CN105205466A - 一种基于夜间灯光影像的能源碳排放量遥感估算方法 - Google Patents

一种基于夜间灯光影像的能源碳排放量遥感估算方法 Download PDF

Info

Publication number
CN105205466A
CN105205466A CN201510604791.3A CN201510604791A CN105205466A CN 105205466 A CN105205466 A CN 105205466A CN 201510604791 A CN201510604791 A CN 201510604791A CN 105205466 A CN105205466 A CN 105205466A
Authority
CN
China
Prior art keywords
industry type
carbon emission
energy
night lights
emission amount
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510604791.3A
Other languages
English (en)
Other versions
CN105205466B (zh
Inventor
苏泳娴
陈修治
李勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Botanical Garden of CAS
Guangzhou Institute of Geography of GDAS
Original Assignee
South China Botanical Garden of CAS
Guangzhou Institute of Geography of GDAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China Botanical Garden of CAS, Guangzhou Institute of Geography of GDAS filed Critical South China Botanical Garden of CAS
Priority to CN201510604791.3A priority Critical patent/CN105205466B/zh
Publication of CN105205466A publication Critical patent/CN105205466A/zh
Application granted granted Critical
Publication of CN105205466B publication Critical patent/CN105205466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明提供了一种基于夜间灯光影像的能源碳排放量遥感估算方法，其包括以下步骤：步骤1、基于夜间灯光影像提取城市建设用地；步骤2、基于夜间灯光影像模拟能源碳排放量；其中，步骤1包括：步骤11、识别建设用地和非建设用地的过渡带；步骤12、提取过渡带以外的建设用地；步骤13、提取过渡带内包含的建设用地；步骤14、得到全部的建设用地；步骤2包括：步骤21、提取待测地区全部建设用地范围内的夜间灯光数据总值；步骤22、划分多个主导产业类型；步骤23、构建不同主导产业类型的能源碳排放量反演模型。本发明通过建立能源碳排放量模型，根据夜间灯光影像以及不同主导产业类型即可对任意地区的能源碳排放量进行预测。

