基于夜间灯光数据的广东省能源消耗碳排放估计与时空分布分析

发布时间：2020-10-16 23:18

　　 中国经济在高速发展的过程当中,由于工业生产和人口活动造成了化石能源的大量消耗,与之伴随的是二氧化碳的巨大排放。现今,中国已经跃居成为世界上最大的碳排放国家。近几年,虽然我国碳排放的增长趋势有所放缓,但是由于我国拥有着庞大的能源消耗基数,每年仍要向大气中排放大量二氧化碳。面对环境恶化的严峻形势,我国正承担着巨大的节能减排责任。获取准确的碳排放分布数据,是开展精准减排工作的前提与重点。目前我国能源消耗碳排放量数据主要是通过统计年鉴当中化石能源消耗总量计算而来。但是由于国家级、省级和地市级统计数据口径的不一致,以及大量地市及以下行政尺度统计数据的缺失,造成目前我国大部分碳排放研究工作只能针对省级区域和部分发达城市开展。由美国国防部气象卫星计划(Defence Meteorological Satellite Program,DMSP)搭载的(Operational Linescan System,OLS)传感器能够对地探测来自城市、乡镇、工业场所、油气燃烧、以及诸如火灾和闪电照明云等短暂事件的亮光,因此DMSP/OLS夜间灯光遥感数据能够客观真实的反映人类活动情况。国内外大量学者的研究表明,夜间灯光量与能源消耗碳排放量之间存在着很强的相关关系。本文旨在利用遗传神经网络构建夜间灯光数据与能源消耗碳排放量之间的关系模型,从而借助灯光数据更为客观准确估计地区的能源消耗碳排放量,为我国能源碳排放研究工作提供数据参考。本文针对灯光数据的预处理、能源消耗碳排放数据计算、能源消耗碳排放时空分布分析以及灯光-碳排放模型构建等方面完成了如下研究。(1)本文采用Elvidge等人2009年提出的互校正方法,对我国1992~2013年F10、F12、F14、F15、F16和F18传感器获取的34幅年度灯光影像进行同年度多传感器影像融合以及多年间影像互校正工作,计算得到各传感器获取的灯光影像与2006年F16卫星获取影像之间的转换系数。(2)利用2004~2013年广东省21个地级市的统计年鉴数据,计算得到了十年间广东省各地市能源消耗二氧化碳的排放量。通过时间趋势分析,发现珠三角地区大部分城市碳排放增长速率处于整体放缓的趋势。通过计算全局Moran’s I指数,对广东省能源消耗碳排放的空间自相关情况进行分析,发现广东省能源消耗碳排放在整体上属于高值聚集。通过计算局部Moran’s I指数,分析广东省各地级市的碳排放空间自相关关系。发现广州、东莞和深圳表现为碳排放的空间高值聚集,惠州和佛山两个城市的碳排放空间聚类特征在十年间由高值包含低值异常变成了高值聚集,而清远市则由碳排放的空间低值聚集变成了没有明显的聚类特征。总体而言,珠三角地区为广东省能源消耗碳排放的高值聚集区,这也与广东省常住人口和GDP总量空间分布特征相一致。此外通过对广东省各地市的校正灯光影像进行空间自相关分析,发现从空间相关性角度而言,广东省分市夜间灯光量与能源消耗碳排放量在聚类特征上表现很强的相似性。(3)利用遗传神经网络构建灯光-能源消耗碳排放估计模型,并对广东省各地级市的能源消耗碳排放量进行计算。实验结果证明,利用该模型对2013年广东省21个地市的能源消耗碳排放量进行估计,得到大部分地市的能源碳排放估计值相对误差在30%以内,估计值平均相对误差为18.14%。相比之下,利用地区灯光量、常住人口和地区第三产业生产总值构建的化石能源消耗碳排放多元回归模型的外推值平均相对误差33.43%。可以看出遗传神经网络模型对于广东省地市级的能源消耗碳排放量有着更为准确的估计精度。不仅如此,利用分省校正灯光数据与统计数据共同训练的遗传神经网络对我国除港、澳、台、藏之外的30个省级行政单位2013年的能源消耗碳排放量进行估计,得到估计值的平均相对误差为20.57%。而对于2007~2013年广州市区与县级市的能源碳排放量估计,遗传神经网络估计值的平均相对误差为2.58%。可以发现,利用遗传神经网络对于省级和区县级的能源消耗碳排放量估计也有着很好的效果,这为我国各级行政单位的能源消耗碳排放研究提供了一定的数据支持和参考。
【学位单位】：成都理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P237
【部分图文】：

