英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
利用夜光遥感模型估算中国城市规模的氮氧化物排放量
摘要:由于氮氧化物与恶化的雾霾和气候变化有关，因此在快速发展的地区氮氧化物（NOx）排放的增加一直备受关注。然而，存在很少的地理特定数据用于估计NOx排放的时空趋势。为了量化NOx排放的空间和时间变化，开发了一种基于卫星气象卫星计划/运行线扫描系统（DMSP / OLS）的人工夜间稳定光（NSL）连续卫星观测的空间直观方法来估算来自化石燃料燃烧的最大排放源的NOx排放。基于NSL的模型建立了三种类型的数据，包括夜间稳定光的卫星数据，行政边界的地理数据和中国的省级能源消耗，其中在与第9个相对应的三个政策阶段中NOx排放显着增长。第十一个五年计划（五年计划，1995-2010）。在研究期间，估计的国家氮氧化物排放量每年增加8.2％，而基于NSL的模型估计的中国每年氮氧化物总排放量比先前的估计值高出约4.1％-13.8％。然后通过Moran的I指数评估城市规模的NOx排放的时空变化。在1995 - 2010年期间，用于测量中国氮氧化物排放空间聚集的全球莫兰一号指数增长了50.7％。虽然自2005年以来内陆城市对排放增长的贡献大于较发达的沿海城市，但京津冀地区，长江三角洲和珠江三角洲的高浓度氮氧化物排放依然存在。是减少氮氧化物的主要焦点。我们的结果表明，现成的DMSP / OLS夜间稳定灯模型可以成为一种易于获取和有效的工具，用于实现减少NOx的战略决策。
1、简介
由于发展中国家许多地区的快速排放增长，估算氮氧化物（NOx）的排放越来越重要。高NOx排放直接或间接地导致不利的环境后果，包括通过氮气级联从地方到全球范围的雾霾，酸沉积和气候变化（Erisman等，2011； Huang等，2014a； Liu等，2013； Zien等，2014）。在热电供应、工业生产和运输的化石燃料燃烧不断增加的推动下，快速发展的亚洲和中东国家的氮氧化物排放量每年增加5％至10％（Hilboll等，2013）。与二氧化碳，甲烷和其他大气污染物（如二氧化硫）等直接温室气体相比，其增长速度要快得多（IPCC，2013； Klimont等，2013），减少氮氧化物排放已成为最关键的问题。这些领域。作为减缓决策的基础，确定排放源和估算排放的有效方法是必要的（Liu et al，2015）。因此，必须量化化石燃料燃烧的NOx排放的时空模式，以改进NOx减排决策。
通过几种方法估算了大时空尺度的人为NOx排放。自下而上的排放清单通过人类活动和排放因子的统计数据计算国家或省级的氮氧化物排放量，然后通过人类住区，发电厂的地理坐标和工业设施等空间代理将总排放量分配给网格（Kurokawa等，2013； Olivier等，1996； Zhao等，2013）。然而，缺乏经过验证的高分辨率人类活动数据，特别是对发展中国家而言，可能会产生很大的不确定性（Zhao等，2011）。此外，收集有效统计数据所需的持续时间总是会导致延迟的排放清单，这对于减少氮氧化物排放的良好策略至关重要。因此，研究人员越来越关注自上而下的卫星方法，以便及时绘制氮氧化物排放的空间变化。通常，通过从卫星传感器检索的对流层NO2柱数据估算总体NOx排放，例如全球臭氧监测实验（GOME），臭氧监测仪器（OMI）和用于大气制图的扫描成像吸收光谱仪（SCIAMACHY）（Hilboll等）al，2013； Lamsal等，2011）。然而，与NO2柱计算和模型参数（如云干扰）相关的不确定性（Boersma等，2004； Martin，2008），将人为排放与测量的总排放区分开来的困难，限制了其在NOx的战略决策中的应用。减轻
这里开发的概念验证方法是将省级人类活动清单和反映时空变化的夜间光的卫星数据结合起来。自1976年以来，国防气象卫星计划的操作线扫描系统（DMSP / OLS）一直在监测全球夜间照明的分布和亮度（Elvidge等，2007）。由DMSP / OLS产生的夜间稳定光（NSL）可以检测来自人类定居点，工业场所和道路网络的人造夜间照明，最大分辨率为0.0083°（约1000米），同时排除云，太阳和月光的干扰（Elvidge）等，1997； NOAA，2015）。NSL被认为是人类活动的理想指标，因为它可以在连续的时间段内以高分辨率提供空间清晰的图像。它已经证明了它与能量消耗的强相关性（Letu等人，2010； Letu等人，2014），并且已经开发并验证了几种回归模型，以通过DMSP / OLS图像的像素数字数据来估算与化石燃料相关的CO2排放。（Doll等，2000； Ghosh等，2010； Su等，2014）。由于化石燃料消耗也是氮氧化物排放的最大来源（Kato和Akimoto，1992），因此夜间照明遥感数据估算氮氧化物排放量的潜力很大，而以前的研究很少对其进行探索。Toenges-Schuller等人的唯一作品。（2006）报道了EDGAR清单估算的全球NSL图像与网格化NOx排放之间的相关系数为0.79。然而，是否以及如何使用夜间照明数据来估算特定地理区域不同尺度的氮氧化物排放的空间和时间变化仍有待研究。
