基于夜间灯光的高分辨率电力映射方法：洞察电力消耗、能源效率及能源使用足迹，以助力可持续能源管理

《Journal of Cleaner Production》：Nighttime lights-based downscaling for high-resolution electricity mapping: Insights into consumption, efficiency and footprint for sustainable energy management

本研究开发基于夜间灯光的网格降尺度模型，生成粤港澳大湾区2000-2020年高分辨率电力消费地图，揭示消费增长超五倍、核心结构转变及效率提升等空间异质性规律，为可持续能源规划提供数据支持。

　　

张攀|王永阳|荣强强|谢玉雷

东莞理工学院生态环境工程研究中心，中国东莞，523808

摘要

电力消耗是城市化和可持续性的关键指标，但其精细尺度的时空模式尚未得到充分探索。夜间灯光被广泛认为是人类活动的遥感替代指标。它们在高分辨率下对电力消耗进行降尺度和制图方面具有巨大潜力。本研究开发了一种基于网格的降尺度模型，该模型将夜间灯光与社会经济数据相结合，生成了粤港澳大湾区（GBA）年度1公里分辨率的电力消耗地图。该模型在二十年间显示出高准确性和稳健性。结果表明，从2000年到2020年，GBA的电力消耗增加了五倍以上，从单核结构演变为多核结构。广州、佛山、深圳和东莞之间的联系加强，其中佛山和东莞推动了向西扩张。整体效率有所提高，从东岸扩散到西岸，同时城市间的差距缩小。这种模式反映了东部城市通过产业升级、产业联动延伸、要素流动和区域协同创新所驱动的溢出效应。电力消耗的足迹从广州-深圳核心区域扩展到了中山和惠州，这受到人口和产业迁移的影响。这些发现揭示了电力消耗-效率-足迹的显著时空异质性，并突显了城市聚集区能源需求的非均匀动态。通过提供全面的电网级电力消耗评估及其影响，本研究推进了夜间灯光在城市能源制图中的应用，并为其他快速城市化地区的可持续电力规划提供了可转移的见解。

引言

随着全球变暖问题的加剧，中国和全球的电力消耗持续激增，这主要是由于经济增长迅速和生活水平提高（Burrell等人，2020；Qureshi等人，2024；Zhang等人，2017）。国际能源署预测，到2027年，全球电力消耗将超过33.2万亿千瓦时，年均增长率为4%，其中中国贡献超过三分之一，约为11.9万亿千瓦时，增长率为近6%（IEA，2025）。这一增长由两个因素推动：电力既是工业化的支柱，也是经济活力的重要指标，而其消耗又受到家庭电气化、智慧城市发展以及电动汽车和数据中心等新兴行业的进一步推动（Huang等人，2017；Kan等人，2019；Shi等人，2020）。然而，在这种繁荣的背后隐藏着一个深刻的悖论：全球近60%的电力仍来自高碳化石燃料，而不断增长的消费加剧了气候变化，进而又进一步推动了电力消耗，形成了一个自我强化的电力陷阱（Pfleiderer等人，2019；Wang等人，2019；Zhao等人，2022）。更具有挑战性的是，追求持续增长和向电气化生活方式的转变意味着中国和全球的电力消耗将保持强劲的增长趋势。因此，刚性电力增长与日益严重的气候危机之间的紧张关系变得越来越根深蒂固。

面对气候变化和可持续发展的日益增长的压力，能够捕捉人类活动、资源使用和环境暴露的精细尺度空间数据已成为能源、环境和城市研究的关键基础（Levin等人，2020；Uyar，2024）。大量研究使用高分辨率空间表示来揭示城市社会经济活力和空间不平等（Chen等人，2023b；Yu等人，2024a；Zhao等人，2019），并确定人口流动、产业聚集和城市扩张的驱动因素（Huang等人，2023；Pambuku等人，2024；Xing等人，2025）。在环境和健康相关研究中，精细尺度模型被应用于空气污染估计和多维风险评估（Chen等人，2023a；Zhang等人，2023c）。在人口和行为分析中，高分辨率数据还支持活跃人口分布、活动强度以及城市功能和韧性的解释（Yu等人，2024b），并最近被扩展到劳动强度和社会行为动态的表征（Xie等人，2025）。总体而言，这些研究表明，精细的空间数据产品对于理解城市系统和支持气候响应和资源管理至关重要（Cecilio等人，2025；Helbich等人，2024）。然而，与社会经济、城市和环境研究的进步相比，电力消耗的精细尺度空间分析仍然有限。目前仍缺乏能够将城市级电力统计数据映射到高分辨率网格上的统一框架或数据集。这一缺口限制了我们识别城市内部电力消耗的空间异质性和扩散-聚集模式及其与人口和产业结构耦合的能力。因此，迫切需要开发高分辨率的空间电力消耗数据集，以促进精细建模、热点识别和电力系统优化。