′~117°20′。广东省北接湖南、江西，南邻南海，西与广西相连，珠的深圳、珠海两市分别与香港、澳门特别行政区接壤，雷州半岛隔南相望。大陆岸线长度位居中国首位，长达 3368.1km1。广东省处于亚欧大陆板块与太平洋板块的交界处，受到板块运动断裂构造以及外力作用的综合影响，致使广东省的地貌复杂多样广东省山地、丘陵面积占全省面积的 56.6%，台地面积占 14.2 21.7%，河流湖泊面积占 5.5%。广东省北部多山地丘陵，南部多体地势北高南低。全省的山脉大致与地质构造的走向一致，以北居多。构成各种地貌的基岩以花岗岩最为普遍，砂岩和变质岩也有大片的石灰岩分布，沿海地区多为第四季沉积岩，是构成耕地的小丹，2013）。省按照区域可以划分为珠三角、粤北、粤东和粤西地区。其中括有广州、深圳、珠海、佛山、东莞、中山、肇庆、惠州和江门括有汕头、潮州、揭阳、汕尾、梅州和河源市，粤西地区包括有名和阳江市，粤北地区包扩了韶关和清远市。

（3）年内融和因为 DMSP/OLS 影像是由多个卫星传感器获取得到的，同一年可能有两个不同传感器卫星所获取的数据，因此需要对数据进行融合处理。进行融合处理的过程如下：对比两幅影像，若两幅影像相同位置只有获取时间靠前的影像具有亮度信息，那么这类像元称为不稳定像元，需要赋予零值。若两幅影像相同位置都有亮度信息，我们取两幅影像的灰度平均值作为该像元的亮度值。（4）DMSP/OLS 影像间连续性校正不同年份的影像和同一年份不同传感器所获取的影像，在进行影像互校正和年内融合过后仍然可能存在某个像元在较早的影像中存在着亮度信息，在之后的影像之中消失，这类像元我们称之为年际间不稳定像元，而其余像元则认定为稳定像元。影像间的连续性校正是指将年际间不稳定像元的 DN 值用 0 值替代，而稳定像元的值要确保前一期影像的 DN 值小于后一期影像的 DN 值。本文采用MATLAB R2014a 编译平台，完成了研究区 DMSP/OLS 灯光影像的互校正工作。

1 广东省能源消耗碳排放全局 Moran’s I 指数计算利用Arcgis 10.3软件空间统计工具中的SpatialAutocorrelatio（nM对 2004 年、2008 年和 2013 年广东省能源消耗碳排放量的全局 M行计算，计算结果如图 3-1、图 3-2 和图 3-3 所示。
【参考文献】

相关期刊论文 前10条

1 李德仁;李熙;;夜光遥感技术在评估经济社会发展中的应用——兼论其对“一带一路”建设质量的保障[J];宏观质量研究;2015年04期

2 曹子阳;吴志峰;匡耀求;黄宁生;;DMSP/OLS夜间灯光影像中国区域的校正及应用[J];地球信息科学学报;2015年09期

3 田中华;杨泽亮;蔡睿贤;;广东省能源消费碳排放分析及碳排放强度影响因素研究[J];中国环境科学;2015年06期

4 刘永伟;闫庆武;;基于SLM模型的中国碳排放格网化空间分布模拟[J];地理与地理信息科学;2015年03期

5 佟昕;陈凯;李刚;;中国碳排放影响因素分析和趋势预测——基于STIRPAT和GM(1,1)模型的实证研究[J];东北大学学报(自然科学版);2015年02期

6 朱丹;董有福;;利用局部Moran’s I指数进行DEM地形简化[J];武汉大学学报(信息科学版);2015年02期

7 胡艳兴;潘竟虎;王怡睿;;基于ESDA-GWR的1997—2012年中国省域能源消费碳排放时空演变特征[J];环境科学学报;2015年06期

8 王媛;贾皎皎;赵鹏;程曦;孙韬;;LMDI方法分析结构效应对天津市碳排放的影响及对策[J];天津大学学报(社会科学版);2014年06期

9 邹进贵;陈艳华;田径;王涛;;基于ArcGIS的DMSP/OLS夜间灯光影像校正模型的构建[J];测绘地理信息;2014年04期

10 盖美;曹桂艳;田成诗;柯丽娜;;辽宁沿海经济带能源消费碳排放与区域经济增长脱钩分析[J];资源科学;2014年06期

相关博士学位论文 前3条

1 曹子阳;基于夜间灯光影像的GDP空间分布模拟研究及其与PM_(2.5)浓度的相关分析[D];中国科学院研究生院(广州地球化学研究所);2016年

2 苏泳娴;基于DMSP/OLS夜间灯光数据的中国能源消费碳排放研究[D];中国科学院研究生院(广州地球化学研究所);2015年

3 贺红兵;我国碳排放影响因素分析[D];华中科技大学;2012年

相关硕士学位论文 前6条

1 李倩;中国高耗能行业碳排放分解分析与预测[D];天津大学;2016年

2 王鹏;陕西省碳排放影响因素分解及碳排放预测[D];西北大学;2014年

3 韩小慧;稳健多元线性回归在地理数据处理中的应用[D];太原理工大学;2012年

4 董文;江苏省能源消费碳排放时序演变及驱动因素研究[D];南京师范大学;2012年

5 郑敏;基于土地利用/覆被差异的生态补偿[D];广州大学;2010年

6 孙丽萍;国际排放贸易的发展趋势及其对中国经济的影响效应分析[D];中国海洋大学;2009年

本文编号：2843914