CN114077970A - 一种基于城市形态的碳排放相关因子的确定方法及装置 - Google Patents
一种基于城市形态的碳排放相关因子的确定方法及装置 Download PDFInfo
- Publication number
- CN114077970A CN114077970A CN202111374476.8A CN202111374476A CN114077970A CN 114077970 A CN114077970 A CN 114077970A CN 202111374476 A CN202111374476 A CN 202111374476A CN 114077970 A CN114077970 A CN 114077970A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- spatial
- urban
- data
- morphological
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 162
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000000877 morphologic effect Effects 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 238000009826 distribution Methods 0.000 claims abstract description 39
- 238000012360 testing method Methods 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 18
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000005054 agglomeration Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 7
- 230000005494 condensation Effects 0.000 claims description 6
- 238000009833 condensation Methods 0.000 claims description 6
- 238000009776 industrial production Methods 0.000 claims description 6
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000001174 Hausman test Methods 0.000 claims description 4
- 238000001772 Wald test Methods 0.000 claims description 4
- SQNZJJAZBFDUTD-UHFFFAOYSA-N durene Chemical compound CC1=CC(C)=C(C)C=C1C SQNZJJAZBFDUTD-UHFFFAOYSA-N 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 3
- 208000031968 Cadaver Diseases 0.000 description 2
- 241000976924 Inca Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 108010045512 cohesins Proteins 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于碳排放技术领域,公开了一种基于城市形态的碳排放相关因子的确定方法及装置,包括获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性;若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据;根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。有益效果:建立分析模型可以得到对城市碳排放具有相关性的形态指标作为碳排放因子,为后续的城市建设提供依据。
Description
技术领域
本发明涉及碳排放技术领域,特别是涉及一种基于城市形态的碳排放相关因子的确定方法及装置。
背景技术
目前,以碳排放为主的温室气体排放正在给全球变暖问题的控制与全球性的环境保护带来严峻挑战,城市逐渐成为全球碳排放的主要来源之一。
现有技术对碳排放研究,大多以国家、行业、企业和家庭等维度进行,这些研究成果难以应用到城市规划建设中,无法确定对城市碳排放具有实质影响的碳排放相关因子,无法为低碳城市的建设提供依据。
发明内容
本发明的目的是:提供一种基于城市形态的碳排放相关因子的确定方法及装置,得到对城市碳排放具有实质影响的碳排放相关因子。
为了实现上述目的,本发明提供了一种基于城市形态的碳排放相关因子的确定方法,包括:
获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性;
若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据;
根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。
进一步的,所述根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性,具体为:
所述全局空间自相关性分析包括:碳排放强度空间关联程度公式以及检验公式;
所述碳排放强度空间关联程度公式具体为:
所述检验公式具体为:z=(I-E(I))Var(I);当z大于零,且通过显著性检验时,碳排放在空间分布上呈现空间正向相关性;反之,当z 小于零,且通过显著性检验时,则认为存在空间负相关性。
