南非CO2排放量卫星观测预测数据集-2019-2022
数据来源：互联网公开数据
标签：CO2排放,卫星观测,机器学习,大气污染,南非,Sentinel-5P,环境科学,预测模型
数据概述：
本数据集旨在用于构建机器学习和深度学习模型，以预测CO2排放量。数据集基于来自欧洲空间局（ESA）Sentinel-5P卫星的公开CO2排放数据，并结合地面真实CO2排放数据进行建模。数据集覆盖了2019年1月至2022年11月期间，南非约800个地点（分布在农田、城市和发电厂附近）的CO2排放相关信息。训练集包含361个地点，测试集包含137个地点，测试集选取自与训练集不同的省份，以确保模型具有更强的泛化能力。
数据主要包括7个关键特征，这些特征是从Sentinel-5P卫星每周提取的，涵盖了多种大气污染物，如二氧化硫、一氧化碳、二氧化氮、甲醛、紫外线气溶胶指数、臭氧和云层覆盖。每个特征包含多个子特征，如垂直柱密度，通过DOAS技术计算得出。
Sentinel-5P数据来源于谷歌地球引擎（Google Earth Engine），数据涵盖了不同大气污染物在空间和时间上的变化，为CO2排放预测提供了丰富的输入信息。
数据用途概述：
该数据集适用于大气CO2排放预测模型的开发和评估。研究人员可以利用此数据构建和训练机器学习模型，以预测南非地区的CO2排放量，并探索不同大气污染物对CO2排放的影响。该数据集也可用于环境科学研究，例如分析大气污染物的时空分布，评估环境政策的效果，以及支持气候变化研究。此外，该数据集还可用于教育和培训，帮助学习者了解卫星遥感技术在环境监测中的应用，以及机器学习在环境科学领域的应用。