Description

一种基于夜间灯光影像的能源碳排放量遥感估算方法
技术领域
本发明涉及反演技术，具体涉及一种基于夜间灯光影像的能源碳排放量遥感估算方法。
背景技术
探索经济发展与能源消费等人类活动造成的碳排放成为目前国内外学术界研究的热点问题。据统计，2000年以来中国CO2排放量年均增速达10％左右，2008年碳排放量达83.25亿吨，超过美国成为世界第一碳排放大国。巨大的排放量和较高的增速，使中国面临着巨大的减排压力。由于中国各区域经济社会发展和能源消费结构存在很大差异，因此，科学准确地测算和分析不同区域碳排放的时空变化，揭示其机理问题，是未来明确减排目标、科学制定减排计划的根本前提。
中国大陆关于能源消费碳排放的相关研究起步较晚，但伴随着国际对中国碳减排的关注以及国内各区域节能减排、低碳城市的快速推进，近年国内外许多不同学科领域的学者(如地理学、环境科学、生态学、经济学、管理学等)也开始广泛开展了关于中国的能源消费碳排放相关研究，并取得了一定的研究成果。主要包含以下几个方面。(1)基于全国能源消费统计数据，测算了国家尺度的能源消费碳排放量、碳排放强度和人均碳排放量的变化趋势、空间格局以及不同产业的碳排放差异。(2)结合中国人口、GDP、产业数据、能源消费数据等，分析了影响中国能源消费碳排放量的主要因素。(3)利用对数平均迪氏分解模型(LogarithmicMeanDivisiaIndex,LMDI)，分解了影响中国能源消费碳排放的主导因素，揭示碳排放影响因素在不同区域的贡献率。(4)基于中国碳排放格局、趋势及主要影响因素分析结果，开展了初步的减排策略研究。另外，部分学者也对省级、区域尺度和部分发达城市的碳排放进行了类似的研究。
然而，大部分研究主要依据国家统计局及下属部门发布的统计数据，由于统计数据大多是以国家或省级为单位，市级及更小尺度的没有相对完整的能耗统计数据，很多地区缺失严重，导致从全国层面或社会经济较发达省份研究碳排放的成果较多，这给全面了解中国市级及以下尺度碳排放情况带来很大限制。另外，鉴于国家级、省级、市县级统计数据的统计口径、计算方法和统计误差等各不相同，三个层面统计数据之间存在较严重的不一致性，也给制定准确、系统、差异化的碳减排计划带来较大困难。更重要的是，中国大陆能源统计数据的不准确性，导致无法直接使用国外能源碳排放量的计算方法来估算中国省市级的能源碳排放量。因此，急需引入新的空间信息获取手段，开展地区性的能源碳排放量监测和政策研究。
“能源碳排放量”顾名思义，主要是指人类“能源消耗”所产生的碳排放。而“能源消耗”来源于人类活动，人类活动的主要发生场地则是“建设用地”，因此，能源碳排放量与建设用地息息相关。
美国军事气象卫星DefenseMeteorologicalSatelliteProgram(DMSP)产生的DMSP/OLS夜间灯光影像，能够有效地探测到发生在城镇建设用地上的夜间灯光，甚至小规模居民地、车流等产生的低强度夜间灯光，是监测建设用地、能源消耗强度的良好数据源，具有较大的应用潜力。
国内外少数学者已经将DMSP/OLS夜间灯光数据应用于能源碳排放量估算研究，然而，目前的反演模型仍存在较大的缺点。我国城市发展水平差异大、产业结构类型差异大，不同产业类型的城市，其能源碳排放量与DMSP/OLS夜间灯光数值的量化关系也有显著差异，但是目前模型算法尚没有针对不同主导产业类型城市构建的能源碳排放量DMSP/OLS反演模型。
发明内容
针对以上不足，本发明的目的在于提供一种基于夜间灯光影像的能源碳排放量遥感估算方法，其通过建立能源碳排放量遥感反演模型，根据DMSP/OLS夜间灯光影像以及不同主导产业类型即可对任意地区的能源碳排放量进行模拟。
为了实现上述目的，本发明通过下列技术方案来实现：
一种基于夜间灯光影像的能源碳排放量遥感估算方法，其包括以下步骤：
步骤1、基于DMSP/OLS夜间灯光影像提取城市建设用地；
步骤2、基于DMSP/OLS夜间灯光影像模拟能源碳的排放量；
其中，步骤1包括：
步骤11、利用ArcGIS软件对DMSP/OLS夜间灯光影像做3×3单元格最大值邻域分析和3×3单元格最小值邻域分析，并将获取的3×3单元格最大值邻域的斑块面积与3×3单元格最小值邻域的斑块面积相减得到差值DN1，以差值DN1>8为阈值，识别建设用地和非建设用地的过渡带；
步骤12、根据过渡带外建设用地的DMSP/OLS夜间灯光数值大于邻近非建设用地的DMSP/OLS夜间灯光数值，提取过渡带以外的其他建设用地；
步骤13、利用ArcGIS软件对DMSP/OLS夜间灯光影像做5×5单元格最小值邻域分析和3×3单元格最小值邻域分析，并将获取的5×5单元格最小值邻域的斑块面积与3×3单元格最小值邻域的斑块面积相减得到差值DN2，以差值DN2<-7为阈值，提取过渡带内包含的建设用地；
步骤14、叠加过渡带以外的其他建设用地和过地带内包含的建设用地，得到全部的建设用地；
步骤2包括：
步骤21、提取待测地区全部建设用地范围内的夜间灯光数据；
步骤22、划分多个主导产业类型，并根据待测地区主导产业类型，将待测地区进行分类；
步骤23、不同主导产业类型选取代表城市若干个，利用线性或非线性拟合的方法，模拟不同主导产业类型代表城市的夜间灯光总值SDN(获取方式与步骤21中待测地区夜间灯光数据相同)与基于统计数据计量的能源CO2排放量C的拟合量化关系，构建不同主导产业类型的能源碳排放量反演模型；
步骤24、根据步骤21获取的待测地区全部建设用地范围内的夜间灯光数据以及步骤23中构建的符合该待测地区主导产业类型的能源碳排放量反演模型估算出该待测地区的能源CO2排放量C的模拟量。
