论文题目：夜光遥感支持下的福建省能源消费碳排放特征及其影响因素研究
摘要：目前国内外关于能源消费碳排放的研究大部分基于区域级能源消费统计数据,但是仅利用统计数据无法实现栅格级的研究,夜间灯光数据能够用于模拟栅格级的能源消费碳排放量。福建省是沿海重要省份之一,研究福建省不同尺度的能源消费碳排放特征及其影响因素对于减少碳排放具有重大意义。因此,本文引入夜间灯光数据,将夜间灯光数据和能源消费统计数据相结合,从省级、市级、县级、栅格级4个层面上,研究福建省2012-2019年能源消费碳排放特征及其影响因素。首先对研究数据进行预处理;其次基于夜间灯光数据对能源消费碳排放进行栅格化;然后基于能源消费碳排放数据和栅格化的结果分析能源消费碳排放特征;最后,基于地理卷积神经网络时空加权回归模型,从县级层面研究能源消费碳排放的影响因素。具体研究内容和结果如下:（1）对2012-2019年夜间灯光数据、能源消费统计数据和影响因子数据进行了预处理:利用本文提出的POI和植被修正的夜间灯光城市指数降低了夜间灯光数据的饱和效应;基于能源消费统计数据利用IPCC法测算出了福建省各区域的能源消费碳排放量;利用方差因子、特征值等指标判定了影响因子之间是否存在共线性,结果表明:区域生产总值、城镇化率、第二产业比重、第三产业比重、人口总量5个影响因子之间不存在共线性,可用于后续回归模型的建模。（2）基于去饱和的夜间灯光数据对2012-2019年福建省能源消费碳排放数据进行了栅格化。首先构建能源消费碳排放模拟模型,发现模拟模型拟合优度大于0.8;然后基于模拟模型对能源消费碳排放进行初步栅格化,并分市、县统计栅格化结果,发现县级模拟值和真实值的线性关系模型拟合度大于0.8,市级模拟值和真实值的平均相对误差最大为17%,最小为11.4%,这表明模拟效果很好;最后建立误差修正模型,得到最终栅格化结果。（3）基于2012-2019年能源消费碳排放数据和栅格化结果,利用柱形图与空间分布图、Slope倾向值、Moran’s I指数与局部iG指数、重心迁移模型分析了福建省能源消费碳排放的特征。结果表明,福建省能源消费碳排放量从2012年的2.27亿吨下降到2019年的2.17亿吨,能源消费碳排放强度从2012年的1.15吨/万元下降到2019年的0.51吨/万元,2012-2019年福建省9个市的能源消费碳排放强度呈逐年降低趋势;2012、2019年福建省能源消费碳排放量高值分布在福建省的东南地区,低值分布分布在福建省的中部和西北地区;福建省大部分区县能源消费碳排放量变化类型为基本不变类型,基本不变区域面积占87.34%;2012、2015、2017、2019能源消费碳排放在空间上表现为低-低聚类的情况较多,且分布区域不变,主要分布在福建省的西北部;高-高聚集主要分布在永春县、南安市、丰泽区、石狮市,高-低聚类情况只出现在2012年的福安市,低-高聚类主要分布在鲤城区、金门县、平潭市等;福建省能源消费碳排放主要沿东南方向从低值区过渡到高值区;2012-2019年能源消费碳排放重心点分布在泉州市永春县内,总体向东南方向移动了6.43km。（4）影响因素对能源消费碳排放量的影响随时间和空间的变化而变化,即存在时空异质性。本文针对传统时空地理加权回归模型难以充分探测时空异质性的问题,引入卷积神经网络,构造地理卷积神经网络时空加权回归模型,该模型通过设计一种时空加权卷积神经网络,并利用Dropout算法和批归一化算法进行优化,从而达到对时空权重矩阵的精确求解,进而充分探究影响因素对能源消费碳排放的影响程度在时空上的变化。结果表明,该模型的性能评价指标RSS、AICc、R~2均优于传统时空地理加权回归模型的性能评价指标。这说明该模型精度更高、稳定性更强、拟合效果更好。从模型回归结果中分析出:人口因素对能源消费碳排放的促进作用在西北部表现较弱,在东南部表现较强且强度范围随时间增大。GDP对能源消费碳排放的影响在福建省大部分区县表现为抑制作用。城镇化率对福建省能源消费碳排放的影响在内陆地区表现为促进作用,在沿海地区表现为抑制作用且抑制范围随时间增大。第二产业比重对能源消费碳排放的促进作用在西北部表现较弱,在东南部表现较强但强度范围随时间减少。第三产业比重对福建省能源消费碳排放的影响在大部分地区表现为抑制作用,在西北部少部分地区表现为促进作用且促进范围随时间减少。
关键词：夜间灯光影像;能源消费碳排放特征;地理卷积神经网络时空加权回归模型;影响因素;福建省
学科专业：测绘科学与技术
摘要
Abstract
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究进展
1.2.1 夜间灯光数据研究进展
1.2.2 能源消费碳排放研究进展
1.3 主要研究内容
1.4 论文的总体架构
第二章 研究区概况及数据来源与预处理
2.1 研究区概况
2.2 研究数据来源
2.3 数据预处理
2.3.1 夜间灯光数据去饱和
2.3.2 能源消费碳排放量测算
2.3.3 影响因子数据多重共线性分析
2.3.4 影响因子数据归一化
本章小结
第三章 基于夜间灯光数据的能源消费碳排放量栅格化
3.1 基于夜间灯光数据的能源消费碳排放量栅格化方法
3.1.1 夜间灯光数据与能源消费碳排放量的相关性
3.1.2 基于夜间灯光数据的能源消费碳排放量模拟模型
3.1.3 基于夜间灯光数据的能源消费碳排放栅格化精度检验
3.2 基于夜间灯光数据的能源消费碳排放量栅格化结果
本章小结
第四章 福建省能源消费碳排放特征分析
4.1 福建省能源消费碳排放基本特征分析
4.1.1 福建省能源消费碳排放量基本特征分析
4.1.2 福建省能源消费碳排放强度基本特征分析
4.2 福建省能源消费碳排放量时间趋势特征分析
4.2.1 福建省县级能源消费碳排放量时间趋势特征分析
4.2.2 福建省栅格级能源消费碳排放量时间趋势特征分析
4.3 福建省能源消费碳排放量空间自相关特征分析
4.3.1 全局空间自相关特征分析
4.3.2 局部空间自相关特征分析
4.4 福建省能源消费碳排放量重心迁移特征分析
本章小结
第五章 福建省能源消费碳排放量影响因素研究
5.1 研究方法
5.1.1 时空地理加权回归模型构建
5.1.2 卷积神经网络基本理论
5.1.3 地理卷积神经网络时空加权回归模型构建
5.2 地理卷积神经网络时空加权回归模型优化训练
5.2.1 地理卷积神经网络时空加权回归模型优化训练流程
5.2.2 卷积神经网络优化算法
5.3 模型性能评价
5.3.1 模型性能评价设计
5.3.2 模型性能评价指标
5.4 实验结果与分析
5.4.1 人口总量对能源消费碳排放影响程度的时空变化
5.4.2 GDP对能源消费碳排放影响程度的时空变化
5.4.3 城镇化率对能源消费碳排放影响程度的时空变化
5.4.4 第二产业比重对能源消费碳排放影响程度的时空变化
5.4.5 第三产业比重对能源消费碳排放影像程度的时空变化
本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