CN109190211A - 一种核定区域排放空间的方法 - Google Patents

一种核定区域排放空间的方法 Download PDF

Info

Publication number
CN109190211A
CN109190211A CN201810942581.9A CN201810942581A CN109190211A CN 109190211 A CN109190211 A CN 109190211A CN 201810942581 A CN201810942581 A CN 201810942581A CN 109190211 A CN109190211 A CN 109190211A
Authority
CN
China
Prior art keywords
carbon emission
carbon
influence factor
region
factor
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.)
Pending
Application number
CN201810942581.9A
Other languages
English (en)
Inventor
邓祥征
张帆
王超
王国峰
韩战钢
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.)
Shanxi University of Finance and Economics
Beijing Normal University
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Shanxi University of Finance and Economics
Beijing Normal University
Institute of Geographic Sciences and Natural Resources of CAS
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 Shanxi University of Finance and Economics, Beijing Normal University, Institute of Geographic Sciences and Natural Resources of CAS filed Critical Shanxi University of Finance and Economics
Priority to CN201810942581.9A priority Critical patent/CN109190211A/zh
Publication of CN109190211A publication Critical patent/CN109190211A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明提供的一种核定区域排放空间的方法，包括如下步骤：获取核定区域内的碳排放影响因素以及不同碳排放影响因素之间的因果关系；获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型；所述碳排放模型表示碳排放量与碳排放影响因素间的关系；根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间。从理论上核定区域排放空间，动态的分析历史状况，在以人均二氧化碳排放量为主要指标的基础上建立多种因素影响机制，基于特定场景的不同变量参数设计方案，选择符合实际的发展模式。