所述步骤21中提取待测地区全部建设用地范围内的夜间灯光数据的方法是：根据步骤14提取待测地区的建设用地范围，并以该范围对该待测地区的DMSP/OLS夜间灯光影像进行切割，统计该待测地区的建设用地范围内的夜间灯光总值。
所述步骤22中以轻工业和重工业的比重A的大小，将主导产业类型划分为轻工业类型、略重工业类型、轻度重工业类型、中度重工业类型、重度重工业类型以及极度重工业类型，其中轻工业类型的比重A大于1，略重工业类型的比重A＝(0.5,1]、轻度重工业类型的比重A＝(0.4,0.5]、中度重工业类型的比重A＝(0.3,0.4]、重度重工业类型的比重A＝[0.2,0.3]以及极度重工业类型的比重A小于0.2。
所述步骤23的实现方法为：
对每个主导产业类型均选取若干个代表城市(例如50个)作为特定地区，所述特定地区具有已知夜间灯光总值SDN和能源CO2排放量C统计值，将每个主导产业类型对应的特定地区的已知夜间灯光总值SDN以及能源CO2排放量C统计值放入MATLAB软件中通过线性或非线性拟合的方式进行拟合，构建每个主导产业类型的特定地区的能源碳排放量反演模型。
所述步骤23中的能源碳排放量反演模型分别为：
轻工业类型：C＝0.0353×SDN+503.96；
略重工业类型：C＝0.0317×SDN+2338.5；
轻度重工业类型：C＝6620.21×ln(SDN)+67180；
中度重工业类型：C＝-3×10-8×SDN2+0.0572×SDN-373.89；
重度重工业类型：C＝-1×10-8×SDN2+0.0672×SDN-640.53；
极度重工业类型：C＝-2×10-8×SDN2+0.0421×SDN+1446。
所述步骤2还包括以下步骤：
步骤25、获取部分地区的能源CO2排放量的实际统计量，将该实际统计量与所述部分地区对应主导产业类型的能源碳排放量反演模型估算的能源CO2排放量的模拟量进行比对，以验证所述能源碳排放量反演模型的可靠性。
与现有技术相比，本发明的有益效果在于：
1、DMSP/OLS邻域分析方法提取斑块面积精度和形状相似精度高，是一种经济、省时、有效的建设用地遥感提取方法，可以为区域尺度下城镇建设用地扩展的监测或者利用夜间灯光数据开展其他相关研究提供新的途径；
2、通过建立能源碳排放量模型，根据DMSP/OLS夜间灯光影像以及不同主导产业类型即可对任意地区的能源碳排放量进行估算，不仅具有独特的时空连续性，而且弥补了传统统计数据不全、统计口径不一的缺点，是一种可靠的新型碳排放监测手段。
附图说明
图1是本发明基于夜间灯光影像的能源碳排放量遥感估算方法的流程图；
图2是邻域分析法获取的建设用地象元数与TM影像提取的建设用地象元数关系图；
图3是邻域分析法获取的景观形状指数与TM影像提取的景观形状指数关系图；
图4是邻域分析法获取的聚集度指数与TM影像提取的聚集度指数关系图；
图5是邻域分析法获取的边缘面积比与TM影像提取的边缘面积比关系图；
图6是邻域分析法获取的连接度指数与TM影像提取的连接度指数关系图；
图7是模拟的能源CO2排放量与统计数据的能源CO2排放量之间的关系图；
图8是轻工业类型的能源碳排放量反演模型的拟合曲线；
图9是略重工业类型的能源碳排放量反演模型的拟合曲线；
图10是轻度重工业类型的能源碳排放量反演模型的拟合曲线；
图11是中度重工业类型的能源碳排放量反演模型的拟合曲线；
图12是重度重工业类型的能源碳排放量反演模型的拟合曲线；
图13是极度重工业类型的能源碳排放量反演模型的拟合曲线。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
本发明提供一种基于DMSP/OLS夜间灯光影像的能源碳排放量遥感估算方法，其通过建立能源碳排放量遥感反演模型，即可根据夜间灯光数据总值获取每个地区的能源碳排放量(即能源CO2排放量)的模拟量。
本发明提出两个假设：(1)建设用地范围内的夜间灯光数据总值(SDN)，与该地区能源碳排放量(C)具有一定的相关性，摸清地区能源碳排放量(C)和夜间灯光数据总值(SDN)之间的量化关系，这是本发明主要解决的技术性问题之一。(2)能源消耗和一个城市的产业类型息息相关，不同产业类型为主导的城市，能源碳排放量(C)与夜间灯光数据总值(SDN)之间量化关系也不同，因此，根据产业类型划分城市，构建以不同产业类型为主导的能源碳排放量遥感估算方法，这又是本发明主要解决的一个技术问题。
鉴于此，本发明的总体思路是：(1)以轻工业和重工业作为产业主导类型的主要表征参数，将城市按照不同轻工业/重工业的比例划分类型；(2)基于DMSP/OLS夜间灯光影像识别城市建设用地范围；(3)根据城市建设用地边界提取每个城市建设用地范围内的DMSP/OLS夜间灯光总值(SDN)；(4)利用部分城市的能源统计数据，采用IPCC公布的《2006温室气体排放清单》计算方法，来计算能源CO2排放量(即为能源CO2排放量的C统计量，认为是已知数据)；(5)构建不同主导产业类型城市的能源碳排放量(C)统计值与其对应的夜间灯光数据总值(SDN)散点图，在MATLAB软件中利用线性或非线性等拟合方法，模拟不同主导产业类型城市能源碳排放量(C)统计值与夜间灯光数据总值(SDN)之间的量化关系。
具体地，请参照图1所示，本发明主要阐述基于DMSP/OLS夜间灯光影像准确提取城市建设用地的方法；以及基于DMSP/OLS夜间灯光影像建立能源碳排放量遥感反演模型，准确模拟能源碳排放量。同时，并基于1992-2010年DMSP/OLS夜间灯光影像，结合30个省或直辖市以及66个地级市的统计数据，将该发明模型应用于我国大陆1992-2010年的地级市能源碳排放量模拟和验证。
一、基于DMSP/OLS夜间灯光影像准确提取城市建设用地的方法。
