CN108280789B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108280789B CN108280789B CN201810093623.6A CN201810093623A CN108280789B CN 108280789 B CN108280789 B CN 108280789B CN 201810093623 A CN201810093623 A CN 201810093623A CN 108280789 B CN108280789 B CN 108280789B
- Authority
- CN
- China
- Prior art keywords
- carbon dioxide
- emission
- accounting
- vegetation
- dioxide emission
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了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,该方法包括:通过二氧化碳通量观测点确定二氧化碳排放空间范围;核算在所述二氧化碳排放空间范围内的二氧化碳通量;将所述二氧化碳排放空间范围进行网格化分割;在所述二氧化碳排放空间范围内进行二氧化碳固排要素逐个核算;识别每个网格单元的二氧化碳固排要素主属性,根据所述二氧化碳通量、所述核算数据,采用多元回归分析方法,求得所述各二氧化碳固排要素,对二氧化碳通量的影响因子;结合该影响因子,对网格单元进行缓冲区分析,确定各二氧化碳排固要素间的影响及对整个目标区域二氧化碳通量的影响。
Description
技术领域
本发明涉及城市与生态环境领域,特别涉及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。
背景技术
城市地区贡献了全球70%以上的二氧化碳排放,已经对全球碳循环和气候变化产生了深远的影响。目前,国内外城市二氧化碳排放相关研究数据的时间尺度多为年尺度和日尺度,空间尺度多为城市尺度,时空精度较低,不能有效揭示大城市(此处指100万人口以上城市)内部二氧化碳排放过程,而大城市不同区域的道路交通、人口密度、植被和土壤等对城市二氧化碳排放影响差异大,如美国大城市内部10km×10km栅格空间尺度的二氧化碳通量变化范围达到20-160kgCm-2yr-1,因此,城市大幅削减二氧化碳排放迫切需要在更加精细的空间和时间尺度制定政策。
现有生态学领域通量观测可以确定微观空间尺度二氧化碳通量,但不能有效辨析其来源;人文地理学通过入户调查、模型模拟等方法可以核算微观空间尺度上各主要碳源二氧化碳的排放量,但该空间二氧化碳排放是多少?各主要碳源贡献比例多大?空间分布情况如何?均存在不确定性,而对于大城市精细时空尺度二氧化碳排放的研究,多数集中在目标区域域的二氧化碳排放总量或交通、建筑物、植被、土壤等单一碳源的二氧化碳排放的时空变化过程上,而大城市是二氧化碳排放复杂区域,现有研究不能够客观揭示城市微观空间多碳源内在的二氧化碳排放过程特征。而目前各二氧化碳固排要素核算范围不统一、方法不一致,这导致二氧化碳排放各要素的核算结果差异大。此外,现有的二氧化碳排放核算只能针对区域内排放量进行统计,分析各要素对整个区域二氧化碳通量的影响,无法反映区域内二氧化碳排放的空间分布情况,更不可能根据空间分布状况进行二氧化碳排固要素间的相互空间影响分析,及对整个目标区域二氧化碳通量的影响程度的确定。
针对上述问题,目前仍没有可行的解决方案。
发明内容
为了解决现有技术的上述问题,本发明在识别目标区域主要碳源的二氧化碳核算边界基础上,综合通量观测、遥感、入户调查、实地监测和模型模拟等技术方法,确定可被第三方证实的大城市微观时空尺度目标区域主要碳源二氧化碳排放量核算方法。以二氧化碳排放源空间范围为基础,采用“自上而下”二氧化碳通量观测与“自下而上”主要碳源二氧化碳排放核算相结合的大城市精细时空尺度二氧化碳排放研究方法,采用多元回归分析方法分析目标区域二氧化碳固排要素动态影响因子,通过网格化分割研究区域,结合所述影响因子,利用空间分析手段,确定各二氧化碳固排要素间的空间影响及对二氧化碳通量的影响机制,该方法还可达到量化影响的程度。
本发明实施例的具体技术方案是:
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,其特征在于,所述方法包括:
获取目标区域遥感图像,设定目标区域二氧化碳通量观测点,识别目标区域二氧化碳排放空间范围,设定时间分辨率、时间尺度;
核算在所述二氧化碳排放空间范围内所述设定时间分辨率、时间尺度内的二氧化碳通量;
将所述二氧化碳排放空间范围进行网格化分割;
在所述二氧化碳排放空间范围内,所述设定时间分辨率、时间尺度进行二氧化碳固排要素逐个核算,包括:交通二氧化碳排放核算、居民生活用能直接二氧化碳排放核算、植被光合固碳核算、土壤呼吸二氧化碳排放核算、植被呼吸二氧化碳排放核算;
