知识引导的图时间序列建模用于区域碳排放预测与决策支持：广西碳达峰路径综合评估

《Environmental Modelling & Software》：Knowledge-Guided Graph Time-Series Modelling for Regional Carbon Emission Prediction and Decision Support: An Integrated Assessment of Carbon Peaking Pathways in Guangxi

　　

- 第二产业GDP为广西14个城市构建了经济知识图谱
- KG-GraphTS在滚动测试中达到R2=0.9900，在递归测试中达到0.9679
- 目标无关的中国情景在2034年达到峰值455.77百万吨
- 五十次MC Dropout运行提供了至2060年的95%预测区间
- 基线预警在2030年前所有城市均达到"警戒"级别；碳预算缺口为15.46吉吨

引言

全球气候变化是21世纪人类面临的最严峻挑战之一。2020年9月，中国在第七十五届联合国大会上正式宣布，承诺在2030年前实现碳达峰、2060年前实现碳中和——这一"双碳"战略目标标志着对推进绿色低碳转型的空前承诺（Bongaarts, 2024；习近平, 2020；中国, 2021）。作为主要发展中国家，中国的碳减排路径不仅对其自身可持续发展意义重大，也对全球气候治理格局产生深远影响（Friedlingstein等, 2023；Liu等, 2020）。

在"双碳"战略实施过程中，准确的碳排放预测和及时的预警机制构成了循证决策的重要基础。传统的碳排放研究主要依赖基于IPCC指南的区域清单核算方法（Shan等, 2020）或静态高分辨率空间数据库（Cai等, 2018）。这些核算方法侧重于历史数据回溯和空间映射，不太适合同时表征非线性时间演变和城市间依赖关系。近年来，人工智能技术的快速发展为碳排放预测开辟了新的技术路径（Acheampong和Boateng, 2019；Rolnick等, 2023）。然而，与方法论相关的三个研究空白仍然存在：（1）城市级别的预测和基于图的模型可能将各城市视为独立样本，或主要从地理邻近性定义城市间连接，从而忽视了生产规模、产业转移和经济联动信息；（2）纯粹的数据驱动优化可能产生与能源强度、产业转型和时间连续性等广泛领域知识不一致的轨迹；（3）预测模型往往与运营预警和路径评估机制分离。这些空白促使我们构建一个经济知情、知识引导的时空预测框架，并与面向决策的风险诊断相结合。

广西壮族自治区作为中国西部重要的工业基地，其碳排放特征具有显著的区域特色（Cao等, 2023）。一方面，广西拥有高耗能产业集群，包括有色金属冶炼（百色铝业）和钢铁生产（柳州和防城港）（Zhou等, 2025）；另一方面，其森林覆盖率超过60.2%，显示出巨大的碳汇潜力。这种"高排放与高汇容"并存的特征使得广西的"双碳"路径设计既充满挑战又蕴含机遇。同时，如何在保持高质量经济发展的同时实现碳达峰和碳中和，是广西当前面临的核心问题。

在此背景下，本研究有三个目标。第一，开发KG-GraphTS模型，将第二产业GDP纳入解释变量集和经济知识城市间图谱中，结合经济引力、产业结构相似性和互补性地理摩擦。第二，建立泄漏控制评估框架，区分常规滚动/直接测试和更严格的以2019年为起点的递归测试，并将所提模型与持续性基线、线性方法、基于树的方法、SVR、DLinear、仅GRU和GCN+GRU基线进行比较。第三，生成四个模型驱动的2025-2060年情景，并将其与不确定性量化、五级预警分类、城市级别达峰诊断、总中和兼容性诊断和累积碳预算分析联系起来。

主要贡献有四点：（1）空间先验从可观测的产业经济信息中重构，而非仅依赖欧几里得距离：第二产业GDP决定主要经济引力项，其GDP份额衡量产业相似度，而地理因素保留较低权重。（2）最终选定的预测架构通过城市特定自回归残差和城市特定偏差显式处理年度排放的强持续性，同时保留图卷积和基于GRU的共享表示学习。（3）模型评估赋予滚动/直接测试和固定起点递归测试同等的科学地位；后者揭示了所提模型相对于持续性和DLinear的主要优势，并降低了因简单的单步评估而夸大性能的风险。（4）情景预测有意保持目标无关：代码将输出路径调节设为False，因此政策路径仅作为预警和预算的诊断参考。这使得可以观察严格情景是否真正接近目标，而非通过设计强制实现。

所提出的框架是知识引导而非严格意义上的物理信息框架。其正则化项鼓励合理的时间行为和与主要宏观经济及能源强度变化的一致性，但并未施加守恒定律或包含所有明确可观测因素的完整Kaya恒等式。同样，碳中和情景是一个严格的外生输入情景，而非优化解，也不保证实现净零排放。全文保持这些区分以对齐理论主张与实际计算。

