今天带来的数据是的全国各省市能源消耗量数据,省级的能源消耗量数据可以在统计年鉴之中查到,但市级的数据却暂无统计。但今天我们基于一篇论文提供的思路,通过夜间灯光与省级能源消耗量对更小尺度的地区能源消耗量进行反算。原文提供1995-2009年DMSP/OLS夜间灯光数据测算了1995-2009年中国数地级市的能源消费量,DMSP/OLS夜间灯光数据只更新到了13年,13年后的常见的夜间灯光是来源于NPP/VIIRS,但两种夜间灯光的数据并不兼容,无法同时比较。但在2021年WU Yizhen等学者在期刊IEEE Transactions on Geoscience and Remote Sensing上的一篇名为《通过整合 DMSP-OLS 和 SNPP-VIIRS 数据得到改进后的1992-2019年中国的时间序列类DMSP-OLS数据》,该数据目前最新到2023年,今天我们基于这份夜间灯光数据与2000-2022年省级能源消耗量进行测算2000-2022年地级市与区的能源消耗量。该测算方法是基于吴建生等所写的《基于DMSP/OLS夜间灯光数据的1995-2009年中国地级市能源消费动态》进行测算,让我们先来简单看一下这篇文章:


已有100+论文参考了作者的做法,相关文章也都发表于国内外权威期刊,接下来,基于这篇文献的做法,我们来测算一下2000-2022年各地级市与区的能源消耗量。各省市夜间灯光总和的获取基于2000-2022年的全国DMSP/OLS夜间灯光数据,从中获取个省市的夜间灯光数据,但一个一个提取太耗费数据了,写代码又太麻烦,我们这里推荐一个ArcGIS Pro的操作方法,通过模型进行数据的迭代,从而快速的得到个省市的夜间灯光总和。1.首先我们将夜间灯光数据放在一个文件夹中,为了方便查看其中13年后的数据本文做了名字的更改

2.将我们需要提取的区域导入到ArcGIS Pro中并新建一个模型构建器

3.迭代器是一个很好用的工具,主要用于自动化和批处理操作。它在ModelBuilder中非常有用,能够帮助用户在多个数据集、文件、字段或记录上重复执行相同的地理处理任务。

4.通过以表格显示分区统计,对栅格数据的值进行计算,本文所需的数据为夜间灯光总和,因此我们只需要统计总和字段就好,这样会快很多,以表格显示分区统计后输出的文件是dbf格式,我们可以通过表转Excel工具将其转换成我们常用的xlsx格式

5.通过省市的行政区划分别统计夜间灯光我们就得到了2000-2023年各省市的夜间灯光总量



通过我们得到的各省市夜间灯光数据于从统计年鉴上得到的各省能源数据,参考文献的做法,对二者做指数相关、线性相关和对数相关关系的探索


出结果可以看到2000-2022年夜间灯光与能源消耗量的线性相关性非常显著,可以进行下一步测试7.通过文献的计算方法,得出2000-2022年各省夜间灯光与能源消耗量之间的系


通过各市的夜间灯光总和乘以该市所在省份的系数得出各市的能源消耗量

参考文献:
[1]Wu, Yizhen; Shi, Kaifang; Chen, Zuoqi ; Liu, Shirao; Chang, Zhijian, 2021, "An improved time-series DMSP-OLS-like data (1992-2022) in China by integrating DMSP-OLS and SNPP-VIIRS", https://doi.org/10.7910/DVN/GIYGJU, Harvard Dataverse, V4
[1]吴健生,牛妍,彭建,等.基于DMSP/OLS夜间灯光数据的1995-2009年中国地级市能源消费动态[J].地理研究,2014,33(04):625-634.
下载链接:
各地级市能源消耗量-xlxs格式(2000-2022年):https://download.csdn.net/download/samLi0620/89949799

各省能源消耗量-xlxs格式(2000-2022年):https://download.csdn.net/download/samLi0620/89949800