通过遥感图像光谱分析结合目视解译,确定所述二氧化碳排放空间范围网格化分割后每个网格单元的二氧化碳固排要素主属性,所述主属性包括:交通二氧化碳排放属性、居民生活用能直接二氧化碳排放属性、植被土壤排固碳属性;
根据所述二氧化碳通量、所述核算数据,采用多元回归分析方法,求得所述不同时间分辨率、时间尺度内的所述各二氧化碳固排要素,对二氧化碳通量的影响因子;
以所有格网单元中相同主属性的为一个独立缓冲中心,进行缓冲区分析,计算各缓冲区交叉部分的面积,以及未交叉部分的面积,并根据各缓冲区之间的相互位置关系及缓冲区交叉关系,及交叉、未交叉面积之间的量化比值,确定不同时间分辨率、时间尺度内各二氧化碳排固要素间的影响程度及对整个目标区域二氧化碳通量的影响程度。
进一步地,采用KM通量贡献区方法,定量识别以所述二氧化碳通量观测点为中心的所述目标区域二氧化碳排放空间范围,所述时间分辨率为30分钟,所述时间尺度分别为昼夜、月度、季度、年度;利用CO2/H2O通量观测系统,获取所述时间分辨率、时间尺度的二氧化碳通量数据。
进一步地,所述交通二氧化碳排放核算,采用如下步骤进行:
首先对目标区域交通车辆四大类型:载客汽车、载重汽车、公交车和其他进行细分,建立针对目标区域的道路交通二氧化碳排放核算的车辆分类体系;其次,根据目标区域的温度、湿度、气压,及所述车辆分类体系,进行MOVES模型修正,获得符合所述目标区域的车辆二氧化碳排放因子清单,进行交通二氧化碳排放核算;
所述居民生活用能直接二氧化碳排放核算,采用如下计算公式进行计算:
CO2=∑i(CIi*Xi)*N
其中,CO2为研究区内居民生活直接二氧化碳排放总量;CIi为第i类生活用能的能源消耗量;Xi为IPCC公布的该能源的生活用能排放因子;N为研究区总户数,建立目标区域工作日及周末居民生活用能直接二氧化碳排放数据库;
所述植被光合固碳核算,采用如下方法进行:
以被测植被的树冠上、中、下层活体枝条为测定单位,以光合仪器测定目标区域植被的光合固碳效应,用冠层分析仪测量被测植被的总叶片有效面积,用以在植被冠层水平上测算总的净二氧化碳吸收速率,获取目标区域内主要树种类型的树冠面积,将单株植被树种的光合固碳速率扩展到目标区域整个植被光合固碳速率,据此速率进行植被光合固碳核算;
所述土壤呼吸二氧化碳排放核算,采用如下方法进行:
用土壤呼吸仪测定目标区域典型绿地土壤呼吸和指定土深处温湿度进行观测,以得出二氧化碳排放速率,获得目标区域内土壤总面积,将土壤呼吸仪监测的二氧化碳排放速率,扩展到目标区域整个土壤二氧化碳排放速率,据此速率进行土壤呼吸二氧化碳排放核算;
所述植被呼吸二氧化碳排放核算,采用如下方法进行:
以被测植被树冠上、中、下层活体枝条为测定单位,用光合仪测定目标区域典型植被的光合呼吸二氧化碳排放效应,同时,使用冠层分析仪测量相应类型植被的总叶片有效面积,用以在植被冠层水平上测算总的CO2排放速率,获得目标区域内主要树种类型的树冠面积,将单株植被树种的CO2排放速率扩展到目标区域整个植被二氧化碳排放速率,据此速率进行植被呼吸二氧化碳排放核算。
进一步地,通过对所述二氧化碳固排要素取对数形式,做所述多元回归分析,回归分析的方程为:
ln(Yi)=β0+β1x1i+β2x2i+β3x3i+β4x4i+β5x5i+εi;
其中,Yi为所述时间尺度内第i次解算中的目标区域二氧化碳通量;x1i-x5i分别为ln(交通二氧化碳排放核算量)、ln(居民生活用能直接二氧化碳排放核算量)、ln(植被光合固碳核算量)、ln(土壤呼吸二氧化碳排放核算量)、ln(植被呼吸二氧化碳排放核算量);β0-β5为对应核算量的影响因子,εi为第i次解算中随机因素对Yi的影响;
其中,分别用4种不同时间尺度对目标区域进行多元回归分析,得出不同时间尺度下各二氧化碳固排要素,对二氧化碳通量的影响因子。
进一步地,所述进行缓冲区分析,所设定的缓冲区缓冲半径为各二氧化碳固排要素主属性的面积与不同时间分辨率、时间尺度内各二氧化碳固排要素对二氧化碳通量影响因子之积的绝对值,其中,交通二氧化碳排放属性和居民生活用能直接二氧化碳排放属性的影响因子分别为交通二氧化碳排放核算和居民生活用能直接二氧化碳排放核算的影响因子;
植被土壤排固碳属性的影响因子为植被光合固碳核算、土壤呼吸二氧化碳排放核算和植被呼吸二氧化碳排放核算三者影响因子之和。
本申请的实施例,具有如下有益效果:
1、采用“自上而下”的通量观测,确定目标区域整体二氧化碳通量,采用“自下而上”的各二氧化碳固排要素核算,确定主要碳源二氧化碳排放量,将二者结合利用多元回归分析法,分析大城市精细时空尺度二氧化碳排放来源、主要碳源贡献程度,确定了各二氧化碳排固要素在不同时间分辨率、时间尺度下的影响因子,并根据该影响因子,通过格网单元进行缓冲区分析,解决了现有技术中无法客观揭示复杂大城市微观空间多碳源内在二氧化碳排放过程的空间相互影响特征规律的问题。
