一种基于多源数据的城市碳排放转译及核算方法

本发明涉及碳排放计算，具体涉及一种基于多源数据的城市碳排放转译及核算方法。

背景技术：

1、目前碳排放统计方法主要以部门生产端进行上收口径，缺少能够与国土空间规划对接的端口，这对于低碳城市的土地管控和空间规划策略的制定构成了挑战。

2、以往利用夜间灯光数据识别碳排放空间分布通常结合夜间灯光数据和能源消耗数据，通过一定的统计和模型方法，将行政边界内的碳排放总量直接转换到像元级别，以展示碳排放的时空分布规律。例如使用多项式回归，拟合出单位夜间灯光值与碳排放量的拟合方程，将行政边界内的碳排放量进行空间化。

3、但上述方法缺点也尤为明显：

4、其一，空间分辨率较低，通常为500或1000米精度，难以精细反映城市内部的碳排放差异；

5、其二，考虑到城市内部不同功能分区的碳排放差异，导致无法为城市内部的碳排放配额提供精确的数据支持；

6、其三，很少考虑夜间灯光数据在不同用地功能中的差异，导致碳排放空间分布的模拟不够准确。

技术实现思路

1、为了克服以上技术问题，本发明的目的在于提供一种基于多源数据的城市碳排放转译及核算方法，该方法整合利用夜间灯光数据、土地利用数据、能源部门年鉴等多源数据进行碳排放量的核算，将城市碳排放从部门生产端向高精度的规划用地端转译，具有精准度高和实施性强的特点。

2、为了实现上述目的，本发明采用的技术方案是：

3、一种基于多源数据的城市碳排放转译及核算方法，包括以下步骤；

4、步骤1：采用lucc土地利用数据、euluc-china建设用地功能数据、osm路网测绘数据以及百度poi与建筑轮廓数据，通过python和arcgis软件，将lucc土地利用数据中建设用地部分进行细化分类，生成包括建设用地(居住、商业、公服、工业)、蓝绿空间用地(耕地、林地、草地、水域、未利用土地、城市绿地)以及道路用地的市域范围基于不同功能类型的栅格数据，并以所述数据作为碳排放识别的基本单元，提高碳排放数据识别精度；

5、步骤2：依据《中国能源统计年鉴》中的地区能源平衡表以及政府公报中的钢铁和水泥产量数据，采用ipcc碳排放计算方法，核算出建设用地的碳排放总量；

6、通过数据转译，将碳排放总量划分为工业用地、居住用地、商业用地、公服用地和道路用地的碳排放；同时，利用步骤1中获得的蓝绿空间用地的栅格数据进行面积计算，通过用地面积乘对应碳排放系数的方法，计算出草地及未利用土地、耕地、林地和水域的碳排放总量；

7、通过数据转译，将各行业部门产生的碳排放量转换为城市各用地功能的碳排放量；这种细分有助于更精确地识别和量化不同城市功能区的碳排放特征，并具有较强的可实施性。

8、步骤3：采用重采样后的夜间灯光数据，借助arcgis软件和arcpy库，对步骤1中不同功能类型的夜间灯光dn值进行分类求和，结合步骤2中各功能用地的碳排放总量，计算出各功能用地的碳排放系数；

9、步骤4：通过将各地块的夜间灯光值乘以其对应的碳排放系数，得到各地块的碳排放量，实现碳排放量的空间落位。

10、所述步骤1具体为：

11、市域全域功能分区的地块形式数据生成包括模型训练、地块划分、用地识别、渔网切割4个步骤；

12、1)模型训练：

13、首先，使用arcgis软件裁剪出目标城市的euluc-china城市功能分区数据；

14、其次，利用2018年空间矫正后的百度业态poi大数据进行tf-idf加权变换，生成业态加权特征属性表；

15、再次，使用2018年百度建筑轮廓数据，计算各地块的建筑最高高度、平均高度、平均基底面积和容积率，生成建筑形态特征属性表，进而构建训练数据库；

16、最后，借助python的sklearn库，以euluc-china功能分区数据的用地功能字段为因变量，业态加权特征属性表和建筑形态特征属性表为自变量，使用gbdt模型进行训练，得到城市用地识别模型；

17、2)地块划分：

18、首先，使用arcgis中的缓冲区工具，根据不同道路的路面宽度对估算年份目标城市的osm路网测绘数据进行缓冲区操作，生成路网面数据；

19、其次，使用arcgis软件裁剪出估算年份目标城市的lucc土地利用数据；最后，将路网面数据与lucc土地利用数据进行合并，生成包含路网分割的土地利用数据，属性包括“建设用地”、“道路用地”、“耕地”、“草地”、“林地”、“水域”、“未利用土地”；

20、3)用地识别：

21、首先，提取上一步骤中生成的土地利用数据中属性为“建设用地”的要素，作为用地识别的基底；

22、其次，选用估算年份空间矫正后的百度业态poi大数据与建筑轮廓数据，通过计算得到估算年份的业态加权特征属性和建筑形态特征属性，构建识别数据库；

23、最后，使用步骤1)中训练得到的城市用地识别模型对建设用地功能进行分类识别，将“建设用地”细分为居住用地、公服用地、商业用地和工业用地，并将其整合回土地利用数据，生成全域功能分区数据；

24、4)渔网切割：

25、使用arcgis创建渔网工具，以目标城市范围为处理范围，创建500米精度的渔网数据；随后，使用该渔网数据与全域功能分区数据进行相交，生成经过渔网切割的全域功能分区数据。