Description

一种核定区域排放空间的方法
技术领域
本发明涉及气候变暖与碳排放领域，具体涉及一种核定区域排放空间的方法。
背景技术
温室气体排放的增加导致全球气候不断变暖，当下气候变化的影响日益加剧，几乎每一个国家都遭受到不同程度的气候影响，尤其是一些发展较为落后的国家受到的影响更大。如何科学合理地分配不同国家不同区域的碳排放空间已成为全球减缓气候变化的面临的核心问题之一。
能源活动和工业生产过程的二氧化碳排放是人类活动温室气体排放的最重要来源，该部分排放约占1990年-2011年国家总温室气体排放量排放的80％。可以说，能源活动和工业生产过程支撑发达国家完成了工业化进程，也是未来推动发发展中国家工业化和城镇化的重要保障因素，因此碳排放空间分配在很大程度上左右世界各国的经济发展潜力。
在国际层面，发达国家在工业化过程中过度使用碳排放权已经在全球范围内造成不公平，若在当前技术发展尚未成熟的条件下过早压缩发展中国家的碳排放权，发展中国家不仅无法缩减与发达国家之间的发展差距，更无法实现消除贫困、满足人民基本的物质生活的基本需求。在国内层面，能源资源利用方式粗放、生态环境承载力不断下降、发展方式亟待转型已成为当前的基本国情，能源消耗过快使我国在二氧化碳排放上均冠上了“世界第一排放大国”的头衔。因此，尽早匡算我国碳排放空间并以此划定碳排放的生态环境容量、积极推进低碳发展已是我国的当务之急。
而现有技术中尚没有对区域碳排放空间的研究成果，更没有对碳排放量进行预测然后计算碳排放空间的方案。
发明内容
本发明旨在提供一种核定区域排放空间的方法，以对当下碳排放空间进行计算，并对未来碳排放进行预测。
为解决上述技术问题，本发明实施例提供一种核定区域排放空间的方法，包括如下步骤：
获取核定区域内的碳排放影响因素以及不同碳排放影响因素之间的因果关系；
获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型；所述碳排放模型表示碳排放量与碳排放影响因素间的关系；
根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间。
可选地，上述的核定区域排放空间的方法中，获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型的步骤中：
所述碳排放模型采用以下公式表示：
其中，C表示核定区域的碳排放量，Ci表示核定区域内第i种碳排放影响因素的碳排放量；其中，E表示一次能源消费量，Ei表示第i种碳排放影响因素的消费量，Y表示碳排放影响因素相关产业生产总值，P表示人口数量。
可选地，上述的核定区域排放空间的方法中，获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型的步骤中包括：
获取所述碳排放模型后，为所述碳排放模型中的每一变量分配初始值和设定参数估计值；
采用经验公式法或回归分析法对所述碳排放模型进行解析，得到所述设定参数的确定值。
可选地，上述的核定区域排放空间的方法中，根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间的步骤中包括：
设定起始时间和终止时间，所述终止时间在当前时间之后；
在所述终止时间与所述起始时间所限定的时长内，根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到在所述时长内所述核定区域的碳排放总量；
获取所述起始时间至所述当前时间内所述核定区域内的已有碳排放量；
根据所述碳排放总量和所述已有碳排放量，得到所述核定区域内从所述当前时间到所述终止时间的碳排放空间。
可选地，上述的核定区域排放空间的方法中，根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间的步骤中：
所述预设目标参数包括RCP2.6情景下的目标和/或RCP4.5情景下的目标和/或RCP8.5情景下的目标。
可选地，上述的核定区域排放空间的方法中，获取核定区域内的碳排放影响因素以及不同碳排放影响因素之间的因果关系的步骤中：
根据所述碳排放影响因数的属性将所述碳排放因数划分至不同子系统中，所述子系统包括经济子系统、人口子系统、能源子系统、环境子系统和土地子系统；
构建每一子系统中不同碳排放影响因素的因果回路图，构建不同子系统之间的因果回路图；
所述因果回路图中，采用箭头表示碳排放影响因素之间的因果关系，其中：
若其中一个碳排放影响因素的碳排放量变化会引起另一碳排放因素的碳排放量的同向变化，则箭头由其中一个碳排放影响因素指向另一碳排放影响因素，且箭头被标识为“+”；
