基于卫星灯光数据的我国省域电力消费模拟研究

基于卫星灯光数据的我国省域　电力消费模拟研究　马忠玉，肖宏伟　（国家信息中心，北京１０００４５）　摘要：本文利用美国国家海洋和大气管理局发布的全球卫星夜间灯光数据，在通过相互校　准、同年度融合、年度问系统校准等处理得到我国省域夜间灯光数据的基础上，构建了我国省　域卫星夜间灯光亮度ＤＮ值与人均电力消费量之间的时空地理加权回归模型，并对我国省域电　力消费量进行了模拟。模拟结果显示，无论是全国整体还是各省域，２００６—２０１３年年均用电　量模拟值与实际值较为吻合，全国整体年均用电量的相对误差为０．２％，大部分省域的相对误　差在１％以内；分年度分省域用电量来看，大部分省域的相对误差在５％以内。运用卫星灯光　数据可以较为准确快速地对我国省域电力消费量进行估算和预测，为卫星大数据时代“透过区　域看全国，透过电力看经济”进行电力经济监测分析奠定了基础。　关键词：电力消费；ＤＭＳＰ／ＯＬＳ数据；灯光亮度ＤＮ值；数据校准；时空地理加权回归　中图分类号：Ｆ２０６文献标识码：Ａ文章编号：１００３．２３５５．（２０１７）０１．０００６—０５　Ｄｏｉ：１０－３９６９　．ｉｓｓｎ．１００３．２３５５．２０１７．０１．００１　Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｇｌｏｂａｌ　ｎｉｇｈｔｔｉｍｅ　ｌｉｇｈｔｉｎｇ　ｄａｔａ　ｒｅｌｅａｓｅｄ　ｂｙ　ｔｈｅ　ＵＳ　Ｎａｔｉｏｎａｌ　Ｏｃｅａｎｉｃ　ａｎｄ　Ａｔｍｏｓｐｈｅｒｉｃ　Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，ｔｈｉｓ　ｐａｐｅｒ　ｇｅｔｓ　Ｃｈｉｎａ’Ｓ　ｐｒｏｖｉｎｃｉａｌ　ｎｉｇｈｔｔｉｍｅ　ｌｉｇｈｔｉｎｇ　ｄａｔａ　ａｆｔｅｒ　ａｐｐｌｙｉｎｇ　ｉｎｔｅｒ－ｃａｌｉｂｒａｔｉｏｎ，ｉｎｔｒａ－ａｎｎｕａｌ　ｃｏｍｐｏｓｉｔｉｏｎ，ｉｎｔｅｒ－ａｎｎｕａｌ　ｓｅｒｉｅｓ　ｃｏｒｒｅｃｔｉｏｎ　ａｎｄ　ＳＯ　ｏｎ，ｔｈｅｎ　ｂｕｉｌｄｓ　ｔｈｅ　ｓｐａｔｉｏｔｅｍｐｏｒａｌ　ｇｅｏｇｒａｐｈｙ　ｗｅｉｇｈｔｅｄ　ｒｅｇｒｅｓｓｉｏｎ　ｍｏｄｅｌ　ｂｅｔｗｅｅｎ　ＤＮ　ｖａｌｕｅ　ｏｆ　Ｃｈｉｎａ’Ｓ　ｐｒｏｖｉｎｃｉａｌ　ｎｉｇｈｔｔｉｍｅ　ｌｉｇｈｔｉｎｇ　ｄｅｎｓｉｔｙ　ａｎｄ　ｐｏｗｅｒ　ｃｏｎｓｕｍｐｔｉｏｎ　ｐｅｒ　ｃａｐｉｔａ，ａｔ　ｌａｓｔ，　ｓｉｍｕｌａｔｅｓ　Ｃｈｉｎａ’Ｓ　ｐｒｏｖｉｎｃｉａｌ　ｅｌｅｃｔｒｉｃｉｙ　ｔｃｏｎｓｕｍｐｔｉｏｎ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ，ｗｈｅｔｈｅｒ　ｉｔ　ｉｓ　ｔｈｅ　ｗｈｏｌｅ　ｃｏｕｎｔｒｙ　ｏｒ　ｔｈｅ　ｐｒｏｖｉｎｃｅｓ，ｔｈｅ　ａｖｅｒａｇｅ　ａｎｎｕａｌ　ｅｌｅｃｔｒｉｃｉｙ　ｃｏｎｓｕｍｐｔｔｉｏｎ　ｉｎ　２００６—２０　１　３　ｉｓ　ｉｎ　ｇｏｏｄ　ａｇｒｅｅｍｅｎｔ　ｗｉｔｈ　ｔｈｅ　ａｃｔｕａｌ　ｖａｌｕｅ．　Ｔｈｅ　ｒｅｌａｔｉｖｅ　ｅｒｒｏｒ　ｏｆ　ｔｈｅ　ｗｈｏｌｅ　ｃｏｕｎｔｒｙ　ｉｓ　０．２％．ａｎｄ　ｔｈｅ　ｒｅｌａｔｉｖｅ　ｅｒｒｏｒｓ　ｏｆ　ｍｏｓｔ　ｐｒｏｖｉｎｃｅｓ　ａｒｅ　ｗｉｔｈｉｎ　１％．Ｆｒｏｍ　ｔｈｅ　ｖｉｅｗ　ｏｆ　ｅａｃｈ　ｐｒｏｖｉｎｃｅ’Ｓ　ａｎｎｕａｌ　ｅｌｅｃｔｒｉｃｉｔｙ　ｃｏｎｓｕｍｐｔｉｏｎ．ｔｈｅ　ｒｅｌａｔｉｖｅ　ｅｒｒｏｒｓ　ｏｆ　ｍｏｓｔ　ｐｒｏｖｉｎｃｅｓ　ａｒｅ　ｌｅｓｓ　ｔｈａｎ　５％．