现在对基于遥感数据模拟碳排放空间分布的方法进行简单的总结，欢迎留言区补充~
目前较为认可的是基于IPCC准则的转化系数来计算碳排放，其计算公式如下：
http://dx.doi.org/10.1016/j.apenergy.2015.08.095
下面总结一下如何基于遥感数据对行政区级别的碳排放数据进行空间化模拟：
基于夜光遥感数据的碳排放空间化模拟
基于夜光遥感数据的碳排放空间化模拟，是将夜光数据作为行政区级别的碳排放和碳排放空间化的中间代理，通过建立省/市/县级碳排放统计值和对应省/市/县范围内夜光总值之间的关系，将该关系应用于夜光数据，从而获得碳排放的空间化分布。
空间化方法：
（1）常用于构建省/市/县碳排放和夜光之间关系的方法有线性模型、面板数据模型等传统回归模型；
（2）机器学习的方法：将与碳排放相关的因子与碳排放作为输入，对碳排放进行空间化模拟。
来源：http://dx.doi.org/10.1016/j.apenergy.2015.11.055
https://doi.org/10.1016/j.envres.2023.115257 http://dx.doi.org/10.1016/j.apenergy.2015.11.055 http://dx.doi.org/10.3390/rs12182916
2. 基于土地利用数据的碳排放空间化模拟
来源：https://doi.org/10.1016/j.apenergy.2023.121488
空间化方法：
（1）土地利用面积与碳排放系数相乘的方法；
（2）基于BP神经网络模型构建土地利用与碳排放的关系模型，对碳排放进行空间化模拟；
（3）基于其他机器学习的方法。
方法参考：
3. 基于POI数据的碳排放空间化模拟
~对碳排放进行空间化模拟目前主要是基于夜光数据、土地利用数据以及一些POI数据实现，可以结合之前发的城乡边界划分，进一步重点分析城市和农村的碳排放时空差异，也许能够得到很有意思的结论~
公众号：GISerQ
扫码关注 了解更多