若其中一个碳排放影响因素的碳排放量变化会引起另一碳排放因素的碳排放量的反向变化，则箭头由其中一个碳排放影响因素指向另一碳排放影响因素，且箭头被标识为“-”。
本发明还提供一种计算机可读存储介质，存储介质中存储有程序指令，计算机读取所述程序指令时能够执行以上任一项所述的核定区域排放空间的方法。
本发明还提供一种电子设备，包括至少一个处理器及至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令时能够执行以上任一项所述的核定区域排放空间的方法。
与现有技术相比，本发明实施例提供的上述技术方案至少具有以下有益效果：
本发明提供的核定区域排放空间的方法，包括如下步骤：获取核定区域内的碳排放影响因素以及不同碳排放影响因素之间的因果关系；获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型；所述碳排放模型表示碳排放量与碳排放影响因素间的关系；根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间。其能够从理论上核定区域排放空间，动态的分析历史状况，明确历史责任，在以人均二氧化碳排放量为主要指标的基础上建立多种因素影响机制，全面考虑发展中国家的发展需求和发达国家的能力要求，能够基于特定场景的不同变量参数设计方案，选择符合实际的发展模式。
附图说明
图1为本发明一个实施例所述核定区域排放空间的方法的流程图；
图2为本发明一个实施例所述碳排放模型不同子系统的相互联系示意图；
图3为本发明一个实施例所述土地利用碳排放模型因果回路图；
图4为本发明一个实施例所述土地利用碳排放模型存量流量图；
图5为本发明一个实施例所述土地利用碳排放模型对历史数据的不同步长的模型运行结果对比图；
图6为本发明一个实施例所述土地利用碳排放模型的不同步长的模型运行结果对比图。
具体实施方式
下面结合具体的实施例及附图对本发明的上述方案进行详细说明。需要注意的是，本文中的术语“第一”、“第二”、“第三”等，用于在类似要素之间进行区别，并且不一定是描述特定的次序或者按时间的顺序。另外，本文中对于不同步骤设置的步骤号，是便于描述清楚而设置的，其不应该理解为对步骤先后顺序的必要限定，对不同步骤之间的顺序交换只要不影响方案实施，都应看做对本发明实施例的简单变形无需付出创造性劳动即可实现。要理解，这样使用的这些术语在适当的环境下是可互换的，使得在此描述的主题的实施例如是能够以与那些说明的次序不同的次序或者以在此描述的另外的次序来进行操作。
实施例1
本实施例提供一种核定区域排放空间的方法，如图1所示，包括：
S1：获取核定区域内的碳排放影响因素以及不同碳排放影响因素之间的因果关系；所述碳排放模型采用以下公式表示：
其中，C表示核定区域的碳排放量，Ci表示核定区域内第i种碳排放影响因素的碳排放量；其中，E表示一次能源消费量，Ei表示第i种碳排放影响因素的消费量，Y表示碳排放影响因素相关产业生产总值，P表示人口数量。
S2：获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型；所述碳排放模型表示碳排放量与碳排放影响因素间的关系；依照明确问题，系统结构分析，绘制因果回路图的程序对碳排放系统进行建模。
本步骤中，具体包括：明确研究对象，研究对象是区域碳排放系统，应根据某个区域的碳排放水平及影响因子进行建模，进而将该区域的碳排放系统分为碳排放经济子系统、碳排放能源子系统、碳排放人口子系统、碳排放环境子系统，四个系统因果关系错综复杂，各个影响因素又相互制约、相互依靠，如图2所示，每两个子系统之间都具有相互影响，而每一子系统下又包括有不同的影响因素，例如能源子系统中包括能源消耗和人类活动，经济子系统下包括GDP和固定资产投资。
然后，绘制如图3所示的因果回路图，一个因果回路图包含多条反馈回路，多个变量，变量之间由标出因果关系的箭头连接。每条反馈回路都具有极性，或者为正(+)或者为负(-)，该极性指出了当独立变量变化时，相关变量如何随之变化。
以土地利用碳排放模型为例进行说明，厘清因果回路图中的因果关系后，需要对各子系统的变量做进一步的具体和细化。将其转化为图4所示的土地利用碳排放系统的存量流量图。如图3所示，碳源增加时环境质量会向反向变化，因此箭头上标上负号，当GDP增加时，全社会固定投资也会增加，因此箭头上标上正号。模型系统边界确定的原则决定了本模型只是一个简化的模型，之所以简单，是因为并没有把现实中影响碳排放的因素全部考虑进去，一些非决定性的因素并没有在模型中加以体现研究。
