基于衛(wèi)星夜間燈光數(shù)據(jù)的中國分省碳排放時空模擬

馬忠玉+肖宏偉

摘要 中國能源統(tǒng)計數(shù)據(jù)“橫向不可比，縱向不可加”現(xiàn)象依然突出，尤其是分省能源消費統(tǒng)計千差萬別，給分省碳排放評估帶來了較大困難，如何利用衛(wèi)星遙感數(shù)據(jù)科學合理地估算中國分省碳排放是當前亟須研究的問題。本文運用DMSP/OLS全球穩(wěn)定夜間燈光數(shù)據(jù)，在通過相互校正、年內(nèi)融合和年際間校正等系列處理得到中國分省穩(wěn)定夜間燈光數(shù)據(jù)的基礎(chǔ)上，首先分別構(gòu)建中國分省穩(wěn)定夜間燈光亮度DN值與人均碳排放和單位面積碳排放之間的時空地理加權(quán)回歸模型，兩個模型整體效果均較好，擬合優(yōu)度分別高達96.74%和99.24%；其次運用穩(wěn)定夜間燈光亮度DN值對分省人均碳排放和單位面積碳排放進行時空模擬；最后運用人口規(guī)模和土地面積對分省碳排放進行估算。估算結(jié)果顯示：①整體來看，2000—2013年年均碳排放模擬值與實際值6.3349×109 t較為接近，兩個模型的相對誤差均在0.5%以內(nèi)。②分年度來看，所有年份的相對誤差均在5%以內(nèi)，2006年分省加總碳排放模擬值與實際碳排放6.2036×109 t最為接近，絕對誤差和相對誤差均較小，兩個模型模擬值的相對誤差均為0.04%。③分省域來看，2000—2013年年均碳排放模擬值與實際碳排放均非常接近，除海南和寧夏外，其余28個省區(qū)市的相對誤差均在1%以內(nèi)。④分年度分省域來看，以2013年為例，40%省份的相對誤差在2%以內(nèi)，70%省份的相對誤差在5%以內(nèi)。從整體、分年度、分省域、分年度分省域的估算結(jié)果來看，基于穩(wěn)定夜間燈光數(shù)據(jù)的中國分省碳排放時空模擬效果良好。因此，運用衛(wèi)星夜間燈光數(shù)據(jù)可以較為準確地對中國分省碳排放進行估算和預(yù)測，為衛(wèi)星遙感影像數(shù)據(jù)服務(wù)分省碳排放監(jiān)測和評估提供一種補充性參考。

關(guān)鍵詞 DMSP/OLS夜間燈光數(shù)據(jù)；碳排放；時空地理加權(quán)回歸；模擬

中圖分類號 F205文獻標識碼 A文章編號 1002-2104（2017）09-0143-08DOI：10.12062/cpre.20170502

中國政府高度重視應(yīng)對氣候變化問題，向全世界負責任地承諾到2030年單位GDP碳排放比2005年下降60%—65%，2030年左右碳排放達峰，同時北京、廣州、鎮(zhèn)江等部分省市承諾2020年左右達峰，四川、海南、延安等多個省市承諾2030年左右達峰，這既是中國積極應(yīng)對氣候變化，承擔合理國際責任的決心，也是中國彰顯引領(lǐng)全球走綠色低碳發(fā)展道路的信心。目前中國能源統(tǒng)計數(shù)據(jù)之間“橫向不可比，縱向不可加”現(xiàn)象依然突出，尤其是分省能源消費總量與結(jié)構(gòu)的統(tǒng)計千差萬別，給分省碳排放評估帶來了較大困難。隨著中國衛(wèi)星遙感技術(shù)的飛速發(fā)展，2016年12月22日中國首顆碳衛(wèi)星成功發(fā)射，衛(wèi)星影像數(shù)據(jù)將不斷豐富，如何利用衛(wèi)星遙感數(shù)據(jù)科學合理地估算中國分省碳排放，進而根據(jù)分省碳排放時空變化特征有針對性地制定省域碳減排政策，成為衛(wèi)星遙感大數(shù)據(jù)時代下亟須研究的重大課題。美國軍事氣象衛(wèi)星DMSP搭載的OLS傳感器獲取的全球夜間燈光數(shù)據(jù)，是監(jiān)測人類活動強度的理想數(shù)據(jù)源，而碳排放與人類生產(chǎn)生活密切相關(guān)，因此可以運用DMSP/OLS全球夜間燈光數(shù)據(jù)對碳排放進行有效估算。本文綜合運用全球夜間燈光數(shù)據(jù)和CO2排放、人口規(guī)模、土地面積等統(tǒng)計數(shù)據(jù)，在考慮區(qū)域空間異質(zhì)性的基礎(chǔ)上，建立基于DMSP/OLS夜間燈光數(shù)據(jù)的分省碳排放時空地理加權(quán)回歸模型，開展分省碳排放估算，為利用衛(wèi)星遙感影像數(shù)據(jù)開展分省碳排放監(jiān)測和評估提供一種補充性參考。