章节片段

碳排放预测方法的进展

碳排放预测方法经历了从传统统计方法到机器学习方法再到深度学习技术的演进历程。以STIRPAT模型、Kaya恒等式和LMDI分解方法为代表的传统方法（Ang, 2015；Dietz和Rosa, 1997），建立在显式的经济假设之上，具有较强的可解释性，但表征非线性关系的能力有限。Zuo等（

理论框架

本研究的理论框架将情景条件下的知识引导图时间序列（KG-GraphTS）预测引擎与运营碳风险决策支持层相结合。所选预测引擎结合了经济知识先验图、图卷积、基于GRU的时间编码、城市特定自回归残差学习、城市特定偏差、平衡预测损失、软领域正则化和蒙特卡洛Dropout不确定性量化。

研究区域与数据来源

实证数据集包含广西14个地级市从2000年到2024年的年度观测数据，形成350个观测值的平衡城市-年份面板。因变量为城市级别CO?排放量，单位为百万吨。十二个解释变量描述了经济规模与增长、第二产业活动、夜间灯光、电力消耗、平均气温、电解铝和粗钢产量、能源消费总量、能源强度、人口和城镇化率。

整体模型性能与递归预测鲁棒性

表4和图4汇总了九种竞争模型在滚动单步预测评估协议下的整体性能。KG-GraphTS达到了最高的测试R2为0.9900，最低RMSE为2.1846百万吨，略优于持续性基线（RMSE = 2.2591百万吨）。然而，持续性基线的MAE（1.2080百万吨）和MAPE（5.15%）略低于KG-GraphTS（分别为1.2147百万吨和5.29%）。这些结果表明年度城市级别碳排放量表现出

不同情景下的区域碳排放在排放路径

在区域层面，四种情景预测表现出明显分化的长期排放路径（图8）。广西2024年观测到的CO?排放量为369.29百万吨。在BAU情景下，2024年后排放量继续增加，到2030年达到468.86百万吨，并在2053年达到峰值627.55百万吨。到2060年，排放量仍为613.02百万吨，仅比情景峰值低2.3%，表明继续当前的发展和减缓趋势将不足以产生

预警级别评估结果

图10展示了BAU情景下14个地级市碳排放预警级别的空间时间演变。2025年，预警级别表现出明显的空间异质性。南宁、贵港和河池被划分为"关注"级别；柳州、桂林、梧州、防城港、百色、贺州、来宾和崇左被划分为"警告"级别；而北海、钦州和玉林达到"警戒"级别。没有城市被划分为"安全"或"危险"级别，表明碳转型

广西实现双碳目标的路径与挑战

基于本研究的预测和预警分析结果，广西在实现碳达峰和碳中和目标方面面临以下结构性挑战：

（1）产业结构中显著的碳锁定效应。广西的高碳行业，包括铝电一体化（百色）、钢铁生产（柳州和防城港）和有色金属冶炼（河池），在地方经济中占据重要地位，且难以淘汰。

结论

本研究开发了一个知识引导图时间序列框架，用于广西14个地级市的预测和决策支持。最终模型使用第二产业GDP知情的经济图谱、图卷积、紧凑的两层GRU、城市特定自回归残差学习、城市特定偏差、平衡预测损失和软领域引导。其评估和情景设计有意将模型预测与政策目标分离。主要结论如下：

CRediT作者贡献声明

杨罗：写作——初稿、软件、方法学、形式分析、数据管理。曹希月：调查、数据管理。秦绪江：调查、数据管理。方俊杰：验证。左艳秋：可视化。王洪强：监督、项目管理、资金获取、概念设计。严思怡：写作——审阅与编辑

未引用参考文献

Dietz和Rosan, 1994；Friedlingstein等, 年份不详。

利益冲突声明

作者声明，他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

数据可用性

在论文被接收后，实验代码、数据复杂度计算工具箱和完整的超参数配置推导实现将在GitHub上公开发布，以确保完全可复现性。

伦理声明

本研究不涉及人类受试者、动物实验或个人隐私数据。

资助

本工作得到广西自然科学基金（项目编号：2024GXNSFAA010159）和广西数字基础设施重点实验室开放项目计划（项目编号：GXDIOP2024014）的支持。

利益冲突声明

? 作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢

作者感谢广西桂林农业水土资源与环境观测研究站、桂系岩溶区水污染控制与水安全协同创新中心以及广西桂林漓江生态环境观测研究站，均由桂林理工大学提供。

杨罗|秦绪江|曹希月|左艳秋|方俊杰|严思怡|王洪强