2、明确了不同二氧化碳排放来源排放量的核算方法,解决了现有核算方法不统一、精确度不高,导致核算结果差异大的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1为本发明方法的流程图。
图2为本发明某时刻通量贡献区示意图。
图3为本发明空间分析中缓冲区相互叠加关系示意图。
其中,1为道路,2为植被—行道树,3为居民区,1.1为道路缓冲区,2.1为植被—行道树缓冲区,3.1为居民区缓冲区。
具体实施方式
结合附图和本发明具体实施方式的描述,能够更加清楚地了解本发明的细节。但是,在此描述的本发明的具体实施方式,仅用于解释本发明的目的,而不能以任何方式理解成是对本发明的限制。在本发明的教导下,技术人员可以构想基于本发明的任意可能的变形,这些都应被视为属于本发明的范围。
图1为本发明在实施例中的方法流程图,如图1所示,本申请人提出了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,其包括以下步骤:
步骤1:获取目标区域遥感图像,设定目标区域二氧化碳通量观测点,识别目标区域二氧化碳排放空间范围,设定时间分辨率、时间尺度。
本申请实施例中,目标区域遥感图像为WorldView-2多光谱影像,目标区域二氧化碳通量观测点为:朝阳区大屯路北侧中国科学院地理科学与资源研究所城市生态监测点CO2/H2O通量观测系统(东经116.392°,北纬40.010°)、海淀区双清路东侧中国科学院生态环境研究中心城市生态监测点CO2/H2O通量观测系统(东经116.337°,北纬40.007°)。
应用KM通量贡献区方法,分别定量识别以两个二氧化碳通量观测点为中心的二氧化碳排放空间范围。通量观测点上风向的空间代表区域,能够反映代表区域对应下垫面的源区内每一点对观测点的通量贡献权重影响,主要受观测高度、微气象条件等因素的影响,详见图2。
本申请实施例中,时间分辨率为30分钟,时间尺度为昼夜、月度、季度、年度。
步骤2:核算在所述二氧化碳排放空间范围内所述设定时间分辨率、时间尺度内的二氧化碳通量。
本申请实施例中,基于朝阳区大屯路北侧、海淀区双清路东侧两地监测点的CO2/H2O通量观测系统,以每30分钟的时间分辨率进行二氧化碳通量数据观测采集,采用ChinaFLUX的通量数据标准处理流程对通量及常规气象数据进行处理。
通量观测时,将观测设备放置在植被冠层和建筑物上方,实现从秒、小时到天、月、季节和年度的连续观测,覆盖的区域一般为1-10km2。本实施例的空间尺度为1-10km2。
步骤3:将所述二氧化碳排放空间范围进行网格化分割。
本申请实施例中,运用ArcGIS 10中的“创建渔网”功能,将目标区分割为5*5m的网格。由于需要后期对网格缓冲中心进行缓冲区分析,因此网格尺寸的选择主要考虑的因素为二氧化碳固排要素中最小尺寸要素的最小长宽。选择5*5m作为网格大小,是因为考虑到通过对研究区的各二氧化碳固排要素调查发现,最小的固排要素——单棵行道树,其在遥感影像图中的树冠面积在5-8m2。
步骤4:在所述二氧化碳排放空间范围内,所述设定时间分辨率、时间尺度进行二氧化碳固排要素逐个核算,包括:交通二氧化碳排放核算、居民生活用能直接二氧化碳排放核算、植被光合固碳核算、土壤呼吸二氧化碳排放核算、植被呼吸二氧化碳排放核算。
本申请实施例中,交通二氧化碳排放核算采用如下方式:
核算边界识别:综合我国新的汽车分类标准《汽车和挂车类型的术语和定义》(GB/T3730.1-2001)、公安部《机动车登记工作规范》、环保部《中国机动车污染防治年报》、IPCC国家温室气体清单等标准对车辆类型的划分,车型主要分为载客汽车、载重汽车、公交车和其他等4大类车型,在实地调查基础上,再对研究目标区域交通车辆各大类型进行细分,建立针对城市道路交通二氧化碳排放核算的车辆分类体系。
下表1为实施例中,根据目标区域路段车辆视频采集、车辆类型目视解译,得出的目标路段车辆分类体系细分。
表1.目标路段车辆类型细分
车辆二氧化碳排放因子:以国家发展和改革委员会应对气候变化司编著的《2005中国温室气体清单研究》(2014)针对2005年全国范围的分车型交通二氧化碳排放因子、EPA(the United States Environmental Protection Agency)车辆二氧化碳排放因子清单为基础,根据目标区域通量观测系统得到的温度、湿度、气压等微气象数据,对EPA推荐的MOVES模型进行本地化修正,得到符合目标区域实际的车辆二氧化碳排放因子清单(由于MOVES模型本身涵盖大量的详细参数,本实施例中因为针对的目标区域空间范围小,故部分参数影响大,根据实际监测结果来看,除MOVES模型本身所有的无需进一步修改的参数外,对模型参数的修改,主要集中在夏季和冬季的温度、湿度等微气象数据,以及海拔高度、道路类型、匝道比例、平均车速)。
目标区域交通流量采集:基于“自下而上”方法对目标区域交通流量进行实地监测。分别选择目标区域大屯路、双清路关键控制点,采集现场交通流量;交通视频数据人机互动解译为30分钟时间精度的分车辆类型数据。拟采集日期为每月第一周的周一(周内第一个工作日,交通高峰日)、周三(周内普通工作日,交通平峰日)、周六(非工作日),时段为早5:30至次日凌晨1:00,另外1:00至次日5:30数据用00:00到1:00的检测数据近似分析。