1 文獻綜述

從20世紀80年代以來，隨著DMSP/OLS全球夜間燈光影像數(shù)據(jù)的逐步完善，國內(nèi)外學者圍繞夜間燈光數(shù)據(jù)在城鎮(zhèn)化監(jiān)測、經(jīng)濟增長評估、電力消費模擬等方面的應(yīng)用研究越來越多，但在碳排放估算方面的應(yīng)用研究相對較少。

全球和國家層面的研究主要首先探尋全球主要經(jīng)濟體夜間燈光亮度與碳排放之間的相關(guān)性，在確定兩者存在相關(guān)關(guān)系的基礎(chǔ)上，建立回歸分析模型對碳排放進行估算。如Elvidge[1]等人基于DMSP/OLS全球夜間燈光影像數(shù)據(jù)，對全球21個國家夜間燈光亮度與GDP、電力消耗、碳排放等指標進行相關(guān)性分析，最先發(fā)現(xiàn)夜間燈光亮度與碳排放之間存在相關(guān)性。Doll[2]等人運用1994年10月至1995年3月期間全球不同發(fā)展水平的46個國家的DMSP/OLS夜間燈光亮度值與碳排放進行統(tǒng)計分析，發(fā)現(xiàn)夜間燈光亮度值與碳排放在統(tǒng)計上顯著高度相關(guān)，表明運用全球夜間燈光數(shù)據(jù)來描繪碳排放空間分布是有效的。Oda[3]等人利用1980—2007年全球各國夜間燈光數(shù)據(jù)與能源消費碳排放總量之間的相關(guān)關(guān)系，構(gòu)建了基于夜間燈光數(shù)據(jù)的全球碳排放空間分布反演模型，通過反演得到全球國家尺度的化石燃料碳排放清單。Raupach[4]等人選取中國、美國、日本、印度、歐洲、前蘇聯(lián)作為研究區(qū)域，對化石燃料碳排放與夜間燈光亮度值進行了相關(guān)性探尋，發(fā)現(xiàn)兩者存在顯著的線性關(guān)系，表明可以運用全球夜間燈光數(shù)據(jù)進行化石燃料碳排放的估算。Ghosh[5]等人通過中國、日本、加拿大、俄羅斯、印度及美國等國家夜間燈光亮度與化石燃料碳排放之間的相關(guān)性分析，發(fā)現(xiàn)兩者之間線性相關(guān)，相關(guān)系數(shù)達0.76，表明可以借助衛(wèi)星夜間燈光圖像較為準確地將主要國家的碳排放分解到全球網(wǎng)絡(luò)。

省級和城市層面的研究與全球和國家層面的研究類似，亦主要是基于全球夜間燈光影像和能源消費碳排放數(shù)據(jù)，建立反演模型對省級和城市層面的碳排放進行估算。如Meng[6]等人基于全球夜間燈光圖像和能源統(tǒng)計數(shù)據(jù)，提出了一種自上而下的中國城市碳排放估算方法，研究發(fā)現(xiàn)夜間燈光數(shù)據(jù)適合中國城市碳排放估算。蘇泳嫻[7-9]基于DMSP/OLS夜間燈光影像數(shù)據(jù)，開發(fā)了一套中國城市級能源消費碳排放遙感評估方法，能夠一定程度解決中國城市級能源消費統(tǒng)計數(shù)據(jù)缺失以及國家—省域—城市數(shù)據(jù)之間不一致等問題，并對1992—2010年30個省市區(qū)和66個地級市的碳排放進行了模擬，模擬值與統(tǒng)計數(shù)據(jù)計算值最大相差26 998.25萬t，最小相差6萬t，均方誤差為943.8萬t，相對誤差為7.7%。Shi[10]等人通過整合全球夜間穩(wěn)定燈光數(shù)據(jù)與碳排放統(tǒng)計數(shù)據(jù)，提出了面向中國更高分辨率的時空碳排放動態(tài)模型，模型評價結(jié)果顯示，中國在1997—2012年間夜間穩(wěn)定燈光數(shù)據(jù)與碳排放統(tǒng)計數(shù)據(jù)之間存在顯著的正相關(guān)關(guān)系，該模型可能適合于估算1 km分辨率以下的碳排放。郭忻怡[11]等人綜合利用DMSP/OLS和NDVI數(shù)據(jù)，結(jié)合經(jīng)濟社會發(fā)展相關(guān)指標數(shù)據(jù)，構(gòu)建了碳排放空間滯后回歸模型，并對江蘇省碳排放的空間分布網(wǎng)格進行了模擬。endprint

