【技术实现步骤摘要】
本专利技术属于碳排放测算，涉及一种基于多变量cnn卷积神经网络的县域能源消费碳排放测算方法。
技术介绍
1、气候变暖是当今人类面临的最大挑战之一，近年来温室效应引起的极端天气、海平面上升等问题带来巨大危害。不仅需要国家层面社会经济和产业结构的系统性变革，更需要区域层面节能降碳的具体行动。因此，需要从县域层次分析碳排放的空间差异性、依赖性和影响因素的空间异质性，为制定合理的差异化碳减排政策和发展绿色低碳经济提供科学依据，都离不开对县域能源消费碳排放的测算。长时序大范围碳排放的精准监测一直是碳排放相关研究的重点内容之一。夜间灯光数据是较为常用的空间解析变量，能有效地反应人类社会的活动强度，夜间灯光数据相比于统计数据具有经济性好、时效性强、连续时间跨度大和空间覆盖范围广的优点，越来越多的学者开始使用夜间灯光遥感数据对碳排放进行空间化估算。但仅用夜间灯光数据不能全面反映出该地区的碳排放情况，建模精度不高。因此，需要引入其他对碳排放量影响较大的因素，改进建模方法，提高碳排放测算精度。
技术实现思路
...
【技术保护点】
1.一种基于多变量CNN卷积神经网络的县域能源消费碳排放测算方法，其特征在于，具体包括如下步骤：
2.如权利要求1所述的一种基于多变量CNN卷积神经网络的县域能源消费碳排放测算方法，其特征在于，所述步骤1包括如下子步骤：
3.如权利要求1所述的一种基于多变量CNN卷积神经网络的县域能源消费碳排放测算方法，步骤2具有步骤如下：
4.如权利要求1所述的一种基于多变量CNN卷积神经网络的县域能源消费碳排放测算方法，其特征在于，步骤3具体包括如下子步骤：
5.如权利要求1所述的一种基于多变量CNN卷积神经网络的县域能源消费碳排放...
【技术特征摘要】
1.一种基于多变量cnn卷积神经网络的县域能源消费碳排放测算方法，其特征在于，具体包括如下步骤：
2.如权利要求1所述的一种基于多变量cnn卷积神经网络的县域能源消费碳排放测算方法，其特征在于，所述步骤1包括如下子步骤：
3.如权利要求1所述的一种基于多变量cnn卷积神经网络的县域能源消费碳排放测算方法，步骤2具有步骤如下：
4.如权利要求1所述的一种基于多变量cnn卷积神经网络的县域能源消费碳排放测算方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。