基于NPP-VIIRS數(shù)據(jù)的我國2012—2020年電力消費量時空動態(tài)模擬

胡 穩(wěn),楊彩云,李 靜,黃 勇

(1.中國科學院 生態(tài)環(huán)境研究中心,北京 100000; 2.貴州省第三測繪院,貴陽 550000,3.中科綠洲(北京)生態(tài)工程技術(shù)有限公司,北京 100000)

0 引言

電力消費增長幅度的變化在很大程度上反映出宏觀經(jīng)濟走向,存在較大的行業(yè)及地區(qū)分異,其中工業(yè)用電是我國電力消費主體,隨地區(qū)工業(yè)生產(chǎn)的增長而增加。傳統(tǒng)的電力統(tǒng)計數(shù)據(jù)是以行政單元為主導,而利用衛(wèi)星遙感數(shù)據(jù)對電力數(shù)據(jù)做空間化處理,將電力數(shù)據(jù)反演到地理空間上可直觀顯示并分析地區(qū)間的差異,輔助相關(guān)政策的制定。

夜間燈光數(shù)據(jù)能夠有效探測城市夜間燈光,甚至是小規(guī)模居民地、車流等低強度夜間燈光數(shù)據(jù)。國內(nèi)外學者對DMSP-OLS夜間燈光數(shù)據(jù)在電力消費領(lǐng)域的應(yīng)用做了大量研究,認為夜間燈光數(shù)據(jù)與電力消費量具有顯著的相關(guān)性,并運用DMSP-OLS夜間燈光數(shù)據(jù)對電力消費量(EPC)進行估算[1-4]。2013年初,NOAA/NGDC發(fā)布了新一代夜間燈光合成數(shù)據(jù)[5]。與DMSP-OLS相比,NPP-VIIRS進行了諸多改進,其空間分辨率(15弧秒)高于DMSP-OLS數(shù)據(jù)的空間分辨率(30弧秒)[6],NPP-VIIRS數(shù)據(jù)消除了DMSP-OLS數(shù)據(jù)中存在的強光飽和,減少溢出現(xiàn)象[6],NPP-VIIRS系統(tǒng)采用了DMSP-OLS缺乏的星上定標[7],故NPP-VIIRS具有更高的微光探測能力,為夜間燈光研究提供了更好的數(shù)據(jù)基礎(chǔ)。

目前的研究在對夜間燈光數(shù)據(jù)進行空間建模時主要是在所有空間水平上使用單一的函數(shù)模型[8-10],但我國各地區(qū)自然環(huán)境差異大,夜間燈光與EPC的關(guān)系也存在地區(qū)差異,故本研究根據(jù)地區(qū)發(fā)展模式差異,著重于利用夜間燈光數(shù)據(jù)確定最優(yōu)模型,以模擬不同地區(qū)EPC的時空動態(tài)應(yīng)用不同的功能模型。隨著EPC的不斷增大,來自資源、環(huán)境等方面的制約也越來越大,促進經(jīng)濟增長,降低能源消耗,實現(xiàn)可持續(xù)發(fā)展目標是應(yīng)對未來沖擊的有效手段,故本研究探索具有更高探測能力的NPP-VIIRS數(shù)據(jù),模擬我國各省社會經(jīng)濟發(fā)展與EPC的發(fā)展趨勢及電力利用效益,提高取得的成效。

1 數(shù)據(jù)來源

2012—2015年的NPP-VIIRS夜間燈光數(shù)據(jù)可從NOAA/NCEI網(wǎng)站獲取,這些數(shù)據(jù)包括2012年4月—2020年12月的月平均輻射率合成數(shù)據(jù)。由于月平均數(shù)據(jù)具有高質(zhì)量及可靠的時間一致性[11],故選擇2012年4月—2020年12月的NPP-VIIRS月平均數(shù)據(jù)進行研究。2012—2020年國家和省級單位的電力消費量(EPC)統(tǒng)計數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。由于缺乏EPC統(tǒng)計數(shù)據(jù),對臺灣省及香港、澳門地區(qū)不做研究。EPC單位為億千瓦·時。中國的行政邊界數(shù)據(jù)包括國家及所有省級邊界,均來自中國國家地理信息中心。

