科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于能源、交通、人口和GDP等统计资料,考虑工业、交通、建筑、人体新陈代谢4种来源,估算了2019年中国大陆地级市的人为热排放总量.采用自上而下的能源消费清单法,通过Cubist机器学习算法融合不同类别的兴趣点(POI)数据和多源遥感数据,分别对不同来源的人为热排放通量构建空间化模型,获得2019年中国大陆1km空间分辨率的人为热通量网格数据,并分析不同地理、环境变量与来自不同热源的人为热排放通量之间的关系.结果表明:人为热通量的高值区通常分布于一线城市和工业比较发达的城市,城市中心的人为热通量值在80～200W/m2之间,一些重工业区的人为热通量值甚至高于市区,极值高达519.2W/m2;Cubist机器学习算法能更好地刻画人为热排放通量与影响因子之间的非线性关系,且能对影响因子的变量重要性进行度量;POI是人为热通量空间分布的最重要指示性指标,通过融合POI数据可以更加有效地反映出不同来源人为热排放通量的空间分布特征.新的2019年人为热排放通量数据可以为中国城市天气气候、城市大气环境的数值模拟研究提供有力支持.
- 单位