DMSP/OLS夜间灯光影像存在着明显的“亮源”和“暗源”，分别是建设用地和非建设用地区域，亮源与暗源之间存在一个明显的突变区域，即建设用地与非建设用地的过渡带。本方法是基于NeighborhoodStatistics原理，利用ArcGIS平台软件提供的NeighborhoodStatistics表面分析工具，借鉴地形起伏度分析方法，通过多个栅格的复合运算，构建一套基于DMSP/OLS夜间灯光邻近象元特征差异的邻域分析方法，克服目前阈值方法的不足。
1)首先进行过渡带识别。利用ArcGIS软件对DMSP/OLS夜间灯光影像做3×3单元格最大值邻域分析和3×3单元格最小值邻域分析，并将获取的3×3单元格最大值邻域的斑块面积与3×3单元格最小值邻域的斑块面积相减得到差值DN1，以差值DN1>8为阈值，识别建设用地和非建设用地的过渡带。
2)然后提取过渡带以外的建设用地。过渡带以外建设用地的DMSP/OLS夜间灯光数值一般大于邻近非建设用地夜间灯光数值，根据这一特征提取分界带以外建设用地。
3)接着提取过渡带内包含的建设用地。利用ArcGIS软件对DMSP/OLS夜间灯光影像做5×5单元格最小值邻域分析和3×3单元格最小值邻域分析，并将获取的5×5单元格最小值邻域的斑块面积与3×3单元格最小值邻域的斑块面积相减得到差值DN2，以差值DN2<-7为阈值，提取过渡带内包含的建设用地。
4)最后叠加过渡带外的建设用地和过渡带内的建设用地提取结果，得到整个城市的建设用地。
二、基于DMSP/OLS夜间灯光影像准确模拟不同主导产业地级市能源碳排放量的算法。
不同主导产业的区域，其能源CO2排放特征(平均CO2排放强度、平均能源利用效率、平均能源结构)均有所不同，一个地区的重工业和轻工业比重可以作为反应其主导产业的一个重要指标。因此，本发明以轻工业和重工业的比重作为划分不同主导产业城市的主要依据，构建不同主导产业地级市能源碳排放量的算法。
1)首先提取各省市建设用地范围内的夜间灯光数据。基于第一部分的步骤4)最终提取的建设用地范围，切割DMSP/OLS夜间灯光影像，获取各省市的建设用地范围内的DMSP/OLS夜间灯光数据，并统计建设用地范围内的夜间灯光总值(SDN)。
2)然后划分不同主导产业类型城市。考虑到中国大部分省市以重工业为主导，本研究利用各省市轻工业和重工业比重，分别划分以轻工业为主导城市(轻工业：重工业>1)、略重工业主导城市(1>轻工业：重工业>0.5)、轻度重工业主导城市(0.5>轻工业：重工业>0.4)、中度重工业主导城市(0.4>轻工业：重工业>0.3)、重度重工业主导城市(0.3>轻工业：重工业>0.2)；极度重工业主导城市(0.2>轻工业：重工业)等6种不同主导产业的城市类型。
3)最后构建不同主导产业类型城市的能源碳排放量反演算法。利用线性、非线性拟合方法，模拟不同主导产业类型省市的夜间灯光总值(SDN)与相应的能源CO2排放量(C)的统计量的拟合量化关系，构建基于DMSP/OLS夜间灯光影像的能源碳排放量反演模型，请分别参照图8-13所示。
基于上述方法，本发明构建了基于不同轻工业：重工业比重城市类型划分的能源碳排放量DMSP/OLS遥感估算方法，如下公式：
三、基于DMSP/OLS夜间灯光影像准确提取城市建设用地精度验证
由于LandsatTM影像的空间分辨率相对较高(30×30m2)，学者普遍认为基于TM影像提取的建设用地图斑是可靠的验证数据源，因此本发明以1996、2000年、2005年、2009年广州、东莞、佛山、惠州、江门、深圳、中山、珠海等8个城市和2009年北京等30多个城市的LandsatTM/ETM+影像作为验证数据源，以建设用地象元数、景观形状指数、聚集度指数、边缘面积比和连接度指数作为验证指标，对提取结果分别进行时间尺度和空间尺度的验证，分别如图2-6所示。结果表明：该邻域分析方法的提取图斑面积与TM提取结果相近，均方根误差为193.56个象元数，平均相对精度为87.21％，平均kappa系数(一致性系数)为0.731，而且形状相似度高，景观形状指数、聚集度指数、边缘面积比和连接度指数相关系数(R2)分别达到0.46、0.38、0.82和0.96。可见，DMSP/OLS邻域分析方法提取斑块面积精度和形状相似精度高，是一种经济、省时、有效的建设用地遥感提取方法，可以为区域尺度下城镇建设用地扩展的监测或者利用夜间灯光数据开展其他相关研究提供新的途径。
四、基于DMSP/OLS夜间灯光影像准确模拟不同主导产业地级市能源碳排放量的算法精度验证。
为确保能源CO2排放量模拟值的可靠性，将其与基于统计数据计算的30个省及直辖市以及66个地级市的CO2排放量进行比照，请参照图7所示。结果发现，模拟的能源碳排放量与统计数据计算值最大相差26998.25万t，最小相差6万t，均方根误差(RMSE)为853.66万t，相对误差(RE)为6.65％。可见，利用DMSP/OLS夜间灯光影像能有效估算我国市级CO2碳排放量，不仅具有独特的时空连续性，而且弥补了传统统计数据不全、统计口径不一的缺点，是一种可靠的新型碳排放监测手段。
本发明提出了一种以不同主导产业比重为划分的能源碳排放量遥感模拟技术，较之前相关研究(Su等，2015)，本发明提出的方法其模拟精度更高。R2是代表一个模型拟合结果和精度的衡量标准，本模型拟合结果显示，6个不同产业类型比重的城市其能源碳排放量(C)和夜间灯光总值(SDN)拟合关系的R2分别为0.9013、0.9572、0.8832、0.9087、0.9207和0.9128，较之前的相关研究(Su等，2015，R2＝0.80)有了很大改进。
上述实例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (6)

