一种基于回归树模型的碳排放量测算方法技术

本发明专利技术公开了一种基于回归树模型的碳排放量测算方法，步骤如下：S1、分析碳排放的来源和变化影响因子；碳排放来源和变化影响因子包括但不限于以下内容：化石燃料二氧化碳排放数据(ODIAC)、夜光数据、道路交通数据、地形因子，将各数据进行预处理并统一到相同的分辨率，进行数据匹配；S2、将处理后的变量数据组成建模数据集，利用回归树模型对匹配数据集进行建模；S3、统计每日的所有数据，利用搭建好的碳排放预测模型进行预测，得到区域全覆盖的日尺度碳排放数据集。本发明专利技术采用上述的一种基于回归树模型的碳排放量测算方法，获得高时空分辨率的、高覆盖度的区域碳排放数据集。高覆盖度的区域碳排放数据集。高覆盖度的区域碳排放数据集。

【技术实现步骤摘要】
一种基于回归树模型的碳排放量测算方法


[0001]本专利技术涉及碳排放预测
，尤其是涉及一种基于回归树模型的碳排放量测算方法。

技术介绍

[0002]随着工业化快速发展，人类活动导致的气候变化问题已成为人类面临的全球性问题。以二氧化碳为主的温室气体的过度排放成为影响全球气候变化的主要因素，导致全球变暖，加剧气候气候系统的不稳定性，使台风、干旱、高温寒潮等极端天气频发，制约了经济的发展，影响社会稳定和环境保护。
[0003]现有的碳排放测算方法按照设计思路大致可分为两类，第一类是直接测算方法，即“自下而上”的从排放的源头出发估算碳排放量；第二类是间接测算方法，即“自上而下”的基于各类观测数据，从碳排放的来源和去向的影响因素出发，间接的估算碳排放量。
[0004]目前，被广泛使用的“自下而上”的碳排放的测算方法有3种。第一种是排放因子法，这是由政府间气候变化专门委员会(IPCC)提出的，其基本的思路是基于标准化协议，化石能源生产和消耗等各类经济活动数据与不同部门来源的预先计算的排放因子相结合直接计算出对应的碳排放测算值，是使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于回归树模型的碳排放量测算方法，其特征在于，步骤如下：S1、将数据导入CPU中，分析碳排放的来源和变化影响因子；碳排放来源和变化影响因子包括但不限于以下内容：化石燃料二氧化碳排放数据ODIAC、夜光数据、道路交通数据、地形因子，将各数据进行预处理并统一到相同的分辨率，进行数据匹配；S2、将处理后的变量数据组成建模数据集，利用回归树模型对匹配数据集进行建模；S3、统计每日的所有数据，利用搭建好的碳排放预测模型进行预测，得到区域全覆盖的日尺度碳排放数据集。2.根据权利要求1所述的一种基于回归树模型的碳排放量测算方法，其特征在于，步骤S1中，数据进行预处理并统一到相同分辨率的方法为：利用化石燃料CO2排放数据ODIAC，其空间分辨率为1km
×
1km，时间分辨率为1月和1年，月度碳排放数据是由年度的碳排放数据根据碳排放季节变化分解得到的；其覆盖范围包含城市区域，同时其排放数据包含了区域整体的面源排放和发电厂的点源排放，因此进行分解获取面源排放数据；利用NPP卫星系统上搭载的可见光红外成像辐射仪VIIRS提供的VNP46A2数据，其空间分辨率为15弧秒
×
15弧秒，时间分辨率为1天，通过高斯低通滤波去除噪声；利用CEC北美环境地图集的10米比例的路网数据，计算区域内道路影响的权重；将ODIAC数据、VIIRS/NPP数据、道路交通数据、地形和时间参数的数据在时间上统计到月平均，空间上统一到0.01
×
0.01网格内，获取建模数据集。3.根据权利要求1所述的一种基于回归树模型的碳排放量测算方法，其特征在于，步骤S2中，建模方法为：通过匹配的数据集，利用回归树模型进行建模，并调整回归树中主要参数，并采用三种精度验证方式对模型精度进行评估，分别是直接拟合结果对比、基于时间序列的十折交叉验证结果对比、基于空间位置的十折交叉验证结果对比。4.根据权利要求3所述的一种基于回归树模型的碳排放量测算方法，其特征在于，回归树模型构建的流程如下：(1)选择最佳待切分特征，首先，遍历数据集对应特征的所有特征值，计算按该特征值进行数据集二分时的误差；然后，选择使得切分后的两个子集的误差最小的特征及其相应值作为最佳切分特征值；子集误差用基尼指数表示，基尼指数表示一个随机选中的样本被分错的概率，计算公式如下：p
...

【专利技术属性】
技术研发人员：王威，金志立，何俊辰，张仪潇，
申请(专利权)人：中南大学，
类型：发明
国别省市：