中国占全球氮氧化物排放量的10％以上（Hilboll等，2013； Richter等，2005）。为了减少中国快速增长的氮氧化物排放的影响，政府通过调整能源结构，提高能源效率和促进减排技术，采取了适合京津冀地区，长江三角洲和珠江三角洲的区域特定减缓战略。最近发布的“大气污染防治行动计划”（中国国务院，2013年）。因此，及时量化能源衍生的NOx排放的空间差异和时间变化对于协助区域污染控制的合理决策变得尤为重要。然而，使用用于NOx排放的空间估计的能量消耗活动的地理特定数据存在数据和知识差距。因此，本研究的目的是开发一种基于DMSP / OLS夜间光图像的新方法，利用中国的数据作为案例研究来估算化石燃料燃烧产生的NOx排放。基于DMSP / OLS得出的NSL数据和库存法估算的省级NOx排放，建立了中国城市规模NOx排放估算的回归模型，并通过16年模拟验证了基于NSL的模型的可行性。在第9至第11个五年计划期间（1995-2010）。这项工作有望量化氮氧化物排放的时空变化，作为决策者及时制定中国清洁空气氮氧化物减排战略的基础。
2.数据和方法
2.1研究区域和使用的数据
中国大陆的夜间光数据用于测试夜间光数据的潜力，以估算NOx排放的时空变化。在中国的34个省和地区中，我们通过排除四个地区（香港，澳门，台湾和西藏），对30个省份的330个地区城市的氮氧化物排放进行了研究，其中没有完整的能源数据。为了与中国的经济和环境政策规划周期保持一致，我们选择了第九至十一个五年计划（1995-2010）作为研究期。
本研究使用了三种类型的数据：卫星夜间稳定光源，中国行政边界的地理数据和省级能源消耗。1995 - 2010年期间年度DMSP / OLS夜间稳定灯的时间序列数据集来自国家海洋和大气管理局（NOAA）/国家地理数据中心（NGDC）网站（http://ngdc.noaa.gov/eog/）DMSP / downloadV4composites.html）。DMSP / OLS卫星每24小时提供全球夜间覆盖，每天14个轨道，夜间通行时间通常在当地时间20:30至21:30之间（Elvidge等，2001）。夜间稳定光数据集是每年可用的所有存档DMSP / OLS数据的年度综合，并且使用1120 J范围内每个像素的数字数字（DN）值。/ Science of the Total Environment 544（2016）1119-1127 0-63表示人类居住区，工业场所和其他持久照明场所的人为光亮度（Elvidge等，1997）。由于来自五个不同卫星传感器（DMSP F10，F12，F14，F15，F16）的NSL时间序列数据可能导致年际不可比性，并且城市中心的像素饱和度可能影响准确度，原始数据通过不变区域方法校准（Wu et al，2013）。中国国家地质中心提供的城市规模行政边界地图（http：// ngcc.sbsm.gov.cn/）用于将NSL像素的DN聚合到省或城市尺度，然后应用于估算相应尺度的NOx排放量。
省能源消费数据来自中国国家统计局公布的省级能源平衡表。收集四个主要部门的化石燃料消耗数据，即火力发电厂（包括电力和供热），工业，住宅和运输，以通过自下而上的排放清单方法计算省NOx排放量（Eq.1），
其中E（t）代表t年的NOx排放，它结合了所有四个排放部门（i）和燃料类型（j）；EF，Q和eta;分别是NOx排放因子，每个部门的燃料消耗量和污染控制努力的氮去除效率。工业生产，住宅用途和运输的电力和供热消耗的间接排放都计入火电厂部门，以避免重复计算。四个部门中每种化石燃料的排放因子来自Kato和Akimoto（1992）（表S1），这是中国应用最广泛的NOx排放因子数据集（Cui et al，2013； Gu et al，2013； Hao等，2002）。根据Zhang等人的年际动态排放因子估算了1995 - 2004年氮素去除效率的时间序列。（2007）和2005-2010数据由自回归整合移动平均（ARIMA）时间序列模型预测（Contreras等，2003）。
2.2通过夜间照明数据模拟NOx排放
2.2.1使用夜间灯来估算NOx排放的基本理由
