基于卫星夜间灯光数据的中国分省碳排放时空模拟
马忠玉;肖宏伟
【摘 要】China's energy statistics'horizontal is not comparable,vertical cannot be added'problem is still outstanding,especially the provincial energy consumption statistics vary widely,brings great difficulties to the provincial carbon emissions asssment.How to u satellite remote nsing data to estimate China's provincial carbon emissions scientifically and reasonably is an urgent problem to study.This paper,bad on the stable night lighting data of different provinces in China obtained by using ries correction such as intercalibration,intra-annual composition,inter-annual ries correction to DMSP/OLS global steady night lighting data,first,constructs the geographically and temporally weighted regression model between the night DN value and the per capita carbon emission,and the carbon emission per unit area.The two models have good overall effect and the goodness of fit is 96.74％ and 99.24％ respectively.Second,it us the DN value of steady night lighting intensity to simulate the carbon emission per capita and the carbon emission per un
it area.Finally,it us the population size and land area to estimate provincial carbon emissions.The results show that:①On the whole,the annual carbon emission simulation value from 2000 to 2013 is clo to the actual value of 6 334.9 million tons,the relative error of the two models are within 0.5％.②On a year-by-year basis,the relative error of all years is within 5％,the total simulated carbon emissions value of provinces in 2006 is clost to the actual carbon emissions of 6 203.6 million tones,the absolute error and relative error are small,and the relative errors of the two models are beth 0.04％.③In the provinces,the average annual carbon emissions in 2000-2013 is very clo to the actual carbon emissions,with the exception of Hainan and Ningxia,and the remaining 28 provinces relative errors are less than 1％.④In the ca of 2013,for example,the relative errors of 40％ of the provinces are less than 2％,and the relative errors of 70％ of the provinces are less than 5％.Bad on the whole,the annual,the sub-provincial,and the sub-provincial sub-annual estimated results,the simulation results of carbon emissions in China bad on the data of stable night lighting are good.Therefore,using satellite night lighting data can estimate and forecast China's provincial carbon emissions accurately,an
d provide a supplementary way for using the satellite remote nsing image data to monitor and asssing the sub-provincial carbon emissions.%中国能源统计数据“横向不可比,纵向不可加”现象依然突出,尤其是分省能源消费统计千差万别,给分省碳排放评估带来了较大困难,如何利用卫星遥感数据科学合理地估算中国分省碳排放是当前亟须研究的问题.本文运用DMSP/OLS全球稳定夜间灯光数据,在通过相互校正、年内融合和年际间校正等系列处理得到中国分省稳定夜间灯光数据的基础上,首先分别构建中国分省稳定夜间灯光亮度DN值与人均碳排放和单位面积碳排放之间的时空地理加权回归模型,两个模型整体效果均较好,拟合优度分别高达96.74％和99.24％;其次运用稳定夜间灯光亮度DN值对分省人均碳排放和单位面积碳排放进行时空模拟;最后运用人口规模和土地面积对分省碳排放进行估算.估算结果显示:①整体来看,2000-2013年年均碳排放模拟值与实际值6.3349x109t较为接近,两个模型的相对误差均在0.5％以内.②分年度来看,所有年份的相对误差均在5％以内,2006年分省加总碳排放模拟值与实际碳排放6.2036×109t最为接近,绝对误差和相对误差均较小,两个模型模拟值的相对误差均为0.04％.③分省域来看,2000-2013年年均碳排放模拟值与实际碳排放均非常接近,除海南和宁夏外,其余28个省区市的相对误差均在1％以内.④分年度分省域来看,以2013年为例,40％省份的相对误差在2％以内,70％省份的相对误差在5％以内.
