CN109754134A - 一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法 - Google Patents
一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法 Download PDFInfo
- Publication number
- CN109754134A CN109754134A CN201711065816.2A CN201711065816A CN109754134A CN 109754134 A CN109754134 A CN 109754134A CN 201711065816 A CN201711065816 A CN 201711065816A CN 109754134 A CN109754134 A CN 109754134A
- Authority
- CN
- China
- Prior art keywords
- energy
- data
- area
- city
- energy consumption
- 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
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明提出了一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法,属于低碳城市和节能减排领域的研究。该方法同时利用了DMSP/OLS遥感影像和能源消耗统计数据,对能源消耗集中区的夜间灯光亮值像元的平均DN值和能源消耗统计数据进行多种形式的回归分析,确定能耗量空间化模型,进而模拟出栅格级城市能耗量空间分布。本发明可以揭示行政单元内部能源消耗的分布特征和规律,以便更加深入、细致、全面地分析能源消耗量的空间变化规律,为提出合理有效的节能减排措施提供决策支持,为合理配置城市能源资源和低碳城市可持续发展规划提供理论依据和实践指导。
Description
技术领域
本发明属于低碳城市和节能减排的研究领域,特别涉及一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法。
背景技术
低碳化发展道路是城市建设的发展趋势,在全球资源紧缺、能源匮乏、气候变暖的背景下,发展低碳城市是我国应对气候变化、实现可持续发展的必然选择。城市作为工业文明及现代经济文明的主要载体,其具有巨大的能源消耗量,对区域发展造成一定制约。城市能耗量评估是节能减排和发展低碳城市的关键环节之一,只有在精细地掌握城市能耗量空间分布规律的基础上,才有可能提出合理有效的节能减排的改善措施。目前,我国能源消耗量多以行政区为基础统计单元,难以提供行政单元内部的空间分部信息,对能源消耗统计数据空间化研究的欠缺,不仅使揭示城市内部能源消耗量的空间差异性成为难题,而且妨碍了能源消耗数据与其他社会经济要素、自然要素的融合及综合分析。因此,如何采用新技术和新方法实现能源消耗量的空间化,越来越成为节能减排和可持续发展等领域所关注的一个热点。
随着遥感技术的快速发展,越来越多的国内外学者将遥感数据与社会统计数据相融合以实现社会经济数据空间化。美国军事气象卫星Defense Meteorological SatelliteProgram(DMSP)搭载的Operational Linescan System(OLS)传感器获取的夜间灯光数据能够探测到城市、居民地、火光等发出的低强度灯光,可以直观反映人类的社会经济活动,是目前实现社会经济统计数据空间化较理想的数据源之一。已有研究表明夜间灯光数据像元值(DN)值高的区域其经济发展水平和能源消耗量也相对较高。本发明基于DMSP/OLS遥感影像数据,采用经典的阈值法有效减少夜间灯光数据像元溢出效应的影响,进而提取出能源消耗集中区域;并基于能源消耗量与行政区范围内夜间灯光亮值像元的平均DN值之间很强的相关关系建立能耗空间化模型,最后获得分辨率较高的能耗量空间化数据。
发明内容
针对现有研究中存在的问题,本发明以厦门市为例,提供一种应用于行政单元内部的、分辨率较高的基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法。
为实现上述目的,本发明基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法具体流程为:
S1.获取全球DMSP\OLS遥感影像数据,完成遥感影像数据的预处理,提取研究区夜间灯光亮值像元数据。
S2.基于研究区的能源统计数据,采取相应的分配系数把厦门市总能源消耗统计数据分配至各区,结合各种能源换算为标准煤的系数,把能源数据统一单位,构建厦门市区级能源消耗量数据组。
S3.根据经典的阈值法提取出厦门市能源消耗最为集中的区域,进而利用厦门市行政边界矢量数据提取厦门市各区域的夜间灯光亮值像元数据。
S4.基于地理信息系统ArcGIS10.4.1平台,提取厦门市各区域的夜间灯光亮值像元的平均DN值。
S5.对厦门市各区的夜间灯光亮值像元的平均DN值和相应的能源消耗量进行多形式的回归分析,对比回归分析结果,确定能耗空间化模型。
S6.基于遥感图像处理软件ENVI 5.4平台,使用空间化模型对厦门市能源消耗量进行模拟,获得厦门市30m分辨率的能耗量空间化数据。
附图说明
图1为本发明专利能耗量空间化方法的技术流程图。
图2为本发明提取的研究区原始夜间灯光数据。
图3为本发明提取的研究区夜间灯光亮值像元数据。
图4为本发明提取的研究区能耗集中区夜间灯光亮值像元数据。
图5为本发明研究区夜间灯光亮值像元的平均DN值与能耗数据回归所得相关系数。
图6为本发明研究区夜间灯光亮值像元的平均DN值与能耗数据二次多项式回归结果。
图7为本发明研究区的能耗量空间化分布。
具体实施方式
本发明提出的一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法,结合附图及实际案例详细说明如下:
S1.2009年DMSP/OLS遥感影像数据来源于美国国家地球物理数据中心,该数据为全球夜间灯光影像,数据像元大小为30"弧度,覆盖范围为经度-180°到 180°,纬度-65°到75°,在遥感图像处理软件ENVI 5.4平台下,将其投影转换为高斯克吕格投影,再用双线性内插法将其重采样到30m分辨率。
本发明使用案例为厦门市整个行政区域(剔除无人居住的小型岛屿),由于从美国国家海洋和大气管理局的国家地球物理数据中心网站获取的夜间灯光数据为全球范围内的夜间灯光数据,因此需要对原始的夜间灯光数据进行裁剪以获取研究区域范围内的夜间灯光数据。基于地理信息系统ArcGIS10.4.1平台,以厦门市行政边界矢量数据为裁剪范围,对原始数据进行裁剪,获取2009年厦门市夜间灯光数据。
将获取的研究区的夜间灯光数据进行重分类,分成DN值为0和1-63两类,并在ArcGIS10.4.1平台上使用SQL语句提取栅格数据中属性DN值为1-63的像元。从而获得2009年厦门市夜间灯光亮值像元数据。
S2.将来源于《厦门经济特区年鉴》的厦门市能源消耗统计数据分配至厦门市各区。能源分配方式主要是:能源转换行业能耗量按照各区发电量分配,第一产业能耗量按照各区农业GDP分配,工业能耗量按照各区工业总产值分配,建筑业能耗量按照各区建筑业GDP分配,交通业能耗量按照各区民用车辆拥有量分配,服务业能耗量按照各区服务业从业人口分配。按照国标《GB/T2589-2008综合能耗计算通则》,根据热当量原理将分配后的各区能源消耗统计原始数据从分列的煤、电、油、气等的量值转换成综合能耗,单位万吨标准煤,计算公式为:
(1)
式中:E为折算后的能耗量,万吨标准煤;n为消耗的能源品种数;为生产和服务活动中的第i种能源实物量;为第i种能源的折算系数,由《GB/T2589-2008综合能耗计算通则》查得。
最后将转换后的厦门市各区能源消耗统计数据整理为厦门市区级能源消费数据组。
S3.先前学者研究指出设定阈值是减少夜间灯光数据溢出的主要手段,本发明使用经典的阈值法提取出能源消耗最为集中的区域。通过计算得到厦门市潜在像元溢出区域平均夜间灯光DN值为27.94,故将夜间灯光DN值阈值设为28来减少像元溢出的影响,即提取出了能耗最为集中的区域。并利用厦门市行政边界矢量数据提取厦门市各区域的夜间灯光亮值像元数据。
S4.基于地理信息系统ArcGIS10.4.1平台,结合处理后的2009年厦门市各区的夜间灯光亮值像元数据,计算厦门市各区的夜间灯光亮值像元数据的平均DN值,为接来的能耗量空间化模拟做准备。
在统计中算术平均数常用于表示统计对象的一般水平,它是描述数据集中位置的一个统计量,既可以用它来反映一组数据的一般情况、和平均水平,也可以用它进行不同组数据的比较,以看出组与组之间的差别,用平均数表示一组数据的情况,有直观、简明的特点,所以本发明选取厦门市各区域夜间灯光亮值像元的平均DN值能较好地反映厦门市各区夜间灯光亮值像元数据的综合情况。按如下公式获取厦门市各区的夜间灯光亮值像元的平均DN值:
(2)
式中:表示厦门市r区的夜间灯光亮值像元的平均DN值,其中r区包括集美区、湖里区、翔安区、思明区、同安区、海沧区;表示r区的第j级夜间灯光亮值像元的DN值;表示r区的第j级像元的总数。
S5.在确定了厦门市各区的夜间灯光亮值像元的平均DN值的基础上,基于统计分析软件SPSS22.0平台,将厦门市各区的能源消耗统计数据和夜间灯光亮值像元的平均DN值进行指数、线性、对数、二次多项式、幂数五种形式的回归分析,得到五组相关系数R2,分别为0.856、0.89、0.948、0.846、0.801。二次多项式的相关系数相对最高,说明二次多项式拟合的相关性最好。因此,选择二次多项式方程建立能耗量空间化模型。
S6.基于遥感图像处理软件ENVI 5.4平台,使用二次多项式方程所建立的模型对厦门市能源消耗数据进行模拟,实现能源消耗量空间化,模型如下:
(3)
式中:表示厦门市第m个像元的能耗量,万吨标准煤;表示第m个夜间灯光亮值像元的平均DN值。
基于地理信息系统ArcGIS10.4.1平台,利用模拟后的厦门市能耗数据,得到厦门市30m分辨率的能耗量空间化数据。
Claims (6)
1.本发明专利是一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法,其特征在于包括以下几个步骤:S1.获取全球DMSP\OLS遥感影像数据,完成遥感影像数据的预处理,提取研究区夜间灯光亮值像元数据;S2.基于研究区的能源统计数据,采取相应的分配系数把厦门市总能源消耗统计数据分配至各区,结合各种能源换算为标准煤的系数,把能源数据统一单位,构建厦门市区级能源消耗量数据组;S3.根据经典的阈值法提取出厦门市能源消耗最为集中的区域,进而利用厦门市行政边界矢量数据提取厦门市各区域的夜间灯光亮值像元数据;S4.基于地理信息系统ArcGIS10.4.1平台,提取厦门市各区域的夜间灯光亮值像元的平均DN值;S5.对厦门市各区的夜间灯光亮值像元的平均DN值和相应的能源消耗量进行多种形式的回归分析,对比回归分析结果,确定能耗空间化模型;S6.基于遥感图像处理软件ENVI 5.4平台,使用空间化模型对厦门市能源消耗量进行模拟,获得厦门市30m分辨率的能耗量空间化数据。
2.如权利要求1所述的本发明专利基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法,可以从行政单元内部表征能源消耗量的空间变化,有助于精确评估行政单元内部能耗量的空间差异性。
3.如权利要求1所述的本发明专利将研究区总能源消耗统计数据分配至研究区各区时,能源分配方式主要是:能源转换行业能耗量按照各区发电量分配,第一产业能耗量按照各区农业GDP分配,工业能耗量按照各区工业总产值分配,建筑业能耗量按照各区建筑业GDP分配,交通业能耗量按照各区民用车辆拥有量分配,服务业能耗量按照各区服务业从业人口分配。
4.如权利要求1所述的本发明专利在研究区利用遥感夜间灯光数据和能源消耗统计数据来建立城市能耗量空间化模型时,选择了各区夜间灯光亮值像元的平均DN值和区级能源消耗量为主要参数,建立空间化模型。