上述研究在全球-國家-省級-城市等多尺度證明了全球夜間燈光數(shù)據(jù)與碳排放之間存在線性相關(guān)關(guān)系，表明運用夜間燈光數(shù)據(jù)對碳排放進行估算具有一定的可行性。但是，目前運用全球夜間燈光數(shù)據(jù)模擬中國碳排放的研究較少，還處在初步研究階段，大部分是建立夜間燈光數(shù)據(jù)亮度值與碳排放之間的線性回歸模型，未考慮夜間燈光數(shù)據(jù)亮度與碳排放之間模型參數(shù)在不同時間不同區(qū)域的時空差異，模型的擬合優(yōu)度和模擬效果還有待提高。

2 衛(wèi)星夜間燈光數(shù)據(jù)來源及處理

2.1 數(shù)據(jù)來源

本文使用的DMSP/OLS夜間燈光數(shù)據(jù)來源于美國國家海洋和大氣管理局NOAA（National Oceanic and Atmospheric Administration）下屬的國家地球物理數(shù)據(jù)中心NGDC（National Geophysical Data Center）網(wǎng)站，該網(wǎng)站目前發(fā)布的最新數(shù)據(jù)為1992—2013年共22年全球夜間燈光影像數(shù)據(jù)，分別由F10、F12、F14、F15、F16、F18六代衛(wèi)星傳感器探測獲取，其中第10號DMSP衛(wèi)星F10負責探測1992—1994年全球夜間燈光影像數(shù)據(jù)，第12號DMSP衛(wèi)星F12負責探測1994—1999年全球夜間燈光影像數(shù)據(jù)，第14號DMSP衛(wèi)星F14負責探測1997—2003年全球夜間燈光影像數(shù)據(jù)，第15號DMSP衛(wèi)星F15負責探測2000—2007年全球夜間燈光影像數(shù)據(jù)，第16號DMSP衛(wèi)星F16負責探測2004—2009年全球夜間燈光影像數(shù)據(jù)，第18號DMSP衛(wèi)星F18負責探測2010—2013年全球夜間燈光影像數(shù)據(jù)。提供下載的DMSP/OLS夜間燈光數(shù)據(jù)產(chǎn)品主要包括無云觀測頻次、平均燈光、穩(wěn)定燈光、平均可見燈光4種影像，其中無云觀測頻次影像數(shù)據(jù)質(zhì)量與觀測次數(shù)的多少有著密切的關(guān)系，當觀測次數(shù)較少時，數(shù)據(jù)質(zhì)量會相對較低，當觀測次數(shù)較多時，數(shù)據(jù)質(zhì)量則會相對較高；平均燈光影像數(shù)據(jù)未進行過多的偶然噪聲降噪處理，燈光影像中依然含有短暫光源等噪聲；穩(wěn)定燈光影像數(shù)據(jù)對火光和偶然噪聲進行了一系列的去除處理，處理后的燈光影像數(shù)據(jù)質(zhì)量較高，其DN值的范圍為0—63；平均可見燈光影像數(shù)據(jù)將燈光觀測周期內(nèi)偶然噪聲所占頻率的百分比納入考慮范圍，能夠在一定程度上減少火光和偶然噪聲帶來的影響，但當探測次數(shù)較多時，依然無法將火光和偶然噪聲大部分去除?？v觀4種DMSP/OLS夜間燈光數(shù)據(jù)產(chǎn)品對火光和偶然噪聲的去除程度，本文選擇穩(wěn)定燈光影像數(shù)據(jù)作為夜間燈光強度變量用于分省碳排放的時空模擬研究。