2 NPP-VIIRS夜間燈光數(shù)據(jù)的修正

2.1 數(shù)據(jù)預處理

NPP-VIIRS數(shù)據(jù)預處理過程中,將數(shù)據(jù)統(tǒng)一為Albers等面積投影,以避免投影變形對像元面積造成誤差。進行重采樣使像元分辨率為500 m,利用中國行政區(qū)劃范圍提取NPP-VIIRS夜間燈光影像的中國區(qū)域。

2.2 異常值消除

異常值是指一些數(shù)值明顯偏離其余數(shù)值的樣本點,也叫離群值。NPP-VIIRS數(shù)據(jù)作為初步數(shù)據(jù),未消除由于氣體耀斑、野火、火山爆發(fā)、極光造成的影響。由于VIIRS對夜間微光探測的高靈敏度,背景噪聲問題嚴重,且由于云層覆蓋、太陽照射等因素會造成許多區(qū)域無法在某些月份獲取高質(zhì)量數(shù)據(jù),導致NPP-VIIRS影像中存在大片區(qū)域的值為0。

負值消除。關(guān)于NPP-VIIRS數(shù)據(jù)中的負值消除,過去常采用DMSP-OLS掩膜剔除的方法,而該方法僅適用于2012年和2013年,隨著影像的更新,該方法的弊端越來越明顯[12]。用于替代NPP-VIIRS數(shù)據(jù)中負值區(qū)域的DMSP-OLS數(shù)值與NPP-VIIRS理論值存在差距,負值大多與上述0值相伴分布,故在后續(xù)使用NPP-VIIRS月度數(shù)據(jù)合并成年度數(shù)據(jù)過程中將0值及負值排除,不計入合并考慮范圍。

不穩(wěn)定值消除。與平均值的偏差超過三倍標準差的值為高度異常值[13],以此為標準,將像元值與5×5范圍內(nèi)的平均值比較,以確定高度異常值并賦值為0。在NPP-VIIRS數(shù)據(jù)中,高度異常值包括短期出現(xiàn)的不穩(wěn)定值,故該過程實現(xiàn)了不穩(wěn)定像元的剔除。

極大值消除。消除極大值是參考Shi等[14]的做法,結(jié)合社會經(jīng)濟狀況,考慮NPP-VIIRS月度數(shù)據(jù)之間的差異,削弱因某月度NPP-VIIRS數(shù)據(jù)異常而導致數(shù)據(jù)年度合成后出現(xiàn)大面積異常的現(xiàn)象。選擇北京、上海、廣州及深圳4個城市,統(tǒng)計這4個城市每個月度NPP-VIIRS數(shù)據(jù)的最大DN值作為每個月度數(shù)據(jù)極大值閾值。對高于極大值閾值的像元值賦一個新值,即取該像元的8個鄰近像元的平均DN值代替,若8個鄰近像元的平均DN值均高于閾值,則取15個鄰近像元的平均DN值,依此類推,直到所有像元的DN值不高于閾值。

背景噪聲消除。考慮羌塘國家級自然保護區(qū)是中國海拔最高、面積最大的自然保護區(qū)及無人區(qū),原則上不會有人類活動的,故選擇其核心區(qū)作為參考,統(tǒng)計該區(qū)域內(nèi)每個月度NPP-VIIRS數(shù)據(jù)的最大DN值作為每個月度數(shù)據(jù)極小值閥值,凡低于極小值閾值的像元視為背景噪聲,將該像元賦值為0。

2.3 年度均值合成

在使用NPP-VIIRS月度數(shù)據(jù)進行年度均值合成過程中不考慮0值,僅使用月度數(shù)據(jù)中大于0的區(qū)域,NPP-VIIRS月度數(shù)據(jù)可按公式(1)求出每年度的合成圖像。

(1)

式中,DN(i,j)表示某一年某一月NPP-VIIRS數(shù)據(jù)的燈光值;DNi表示某一年的平均燈光值;n為該像元一年中像元DN值大于0的NPP-VIIRS月度數(shù)據(jù)期數(shù)。

2.4 EPC時空動態(tài)模型

多種模型已經(jīng)應(yīng)用于夜間燈光數(shù)據(jù)模擬EPC或其他社會經(jīng)濟數(shù)據(jù)[15-17],而區(qū)域環(huán)境于地理位置差異會導致發(fā)展模式差異。采用線性模型(2)、二次多項式模型(3)及冪函數(shù)模型(4)三種簡單回歸模型,揭示了不同地區(qū)夜間燈光數(shù)據(jù)隨時間變化的最優(yōu)EPC動態(tài)模型:

