基于NPP-VIIRS的中國(guó)電力消費(fèi)估算

傅晨璇

(江西理工大學(xué) 土木與測(cè)繪工程學(xué)院, 江西 贛州 341000)

社會(huì)城鎮(zhèn)化和工業(yè)化的高速發(fā)展加劇了能源消耗和二氧化碳排放,能源短缺和氣候、變暖等環(huán)境問(wèn)題愈發(fā)嚴(yán)峻[1]。2020年9月22日,習(xí)近平主席在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上發(fā)表重要講話,“二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值,努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和”,倡導(dǎo)綠色、環(huán)保低碳的生活方式,構(gòu)建和諧包容、安全的綠色可持續(xù)發(fā)展城市[2]。電力消耗是能源消耗中的重要組成部分,是反映區(qū)域經(jīng)濟(jì)運(yùn)行狀況的基本指標(biāo)之一,準(zhǔn)確并及時(shí)地獲取電力消費(fèi)信息對(duì)于提高能源效率、減少碳排放實(shí)現(xiàn)“雙碳”目標(biāo)具有重要意義。

傳統(tǒng)估算電力消費(fèi)量的方法大多是基于行政單位的統(tǒng)計(jì)數(shù)據(jù),由于統(tǒng)計(jì)數(shù)據(jù)的時(shí)間滯后性和缺失性,限制了后續(xù)研究的實(shí)用性[3]。近年來(lái),隨著遙感衛(wèi)星技術(shù)的飛速發(fā)展,利用夜光遙感影像估算電力消費(fèi)量已被證實(shí)是有效且便捷的方法[4]。NPP-VIIRS作為新一代夜間燈光數(shù)據(jù),因其高分辨率以及不存在過(guò)飽和效應(yīng)的特點(diǎn),得到了廣泛應(yīng)用。張莉等[5]采用NPP-VIIRS夜間燈光數(shù)據(jù),在不依賴統(tǒng)計(jì)數(shù)據(jù)的情況下,利用基于燈光結(jié)構(gòu)的K-Means算法對(duì)城市電力消費(fèi)量進(jìn)行估算;李博等[6]利用夜光遙感數(shù)據(jù)、國(guó)內(nèi)生產(chǎn)總值和人口統(tǒng)計(jì)數(shù)據(jù)結(jié)合改進(jìn)通用矩陣,預(yù)測(cè)了長(zhǎng)三角地區(qū)城市的用電量;李熙和薛翔宇[7]將夜間燈光數(shù)據(jù)與電力消費(fèi)統(tǒng)計(jì)數(shù)據(jù)相結(jié)合,估算了區(qū)域電力消費(fèi)量。目前電力消費(fèi)估算及其空間化大多以省級(jí)行政區(qū)為單位,以市級(jí)為單位的大尺度研究較少[8]。經(jīng)濟(jì)功能不同的城市之間能源消費(fèi)模式也不同,這取決于城市以工業(yè)功能還是服務(wù)業(yè)功能為重心發(fā)展,因此需要從城市分類的角度探索新的方法來(lái)提高估算精度。本文選取國(guó)內(nèi)176個(gè)城市作為研究區(qū)域,利用波士頓矩陣,將市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率和相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比作為城市分類指標(biāo),分別構(gòu)建線性模型,從而提高電力消費(fèi)量的估算精度。

1 研究區(qū)域與數(shù)據(jù)來(lái)源

1.1 研究區(qū)域

研究范圍橫跨華南、華中、華東和華北四大地理分區(qū)的13個(gè)省份和3個(gè)直轄市共計(jì)176個(gè)城市,其中包含廣東、廣西、湖北、湖南、河南、山東、安徽、江蘇、浙江、江西、福建、山西和河北各省份的21、14、12、13、16、15、16、13、11、11、9、11、11個(gè)地級(jí)市。

1.2 數(shù)據(jù)來(lái)源與預(yù)處理

夜間燈光數(shù)據(jù)來(lái)自美國(guó)國(guó)家海洋和大氣管理局(National Oceanic and Atmospheric Administration,NOAA)網(wǎng)站提供的2019年 NPP-VIIRS夜光遙感影像年產(chǎn)品。利用行政區(qū)域邊界的矢量數(shù)據(jù)裁剪得到研究區(qū)燈光影像,為了減小影像的變形,將其重投影、重采樣轉(zhuǎn)換為分辨率為500 m×500 m的Albers等面積影像;統(tǒng)計(jì)數(shù)據(jù)包括研究區(qū)內(nèi)各城市2019年全社會(huì)電力消費(fèi)量(億kW·h)、市轄區(qū)第三產(chǎn)業(yè)GDP(GDP of tertiary industry,GTI)以及市轄區(qū)第三產(chǎn)業(yè)GDP占比(proportion of tertiary industry,PTI)數(shù)據(jù),分別來(lái)自2018年、2019年《中國(guó)城市統(tǒng)計(jì)年鑒》,將其統(tǒng)一做標(biāo)準(zhǔn)化處理。