26、所述步骤2具体为：

27、用地端碳排放总量估算包含生产端碳排放量估算、用地端碳排放量转译、蓝绿空间碳排放量估算3个步骤；

28、1)生产端碳排放量估算：

29、按照ipcc最新公布的《ipcc2006年国家温室气体清单指南2019修订版》(以下简称《指南》)中的碳排放分类方法，将生产端碳排放数据分为能源活动、工业过程和产品使用、农林业和其他土地利用以及废弃物处理四种类型进行计算；能源活动碳排放量《中国能源统计年鉴》的省域能源消费数据，计算能源活动碳排放量；

30、

31、式中，ec为估算的各类能源消费的碳排放总量；i表示能源消费种类，包括煤炭、焦油、气候等；ei为各省第i类能源的消费总量；cfi是发热值；cci是碳含量；cofi是氧化因子，cfi×cci×cofi被成为碳排放系数，而cfi×cci×cofi×3.67被成为碳排放系数；

32、工业过程和产品使用的碳排放量受数据获取限制，可仅计算目标城市政府公报提供数据的部门，包括水泥生产、钢铁生产、电石生产、石灰生产过程中产生的碳排放量，水泥生产过程的co2排放量估算公式如下：

33、ecement＝ad×ef

34、式中，ecement是水泥生产过程的碳排放量，ad是水泥熟料产量，ef是水泥过程平均碳排放因子；

35、钢铁生产过程的碳排放量估算公式如下：

36、

37、式中，esteel是钢铁生产过程碳排放量；adl是钢铁企业消费的作为溶剂的石灰石的数量；efl是作为溶剂的石灰石消耗的排放因子；add是作为溶剂的白云石的数量；efd是作为溶剂的白云石消耗的排放因子；adr是炼钢用生铁的数量；fr是炼钢用生铁的平均含碳率；ads是炼钢的钢材产量；fs是炼钢的钢材产品的平均含碳率；

38、电石生产过程的碳排放量估算公式如下：

39、ecc＝adc×efc

40、式中，ecc是电石生产过程碳排放量；adc是电石产量，efc是电石生产过程平均碳排放因子；

41、石灰生产过程的碳排放量估算公式如下：

42、

43、式中，elime是石灰生产过程的碳排放量，efs,i是类型i的石灰碳排放因子，ml,i是类型i的石灰产量，cflkd,i为类型i石灰的lkd修正因子，ch,i为i类熟石灰的修正因子。

44、2)用地端碳排放量转译：

45、首先，对工业与建筑业的碳排放量进行拆分，得到建筑业和工业单独的碳排放量；随后，使用建筑轮廓数据计算各类用地的建筑总面积，并依据《民用建筑能耗标准gb/t51161-2016》中居住、商业、公服建筑的能源消耗参考量，估算目标城市居住、商业、公服建筑的能源消耗比例，从而将建筑业碳排放拆分为居住、商业、公服用地的碳排放量；最后将其余生产端碳排放量转译至用地端，得到居住、商业、公服、交通和工业五类用地的碳排放总量；

46、3)蓝绿空间碳排放量估算：

47、采用面积乘对应系数的方法，对水域、草地、耕地、林地和未利用土地进行碳排放量估算，对于城市建设用地中的绿地，按照1:1的比例将其拆分为林地和草地。

48、所述步骤3具体为：

49、碳排放数据空间化包括夜间灯光数据预处理与重采样、夜间灯光值的空间统计与用地类型汇总、碳排放系数计算与空间落位3个步骤；

50、1)夜间灯光数据预处理与重采样：

51、采用美国国家海洋和大气管理局(noaa)提供的500米分辨率月度夜间灯光数据集，对数据进行异常值处理、掩膜提取后将数据合并，生成年度夜间灯光数据集；随后，利用双线性插值(bilinear)重采样技术，将年度夜间灯光数据的分辨率提升至10米，以获得更细致的空间分布特征；

52、2)夜间灯光值的空间统计与用地类型汇总：

53、利用arcgis软件的分区统计工具，对重采样后的夜间灯光数据进行地块级别的统计分析；随后，根据用地功能的不同，如居住、商业、公共服务、工业、交通、草地及未利用土地、耕地、水域和林地等，进行分类汇总，得到各类用地的夜间灯光总量；

54、3)碳排放系数计算与空间落位：

55、通过用地类型的碳排放总量与其对应的夜间灯光总量的比值，计算得到单位夜间灯光值的碳排放系数；其次，将各地块的夜间灯光值与其对应的用地功能碳排放系数相乘，从而得到每个地块的碳排放量，实现碳排放的空间落位。

56、本发明的有益效果：

57、使用该方法，不仅保留了夜间灯光数据在表征碳排放高低方面的直观性，而且通过精确的系数计算，有效消除了以往整体使用夜间灯光数据进行碳排放估算时可能出现的不同用地功能差异未能体现的问题，以提高碳排放估算的精确性。

58、在步骤1通过模型训练和用地识别了两个子步骤，能够精细化识别不同年份的用地功能，规避了以往研究中使用单一年份用地功能数据估算不同年份碳排放数据的时间局限性，从而提升城市碳排放识别结果的时间精度。地块划分与渔网切割两个子步骤，能够将后续步骤中所使用的夜间灯光数据精度从250/500米提升至10米，从而提升了城市碳排放识别结果的空间精度。

59、步骤2提出了从生产端直接到用地端的碳排放转译计算流程，简化了以往研究中从生产端—消费端—用地端的二次转译路径，直接从生产端向用地端进行碳排放转译，消除了消费端在前后传递过程中产生的碳损耗，从而提高了用地端碳排放转译结果的准度。

60、步骤3利用夜间灯光和用地功能数据进行城市碳排放的空间识别，提升了识别结果的准度，解决了以往研究中单纯使用夜间灯光数据所导致的工业、商业用地无法准确识别的问题，将夜间灯光数据的高精度与基于用地功能的碳排放数据的高准度优势相互结合，从而提升了城市碳排放识别结果的精准度。