Ｔｈｅ　ｓａｔｅｌｌｉｔｅ　ｌｉｇｈｔｉｎｇ　ｄａｔａ　ｃａｎ　ｂｅ　ｕｓｅｄ　ｔｏ　ｅｓｔｉｍａｔｅ　ａｎｄ　ｆｏｒｅｃａｓｔ　ｔｈｅ　ｐｏｗｅｒ　ｃｏｎｓｕｍｐｔｉｏｎ　ｏｆ　Ｃｈｉｎａ’Ｓ　ｐｒｏｖｉｎｃｅｓ　ｉｎ　ａ　ｍｏｒｅ　ａｃｃｕｒａｔｅ　ａｎｄ　ｓｐｅｅｄｙ　ｗａｙ，ａｎｄ　ｂｕｉｌｄｓ　ｔｈｅ　ｆｏｕｎｄａｔｉｏｎ　ｆｏｒ　ｔｈｅ　ｅｃｏｎｏｍｉｃ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｅｌｅｃｔｒｉｃ　ｐｏｗｅｒ　ｅｃｏｎｏｍｙ　ｊｕｓｔ　ｌｉｋｅ‘‘ｌｏｏｋｉｎｇ　ａｔ　ｔｈｅ　ｗｈｏｌｅ　ｃｏｕｎｔｙ　ｒｔｈｒｏｕｇｈ　ｔｈｅ　ｒｅｇｉｏｎ　ａｎｄ　ｓｅｅｉｎｇ　ｔｈｅ　ｅｃｏｎｏｍｙ　ｔｈｒｏｕｇｈ　ｅｌｅｃｔｒｉｃｉｙ”ｉｔｎ　ｔｈｅ　ｅｒａ　ｏｆ　ｓａｔｅｌｌｉｔｅ　ｌａｒｇｅ　ｄａｔａ．　Ｋｅｙ　ｗｏｒｄｓ：Ｐｏｗｅｒ　Ｃｏｎｓｕｍｐｔｉｏｎ；ＤＭＳＰ／ＯＬＳ　Ｄａｔａ；Ｌｉｇｈｔｉｎｇ　Ｄｅｎｓｉｔｙ　ＤＮ　Ｖａｌｕｅ；Ｄａｔａ　Ｃａｌｉｂｒａｔｉｏｎ；　Ｇｅｏｇｒａｐｈｉｃａｌｌｙ　ａｎｄ　Ｔｅｍｐｏｒａｌｌｙ　Ｗｅｉｇｈｔｅｄ　Ｒｅｇｒｅｓｓｉｏｎ　１　引言　电力是经济运行的“神经”和“血脉”，也是　反映经济走势的重要“风向标”和“晴雨表”。当　前，我国经济进入一个由高速增长向中高速增长　收稿日期：２０１６—１２—１２　转型调整和区域经济日益分化的新周期，相应地，　我国电力消费亦进人“增速换挡、结构优化、动力　转换、区域分化”的新常态。经济发展，电力先　行，电力消费被誉为经济发展的先行指标，其增　基金项目：国家重点研发计划项目（编号：２０１６ＹＦＡ０６０２６０１）；国家自然科学基金项目（编号：７１５７３０６２）；　作者简介：马忠玉（１９６３一），男，宁夏吴忠人，研究员，国家信息中心副主任，中国人民大学环境学院博士生导师，研究方向为环境经济　学和能源经济学。　６／中回鼢澎・ＥＮＥＲＧＹ　ＯＦ　ＣＨＩＮＡ　ｘｐｅｒｔ　Ａｎａｌｙｓｌｓ　幅的变化一定程度上折射出宏观经济走向。目前，　国内外卫星遥感技术和应用水平Ｅｌ益提高，逐步　县级尺度上的电力消费量空间结构进行了模拟，　模拟结果显示，电力消费量模拟精度达到７０％左　形成了立体、、高中低分辨率结合的全球空　地综合观测体系，如何利用卫星遥感数据对省域　电力消费进行快速预测，进而透过区域看全国、　通过电力看经济来把脉宏观经济走势，成为当前　经济新常态下亟须解决的重大课题。　右，能够较为可靠地反映我国１９９５－－２００８年电　力消费量的时空变化，表明利用夜间灯光数据对　电力消费量进行测算具有一定的可行性［８］。杨续　超等（２０１３）在利用夜间灯光数据和植被之间的互　补性构建人居指数的基础上，建立人居指数与电　力消费量之间的空间化模型，对浙江省电力消费　量进行了估算，估算结果显示，平均相对误差为　２６％［９】。朱林富（２０１５）利用ＤＭＳＰ／ＯＬＳ夜间灯光　数据与电力消费量统计数据，构建了重庆市电力　消费反演模型，对重庆市电力消费量进行了模拟，　得出２０００年、２００４年、２００８年和２０１２年模拟　采集全球卫星夜间灯光数据的传感器与利用　地物对太阳光的总辐射、散射辐射、直接辐射、　反射辐射等特征进行监测的传感器不同，该传感　器在夜间使用光学倍增管，具有很强的光电放大　功能，能够有效探测到城市夜间灯光甚至小规模　居民地、车流等产生的低强度夜间灯光。因此，　ＤＭＳＰ／ＯＬＳ夜间灯光影像可以作为人类用电活动　值与实际值间的相对误差分别为．５．５％、１２．３％、．　７．３％和５．３％，表明利用ＤＭＳＰ／ＯＬＳ夜间灯光数　据反演电力消费量具有较高的精度［】们。　从上述国内外研究现状可以看出，多数研究　是在国家或区域层面建立ＤＭＳＰ／ＯＬＳ夜间灯光亮　的表征，是监测人类生产生活用电的理想数据源　之一。从２０世纪８０年代以来，国内外学者们就　对ＤＭＳＰ／ＯＬＳ夜间灯光数据在电力消费领域的研　究开展了大量研究。如Ｗｅｌｃｈ（１９８０）运用美国夜　间灯光数据，以美国东部１８个城市为研究对象，　构建了夜间灯光数据与人口、城市面积、电力消　费量之间的回归模型，得出在国家和地区尺度上　运用夜间灯光数据对用电量进行估算效果良好　】。　