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_杨续超
- 格式：pdf
- 大小：971.96 KB
- 文档页数：6
收稿日期收稿日期：2012-06-18;修订日期修订日期：2013-01-12基金项目基金项目：浙江省科技厅公益技术研究社会发展项目（2011C23051）、公益性行业（气象）科研专项（GYHY201106035）和中国气象局气候变化专项（CCSF-201336）资助。
作者简介作者简介：杨续超（1980-），男，河南信阳人，博士，高级工程师，研究方向为气候变化和气象灾害风险评估。
E-mail:yangx-uchao@基于多源遥感信息的电力消费量估算与影响因素分析——以浙江省为例杨续超，康丽莉，张斌，冀春晓（浙江省气象科学研究所，浙江杭州，310008）摘要摘要：利用DMSP/OLS 遥感夜间灯光数据进行电力消费量等社会经济数据的空间化时，往往受到像元过饱和、像元溢出现象的影响。
利用夜间灯光数据和植被指数（NDVI ）之间的互补性构建人居指数，与NDVI 的融合有效减少了夜灯数据的过饱和现象。
在人居指数的计算中使用阈值法有效减少了夜灯数据像元溢出效应的影响，并对其进行了海拔修正。
借助修正后的人居指数与电力消费量之间很强的相关关系建立电力消费量空间化模型，获得了2010年浙江省1km×1km 分辨率下电力消费量的空间分布。
模拟结果显示，利用修正后的人居指数对浙江省电力消费量模拟的平均相对误差为26%，表明利用多源遥感数据融合后的人居指数对电力消费量进行空间化的精度较高。
关键词：电力消费量；空间化；DMSP/OLS ；NDVI ；人居指数中图分类号中图分类号：TP79文献标识码文献标识码：A文章编号文章编号：1000-0690(2013)06-0718-06及时、准确地获取电力消费量的时空分布特征对于科学制定电力调配计划、实现电力资源优化配置具有重要的理论和现实意义。
目前电力消费量以行政区域为基础统计单元，难以提供行政单元内部的空间分布信息，不能充分揭示电力消费量的空间差异性，妨碍了电力消费数据与其他社会经济要素、自然要素的融合以及综合分析。
因此，对统计电力消费量的空间化引起了国内外学者的关注。
其中，利用美国军事气象卫星De-fense Meteorological Satellite Program (DMSP)搭载的Operational Linescan System (OLS)传感器获取的夜间灯光数据进行电力消费量的空间化是一种重要的研究手段。
1980年，Welch 分析了美国夜间灯光面积与能源消耗量之间的关系，首次证明了DMSP/OLS 夜间灯光在国家或区域尺度上监测能源消耗量的可行性[1]。
随后，一些学者发现夜间灯光与电力消费量之间有着密切的关系[2~4]。
但是由于DMSP/OLS 夜灯数据本身的像元过饱和和像元溢出问题，导致其在应用中具有一定的局限性[5~7]，需要进行适当的订正。
例如，对澳大利亚的电力消费量进行空间化时，Townsend 等利用灯源强度与溢出距离之间的关系对像元溢出现象进行了订正[8]；Hara 等[6]和Letu 等[7]在利用夜灯数据模拟电力消费量时也对像元溢出和像元过饱和进行了订正。
目前，国内对电力消费量的空间化研究还很少，最近，李通等利用DMSP/OLS 稳定夜间灯光时间序列数据，在县级尺度上模拟重建了中国1995~2008年电力消费的空间格局，揭示了中国同期电力消费量的时空动态过程[9]，但是其研究中并未对夜灯像元溢出和过饱和进行订正。
Zhao 等利用夜间灯光以及省级统计数据模拟了中国1995年、2000年和2005年电力消费量的时空变化，其研究中设置夜灯阈值为10以减少像元溢出的影响[10]，但是并未对城市中心区域像元过饱和的影响进行订正。
植被指数（NDVI ）与不透水面呈负相关关系，第33卷第6期2013年06月V ol.33No.6June,2013地理科学SCIENTIA GEOGRAPHICA SINICA杨续超等:基于多源遥感信息的电力消费量估算与影响因素分析6期也被用来提取建成区[11]。
因此，夜间灯光和NDVI 在反映人类活动、提取建成区方面可以互补。
Lu等将DMSP/OLS夜灯数据和NDVI数据融合后提出了一种新的指数，有效地减少了夜灯数据像元过饱和现象[12]。
利用这一指数，匡文慧等研究了京津唐城市群不透水地表变化的时空格局[13]，Chowdhury 等研究了印度河-恒河平原的城市发展进程[14]，目前还没有研究利用该指数进行区域尺度上电力消费量的空间化。
浙江省做为资源匮乏的省份，电力供求关系紧张尤为突出。
本研究以浙江省为例，对多源遥感数据（包括DMSP/OLS夜间灯光、植被指数、DEM）进行融合，建立电力消费量空间化模型，在GIS技术的支持下，对浙江68个市县的电力消费量统计数据进行空间化，以期为合理配置电力资源提供科学依据。