2.2 數(shù)據(jù)處理

1992—2013年DMSP/OLS夜間燈光數(shù)據(jù)部分年份由新舊兩代衛(wèi)星傳感器同時探測獲取，如第10號DMSP衛(wèi)星F10和第12號DMSP衛(wèi)星F12同時負責探測1994年全球夜間燈光影像數(shù)據(jù)，第12號DMSP衛(wèi)星F12和第14號DMSP衛(wèi)星F14同時負責探測1997—1999年全球夜間燈光影像數(shù)據(jù)，第14號DMSP衛(wèi)星F14和第15號DMSP衛(wèi)星F15同時負責探測2000—2003年全球夜間燈光影像數(shù)據(jù)，第15號DMSP衛(wèi)星F15和第16號DMSP衛(wèi)星F16同時負責探測2004—2007年全球夜間燈光影像數(shù)據(jù)，通過比較1994年、1997—2007年新舊兩代衛(wèi)星傳感器探測獲取的夜間燈光影像數(shù)據(jù)發(fā)現(xiàn)，同一年份新舊兩代衛(wèi)星傳感器探測獲取的影像數(shù)據(jù)存在較大差異。為了提高衛(wèi)星夜間燈光影像數(shù)據(jù)對中國分省碳排放的刻畫程度，本文采用Liu[12]等人的處理方法，對1992—2013年DMSP/OLS穩(wěn)定夜間燈光影像數(shù)據(jù)進行相互校正、年內(nèi)融合和年際間校正等預(yù)處理。對于相互校正，一是選取1992—2013年間經(jīng)濟社會發(fā)展相對穩(wěn)定的黑龍江省雞西市市轄區(qū)作為待校正的影像像元參考區(qū)；二是選取第16號DMSP衛(wèi)星F16探測的2007年夜間燈光影像作為校正穩(wěn)定燈光影像的參考影像；三是選取二次多項式回歸模型

DNcorrect=α×DN2+β×DN+γ來構(gòu)建校正方程，不同年份不同衛(wèi)星校正方程參數(shù)α、β、γ通過當年衛(wèi)星探測的雞西市穩(wěn)定夜間燈光亮度DN值與第16號DMSP衛(wèi)星F16探測的2007年雞西市穩(wěn)定夜間燈光亮度DN值進行比較經(jīng)驗得出；四是運用二次多項式回歸模型和相應(yīng)的校正方程經(jīng)驗參數(shù)α、β、γ對每年穩(wěn)定夜間燈光亮度DN值進行相互校正。對于年內(nèi)融合，對比1994年和1997—2007年新舊兩代衛(wèi)星傳感器探測獲取的夜間燈光影像像元，如果該影像像元僅在其中一代衛(wèi)星影像中有亮度，則將該影像像元標示為不穩(wěn)定像元，相應(yīng)地將其DN值年內(nèi)融合為0；如果該影像像元在新舊兩代衛(wèi)星影像中均有亮度，則將該影像像元標示為穩(wěn)定像元，相應(yīng)地將其DN值年內(nèi)融合為新舊兩代衛(wèi)星影像像元DN值的平均。對于年際間校正，對比年際間同一個影像像元，如果該影像像元僅在較早年份有亮度，則將該影像像元標示為不穩(wěn)定像元，相應(yīng)地將其DN值年際間校正為0；如果該影像像元在探測周期內(nèi)均有亮度，則將該影像像元標示為穩(wěn)定像元，相應(yīng)地需要確保早期影像像元DN值不超過后期影像像元DN值。

3 分省碳排放模擬模型構(gòu)建

中國是一個幅員遼闊的國家，受資源稟賦、人口規(guī)模、經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平等多種因素影響，各省能源消費總量和結(jié)構(gòu)存在較大差異，從而引致分省碳排放亦存在較大時空差異。為了更為科學準確地模擬中國分省碳排放，本文在消除規(guī)模因素對碳排放總量影響的基礎(chǔ)上，選取人均碳排放和單位面積碳排放作為研究對象，首先分別構(gòu)建人均碳排放和單位面積碳排放與穩(wěn)定夜間燈光亮度DN值（DN總值/柵格數(shù)）之間的時空地理加權(quán)回歸模型，記為模型1和模型2，其次運用穩(wěn)定夜間燈光亮度DN值對分省人均碳排放和單位面積碳排放進行時空模擬，最后運用人口規(guī)模和土地面積對分省碳排放進行估算。