view可数吗从整体、分年度、分省域、分年度分省域的估算结果来看,基于稳定夜间灯光数据的中国分省碳排放时空模拟效果良好.因此,运用卫星夜间灯光数据可以较为准确地对中国分省碳排放进行估算和预测,为卫星遥感影像数据服务分省碳排放监测和评估提供一种补充性参考.西芹百合的家常做法
【期刊名称】生育险怎么交《中国人口·资源与环境》
【年(卷),期】2017(027)009
【总页数】8页(P143-150)
【关键词】DMSP/OLS夜间灯光数据;碳排放;时空地理加权回归;模拟
【作 者】马忠玉;肖宏伟
【作者单位】国家信息中心,北京100045;国家信息中心,北京100045
【正文语种】中 文
【中图分类】F205
孕妇装冬装
相扑选手中国政府高度重视应对气候变化问题，向全世界负责任地承诺到2030年单位GDP碳排放比2005年下降60%—65%，2030年左右碳排放达峰，同时北京、广州、镇江等部分省市承诺2020年左右达峰，四川、海南、延安等多个省市承诺2030年左右达峰，这既是中国积极应对气候变化，承担合理国际责任的决心，也是中国彰显引领全球走绿色低碳发展道路的信心。目前中国能源统计数据之间“横向不可比，纵向不可加”现象依然突出，尤其是分省能源消费总量与结构的统计千差万别，给分省碳排放评估带来了较大困难。随着中国卫星遥感技术的飞速发展，2016年12月22日中国首颗碳卫星成功发射，卫星影像数据将不断丰富，如何利用卫星遥感数据科学合理地估算中国分省碳排放，进而根据分省碳排放时空变化特征有针对性地制定省域碳减排政策，成为卫星遥感大数据时代下亟须研究的重大课题。美国军事气象卫星DMSP搭载的OLS传感器获取的全球夜间灯光数据，是监测人类活动强度的理想数据源，而碳排放与人类生产生活密切相关，因此可以运用DMSP/OLS全球夜间灯光数据对碳排放进行有效估算。本文综合运用全球夜间灯光数据和CO2排放、人口规模、土地面积等统计数据，在考虑区域空间异质性的基础上，建立基于DMSP/OLS夜间灯光数据的分省碳排放时空地理加权回归模型，开展分省碳排放估算，为利用卫星遥感影像数据开展分省碳排放监测和评估提供一种补充性参考。
从20世纪80年代以来，随着DMSP/OLS全球夜间灯光影像数据的逐步完善，国内外学者围绕夜间灯光数据在城镇化监测、经济增长评估、电力消费模拟等方面的应用研究越来越多，但在碳排放估算方面的应用研究相对较少。
厂房租赁合同
全球和国家层面的研究主要首先探寻全球主要经济体夜间灯光亮度与碳排放之间的相关性，在确定两者存在相关关系的基础上，建立回归分析模型对碳排放进行估算。如Elvidge[1]等人基于DMSP/OLS全球夜间灯光影像数据，对全球21个国家夜间灯光亮度与GDP、电力消耗、碳排放等指标进行相关性分析，最先发现夜间灯光亮度与碳排放之间存在相关性。Doll[2]等人运用1994年10月至1995年3月期间全球不同发展水平的46个国家的DMSP/OLS夜间灯光亮度值与碳排放进行统计分析，发现夜间灯光亮度值与碳排放在统计上显著高度相关，表明运用全球夜间灯光数据来描绘碳排放空间分布是有效的。Oda[3]等人利用1980—2007年全球各国夜间灯光数据与能源消费碳排放总量之间的相关关系，构建了基于夜间灯光数据的全球碳排放空间分布反演模型，通过反演得到全球国家尺度的化石燃料碳排放清单。Raupach[4]等人选取中国、美国、日本、印度、欧洲、前苏联作为研究区域，对化石燃料碳排放与夜间灯光亮度值进行了相关性探寻，发现两者存在显著的线性关系，表明可以运用全球夜间灯光数据进行化石燃料碳排放的估算。Ghosh[5]等人通过中
国、日本、加拿大、俄罗斯、印度及美国等国家夜间灯光亮度与化石燃料碳排放之间的相关性分析，发现两者之间线性相关，相关系数达0.76，表明可以借助卫星夜间灯光图像较为准确地将主要国家的碳排放分解到全球网络。