进一步的,所述获取若干个城市的多个形态指标以及对应多个形态指标的形态数据,具体为:
所述多个形态指标包括空间形态指标,所述空间形态指标包括:城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度、相似毗邻百分比、路网密度、道路耦合度;
根据城市地块信息的栅格数据,得到城市空间形态指标中的城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度和相似毗邻百分比;根据城市道路数据得到路网密度和道路耦合度。
进一步的,所述多个形态指标还包括经济形态指标,所述经济形态指标包括:地区生产总值、人口、城市化率、第二产业产值占比、科学技术支出占财政收入比例和进出口总额占GDP比例。
进一步的,所述根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,具体为:
将获取到的碳排放数据、多个形态指标和多个形态指标的形态数据转化为空间面板数据,根据采用拉格朗日乘数或稳健拉格朗日系数分布对空间面板数据检验,判断空间面板数据是否适用空间面板计量分析模块;
若空间面板数据适用空间面板计量分析模型,则通过Hausman检验确定空间面板计量分析模型是否采取固定效应,若是则应用LR检验与Wald检验从多个空间面板计量模型中选取拟合度最优的空间面板计量分析模型,其中,多个空间面板计量模型包括:空间滞后模型、空间误差模型和空间杜宾模型;
将获取到的碳排放数据、多个形态指标和多个形态指标的形态数据输入到拟合度最优的空间面板计量分析模型。
进一步的,所述获取分析区域内若干个城市的碳排放数据,具体为:
获取分析区域的总体碳排放数据,根据粒子群优化-反向传播算法和NPP/VIIRS和DMSP/OLS卫星图像得到具体城市的碳排放数据。
本发明还公开了一种基于城市形态的碳排放相关因子的确定装置,包括:第一获取模块、第二获取模块和结果输出模块;
所述第一获取模块,用于获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性;
所述第二获取模块,用于若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据;
所述结果输出模块,用于根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。
进一步的,所述根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性,具体为:
所述全局空间自相关性分析包括:碳排放强度空间关联程度公式以及检验公式;
所述碳排放强度空间关联程度公式具体为:
所述检验公式具体为:z=(I-E(I))Var(I);当z大于零,且通过显著性检验时,碳排放在空间分布上呈现空间正向相关性;反之,当z 小于零,且通过显著性检验时,则认为存在空间负相关性。
进一步的,所述获取若干个城市的多个形态指标以及对应多个形态指标的形态数据,具体为:
所述多个形态指标包括空间形态指标,所述空间形态指标包括:城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度、相似毗邻百分比、路网密度、道路耦合度;
根据城市地块信息的栅格数据,得到城市空间形态指标中的城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度和相似毗邻百分比;根据城市道路数据得到路网密度和道路耦合度。
进一步的,所述多个形态指标还包括经济形态指标,所述经济形态指标包括:地区生产总值、人口、城市化率、第二产业产值占比、科学技术支出占财政收入比例和进出口总额占GDP比例。
本发明实施例一种基于城市形态的碳排放相关因子的确定方法与现有技术相比,其有益效果在于:通过在空间分布上具备空间自相关性的碳排放数据,获取多个城市的形态指标和数据,建立分析模型可以得到对城市碳排放具有相关性的形态指标作为碳排放因子,为后续的城市建设提供依据。
附图说明
图1是本发明一种基于城市形态的碳排放相关因子的确定方法的流程示意图。
图2是本发明一种基于城市形态的碳排放相关因子的确定装置的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1:
如图1所示,本发明公开了一种基于城市形态的碳排放相关因子的确定方法,主要包括如下的步骤:
步骤S1,获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性;
步骤S2,若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据;
步骤S3,根据获取到的碳排放数据、多个形态指标以及对应多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。
在步骤S1中,获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性。
在本实施例中,所述获取分析区域内若干个城市的碳排放数据,具体为:
获取分析区域的总体碳排放数据,根据粒子群优化-反向传播算法和NPP/VIIRS和DMSP/OLS卫星图像得到具体城市的碳排放数据。
在本实施例中,可以从CEADs(Carbon Emission Accounts and Datasets)获得较大区域的碳排放数据,然后通过粒子群优化-反向传播 (PSO-BP)算法综合NPP/VIIRS和DMSP/OLS卫星图像,估算了更小尺度的CO2排放量。可以得到更为准确的城市维度的碳排放数据。该方法相对于碳排放清单法具有更高的分析精度,即可以在确保数据准确性的情况下分析更小尺度的空间单元,以及更客观、时效的计算结果,避免了碳排放清单法中清单内容的滞后以及部分计算部门数据缺失或统计误差带来的碳排放数据计算误差。例如,2015年编制的碳排放清单不一定完全符合2021年的实际碳排放背景,同时清单中的部分部门数据较难获取。碳排放清单法本身较为主观的计算逻辑也容易带来较大误差,基于粒子群优化-反向传播(PSO-BP)算法对NPP/VIIRS和 DMSP/OLS卫星图像进行分析计算碳排放量精度更高且误差更小。