為了全面考察穩(wěn)定夜間燈光亮度DN值及其空間外溢效應(yīng)在不同省級區(qū)域的異質(zhì)性，本文構(gòu)建包含穩(wěn)定夜間燈光亮度DN值空間滯后項W*lnDNit的時空地理加權(quán)回歸模型如下：endprint

式（1）中，PCEit為省級區(qū)域i在年度t的人均碳排放，SCEit為省級區(qū)域i在年度t的單位面積碳排放，DNit為省級區(qū)域i在年度t的穩(wěn)定夜間燈光亮度DN值，W為空間權(quán)重矩陣，本文采用肖宏偉[13]等人提出的地理和經(jīng)濟信息相結(jié)合的空間權(quán)重矩陣，（ui，vi）為省級區(qū)域的經(jīng)度、緯度，

α0（ui，vi，ti）、β0（ui，vi，ti）分別為省級區(qū)域i在年度t人均碳排放和單位面積碳排放與穩(wěn)定夜間燈光亮度DN值之間時空地理加權(quán)回歸模型的截距項，α1（ui，vi，ti）、 β1（ui，vi，ti）為省級區(qū)域i在年度t穩(wěn)定夜間燈光亮度DN值對人均碳排放和單位面積碳排放的回歸系數(shù)，α2（ui，vi，ti）、 β2（ui，vi，ti）為省級區(qū)域i在年度t穩(wěn)定夜間燈光亮度DN值的空間外溢效應(yīng)對人均碳排放和單位面積碳排放的回歸系數(shù)，εit、φit為省級區(qū)域i在年度t模型1和模型2的殘差項。時空地理加權(quán)回歸模型的核心是時空權(quán)重矩陣，通常選取不同的時空權(quán)函數(shù)來刻畫時空關(guān)系，本文采用高斯函數(shù)法和時空距離相結(jié)合的時空權(quán)函數(shù)。時空權(quán)函數(shù)形式如下：

2[KF）]為時空距離，bST為時空權(quán)函數(shù)的帶寬，通常通過交叉驗證來選擇最優(yōu)帶寬。

基于穩(wěn)定夜間燈光數(shù)據(jù)的中國分省碳排放測算模型如下：

式（3）中，CE1it、CE2it分別為通過人均碳排放和單位面積碳排放測算的省級區(qū)域i在年度t的碳排放，Pit、Sit分別為省級區(qū)域i在時間t的人口規(guī)模和土地面積。

4 分省碳排放模擬效果檢驗

4.1 模型變量數(shù)據(jù)選取

國家統(tǒng)計局根據(jù)第三次全國經(jīng)濟普查結(jié)果，對2000年以來能源消費總量和結(jié)構(gòu)數(shù)據(jù)進行了修正，以2013年為例，修正后的能源消費總量上調(diào)4.2億t標準煤，煤炭消費占能源消費總量的比重上調(diào)1.4個百分點，石油和天然氣消費占能源消費總量的比重分別下調(diào)1.3和0.5個百分點，一次電力及其他能源占能源消費總量的比重上調(diào)0.4個百分點，能源消費總量上調(diào)和煤炭消費占能源消費總量比重上升給碳排放基礎(chǔ)數(shù)據(jù)帶來了較大影響，為了與修正后的能源統(tǒng)計數(shù)據(jù)口徑保持一致，本文選取2000年以來的分省碳排放數(shù)據(jù)作為研究對象。最新的DMSP/OLS數(shù)據(jù)為1992—2013年共22年全球夜間燈光影像數(shù)據(jù)，因此，本文基于衛(wèi)星夜間燈光數(shù)據(jù)的中國分省碳排放時空模擬研究時間跨度區(qū)間為2000—2013年。夜間穩(wěn)定燈光數(shù)據(jù)來源于美國國家海洋和大氣管理局下屬的國家地球物理數(shù)據(jù)中心網(wǎng)站，碳排放數(shù)據(jù)來源于中國碳排放數(shù)據(jù)庫（China emission accounts and datasets），該數(shù)據(jù)庫由英美中歐等多國研究機構(gòu)的科研人員共同開發(fā)，包含全國、30個省區(qū)市（因西藏能源統(tǒng)計數(shù)據(jù)缺失，暫不包含西藏）和100余個地級以上城市的多尺度碳排放數(shù)據(jù)，分省人口規(guī)模、土地面積等數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。