随着空间降尺度和多源数据融合技术的进步，夜间灯光（NTL）已成为表征精细尺度社会经济和能源活动的重要数据源（Lin等人，2025；Wang等人，2025a；Zhang等人，2024b，2026）。最近的研究使用回归模型、跨传感器校正和光补偿技术，推导出GDP、碳排放和建成区的高分辨率网格（Chen等人，2021a；Gordic等人，2023；Zhang和Chen，2022）。相关工作展示了NTL驱动的降尺度在时间连续性和空间稳定性方面的优势，以及在传感器协调、城市增长建模和能源排放网格化方面的应用（Lv等人，2020；Yue等人，2020）。这些努力确立了“NTL + 统计数据”作为空间化能源和环境指标以及生成可比、连续和高精度时空网格产品的成熟途径（Wan等人，2024；Xu等人，2024）。尽管这种方法在经济、空气质量和碳排放应用中已经成熟，但电力消耗的高分辨率建模本身仍然很少。特别是，很少有研究考察电力消耗的多尺度结构、长期稳定性或区域内部的变化。这一缺口阻碍了在城市聚集区进行精细管理、效率评估和资源优化。因此，将NTL与官方电力统计数据整合起来，构建统一的处理和建模框架，对于生成精细尺度的电力地图和支持后续的时空分析、模式识别和政策评估至关重要。

尽管现有研究在电力系统分析方面取得了实质性进展，但大多数研究仍集中在区域、部门或行政单位层面（Balsalobre-Lorente等人，2018）。一些研究从能源转型或政策演变的角度探讨了总体趋势（Cai等人，2024；Cui等人，2021），而其他研究则探讨了电力需求的季节性波动或短期变化。从工业角度进行的研究调查了工业电力消耗与经济结构之间的耦合。在绿色发展和电力消费空间公平性领域，学者们评估了更广泛行政尺度上的区域差异和空间不平衡（Wu等人，2024；Yang等人，2020a，2020b）。然而，这些研究通常依赖于省级、市级或部门级别的统计数据，因此只能在宏观或中观分析框架内运作。结果，它们无法捕捉城市内部的精细电力消耗模式。由于缺乏统一的高分辨率空间电力数据集，难以在网格尺度上识别空间异质性、扩散-聚集过程和局部热点（Musibau等人，2025；Pablo-Romero等人，2024）。这一限制阻碍了对电力消耗多维特性的深入理解，并限制了城市聚集区内的精细电力管理和调度。在此背景下，本研究旨在开发一个高分辨率的网格数据集，以表示电力消耗的空间结构。这种方法有助于克服基于行政边界的分析局限性，并能够系统地诊断城市电力消耗的宏观（整体梯度）、中观（集群结构）和微观（局部热点）尺度。

总之，当前研究面临三个主要限制。首先，大多数分析仍停留在宏观层面——国家、区域、工业或家庭层面，缺乏对电力消耗动态机制的网格级洞察。其次，尽管夜间灯光数据已被广泛用于排放和经济指标的测量，但其在电力消耗的精细尺度、高精度建模方面的潜力尚未得到充分探索。第三，目前尚不存在专门用于电力消耗的高分辨率网格数据集，方法论体系也不完善。为了填补这些空白，本研究引入了一种基于夜间灯光遥感的区域电力消耗统计数据的网格降尺度框架。以粤港澳大湾区（GBA）作为案例研究，我们开发了电力消耗、效率和足迹的高分辨率网格产品。主要贡献包括：（1）构建了电力消耗的网格降尺度模型；（2）生成了电力消耗、效率和足迹的长期、精细分辨率的热图；（3）从多个角度揭示了它们的时空动态。这项工作为中国及更广泛地区的电力政策制定提供了科学基础，特别是支持高需求的大型和特大型城市聚集区的精细电力治理。

研究区域

如图1所示，本研究以GBA“9+2”城市群作为案例区域，涵盖深圳、东莞、惠州、广州、佛山、肇庆、珠海、中山、江门以及香港和澳门特别行政区（Qi等人，2023）。GBA位于中国南部沿海地区，面积约为56,000平方公里，人口超过1亿，区域GDP超过14万亿元人民币，使其成为最具活力和开放性的城市之一

拟合结果和误差分析

图3和表S1比较了2000年至2020年GBA城市级电力消耗与夜间灯光强度之间的R2值和显著性水平，使用了原始数据和对数转换数据。测试的函数包括线性、指数、幂函数、对数和多项式模型。总体而言，对数转换数据的一致性优于原始数据。对数线性函数在所有年份都表现出优异的拟合度（R2 = 0.993–0.996，p ≤ 0.001），

讨论

根据上述结果，2000年至2020年GBA的电力消耗-效率-足迹模式总体表现为从核心集中向周边扩展的演变，从单核结构转变为多核配置，并朝着空间平衡发展，同时伴随着效率溢出和持续的空间异质性。为了进一步解释这些发现并为电力消耗的可持续发展提供科学见解

结论

本研究开发了一种基于夜间灯光遥感的区域电力消耗统计数据的网格降尺度框架，并将其应用于GBA。生成了一组高分辨率网格数据集，涵盖了电力消耗、足迹和效率，实现了电力消耗的精细表示，并揭示了其多维时空演变。这项研究的创新之处在于利用夜间灯光实现高分辨率

CRediT作者贡献声明

张攀：概念化、方法论、调查和原始草稿撰写。王永阳和荣强强：正式分析、监督和验证。谢玉雷：撰写、审稿和资金获取。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（52409016和52222901）和CPSF博士后奖学金计划（GZB20250731）的支持。作者感谢所有参与本研究的合作者提供的数据、指导和组织。作者非常感谢编辑和匿名审稿人的宝贵意见和建议。