基于DMSP_OLS与NDVI的江苏省碳排放空间分布模拟_郭忻怡

DOI:10.3969/j.issn.1004-9479.2016.04.012郭忻怡，闫庆武，谭晓悦，等．基于ＤＭＳＰ／ＯＬＳ与ＮＤＶＩ的江苏省碳排放空间分布模拟［Ｊ］．世界地理研究，２０１６，２５（４）：１０２－１１０ＧＵＯＸ，ＹＡＮＱ，ＴＡＮＸ，ｅｔ．ａｌ．ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｃａｒｂｏｎｅｍｉｓｓｉｏｎｓｂａｓｅｄｏｎＤＭＳＰ／ＯＬＳｎｉｇｈｔｔｉｍｅｌｉｇｈｔｄａｔａａｎｄＮＤＶＩｉｎＪｉａｎｇｓｕｐｒｏｖｉｎｃｅ［Ｊ］．ＷｏｒｌｄＲｅｇｉｏｎａｌＳｔｕｄｉｅｓ，２０１６，２５（４）：１０２－１１０收稿日期：２０１５－０９－１４；修订日期：２０１６－０１－１９基金项目：中国矿业大学大学生创新创业基金资助项目（２０１４３０）；科技基础性工作专项基金项目（２０１４ＦＹ１１０８００）；教育部人文社会科学研究基金项目（１４ＹＪＣ８４００３７）。

作者简介：郭忻怡（１９９３－），女，本科，主要从事ＧＩＳ方面的研究。

Ｅ－ｍａｉｌ：ｇｘｙｃｕｍｔ＠１６３．ｃｏｍ．通讯作者：闫庆武（１９７５－），男，博士，副教授，研究方向为ＧＩＳ应用。

Ｅ－ｍａｉｌ：３４０３１７５＠１６３．ｃｏｍ．基于ＤＭＳＰ／ＯＬＳ与ＮＤＶＩ的江苏省碳排放空间分布模拟郭忻怡，闫庆武，谭晓悦，刘思佳（中国矿业大学环境与测绘学院，江苏徐州２２１１１６）摘要：结合江苏省经济结构和自然环境情况，选择合适的碳排放模型进行核算，得到江苏省各区县的碳排放量，综合ＤＭＳＰ／ＯＬＳ夜间灯光影像和ＮＤＶＩ数据，再结合人口、ＧＤＰ和工业生产总值数据，构建碳排放的空间滞后回归模型并开展江苏省碳排放的空间分布模拟，得到大小为１ｋｍ×１ｋｍ的碳排放空间格网，并对模拟结果纠正，用以研究江苏省各区县的碳排放量分布情况。

结果表明，江苏省碳排放清晰地呈现出“苏南＞苏北＞苏中”的格局，苏南地区分布着以苏州、无锡为中心和以南京市区为中心的碳排放高值集聚的“热点”区域；在各区县内部，碳排放的空间分布与人口、ＧＤＰ产值等密切相关，明显集中于人口、工业聚集的市区和县城区域。

关键词：夜间灯光数据；归一化植被指数；碳排放；空间滞后回归；江苏省中图分类号：Ｐ２０８文献标识码：Ａ“十二五”规划期间，中国承诺到２０２０年将每单位国内生产总值（ＧＤＰ）的碳排放较２００５年削减４０％～４５％，并将其作为约束性指标纳入国民经济和社会的长期规划。

这给正处在快速工业化进程中的江苏省施加了一个限制性约束。

碳排放的削减与分配需要考虑到不同地区的经济发展水平及能源消耗情况，因此碳排放的计算及空间分布模拟对碳排放量的合理计划与分配显得尤为重要。

目前关于碳排放计算及分布的研究主要采用以下几种方法，Ｋａｗａｓｅ采用改进的ｋａｙａ恒等式对碳排放进行了因素分解研究，对不同国家的碳减排目标进行了情景预测［１］；赵荣钦等对江苏省碳排放的计算提出了详细测算清单［２］；肖宏伟提出了我国与能源活动有关的二氧化碳排放测算方法［３］；肖翔对江苏省不同城市碳排放的时空变化进行了计算和分析［４］。

本研究借鉴相关研究方法，通过对能源、林地、耕地、人口等方面数据的分析，对江苏省碳排放进行了较为全面的核算。

由于上述研究中对碳排放来源所给定范围不一，如汽车排放，食物消费，农业生产等方面的数据源难以查找，且计算所得的相关方面的碳排放值与其他方面造成的碳排放值相比较小，而能源消耗产生的碳排放量则占到了碳排放总量的７０％～８０％。

世界地理研究WORLD REGIONAL STUDIES 第25卷第4期2016年8月Vol．25，No．4Aug.，2016103 4期郭忻怡等：基于DMSP/OLS与NDVI的江苏省碳排放空间分布模拟故本文拟定以能源、耕地、林地为数据源，并确定了相应转化因子。