2 研究方法

2.1 傳統(tǒng)燈光模型

利用NPP-VIIRS夜光遙感影像,計(jì)算統(tǒng)計(jì)研究區(qū)城市的夜間燈光總量(total nighttime light,TNL),計(jì)算公式為

(1)

式中:TNLk為第k個(gè)城市的夜間燈光總量;xi為第i個(gè)像元的輻射亮度值;n為區(qū)域內(nèi)像元數(shù)。

構(gòu)建176個(gè)城市全社會(huì)電力消費(fèi)量與夜間燈光總量的線性模型,如圖1所示。得到的P<0.01,擬合系數(shù)R2=0.801 8,說(shuō)明二者顯著性相關(guān)。

圖1 城市全社會(huì)電力消費(fèi)量與燈光總量線性函數(shù)關(guān)系

2.2 波士頓夜光模型

2.2.1 波士頓矩陣基本原理

波士頓矩陣通過(guò)銷售增長(zhǎng)率與市場(chǎng)占有率兩個(gè)評(píng)價(jià)指標(biāo)[9],利用分類指標(biāo)和閾值將企業(yè)全部產(chǎn)品劃分為明星、問(wèn)題、瘦狗和金牛4種類型產(chǎn)品,如圖2所示。明星產(chǎn)品是指高銷售增長(zhǎng)率同時(shí)在市場(chǎng)上占有率高的產(chǎn)品,這類產(chǎn)品的增長(zhǎng)和獲利都有極好的發(fā)展前景,可以加大投資優(yōu)先供給,擴(kuò)大經(jīng)濟(jì)規(guī)模和市場(chǎng)機(jī)會(huì)以支持其迅速發(fā)展;問(wèn)號(hào)產(chǎn)品是指高銷售增長(zhǎng)率但是市場(chǎng)占有率較小的產(chǎn)品,市場(chǎng)營(yíng)銷上存在問(wèn)題,應(yīng)加大宣傳力度,提高市場(chǎng)占有率;瘦狗產(chǎn)品是指銷售增長(zhǎng)率和市場(chǎng)占有率雙低的產(chǎn)品,長(zhǎng)期處于虧損狀態(tài),應(yīng)及時(shí)淘汰將剩余資源向其他產(chǎn)品轉(zhuǎn)移;金牛產(chǎn)品是指銷售增長(zhǎng)率低但市場(chǎng)占有率高的產(chǎn)品,這類產(chǎn)品銷售量大,可為企業(yè)提供發(fā)展資金。

圖2 波士頓矩陣

圖3 基于波士頓夜光模型的城市分類

2.2.2 波士頓夜光模型

社會(huì)發(fā)展進(jìn)程加快,經(jīng)濟(jì)增速、結(jié)構(gòu)和增長(zhǎng)動(dòng)力的變化對(duì)電力消費(fèi)結(jié)構(gòu)也產(chǎn)生了巨大影響。受城鎮(zhèn)化水平提高、現(xiàn)代服務(wù)業(yè)和用電設(shè)施發(fā)展的影響,第三產(chǎn)業(yè)用電占全社會(huì)電力消費(fèi)量比例不斷提升,2015年我國(guó)產(chǎn)業(yè)結(jié)構(gòu)由“二三一”型轉(zhuǎn)變?yōu)椤叭弧毙蚚10]。隨著第三產(chǎn)業(yè)成為我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展中的第一大產(chǎn)業(yè),其對(duì)電力消費(fèi)的影響也愈加顯著[9]。因此,將影響力較大的第三產(chǎn)業(yè)作為波士頓矩陣分類的主要依據(jù),選擇“市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率(tertiary industry growth rate,TIGR)”和“相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比(relative proportion of tertiary industry,RPTI)”代替原波士頓矩陣的兩大分類指標(biāo)。將分類后的城市依次構(gòu)建模型,來(lái)達(dá)到降低估算結(jié)果誤差的目的。

統(tǒng)測(cè)計(jì)算2019年研究區(qū)內(nèi)各城市市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率以及相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比,計(jì)算公式為