1.一种基于夜间灯光影像的能源碳排放量遥感估算方法，其特征在于，其包括以下步骤：
步骤1、基于DMSP/OLS夜间灯光影像提取城市建设用地；
步骤2、基于DMSP/OLS夜间灯光影像模拟能源碳的排放量；
其中，步骤1包括：
步骤11、利用ArcGIS软件对DMSP/OLS夜间灯光影像做3×3单元格最大值邻域分析和3×3单元格最小值邻域分析，并将获取的3×3单元格最大值邻域的斑块面积与3×3单元格最小值邻域的斑块面积相减得到差值DN1，以差值DN1>8为阈值，识别建设用地和非建设用地的过渡带；
步骤12、根据过渡带外建设用地的DMSP/OLS夜间灯光数值大于邻近非建设用地的DMSP/OLS夜间灯光数值，提取过渡带以外的其他建设用地；
步骤13、利用ArcGIS软件对DMSP/OLS夜间灯光影像做5×5单元格最小值邻域分析和3×3单元格最小值邻域分析，并将获取的5×5单元格最小值邻域的斑块面积与3×3单元格最小值邻域的斑块面积相减得到差值DN2，以差值DN2<-7为阈值，提取过渡带内包含的建设用地；
步骤14、叠加过渡带以外的其他建设用地和过地带内包含的建设用地，得到全部的建设用地；
步骤2包括：
步骤21、提取待测地区全部建设用地范围内的夜间灯光数据；
步骤22、划分多个主导产业类型，并根据待测地区主导产业类型，将待测地区进行分类；
步骤23、不同主导产业类型选取代表城市若干个，利用线性或非线性拟合的方法，模拟不同主导产业类型代表城市的夜间灯光总值SDN与基于统计数据计量的能源CO2排放量C的拟合量化关系，构建不同主导产业类型的能源碳排放量反演模型；
步骤24、根据步骤21获取的待测地区全部建设用地范围内的夜间灯光数据以及步骤23中构建的符合该待测地区主导产业类型的能源碳排放量反演模型估算出该待测地区的能源CO2排放量C的模拟量。
2.根据权利要求1所述的基于夜间灯光影像的能源碳排放量遥感估算方法，其特征在于，所述步骤21中提取待测地区全部建设用地范围内的夜间灯光数据的方法是：根据步骤14提取待测地区的建设用地范围，并以该范围对该待测地区的DMSP/OLS夜间灯光影像进行切割，统计该待测地区的建设用地范围内的夜间灯光总值。
3.根据权利要求1所述的基于夜间灯光影像的能源碳排放量遥感估算方法，其特征在于，所述步骤22中以轻工业和重工业的比重A的大小，将主导产业类型划分为轻工业类型、略重工业类型、轻度重工业类型、中度重工业类型、重度重工业类型以及极度重工业类型，其中轻工业类型的比重A大于1，略重工业类型的比重A＝(0.5,1]、轻度重工业类型的比重A＝(0.4,0.5]、中度重工业类型的比重A＝(0.3,0.4]、重度重工业类型的比重A＝[0.2,0.3]以及极度重工业类型的比重A小于0.2。
4.根据权利要求3所述的基于夜间灯光影像的能源碳排放量遥感估算方法，其特征在于，所述步骤23的实现方法为：
对每个主导产业类型均选取若干个代表城市作为特定地区，所述特定地区具有已知夜间灯光总值SDN和能源CO2排放量C统计值，将每个主导产业类型对应的特定地区的已知夜间灯光总值SDN以及能源CO2排放量C统计值放入MATLAB软件中通过线性或非线性拟合的方式进行拟合，构建每个主导产业类型的特定地区的能源碳排放量反演模型。
5.根据权利要求4所述的基于夜间灯光影像的能源碳排放量遥感估算方法，其特征在于，所述步骤23中的能源碳排放量反演模型分别为：
轻工业类型：C＝0.0353×SDN+503.96；
略重工业类型：C＝0.0317×SDN+2338.5；
轻度重工业类型：C＝6620.21×ln(SDN)+67180；
中度重工业类型：C＝-3×10- 8×SDN2+0.0572×SDN-373.89；
重度重工业类型：C＝-1×10- 8×SDN2+0.0672×SDN-640.53；
极度重工业类型：C＝-2×10- 8×SDN2+0.0421×SDN+1446。
6.根据权利要求3所述的基于夜间灯光影像的能源碳排放量遥感估算方法，其特征在于，所述步骤2还包括以下步骤：
步骤25、获取部分地区的能源CO2排放量的实际统计量，将该实际统计量与所述部分地区对应主导产业类型的能源碳排放量反演模型估算的能源CO2排放量的模拟量进行比对，以验证所述能源碳排放量反演模型的可靠性。
CN201510604791.3A 2015-09-21 2015-09-21 一种基于夜间灯光影像的能源碳排放量遥感估算方法 Active CN105205466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510604791.3A CN105205466B (zh) 2015-09-21 2015-09-21 一种基于夜间灯光影像的能源碳排放量遥感估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510604791.3A CN105205466B (zh) 2015-09-21 2015-09-21 一种基于夜间灯光影像的能源碳排放量遥感估算方法

