西南財(cái)經(jīng)大學(xué)公共管理學(xué)院教授陳建東（海報(bào)設(shè)計(jì)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(fā)于《自然》旗下《科學(xué)數(shù)據(jù)》

央視網(wǎng)消息：近日,，西南財(cái)經(jīng)大學(xué)公共管理學(xué)院在《自然》旗下期刊《科學(xué)數(shù)據(jù)》（Scientific Data）雜志發(fā)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(tǒng)測算了中國1997至2017年縣級二氧化碳排放和陸地植被系統(tǒng)固碳量的數(shù)據(jù)，彌補(bǔ)了當(dāng)前基礎(chǔ)數(shù)據(jù)的不足,，對于當(dāng)前中國國家層面實(shí)現(xiàn)“碳達(dá)峰”“碳中和”等目標(biāo)和制定更加微觀的減排戰(zhàn)略具有重要的現(xiàn)實(shí)意義,。同時(shí)，文章關(guān)于植被固碳的研究開啟了中國植被固碳研究的新領(lǐng)域,。該研究的學(xué)術(shù)價(jià)值還在于研究的視角和方法對于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(cái)經(jīng)大學(xué)公共管理學(xué)院教授陳建東表示,，隨著中國二氧化碳減排戰(zhàn)略自上而下的實(shí)施，更加微觀的地區(qū)差異應(yīng)該得到考慮,。相比省和市一級來講,，區(qū)縣級的二氧化碳排放數(shù)據(jù)包含了更加豐富的信息，也能更加細(xì)致地反映區(qū)域的異質(zhì)性,，從而有利于政府部門因地制宜地實(shí)施減排政策,。同時(shí)，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(dāng)前關(guān)于中國區(qū)域?qū)蛹壷脖还潭ㄌ紖R的研究非常稀少,，但該領(lǐng)域?qū)τ谖磥砭C合評價(jià)中國“退耕還林”“退牧育草”政策下的減排效果具有重要的現(xiàn)實(shí)價(jià)值。

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(shí)上，當(dāng)前僅基于統(tǒng)計(jì)局等官方機(jī)構(gòu)發(fā)布的數(shù)據(jù)源,，其無論是時(shí)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(yùn)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(bǔ)。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(gè)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(dòng)息息相關(guān)，而被廣泛運(yùn)用在估計(jì)GDP,、反演污染物排放的人口估計(jì)等各個(gè)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(yùn)用夜間燈光數(shù)據(jù)的時(shí)候，我們遇到了一個(gè)巨大的挑戰(zhàn),?！标惤|表示，雖然兩套衛(wèi)星數(shù)據(jù)合起來的時(shí)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(shí)上,，整個(gè)過程并不容易,。高明首先嘗試了計(jì)量經(jīng)濟(jì)學(xué)模型（可變系數(shù)隨機(jī)模型和固定效應(yīng)模型），但擬合效果并不讓人滿意,?？紤]到人工智能算法在擬合非線性關(guān)系方面比一般的計(jì)量經(jīng)濟(jì)學(xué)模型具有更好的優(yōu)勢，高明進(jìn)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(jìn)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(shí)，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。

中國的二氧化碳排放一直是學(xué)術(shù)界關(guān)注的重要領(lǐng)域,。陳建東表示,，該項(xiàng)研究提供的數(shù)據(jù)將會極大促進(jìn)有關(guān)中國二氧化碳的研究。首先,，該研究提供了可能是目前時(shí)間跨度最長,、覆蓋面最廣的區(qū)縣級二氧化碳排放數(shù)據(jù)。同時(shí),，更為重要的是,，首次測算了2001-2017年中國區(qū)縣級的陸地植被固碳量，這對于當(dāng)前的碳達(dá)峰預(yù)測,、碳中和等研究具有重要的價(jià)值,。其次，基于粒子群優(yōu)化-反向傳播（PSO-BP）算法，統(tǒng)一了DMSP/OLS和NPP/VIIRS衛(wèi)星圖像,，從而得到了高質(zhì)量的長時(shí)間跨度的穩(wěn)定夜間燈光數(shù)據(jù),，該數(shù)據(jù)不僅對遙感領(lǐng)域具有推動(dòng)作用，而且對于今后人口分布,、GDP預(yù)測和污染物估計(jì)等也具有重要的參考價(jià)值,。

此外，陳建東表示,，該項(xiàng)研究的作者是由國內(nèi)外眾多不同學(xué)科的學(xué)者組成，他們?yōu)樵撜撐牡耐瓿勺鞒隽酥匾暙I(xiàn),。該論文一經(jīng)發(fā)表就被CEADS公眾號（中國碳排放數(shù)據(jù)庫,，該庫由英國研究理事會、牛頓基金會,、中國國家自然科學(xué)基金委員會,、中國科學(xué)院等多家研究機(jī)構(gòu)共同成立）轉(zhuǎn)發(fā)，短時(shí)間吸引了大批同行的關(guān)注,。（校對陳延輝）