中国三大城市群能源碳排放时空格局及影响因素研究

发布时间：2023-10-21 13:43

　　中国是目前最大的能源消费国和CO₂排放国,现阶段中国仍处于快速工业化和城镇化阶段,碳排放总量较大且增速较快,因此中国面临巨大的减排压力。中国在2020年9月22日举办的第七十五届联合国大会上提出将CO₂排放力争于2030年前达到峰值,努力争取在2060年前实现碳中和。在减排的目标驱动下,需从更小的尺度上对碳排放的空间分布进行研究。传统能源消费碳排放的估算大多利用国家及地方统计局的统计数据,存在获取时间滞后性、人为影响较大、缺乏精细尺度上的空间分布动态等缺陷。因此,结合夜间灯光数据估算多个尺度尤其是精细尺度下区域能源碳排放,有助于为制定差异化的节能减排目标提供参考。京津冀、长三角和珠三角三个城市群作为经济发展和能源消耗的重点区域,深入分析三大城市群碳排放的时空分布特征和影响因素,有助于为实现低碳发展和产业结构优化提供可靠的数据支撑。本文基于2014-2019年三个城市群的能源消费统计数据,利用遗传神经网络构建能源消费碳排放量的拟合模型,借助夜间灯光数据实现了市、县及精细尺度上的能源消耗碳排放量的估算。在此基础上,使用线性倾向估计法、空间自相关模...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
浙江师范大学硕士学位论文答辩委员会决议书
摘要
ABSTRACT
1 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究进展
        1.2.1 能源消费碳排放研究进展
        1.2.2 基于夜间灯光数据的研究进展
        1.2.3 能源碳排放研究的不足及展望
    1.3 研究目标与研究内容
        1.3.1 研究目标
        1.3.2 研究内容
        1.3.3 技术路线
    1.4 创新点
2 研究区域与研究方法
    2.1 研究区域概况
        2.1.1 京津冀城市群
        2.1.2 长三角城市群
        2.1.3 珠三角城市群
    2.2 研究数据来源
        2.2.1 夜间灯光数据
        2.2.2 其他数据
    2.3 研究方法
        2.3.1 NPP/VIIRS夜间灯光数据预处理方法
        2.3.2 基于统计数据的能源碳排放
        2.3.3 线性倾向估计法
        2.3.4 Morans’I指数法
        2.3.5 核密度分析法
        2.3.6 能源碳排放强度估算方法
        2.3.7 影响因素研究方法
3 基于遗传神经网络模型的中国三大城市群能源碳排放模型构建
    3.1 遗传神经网络原理
        3.1.1 神经网络原理
        3.1.2 基于遗传算法改进的神经网络
    3.2 基于遗传神经网络模型的能源碳排放拟合模型构建
    3.3 碳排放估算精度检验
4 中国三大城市群能源消费碳排放时空格局
    4.1 市县级能源碳排放的时空格局演变分析
        4.1.1 市县级能源碳排放分布格局
        4.1.2 市县级能源碳排放分布的变化趋势
        4.1.3 市县级能源碳排放分布的集聚格局
        4.1.4 市级能源碳排放强度分布格局
    4.2 精细尺度下能源碳排放的时空格局演变分析
        4.2.1 精细尺度下能源碳排放分布格局
        4.2.2 精细尺度下能源碳排放分布的变化趋势
        4.2.3 城市内部能源碳排放分布格局
5 中国三大城市群能源消费碳排放影响因素研究
    5.1 能源碳排放影响因素分析
    5.2 能源碳排放减排对策建议
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
致谢
作者简历及在学期间所取得的科研成果



本文编号：3855947