Publications (2)

Publication Number Publication Date
CN105205466A true CN105205466A (zh) 2015-12-30
CN105205466B CN105205466B (zh) 2018-06-15

Family

ID=54953138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510604791.3A Active CN105205466B (zh) 2015-09-21 2015-09-21 一种基于夜间灯光影像的能源碳排放量遥感估算方法

Country Status (1)

Country Link
CN (1) CN105205466B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787276A (zh) * 2016-02-29 2016-07-20 华中师范大学 基于夜间灯光强度的港口经济综合评价估计方法及系统
CN106683059A (zh) * 2016-12-29 2017-05-17 中国科学院深圳先进技术研究院 夜间灯光数据序列构建方法及装置
CN108280789A (zh) * 2018-01-31 2018-07-13 中国科学院地理科学与资源研究所 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法
CN108960482A (zh) * 2018-05-22 2018-12-07 广州地理研究所 一种基于dmsp/ols人口遥感的海啸风险优先疏散方法
CN109191329A (zh) * 2018-09-14 2019-01-11 云南电网有限责任公司 一种基于多层lmdi的电力消费量影响因素分解方法
CN109508849A (zh) * 2018-08-17 2019-03-22 西安建筑科技大学 一种基于城市统计数据的城市碳排放影响因素分析方法
CN109670556A (zh) * 2018-12-27 2019-04-23 中国科学院遥感与数字地球研究所 基于火点和夜光数据的全球热源重工业区域识别算法
CN111861797A (zh) * 2020-07-31 2020-10-30 生态环境部环境规划院 一种快速核算城镇和农村生活二氧化碳排放的方法及核算系统
CN111896680A (zh) * 2020-07-08 2020-11-06 天津师范大学 基于卫星遥感数据的温室气体排放分析方法及系统
CN112419124A (zh) * 2020-11-19 2021-02-26 广州市城市规划勘测设计研究院 一种低效工业用地的快速识别方法、装置及其存储介质
CN113139524A (zh) * 2017-12-14 2021-07-20 创新先进技术有限公司 一种数据处理的方法、装置及设备
CN113155498A (zh) * 2021-03-26 2021-07-23 中国科学院城市环境研究所 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备
CN114364080A (zh) * 2022-01-05 2022-04-15 贵州升智交科信息技术发展有限公司 一种高速公路隧道照明碳排放预测模型
CN114974453A (zh) * 2022-05-30 2022-08-30 中南大学 一种大气二氧化碳柱浓度高覆盖度重建方法
CN115049164A (zh) * 2022-08-15 2022-09-13 四川师范大学 耦合社会网络模型和碳抵消的生态网络优化方法
CN116933934A (zh) * 2023-07-25 2023-10-24 国网山西省电力公司电力科学研究院 融合viirs与统计数据的县域碳排放的预测与分析的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130049497A (ko) * 2011-11-04 2013-05-14 한국세라믹기술원 콘크리트 구조물의 ｃ０２ 수지 평가 및 분석 방법
JP2015069633A (ja) * 2013-09-30 2015-04-13 小林 秀矩 太陽光発電パネルによる包括的一元管理の評価算出法による排出権取引枠システム
CN104537447A (zh) * 2015-01-20 2015-04-22 广州赛诺博恩低碳工程研究有限公司 一种建设工程施工碳排放运算系统
CN104615865A (zh) * 2015-01-20 2015-05-13 中国建筑第五工程局有限公司 一种建设工程施工碳排放量的定额估算方法及其应用

