一种夜间灯光修正方法以及估算CO2排放量的方法与流程

一种夜间灯光修正方法以及估算co2排放量的方法
技术领域
1.本发明涉及碳排放估算技术领域，尤其涉及一种夜间灯光修正方法以及估算co2排放量的方法。


背景技术：

2.自工业革命以来，由于人类活动排放了大量的co2等温室气体，使得大气中温室气体的浓度急剧升高，结果造成温室效应日益增强。据统计，工业化以前全球年均大气co2浓度为278ppm（1ppm为百万分之一），而2012年是全球年均大气co2浓度为393.1ppm，到2014年4月，北半球大气中月均co2浓度首次超过400ppm。
3.二氧化碳（co2）是人类产生过程中排放的一种主要温室气体，co2排放清单是监管国家和全球co2排放情况以及分析来源的基本工具。
4.现在碳排放网格化主要方法通过人口空间分布或者夜间灯光数据，结合能源排放数据，将碳排放量数据进行空间网格化。但是，只通过人口数据来实现碳排放量空间网格化，不能够体现人类定期活动如居民区活动情况、陆地运输情况等；只通过夜间灯光虽然能够反映人类活动变化情况，但是由于夜间灯光具有空间“膨胀”作用，它所观测的人类活动范围比实际范围要大，不够准确。


技术实现要素：

5.鉴于上述的分析，本发明实施例旨在提供一种夜间灯光修正方法以及估算co2排放量的方法，用以解决现有夜间灯光所观测的人类活动范围比实际范围要大的问题。
6.一方面，本发明提供了一种夜间灯光修正方法，用于监测人类实际活动范围，包括如下步骤：获取待监测区域的卫星网格图，所述卫星网格图包括多个像元，获取每个像元的夜间灯光数据ntl、夜间灯光权重ω、人口空间分布数据pop、雷达识别的建筑像元sar和归一化植被指数ndvi；其中，ndvi=(nir-red)/(nir red)，nir为近红外波段，red为红色波段；修正所述夜间灯光数据ntl，得到修正后的夜间灯光数据icorrect，修正公式如下：icorrect =ω* ntl * ln（pop*sar 1）*（1-ndvi）。
7.进一步地，所述夜间灯光数据ntl来源于美国国家航天局发布的夜间灯光产品npp-dnb；所述雷达识别的建筑像元sar来源于sentinel-1a/b；所述归一化植被指数ndvi来源于美国国家航天局的aura或terra卫星上的mod13a3或myd13a3；所述人口空间分布数据pop来源于landscan全球人口分布数据。
8.进一步地，所述修正公式中，若ntl＞0，则ω=1；若ntl≤0，则ω=0；
若雷达识别的是建筑，则sar=1；若雷达识别的是非建筑，则sar=0。
9.另一方面，本发明还提供了一种估算co2排放量的方法，所述方法基于上述修正后的夜间灯光数据进行估算，包括如下步骤：s100：上述的修正方法获得每个像元的所述修正后的夜间灯光数据icorrect；s200：获取所述待监测区域的化石燃料消耗量，通过所述待监测区域的化石燃料消耗量计算所述待监测区域的化石燃料co2排放量；s300：将所述修正后的夜间灯光数据icorrect进行归一化处理；s400：将所述分解到每个像元，获得每个像元的非点源co2排放量；s500：每个像元的co2排放量为所述非点源co2排放量与点源co2排放量之和。
10.进一步地，所述s200中，包括如下步骤：s201：获取所述待监测区域的某种化石燃料消耗量，计算对应化石燃料的碳排放量，计算公式为：，其中，为对应化石燃料的碳排放因子；s202：通过修正因子修正所述得到，为修正后对应化石燃料的碳排放量，；s203：计算对应化石燃料的co2排放量，，其中，为co2与碳分子量比；s204：。
11.进一步地，所述待监测区域的化石燃料消耗量来源于国家统计年鉴。
12.进一步地，所述待监测区域的化石燃料的种类包括煤炭、石油、天然气中的一种或几种。
13.进一步地，所述、、的数据来源于ipcc指南。
14.进一步地，所述s300中，归一化公式为：，其中，为像元j的修正后的夜间灯光数据，为所有像元中修正后的夜间灯光数据的最大值，为所有像元中修正后的夜间灯光数据的最小值，为像元j的修正后的夜间灯光数据归一化后的值。