Ｅｌｖｉｄｇｅ等（１９９７）基于ＤＭＳＰ／ＯＬＳ夜间灯光数　据，对全球２１个国家的人口、经济活动、电力消　费与灯光亮度之间的关系进行了初步的回归分析，　得出灯光亮度与电力消费量有很强的相关性，可　度与用电量之间的线性回归模型，进而反演出电　力消费量。本文基于前人的研究成果，假设我国　省域尺度上夜间灯光亮度与电力消费量之间存在　显著的相关关系，充分考虑夜间灯光亮度与电力　消费量在省域层面的时空差异，运用时空地理加　权回归模型（ＧＴＷＲ）建立基于ＤＭＳＰ／ＯＬＳ夜间　灯光数据的省域电力消费模拟模型，为利用卫星　以运用ＤＭＳＰ／ＯＬＳ夜间灯光数据对电力消费量　进行估算［２１ｏ　Ｃｈａｎｄ等（２００９）运用ＤＭＳＰ／ＯＬＳ　夜间灯光数据对印度１９９３－－２００２年电力消费模　式的时空表征进行了探讨，得出夜间灯光强度与　电力消费具有显著的相关性，其模型拟合优度达　０．５６［３】。Ｌｅｔｕ等（２００９）通过研究日本、中国、印　度等１２个亚洲国家ＤＭＳＰ／ＯＬＳ夜间灯光强度与　遥感数据建立一种新的补充性的电力消费监测体　系提供参考。　２　卫星灯光数据来源及校准处理　２．１　卫星灯光数据来源　本文使用的卫星灯光数据来自于美国国家海　洋和大气管理局（ＮＯＡＡ）下属的国家地球物理　数据中心（ＮＧＤＣ）发布的ＤＭＳＰ／ＯＬＳ数据，目　前最新的第４版ＤＭＳＰ／ＯＬＳ夜间灯光影像数据　集包括由Ｆ１０、Ｆ１２、Ｆ１４、Ｆ１　５、Ｆ１６、Ｆ１８　６颗　不同的ＤＭＳＰ卫星获取的自１９９２—２０１３年共　２２年的３４期影像，其中ＤＭＳＰ卫星Ｆ１０提供　１９９２—１９９４年的数据，Ｆ１２提供１９９４—１９９９年　的数据，Ｆ１４提供１９９７－－２００３年的数据，Ｆ１　５　提供２０００－－２００７年的数据，Ｆ１　６提供２００４—　电力消费量之间的相关关系发现，使用三次回归　方程能够较好地估算电力消费量［４】。Ａｌｅｘａｎｄｅｒ等　（２０１０）使用ＤＭＳＰ／ＯＬＳ夜间灯光数据对澳大利　亚用电量的空间分布进行了考量，得出夜间灯光　与用电量的相关性非常高　】。ＬｉｌＪ　Ｚ（２０ｌ４）利用　饱和校正的ＤＭＳＰ／ＯＬＳ夜间灯光数据对中国　电力消费的时空动态进行了模拟，模型结果显示，　平均拟合优度达０．９３，２０００年中国分区域电　力消费的平均相对误差为一２８．９％，表明能够运用　夜间灯光数据对中国电力进行有效估算　。李通　等（２０１　１）运用ＤＭＳＰ／ＯＬＳ夜间灯光数据对中国　２００９年的数据，Ｆ１　８提供２０１Ｏ一２０１　３年的数　据。第四版ＤＭＳＰ／ＯＬＳ夜间灯光影像每期均包　括无云观测频数影像、平均可见灯光影像、平均　灯光影像和稳定灯光影像４种全年平均影像，其　中稳定灯光影像为去除夜间云层、闪电、林火、　第３９卷第１期２０１７年１月／７　Ｉｌ　Ｅｘｐｅｒｔ　Ａｎａｌｙｓｉｓ　油气燃烧等短暂光源及背景噪声后的标定夜间平　均灯光强度的年度栅格影像，噪声处理后的数据　能够真实地反映人类生产生活用电情况。稳定灯　光影像覆盖的经度范围为．１　８０。～１　８０。，纬度范围　为　６５。～７５。，我国国土面积均处于该经度纬度范　围内。稳定灯光影像像元ＤＮ值范围为０～６３，代　表平均灯光亮度，０表示没有可见光区域，６３为　灯光亮度饱和值，ＤＮ值越大表示所在区域灯光　亮度越大。　２．２　卫警灯光数据饺准处理　３　省域电力消费模拟模型构建及效果检验　３．１　肯域电力消费模拟模　构建　我国幅员辽阔，受人口规模、经济发展水平、　产业结构、居民收入、气候条件、人民生活习惯　等因素影响，我国省域人均用电量呈现出不均衡　分布的时空差异，人均用电量具有时空非平稳性。　为了更为准确地模拟我国省域电力消费量，本文　首先建立人均电力消费量与稳定夜间灯光亮度值　（ＤＮ值，即ＤＮ总值／栅格数）之间的时空地理　加权回归模型，然后通过稳定灯光亮度值对省域　人均用电量进行模拟，最后根据人口规模对省域　电力消费量进行测算。　