EPCestimated=a×TNL+b

(2)

EPCestimated=a×TNL2+b×TNL+c

(3)

EPCestimated=a×TNLb

(4)

式中,EPCestimated表示某一行政區(qū)在某一特定年份的EPC估算數(shù)據(jù),TNL表示相應(yīng)行政區(qū)域在同一年份內(nèi)所有照明像素的累積DN值,a、b、c為回歸系數(shù)。

決定系數(shù)通常為R2,是評價模型性能的主要指標。使用平均絕對相對誤差(MARE)來評估模型的總體精度,如公式(5)所示:

(5)

式中,n為年數(shù)或行政區(qū)域數(shù),REi為相應(yīng)年份或行政區(qū)域的第i個相對誤差,可通過公式(6)計算:

(6)

式中,EPCestimated為EPC估算數(shù)據(jù),EPCstatistical為EPC統(tǒng)計數(shù)據(jù)。

3 結(jié)果分析

3.1 NPP-VIIRS修正數(shù)據(jù)的驗證

NOAA/NGDC網(wǎng)站只提供了2015年和2016年的年度夜間燈光數(shù)據(jù),即無云平均輻射值,該數(shù)據(jù)已去除背景值與不穩(wěn)定光源,背景值設(shè)置為0,將大于0的部分視為穩(wěn)定光源部分。從省級TNL方面出發(fā),分別對2015年和2016年的年度夜間燈光數(shù)據(jù)(標準數(shù)據(jù))與NPP-VIIRS修正數(shù)據(jù)進行擬合,通過擬合能力來判斷NPP-VIIRS修正數(shù)據(jù)的合理性,如圖1所示。

圖1 2015年和2016年度基于NPP-VIIRS修正夜間燈光數(shù)據(jù)的省級TNL準確性評估Fig.1 Provincial TNL accuracy assessment based on NPP-VIIRS revised night light data in 2015 and 2016

由圖1可知,省級尺度上2015年的標準燈光數(shù)據(jù)與修正數(shù)據(jù)的R2值為0.9901,2016年的標準燈光數(shù)據(jù)和修正數(shù)據(jù)的R2值為0.9837,均達到0.01水平的顯著度。結(jié)果表明,對NPP-VIIRS夜間燈光數(shù)據(jù)的修正具有合理性。

3.2 EPC時空建模結(jié)果

利用經(jīng)過修正的NPP-VIIRS夜間燈光數(shù)據(jù),分別應(yīng)用3種回歸模型,即線性模型、二次多項式模型及冪函數(shù)模型,模擬2012—2020年國家和省級EPC數(shù)據(jù)的時空動態(tài)。以上3種回歸模型均表現(xiàn)出很好的顯著性。

3.2.1 國家層面建模結(jié)果

通過上述3種回歸模型分析2012—2020年TNL與EPC之間的關(guān)系,如圖2所示。3種模型得到的R2值分別為0.9522、0.9702、0.9535,均達到0.01水平的顯著度。如表1所示,不同回歸模型的MARE值,線性模型為2.63%,二次多項式模型為1.94%,冪函數(shù)模型為2.46%,無明顯差異。結(jié)果表明,當僅根據(jù)R2值與MARE值選擇最優(yōu)模型時,3種模型無明顯差異,均能較好地反映全國EPC的動態(tài)變化,而從數(shù)據(jù)層面細分,國家層面上二次多項式模型最優(yōu),R2值最大,MARE值最低。

圖2 2012—2020年國家層面基于NPP-VIIRS修正夜間燈光數(shù)據(jù)的TNL和EPC數(shù)據(jù)的回歸模型Fig.2 Regression model of TNL and EPC data based on NPP-VIIRS revised night light data at national level from 2012 to 2020