5.如权利要求1所述的本发明专利应用指数、线性、对数、二次多项式、幂数五种形式的回归分析,进而对比回归分析结果,确定选用二次多项式方程建立能耗量空间化模型。
6.如权利要求1所述的本发明专利在研究区利用所建立的能耗空间化模型模拟了行政单元内部30m分辨率的能源消耗量空间分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711065816.2A CN109754134A (zh) | 2017-11-02 | 2017-11-02 | 一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711065816.2A CN109754134A (zh) | 2017-11-02 | 2017-11-02 | 一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109754134A true CN109754134A (zh) | 2019-05-14 |
Family
ID=66399169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711065816.2A Pending CN109754134A (zh) | 2017-11-02 | 2017-11-02 | 一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109754134A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914137A (zh) * | 2020-08-10 | 2020-11-10 | 许昌学院 | 一种基于遥感数据和poi数据的gdp空间化方法 |
CN112288656A (zh) * | 2020-11-16 | 2021-01-29 | 中电科大数据研究院有限公司 | 一种基于夜光遥感的电力消费量时空动态分析方法 |
CN114266984A (zh) * | 2021-12-07 | 2022-04-01 | 北京工业大学 | 一种利用高分辨遥感影像计算建筑物屋顶光伏可改造区减碳量的方法 |
-
2017
- 2017-11-02 CN CN201711065816.2A patent/CN109754134A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914137A (zh) * | 2020-08-10 | 2020-11-10 | 许昌学院 | 一种基于遥感数据和poi数据的gdp空间化方法 |
CN111914137B (zh) * | 2020-08-10 | 2023-11-21 | 许昌学院 | 一种基于遥感数据和poi数据的gdp空间化方法 |
CN112288656A (zh) * | 2020-11-16 | 2021-01-29 | 中电科大数据研究院有限公司 | 一种基于夜光遥感的电力消费量时空动态分析方法 |
CN114266984A (zh) * | 2021-12-07 | 2022-04-01 | 北京工业大学 | 一种利用高分辨遥感影像计算建筑物屋顶光伏可改造区减碳量的方法 |
CN114266984B (zh) * | 2021-12-07 | 2024-04-26 | 北京工业大学 | 一种利用高分辨遥感影像计算建筑物屋顶光伏可改造区减碳量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xia et al. | Analyzing spatial relationships between urban land use intensity and urban vitality at street block level: A case study of five Chinese megacities | |
He et al. | The impact of urban growth patterns on urban vitality in newly built-up areas based on an association rules analysis using geographical ‘big data’ | |
Zhang et al. | Ecosystem services supply and demand response to urbanization: A case study of the Pearl River Delta, China | |
Yang et al. | Measure of urban-rural transformation in Beijing-Tianjin-Hebei region in the new millennium: Population-land-industry perspective | |
Shi et al. | Detecting spatiotemporal dynamics of global electric power consumption using DMSP-OLS nighttime stable light data | |
Zhao et al. | Net primary production and gross domestic product in China derived from satellite imagery | |
Liu et al. | Spatio-temporal dynamic evolution of carbon emission intensity and the effectiveness of carbon emission reduction at county level based on nighttime light data | |
