Zestaw danych CO₂ o wysokiej rozdzielczości dla Chin (2016–2020)

Dlaczego warto śledzić ślad węglowy Chin

Dwutlenek węgla jest głównym gazem pochodzenia ludzkiego ocieplającym planetę, a Chiny są obecnie jej największym emitentem. Nawet w tym uważnie obserwowanym kraju brakowało jednak jasnego, codziennego obrazu tego, jak emisje węgla i naturalne pochłanianie zmieniają się na jego rozległym terytorium. Ten artykuł przedstawia nowy zestaw danych o wysokiej rozdzielczości, który mapuje stężenie CO₂ nad Chinami każdego dnia w latach 2016–2020, oferując ostrzejsze narzędzie do ustalenia, skąd pochodzi węgiel, gdzie jest pochłaniany i jak te wzory zmieniają się sezonowo.

Luki w obserwacji niewidocznego gazu

Sam CO₂ jest niewidoczny, podobnie jak wiele procesów, które go uwalniają lub pochłaniają. Przez lata naukowcy polegali na dwóch głównych narzędziach: rozproszonych stacjach naziemnych mierzących powietrze w stałych punktach oraz satelitach obserwujących atmosferę z kosmosu. Stacje naziemne są bardzo dokładne, ale rzadkie, przez co nie obejmują większości obszaru między punktami pomiarowymi. Satelity, takie jak OCO‑2 NASA, zapewniają szeroki zasięg, ale każda orbita rejestruje tylko wąskie pasy Ziemi i często są zasłaniane przez chmury i mgłę. W rezultacie surowe mapy CO₂ ze satelitów mają liczne luki w przestrzeni i czasie, co ogranicza ich użyteczność do śledzenia emisji regionalnych czy weryfikacji polityk klimatycznych.

Łączenie wielu wskazówek w jeden klarowny obraz

Aby wypełnić te luki, badacze opracowali metodę uczącą się zachowania CO₂ przez łączenie pomiarów satelitarnych z szerokim zestawem innych informacji. Wyszli od precyzyjnych, choć fragmentarycznych, pomiarów CO₂ z OCO‑2 i odwzorowali je na drobnej siatce obejmującej Chiny o~ok. 10‑kilometrowym rozstawie. Na tej siatce nałożyli dane o pogodzie, temperaturze, wilgotności, nasłonecznieniu, wilgotności gleby, kondycji roślinności, emisjach z paliw kopalnych, świetle nocnym (jako wskaźniku aktywności gospodarczej) oraz emisjach pożarowych, a także inne produkty satelitarne CO₂ i globalne pola reanaliz. Potężny algorytm uczenia maszynowego XGBoost został następnie wytrenowany, aby przewidywać CO₂ wszędzie i każdego dnia na podstawie tych połączonych wskazówek, skutecznie ucząc się, jak różne warunki i działania zostawiają ślad w powietrzu nad nimi.

Mądrzejsze trenowanie złożonego modelu

Nowoczesne modele uczenia maszynowego potrafią wychwycić bardzo subtelne wzory, ale są znane z dużej wrażliwości na ustawienia wewnętrzne. Zamiast ręcznie stroić te ustawienia, zespół zastosował strategię zapożyczoną ze statystyki, zwaną optymalizacją bayesowską. Podejście to systematycznie poszukuje kombinacji parametrów modelu dających najlepsze wyniki, kierując się historią prób zamiast losowymi zgadywankami. Wykorzystali też niedawną technikę o nazwie SHAP, która pozwala rozłożyć każdą prognozę modelu na wkłady poszczególnych czynników, takich jak emisje z paliw kopalnych, roślinność czy wilgotność. Ta dodatkowa przejrzystość pomaga upewnić się, że model odzwierciedla rzeczywiste zachowania fizyczne — na przykład że zielone obszary zwykle pochłaniają więcej CO₂ z powietrza — zamiast przypadkowych wzorców ukrytych w danych.

Co ujawniają nowe mapy

Otrzymany zestaw danych dostarcza bezszwowe, codzienne mapy uśrednionego słupkowo stężenia CO₂ nad Chinami w latach 2016–2020. W porównaniu z wyłączonymi z treningu obserwacjami OCO‑2 odwzorowane wartości zgadzają się wyjątkowo dobrze, wyjaśniając około 98% zaobserwowanej zmienności i różniąc się średnio o znacznie mniej niż 1 część na milion. Niezależne weryfikacje z wysokoprecyzyjnych stacji naziemnych w Hefei i Xianghe potwierdzają, że nowy produkt jest co najmniej tak samo wiarygodny, a często lepszy od ustalonych globalnych zestawów reanaliz. Mapy ukazują wyraźny wzór wyższych stężeń CO₂ nad wschodnimi regionami uprzemysłowionymi i gęsto zaludnionymi skupiskami miejskimi oraz niższe wartości nad wysokimi płaskowyżami i dużymi obszarami leśnymi. Rejestrują też silne wahania sezonowe: CO₂ rośnie zimą, gdy wzrasta zapotrzebowanie na ogrzewanie i energię, a wzrost roślinności zwalnia, i spada latem, gdy roślinność osiąga szczyt.

Jak to pomaga działaniom na rzecz klimatu

Dla osób niebędących specjalistami kluczowy wniosek jest taki, że teraz mamy znacznie ostrzejszy i bardziej ciągły obraz CO₂ nad Chinami — dzień po dniu, region po regionie. Ten zestaw danych nie mierzy bezpośrednio emisji z fabryk czy miast, lecz znacznie poprawia naszą zdolność do dostrzegania ich odcisków w atmosferze, oddzielania ich od naturalnych wahań i sprawdzania, czy działania redukujące emisje przynoszą wymierne efekty. W praktyce mapy o wysokiej rozdzielczości mogą pomóc naukowcom doprecyzować oszacowania źródeł i pochłaniaczy węgla, wspierać decydentów w śledzeniu postępów w osiąganiu przez Chiny szczytowania emisji i neutralności węglowej oraz pomagać przemysłowi i miastom w planowaniu czystszej, bardziej przyjaznej dla klimatu przyszłości.

Cytowanie: 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

Słowa kluczowe: dwutlenek węgla, dane satelitarne, emisje w Chinach, uczenie maszynowe, monitoring klimatu