为了全面考察稳定夜间灯光亮度及其空间外　溢效应在不同空间地理位置的异质性，本文建立　１９９２—２０１　３年ＤＭＳＰ／ＯＬＳ夜间灯光数据分　别由６颗卫星观测所得，其中１９９４年的数据由　卫星Ｆ１　０与Ｆ１２分别提供，１　９９７—１　９９９年的数　据由卫星Ｆ　１　２与Ｆ１４分别提供，２０００－－２００３年　的数据由卫星Ｆ１４与Ｆ１　５分别提供，２００４－－２００７　年的数据由卫星Ｆ１　５与Ｆ１　６分别提供，对比　包含稳定夜间灯光亮度空间滞后项的时空地理加　权回归模型如下：　ｌｎＰＥＣｆ，＝　０（“　１，ｆ，ｔ３＋Ｐ１（“ｆ，Ｖｆ，ｔｉ）ｌｎＤＮ　，＋　２（　ｖ　，ｆｆ）ＷＸ　ｌｎＤＮ　ｓ　，　（１）　１９９４、１９９７—２００７年两颗不同卫星观测数据可　以发现，同一年份不同卫星的夜间灯光数据存在　较大差异。为了提高卫星灯光数据的准确度，本　文借鉴Ｌｉｕ　Ｚ等（２０１２）的方法，对１　９９２—２０１　３　年ＤＭＳＰ／ＯＬＳ夜间灯光数据进行了相互校准、　其中：　ＰＥＣ　，——省域ｉ在时期ｔ的人均用电量；　Ｄ　，——省域ｉ在时期ｔ的稳定夜间灯光　亮度值；　一同年度融合、年度问系统校准等处理　］。对于相　互校准，本文基于Ｅｌｖｉｄｇｅ等（２００９）研究提出　的适合中国夜间灯光数据相互校正的方法，选取　时空权重矩阵；　（“　，Ｖｉ）——我国３１个省域的经度、纬度；　（“，，ｖ　，ｆ　）——省域ｉ在时期ｆ人均用电量与稳　定夜间灯光亮度之间时空地理加权回归模型的截　距项；　经济社会发展较为稳定的黑龙江省鸡西市作为参　考区，选取卫星Ｆ１　６在２００７年观测的稳定灯光　影像作为参考影像集，将黑龙江省鸡西市其他年　份的稳定灯光影像像元ＤＮ值与卫星Ｆ１６在鸡西　市２００７年观测的ＤＮ值作比较，建立二次回归　模型，运用二次回归模型参数对每年的夜间灯光　数据进行相互校准。对于同年度融合，对比两颗　卫星在同一年份的稳定灯光影像像元，若影像像　（“　，ｖ　，ｔｉ）——省域ｉ在时期ｔ稳定夜间灯光亮　度值对人均用电量的回归系数：　：（“　，ｙ　，ｆ　）——省域ｉ在时期ｔ稳定夜间灯光亮　度值的空间外溢效应对人均用电量的回归系数；　８，，——省域ｉ在时期，模型的残差项。　时空地理加权回归模型的核心是时空权重矩　阵，通常选取不同的时空权函数来刻画变量之间　元仅在一颗卫星影像上有亮度，则该影像像元为　不稳定像元，将同年度融合后的ＤＮ值记为０；　若影像像元在两颗卫星影像上均有亮度，则该影　像像元为稳定像元，取两颗卫星影像像元ＤＮ值　的时空关系，本文采用高斯函数法和时空距离相　结合的时空权函数。时空权函数形式如下：　的平均值作为同年度融合后的ＤＮ值。对于年度　问系统校准，对比不同年份同一个稳定灯光影像　像元，若影像像元在较早年份有亮度，在后面年　份没有亮度，则该影像像元为不稳定像元，将年　度间系统校准后的ＤＮ值记为０；若影像像元在　所有年份均有亮度，则该影像像元为稳定像元，　ｗ１．盯：ｅｘｐ｛Ｉ　－ｆ　／ＪＩ｝　　—ｐｆ，，，１『ＳＴ、　］　｛＿（　（２）　须保证该影像像元在较早年份的ＤＮ值不超过后　面年份的ＤＮ值。　其中：　＝　下而一时空　８／中回鼢编・ＥＮＥＲＧＹ　ＯＦ　ＣＨＩＮＡ　距离；　验证确定最优带宽为０．３５６９，模型整体效果良好，　时空权函数的带宽，通常通过交叉验　拟合优度高达９９．５７％。从表１的参数估计描述统　６　厂证来选择最优带宽。　基于卫星稳定夜间灯光数据的我国省域电力　消费量测算模型如下：　ＥＣ“＝ＰＯＰｆ，Ｘ　ＰＥＣｆｆ＝ＰＯＰｆｆ　Ｘ　ｅｘｐ｛　ｏ（　ｆ，１，　，ｆｆ）＋　１计来看，稳定夜间灯光亮度及其空间滞后项对人　均用电量的影响系数变异较大，表明在基于卫星　灯光数据对我国省域电力消费进行模拟时，需要　考虑卫星灯光数据的时空异质性，进一步证明选　（　ｆ，Ｖｆ，ｔｉ）ｌｎＤＮｆ，＋　２（甜ｆ，Ｖｆ，ｆｆ）Ｗ×ｌｎＤＮｆｒ｝　（３）　择时空地理加权回归模型来测度其时空动态差异　更为合理。　