基于多源数据的城市尺度能源强度评估方法

本发明属于能源评估，更具体地，本发明涉及一种基于多源数据的城市尺度能源强度评估方法。

背景技术：

1、随着城市化的发展，中国对能源的需求量逐年剧增。对煤炭、石油、天然气等不可再生能源过度依赖，使世界面临资源匮乏和环境污染等问题。在过度消耗化石燃料能源的过程中，大量排放了co2、so2和氮氧化物，其中co2影响了地气辐射平衡，加剧了温室效应，导致全球变暖，so2和氮氧化物对人类的呼吸系统产生危害，如何监测和减少温室气体成为学者们的研究热点。在“绿色”、“低碳”，“可持续”经济发展理念指导的背景下，快速精准获取中国各个地区的能源利用信息，并研究地区不同种类能源利用效率的时空变化，对于决策实现碳减排具有重要意义。

2、能源强度(energy intensity，ei)是生产一亿元国民生产总值所需消耗的标准煤量，通常以“吨标准煤/万元”计量单位，是衡量一个地区能源利用效率水平的重要指标。传统的能源统计数据通常以省级行政区划为单元，利用人工统计、抽样调查等方法获取数据，此方法获取的数据较为权威，但传统的能源数据的统计需要耗费大量的精力，且时效性差。当前官方只公布省级及以上尺度的能源统计数据，以省份为研究单元，一方面忽略了省内各地区在资源分配、经济发展等方面的差异，另一方面不可直接反映各城市的能源利用效率，导致无法实行因地制宜的能源政策。

技术实现思路

1、本发明提供一种基于多源数据的城市尺度能源强度评估方法，旨在改善上述问题。

2、本发明是这样实现的，一种基于多源数据的城市尺度能源强度评估方法，所述方法包括如下步骤：

3、采用省级样本数据对随机森林模型或深度神经网络模型进行训练，形成总能源强度预估模型、煤类能源强度预估模型、油类能源强度预估模型、气类能源强度预估模型；

4、提取城市的市级样本特征，输入总能源强度预估模型、煤类能源强度预估模型、油类能源强度预估模型、气类能源强度预估模型，输出城市的总能源强度、煤类能源强度、油类能源强度、气类能源强度。

5、进一步的，针对总能源强度预估模型，省级样本数据的标签为：省级总能源强度，省级特征数据为：省级总夜间灯光亮度值、省级平均地表反射率、省级城市用地总面积、省级总人口数、省级平均地表温度、省级平均植被指数、省级平均pm2.5浓度、省级平均no2浓度、省级平均so2浓度、省级co2排放总量；

6、对应的市级样本特征为：市级总夜间灯光亮度值、市级平均地表反射率、市级城市用地总面积、市级总人口数、市级平均地表温度、市级平均植被指数、市级平均pm2.5浓度、市级平均no2浓度、市级平均so2浓度、市级co2排放总量。

7、进一步的，针对煤类能源强度预估模型，省级样本数据的标签是：省级煤类能源强度，省级特征数据为：省级总夜间灯光亮度值、省级平均地表反射率、省级工业用地总面积、省级总人口数、省级平均地表温度、省级平均植被指数、省级平均pm2.5浓度、省级平均no2浓度、省级平均so2浓度、省级co2排放总量；

8、对应的市级样本特征为：市级总夜间灯光亮度值、市级平均地表反射率、市级工业用地总面积、市级总人口数、市级平均地表温度、市级平均植被指数、市级平均pm2.5浓度、市级平均no2浓度、市级平均so2浓度、市级co2排放总量

9、进一步的，针对油类能源强度预估模型，省级样本数据的标签是：省级油类能源强度，省级特征数据为省级总夜间灯光亮度值、省级平均地表反射率、省级工业用地与交通用地总面积之和、省级总人口数、省级平均地表温度、省级平均植被指数、省级平均pm2.5浓度、省级平均no2浓度、省级平均so2浓度、省级co2排放总量；

10、对应的市级特征数据为：市级总夜间灯光亮度值、市级平均地表反射率、市级工业用地与交通用地总面积之和、市级总人口数、市级平均地表温度、市级平均植被指数、市级平均pm2.5浓度、市级平均no2浓度、市级平均so2浓度、市级co2排放总量；

11、进一步的，针对气类能源强度预估模型，省级样本数据的标签是：省级气类能源强度，省级特征数据为省级总夜间灯光亮度值、省级平均地表反射率、省级工业用地与居民及活动用地之和总面积、省级总人口数、省级平均地表温度、省级平均植被指数、省级co2排放总量；

12、对应的市级特征数据为：市级总夜间灯光亮度值、市级平均地表反射率、市级工业用地与居民及活动用地之和总面积、市级总人口数、市级平均地表温度、市级平均植被指数、市级co2排放总量。