基于目标区域交通节点实地交通车辆视频采集、车辆分类解译和通量贡献区模型(即MOVES模型),进行目标区域昼夜尺度、月尺度和年度尺度的交通二氧化碳排放数据采集。
居民生活用能直接二氧化碳排放核算,采用如下方式:
采用消费者生活方式法(CLA法)估算两个研究区,不同时间尺度下的居民生活直接二氧化碳排放量,本研究拟运用CLA的核算思想,计算居民生活用能直接二氧化碳排放量,计算公式如下:
CO2=∑i(CIi*Xi)*N
其中,CO2为研究区内居民生活直接二氧化碳排放总量;CIi为第i类生活用能的能源消耗量;Xi为IPCC公布的该能源的生活用能排放因子;N为研究区总户数,建立目标区域工作日及周末居民生活用能直接二氧化碳排放数据库;
植被光合固碳核算,采用如下方式:
在1-12月份期间(夏季:阔叶和针叶乔木;冬季:针叶乔木),每个月上旬的周一、周三和周六,在7:00-18:00之间,每隔1h测定1次,选取每种典型植被三个重复,以树冠上、中、下层活体枝条为测定单位,用Li-6400便携式光合仪测定研究目标区域典型植被的光合固碳效应。同时,使用冠层分析仪(LAI-2200)测量相应类型植被的总叶片有效面积,用以在植被冠层水平上测算总的净二氧化碳吸收速率。基于遥感影像解译、GIS空间分析和实地勘查,获得目标区域内主要树种类型的树冠面积,将单株植被树种的光合固碳速率扩展到目标区域整个植被光合固碳速率层面。
土壤呼吸二氧化碳排放核算,采用如下方式:
1-12月份期间,每个月上旬的周一、周三和周六,选择当地典型的天气,在5:30至次日1:00,用Li-8100便携式土壤呼吸仪测定研究目标区域典型绿地土壤呼吸和5cm土深处温湿度进行观测,每隔30分钟测定1次,测量时间设定为3分钟,重复3次。基于遥感影像解译、GIS空间分析和实地勘查,获得目标区域内土壤总面积,将土壤呼吸仪监测二氧化碳排放速率扩展到目标区域整个土壤二氧化碳排放速率层面。
植被呼吸二氧化碳排放核算,采用如下方式:
1-12月份期间(夏季:阔叶和针叶乔木;冬季:针叶乔木),每个月上旬的周一、周三和周六,在18:00至次日7:00之间,每隔30分钟测定1次,选取每种典型植被3个重复,以树冠上、中、下层活体枝条为测定单位,用Li-6400便携式光合仪测定研究目标区域典型植被的光合呼吸二氧化碳排放效应。同时,使用冠层分析仪(LAI-2200)测量相应类型植被的总叶片有效面积,用以在植被冠层水平上测算总的CO2排放速率。基于WorldView-2遥感影像解译、GIS空间分析和实地勘查,获得目标区域内主要树种类型的树冠面积,将单株植被树种的CO2排放速率扩展到目标区域整个植被二氧化碳排放速率层面。
步骤5:通过遥感图像光谱分析结合目视解译,确定所述二氧化碳排放空间范围网格化分割后每个网格单元的二氧化碳固排要素主属性,所述主属性包括:交通二氧化碳排放属性、居民生活用能直接二氧化碳排放属性、植被土壤排固碳属性。
本实施例中,将遥感图像中各二氧化碳固排要素主属性识别出来,主要包括交通二氧化碳排放属性、居民生活用能直接二氧化碳排放属性、植被土壤排固碳属性(由于植被光合固碳、土壤呼吸二氧化碳排放、植被呼吸二氧化碳排放,三者在核算时地理空间上大部分是重合的,因此划分主属性时只需通过植被的空间位置即可表达),这三者在遥感图像中的直接表现即道路、居民区、植被。通过光谱分析可将这三者识别出,再通过目视解译剔除误差数据,将这三类属性按照空间对应,标入划分好的网格化分割单元中。
步骤6:根据所述二氧化碳通量、所述核算数据,采用多元回归分析方法,分析所述时间分辨率、时间尺度内的所述各二氧化碳固排要素,对二氧化碳通量的影响因子。
本实施例中,通过对二氧化碳固排要素取对数形式,做多元回归分析,所述回归方程为:
ln(Yi)=β0+β1x1i+β2x2i+β3x3i+β4x4i+β5x5i+εi;
其中,Yi为所述时间尺度内第i次解算中的目标区域二氧化碳通量;x1i-x5i分别为ln(交通二氧化碳排放核算量)、ln(居民生活用能直接二氧化碳排放核算量)、ln(植被光合固碳核算量)、ln(土壤呼吸二氧化碳排放核算量)、ln(植被呼吸二氧化碳排放核算量);β0-β5为对应核算量的影响因子,εi为第i次解算中随机因素对Yi的影响;
其中,分别用4种不同时间尺度对目标区域进行多元回归分析,得出不同时间尺度下各二氧化碳固排要素,对二氧化碳通量的影响因子。
根据上述步骤,得出精细时空尺度内(本实施例中是城市中某个路段的空间范围,以30分钟为时间分辨率),不同的时间尺度下(昼夜、月度、季度、年度)各二氧化碳固排要素,对二氧化碳通量的影响因子。
步骤7:以所有格网单元中相同主属性的为一个独立缓冲中心,进行缓冲区分析,计算各缓冲区交叉部分的面积,以及未交叉部分的面积,并根据各缓冲区之间的相互位置关系及缓冲区交叉关系,及交叉、未交叉面积之间的量化比值,确定不同时间分辨率、时间尺度内各二氧化碳排固要素间的影响程度及对整个目标区域二氧化碳通量的影响程度。
