近日，中国科学院空天信息创新研究院研究员孟庆岩城市陆表环境遥感团队发布最新的中国高时空分辨率多源人为通量热数据集，包含建筑热、工业热、交通热、代谢热、总人为热通量五个部分以及年、月、时三个时相，空间分辨率500米，是当前兼具精确时、空特征的大尺度人为热数据集。
人为热在气候模拟、热驱动规律、生态环境评估和可持续发展等研究中发挥重要作用。然而，时空异质性人为热数据难以通过测量的方式直接获取，阻碍城市热环境研究。
当前，已有大量人为热估算方法或模型被提出以适用于多时空尺度研究需求，其中，以大尺度能源消耗数据为基础的自上而下源清单法适用性最强，常被用于大尺度研究或一些数据数量和质量有限的区域，但结果相对粗糙，存在以下问题：难以在大尺度范围上表达精细人为热时空特征；缺乏具备热源差异性的通用大尺度人为热数据集；针对全国范围的自上而下能源消耗清单法有待进一步规范。
针对上述问题，研究团队从基础的自上而下能源消耗清单法到时空异质性的多源人为热建模，完善并形成了一套系统的大尺度人为热估算框架，实现兼顾大尺度空间范围与精细时空变化特征的多源人为热公开数据集构建：
一是修正了在中国开展的自上而下能源消耗清单法对官方能耗数据的不合理应用。基于中国综合社会调查的统计结果分离了生活能耗中的私家车能耗，并结合交通运输、仓储及邮电通讯业能耗，实现了更准确的交通热和建筑热构成。
二是在常用人为热代理数据基础上，针对不同热源时空特征的差异性选取对应的预测因子，包括面向建筑热的全国建筑高度、面向工业热的加权工厂密度、面向交通热的加权道路密度等，均在多源人为热建模中发挥了至关重要的作用。
三是为克服单一算法在多源人为热建模过程中的适用性和准确性问题，研究利用Stacking框架整合多种机器学习模型，在提高精度的同时简化了建模算法的评估和选择过程。此外，研究用于建模的人为热样本数量和有效值范围均大于以往研究，且包含时间变异信息。
四是针对大尺度范围提出更具可行性的时间降尺度方案。在模型直接输出的月平均多源人为热通量的基础上，将全国多个代表城市的日内人口热力值变化扩展至对应区域，以准确获取全国范围特定月份特定时刻的人为热估算结果。
图1 多源数据支撑下的全国高时空分辨率人为热估算
研究结果显示，显著调整了交通热在总热排放中的占比，校正了总人为热排放的高估问题；建立更便捷且准确的针对中国区域的能源消耗清单法估算标准流程，以适应于日益复杂的人为热量化需求，为后续机器学习模型提供更加准确的多源人为热样本标签。
本研究不但具有更精细的空间细节，不同人为热源之间也具有完全不同的特征。建筑热的空间分布特征与前人研究相似，但交通热的线性分布则更为明显。特别的，工业热在本研究中并非如以往研究那样聚集于市中心，而是不规则地分布在城市范围内，市中心的热排放反而相对较弱。尽管存在一些差异，但本研究的结果与以往的人为热数据集表现出显著的相关性（p<0.001），相关系数均超过 0.7。
实现了兼顾大尺度空间范围与精细时空变化特征的多源人为热估算，并形成一整套能被直接使用的公开数据集，是当前最新和最优的中国人为热排放数据集之一。为后续大尺度人为热量化方法的改进提供了坚实的基础，也为区域气候模拟提供了更加准确的数据输入，促进对城市热环境影响因素的深入理解，支撑城市可持续发展和能耗的合理回收利用。
图2 各省2019年多源热排放总量及构成
图3 示例城市的月均（a）建筑热通量、（b）交通热通量和（c）工业热通量
图4 四月份(a)北京和(b)上海当地时间每小时人为热
图5 与前人研究结果的对比：(a)-(d) 是以往研究获取的建筑热、交通热、工业热 (Chen et al., 2020)和总年均人为热(Wang et al., 2022b)；(e)-(f) 是本研究的结果。
图6 本研究与 (a) Wang et al. (2022b)、(b) Chen et al. (2020)、(c) Varquez et al. (2021) 在北京建成区的人为热相关图。
研究成果“High spatial and temporal resolution multi-source anthropogenic heat estimation for China”发表在在国际环境领域顶刊《Resources, Conservation & Recycling》，第一作者为博士研究生钱江康，通讯作者为张琳琳助理研究员。研究工作得到国家自然科学基金重大项目、国家自然科学基金青年项目、中国科学院青年创新促进会项目等项目资助。
动态新闻