表３　２００６－２０１３年分省年均电力消费量模拟效果对比　省份　实际用电量　模型模拟值　绝对误差　相对误差　（亿ｋｗｈ）　（亿ｋｗｈ）　（亿ｋｗｈ）　（％）　北京　７６５．８１　７６５．５０　－０－３１　－０．０４　其中：　ＥＣ，，——省域ｉ在时期ｔ的电力消费量；　ＰＯＰ　——省域ｉ在时期ｆ的人口规模。　３．２省城电力消费模拟模型效果检验　由于电力消费量数据在２００６年之前缺　天津　河北　山西　６０４．Ｏ６　２５２４．０９　１４６７．１２　６０４３７　２５２６．５５　１４６９．１２　０＿３１　２．４６　２．００　０．０５　０．１０　０．１４　失，最新的第４版ＤＭＳＰ／ＯＬＳ夜间灯光影像数据　时间区间为１９９２—２０１３年，因此，本文的研究时　间跨度区间为２００６—２０１３年。夜间灯光数据来源　于美国国家海洋和大气管理局，人口规模、电力　内蒙古　辽宁　１５１９．１５　１６２１．６４　１５１６．２４　１６２４．２７　－２．９２　２．６３　一Ｏ．１９　０．１６　消费量等数据来源于历年《中国统计年鉴》。基于　２００６—２０１３年相互校准、同年度融合、年度间系　统校准等处理后的稳定夜间灯光亮度ＤＮ值与人均　用电量省域面板数据，运用时空地理加权回归模　型估计稳定夜间灯光亮度及其空间滞后项在不同　吉林　黑龙江　上海　江苏　浙江　５４８．１０　７２５．９２　１２１９．２０　３７０４．７０　２６８６．８Ｏ　５４９．６２　７２７．７２　１２２０．２０　３６７３．０９　　～１．５ｌ　１．７９　１．ｏ０　—３１．６１　－６．５０　０．２８　Ｏ．２５　０．Ｏ８　－０．８５　－０．２４　时期对各省域人均用电量的影响系数，通过交叉　表１时空地理加权回归模型参数估计描述统计（最优带宽＝ｏ．３５６９）　变量　最小值　１／４　中位数　３，４　最大值　四分　分位数　分位数　位距　２６８０３Ｏ　安徽　１０５３．８４　１０３０．０７　－２３．７７　－２．２６　福建　江西　１２７３３５　６８２－８５　１２７６．９５　６８４－３２　３．６０　１．４７　０．２８　Ｏ　２２　山东　３１６８．４５　３１５８．９３　－９．５２　－０－３０　ｃｏｎｓｔａｎｔ　一１　１．３８２８　４．２９９０　５，６９６８　６．４３３０　８－３３１５　２．１３４０　河南　湖北　２２５５．４５　１２４７．３１　２２５９．６４　１２４７．４７　４．１８　０．１６　Ｏ、１９　Ｏ．Ｏ１　Ｌｎ（ＤＮ）　－４．０５８５　－０．２７７０　０．５８３４　１．８１２８　７．１１１５　２．０８９８　Ｗ　Ｌｎ　（ＤＮ）　一４．１５９８　－０．Ｏ４５６　０．７２７９　１．５７６７　９－２１２２　１．６２２３　湖南　广东　１１０１．２３　３９２７．６５　９２０．９３　ｌ１０１．１６　３９３１．１３　９１８．２２　－０．０７　３．４８　－２．７１　—０．０ｌ　０　Ｏ９　－０．２９　表２　２００６－２０１３年分省加总电力消费量模拟效果对比　年份　实际用电量　模型模拟值　（亿ｋｗｈ）　（亿ｋｗｈ）　２０ｏ６　２８３６７．７９　２９２７６．６４　广西　绝对误差　相对误差　（亿ｋｗｈ）　（％）　９０８．８５　３－２０　海南　重庆　四川Ｉ　１５６．６３　５９４．１１　１４８１．４８　１５６．４８　５９６＿３８　１４７９．２２　一Ｏ．１５　２．２８　－２．２５　—０．１０　０３８　—０．１５　２ｏｏ７　２００８　２００９　２Ｏｌ０　３２５６５．６１　３４３４９．９５　３６５９５．１９　４ｌ９９８．８０　３１４６７．７５　３５８１５．４４　３７３６４．９２　４１４４７．９８　—１０９７．８６　１４６５．４９　７６９．７３　－５５０＿８２　－３３７　４．２７　２．１Ｏ　贵州　云南　　陕西　８２９．１３　１０１１．９５　２０．５４　８４２．９Ｏ　８３２．４１　１００９．８４　２０．５３　８４２．６６　３．２８　—２．１】　－０．０ｌ　－０．２３　０．４０　－０．２１　－０．Ｏ６　－０．０３　一１．３１　２０１１　２０１２　２０１３　４７Ｏ２５．