本实施例中,相同主属性的独立缓冲中心,即通过遥感图像确定的道路、居民区、植被;缓冲区分析中所设定的缓冲区缓冲半径为各二氧化碳固排要素主属性的面积与不同时间分辨率、时间尺度内各二氧化碳固排要素对二氧化碳通量影响因子之积的绝对值(目的在于保证缓冲区为向外扩展),其中,交通二氧化碳排放属性和居民生活用能直接二氧化碳排放属性的影响因子分别为交通二氧化碳排放核算和居民生活用能直接二氧化碳排放核算的影响因子;
植被土壤排固碳属性的影响因子为植被光合固碳核算、土壤呼吸二氧化碳排放核算和植被呼吸二氧化碳排放核算三者影响因子之和。
缓冲区的半径由于是二氧化碳固排要素的影响因子与其在二氧化碳排放空间范围内所占实际面积的乘积,因此缓冲区交叉部分的面积即是要素间相互影响的区域,其交叉部分面积即代表对彼此的影响程度,这里需要说明下,由于二氧化碳固排要素主要考虑的是植物的固碳作用,及其他要素的排碳行为,因此其他要素间的相互影响并不复杂,对二氧化碳排放的影响也是直接叠加,而植物的固碳作用对其他要素间的影响就比较复杂,且不同的空间分布特征对区域的二氧化碳排放量影响明显,通过植被缓冲区与其他两个主属性的缓冲区的交叉面积,可简单、定量化的确定植被对其他两个主属性的二氧化碳排放影响方式及程度(植被的缓冲区面积虽然是正值,但其由于是起到固碳的作用,因此其对其他主属性的二氧化碳排放是起到减排的影响),而交叉面积与未交叉面积之间的比值(这里主要是指植被缓冲区与其他主属性缓冲区之间的交叉和未交叉)即代表了区域内可直接影响与间接影响的比例程度,事实上,区域内的植被并非是均匀分布的,很大概率是某块区域是公园,而某个区域是大面积的居民区、道路,虽然研究区范围内二氧化碳排放是整个范围内的植被固碳与其他要素排碳的整合,但这种分离的空间排布,对植物固碳作用的发挥并不明显,进而对整个区域的二氧化碳排放量的控制并不如均布或者交叉分布的效果显著。因此通过交叉面积与未交叉面积之间的比值,可反映出植被对其他排碳要素在区域内空间范围的影响效果。该比值越大说明植被在其他排碳要素的影响下在区域内的固碳效果越明显,反之则反。
通过采用不同时间分辨率、时间尺度内各二氧化碳固排要素对二氧化碳通量影响因子,作为缓冲半径的决定因素之一,可满足不同时间分辨率、时间尺度下的空间分析数据需求,也根据此做出的空间分析结构,可反映不同时间分辨率、时间尺度下的区域内各二氧化碳排固要素相互间的空间影响特征,及对整体二氧化碳排放的空间影响特征。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一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,其特征在于,所述方法包括:
获取目标区域遥感图像,设定目标区域二氧化碳通量观测点,识别目标区域二氧化碳排放空间范围,设定时间分辨率、时间尺度;
核算在所述二氧化碳排放空间范围内所述设定时间分辨率、时间尺度内的二氧化碳通量;
将所述二氧化碳排放空间范围进行网格化分割;
在所述二氧化碳排放空间范围内,所述设定时间分辨率、时间尺度进行二氧化碳固排要素逐个核算,包括:交通二氧化碳排放核算、居民生活用能直接二氧化碳排放核算、植被光合固碳核算、土壤呼吸二氧化碳排放核算、植被呼吸二氧化碳排放核算;
通过遥感图像光谱分析结合目视解译,确定所述二氧化碳排放空间范围网格化分割后每个网格单元的二氧化碳固排要素主属性,所述主属性包括:交通二氧化碳排放属性、居民生活用能直接二氧化碳排放属性、植被土壤排固碳属性;
根据所述二氧化碳通量、核算数据,采用多元回归分析方法,求得不同时间分辨率、时间尺度内的各二氧化碳固排要素,对二氧化碳通量的影响因子;
其中,通过对所述二氧化碳固排要素取对数形式,做所述多元回归分析,回归分析的方程为:
ln(Yi)=β0+β1x1i+β2x2i+β3x3i+β4x4i+β5x5i+εi;
其中,Yi为所述时间尺度内第i次解算中的目标区域二氧化碳通量;x1i-x5i分别为ln(交通二氧化碳排放核算量)、ln(居民生活用能直接二氧化碳排放核算量)、ln(植被光合固碳核算量)、ln(土壤呼吸二氧化碳排放核算量)、ln(植被呼吸二氧化碳排放核算量);β0-β5为对应核算量的影响因子,εi为第i次解算中随机因素对Yi的影响;
其中,分别用4种不同时间尺度对目标区域进行多元回归分析,得出不同时间尺度下各二氧化碳固排要素,对二氧化碳通量的影响因子;
以所有格网单元中相同主属性的为一个独立缓冲中心,进行缓冲区分析,计算各缓冲区交叉部分的面积,以及未交叉部分的面积,并根据各缓冲区之间的相互位置关系及缓冲区交叉关系,及交叉、未交叉面积之间的量化比值,确定不同时间分辨率、时间尺度内各二氧化碳固排 要素间的影响程度及对整个目标区域二氧化碳通量的影响程度。