S3：根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间。具体包括：
首先，对碳排放模型进行运行检验。仿真系统的空间范围是中国全域范围，时间是从1990到2015年。模拟步长为5年。对碳排放系统中各变量进行赋值，分别为人口增长率、社会固定投资额比例、科技创新投资比例、单位农用地面积第一产业投资额、单位建设用地面积第二、三产业投资额、各产业GDP、耕、林、草地面积占农用地比例、其他用地面积变化量、水域面积变化量、牛、猪、羊年数量、9种能源的消耗比例、林、草、耕地碳源系数、水域碳汇系数、牛、羊、猪碳源系数、9种能源的碳排放系数、人类呼吸系数。数据来源主要是1990-2015年的中国统计年鉴中人口、GDP等资料以及能源统计年鉴中的能源消耗数据。经过Vensim软件检验后运行，可以得出1990、1995、2000、2005、2010、2015年的人口总量、GDP、能源消耗总量、各土地利用类型的碳排放量以及全国的土地利用净碳排放量等。
之后，改变模型运行的步长，分别设置为5年、2.5年、1.0年、0.5年，选取代表输出向量观测运行结果，如图5所示。运行结构可以显示出该模型是稳定的。
然后，进行历史检验。检验过程中使用的土地利用实际碳排放量以1990-2015年的土地利用、社会经济等历史数据为依据进行核算。基于区域可获取土地利用数据的分类体系，综合测算自然源和人为源的碳排放量。根据耕地、林地、草地、建设用地、水域和其他用地的不同特点分别核算实际碳排放量。区域土地利用碳排放可划分为碳源和碳汇两部分，“碳源”是指向大气中释放二氧化碳的过程或者机制，根据上地利用类型划分，主要有耕地、建设用地和其他农用地，其中建设用地包括交通运输用地、居民点及工矿用地和特殊用地。“碳汇”是指从大气中吸收或者消除二氧化碳的过程或机制。主要有林地、草地、水域和未利用地等土地利用类型。
实际净碳排放量：E＝∑Ei-∑Ej
E为区域的实际碳排放量；Ei为各用地类型的碳排放量(碳源)；Ej为各用地类型的碳吸收量(碳汇)。
实际碳排放量的计算过程：
本土地利用的碳排放核算模型中，作为碳源的土地利用类型包括建设用地、耕地和其他农用地，作为碳汇的土地利用类型包括林地、草地、水域和其他用地。
其中，建设用地的碳源计算方法：
其中，Ec、Qj、Cfj、Y、λ分别为建设用地碳排放量、第j种能源消耗量、第j种能源碳排放因子、人口数量、人均排放系数。
其中，耕地直接碳排放计算方法：
Ek＝∑e＝∑Tδ
Ek为直接碳排放量；e为耕地的碳排放量；T为耕地面积；δ为耕地的碳排放系数。
其他农用地的碳源计算方法：
其他农用地的碳排放主要是来自于禽兽等动物呼吸、排泄，辅助农业生产和其他农用地上的人类活动等过程所释放的碳。Eo、QK、λk、S、δ分别代表其他农用地碳排放、第k种禽兽数量、第k种禽兽的排放系数、其他农用地面积、其他农用地管理系数。
其中，林地、草地、水域和其他用地的碳汇计算方法：
Ek＝∑e＝∑Tδ
Ek为碳汇量；e为各用地类型的碳吸收量；T为各用地类型面积；δ为各用地类型的碳吸收系数。
将土地利用碳排放量实际结果与模型运行结果相比较可得相对误差，如表1所示。可知模拟值与真实值的相对误差最大值为8.03％，大多数误差在3％-8％，均低于10％，故本案例建立的土地利用碳排放模型是有效的，能够用来模拟并预测全国区域的土地利用碳排放量。
表1土地利用碳排放量相对误差
最后，利用本模型在不同情境下预测土地利用的碳排放量。三种情景分别为按照历史人口、经济发展趋势预测的RCP4.5；人口快速增长、经济高速发展的RCP8.5情景；人口增长缓慢、环境比较友好的RCP2.6情景。情景参数设置情况如下：
RCP4.5：根据历史数据预测参数的变化趋势，主要包括人口增长率、各产业的GDP、各能源消耗比例等输入参数。RCP8.5情景：保持人口快速增加和经济的高速发展，维持2015年的人口增长率和各能源的消费比例，将各产业的GDP增长率上调2％。RCP2.6情景：该情景人口增长与基准情景保持一致，将将各产业的GDP增长率下调2％，按照历史数据降低煤炭等高污染能源的能源消耗比例，并适当提高天然气、电力的消耗比例。预测区间为2016-2050年，步长为5年，进行模型仿真，结果图6所示。通过运行结果可知，在RCP8.5情景下，未来至2050年的全国土地利用碳排放量最高，RCP2.6的碳排放量最低，RCP4.5的碳排放量位于中间水平。通过人口、经济、能源消耗分析与中国的发展现状对比可知，RCP4.5情景最符合中国未来几十年的发展。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种核定区域排放空间的方法，其特征在于，包括如下步骤：
