西南財經大學公共管理學院教授陳建東(海報設計 石天馨)
《1997-2017年中國縣級二氧化碳排放和陸地植被固碳測算》一文刊發于《自然》旗下《科學數據》
央視網消息:近日,西南財經大學公共管理學院在《自然》旗下期刊《科學數據》(Scientific Data)雜誌發表了名為《1997-2017年中國縣級二氧化碳排放和陸地植被固碳測算》(County-level CO2 emissions and sequestration in China during 1997–2017)的文章,該文章首次系統測算了中國1997至2017年縣級二氧化碳排放和陸地植被系統固碳量的數據,彌補了當前基礎數據的不足,對於當前中國國家層面實現“碳達峰”“碳中和”等目標和制定更加微觀的減排戰略具有重要的現實意義。同時,文章關於植被固碳的研究開啟了中國植被固碳研究的新領域。該研究的學術價值還在於研究的視角和方法對於全球二氧化碳排放和植被固碳具有重要的借鑒意義。
為何會聚焦縣級二氧化碳排放和陸地植被固碳測算?該文章第一作者、西南財經大學公共管理學院教授陳建東表示,隨著中國二氧化碳減排戰略自上而下的實施,更加微觀的地區差異應該得到考慮。相比省和市一級來講,區縣級的二氧化碳排放數據包含了更加豐富的信息,也能更加細緻地反映區域的異質性,從而有利於政府部門因地制宜地實施減排政策。同時,陸地植被在吸收和固定二氧化碳排放方面具有重大的積極作用。但是當前關於中國區域層級植被固定碳匯的研究非常稀少,但該領域對於未來綜合評價中國“退耕還林”“退牧育草”政策下的減排效果具有重要的現實價值。
針對二氧化碳排放數據,由於當前基礎數據源的限制,中國大多數二氧化碳排放數據的測算都只能停留在國家、省或地級市一級,導致更加微觀層面的研究相對較為匱乏。事實上,當前僅基於統計局等官方機構發佈的數據源,其無論是時效性還是在微觀層面都存在不足,但是衛星數據的運用則能夠很好地與傳統官方公佈的數據源形成互補。特別是隨著現代雲處理能力的發展,越來越多有意義的社會科學信息可以從衛星圖像中提取出來。陳建東介紹説,與其他數據源相比,通過衛星圖像提取的衛星數據具有三個主要優勢:1.獲取其他手段難以獲得的信息; 2.異常高的空間分辨率; 3.廣泛的地理覆蓋範圍。其中,夜間燈光數據由於與人類活動息息相關,而被廣泛運用在估計GDP、反演污染物排放的人口估計等各個方面。因此,陳建東與博士生高明反復討論後,決定借助美國宇航局提供的兩套夜間燈光數據(1992-2013年期間的DMSP/OLS數據和2012-2020年期間的NPP/VIIRS數據)自上而下反演出中國縣級的二氧化碳排放數據。
“但是,在運用夜間燈光數據的時候,我們遇到了一個巨大的挑戰。”陳建東表示,雖然兩套衛星數據合起來的時間跨度很長,但是由於這兩套夜間燈光數據來自於不同的傳感器,在數值上具有非常大的差異,阻礙了長期夜間燈光數據集的構建。該文章的第二作者高明嘗試使用人工神經網絡(ANN)探索DMSP / OLS與NPP / VIIRS數據之間的關係,並獲得更好的擬合結果。
事實上,整個過程並不容易。高明首先嘗試了計量經濟學模型(可變系數隨機模型和固定效應模型),但擬合效果並不讓人滿意。考慮到人工智慧算法在擬合非線性關係方面比一般的計量經濟學模型具有更好的優勢,高明進一步嘗試使用BP算法、RBF算法等。然後,根據擬合效果選擇BP算法,並使用PSO算法改進的BP神經網絡擬合兩套衛星數據並得到了很好的匹配結果。同時,考慮到植被在吸收和固定二氧化碳排放上具有重大的潛力和能力,採用了MODIS平臺提供的MOD17A3H産品測算出中國2000-2017年區縣中所對應的凈初級生産力,最後借助植被幹物質與吸收二氧化碳的轉化系數得到陸地植被固碳量。
中國的二氧化碳排放一直是學術界關注的重要領域。陳建東表示,該項研究提供的數據將會極大促進有關中國二氧化碳的研究。首先,該研究提供了可能是目前時間跨度最長、覆蓋面最廣的區縣級二氧化碳排放數據。同時,更為重要的是,首次測算了2001-2017年中國區縣級的陸地植被固碳量,這對於當前的碳達峰預測、碳中和等研究具有重要的價值。其次,基於粒子群優化-反向傳播(PSO-BP)算法,統一了DMSP / OLS和NPP / VIIRS衛星圖像,從而得到了高質量的長時間跨度的穩定夜間燈光數據,該數據不僅對遙感領域具有推動作用,而且對於今後人口分佈、GDP預測和污染物估計等也具有重要的參考價值。
此外,陳建東表示,該項研究的作者是由國內外眾多不同學科的學者組成,他們為該論文的完成作出了重要貢獻。該論文一經發表就被CEADS公眾號(中國碳排放數據庫,該庫由英國研究理事會、牛頓基金會、中國國家自然科學基金委員會、中國科學院等多家研究機構共同成立)轉發,短時間吸引了大批同行的關注。(校對 陳延輝)