为进一步营造良好科研氛围，激发师生科研热情，促进科研高质量发展，劳动经济学院开展科研成果系列宣传报道。本期介绍青年教师王超在国际权威期刊《Land Degradation & Development》（2024年第35期）合作发表的论文：

“Land use data can improve the accuracy of carbon emission spatial inversion model”。 

论文简介

为减缓气候变化，世界各地都制定了碳减排目标及方案。中国提出了“双碳”目标，这给区域发展带来了新的挑战，亟需探索新的可持续发展模式。碳排放的空间分布特征是制定减排政策和分配碳排放权的重要依据，科学分析碳排放的空间分布特征十分必要。目前，碳排放数据主要为统计数据和实测数据，缺乏空间分析数据。基于统计数据的碳排放核算仅能实现具有完整能源消耗数据的行政区尺度的核算，对于更小行政尺度、甚至栅格尺度上的碳排放分析较难。碳排放空间反演根据遥感数据与碳排放数据在空间上的关联关系来估算无统计数据的区域或时段的碳排放量，实现碳排放量的降尺度分析。夜间灯光数据是目前被广泛应用的遥感数据，相关方法和模型也逐渐得到丰富和发展，该方法弥补了统计数据难以获得的不足，避免了统计数据口径不一致带来的误差，在一定程度上丰富了碳排放空间分析的研究内容，是在空间维度精细化分析碳排放分布的有效方法。如何将DMSP-OLS和NPP-VIIRS等多源数据进行有效结合，以及如何提高基于夜间灯光数据碳排放空间反演的精度是目前研究的重要方向。土地利用分布格局直接反映人类活动（碳排放活动）的空间分布情况。因此，本研究探究能否将土地利用数据和夜间灯光数据同时纳入碳排放空间反演方法得到精度更高的碳排放空间数据。

本研究将夜间灯光数据和土地利用数据同时考虑到对碳排放空间反演方法中，提出了一种碳排放空间数据反演方法。结果发现，纳入土地利用数据的碳排放空间反演结果的精度更高，与社会经济变量的相关性更高。该方法为碳平衡空间分析提供新思路，研究结果可为区域碳减排的空间调控策略提供政策建议。

原文信息: Wang, C., Yang, Y., Bai, Y., Teng, Y., &Zhan, J. (2024). Land use data can improve the accuracy of carbon emission spatial inversion model. Land Degradation & Development,1–22.

https://doi.org/10.1002/ldr.5064

作者介绍

王超，首都经济贸易大学劳动经济学院讲师，北京师范大学工学专业博士。研究方向为人口、资源与环境、碳达峰与碳中和、土地利用与生态系统服务等。主持国家自然科学基金青年基金1项，参与完成多项国家级国际合作课题，对地理信息系统、投入产出、因素分解、系统动力学等方法较为熟悉。在《Technological Forecasting & Social Change、Renewable and Sustainable Energy Reviews》《Journal of Cleaner Production》等期刊发表SCI/SSCI论文30余篇，任land、forests等期刊客座编辑。