2.如权利要求1所述的方法,其特征在于,采用KM通量贡献区方法,定量识别以所述二氧化碳通量观测点为中心的所述目标区域二氧化碳排放空间范围,所述时间分辨率为30分钟,所述时间尺度分别为昼夜、月度、季度、年度;利用CO2/H2O通量观测系统,获取所述时间分辨率、时间尺度的二氧化碳通量数据。
3.如权利要求2所述的方法,其特征在于,所述交通二氧化碳排放核算,采用如下步骤进行:
首先对目标区域交通车辆四大类型:载客汽车、载重汽车、公交车和其他进行细分,建立针对目标区域的道路交通二氧化碳排放核算的车辆分类体系;其次,根据目标区域的温度、湿度、气压,及所述车辆分类体系,进行MOVES模型修正,获得符合所述目标区域的车辆二氧化碳排放因子清单,进行交通二氧化碳排放核算;
所述居民生活用能直接二氧化碳排放核算,采用如下计算公式进行计算:
CO2=∑i(CIi*Xi)*N
其中,CO2为研究区内居民生活直接二氧化碳排放总量;CIi为第i类生活用能的能源消耗量;Xi为IPCC公布的该能源的生活用能排放因子;N为研究区总户数,建立目标区域工作日及周末居民生活用能直接二氧化碳排放数据库;
所述植被光合固碳核算,采用如下方法进行:
以被测植被的树冠上、中、下层活体枝条为测定单位,以光合仪器测定目标区域植被的光合固碳效应,用冠层分析仪测量被测植被的总叶片有效面积,用以在植被冠层水平上测算总的净二氧化碳吸收速率,获取目标区域内主要树种类型的树冠面积,将单株植被树种的光合固碳速率扩展到目标区域整个植被光合固碳速率,据此速率进行植被光合固碳核算;
所述土壤呼吸二氧化碳排放核算,采用如下方法进行:
用土壤呼吸仪测定目标区域典型绿地土壤呼吸和指定土深处温湿度进行观测,以得出二氧化碳排放速率,获得目标区域内土壤总面积,将土壤呼吸仪监测的二氧化碳排放速率,扩展到目标区域整个土壤二氧化碳排放速率,据此速率进行土壤呼吸二氧化碳排放核算;
所述植被呼吸二氧化碳排放核算,采用如下方法进行:
以被测植被树冠上、中、下层活体枝条为测定单位,用光合仪测定目标区域典型植被的光合呼吸二氧化碳排放效应,同时,使用冠层分析仪测量相应类型植被的总叶片有效面积,用以在植被冠层水平上测算总的CO2排放速率,获得目标区域内主要树种类型的树冠面积,将单株植被树种的CO2排放速率扩展到目标区域整个植被二氧化碳排放速率,据此速率进行植被呼吸二氧化碳排放核算。
4.如权利要求1所述的方法,其特征在于,所述进行缓冲区分析,所设定的缓冲区缓冲半径为各二氧化碳固排要素主属性的面积与不同时间分辨率、时间尺度内各二氧化碳固排要素对二氧化碳通量影响因子之积的绝对值,其中,交通二氧化碳排放属性和居民生活用能直接二氧化碳排放属性的影响因子分别为交通二氧化碳排放核算和居民生活用能直接二氧化碳排放核算的影响因子;
植被土壤排固碳属性的影响因子为植被光合固碳核算、土壤呼吸二氧化碳排放核算和植被呼吸二氧化碳排放核算三者影响因子之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810093623.6A CN108280789B (zh) | 2018-01-31 | 2018-01-31 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810093623.6A CN108280789B (zh) | 2018-01-31 | 2018-01-31 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108280789A CN108280789A (zh) | 2018-07-13 |
CN108280789B true CN108280789B (zh) | 2022-01-28 |
Family
ID=62807056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810093623.6A Active CN108280789B (zh) | 2018-01-31 | 2018-01-31 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280789B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740968B (zh) * | 2019-01-25 | 2023-05-16 | 中国科学院上海高等研究院 | 二氧化碳排放空间格网化方法、系统、介质和装置 |
CN110174504A (zh) * | 2019-06-12 | 2019-08-27 | 北京师范大学 | 土壤呼吸的估测方法、装置、设备及存储介质 |
CN110580386B (zh) * | 2019-08-23 | 2020-08-04 | 生态环境部环境规划院 | 一种交通部门二氧化碳排放空间网格化方法 |
CN113128791B (zh) * | 2021-05-18 | 2022-06-03 | 中科三清科技有限公司 | 基于moves模型的机动车排放清单测算方法及装置 |