表1 2012—2020年國家層面由NPP-VIIRS修正夜間燈光數(shù)據(jù)估算的EPC數(shù)據(jù)準確性評估

3.2.2 省級層面建模結(jié)果

通過上述3種回歸模型分析2012—2020年各省TNL與EPC數(shù)據(jù)之間的關(guān)系,據(jù)此計算各省3種回歸模型中每個模型的R2與MARE值(圖3)。如圖3所示,線性模型、二次多項式模型和冪函數(shù)模型的平均R2值分別為0.8964、0.9259、0.8982,而平均MARE值的差異同樣明顯。每個省份模型的不同,R2值與MARE值有一定差異,但均通過顯著性檢測(P<0.01),故在大多數(shù)省份中這3個模型都是可靠的,可利用修正的NPP-VIIRS夜間燈光數(shù)據(jù)對國內(nèi)EPC進行動態(tài)建模。在省級層面,二次多項式模型的R2值差異最小,平均MARE值為2.78%。

圖3 2012—2020年各省由NPP-VIIRS修正夜間燈光數(shù)據(jù)估算的EPC數(shù)據(jù)準確性評估Fig.3 Accuracy assessment of EPC data estimated by NPP-VIIRS revised night light data of each province from 2012 to 2020

對各省級最有效的模型進行進一步確定,比較各省不同模型的R2和MARE值,從而選擇各省的最佳模型,如表2所示。在利用修正后的NPP-VIIRS夜間燈光數(shù)據(jù)模擬2012—2020年EPC空間動態(tài)過程中,二次多項式函數(shù)模型在大多數(shù)省份中(31個省份中的24個)表現(xiàn)最佳,線性模型在4個省份(四川、甘肅、山西及浙江)中表現(xiàn)最佳,而冪函數(shù)模型在黑龍江、內(nèi)蒙古及福建表現(xiàn)最佳。

表2 各省基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)的TNL與EPC數(shù)據(jù)關(guān)系最優(yōu)模型

由于二次多項式函數(shù)模型被大多數(shù)省份確定為最佳模型,故選擇該模型對省級TNL值與EPC數(shù)據(jù)之間的增長率差距進行進一步分析。選擇貴州省與河北省進行測試,對二次多項式進一步分析,得出以下兩種情況(圖4);當相應(yīng)省份的二次多項式函數(shù)中參數(shù)a大于0時,該省份2012—2020年EPC數(shù)據(jù)的增長相對快于TNL增長;而當參數(shù)a小于0時,TNL的增長相對快于EPC數(shù)據(jù)。

圖4 省級層面二次多項式函數(shù)模型的兩種模式比較Fig.4 Comparison of two modes of quadratic polynomial function model at provincial level

函數(shù)在某一點的一階導數(shù)描述了該函數(shù)在這一點附近的變化率。求得各省二次多項式函數(shù)的一階導數(shù),獲取2012年—2020年各省EPC數(shù)據(jù)隨基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)的TNL平均變化率,反映各省社會經(jīng)濟發(fā)展與EPC數(shù)據(jù)增加之間的差距,值越大,表示社會經(jīng)濟發(fā)展過程中電力利用效益越低。如公式(7)所示:

(7)

式中,Kmean表示平均變化率,n為年份數(shù),xi為對應(yīng)年份基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)的TNL值,a和b為二次多項式模型的回歸參數(shù)。表3為各省EPC數(shù)據(jù)隨基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)的TNL平均變化率Kmean空間分布結(jié)果。

表3 各省EPC數(shù)據(jù)隨基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)TNL值的平均變化率空間分布結(jié)果

結(jié)果表明,各省EPC數(shù)據(jù)隨基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)的TNL平均變化率Kmean呈現(xiàn)出明顯的地區(qū)差異,大部分南方省份Kmean值差距較小,相比之下,北方省份Kmean值差距較大。如內(nèi)蒙古、寧夏的Kmean值偏大,與“三北”地區(qū)新能源消納的矛盾突出及棄風、棄光集中[18-19]等背景相契合。2018年數(shù)據(jù)顯示,內(nèi)蒙古風電發(fā)電量為628.85億千瓦,遠高于其他地區(qū),占全區(qū)發(fā)電量的12.57%,寧夏為11.21%?？紤]地區(qū)人口與GDP等因素,內(nèi)蒙古與寧夏電力消納遠低于發(fā)電量。黑龍江、吉林、天津、河北Kmean值偏小,可能與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、節(jié)能減排壓力、地區(qū)經(jīng)濟發(fā)展放緩及人口危機有關(guān)[20-23]。河南以裝備制造業(yè)、食品產(chǎn)業(yè)等初級品為絕對主導[24],海南基于創(chuàng)新綠色的發(fā)展理念大力發(fā)展旅游業(yè)、現(xiàn)代服務(wù)業(yè)及高新技術(shù)產(chǎn)業(yè)等現(xiàn)代產(chǎn)業(yè)體系[25-26],因此Kmean值偏小。

