中国经济在高速发展的过程当中,由于工业生产和人口活动造成了化石能源的大量消耗,与之伴随的是二氧化碳的巨大排放。现今,中国已经跃居成为世界上最大的碳排放国家。近几年,虽然我国碳排放的增长趋势有所放缓,但是由于我国拥有着庞大的能源消耗基数,每年仍要向大气中排放大量二氧化碳。面对环境恶化的严峻形势,我国正承担着巨大的节能减排责任。获取准确的碳排放分布数据,是开展精准减排工作的前提与重点。目前我国能源消耗碳排放量数据主要是通过统计年鉴当中化石能源消耗总量计算而来。但是由于国家级、省级和地市级统计数据口径的不一致,以及大量地市及以下行政尺度统计数据的缺失,造成目前我国大部分碳排放研究工作只能针对省级区域和部分发达城市开展。由美国国防部气象卫星计划(Defence Meteorological Satellite Program,DMSP)搭载的(Operational Linescan System,OLS)传感器能够对地探测来自城市、乡镇、工业场所、油气燃烧、以及诸如火灾和闪电照明云等短暂事件的亮光,因此DMSP/OLS夜间灯光遥感数据能够客观真实的反映人类活动情况。国内外大量学者的研究表明,夜间灯光量与能源消耗碳排放量之间存在着很强的相关关系。本文旨在利用遗传神经网络构建夜间灯光数据与能源消耗碳排放量之间的关系模型,从而借助灯光数据更为客观准确估计地区的能源消耗碳排放量,为我国能源碳排放研究工作提供数据参考。本文针对灯光数据的预处理、能源消耗碳排放数据计算、能源消耗碳排放时空分布分析以及灯光-碳排放模型构建等方面完成了如下研究。(1)本文采用Elvidge等人2009年提出的互校正方法,对我国1992~2013年F10、F12、F14、F15、F16和F18传感器获取的34幅年度灯光影像进行同年度多传感器影像融合以及多年间影像互校正工作,计算得到各传感器获取的灯光影像与2006年F16卫星获取影像之间的转换系数。(2)利用2004~2013年广东省21个地级市的统计年鉴数据,计算得到了十年间广东省各地市能源消耗二氧化碳的排放量。通过时间趋势分析,发现珠三角地区大部分城市碳排放增长速率处于整体放缓的趋势。通过计算全局Moran’s I指数,对广东省能源消耗碳排放的空间自相关情况进行分析,发现广东省能源消耗碳排放在整体上属于高值聚集。通过计算局部Moran’s I指数,分析广东省各地级市的碳排放空间自相关关系。发现广州、东莞和深圳表现为碳排放的空间高值聚集,惠州和佛山两个城市的碳排放空间聚类特征在十年间由高值包含低值异常变成了高值聚集,而清远市则由碳排放的空间低值聚集变成了没有明显的聚类特征。总体而言,珠三角地区为广东省能源消耗碳排放的高值聚集区,这也与广东省常住人口和GDP总量空间分布特征相一致。此外通过对广东省各地市的校正灯光影像进行空间自相关分析,发现从空间相关性角度而言,广东省分市夜间灯光量与能源消耗碳排放量在聚类特征上表现很强的相似性。(3)利用遗传神经网络构建灯光-能源消耗碳排放估计模型,并对广东省各地级市的能源消耗碳排放量进行计算。实验结果证明,利用该模型对2013年广东省21个地市的能源消耗碳排放量进行估计,得到大部分地市的能源碳排放估计值相对误差在30%以内,估计值平均相对误差为18.14%。相比之下,利用地区灯光量、常住人口和地区第三产业生产总值构建的化石能源消耗碳排放多元回归模型的外推值平均相对误差33.43%。可以看出遗传神经网络模型对于广东省地市级的能源消耗碳排放量有着更为准确的估计精度。不仅如此,利用分省校正灯光数据与统计数据共同训练的遗传神经网络对我国除港、澳、台、藏之外的30个省级行政单位2013年的能源消耗碳排放量进行估计,得到估计值的平均相对误差为20.57%。而对于2007~2013年广州市区与县级市的能源碳排放量估计,遗传神经网络估计值的平均相对误差为2.58%。可以发现,利用遗传神经网络对于省级和区县级的能源消耗碳排放量估计也有着很好的效果,这为我国各级行政单位的能源消耗碳排放研究提供了一定的数据支持和参考。