4.2 模型模擬整體效果

在通過相互校正、年內(nèi)融合和年際間校正等系列處理獲得2000—2013年30個省區(qū)市DMSP/OLS穩(wěn)定夜間燈光亮度DN值的基礎(chǔ)上，運用時空地理加權(quán)回歸模型估計穩(wěn)定夜間燈光亮度DN值及其空間滯后項W·lnDNit在不同年份對分省人均碳排放和單位面積碳排放的影響系數(shù)，通過交叉驗證確定模型1與模型2的最優(yōu)帶寬分別為0.242 9和0.244 8，兩個模型整體效果均較好，擬合優(yōu)度分別高達96.74%和99.24%。從表1和表2的模型參數(shù)

估計描述統(tǒng)計結(jié)果來看，無論是人均碳排放還是單位面積碳排放，穩(wěn)定夜間燈光亮度DN值及其空間滯后項W·lnDNit對其的影響系數(shù)變異較大，進一步表明基于衛(wèi)星穩(wěn)定夜間燈光數(shù)據(jù)對中國分省碳排放進行時空模擬時，需要將衛(wèi)星夜間燈光數(shù)據(jù)的時空異質(zhì)性納入考慮范圍，亦進一步證明選擇時空地理加權(quán)回歸模型來捕捉分省碳排放的時空動態(tài)特征更為科學。

在運用衛(wèi)星穩(wěn)定夜間燈光數(shù)據(jù)模擬中國分省人均碳排放和單位面積碳排放的基礎(chǔ)上，根據(jù)各個省級區(qū)域的人口規(guī)模和人均碳排放、土地面積和單位面積碳排放對分省碳排放進行間接模擬（見表3—表5）。模擬結(jié)果顯示，2000—2013年年均碳排放模擬值與實際值較為接近，兩個模型相對誤差均在0.5%以內(nèi)，其中模型1模擬的2000—2013年年均碳排放為6.318 5×109 t，與實際年均碳排放6.334 9×109 t較為接近，絕對誤差為-16.5×106 t，相對誤差為0.3%；模型2模擬的2000—2013年年均碳排放為6.321 9×109 t，與實際年均碳排放6.334 9×109 t亦較為接近，絕對誤差為-13.0×106 t，相對誤差為0.2%。

4.3 模型模擬分年度分省域效果

分年度、分省域、分年度分省域的模型模擬結(jié)果（見表3—表5）顯示，基于衛(wèi)星夜間燈光數(shù)據(jù)的中國分省碳排放時空模擬效果良好。

分年度來看，所有年份的相對誤差均在5%以內(nèi)，其中2006年分省加總碳排放模擬值與實際碳排放最為接近，絕對誤差和相對誤差均較小，模型1與模型2的碳排放模擬值分別為6.200 9×109 t和6.206 2×109 t，與2006年實際碳排放6.203 6×109 t均非常接近，相對誤差僅為0.04%（見表3）。

分省域來看，2000—2013年年均碳排放模擬結(jié)果與實際碳排放均非常接近，除海南和寧夏外，其余28個省區(qū)市的相對誤差均在1%以內(nèi)。其中模型1碳排放模擬相對誤差在0.2%以內(nèi)的省區(qū)市有天津、河北、山西、內(nèi)蒙古、遼寧、上海、浙江、江西、廣東、廣西、重慶、甘肅、青海、新疆等地，模型2碳排放模擬相對誤差在0.2%以內(nèi)的省區(qū)市有北京、天津、河北、山西、內(nèi)蒙古、遼寧、安徽、江西、廣東、重慶、四川、貴州、甘肅、青海、新疆等地（見表4）。