1数据与方法1.1数据及预处理①DMSP/OLS遥感夜间灯光数据：来源于美国国家地球物理数据中心提供的2010年稳定夜间灯光产品，空间分辨率约为1km，将其投影由Geo-graphic（LAt/LON）转换为Albers等面积投影，再对其进行标准化处理；②2010年SPOT-VEGETA-TION逐旬NDVI数据：来自于比利时佛莱芒技术研究所（Flemish Institute for Technological Re-search,VITO），空间分辨率为1km，将其投影转换为Albers等面积投影；③DEM数据：源于美国地质调查局EROS数据中心的GTOP30数据集，经投影转换及重采样，生成1km分辨率的栅格数据；④电力消耗量统计数据：来自于2011年《浙江省统计年鉴》[15]中各县市的电力消费量统计数据，将电力消费量除以各县市面积获得平均电力消费量；⑤浙江省1：5万地理信息基础数据；⑥2008年浙江省土地利用类型数据，来源于中国科学院资源环境科学数据中心，空间分辨率为1km，对其进行投影转换。
1.2构建人居指数首先根据2010年10d最大合成的SPOT ND-VI数据计算年最大NDVI值，NDVI值小于0.1的区域基本属于裸岩及水体，NDVI大于0.9的区域基本属于郁闭度较高的森林，这些区域很少有人类居住[16]，其用电量消耗可以忽略不计，因此对年最大NDVI值小于0.1以及大于0.9的区域进行了剔除。
此外，浙江省水域众多，利用浙江省1∶5万的地理信息基础数据制作水体掩膜，与年最大ND-VI叠加后进一步剔除水体。
参考Lu等[12]的研究，构建人居指数（HSI）：HSI=(1-NDVI max)+OLS nor(1-OLS nor)+NDVI max+OLS nor×NDVI max(1)式中，NDVI max为SPOT NDVI在2010年的最大值，OLS nor为2010年标准化的夜间灯光指数（0~1）。
1.3对人居指数的海拔订正利用ArcGIS软件中的分区统计工具获得浙江省68个市县的人居指数累计值。
图1给出了68个市县统计电力消费量与人居指数累计值之间的关系，采用二次多项式拟合以后显示回归方程的决定系数R2=0.92，说明电力消费量与人居指数之间有很强的相关性。
利用这一关系对68个市县的电力消费量进行了初步模拟，对模拟结果的误差分析显示，68个县市中有59个模拟结果偏大，偏大最为显著的市县分布于浙江西南部海拔较高的地区（如景宁、龙泉、庆元、泰顺等），这些区域的经济发展水平也相对较低。
由此可见，海拔高度对电力消费量有着比较显著的影响。
图2给出了浙江省68个市县平均海拔高度与平均电力消费量的关系，采用指数函数回归分析之后显示回归方程的决定系数R2=0.78，表明海拔高度与电力消费量之间具有较强的负相关性，可以做为电力消费量模拟的影响因子之一。
加入海拔修正因子后的人居指数计算公式如下：HSI new=1-NDVI max+OLS nor(1-OLS nor)+NDVI max+OLS nor×NDVI max×e-0.006DEM(2)图1电力消费量与人居指数之间的关系Fig.1Regression analysis between electricity consumptionand human settlementindex719地理科学33卷1.4模拟误差分析误差检验计算公式如下：MRE =(∑i =0n ||(RE )i )/n(3)其中：RE =(E m -E a )/E a ×100%(4)式中，MRE 为平均相对误差，RE 为相对误差，E m 为市县模拟电力消费量，E a 为市县统计电力消费量，n 为浙江省市县个数。
2结果分析2.1利用海拔修正后的人居指数模拟电力消费量对浙江省68个市县电力消费量统计数据的分析表明，居民生活用电占总用电量的比例较低，工业用电和商业用电所占比例较高。
其中55个市县的居民生活用电量所占比例小于20%，所占比例平均为15.28%，；居民用电比例超过20%的主要为西南部山区（如景宁、泰顺等）和海岛县（如象山、洞头）；因此，相比夜间灯光反映出的城市轮廓外部形态，电力消费量的空间分布更为集中。
利用未经海拔修正的人居指数进行初步模拟的结果也显示，68个市县的平均相对误差绝对值为209.23%，其中86.76%的市县电力消费量模拟值偏高，这些都表明DMSP/OLS 夜间灯光的像元溢出问题对电力消费量的模拟有着重要的影响，需要设定适当的阈值来减少这一影响引起的模拟误差。
表1给出了经过海拔订正和设定不同夜灯阈值后的模拟平均相对误差绝对值。
使用仅经过海拔修正后的人居指数的模拟平均相对误差为156.42%，相比未经任何修正的人居指数进行的模拟误差减少了超过50%。
随着夜灯阈值的不断提高，模拟误差不断减少，但是当夜灯指数阈值提高到12时平均相对误差绝对值最小（26.01%），继续提高阈值会导致模拟误差再次增加。
因此，选择12为阈值以减少夜灯数据像元溢出问题对电力消费量模拟的影响。
表1不同不同夜灯指数阈值下的电力消费量模拟夜灯指数阈值下的电力消费量模拟的平均相对误差绝对值Table 1Mean relative error in modeling electricity consumption under different DMSP/OLS threshold values夜灯指数阈值平均相对误差绝对值（%）156.42261.13455.94633.26827.781026.251226.011426.71图3给出浙江省68个市县电力消费量与经过海拔和夜灯阈值修正后的人居指数之间的关系，采用二次多项式拟合以后显示回归方程的决定系数R 2=0.95。
利用这一关系建立电力消费量模拟模型，在1km×1km 栅格上模拟了浙江省2010年电力消费量的空间格局（图4）。