(2)

(3)

式中:TIGR為市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率;GTIi為第i個(gè)城市市轄區(qū)第三產(chǎn)業(yè)GDP;RPTI為相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比;PTI為176個(gè)城市市轄區(qū)第三產(chǎn)業(yè)GDP占比的平均值;PTIi為第i個(gè)城市市轄區(qū)第三產(chǎn)業(yè)GDP占比。

根據(jù)計(jì)算,2019年區(qū)域內(nèi)城市第三產(chǎn)業(yè)GDP平均增長(zhǎng)率為18%,將其作為第三產(chǎn)業(yè)GDP增長(zhǎng)率的閾值,選擇1作為相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率的閾值,4類城市分類如圖4所示。分類結(jié)果為:以北京、上海、廈門為代表的明星城市共35個(gè),該類城市市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率和相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比都較高,城市發(fā)展水平整體偏高且發(fā)展速度較快;以天津、廣州、深圳為代表的金牛城市共有45個(gè),特點(diǎn)是市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率較低,相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比較高,城市發(fā)展已經(jīng)較為成熟,發(fā)展水平較高但發(fā)展速率較為緩慢;以鶴壁、柳州、日照為代表的瘦狗城市共55個(gè),該類城市市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率和相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比都較低,城市發(fā)展水平整體偏低;以唐山、贛州、珠海為代表的問(wèn)號(hào)城市共有41個(gè),特點(diǎn)是市轄區(qū)第三產(chǎn)業(yè)GDP增長(zhǎng)率較快,相對(duì)市轄區(qū)第三產(chǎn)業(yè)GDP占比較低,這類城市的城市發(fā)展水平較低,但發(fā)展速率快。

圖4 4類城市電力消費(fèi)量與燈光總量線性函數(shù)關(guān)系

分別構(gòu)建4類城市夜間燈光總量與全社會(huì)電力消費(fèi)量的線性模型,如圖4所示。明星城市的電力消費(fèi)量與夜間燈光總量的相關(guān)性最高,為0.915 8;其次是金牛城市,相關(guān)性為0.820 3;問(wèn)號(hào)城市和瘦狗城市的相關(guān)性則偏低。

3 電力消費(fèi)估算結(jié)果與誤差分析

利用電力消費(fèi)統(tǒng)計(jì)值與模型估算值之間的相對(duì)誤差(relative error,RE)來(lái)評(píng)價(jià)模型精度,計(jì)算式公為

(4)

(5)

3.1 傳統(tǒng)燈光模型估算結(jié)果

對(duì)研究區(qū)域內(nèi)176個(gè)城市的全社會(huì)電力消費(fèi)量與夜間燈光總量建立線性模型,計(jì)算公式為

EPCi=3.218 1TNLi+66.14

(6)

式中:EPCi為第i個(gè)城市的估算電力消費(fèi)量;TNLi為第i個(gè)城市的夜間燈光總量。

根據(jù)式(6)估算出各城市的電力消費(fèi)量,并計(jì)算其相對(duì)誤差。傳統(tǒng)燈光模型估算的電力消費(fèi)量平均相對(duì)誤差為36.0%。上海、武漢的相對(duì)誤差較小,分別為4.04%、4.08%,這些城市往往是第三產(chǎn)業(yè)發(fā)展水平較高的城市;而一些第三產(chǎn)業(yè)發(fā)展相對(duì)落后、城市化水平較低的城市相對(duì)誤差較大,如景德鎮(zhèn)、朔州、亳州的相對(duì)誤差均超過(guò)100%。由此可見(jiàn),傳統(tǒng)燈光模型在估算城市電力消費(fèi)量時(shí),雖然電力消費(fèi)與燈光總量的相關(guān)性高,但該模型對(duì)于經(jīng)濟(jì)發(fā)展水平有高低之分的城市估算精度有較大差異,經(jīng)濟(jì)發(fā)達(dá)、第三產(chǎn)業(yè)占比較高的城市估算精度高,而經(jīng)濟(jì)發(fā)展水平、第三產(chǎn)業(yè)占比較低的城市估算精度低。

3.2 波士頓夜光模型結(jié)果

構(gòu)建4類城市電力消費(fèi)量與夜間燈光總量的波士頓夜光模型,計(jì)算公式為

(7)

