基于遥感和机器学习的中国典型城市碳排放驱动因子及预测分析OACSTPCD

采用国家统计数据和遥感夜间灯光数据,通过对数平均迪氏指数(LMDI)对15个典型城市的碳排放影响因素进行贡献率分析,并构建了3组变量用于机器学习ridge和Lasso回归模型的预测分析。结果表明:城市生产总值、能源消费量(ES)、人口(P)、房地产开发施工面积(RECA)、夜间灯光强度(NL)、货物运输量(CT)和旅客运输量(PT)等7个因子对CO_(2)排放起促进作用,能源消费结构(EI)和第三产业占比(TIR)对CO_(2)排放起抑制作用。城市的成熟度越高,产业越丰富,则碳排放的影响因子越多样。回归预测模型ridge和Lasso在变量组合1至组合3中模拟结果与测试数据集的相关系数均为0.8以上,其中组合1结果最好,其次是组合2,最后是组合3。