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130049497A (ko) * 2011-11-04 2013-05-14 한국세라믹기술원 콘크리트 구조물의 ｃ０２ 수지 평가 및 분석 방법
JP2015069633A (ja) * 2013-09-30 2015-04-13 小林 秀矩 太陽光発電パネルによる包括的一元管理の評価算出法による排出権取引枠システム
CN104537447A (zh) * 2015-01-20 2015-04-22 广州赛诺博恩低碳工程研究有限公司 一种建设工程施工碳排放运算系统
CN104615865A (zh) * 2015-01-20 2015-05-13 中国建筑第五工程局有限公司 一种建设工程施工碳排放量的定额估算方法及其应用

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LETU H等: "Estimating the energy consumption with nighttime city light from the DMSP/OLS imagery", 《2009 URBAN REMOTE SENSING JOINT EVENT》 *
苏泳娴: "基于夜间灯光数据的中国能源消费碳排放特征及机理", 《地理学报》 *
苏泳娴等: "基于DMSP_OLS夜间灯光数据提取城镇建设用地的邻域分析法", 《热带地理》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787276B (zh) * 2016-02-29 2018-05-11 华中师范大学 基于夜间灯光强度的港口经济综合评价估计方法及系统
CN105787276A (zh) * 2016-02-29 2016-07-20 华中师范大学 基于夜间灯光强度的港口经济综合评价估计方法及系统
CN106683059A (zh) * 2016-12-29 2017-05-17 中国科学院深圳先进技术研究院 夜间灯光数据序列构建方法及装置
CN113139524A (zh) * 2017-12-14 2021-07-20 创新先进技术有限公司 一种数据处理的方法、装置及设备
CN108280789A (zh) * 2018-01-31 2018-07-13 中国科学院地理科学与资源研究所 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法
CN108280789B (zh) * 2018-01-31 2022-01-28 中国科学院地理科学与资源研究所 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法
CN108960482A (zh) * 2018-05-22 2018-12-07 广州地理研究所 一种基于dmsp/ols人口遥感的海啸风险优先疏散方法
CN108960482B (zh) * 2018-05-22 2022-04-12 广州地理研究所 一种基于dmsp/ols人口遥感的海啸风险优先疏散方法
CN109508849A (zh) * 2018-08-17 2019-03-22 西安建筑科技大学 一种基于城市统计数据的城市碳排放影响因素分析方法
CN109191329A (zh) * 2018-09-14 2019-01-11 云南电网有限责任公司 一种基于多层lmdi的电力消费量影响因素分解方法
CN109670556A (zh) * 2018-12-27 2019-04-23 中国科学院遥感与数字地球研究所 基于火点和夜光数据的全球热源重工业区域识别算法
CN109670556B (zh) * 2018-12-27 2023-07-04 中国科学院遥感与数字地球研究所 基于火点和夜光数据的全球热源重工业区域识别方法
CN111896680A (zh) * 2020-07-08 2020-11-06 天津师范大学 基于卫星遥感数据的温室气体排放分析方法及系统
CN111896680B (zh) * 2020-07-08 2022-07-05 天津师范大学 基于卫星遥感数据的温室气体排放分析方法及系统
CN111861797A (zh) * 2020-07-31 2020-10-30 生态环境部环境规划院 一种快速核算城镇和农村生活二氧化碳排放的方法及核算系统
CN112419124A (zh) * 2020-11-19 2021-02-26 广州市城市规划勘测设计研究院 一种低效工业用地的快速识别方法、装置及其存储介质
CN112419124B (zh) * 2020-11-19 2022-04-01 广州市城市规划勘测设计研究院 一种低效工业用地的快速识别方法、装置及其存储介质
CN113155498A (zh) * 2021-03-26 2021-07-23 中国科学院城市环境研究所 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备
CN113155498B (zh) * 2021-03-26 2024-02-13 中国科学院城市环境研究所 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备
CN114364080A (zh) * 2022-01-05 2022-04-15 贵州升智交科信息技术发展有限公司 一种高速公路隧道照明碳排放预测模型
CN114974453A (zh) * 2022-05-30 2022-08-30 中南大学 一种大气二氧化碳柱浓度高覆盖度重建方法
CN114974453B (zh) * 2022-05-30 2023-08-29 中南大学 一种大气二氧化碳柱浓度高覆盖度重建方法
CN115049164A (zh) * 2022-08-15 2022-09-13 四川师范大学 耦合社会网络模型和碳抵消的生态网络优化方法
CN115049164B (zh) * 2022-08-15 2022-10-21 四川师范大学 耦合社会网络模型和碳抵消的生态网络优化方法
CN116933934A (zh) * 2023-07-25 2023-10-24 国网山西省电力公司电力科学研究院 融合viirs与统计数据的县域碳排放的预测与分析的方法及系统