获取核定区域内的碳排放影响因素以及不同碳排放影响因素之间的因果关系；
获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型；所述碳排放模型表示碳排放量与碳排放影响因素间的关系；
根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间。
2.根据权利要求1所述的核定区域排放空间的方法，其特征在于，获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型的步骤中：
所述碳排放模型采用以下公式表示：
其中，C表示核定区域的碳排放量，Ci表示核定区域内第i种碳排放影响因素的碳排放量；其中，E表示一次能源消费量，Ei表示第i种碳排放影响因素的消费量，Y表示碳排放影响因素相关产业生产总值，P表示人口数量。
3.根据权利要求2所述的核定区域排放空间的方法，其特征在于，获取所述核定区域内的历史碳排放数据，并根据所述历史碳排放数据、所述碳排放影响因素及不同碳排放影响因素之间的因果关系建立碳排放模型的步骤中包括：
获取所述碳排放模型后，为所述碳排放模型中的每一变量分配初始值和设定参数估计值；
采用经验公式法或回归分析法对所述碳排放模型进行解析，得到所述设定参数的确定值。
4.根据权利要求1-3任一项所述的核定区域排放空间的方法，其特征在于，根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间的步骤中包括：
设定起始时间和终止时间，所述终止时间在当前时间之后；
在所述终止时间与所述起始时间所限定的时长内，根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到在所述时长内所述核定区域的碳排放总量；
获取所述起始时间至所述当前时间内所述核定区域内的已有碳排放量；
根据所述碳排放总量和所述已有碳排放量，得到所述核定区域内从所述当前时间到所述终止时间的碳排放空间。
5.根据权利要求4所述的核定区域排放空间的方法，其特征在于，根据每一碳排放影响因素的预设目标参数对所述碳排放模型进行模拟仿真，得到所述核定区域的碳排放空间的步骤中：
所述预设目标参数包括RCP2.6情景下的目标和/或RCP4.5情景下的目标和/或RCP8.5情景下的目标。
6.根据权利要求5所述的核定区域排放空间的方法，其特征在于，获取核定区域内的碳排放影响因素以及不同碳排放影响因素之间的因果关系的步骤中：
根据所述碳排放影响因数的属性将所述碳排放因数划分至不同子系统中，所述子系统包括经济子系统、人口子系统、能源子系统、环境子系统和土地子系统；
构建每一子系统中不同碳排放影响因素的因果回路图，构建不同子系统之间的因果回路图；
所述因果回路图中，采用箭头表示碳排放影响因素之间的因果关系，其中：
若其中一个碳排放影响因素的碳排放量变化会引起另一碳排放因素的碳排放量的同向变化，则箭头由其中一个碳排放影响因素指向另一碳排放影响因素，且箭头被标识为“+”；
若其中一个碳排放影响因素的碳排放量变化会引起另一碳排放因素的碳排放量的反向变化，则箭头由其中一个碳排放影响因素指向另一碳排放影响因素，且箭头被标识为“-”。
7.一种计算机可读存储介质，其特征在于，存储介质中存储有程序指令，计算机读取所述程序指令时能够执行权利要求1-6任一项所述的核定区域排放空间的方法。
8.一种电子设备，包括至少一个处理器及至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令时能够执行权利要求1-6任一项所述的核定区域排放空间的方法。
CN201810942581.9A 2018-08-17 2018-08-17 一种核定区域排放空间的方法 Pending CN109190211A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810942581.9A CN109190211A (zh) 2018-08-17 2018-08-17 一种核定区域排放空间的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810942581.9A CN109190211A (zh) 2018-08-17 2018-08-17 一种核定区域排放空间的方法