函數(shù)的二階導數(shù)為該函數(shù)的切線斜率變化率。對二次多項式函數(shù)進行二階導數(shù)可以用2a表示,其中a為二次多項式模型的回歸參數(shù),以此來衡量EPC數(shù)據(jù)隨基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)的TNL變化的加速狀況,表示各省社會經(jīng)濟發(fā)展過程中對電力利用效益提高方面取得的成效。大于0時,效益降低; 小于0時,效益提高,值越小,效益提高成效越顯著。表4為各省EPC數(shù)據(jù)隨基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)TNL變化的二階導數(shù)結(jié)果。

表4 各省EPC數(shù)據(jù)隨基于NPP-VIIRS修正的夜間燈光數(shù)據(jù)TNL值變化的二階導數(shù)空間分布結(jié)果

結(jié)果表明,各省在社會經(jīng)濟發(fā)展過程中對電力利用效益提高取得的成效呈現(xiàn)出明顯的地區(qū)差異。東部沿海、東北及山西、河南、安徽等地區(qū)電力利用效益提升程度相近。西南地區(qū)及湖南、廣西等省份電力利用效益呈現(xiàn)降低趨勢,程度相近。在域發(fā)展戰(zhàn)略政策的推動下基礎(chǔ)設(shè)施與基本公共服務(wù)等得到發(fā)展,西南地區(qū)的經(jīng)濟活力增強。受到產(chǎn)業(yè)梯度轉(zhuǎn)移表現(xiàn)出雁陣效應(yīng),產(chǎn)業(yè)驅(qū)動力強勁,呈現(xiàn)可持續(xù)性發(fā)展態(tài)勢,與西南地區(qū)產(chǎn)業(yè)發(fā)展表現(xiàn)突出等背景相契合[27-28]。西藏、青海及寧夏電力利用效益提升程度大,可能與地區(qū)人口及經(jīng)濟規(guī)模較小、作為國家的生態(tài)屏障在相關(guān)生態(tài)保護政策執(zhí)行力度大有關(guān)。

4 結(jié)論與討論

夜間燈光數(shù)據(jù)記錄了地球表面的人工燈光,為區(qū)域電力消費的時空動態(tài)模擬提拱了巨大的潛力。NPP-VIIRS數(shù)據(jù)從2012年開始使用,具有很高的空間分辨率及較寬的輻射探測范圍。而原始的NPP-VIIRS夜間燈光數(shù)據(jù)存在的噪聲會在很大程度上對估算準確性產(chǎn)生負面影響。需采取一系列措施修正原始NPP-VIIRS數(shù)據(jù),為EPC模擬提供可靠的數(shù)據(jù)集。

利用NPP-VIIRS夜間燈光數(shù)據(jù),采用線性模型、二次多項式模型及冪函數(shù)模型3種回歸模型對EPC時空動態(tài)進行模擬。結(jié)果表明,在國家層面,二次多項式模型為最優(yōu),平均絕對相對誤差(MARE)最小,為1.94%,線性模型與冪函數(shù)模型的平均絕對相對誤差分別為2.63%、2.46%。在省級層面,最優(yōu)擬合模型一般為二次多項式模型,平均MARE值為2.78%。通過省級層面的進一步分析可知,31個省份中,二次多項式模型最優(yōu)的有24個,線性模型最優(yōu)的有4個,冪函數(shù)模型僅有3個。使用精度更高的NPP-VIIRS夜間燈光數(shù)據(jù)為準確模擬EPC數(shù)據(jù)的長期時空動態(tài)提供了一種思路,對反映社會經(jīng)濟活動中電力利用效益的提高所取得的成效分析具有重要意義。

NPP-VIIRS數(shù)據(jù)是一個精度更高的數(shù)據(jù)集,未來可在更大數(shù)據(jù)量的基礎(chǔ)上進行深入研究。考慮將DMSP-OLS與NPP-VIIRS數(shù)據(jù)整合,擴展夜間燈光數(shù)據(jù)時間跨度[29]。