CN113269668A (zh) * | 2021-06-10 | 2021-08-17 | 中国科学院地理科学与资源研究所 | 一种碳平衡状态确定方法及系统 |
CN113406278B (zh) * | 2021-06-16 | 2023-06-20 | 九江学院 | 一种促进城市绿色出行的碳排放监测分析设备 |
CN113742817B (zh) * | 2021-08-12 | 2022-04-12 | 生态环境部环境规划院 | 一种建筑二氧化碳排放的预测方法及预测系统 |
CN113723782A (zh) * | 2021-08-19 | 2021-11-30 | 北京大学 | 一种基于能源消耗碳排放的精细尺度确定方法及装置 |
CN114677013B (zh) * | 2022-03-28 | 2022-10-25 | 王大成 | 一种基于物联网的大气碳浓度监控系统 |
CN115144548B (zh) * | 2022-08-31 | 2022-11-18 | 天津市环鉴环境检测有限公司 | 有害气体成分实时监测系统及其监测方法 |
CN116030210B (zh) * | 2023-01-10 | 2023-09-29 | 深圳前海润澄金景双碳科技有限公司 | 碳排放数据统计方法、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591351A (zh) * | 2011-01-14 | 2012-07-18 | 北京航天慧海系统仿真科技有限公司 | 基于遥感、卫星定位导航和无人机的三维空间碳排放监测系统 |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2953021B1 (fr) * | 2009-11-26 | 2011-12-09 | Tanguy Griffon | Methode de mesure des emissions hebdomadaires et annuelles d'un gaz a effet de serre sur une surface donnee |
US20130089905A1 (en) * | 2012-03-27 | 2013-04-11 | logen Bio-Products Corporation | Method to reduce ghg emissions of fuel production |
-
2018
- 2018-01-31 CN CN201810093623.6A patent/CN108280789B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591351A (zh) * | 2011-01-14 | 2012-07-18 | 北京航天慧海系统仿真科技有限公司 | 基于遥感、卫星定位导航和无人机的三维空间碳排放监测系统 |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108280789A (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280789B (zh) | 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 | |
Borck et al. | Population density and urban air quality | |
Cetin et al. | Temporal and regional change of some air pollution parameters in Bursa | |
Tian et al. | The effect of urban 2D and 3D morphology on air temperature in residential neighborhoods | |
Crawford et al. | Spatial source attribution of measured urban eddy covariance CO 2 fluxes | |
Huang et al. | Development of land use regression models for PM2. 5, SO2, NO2 and O3 in Nanjing, China | |
Gao et al. | Assessing neighborhood air pollution exposure and its relationship with the urban form | |
Kordowski et al. | Carbon dioxide fluxes over an urban park area | |