能源工业（电力和供热），工业生产，住宅和交通的化石燃料燃烧占全球人为氮氧化物排放总量的80％以上（EDGAR，2011）。在每个部门内，可以在NOx排放和夜间照明之间推断出直接（因果）或间接关系。由于夜间灯光直接反映了照明的耗电量，因此DMSP / OLS稳定灯与火力发电厂的碳排放之间的相关性（也来自像NOx这样的化石燃料燃烧）已被证明是显着的（Letu等，2014）。在中国的氮氧化物排放中可以合理地假设类似的相关性，其中使用煤，天然气，煤气和原油的火电厂占电力供应的80％（中国电力企业联合会，2012）。对于化石燃料消耗不一定导致夜间光排放的其他排放部门，例如工业制造过程和住宅烹饪，也可以发现间接关系，因为DMSP / OLS NSL数据与人口和经济发展密切相关（Huang等，2014b），这是工业生产，住宅和运输活动的主要推动力。然而，无论这些直接和间接的关系如何，值得注意的是，我们在这里的尝试不是提供夜间灯和NOx排放之间的因果关系。相反，我们假设可以在DMSP / OLS NSL亮度和来自各种能量消耗活动的NOx排放之间建立诸如正相关的预测模型。
2.2.2建立基于NSL的回归模型
先前的研究发现NSL的网格数值与化石燃料衍生的CO2排放之间存在强烈的线性相关性（Ghosh等，2010； Letu等，2014），而其他研究报告显着的功率相关性（Doll等，2000）。因此，我们分析了DMSP / OLS NSL和NOx排放之间的线性和功率回归模型。选择1995年，2000年，2002年，2005年，2008年和2010年各省的NSL图像的NOx排放和累积网格DN值的省级统计数据进行回归分析。首先分析了每年的相关性（图S1），以确保NOx排放和NSL数据之间的关系没有明显的年际差异，并且面板数据符合回归建模的要求。普通最小二乘模型用于线性回归，而异速生长模型用于非线性幂回归。然后进行t检验以测试相关性的显着性。
一些地区的夜间照明强度极低，但火力发电厂和工业生产（如内蒙古自治区和江西省）的化石燃料消耗量不成比例。为了区分这种能量结构，我们通过聚类进行了第三次回归建模。在整个研究期间使用排放/ DN比率和平方欧氏距离法，发现两个省份是合适的。因此，NOx排放和NSL之间的相关性由两个簇分别确定。
2.3分析NOx排放的时空变化
在政策制定过程中，氮氧化物排放的时空模式至关重要，以便在不同空间和时间尺度的不同区域之间优先考虑和制定减少氮氧化物的长期计划。为了测试模型性能作为政策决策的辅助，我们采用全球和当地的Morans I指数（Anselin等，1996）来评估中国NOx排放的时空变化。全球Morans I表示全国范围的空间相关性，而当地的Morans I表示邻近城市之间的本地相似性。在范围为[-1，1]的情况下，Moran的I表示空间自相关和相似性（I gt;0），空间异质性（I lt; 0）和完全随机性（I = 0）。此外，z分数用于测试空间相关性的重要性。如果两个相邻城市的z得分高于1.96（p lt;0.05），则城市在NOx排放模式方面在高 - 高集群或低 - 低集群中具有显着相似性。同样，如果zscore低于-1.96（p b 0.05），则城市可归类为具有显着变化的群集城市（高低群集或低高群集）。所有空间分析均由ArcGIS 10.2（环境系统研究所，美国雷德兰兹）进行。
3.结果
3.1基于DMSP / OLS夜间照明的NOx排放模型
省NOx排放量（Gg yr-1）和NSL累积网格DN之间的回归结果如图1所示。在这三个模型中，聚类线性回归（图1c）呈现出最高的相关性（R2 = 0.948，0.950）最低残差平方和（RSS = 0.904 Tg2，4.428 Tg2）。这种相关性也高于之前报道的CO2排放和NSL之间的相关性（R2 = 0.83，Su等人，2014； R2 = 0.84-0.92，Letu等人，2014）。第一组省份（包括内蒙古，江西，湖北，湖南，四川和贵州）的坡度值比第二类省份（包括其余24个省份）高55.1％。通过排除这一小部分（30个省中的6个）的高排放/ DN区域，斜率从0.725plusmn;0.015（图1a）变为0.696plusmn;0.014（图1c中的第II组）的聚类回归可能导致改进的NOx排放估算。因此，我们在随后的分析中选择了聚类线性模型（图1c）来估算中国的NOx排放。
图1.氮氧化物排放与DMSP / OLS夜间稳定光的累积数字数（DN）值之间的关系：（a）线性回归，（b）功率回归，（c）聚类线性回归。1995年，2000年，200
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[19576]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