15.进一步地，所述s400中，像元j的非点源co2排放量，，其中，为所述待监测区域中j像元所占的权重。
16.与现有技术相比，本发明至少可实现如下有益效果之一：（1）本发明通过主动遥感和被动遥感相结合对传统单纯的夜间灯光进行修正，能
够减少因灯光腐蚀带来的误差，其中，主动遥感参数为sar参数，被动遥感参数包括ω、pop、ndvi参数，以有效减少由于夜间灯光“膨胀”所带来的误差，提高co2网格排放量的空间分辨率，分辨率可达500
×
500m；（2）基于修正后的夜间灯光数据可以更加快速、准确地对co2排放量进行网格化，得到待监测区域每个像元的co2排放量，一方面，能够更直观地了解某个区域的碳排放情况，以挖掘待监测区域碳源/汇的空间信息，进行区域碳源/汇的空间结构分析，对于支撑区域碳中和规划路径指定具有重要价值；另一方面，作为该区域co2排放快速估算手段，相较传统的co2估算方法的繁琐冗长，更快捷方便；（3）更高分辨率的co2排放量能够更好地反映排放强度的细节，同时可以更加精确地找到co2排放源，有利于碳排放规划的制定及低碳措施的推进。
17.本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
18.附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
19.图1为具体实施方式中北京的co2排放量网格化可视图。
具体实施方式
20.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本发明一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
21.在本发明实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接可以是机械连接，也可以是电连接可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
22.全文中描述使用的术语“顶部”、“底部”、“在
……
上方”、“下”和“在
……
上”是相对于装置的部件的相对位置，例如装置内部的顶部和底部衬底的相对位置。可以理解的是装置是多功能的，与它们在空间中的方位无关。
23.本发明通常的工作面可以为平面或曲面，可以倾斜，也可以水平。为了方便说明，本发明实施例放置在水平面上，并在水平面上使用，并以此限定“高低”和“上下”。
24.本发明为解决“夜间灯光具有空间“膨胀”作用，基于夜间灯光所观测的人类活动范围比实际范围要大”的问题，通过夜间灯光权重ω、人口空间分布数据pop、雷达识别的建筑像元sar和归一化植被指数ndvi对夜间灯光数据进行空间修正，最终将co2排放量进行网格化。
25.实施例一本实施例公开了一种夜间灯光修正方法，用于监测人类实际活动范围，包括如下步骤：
获取所述待监测区域的卫星网格图，所述卫星网格图包括多个像元，获取每个像元的夜间灯光数据ntl、夜间灯光权重ω、人口空间分布数据pop、雷达识别的建筑像元sar和归一化植被指数ndvi；其中，ndvi=(nir-red)/(nir red)，nir为近红外波段，red为红色波段。
26.修正所述夜间灯光数据ntl，得到修正后的夜间灯光数据icorrect，修正公式如下：icorrect =ω* ntl * ln（pop*sar 1）*（1-ndvi）。
27.在众多研究中，传统的植被修正夜间灯光指数公式为ntl*（1-ndvi）。考虑到传统植被指数修正夜间灯光相对单一，因此，考虑到人口与夜间灯光成正比，本发明提出基于传统的植被指数之上，将人口、雷达识别的人为建筑加入传统修正公式中，使得修正后的夜间灯光数据更准确，获得更真实的人类实际活动范围。
28.若ntl＞0，则ω=1；若ntl≤0，则ω=0，ω为夜间灯光强度缺省值；若雷达识别的是建筑，则sar=1；若雷达识别的是非建筑，则sar=0。