在本实施例中,空间自相关分析是判断分析区域内若干个城市碳强度是否具有时空变化特征的前提条件,同时也是确定空间面板数据分析所采用模型的必要条件。
在本实施例中,所述根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性,具体为:
所述全局空间自相关性分析包括:碳排放强度空间关联程度公式以及检验公式;
所述碳排放强度空间关联程度公式具体为:
所述检验公式具体为:z=(I-E(I))Var(I);当z大于零,且通过显著性检验(p<0.1)时,碳排放在空间分布上呈现空间正向相关性;反之,当z小于零,且通过显著性检验(p<O.1)时,则认为存在空间负相关性。
在本实施例中,空间权重矩阵通过地理信息系统平台ARCMAP软件中的CONTIGUITY_EDGES_CORNERS计算规则获得。 CONTIGUITY_EDGES_CORNERS计算规则为两要素任意有共同的边和点就判定为具有相邻关系。
在步骤S2中,若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据。多个形态指标包括城市景观空间分布形态与社会经济形态。
在本实施例中,所述获取若干个城市的多个形态指标以及对应多个形态指标的形态数据,具体为:
所述多个形态指标包括空间形态指标,所述空间形态指标包括:城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度、相似毗邻百分比、路网密度、道路耦合度;
根据城市地块信息的栅格数据,得到城市空间形态指标中的城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度和相似毗邻百分比;根据城市道路数据得到路网密度和道路耦合度。
在本实施例中,可以通过地理信息系统平台ARCMAP软件处理土地利用数据中的城市地块信息,并依据地级市界线将城市地块信息分割为若干个城市,将若干个包含城市地块信息的栅格数据导入Fragstats 软件进行计算,得到城市形态格局中的面积指标、密度指标、边缘指标、形状指标和聚散性指标;所述面积指标包括∶城市斑块总面积(CA) 和最大斑块指数(LPI);所述密度指标包括城市斑块数量(NP);所述边缘指标包括边缘密度(ED);所述形状指标包括平均周长面积比 (PARA_MN);所述聚散性指标包括凝聚度(COHESION)和相似毗邻百分比(PLADJ)。
在本实施例中,可以通过地理信息系统平台ARCMAP软件导入城市道路数据,合并城市主要道路信息形成分析区域的路网数据,依据地级市界线将路网数据分割为城市区域。计算各研究区路网总长度、设置缓冲区(500m)并计算面积,得到城市形态格局中的道路指标。所述道路指标包括路网密度(RD)和道路耦合度(CF)。
在本实施例中,所述多个形态指标还包括经济形态指标,所述经济形态指标包括:地区生产总值、人口、城市化率、第二产业产值占比、科学技术支出占财政收入比例和进出口总额占GDP比例。
在本实施例中,经济形态指标获取分析区域和碳排放数据相对应年份的经济统计数据。选取经济指标、社会指标、产业结构指标、技术进步指标和对外开放程度指标五个角度构建社会经济格局衡量体系。所述经济指标包括地区生产总值(GDP);所述社会指标包括人口 (POPULATION)和城市化率(UR);所述产业结构指标包括第二产业产值占比(IS);所述技术进步指标包括科学技术支出占财政收入比例(TA);所述对外开放程度指标包括进出口总额占GDP比例(OD)。
在步骤S3中,根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。
在本实施例中,所述根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,具体为∶
将获取到的碳排放数据、多个形态指标和多个形态指标的形态数据转化为空间面板数据,根据采用拉格朗日乘数或稳健拉格朗日系数分布对空间面板数据检验,判断空间面板数据是否适用空间面板计量分析模块;
若空间面板数据适用空间面板计量分析模型,则通过Hausman检验确定空间面板计量分析模型是否采取固定效应,若是则应用LR检验与Wald检验从多个空间面板计量模型中选取拟合度最优的空间面板计量分析模型,其中,多个空间面板计量模型包括:空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM);
将获取到的碳排放数据、多个形态指标和多个形态指标的形态数据输入到拟合度最优的空间面板计量分析模型。
在本实施中,采用拉格朗日乘数或稳健拉格朗日系数分布对空间面板数据检验判断相较于传统面板计量模型,空间面板计量模型是否具有更准确的回归效果。应用Hausman检验确定模型是否采取固定效应。之后,应用LR检验与Wald检验,依据H0:γ=0和H0:γ+δβ=0 等两个假设的检验结果来判断空间杜宾模型(SDM)可否被简化为空间误差模型(SEM)或空间滞后模型(SLM),这两个检验均遵循自由度为k 的χ2分布。若不能拒绝H0:γ=0的假设,则SDM可被退化为SLM;若不能拒绝H0:γ+δβ=0的假设,则SDM可被退化为SEM;若两个假设都被拒绝,则SDM模型为应选的最优模型(有引用),同时应用两个检验以确保模型选择的准确性。
在本实施例中,空间面板计量分析目前主要有三种模型,分别是空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM),这三种模型对应不同的数据空间交互效应设定方式。在确定模型时需要对模型进行检验,选取合适的模型确定碳排放相关因子。
空间滞后模型(SLM)。如果仅仅考虑单一研究区域自身的解释变量不足以很好地进行分析,其他研究区域同一变量的影响会造成一定误差。在模型中考虑空间结构造成的影响,便可以较好地控制这一空间效应造成的影响。