Oh et al. | Impact of Chinese air pollutants on a record-breaking PMs episode in the Republic of Korea for 11–15 January 2019 | |
Sheng et al. | An experimental study to quantify road greenbelts and their association with PM2. 5 concentration along city main roads in Nanjing, China | |
Caballero et al. | Use of a passive sampling network for the determination of urban NO2 spatiotemporal variations | |
Pope et al. | Characterizing air pollution patterns on multiple time scales in urban areas: a landscape ecological approach | |
Cuadrat et al. | Influence of different factors on relative air humidity in Zaragoza, Spain | |
Choi et al. | Evaluating meteorological comparability in air quality studies: Classification and regression trees for primary pollutants in California's South Coast Air Basin | |
Pradhesta et al. | Local Climate Zone classification for climate-based urban planning using Landsat 8 Imagery (A case study in Yogyakarta Urban Area) | |
Kleingeld et al. | Carbon dioxide fluxes in the city centre of Arnhem, A middle-sized Dutch city | |
Barrao et al. | Characterization of the UHI in Zaragoza (Spain) using a quality-controlled hourly sensor-based urban climate network | |
Salgueiro et al. | Annual and seasonal variability of greenhouse gases fluxes over coastal urban and suburban areas in Portugal: Measurements and source partitioning | |
CHHETRI et al. | Local climate classification and urban heat/dry island in Matsuyama plain | |
Jiang et al. | Revealing the spatiotemporal characteristics and drivers of the block-scale thermal environment near a large river: Evidences from Shanghai, China | |
Crawford et al. | Assessing the impact of synoptic weather systems on air quality in Sydney using Radon 222 | |
Diem et al. | Remote sensing for urban heat island research: Progress, current issues, and perspectives | |
Fang et al. | Exploring coupling effect between urban heat island effect and PM 2.5 concentrations from the perspective of spatial environment | |
CN114878748A (zh) | 一种co2排放量的监测方法及监测系统 | |
Tinoy et al. | Urban effects on land surface temperature in Davao City, Philippines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |