高分辨率柱平均干空气 CO2摩尔分数（XCO2）数据对于表征碳源汇特征、推进碳循环研究，以及支撑碳达峰、碳中和等气候政策目标至关重要。然而，受云量和气溶胶干扰，当前卫星反演结果往往存在空间碎片化和时间不连续的问题。为弥补这些不足，本研究采用经贝叶斯优化的 XGBoost 模型（XGBoost-BO），构建了大气 XCO2浓度与多源辅助参数之间的稳健映射关系。尤为关键的是，研究引入了 SHAP（沙普利可加性解释）方法以增强模型可解释性，确保重建结果能够捕捉中国范围内具有物理意义的时空动态。重建后的 XCO₂数据集与 OCO-2 卫星观测具有高度一致性，决定系数（R2）达 0.98，均方根误差（RMSE）为 0.58 ppm，平均绝对百分比误差（MAPE）为 0.07%。经中国地区地面 TCCON 观测进一步验证，模型可靠性得到确认：合肥站 R2 为 0.92（RMSE = 1.16 ppm，MAPE = 0.2%），香河站 R2 为 0.70（RMSE = 2.00 ppm，MAPE = 0.4%）。
内容详见数据关联论文。
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.ncdc.atmosphere.db7467.2026
10.12072/ncdc.atmosphere.db7467.2026