Publications (1)

Publication Number Publication Date
CN109190211A true CN109190211A (zh) 2019-01-11

Family

ID=64918267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810942581.9A Pending CN109190211A (zh) 2018-08-17 2018-08-17 一种核定区域排放空间的方法

Country Status (1)

Country Link
CN (1) CN109190211A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740968A (zh) * 2019-01-25 2019-05-10 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
CN111882033A (zh) * 2020-07-15 2020-11-03 南京航空航天大学 一种基于Keras的区域民航主被动碳排放预测方法
CN111932146A (zh) * 2020-09-01 2020-11-13 平安国际智慧城市科技股份有限公司 污染成因的分析方法、装置、计算机设备和可读存储介质
CN111967756A (zh) * 2020-08-11 2020-11-20 中国科学院城市环境研究所 一种目标驱动源的建筑能耗碳排放确定方法及系统
CN113051744A (zh) * 2021-03-18 2021-06-29 天津大学 一种区域大气污染调控方案的评估系统及其评估方法
CN114444777A (zh) * 2021-12-31 2022-05-06 特斯联科技集团有限公司 用于车辆碳排量识别的人工智能模型应用系统
CN114757602A (zh) * 2022-06-16 2022-07-15 南方电网数字电网研究院有限公司 供给侧电力碳排放风险预警方法、装置和计算机设备
CN114926100A (zh) * 2022-07-18 2022-08-19 中科海慧（北京）科技有限公司 一种基于卫星遥感的碳监控模型构建方法及系统
CN115293945A (zh) * 2022-10-08 2022-11-04 北京英视睿达科技股份有限公司 温室气体排放量的确定方法、装置、设备及存储介质
CN115374629A (zh) * 2022-08-19 2022-11-22 生态环境部环境规划院 一种预测森林碳汇变化及空间分布的方法及系统
CN116051335A (zh) * 2022-12-26 2023-05-02 江苏巨楷科技发展有限公司 一种通过大数据预测方向的环境碳管理方法
CN117057516A (zh) * 2023-10-12 2023-11-14 浙江大有实业有限公司配电工程分公司 一种基于系统动力学的碳核算参数分析预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130090629A (ko) * 2012-02-06 2013-08-14 청주대학교 산학협력단 대화형 저탄소 시뮬레이션 시스템
CN104063630A (zh) * 2014-07-16 2014-09-24 南京擎天科技有限公司 一种地区碳排放量预测方法
CN107038297A (zh) * 2017-04-07 2017-08-11 山东大学 全球能源互联网运行特性仿真的自适应变步长积分方法
CN107609676A (zh) * 2017-08-17 2018-01-19 国网浙江省电力公司经济技术研究院 一种基于能源消费结构优化的碳排放峰值计算方法及系统
CN108109073A (zh) * 2017-11-29 2018-06-01 江苏省信息中心 基于资源环境要素耦合分析的碳排放空间配置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130090629A (ko) * 2012-02-06 2013-08-14 청주대학교 산학협력단 대화형 저탄소 시뮬레이션 시스템
CN104063630A (zh) * 2014-07-16 2014-09-24 南京擎天科技有限公司 一种地区碳排放量预测方法
CN107038297A (zh) * 2017-04-07 2017-08-11 山东大学 全球能源互联网运行特性仿真的自适应变步长积分方法
CN107609676A (zh) * 2017-08-17 2018-01-19 国网浙江省电力公司经济技术研究院 一种基于能源消费结构优化的碳排放峰值计算方法及系统
CN108109073A (zh) * 2017-11-29 2018-06-01 江苏省信息中心 基于资源环境要素耦合分析的碳排放空间配置方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
C JONES ET AL.: "Twenty-First-Century Compatible CO₂ Emissions and Airborne Fraction Simulated by CMIP5 Earth System Models under Four Representative Concentration Pathways", 《JOURNAL OF CLIMATE》 *
吴萌: "武汉市土地利用碳排放分析与系统动力学仿真", 《中国博士学位论文全文数据库工程科技I辑》 *
宋德勇 等: "中国省际碳排放空间分配研究", 《中国人口·资源与环境》 *
张思远: "长三角地区城市化进程对碳排放的影响研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 *
张治会等: "基于解构模型的2000―2014年甘肃省碳排放核算与分析", 《江苏农业科学》 *
戴新颖: "我国煤炭碳排放影响因素分析及减排措施研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》 *
朱莉萍 等: "基于系统动力学方法的3E-T结构碳排放分析", 《资源环境技术推广》 *
谢品杰等: "基于经济周期视角及灰色理论的我国碳排放强度影响因素分析", 《工业技术经济》 *
陈彬 等: "重庆市温室气体排放系统动力学研究", 《中国人口·资源与环境》 *
魏婷 等: "近期碳排放趋势对气候变化历史责任归因的影响", 《科学通报》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740968A (zh) * 2019-01-25 2019-05-10 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
CN111882033A (zh) * 2020-07-15 2020-11-03 南京航空航天大学 一种基于Keras的区域民航主被动碳排放预测方法
CN111882033B (zh) * 2020-07-15 2024-04-05 南京航空航天大学 一种基于Keras的区域民航主被动碳排放预测方法
CN111967756A (zh) * 2020-08-11 2020-11-20 中国科学院城市环境研究所 一种目标驱动源的建筑能耗碳排放确定方法及系统
CN111932146A (zh) * 2020-09-01 2020-11-13 平安国际智慧城市科技股份有限公司 污染成因的分析方法、装置、计算机设备和可读存储介质
CN113051744A (zh) * 2021-03-18 2021-06-29 天津大学 一种区域大气污染调控方案的评估系统及其评估方法
CN114444777A (zh) * 2021-12-31 2022-05-06 特斯联科技集团有限公司 用于车辆碳排量识别的人工智能模型应用系统
CN114757602B (zh) * 2022-06-16 2022-10-11 南方电网数字电网研究院有限公司 供给侧电力碳排放风险预警方法、装置和计算机设备
CN114757602A (zh) * 2022-06-16 2022-07-15 南方电网数字电网研究院有限公司 供给侧电力碳排放风险预警方法、装置和计算机设备
CN114926100A (zh) * 2022-07-18 2022-08-19 中科海慧（北京）科技有限公司 一种基于卫星遥感的碳监控模型构建方法及系统
CN115374629A (zh) * 2022-08-19 2022-11-22 生态环境部环境规划院 一种预测森林碳汇变化及空间分布的方法及系统
CN115293945A (zh) * 2022-10-08 2022-11-04 北京英视睿达科技股份有限公司 温室气体排放量的确定方法、装置、设备及存储介质
CN115293945B (zh) * 2022-10-08 2023-02-24 北京英视睿达科技股份有限公司 温室气体排放量的确定方法、装置、设备及存储介质
CN116051335A (zh) * 2022-12-26 2023-05-02 江苏巨楷科技发展有限公司 一种通过大数据预测方向的环境碳管理方法
CN117057516A (zh) * 2023-10-12 2023-11-14 浙江大有实业有限公司配电工程分公司 一种基于系统动力学的碳核算参数分析预测方法
CN117057516B (zh) * 2023-10-12 2024-04-09 浙江大有实业有限公司配电工程分公司 一种基于系统动力学的碳核算参数分析预测方法