结合ＤＭＳＰ／ＯＬＳ夜间灯光影像和植被归一化指数（ＮＤＶＩ）两类遥感影像对碳排放分布进行较为合理的分配。

目前，使用中的ＤＭＳＰ卫星系统（Ｆ１２、Ｆ２１３、Ｆ２１４）均搭载了ＯＬＳ（ＯｐｅｒａｔｉｏｎａｌＬｉｎｅｓｃａｎＳｙｓｔｅｍ）传感器。

ＯＬＳ传感器能探测城镇灯光、火光、渔船灯光等发出的电磁波，能够有效地探测到城市夜间灯光甚至小规模居民地、车流等产生的低强度夜间灯光，是监测人类活动强度的良好数据源［５］。

国内外许多学者已成功地将ＤＭＳＰ／ＯＬＳ夜间灯光影像应用于城镇扩展监测、社会经济因子估算以及能源消耗估算等领域［６－１４］。

由于人类活动是碳排放的主要来源，而ＤＭＳＰ／ＯＬＳ夜间灯光影像能有效地反映人类活动强度［１５］，ＤＭＳＰ／ＯＬＳ夜间灯光影像可用于碳排放量的估算［１６］，这一结论已被国内外学者证明。

因此，碳排放量与ＤＭＳＰ／ＯＬＳ夜间灯光影像具有很强的相关性。

除ＤＭＳＰ／ＯＬＳ夜间灯光影像外，植被作为ＣＯ吸收的主体，与碳排放也有很强的关联性。

２过去几十年，遥感技术在地表植被覆盖的研究中越来越重要，是获取植被变化、植物生长活力和生物量的重要手段。

依据植被对不同波段的光谱特征响应的差异性，通过不同波段间的运算可以获取指示地表植被的植被指数［１７］。

其中ＮＤＶＩ对绿色植被的生长势和生长量非常敏感，可用于区域植被覆盖研究。

１数据来源与数据预处理１．１研究区概况江苏省地处东部沿海地区的中部，长江、淮河下游，地跨东经１１６°１８′～１２１°５７′，北纬３０°４５′～３５°２０′，它与上海、浙江、安徽共同构成的长江三角洲城市群是国际６大世界级城市群之一。

２０１２年全省经济总量５４０５８．２２亿元，位居全国第二，人均ＧＤＰ、综合竞争力、地区发展与民生指数（ＤＬＩ）均居全国各省第一，成为中国综合发展水平最高的省份，已步入“中上等”发达国家水平。

江苏省经济繁荣发展的同时，也产生了大量的碳排放。

２０１１年江苏省碳排放量１６×１０７吨，位列全国第三。

１．２数据来源本研究的化石能源消耗数据来自于江苏省各地市２０１３年的统计年鉴，并与全省能源消耗总量进行了校核平衡。

农田土地面积数据采用连云港统计年鉴中区县续表的综合统计数据，并与江苏省各地市２０１３年的统计年鉴的数据进行比对和校核。

林地面积数据来源于各市统计年鉴及各市林业局网站。

对于缺乏部分统计数据的徐州、南京和淮安三地，使用２０１１年的统计数据计算其当年碳排放量，根据增长率推算得２０１２年的碳排放量。

２０１２年各区县的ＧＤＰ和工业生产总值数据来自于《无锡统计年鉴２０１３》。

人口数据来自于江苏省各市第六次全国人口普查公报。

ＤＭＳＰ／ＯＬＳ夜间灯光影像采用２０１２年ＤＭＳＰ／ＯＬＳ数据，该数据来自美国国家海洋和大气管理局ＮＯＡＡ（ＮａｔｉｏｎａｌＯｃｅａｎｉｃａｎｄＡｔｍｏｓｐｈｅｒｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎ）下属的国家地球物理数据中心ＮＧＤＣ（ＮａｔｉｏｎａｌＧｅｏｐｈｙｓｉｃａｌＤａｔａＣｅｎｔｅｒ）。

ＮＤＶＩ数据选用分辨率为１ｋｍ的月合成ＭＯＤＩＳ植被指数数据产品，该数据来自于ＮＡＳＡ－ＭＯＤＩＳ网站（ｈｔｔｐ：／／ｍｏｄｉｓ．ｇｓｆｃ．ｎａｓａ．ｇｏｖ／）。

