針對二氧化碳排放數(shù)據(jù),，由于當(dāng)前基礎(chǔ)數(shù)據(jù)源的限制,，中國大多數(shù)二氧化碳排放數(shù)據(jù)的測算都只能停留在國家、省或地級市一級,，導(dǎo)致更加微觀層面的研究相對較為匱乏,。事實上，當(dāng)前僅基于統(tǒng)計局等官方機構(gòu)發(fā)布的數(shù)據(jù)源,，其無論是時效性還是在微觀層面都存在不足，但是衛(wèi)星數(shù)據(jù)的運用則能夠很好地與傳統(tǒng)官方公布的數(shù)據(jù)源形成互補,。特別是隨著現(xiàn)代云處理能力的發(fā)展,，越來越多有意義的社會科學(xué)信息可以從衛(wèi)星圖像中提取出來。陳建東介紹說,，與其他數(shù)據(jù)源相比,，通過衛(wèi)星圖像提取的衛(wèi)星數(shù)據(jù)具有三個主要優(yōu)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.廣泛的地理覆蓋范圍,。其中，夜間燈光數(shù)據(jù)由于與人類活動息息相關(guān),，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(fù)討論后,，決定借助美國宇航局提供的兩套夜間燈光數(shù)據(jù)（1992-2013年期間的DMSP/OLS數(shù)據(jù)和2012-2020年期間的NPP/VIIRS數(shù)據(jù)）自上而下反演出中國縣級的二氧化碳排放數(shù)據(jù)。

“但是,，在運用夜間燈光數(shù)據(jù)的時候,，我們遇到了一個巨大的挑戰(zhàn)。”陳建東表示,，雖然兩套衛(wèi)星數(shù)據(jù)合起來的時間跨度很長,，但是由于這兩套夜間燈光數(shù)據(jù)來自于不同的傳感器，在數(shù)值上具有非常大的差異,，阻礙了長期夜間燈光數(shù)據(jù)集的構(gòu)建,。該文章的第二作者高明嘗試使用人工神經(jīng)網(wǎng)絡(luò)（ANN）探索DMSP/OLS與NPP/VIIRS數(shù)據(jù)之間的關(guān)系，并獲得更好的擬合結(jié)果,。

事實上,，整個過程并不容易。高明首先嘗試了計量經(jīng)濟學(xué)模型（可變系數(shù)隨機模型和固定效應(yīng)模型）,，但擬合效果并不讓人滿意,。考慮到人工智能算法在擬合非線性關(guān)系方面比一般的計量經(jīng)濟學(xué)模型具有更好的優(yōu)勢,，高明進一步嘗試使用BP算法,、RBF算法等。然后,，根據(jù)擬合效果選擇BP算法,，并使用PSO算法改進的BP神經(jīng)網(wǎng)絡(luò)擬合兩套衛(wèi)星數(shù)據(jù)并得到了很好的匹配結(jié)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,，采用了MODIS平臺提供的MOD17A3H產(chǎn)品測算出中國2000-2017年區(qū)縣中所對應(yīng)的凈初級生產(chǎn)力，最后借助植被干物質(zhì)與吸收二氧化碳的轉(zhuǎn)化系數(shù)得到陸地植被固碳量,。