其中:i表示截面序列,i=1,2,3,...N;t表示时间序列,t=1,2,3,... T;δ表示空间自回归系数;yit表示被解释变量在第i个截面第t时间点的观测值;xit是k维行向量,表示k个解释变量在第i个截面第t 时间点的观测值,β是k维列向量,表示相应解释变量的系数;ui表示空间固定效应,控制了模型中空间固定且不随时间变化的变量;λt表示时间固定效应,控制了模型中时间固定且不随空间变化的变量;wij是空间权重矩阵W中的一个元素。
空间误差模型(SEM)。在模型假定过程中,很可能会遗漏一些与被解释变量有关的变量(这些被遗漏的变量通常具有隐蔽性或无法进行准确量化),但这些变量存在空间自相关性,同时所研究的区域间可能存在一定的随机误差使空间溢出效应受到影响,某一研究区域的指标
变化会通过空间传导机制对其他研究区域造成影响。因此忽略这些误差的空间自相关性可能会导致分析的误差。
其中:Φit表示空间自相关误差项;ρ表示误差项的空间自相关系数。
空间杜宾模型(SDM)。在模型假定过程中,如果单独考虑空间误差模型或是空间滞后模型,就会忽略另一个空间效应带来的影响。同时考虑研究区域解释变量的内外生交互效应和具有自相关性的误差项,能够带来更准确的分析。
其中:γ是k维列向量;表示空间滞后解释变量的系数。
模型构建时,有两种建模方法,方法一,选取lnCARBON为因变量,InCA lnNP LPIlnED lnPARA_MN PLADJ COHESION lnRD CF为自变量。用以分析单独考虑城市空间形态指标对城市碳排放的影响。
方法二:选取lnCARBON为因变量,lnCA lnNP LPI lnED lnPARA_MN PLADJCOHESION lnRD CF lnGDP lnPOPULATION IS TA OD lnEI ES为自变量。用以分析城市空间形态指标和经济形态指标对城市碳排放的影响。变量说明:在分析时,百分比变量不取对数ln,其余变量均取对数ln。
代入模型计算后,可以得到基于城市空间形态指标和经济形态指标的碳排放相关因子。如在某案例区实证分析中,lnCA、LPI、 COHESION、lnGDP、OD、lnPOPULATION对本地区碳排放总量 (lnCarbon)的影响系数分别是0.410、-0.011、0.123、0.287、0.011和0.186。其中,LPI的影响系数为负值,说明该因素对降低城市碳排放总量具有积极影响,城市内城市区块最大斑块指数(LPI)每增大1%,地区碳排放总量就将减小1.1%。其中,InCA、COHESION、lnGDP、OD、 lnPOPULATION的影响系数为正值,说明这五个因素对降低城市碳排放总量具有消极影响,城市内斑块总面积(CA)、凝聚度(COHESION)、地区生产总值(GDP)、进出口总额占GDP比例(OD)、常住人口总量 (POPULATION)每增大1%,地区碳排放总量就将分别增加0.41%、 12.3%、0.287%、1.1%、0.186%。
相对于其他不考虑时空效应的回归模型,本模型综合考虑了影响城市碳排放的各个指标产生影响效果的时空效应,如误差效应和滞后效应等,更符合实际情况,使分析结果更具有参考意义。此外,相对于其他只考虑城市空间分布形态或只考虑社会经济形态的回归模型,本模型综合考虑了城市空间分布形态、社会经济形态以及它们之间的耦合影响,使分析结果更具有参考意义。
实施例2:
在实施例1的基础上,本发明还公开了一种基于城市形态的碳排放相关因子的确定装置,包括:第一获取模块、第二获取模块和结果输出模块。
所述第一获取模块,用于获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性;
所述第二获取模块,用于若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据;
所述结果输出模块,用于根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。
在本实施例中,所述根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性,具体为:
所述全局空间自相关性分析包括:碳排放强度空间关联程度公式以及检验公式;
所述碳排放强度空间关联程度公式具体为:
所述检验公式具体为:z=(I-E(I))Var(I);当z大于零,且通过显著性检验(p<0.1)时,碳排放在空间分布上呈现空间正向相关性;反之,当z小于零,且通过显著性检验(p<0.1)时,则认为存在空间负相关性。
在本实施例中,所述获取若干个城市的多个形态指标以及对应多个形态指标的形态数据,具体为:
所述多个形态指标包括空间形态指标,所述空间形态指标包括:城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度、相似毗邻百分比、路网密度、道路耦合度;
根据城市地块信息的栅格数据,得到城市空间形态指标中的城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度和相似毗邻百分比;根据城市道路数据得到路网密度和道路耦合度。
在本实施例中,所述多个形态指标还包括经济形态指标,所述经济形态指标包括:地区生产总值、人口、城市化率、第二产业产值占比、科学技术支出占财政收入比例和进出口总额占GDP比例。
由于实施例2是在实施例1的基础上进行撰写的,因此对于相同的技术特征不再赘述。
综上,本发明实施例提供一种基于城市形态的碳排放相关因子的确定方法与现有技术相比,其有益效果在于:通过在空间分布上具备空间自相关性的碳排放数据,获取多个城市的形态指标和数据,建立分析模型可以得到对城市碳排放具有相关性的形态指标作为碳排放因子,为后续的城市建设提供依据。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (10)
1.一种基于城市形态的碳排放相关因子的确定方法,其特征在于,包括:
获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性;
若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据;
根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。
3.根据权利要求1所述的一种基于城市形态的碳排放相关因子的确定方法,其特征在于,所述获取若干个城市的多个形态指标以及对应多个形态指标的形态数据,具体为:
所述多个形态指标包括空间形态指标,所述空间形态指标包括:城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度、相似毗邻百分比、路网密度、道路耦合度;
根据城市地块信息的栅格数据,得到城市空间形态指标中的城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度和相似毗邻百分比;根据城市道路数据得到路网密度和道路耦合度。
4.根据权利要求3所述的一种基于城市形态的碳排放相关因子的确定方法,其特征在于,所述多个形态指标还包括经济形态指标,所述经济形态指标包括:地区生产总值、人口、城市化率、第二产业产值占比、科学技术支出占财政收入比例和进出口总额占GDP比例。
5.根据权利要求1所述的一种基于城市形态的碳排放相关因子的确定方法,其特征在于,所述根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,具体为:
将获取到的碳排放数据、多个形态指标和多个形态指标的形态数据转化为空间面板数据,根据采用拉格朗日乘数或稳健拉格朗日系数分布对空间面板数据检验,判断空间面板数据是否适用空间面板计量分析模块;
若空间面板数据适用空间面板计量分析模型,则通过Hausman检验确定空间面板计量分析模型是否采取固定效应,若是则应用LR检验与Wald检验从多个空间面板计量模型中选取拟合度最优的空间面板计量分析模型,其中,多个空间面板计量模型包括:空间滞后模型、空间误差模型和空间杜宾模型;
将获取到的碳排放数据、多个形态指标和多个形态指标的形态数据输入到拟合度最优的空间面板计量分析模型。
6.根据权利要求1所述的一种基于城市形态的碳排放相关因子的确定方法,其特征在于,所述获取分析区域内若干个城市的碳排放数据,具体为:
获取分析区域的总体碳排放数据,根据粒子群优化-反向传播算法和NPP/VIIRS和DMSP/OLS卫星图像得到具体城市的碳排放数据。
7.一种基于城市形态的碳排放相关因子的确定装置,其特征在于,包括:第一获取模块、第二获取模块和结果输出模块;
所述第一获取模块,用于获取分析区域内若干个城市的碳排放数据,根据全局空间自相关分析判断碳排放是否在空间分布上呈现空间自相关性;
所述第二获取模块,用于若碳排放在空间分布上呈现空间自相关性,则获取若干个城市的多个形态指标以及对应多个形态指标的形态数据;
所述结果输出模块,用于根据获取到的碳排放数据、多个形态指标和多个形态指标的形态数据建立空间面板计量分析模型,根据空间面板计量分析模型确定多个形态指标中对碳排放具有影响的碳排放相关因子。
9.根据权利要求7所述的一种基于城市形态的碳排放相关因子的确定装置,其特征在于,所述获取若干个城市的多个形态指标以及对应多个形态指标的形态数据,具体为:
所述多个形态指标包括空间形态指标,所述空间形态指标包括:城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度、相似毗邻百分比、路网密度、道路耦合度;
根据城市地块信息的栅格数据,得到城市空间形态指标中的城市斑块总面积、最大斑块指数、城市斑块数量、边缘密度、平均周长面积比、凝聚度和相似毗邻百分比;根据城市道路数据得到路网密度和道路耦合度。
10.根据权利要求7所述的一种基于城市形态的碳排放相关因子的确定装置,其特征在于,所述多个形态指标还包括经济形态指标,所述经济形态指标包括:地区生产总值、人口、城市化率、第二产业产值占比、科学技术支出占财政收入比例和进出口总额占GDP比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111374476.8A CN114077970B (zh) | 2021-11-19 | 2021-11-19 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111374476.8A CN114077970B (zh) | 2021-11-19 | 2021-11-19 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114077970A true CN114077970A (zh) | 2022-02-22 |
CN114077970B CN114077970B (zh) | 2023-04-07 |
Family
ID=80283981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111374476.8A Active CN114077970B (zh) | 2021-11-19 | 2021-11-19 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114077970B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114548811A (zh) * | 2022-03-01 | 2022-05-27 | 中国民用航空总局第二研究所 | 一种机场可达性的检测方法、装置、电子设备及存储介质 |
CN115564152A (zh) * | 2022-12-06 | 2023-01-03 | 南方电网数字电网研究院有限公司 | 基于stirpat模型的碳排放量预测方法及装置 |