分年度分省域來看，以2013年為例，除內(nèi)蒙古、江蘇、江西、河南、湖北、海南、重慶、青海、新疆等地外，其余省份的相對誤差均在5%以內(nèi)。其中模型1碳排放模擬相對誤差在2%以內(nèi)的省區(qū)市有河北、山西、遼寧、黑龍江、上海、浙江、廣西、四川、貴州、云南、陜西、寧夏等地，絕對誤差和相對誤差最小的省份為四川，模型模擬值與實際碳排放幾乎相等；模型2碳排放模擬相對誤差在2%以內(nèi)的省區(qū)市有天津、山西、遼寧、黑龍江、上海、浙江、廣西、四川、貴州、云南、陜西、甘肅、寧夏等地，絕對誤差和相對誤差最小的 省份為甘肅，模型模擬值與實際碳排放非常接近，其相對誤差只有0.1%（見表5）。endprint

4.4 模型模擬應(yīng)用方向

從整體、分年度、分省域、分年度分省域的碳排放估算結(jié)果來看，基于穩(wěn)定夜間燈光數(shù)據(jù)的中國分省碳排放時空模擬效果良好，表明運用衛(wèi)星夜間燈光數(shù)據(jù)進行中國分省碳排放快速估算總體可行?！吨袊茉唇y(tǒng)計年鑒》是開展分省碳排放核算的重要數(shù)據(jù)基礎(chǔ)，亦是開展分省降碳目標考核的重要依據(jù)，目前《中國能源統(tǒng)計年鑒》數(shù)據(jù)更新通常滯后一年，給分省碳排放核算和降碳目標考核帶來較為嚴重的滯后性，難以滿足對分省碳排放進行快速監(jiān)測評估的要求。隨著我國高分衛(wèi)星數(shù)據(jù)應(yīng)用面不斷擴大，衛(wèi)星遙感在應(yīng)對氣候變化領(lǐng)域亦發(fā)揮了全天候、立體、連續(xù)觀測的獨特優(yōu)勢，通過構(gòu)建衛(wèi)星遙感數(shù)據(jù)與碳排放之間的時空地理加權(quán)回歸模型對分省碳排放進行反演，為分省碳排放監(jiān)測和評估提供較為準確的數(shù)據(jù)參考，不失為衛(wèi)星遙感大數(shù)據(jù)時代快速開展分省碳排放監(jiān)測和評估的有效補充。

5 結(jié)論與討論

本文綜合運用DMSP/OLS全球夜間燈光影像數(shù)據(jù)及分省碳排放、人口規(guī)模、土地面積等統(tǒng)計數(shù)據(jù)，在經(jīng)過相互校正、年內(nèi)融合和年際間校正等系列處理獲得中國分省穩(wěn)定夜間燈光亮度DN值的基礎(chǔ)上，構(gòu)建了中國分省衛(wèi)星穩(wěn)定夜間燈光數(shù)據(jù)與人均碳排放和單位面積碳排放之間的時空地理加權(quán)回歸模型，在對分省人均碳排放和單位面積碳排放模擬的基礎(chǔ)上，基于人口規(guī)模和土地面積對中國分省碳排放進行了估算。估算結(jié)果顯示，模型模擬值與實際碳排放較為接近，模型的擬合優(yōu)度高達95%以上。從2000—2013年年均碳排放來看，兩個模型全國年均碳排放的相對誤差均在0.5%以內(nèi)，大部分省份的相對誤差在1%以內(nèi)；從分年度分省域來看，大部分省份的相對誤差在5%以內(nèi)。

模型估算結(jié)果表明基于穩(wěn)定夜間燈光影像數(shù)據(jù)的中國分省碳排放時空模擬效果良好，可以運用衛(wèi)星夜間燈光數(shù)據(jù)對中國分省碳排放進行估算和預(yù)測，為衛(wèi)星遙感影像數(shù)據(jù)服務(wù)分省碳排放監(jiān)測和評估提供了一種補充性參考。隨著全球和中國衛(wèi)星遙感技術(shù)和應(yīng)用水平的提高，開發(fā)應(yīng)用衛(wèi)星影像數(shù)據(jù)服務(wù)全球-國家-區(qū)域碳排放監(jiān)測是未來的應(yīng)用方向。重點是發(fā)揮遙感衛(wèi)星影像數(shù)據(jù)全天候、廣覆蓋、客觀準確的天然優(yōu)勢，充分利用中國自主遙感衛(wèi)星影像數(shù)據(jù)和國外遙感衛(wèi)星資源，將衛(wèi)星影像數(shù)據(jù)與人口規(guī)模、土地面積等其他統(tǒng)計數(shù)據(jù)庫進行對接并關(guān)聯(lián)應(yīng)用，形成衛(wèi)星影像數(shù)據(jù)與統(tǒng)計數(shù)據(jù)耦合算法，對中國分省碳排放進行模擬，為區(qū)域碳排放監(jiān)測和評估提供數(shù)據(jù)支撐。

參考文獻（References）

[1]ELVIDGE C D， BAUGH K E， KIHN E A， et al. Relation between satellite observed visiblenear infrared emissions， population， economic activity and electric power consumption [J]. International journal of remote sensing， 1997， 18（6）：1373-1379.