８８　４９６５６．８０　５３４２３．３９　４６４６９．２８　５ｏｏ０４．４＿４　５１７０１．７４　－５５６．６ｏ　３４７．６４　－１７２１．６５　－１．１８　０．７０　－３．２２　甘肃　青海　宁夏　　７９１．２６　４３５．５８　５６８．Ｏ６　７４８．６４　７９２．７３　４３５．４５　５６７．６９　７４５．２８　１．４８　—０．１４　－０．３７　－３３５　０．１９　－０．０３　－０．Ｏ７　－０．４５　年度　平均　４０４９７．９３　４０４４３．５２　－５４．４０　０．１５　合计　４０４９７．９３　４０４４３．５２　－５４．４０　Ｏ．１５　第３９卷第１期２０１７年１月／９　表４　２０１３年省域电力消费模拟效果对比　省份　实际用电量　模型模拟值　绝对误差　相对误差　（亿ｋｗｈ）　（亿ｋｗｈ）　（亿ｋｗｈ）　（％）　北京　９ｌ３．１１　９０１．１３　—１１．９８　—１－３１　为接近，绝对误差为一５４．４亿ｋＷｈ，相对误差为　０．２％，模型模拟效果较好。分年度来看，２０１２年　分省加总电力消费模拟结果与实际用电量最为接　近，其绝对误差和相对误差均较小，分别为３４７．６　天津　河北　山西　７７４．４９　３２５１．１９　１８３２．３５　７５７＿３７　３２３１．５７　１８０８Ｉ２Ｏ　—１７．１２　－１９．６２　－２４．１５　－２．２１　－０．６Ｏ　一ｌｌ３２　亿ｋＷｈ和０．７％；绝对误差和相对误差较大的年　份为２００８年，分别为１４６５．５亿ｋＷｈ和４．３％。　分省域来看，２００６—２０１３年年均用电量模拟结　果与实际用电量均较为接近，除安徽省相对误差　内蒙古　辽宁　２ｌ８１．９０　２００８．４６　２ｌ８５．１０　ｌ９６５．０６　３．２Ｏ　－４３．４０　Ｏ．１５　—２．１６　为．２．３％之外，其余省份的相对误差均在１％以　内，其中北京、天津、河北、上海、湖北、湖南、　广东、海南、、陕西、青海、宁夏等省份的　相对误差在０．１％以内。分年度分省域来看，以　吉林　黑龙江　上海　６５３．８５　８４５．２Ｏ　１４１０．６０　６５０．５２　８３５．２０　１４１０．５９　－３．３３　一ｌＯ．００　－０．０ｌ　－０．５ｌ　一１．１８　０．００　江苏　浙江　安徽　４９５６．６２　３４５３．０５　１５２８．０７　４４２３．３４　３３０８．８４　１３３８．５４　—５３３－２８　—１４４．２ｌ　—１８９．５３　—１Ｏ．７６　一４．１８　一ｌ２．４０　２０１３年为例，除、安徽、江苏、云南、甘肃　外，其余省份的相对误差均在５％以内，其中上　海、广西、内蒙古、河南、吉林、贵州、湖南、　河北、青海、宁夏等省份的相对误差在１％以内，　绝对误差和相对误差最小的省份为上海和广西，　模型模拟值与实际用电量几乎相等，基于卫星稳　定夜间灯光数据模拟所得我国省域电力消费量的　效果良好。　福建　江西　１７００．７３　９４７．１１　ｌ６７５．２６　９３２．７１　－２５．４７　—１４．４０　—１．５Ｏ　一１．５２　山东　河南　４０８３．１２　２８９９．１８　３８９６．１３　２９０３．５４　—１８６．９９　４．３６　—４．５８　Ｏ．１５　４　结论与展望　本文利用美国国家海洋和大气管理局发布的　全球卫星夜间灯光数据，经过相互校准、同年度　融合、年度间系统校准等系列处理获得我国省域　夜间灯光亮度ＤＮ值，构建我国省域层面卫星夜　间灯光数据与人均电力消费量之间的时空地理加　权回归模型，在对省域人均用电量模拟的基础　上，基于人口规模对我国省域电力消费量进行了　湖北　湖南　广东　广西　ｌ６２９．７５　１４２３．Ｏ９　４８３０．１３　１２３７．７４　１５９６３７　１４１５．０５　４７６８．８５　１２３７．７０　－３３－３８　－８．０４　－６１．２８　－０．０４　－２．０５　－０．５７　一１．２７　０．ｏ０　海南　重庆　四川　２３２．０２　８１３．２６　１９４８．９５　２２３－４２　７８７．９３　１９７５．Ｏ２　－８．６Ｏ　－２５＿３３　２６．