CN116187621A (zh) * | 2023-02-24 | 2023-05-30 | 深圳市伟欣诚科技有限公司 | 一种碳排放监测方法及装置 |
CN117196157A (zh) * | 2023-11-02 | 2023-12-08 | 中山大学 | 一种区域水资源短缺度的空间影响分析方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2813442A1 (en) * | 2010-10-01 | 2012-04-05 | Planetary Emissions Management, Inc. | Systems and methods for managing global warming |
CN106446314A (zh) * | 2015-09-09 | 2017-02-22 | 中国科学院地理科学与资源研究所 | 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 |
CN108875583A (zh) * | 2018-05-23 | 2018-11-23 | 河海大学 | 一种基于城市建筑分类的tnl-gdp回归模型构建方法 |
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 |
CN110942247A (zh) * | 2019-11-25 | 2020-03-31 | 国网福建省电力有限公司经济技术研究院 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
-
2021
- 2021-11-19 CN CN202111374476.8A patent/CN114077970B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2813442A1 (en) * | 2010-10-01 | 2012-04-05 | Planetary Emissions Management, Inc. | Systems and methods for managing global warming |
CN106446314A (zh) * | 2015-09-09 | 2017-02-22 | 中国科学院地理科学与资源研究所 | 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 |
CN108875583A (zh) * | 2018-05-23 | 2018-11-23 | 河海大学 | 一种基于城市建筑分类的tnl-gdp回归模型构建方法 |
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 |
CN110942247A (zh) * | 2019-11-25 | 2020-03-31 | 国网福建省电力有限公司经济技术研究院 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
Non-Patent Citations (4)
Title |
---|
JIANDONG CHEN: "County-level CO2 emissions and sequestration in China during1997–2017", 《SCIENTIFIC DATA》 * |
严哲: "空间数据库电子接图表的设计与实现", 《地球信息科学学报》 * |
梁雪洋: "中国各省市碳排放的空间面板计量分析", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
袁凯华: "中国建设用地集约利用与碳排放效率的时空演变与影响机制", 《资源科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114548811A (zh) * | 2022-03-01 | 2022-05-27 | 中国民用航空总局第二研究所 | 一种机场可达性的检测方法、装置、电子设备及存储介质 |
CN114548811B (zh) * | 2022-03-01 | 2023-07-04 | 中国民用航空总局第二研究所 | 一种机场可达性的检测方法、装置、电子设备及存储介质 |
CN115564152A (zh) * | 2022-12-06 | 2023-01-03 | 南方电网数字电网研究院有限公司 | 基于stirpat模型的碳排放量预测方法及装置 |
CN116187621A (zh) * | 2023-02-24 | 2023-05-30 | 深圳市伟欣诚科技有限公司 | 一种碳排放监测方法及装置 |
CN116187621B (zh) * | 2023-02-24 | 2024-03-29 | 深圳市汇高材料科技有限公司 | 一种碳排放监测方法及装置 |
CN117196157A (zh) * | 2023-11-02 | 2023-12-08 | 中山大学 | 一种区域水资源短缺度的空间影响分析方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114077970B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114077970B (zh) | 一种基于城市形态的碳排放相关因子的确定方法及装置 | |
Gan et al. | Coupling coordination degree for urbanization city-industry integration level: Sichuan case | |
Wang et al. | Evaluating the energy-environment efficiency and its determinants in Guangdong using a slack-based measure with environmental undesirable outputs and panel data model | |