省级和城市层面的研究与全球和国家层面的研究类似，亦主要是基于全球夜间灯光影像和能源消费碳排放数据，建立反演模型对省级和城市层面的碳排放进行估算。如Meng[6]等人基于全球夜间灯光图像和能源统计数据，提出了一种自上而下的中国城市碳排放估算方法，研究发现夜间灯光数据适合中国城市碳排放估算。苏泳娴[7-9]基于DMSP/OLS夜间灯光影像数据，开发了一套中国城市级能源消费碳排放遥感评估方法，能够一定程度解决中国城市级能源消费统计数据缺失以及国家—省域—城市数据之间不一致等问题，并对1992—2010年30个省市区和66个地级市的碳排放进行了模拟，模拟值与统计数据计算值最大相差26 998.25万t，最小相差6万t，均方误差为943.8万t，相对误差为7.7%。Shi[10]等人通过整合全球夜间稳定灯光数据与碳排放统计数据，提出了面向中国更高分辨率的时空碳排放动态模型，模型评价结果显示，中国在1997—2012年间夜间稳定灯光数据与碳排放统计数据之间存在显著的正相关关系，该模型可能适合于估算1 km分辨率以下的碳排放。郭忻怡[11]等人综合利用DMSP/OLS和NDVI数据，结合经济社会发展相关指标数据，构建了碳
广告语生成器刷牙儿歌排放空间滞后回归模型，并对江苏省碳排放的空间分布网格进行了模拟。
上述研究在全球-国家-省级-城市等多尺度证明了全球夜间灯光数据与碳排放之间存在线性相关关系，表明运用夜间灯光数据对碳排放进行估算具有一定的可行性。但是，目前运用全球夜间灯光数据模拟中国碳排放的研究较少，还处在初步研究阶段，大部分是建立夜间灯光数据亮度值与碳排放之间的线性回归模型，未考虑夜间灯光数据亮度与碳排放之间模型参数在不同时间不同区域的时空差异，模型的拟合优度和模拟效果还有待提高。
2.1 数据来源
本文使用的DMSP/OLS夜间灯光数据来源于美国国家海洋和大气管理局NOAA(National Oceanic and Atmospheric Administration)下属的国家地球物理数据中心NGDC(National Geophysical Data Center)网站，该网站目前发布的最新数据为1992—2013年共22年全球夜间灯光影像数据，分别由F10、F12、F14、F15、F16、F18六代卫星传感器探测获取，其中第10号DMSP卫星F10负责探测1992—1994年全球夜间灯光影像数据，第12号DMSP卫星F12负责探测1994—1999年全球夜间灯光影像数据，第14号DMSP卫星F14负责探测1997—2003年全球夜间灯光影像数据，第15号DMSP卫星F15负责探测2000—2007年全
球夜间灯光影像数据，第16号DMSP卫星F16负责探测2004—2009年全球夜间灯光影像数据，第18号DMSP卫星F18负责探测2010—2013年全球夜间灯光影像数据。提供下载的DMSP/OLS夜间灯光数据产品主要包括无云观测频次、平均灯光、稳定灯光、平均可见灯光4种影像，其中无云观测频次影像数据质量与观测次数的多少有着密切的关系，当观测次数较少时，数据质量会相对较低，当观测次数较多时，数据质量则会相对较高；平均灯光影像数据未进行过多的偶然噪声降噪处理，灯光影像中依然含有短暂光源等噪声；稳定灯光影像数据对火光和偶然噪声进行了一系列的去除处理，处理后的灯光影像数据质量较高，其DN值的范围为0—63；平均可见灯光影像数据将灯光观测周期内偶然噪声所占频率的百分比纳入考虑范围，能够在一定程度上减少火光和偶然噪声带来的影响，但当探测次数较多时，依然无法将火光和偶然噪声大部分去除。纵观4种DMSP/OLS夜间灯光数据产品对火光和偶然噪声的去除程度，本文选择稳定灯光影像数据作为夜间灯光强度变量用于分省碳排放的时空模拟研究。