[2]DOLL C N H， MULLER J P， ELVIDGE C D. Nighttime imagery as a tool for global mapping of socioeconomic parameters and greenhouse gas emissions [J]. Ambio， 2000， 29（3）：157-162.

[3]ODA T， MAKSYUTOV S. A very highresolution （1 km×1 km） global fossil fuel CO2 emission inventory derived using a point source database and satellite observations of nighttime lights [J]. Atmospheric chemistry & physics， 2010， 10（7）：16307-16344.

[4]RAUPACH M R， RAYNER P J， PAGET M. Regional variations in spatial structure of nightlights， population density and fossilfuel CO2 emissions[J]. 2010， 38（9）：4756-4764.

[5]GHOSH T， ELVIDGE C D， SUTTON P C， et al. Creating a global grid of distributed fossil fuel CO2 emissions from nighttime satellite imagery[J]. Energies， 2010， 3（12）：1895-1913.

[6]MENG L， GRAUS W， WORRELL E， et al. Estimating CO2， （carbon dioxide） emissions at urban scales by DMSP/OLS （defense meteorological satellite programs operational linescan system） nighttime light imagery： methodological challenges and a case study for China [J]. Energy， 2014， 71（7）：468-478.

[7]SU Y， ChEN X， LI Y， et al. Chinas 19year citylevel carbon emissions of energy consumptions， driving forces and regionalized mitigation guidelines [J]. Renewable & sustainable energy reviews， 2014， 35（C）：231-243.endprint

[8]蘇泳嫻.基于DMSP/OLS夜間燈光數(shù)據(jù)的中國能源消費碳排放研究[D].北京：中國科學院大學， 2015：97-102.[SU Yongxian. Study on the carbon emissions from energy consumption in China using DMSP/OLS night light imageries [D]. Beijing： University of Chinese Academy of Sciences， 2015：97-102.]

[9]蘇泳嫻，陳修治，葉玉瑤，等.基于夜間燈光數(shù)據(jù)的中國能源消費碳排放特征及機理[J]. 地理學報， 2013， 68（11）：1513-1526.[ SU Yongxian， CHEN Xiuzhi， YE Yuyao， et al. The characteristics and mechanisms of carbon emissions from energy consumption in China using DMSP/OLS night light imageries[J]. Acta geographica sinica， 2013， 68（11）：1513-1526.]

[10]SHI K， CHEN Y， YU B， et al. Modeling spatiotemporal CO2， （carbon dioxide） emission dynamics in China from DMSPOLS nighttime stable light data using panel data analysis[J]. Applied energy， 2016， 168（4）：523-533.

[11]郭忻怡，閆慶武，譚曉悅，等.基于 DMSP/OLS 與 NDVI 的江蘇省碳排放空間分布模擬[J]. 世界地理研究， 2016， 25（4）： 102-110.[ GUO Xinyi， YAN Qingwu， TAN Xiaoyue， et al. Spatial distribution of carbon emissions based on DMSP/OLS nighttime light data and NDVI in Jiangsu Province [J]. World regional studies， 2016， 25（4）：102-110.]

[12]LIU Z， HE C， ZHANG Q， et al. Extracting the dynamics of urban expansion in China using DMSPOLS nighttime light data from 1992 to 2008[J]. Landscape & urban planning， 2012， 106（1）：62-72.

[13]肖宏偉，易丹輝.中國區(qū)域工業(yè)碳排放空間計量研究[J].山西財經(jīng)大學學報，2013， 235（8）：53-62.[ XIAO Hongwei， YI Danhui. Spatial econometric study of Chinas regional industrial carbon emissions [J]. Journal of Shanxi Finance and Economics University， 2013， 235（8）：53-62.]endprint