Li et al. | Exploring spatial-temporal change and gravity center movement of construction land in the Chang-Zhu-Tan urban agglomeration | |
CN106991529A (zh) | 基于跨域多维大数据的城市夜间灯光经济指数评价方法 | |
Zhang et al. | Mapping the spatial-temporal changes in energy consumption-related carbon emissions in the Beijing-Tianjin-Hebei region via nighttime light data | |
Tian et al. | The spatio-temporal dynamic pattern of rural residential land in China in the 1990s using Landsat TM images and GIS | |
Jin et al. | Self-driving tourism induced carbon emission flows and its determinants in well-developed regions: A case study of Jiangsu Province, China | |
Deng et al. | Spatiotemporal evolution patterns of urban heat island and its relationship with urbanization in Guangdong-Hong Kong-Macao greater bay area of China from 2000 to 2020 | |
CN109754134A (zh) | 一种基于遥感夜间灯光数据和能源消耗统计数据的城市能耗量空间化方法 | |
Zheng et al. | The desaturation method of DMSP/OLS nighttime light data based on vector data: Taking the rapidly urbanized China as an example | |
Chen et al. | Downscaling census data for gridded population mapping with geographically weighted area-to-point regression kriging | |
Yang et al. | Monitoring spatiotemporal characteristics of land-use carbon emissions and their driving mechanisms in the Yellow River Delta: A grid-scale analysis | |
Ma et al. | A multisource remotely sensed data oriented method for “ghost city” phenomenon identification | |
Wang et al. | High resolution photovoltaic power generation potential assessments of rooftop in China | |
Massano et al. | A GIS Open-Data Co-Simulation Platform for Photovoltaic Integration in Residential Urban Areas | |
Zhang et al. | How to accurately assess the spatial distribution of energy CO2 emissions? Based on POI and NPP-VIIRS comparison | |
Zhang et al. | Measurement of urban expansion and spatial correlation of central Yunnan urban agglomeration using nighttime light data | |
Wang et al. | Monitoring evolving urban cluster systems using DMSP/OLS nighttime light data: a case study of the Yangtze River Delta region, China | |
Zheng et al. | Spatiotemporal variations and driving forces of per capita carbon emissions from energy consumption in China | |
Shi et al. | Analysis of human activities in nature reserves based on nighttime light remote sensing and microblogging data–illustrated by the case of national nature reserves in jiangxi province |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190514 |
|
WD01 | Invention patent application deemed withdrawn after publication |