimafreundlicherer Zukunftsszenarien dienen.

Zitation: Yuan, Z., Liu, Y., Yang, A. et al. A high-resolution daily CO₂ dataset for China (2016–2020). Sci Data 13, 249 (2026). https://doi.org/10.1038/s41597-026-06569-w

Schlüsselwörter: Kohlendioxid, Satellitendaten, Chinas Emissionen, Machine Learning, Klimabeobachtung