2012-2019年中国西地区碳排放的时空空间特征:一种具有多个变量的机器学习方法
概括
由于数据稀缺,估计中国县级碳排放具有挑战性. 这项研究使用一个反向传播的神经网络模型,结合夜间光线和其他因素,准确估计山西省的碳排放.
科学领域:
- 环境科学 环境科学
- 地理空间分析是什么
- 气候变化研究 气候变化研究
背景情况:
- 全球变暖和温室气体排放导致极端天气事件,威胁人类生命和发展.
- 中国是二氧化碳的主要排放国,其目标是到2030年达到碳排放峰值,但缺乏县级排放数据.
- 现有的仅使用夜间光线的模型忽略了关键的自然和社会经济因素.
研究的目的:
- 开发一种更准确的方法来估计中国的县级碳排放.
- 分析2012-2019年山西省碳排放的时空分布.
- 为碳减排战略提供技术支持.
主要方法:
- 利用一个反向传播的神经网络模型.
- 集成多个数据源:夜间光线,正常化差异植被指数,降水量,土地表面温度,海拔和人口密度.
- 在空间时间分析中使用趋势分析,空间自相关和标准偏差圆.
主要成果:
- 该模型表现出高精度,R2=0.95,RMSE=130万,MAE=0.58万.
- 2012年至2019年,西省的碳排放量从256.73万增加到3.0587亿.
- 确定西安和玉林城市是主要的碳排放热点.
结论:
- 开发的模型为西省提供了准确,精细的碳排放估计.
- 该方法为碳减排规划提供了有价值的工具,可以适应其他地区.
- 准确的碳排放数据对于有效的气候变化减缓努力至关重要.