Similar Documents

Publication Publication Date Title
CN109190211A (zh) 一种核定区域排放空间的方法
Alcamo et al. Chapter four searching for the future of land: scenarios from the local to global scale
Pontius Jr et al. Modeling the spatial pattern of land-use change with GEOMOD2: application and validation for Costa Rica
Nothdurft et al. Spatio-temporal prediction of site index based on forest inventories and climate change scenarios
La Notte et al. Implementing an EU system of accounting for ecosystems and their services
CN103136603B (zh) 一种智能土地利用布局优化配置方法
Başkent et al. Quantifying the effects of forest management strategies on the production of forest values: timber, carbon, oxygen, water, and soil
CN107909227A (zh) 超短期预测风电场功率的方法、装置及风力发电机组
Kros et al. Uncertainties in model predictions of nitrogen fluxes from agro-ecosystems in Europe
Joffre et al. Combining participatory approaches and an agent-based model for better planning shrimp aquaculture
Yagasaki et al. Assessment on the rates and potentials of soil organic carbon sequestration in agricultural lands in Japan using a process-based model and spatially explicit land-use change inventories–Part 1: Historical trend and validation based on nation-wide soil monitoring
Tinsley et al. Managing cow herd dynamics in environments of limited forage productivity and livestock marketing channels: An application to semi-arid Pacific island beef production using system dynamics
Gao et al. A system dynamics model for managing regional N inputs from human activities
CN115310757A (zh) 一种高精度动态可变分辨率的生态碳汇评估方法及系统
Bouwman et al. Consequences of the cultivation of energy crops for the global nitrogen cycle
Rajan et al. A GIS based integrated land use/cover change model to study agricultural and urban land use changes
Rajan et al. A GIS based integrated land use/cover change model to study human-land interactions
He et al. Simulating ectomycorrhiza in boreal forests: implementing ectomycorrhizal fungi model MYCOFON in CoupModel (v5)
Nguyen et al. EC4MACS–an integrated assessment toolbox of well-established modeling tools to explore the synergies and interactions between climate change, air quality and other policy objectives
Gaucherel Self-organization of patchy landscapes: hidden optimization of ecological processes
CN115034159A (zh) 一种海上风电场的功率预测方法、装置、存储介质及系统
Del Grosso et al. History of Ecosystem Model Development at Colorado State University and Current Efforts to Address Contemporary Ecological Issues
Alkemade et al. Applying GLOBIO at different geographical levels
Lautenbach et al. Quantifying trade-offs between bioenergy production, food production, water quality and water quantity aspects in a German case study
Baskent et al. Forecasting forest development through modeling based on the legacy of forest structure over the past 43 years

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190111

RJ01 Rejection of invention patent application after publication