根據(jù)式(7)分別估算統(tǒng)計(jì)明星、金牛、瘦狗、問(wèn)號(hào)城市的電力消費(fèi)量,并計(jì)算相對(duì)誤差。4類城市的數(shù)量依次為35、45、55和41個(gè)。平均相對(duì)誤差最小的是明星城市,僅為25.9%,金牛、瘦狗、問(wèn)號(hào)3類城市的平均相對(duì)誤差為27.3%、32.7%和32.5%。

3.3 估算結(jié)果對(duì)比

研究構(gòu)建了兩種模型估算電力消費(fèi)量,一種是傳統(tǒng)燈光模型,一種是波士頓夜光模型。為了更好地對(duì)比誤差結(jié)果,將傳統(tǒng)燈光模型的城市按照4類城市劃分,分類統(tǒng)計(jì)相對(duì)誤差,其估算對(duì)比結(jié)果如表1所示。將兩種估算模型得到的相對(duì)誤差結(jié)果進(jìn)行統(tǒng)計(jì)分類,誤差值低于25%的定為高精度結(jié)果,相對(duì)誤差在25%～50%的定為中精度結(jié)果,而高于50%的定為低精度結(jié)果。分別統(tǒng)計(jì)3類估算結(jié)果的城市個(gè)數(shù),并將兩種估算方法做對(duì)比,結(jié)果如表2所示。

表1 平均相對(duì)誤差結(jié)果對(duì)比

表2 三類精度城市數(shù)量結(jié)果對(duì)比

由表1和表2可知,波士頓夜光模型估算結(jié)果平均相對(duì)誤差更小,精度更高,并且模型的高精度城市和中精度城市均多于傳統(tǒng)燈光模型,低精度城市則一樣多。由此可見(jiàn),前者模型精度明顯優(yōu)于后者。

在基于燈光數(shù)據(jù)的電力消費(fèi)研究中,波士頓夜光模型運(yùn)用統(tǒng)計(jì)學(xué)中的波士頓矩陣應(yīng)用到城市分類中,將動(dòng)態(tài)指標(biāo)和靜態(tài)指標(biāo)相結(jié)合考慮,模擬估算結(jié)果比只考慮人口、GDP等社會(huì)經(jīng)濟(jì)因子動(dòng)態(tài)指標(biāo)更具有可靠性,有效降低了由于城市經(jīng)濟(jì)發(fā)展水平的差異性而造成的估算誤差。同時(shí)利用夜光遙感數(shù)據(jù),彌補(bǔ)了傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)存在缺失的問(wèn)題,能夠體現(xiàn)電力消費(fèi)空間上的異質(zhì)性,更準(zhǔn)確地表達(dá)人類經(jīng)濟(jì)活動(dòng)。利用波士頓夜光模型進(jìn)行城市的產(chǎn)業(yè)規(guī)劃,預(yù)測(cè)該區(qū)域未來(lái)一段時(shí)期的主導(dǎo)產(chǎn)業(yè),為政府部門制定合理的能源分配政策以及綠色產(chǎn)業(yè)發(fā)展提供了一定的參考價(jià)值。

4 結(jié)語(yǔ)

以國(guó)內(nèi)176個(gè)城市作為研究區(qū)域,建立了波士頓夜光模型。將第三產(chǎn)業(yè)作為主要分類依據(jù),將所有城市分為明星城市、金牛城市、瘦狗城市、問(wèn)號(hào)城市4類。估算結(jié)果表明,波士頓夜光模型的平均相對(duì)誤差為29.6%,而傳統(tǒng)夜光模型的平均相對(duì)誤差為36.0%,整體精度有明顯的提升。對(duì)比兩種模型的估算結(jié)果,4類城市中,各類城市的平均相對(duì)誤差均小于傳統(tǒng)燈光模型,波士頓夜光模型的高精度城市和中精度城市數(shù)量均高于傳統(tǒng)燈光模型,而低精度城市數(shù)量相同。顯然,波士頓夜光模型的估算結(jié)果精度更高,效果更好,但仍存在一定的不足之處。電力消費(fèi)量的增長(zhǎng)受到多種因素的作用,除了城市經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)因素,還包括城市人口數(shù)量、居民富裕程度、社會(huì)科技水平和地理氣候條件等因素,因此分類指標(biāo)以及分類閾值存在多樣化,所考慮到的分類因素缺乏全面性,需要結(jié)合實(shí)際情況適當(dāng)調(diào)整和優(yōu)化分類指標(biāo)和閾值的選取。因此,如何更加全面地考慮影響因素從而提高電力消費(fèi)估算精度,為社會(huì)能源的低碳可持續(xù)發(fā)展以及政府的決策提供參考,將是后續(xù)研究的重點(diǎn)。