０７　－３．７Ｏ　—３．１１　１．３４　模拟测算。模拟结果显示，模型模拟值与实际用　电量较为接近，模拟效果良好。从２００６—２０１３年　年均用电量来看，全国年均用电量的相对误差为　０．２％，大部分省份的相对误差在１％以内；从分　贵州　１１２６．２７　１１２ｏ３３　－５．９４　－Ｏ５３　云南　　陕西　１４５９．８１　３０．６５　１ｌ５２－２２　１３６９．４７　２９．６７　ｌ１１９．１８　－９０．３４　－０．９８　－３３．０４　—６．１９　—３．１９　－２．８７　年度分省域用电量来看，大部分省份的相对误差　在５％以内，表明运用卫星夜间灯光数据对我国省　域电力消费量进行估算具有较高的精度和可信度，　可以利用卫星夜间灯光数据对省域电力消费量进　行估算和预测，为卫星大数据时代“透过区域看全　国，透过电力看经济”进行电力经济监测分析奠　甘肃　青海　宁夏　　１Ｏ７３．２５　６７６．２９　８１１．１８　１５３９．７５　１０１６．ｏ６　６７０．７０　８０３＿３２　ｌ３４５．５９　—５７．１９　－５．５９　－７＿８６　一ｌ９４．１６　－５＿３３　－０＿８３　－０．９７　—１２．６１　合计　５３４２３＿３９　５１７Ｏ１．７４　－１７２１．６５　－３－２２　定了基础。随着我国“同时具有高空间分辨率和高　时问分辨率光学遥感”技术的发展，我国卫星遥　感影像数据的频率和质量稳步提升，未来基于卫　星灯光数据开展省域电力消费预测的重点方向是　运用深度学习等机器学习技术提取卫星遥感数据　（下转第１４页）　在运用卫星稳定夜间灯光数据模拟我国省域　人均用电量的基础上，根据各省人口规模和人均　用电量对省域电力消费量进行间接模拟，模拟结　果显示，２００６－－２０１３年年均用电量为４０４４３．５　亿ｋＷｈ，与实际年均用电量４０４９７．９亿ｋＷｈ较　１０／中回鼢溺・ＥＮＥＲＧＹ　ＯＦ　ＣＨＩＮＡ　ｌｌ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　向性的、有竞争力的。建立气候投融资的指　标体系和评价标准，出台气候投融资企业指导目　录，帮助市场主体对国家的气候投融资导向具有　明确的预期。在研究发行气候债券过程中，应注　重与项目、区域发展规划相结合。引入ＰＰＰ模式，　广泛撬动、地方和企业的出资积极　性，吸引更多社会资本投向低碳领域。　４．２研究开展气候投融资试点　视情开展气候投融资试点，通过地方的先行　路”、“京津冀一体化协同发展”、“气候变化南南　合作”和“实现２０３０年可持续发展议程”等战略　和相结合。对走出去的企业建立碳补偿机制，　将气候投融资和国家区域性、扶贫相结　合，通过投融资机制降低气候变化对重点地区、　重点人群的不利影响。　参考文献：　［１］　田丹宇．国际应对气候变化资金机制研究［Ｍ］．北京：中国政　法大学出版社，２０１５．　先试为研究制定全国性气候投融资积累经验。　在开展气候投融资试点过程中要用心谋划、建立　低碳引领投资机制，大胆创新、建立容错试错机　制，加强管理、建立指标评价考核机制。要避免　［２］徐华清，田丹宇，丁丁．依法推动应对气候变化工作势在必行　［Ｊ］．中国能源，２０１６，３８（１１）：５—７．　【３］刘海燕．北京市碳排放权交易市场建设进展及建议［Ｊ１．中国　能源，２０１４，３６（７）：２７—３０．　重申报、轻建设，重项目、轻，重名号、轻　内功的试点示范模式。应将试点建成改革的高地，　而非的洼地。以改革的结果为导向，以可复　制可推广为准绳，真正探索出能够以点带面、为　非试点地区借鉴推广的气候投融资发展模式。要　［４］　中国清洁发展机制基金管理中心．气候变化融资［Ｍ］．北京：　经济科学出版社，２０１１．　【５］贾康，等．中国与国际气候融资问题研究：为了可持续的发　展【Ｍ］．北京：当代中国出版社，２０１３．　［６］　绿色基金研究小组报告．中国绿色基金发展案例研究［Ｒ］．　２０ｌ６．　避免过于依赖特殊财政投入的试点路径，避　免将气候投融资试点建成对非试点地区毫无借鉴　意义的盆景。　