13、进一步的，省级煤类能源强度、省级油类能源强度、省级气类能源强度的获取方法具体如下：

14、读取各省的各类能源消耗数据，通过ipcc公布的标准折煤系数进行转换得到总能源消耗总量、煤类能源消耗总量、油类能源消耗总量、气类能源消耗总量，再与省级的gdp进行计算得到省级总能源强度、省级煤类能源强度、省级油类能源强度及省级气类能源强度。

15、进一步的，基于城市用地类型来计算省级及市级的工业用地面积、交通用地总面积、居民及活动用地面积，其中，城市用地类型的获取方法具体如下：

16、提取中国土地利用数据集clcd中的不透水层，作为城市土地利用分类范围；在arcgis中利用市级一级道路数据对城市用地进行切块，获取切块的遥感光谱及poi兴趣点作为特征，输入训练好的随机森林模型，输出各切块的城市用地类型，包括：工业用地、交通用地、居民及活动用地。

17、目前大多数研究主要基于省级单元研究各个省份的能源强度区域差异，忽视了更小尺度如地级市的能源强度时空格局动态研究，为弥补以上不足，本发明基于多源遥感数据，利用深度神经网络模型构建了城市尺度的总能源强度、煤类能源强度、油类能源强度、气类能源强度的预估模型，不仅能快速估算出城市尺度的各类能源强度，其估算精度也比较高，弥补统计数据的不足，可以从宏观的层面为政府制定节能减排政策提供科学参考，还可以为地方政府制定因地制宜的能源政策提供依据。

技术特征：

1.一种基于多源数据的城市尺度能源强度评估方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述多源数据的城市尺度能源强度评估方法，其特征在于，针对总能源强度预估模型，省级样本数据的标签为：省级总能源强度，省级特征数据为：省级总夜间灯光亮度值、省级平均地表反射率、省级城市用地总面积、省级总人口数、省级平均地表温度、省级平均植被指数、省级平均pm2.5浓度、省级平均no2浓度、省级平均so2浓度、省级co2排放总量；

3.如权利要求1所述多源数据的城市尺度能源强度评估方法，其特征在于，针对煤类能源强度预估模型，省级样本数据的标签是：省级煤类能源强度，省级特征数据为：省级总夜间灯光亮度值、省级平均地表反射率、省级工业用地总面积、省级总人口数、省级平均地表温度、省级平均植被指数、省级平均pm2.5浓度、省级平均no2浓度、省级平均so2浓度、省级co2排放总量；

4.如权利要求1所述多源数据的城市尺度能源强度评估方法，其特征在于，针对油类能源强度预估模型，省级样本数据的标签是：省级油类能源强度，省级特征数据为省级总夜间灯光亮度值、省级平均地表反射率、省级工业用地与交通用地总面积之和、省级总人口数、省级平均地表温度、省级平均植被指数、省级平均pm2.5浓度、省级平均no2浓度、省级平均so2浓度、省级co2排放总量。

5.如权利要求1所述多源数据的城市尺度能源强度评估方法，其特征在于，针对气类能源强度预估模型，省级样本数据的标签是：省级气类能源强度，省级特征数据为省级总夜间灯光亮度值、省级平均地表反射率、省级工业用地与居民及活动用地之和总面积、省级总人口数、省级平均地表温度、省级平均植被指数、省级co2排放总量；

6.如权利要求2至5任一项所述多源数据的城市尺度能源强度评估方法，其特征在于，省级煤类能源强度、省级油类能源强度、省级气类能源强度的获取方法具体如下：

7.如权利要求1所述多源数据的城市尺度能源强度评估方法，其特征在于，基于城市用地类型来计算省级及市级的工业用地面积、交通用地总面积、居民及活动用地面积，其中，城市用地类型的获取方法具体如下：

技术总结
本发明公开一种于多源数据的城市尺度能源强度评估方法，包括如下步骤：采用省级样本数据对模型进行训练，形成总能源强度预估模型、煤类能源强度预估模型、油类能源强度预估模型、气类能源强度预估模型；提取城市的市级样本特征，输入总能源强度预估模型、煤类能源强度预估模型、油类能源强度预估模型、气类能源强度预估模型，输出城市的总能源强度、煤类能源强度、油类能源强度、气类能源强度。基于多源遥感数据利用深度神经网络模型构建了城市尺度的源强度预估模型，快速估算出城市尺度的各类能源强度，其估算精度也比较高，弥补统计数据的不足，为地方政府制定因地制宜的能源政策提供依据。

技术研发人员：麻金继,林锡文,万城,骆文慧,孙曦泽,刘世杰,曹卫东
受保护的技术使用者：安徽师范大学
技术研发日：
技术公布日：2024/1/13