该数据已经进行了辐射校正、大气校正和几何校正。

１．３数据预处理１．３．１栅格化处理为了对江苏省碳排放分布规律进行更加细致和精确的研究，需要对与碳排放相关的数世界地理研究25卷据要素进行整合及处理。

本文对碳排放量、ＤＭＳＰ／ＯＬＳ夜间灯光数据、ＮＤＶＩ、ＧＤＰ、工业总产值、人口等地理数据进行栅格化处理，处理成１ｋｍ×１ｋｍ大小的栅格。

１．３．２ＤＭＳＰ／ＯＬＳ夜间灯光影像处理ＤＭＳＰ／ＯＬＳ数据包括三种年平均数据：（１）平均观察值（ＡｖｅｒａｇｅＶｉｓｉｂｌｅ）；（２）稳定灯光值（ＳｔａｂｌｅＬｉｇｈｔｓａｂｅｒ）；（３）能观察的无云次数（ＣｌｏｕｄＦｒｅｅＣｏｖｅａｇｅｓ）。

这些数据已经进行了辐射定标和重采样，均为无云数据。

数据产品的每个栅格表示３０弧度，经纬度范围为－１８０°～１８０°Ｅ，－６５°～７５°Ｎ。

由于碳排放建模需要排除偶然灯光噪声，因此，本文中使用的数据为其中的稳定灯光值（ＳｔａｂｌｅＬｉｇｈｔｓ）部分，该数据消除了云及火光等偶然噪声影响，该数据灰度值范围１～６３，空间分辨率为０．００８３３３度。

数据原始文件使用ＷＧＳ＿８４椭球体，经纬度坐标系。

考虑到中国的特点，为了使投影面积变形最小，将经纬度投影转换为Ｋｒａｓｏｖｓｋｖ＿１９４０＿Ａｌｂｅｒｓ投影，椭球体为Ｄ＿Ｋｒａｓｏｖｓｋｙ＿１９４０［７］。

以江苏省的矢量行政区划地图作为边界，对ＤＭＳＰ／ＯＬＳ数据进行裁剪，得到江苏省夜间灯光数据图。

夜间灯光强度ＤＮ值的范围为０～６３，黑色区域像元ＤＮ值为０，为背景区域，表示没有灯光；白色区域像元ＤＮ值大于０，为灯光区域，以颜色的深浅表示灯光的强弱。

其中，ＤＮ值等于６３的像元大部分为饱和像元，基本上是城市的中心区域［１８］。

ＤＭＳＰ／ＯＬＳ夜间灯光数据的亮度值为０到６３的连续整数值，不存在小数位，属于离散型数据，故采用最邻近法进行ＤＭＳＰ／ＯＬＳ夜间灯光数据重采样，最终得到栅格为１ｋｍ×１ｋｍ的２０１２年江苏省ＤＭＳＰ／ＯＬＳ夜间灯光影像（图１）。

１．３．３ＮＤＶＩ影像的处理ＮＤＶＩ是基于植物所表现的光谱特征，将红光与近红外光谱通道进行组合运算而得到的比值，其数学表达式为ＮＤＶＩ＝（ＮＩＲ－ｒｅｄ）／（ＮＩＲ＋ｒｅｄ），其中ＮＩＲ表示近红外辐射波段（７００～１０００ｎｍ）的波谱特征，Ｒｅｄ表示红光波段（６５０ｎｍ）的波谱特征。

植物叶片组织强烈吸收红光，却强烈反射近红外光，叶片中心的海绵组织和叶片背面组织对近红外辐射反射强烈。

ＮＤＶＩ植被指数的取值范围为－１到１，负值表示地面覆盖为对可见光高反射的水、雪、云等，０表示地表覆盖为岩石或裸土等，正值表示地表有植被覆盖，且ＮＤＶＩ值的大小随着覆盖度的增大而不断增大。

由于归一化植被指数ＮＤＶＩ是介于－１到１之间的连续数值，相邻像元之间的图２２０１２年江苏省ＮＤＶＩ植被指数图图１２０１２年江苏省夜间灯光影像1044期ＮＤＶＩ值变化不大，故采用双线性插值法对ＮＤＶＩ植被指数进行重采样，最终得到栅格大小为１ｋｍ×１ｋｍ的２０１２年的ＮＤＶＩ植被指数栅格图（图２）。

２江苏省碳排放量的估算与空间模拟２．１碳排放量的估算２．１．１能源类碳排放核算目前，我国仍没有碳排放总量的直接检测数据，大多数学者采用对能源消耗量、能源碳排放系数估算的方式对碳排放进行研究［１９－２１］。

ＩＰＣＣ作为国际权威的温室气体排放研究机构，提供了计算国家温室气体排放清单指南。

本文在该指南提出的计算方法基础上，结合江苏省各区县能源消费的特征，选取原煤、原油、天然气等９种能源对江苏省各区县能源消费产生的碳排放量进行测算［９］，其计算公式如下：Ｃ＝ｉΣＥｉＦｉＫｉ（１）其中，Ｃ为该地碳排放总量；Ｅｉ为第ｉ类化石能源的消费量；Ｆｉ为第ｉ类化石能源对标准煤的折算系数；Ｋｉ为第ｉ类化石能源的碳排放系数，能源种类不同，Ｋ值也不同。