29.其中，所述夜间灯光数据ntl来源于美国国家航天局发布的夜间灯光产品npp-dnb，空间分辨率为500m，时间分辨率1个月。所述雷达识别的建筑像元sar来源于sentinel-1a/b，空间分辨率为5*20m，时间分辨率6天。所述归一化植被指数ndvi来源于美国国家航天局的aura或terra卫星上的mod13a3或myd13a3（mod13a3为terra卫星的数据，即上午星数据；myd13a3为aqua卫星的数据，即下午星数据），空间分辨率为1km，时间分辨率1个月。所述人口空间分布数据pop来源于landscan全球人口分布数据，空间分辨率为1km，时间分辨率1年。夜间灯光ntl与人口pop在空间上呈正相关，即pop值越大，ntl值越大。ntl与ndvi呈相反的变化趋势，即ndvi值越大，ntl值越小。
30.【实例1】表1-某地区某些像元修正后的夜间灯光数据计算表(其中ntl、icorrect的单位为w/cm2/sr/μm)实施例二本实施例公开了一种估算co2排放量的方法，其基于实施例一所述的修正方法获得的修正后的夜间灯光数据进行估算co2排放量，该估算co2排放量的方法同时是将所述待监测区域co2排放量进行网格化方法，以便更快速便捷获取该地区的高分辨率的co2排放量可视化分布图。
31.该估算co2排放量的方法的原理在于，化石燃料（煤炭、石油和天然气）中的co2排放可归因于化石燃料的燃烧，即归因于化石燃料的消耗量。来自国际燃料（海洋和航空）和渔业等来源的非陆地化石燃料co2排放被包括在陆地排放估算中，因为我们用于估算的能源
统计数据中没有单独的燃料消耗统计数据。本发明通过化石燃料的消耗量来估算co2排放量。本发明在将某待监测区域化石燃料的消耗量转换为co2排放量基础上，结合高空间分辨率卫星夜间灯光数据，将所述待监测区域的co2点排放源与面排放源转换为500m
×
500m格网数据。
32.由于获取化石燃料的消耗量的来源是国家统计年鉴，而国家统计年鉴的地区的最低级别时地级市，故本发明能够网格化的区域的最低级别是地级市。
33.所述估算co2排放量网格化方法，包括如下步骤：s100：根据实施例一的修正方法获得每个像元的修正后的夜间灯光数据icorrect，示例性地，将像元j的修正后的夜间灯光数据表示为；s200：获取所述待监测区域的化石燃料消耗量，通过所述待监测区域的化石燃料消耗量计算所述待监测区域的化石燃料co2排放量；s300：将所述修正后的夜间灯光数据icorrect进行归一化处理；s400：将所述分解到每个像元，获得每个像元的非点源co2排放量；s500：每个像元的co2排放量为所述非点源co2排放量与点源co2排放量之和。
34.本发明将我国能源排放数据与经过地物类别修正的卫星夜间灯光数据相融合，同时考虑电厂和水泥厂等点源排放分布，最终生成高空间分辨率co2排放量格网数据。（夜间灯光跟建筑类别细化，将月尺度线性分类日尺度）本发明在将我国能源年消耗量数据转换为co2排放量基础上，结合高空间分辨率卫星夜间灯光数据，将全国各地级市级别的co2点排放源与面排放源转换为500m
×
500m格网数据。
35.所述s200中，包括如下步骤：s201：获取所述待监测区域的某种化石燃料消耗量，计算对应化石燃料的碳排放量，计算公式为：，其中，为对应化石燃料的碳排放因子；s202：通过修正因子修正所述得到，为修正后对应化石燃料的碳排放量，；s203：计算对应化石燃料的co2排放量，，其中，为co2与碳分子量比；s204：。
36.所述待监测区域的化石燃料消耗量来源于国家统计年鉴。
37.所述待监测区域的化石燃料fuel的种类包括煤炭、石油、天然气中的一种或几种，示例性地，若所述待监测区域的化石燃料种类包括煤炭和石油，则包括煤炭的和石油的，也包括煤炭的和石油的，也就是根据化
石燃料的不同种类分别计算后加和得到。
38.上述的、、的数据来源于ipcc（intergovernmental panel on climate change，联合国政府间气候变化专门委员会）指南。
