基于人口-kNDVI校正的2000-2020年中国县域尺度能源消费碳排放时空格局演变研究

本研究针对DMSP-OLS夜间灯光(D-NTL)饱和、NPP-VIIRS(N-NTL)异常值等问题，提出结合核归一化植被指数(kNDVI)与人口密度构建PKANTL指数，通过贝叶斯优化长短期记忆网络(BO-LSTM)构建长时序夜间灯光数据集，结合地理时空加权回归(GTWR)模型，首次实现中国县域尺度1000米分辨率碳排放(CE)时空动态模拟，为碳中和目标下的精细化管理提供科学依据。

　　

随着工业革命以来化石能源的广泛使用，全球碳排放(CE)持续攀升，中国作为全球最大碳排放国贡献了31%的排放量。尽管国际社会通过气候会议制定减排协议，中国也承诺2030年前实现碳达峰、2060年实现碳中和，但现有碳排放估算方法存在明显局限：自下而上法数据获取困难，自上而下法在县域尺度精度不足，而基于夜间灯光(NTL)的估算又受DMSP-OLS数据饱和、NPP-VIIRS异常值等问题困扰。

云南师范大学的研究团队在《Sustainable Cities and Society》发表创新研究，通过融合人口密度与核归一化植被指数(kNDVI)构建PKANTL指数，首次实现中国县域尺度2000-2020年碳排放的高精度反演。研究采用贝叶斯优化长短期记忆网络(BO-LSTM)整合DMSP-OLS和NPP-VIIRS数据，结合地理时空加权回归(GTWR)模型，构建了1000米分辨率的碳排放时空数据库。关键技术包括：基于人口密度校正弱光区CE权重，利用kNDVI解决植被指数饱和问题，通过机器学习实现多源数据融合，以及GTWR模型捕捉时空异质性。

【PKANTL饱和度校正测试】显示，相较于传统EANTLI方法，新指数能更有效缓解DMSP-OLS饱和现象，在弱光区识别精度提升42%。【能源消费碳排放计算】首次系统统计了包括生物质能在内的12类能源消费数据，弥补了既往研究的统计缺口。【GTWR模型构建】结果表明，PKANTL与CE的决定系数达0.91，显著优于线性回归模型。【多尺度时空演变分析】揭示中国碳排放呈现"东高西低"的阶梯分布，2013年后增速明显放缓，县域尺度识别出187个关键减排单元。

该研究创新性地解决了长时序夜间灯光数据校正难题，建立的PKANTL指数为全球城市碳排放监测提供新范式。GTWR模型的应用突破了传统方法时空分离的局限，1000米分辨率数据库填补了县域尺度碳排放核算的空白。研究成果不仅为中国碳中和路径规划提供数据支撑，其技术框架对发展中国家碳排放监测具有重要借鉴意义。特别是提出的BO-LSTM数据融合方法，为多源遥感数据协同处理开辟了新思路。