Also Published As

Publication number Publication date
CN105205466B (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
CN105205466A (zh) 一种基于夜间灯光影像的能源碳排放量遥感估算方法
Fang et al. Changing urban forms and carbon dioxide emissions in China: A case study of 30 provincial capital cities
Wang et al. China’s city-level energy-related CO2 emissions: Spatiotemporal patterns and driving forces
Xu et al. Quantifying spatiotemporal patterns of urban expansion in China using remote sensing data
Yang et al. Quantifying spatiotemporal patterns of shrinking cities in urbanizing China: A novel approach based on time-series nighttime light data
Wang et al. China’s urban expansion from 1990 to 2010 determined with satellite remote sensing
Cui et al. Rapid growth in nitrogen dioxide pollution over Western China, 2005–2013
Zhou et al. Spatiotemporal trends of terrestrial vegetation activity along the urban development intensity gradient in China's 32 major cities
Liu et al. Regional differences of China’s urban expansion from late 20th to early 21st century based on remote sensing information
Saleh et al. Assessment of different methods used to estimate Weibull distribution parameters for wind speed in Zafarana wind farm, Suez Gulf, Egypt
He et al. Spatiotemporal dynamics of electric power consumption in Chinese Mainland from 1995 to 2008 modeled using DMSP/OLS stable nighttime lights data
Gao et al. Spatiotemporal pattern assessment of China’s industrial green productivity and its spatial drivers: Evidence from city-level data over 2000–2017
CN103473613B (zh) 景观结构—地表温度—电量消耗的耦合模型及应用
Wang et al. Evolution of coordination degree of eco-economic system and early-warning in the Yangtze River Delta
CN105115692A (zh) 一种cfd数值模拟与风洞试验相结合的气动预测方法
Pan et al. Spatiotemporal dynamics of electricity consumption in China
CN106446314A (zh) 基于Landsat TM和ETM影像的城市形态与碳排放相关关系量算方法
Chen et al. Analyzing land-cover change and corresponding impacts on carbon budget in a fast developing sub-tropical region by integrating MODIS and Landsat TM/ETM+ images
CN103714244A (zh) 一种基于用地兼容性的土地利用混杂度评价方法
Yuan et al. Quantifying the relationship between urban blue-green landscape spatial pattern and carbon sequestration: a case study of Nanjing’s central city
Yuan et al. Effects of 2D/3D urban morphology on land surface temperature: Contribution, response, and interaction
Hong et al. Spatiotemporal changes in urban forest carbon sequestration capacity and its potential drivers in an urban agglomeration: Implications for urban CO2 emission mitigation under China’s rapid urbanization
Liu et al. Spatial effects of urbanization, ecological construction and their interaction on land use carbon emissions/absorption: Evidence from China
Jiang et al. Spatiotemporal changes in land use and landscape fragmentation in coastal plain areas—A case study of Yancheng City, China
Liu et al. Building Chinese wind data for Wind Erosion Prediction System using surrogate US data

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
CP03 Change of name, title or address

Address after: No. 100, Xianlie Middle Road, Guangzhou, Guangdong 510070

Patentee after: Guangzhou Institute of geography, Guangdong Academy of Sciences

Patentee after: SOUTH CHINA BOTANICAL GARDEN, CHINESE ACADEMY OF SCIENCES

Address before: No.100, Xianlie Middle Road, Yuexiu District, Guangzhou City, Guangdong Province 510070

Patentee before: GUANGZHOU INSTITUTE OF GEOGRAPHY

Patentee before: SOUTH CHINA BOTANICAL GARDEN, CHINESE ACADEMY OF SCIENCES

CP03 Change of name, title or address
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20151230

Assignee: Guangdong Ronghui Ecological Technology Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980038182

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230718

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20151230

Assignee: Liuzhou Tengtu Environmental Protection Technology Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980041674

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230913

Application publication date: 20151230

Assignee: Yangjiang shangyuekai Intelligent Technology Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980041673

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230913

Application publication date: 20151230

Assignee: FOSHAN DOUQI TECHNOLOGY Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980041672

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230913

Application publication date: 20151230

Assignee: Yichang Dae Urban and Rural Construction Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980041665

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230913

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20151230

Assignee: Dongguan Yaluo Environmental Protection Technology Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980041804

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230914

Application publication date: 20151230

Assignee: Liuzhou Xutang Environmental Protection Technology Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980041775

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230914

Application publication date: 20151230

Assignee: FOSHAN YAOYE TECHNOLOGY Co.,Ltd.

Assignor: Guangzhou Institute of geography, Guangdong Academy of Sciences

Contract record no.: X2023980041717

Denomination of invention: A Remote Sensing Estimation Method for Energy Carbon Emissions Based on Nighttime Light Images

Granted publication date: 20180615

License type: Common License

Record date: 20230915

EE01 Entry into force of recordation of patent licensing contract