Chen et al. | Regional green development level and its spatial relationship under the constraints of haze in China | |
Chen et al. | Fiscal decentralization, environmental regulation, and pollution: a spatial investigation | |
Cheng et al. | The effect of information technology on environmental pollution in China | |
Li et al. | Evaluating the impact of transport investment on the efficiency of regional integrated transport systems in China | |
Ghaemi et al. | A review on the quantification of life cycle greenhouse gas emissions at urban scale | |
Dong et al. | Decoupling relationship between haze pollution and economic growth: A new decoupling index | |
CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
Zhang et al. | Research on carbon emission differences decomposition and spatial heterogeneity pattern of China’s eight economic regions | |
Pan et al. | Impact of affluence, nuclear and alternative energy on US carbon emissions from 1960 to 2014 | |
Peng et al. | Evolution of spatial–temporal characteristics and financial development as an influencing factor of green ecology | |
Wang et al. | Regional disparity and dynamic evolution of carbon emission reduction maturity in China’s service industry | |
Chen et al. | Does new urbanization affect CO2 emissions in China: A spatial econometric analysis | |
Liu et al. | Changing trends and influencing factors of energy productivity growth: A case study in the Pearl River Delta Metropolitan Region | |
Zhang et al. | Can new-type urbanization realize low-carbon development? A spatiotemporal heterogeneous analysis in 288 cities and 18 urban agglomerations in China | |
Wang et al. | Risk contagion and decision-making evolution of carbon market enterprises: Comparisons with China, the United States, and the European Union | |
Wang et al. | The impact of carbon emission trading policy on overcapacity of companies: Evidence from China | |
CN105243503A (zh) | 基于空间变量和logistic回归的海岸带生态安全评估方法 | |
Miao et al. | Estimating the CO2 emissions of Chinese cities from 2011 to 2020 based on SPNN-GNNWR | |
Ding et al. | Nonlinear and spatial spillover effects of urbanization on air pollution and ecological resilience in the Yellow River Basin | |
Lei et al. | Research on the Impact of Logistics Technology Progress on Employment Structure Based on DEA‐Malmquist Method | |
Qin et al. | Industrial agglomeration and energy efficiency: A new perspective from market integration | |
CN112184495B (zh) | 存量低效土地监测系统及应用其的分析平台 |
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 |