［７］气候债券倡议组织．债券与气候变化市场现状报告２０１６［Ｒ］．　２０１６．　４．３将气候投融资与同家战略相结合　【８］盛松成，徐诺金，张文红．社会融资规模理论与实践（第二版　【Ｍ］．北京：中国金融出版社，２０１５．　・－４－…＋ｕ＋”＋一＋＇　４－．－斗“—＋一＋　■一一斗ｔ　＋　＋一＋建议将气候投融资机制建设与国家“一带一　・十・＋一－４－…—　．．＋”—　”＋・＋“—十一”＋”十“—　”＋”＋一十”十”—　“斗”＋一＋“—＋…＋・＋“—　’　’眦～一　匕～一雪　批～一二Ｈ一～　一驯～．　一一：一ｌ　　一－一＋　一＋一４　斗一斗　＋　４　（上接第１０页）　源的有效信息，通过日度、旬度、月度、季度、　年度卫星遥感数据与用电量之间的关系模型对全　国、省市、区县、重点区域等维度的电力消费进　行动态监测，为透过电力消费把脉宏观经济走势　提供科学决策支持。　参考文献：　［１］　Ｗｅｌｃｈ　Ｒ．Ｍｏｎｉｔｏｒｉｎｇ　ｕｒｂａｎ　ｐｏｐｕｌａｔｉｏｎ　ａｎｄ　ｅｎｅｒｇｙ　ｕｔｉｌｉｚａｔｉｏｎ　ｐａｔｔｅｒｎｓ　ｆｒｏｍ　ｓａｔｅｌｌｉｔｅ　ｄａｔａ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，　１９８０，９（１）：１－９．　［２］Ｃ．Ｄ　Ｅｌｖｉｄｇｅ，Ｋ．Ｅ．Ｂａｕｇｈ，Ｅ．Ａ．Ｋｉｈｎ，ｅｔ　ａ１．Ｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓａｔｅｌｌｉｔｅ　ｏｂｓｅｒｖｅｄ　ｖｉｓｉｂｌｅ－ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｅｍｉｓｓｉｏｎｓ，ｐｏｐｕｌａｔｉｏｎ，　ｃｏｎｓｕｍｐｔｉｏｎ　ｉｎ　Ｍａｉｎｌａｎｄ　Ｃｈｉｎａ　ｕｓｉｎｇ　ｓａｔｕｒａｔｉｏｎ—ｃｏｒｒｅｃｔｅｄ　ＤＭＳＰ／　ＯＬＳ　ｎｉｇｈｔｔｉｍｅ　ｓｔａｂｌｅ　ｌｉｇｈｔ　ｄａｔａ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｄｉｇｉｔｌ　ａｅｃｏｎｏｍｉｃ　ａｃｔｉｖｉｔｙ　ａｎｄ　ｅｌｅｃｔｒｉｃ　ｐｏｗｅｒ　ｃｏｎｓｕｍｐｔｉｏｎ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１９９７，１８（６１：１３７３－１３７９．　Ｅａｒｔｈ，２０１４，７（１２）：１－２２．　［８］　李通，何春阳，杨洋，等．１９９５—２００８年中国电力消费量　时空动态…．地理学报，２０１１，６６（１０）：１４０３—１４１２．　［３］Ｃｈａｎｄ　Ｔ　Ｒ　Ｋ，Ｂａｄａｒｉｎａｔｈ　Ｋ　Ｖ　Ｓ，Ｅｌｖｉｄｇｅ　Ｃ　Ｄ，ｅｔ　ａ１．Ｓｐａｔｉａｌ　ｃｈａｒａｃｔｅｒｉｚａｔｊｏｎ　ｏｆ　ｅｌｅｃｔｒｉｃａｌ　ｐｏｗｅｒ　ｃｏｎｓｕｍｐｔｉｏｎ　ｐａｔｔｅｒｎｓ　ｏｖｅｒ　［９］杨续超，康丽莉，张斌，等．基于多源遥感信息的电力消费量　估算与影响因素分析——以浙江省为例【Ｊ１．地理科学，２０１３，　３３（６）：７１８—７２３．　Ｉｎｄｉａ　ｕｓｉｎｇ　ｔｅｍｐｏｒａｌ　ＤＭＳＰ—ＯＬＳ　ｎｉｇｈｔ—ｔｉｍｅ　ｓａｔｅｌｌｉｔｅ　ｄａｔａ［Ｊ】．　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００９，３Ｏ（３）：６４７－６６１．　［４】Ｌｅｔｕ　Ｈ，Ｈａｒａ　Ｍ，Ｙａｇｉ　Ｈ，ｅｔ　ａ１．Ｅｓｔｉｍａｔｉｎｇ　ｔｈｅ　ｅｎｅｒｇｙ　ｃｏｎｓｕｍｐｔｉｏｎ　ｗｉｔｈ　ｎｉｇｈｔｔｉｍｅ　ｃｉｔｙ　ｌｉｇｈｔ　ｆｒｏｍ　ｔｈｅ　ＤＭＳＰ／ＯＬＳ　ｉｍａｇｅｒｙ［Ａ］．Ｕｒｂａｎ　［１０］朱林富．基于夜间灯光数据的重庆电力消费时空动态与影响　因素分析【Ｄ］．重庆：重庆师范大学，２０１５．　１４／中回　灞・ＥＮＥＲＧＹ　ＯＦ　ＣＨＩＮＡ