39.单位为太焦耳，、、单位为吨。
40.所述s300中，归一化公式为：，其中，为像元j的修正后的夜间灯光数据，即为j像元的灯光强度值；为所有像元中修正后的夜间灯光数据的最大值，即所有像元中灯光强度的最大值；为所有像元中修正后的夜间灯光数据的最小值，即所述像元中灯光强度的最小值；为像元j的修正后的夜间灯光数据归一化后的值，即为像元j的灯光强度归一化后的值。根据所述归一化公式计算每个像元的灯光强度归一化后的值。
41.所述s400中，像元j的非点源co2排放量，，其中，为所述待监测区域中j像元所占的权重，即将所述待监测区域修正后的夜间灯光数据归一化后的值累加，用每个像元的修正后的夜间灯光数据归一化后的值除以所述待监测区域的所有像元修正后的夜间灯光数据归一化后的值总和，也就是能够得到所述待监测区域中每个像元所占比重，再将所述待监测区域的化石燃料co2排放量乘上每个像元的比重，即可转换为每个栅格上的co2排放量。
42.所述s500中，点源的co2排放量是将全国运行的电厂或/和水泥厂等co2排放量数据按照经纬度进行地理空间化，若像元j上设有电厂或/和水泥厂，则该像元j的co2排放量为非点源co2排放量与点源co2排放量之和，点源co2排放量为该像元内发电厂、水泥厂的co2排放量之和；若像元j上既没有电厂也没有水泥厂，此时点源co2排放量为零，则该像元j的co2排放量等于非点源co2排放量。
43.上述发电厂、水泥厂的co2排放量来源于全球能源统计表。
44.将每个像元（即栅格）上的co2的排放量用某种颜色涂覆在所述待监测区域的栅格地图上，即可得到所述待监测区域的co2排放量网格化可视图，如图1所示是北京地区的co2排放量网格化可视图。优选地，同一地区的co2的排放量采用同一色系涂覆，图1中co2的排放量越高使用的涂覆颜色越浅。
45.【实例2】表2-北京地区某个像元的co2排放量计算表
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
46.本发明通过卫星夜间灯光与主动雷达遥感进行识别人为建筑数据与被动遥感的植被和人口数据，对传统仅依靠卫星夜间灯光估算co2排放量的方法进行修正，解决了卫星夜间灯光“膨胀”所造成的数据误差，来获取确切地区的co2排放量，再将生活上的化石燃料与国际燃料和渔业等来源的非陆地化石燃料同步转换为含碳量（以下均称为化石燃料），并对化石燃料燃烧过程中出现未被氧化的燃料进行修正处理，从而，再对上述统计后的含碳量数据转换为co2排放量进行估算，并将上述中卫星夜间灯光具有不同强度的数据按照全国地市级边界进行等级划分，并以此对地市级的卫星夜间灯光不同强度进行归一化处理，就得到了各地市级的卫星夜间灯光强度具体的数值，通过将各地市级卫星夜间灯光强度归一化值累加，用每个归一化后的像元值除以对应城市的所有像元值总和，得到每个城市中每个像元所占比重，再将该城市的化石燃料co2排放量乘上每个像元的比重，并将各地级市级别的co2点排放源与面排放源转换为500m
×
500m格网数据，就预估得到了全国的co2排放量，并且以此格网数据的统计相对于目前的统计方案以更高的分辨率显示co2排放量排放强度的细节，利于后续精确的找到co2排放源，当后续对co2排放进行改善处理时，也较为便捷，进而解决了目前仅通过人口数据或卫星夜间灯光数据来实现碳排放量的统计出现的弊端，通过主动雷达是被多项数据源进行统计计算，实现了co2排放量的精确统计，并同时一格网数据进行展示，更能反映出co2排放量排放强度的细节，以利于后续精确的找到co2排放源，利于后期改善co2排放量，来对人们所生活空气环境做出的改善。（其中，化石燃料是指：煤炭、石油和天然气，这些中的co2排放可归因于化石燃料的燃烧，来自国际燃料（海洋和航空）和渔业等来源的非陆地化石燃料co2排放被包括在陆地排放估算中）。
47.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。