在"双碳"目标引领高质量发展的新时代，精准识别与核算碳排放的空间分布，已成为区域环境管理、国土空间规划和绿色低碳发展的关键科学基础。然而，传统的统计核算数据难以直接服务于精细化的空间治理，研究者与分析师们常常面临"有数据、难落图"的困境------如何将宏观的能源消费总量转化为空间上可识别、可分析的碳排放格局？这需要一套融合多源空间数据与地理信息技术的系统方法。
我们将以"区域碳排放空间核算"这一前沿议题为脉络，引导学员掌握从统计核算、空间建模到格局分析的全链条技能。
系统学习如何利用夜间灯光（DMSP/OLS,NPP/VIIRS）、POI兴趣点、土地利用、人口栅格等多源数据，在ArcGIS平台上构建碳排放空间估算模型。内容层层递进：从ArcGIS基础与数据标准化入手，进而学习统计碳排放核算与夜间灯光校正；核心环节将深入多源数据（如POI行业权重、土地利用掩膜）参与的分层回归建模，以提升空间分配精度；最终完成栅格化分配、空间自相关分析、模型验证与学术级制图表达。
目标
论文的研究即明确采用上述数据来源，并将其统一至同一空间分辨率和投影体系下进行综合分析。
-
掌握宏观碳排放空间核算的全流程研究方法。
-
具备使用ArcGIS处理多源空间数据的核心能力。
-
能够独立完成统计碳排放核算与关键空间数据的预处理。
-
能够构建并应用空间回归模型，实现碳排放的精细化空间分配。
-
完成从模型结果到学术表达的完整输出。
-
特色
本课程的特色在于"三位一体"的训练设计：
-
完整性：覆盖"核算-拟合-分配-分析-验证"完整研究流程，助您产出可直接用于论文或报告的成套地图与分析结论。
-
规范性：强调多源数据在分辨率、投影、口径上的一致化处理原则，培养严谨的空间数据处理习惯。
-
递进性：回归模型从简单线性回归逐步进阶至分组、多元及空间异质性模型介绍，契合科研认知深化的规律。
-
数据
为保证具备可复制性与研究训练价值，专门说明各类数据的获取方式与替代路径。主要包括：
-
夜间灯光数据：DMSP/OLS 与 NPP/VIIRS，用于表征区域人类活动强度与工业活动空间差异。
-
EVI 数据：Terra MODIS，用于夜间灯光饱和修正。
-
土地利用数据：用于工矿与建设空间掩膜提取。
-
POI 数据：来自地图开放平台接口，用于工业活动点位识别与行业重分类。
-
人口数据：WorldPop 栅格数据，用于人口---排放关系分析。
-
统计数据：能源统计年鉴、省市县统计年鉴及相关统计公报，用于碳排放总量核算。
-
验证数据：CEADs 或其他城市/区域尺度碳排放数据，用于模型校验。
-
内容如下：
|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| Day1------宏观碳排放空间核算的研究框架与 ArcGIS 入门基础 |
| 1. 宏观碳排放空间核算的研究对象与技术路线 围绕区域碳排放研究的基本问题展开：排放边界如何界定，统计核算为何难以直接支撑空间治理，多源数据为何能够弥补传统统计方法在空间尺度上的不足。结合六阶段技术流程，系统讲解"排放清单编制---夜间灯光校正---土地利用掩膜---POI 处理---回归拟合---空间分析"的方法链条。 2. ArcGIS 零基础操作基础 讲授矢量与栅格数据结构、属性表逻辑、字段类型、坐标系统与投影转换、地理数据库组织、图层管理、表连接与空间连接等基础内容，使学员能够理解后续空间核算过程中每一类数据在 ArcGIS 中的表达形式。 3. 课程案例的数据类型与获取来源 介绍训练中将使用的典型数据及其获取路径，包括： 夜间灯光数据（DMSP/OLS 与 NPP/VIIRS）； EVI 数据（Terra MODIS）； 土地利用数据； POI 数据； WorldPop 人口栅格； 能源统计数据与各类统计年鉴； CEADs 验证数据。 基于上述多源数据构建空间估算模型，并将全部空间数据统一至 1000m 分辨率与 Albers 投影下处理。 4. 当日实操成果 完成研究区边界、行政区划、基础栅格与属性数据的导入、投影统一与数据库组织；形成后续训练使用的标准化数据工程。 |
| Day 2 ------统计碳排放核算、夜间灯光处理与基础回归示例 |
| 1. 统计能源碳排放核算基础 讲解基于能源消费数据和排放因子进行碳排放估算的思路。采用 ORNL 推荐的化石燃料燃烧二氧化碳估算公式，并结合 IPCC 排放因子，对九类主要能源进行核算。课程中将讲授该类公式的结构、参数含义、统计口径与表格组织方式。 2. 夜间灯光数据预处理 讲解 DMSP/OLS 与 NPP/VIIRS 数据的差异、灯光饱和问题、年际连续性问题及多源灯光数据衔接问题。对夜间灯光处理包括：EVI 校正、年度内校正、年度间校正以及两类夜光数据的相互校准。课程将以 ArcGIS 为主、辅以公式解释，使学员理解夜间灯光在碳排放研究中的"代理变量"意义。 3. 回归模型示例（一）：简单线性回归 作为零基础建模起点，先以"单一解释变量---单一响应变量"的形式说明回归思想，帮助学员理解灯光总量与区域碳排放之间的对应关系。此部分主要解决"为什么需要回归""回归系数意味着什么""拟合优度如何解释"等基本问题。 4. 回归模型示例（二）：无截距线性回归 在工业碳排放影像拟合时采用无截距线性回归，以经处理后的夜间灯光值与省级工业碳排放量开展拟合。课程将专门说明为何在某些空间降尺度问题中采用无截距回归，以及其在碳排放空间化中的适用性。 5. 当日实操成果 完成统计能源碳排放基础表、夜间灯光基础处理结果及灯光---排放对应数据表；形成回归建模的初始样本。 |
| Day 3 ------土地利用、POI建模与多层次回归扩展 |
| 1. 土地利用掩膜与工业灯光提取 将农业用地、城乡建设用地及工矿用地作为掩膜，用于从夜间灯光中提取工业相关灯光信息，以提高工业碳排放空间定位的针对性。课程将据此讲解土地利用分类数据的重分类、掩膜提取、栅格裁剪与空间叠加。 2. POI 数据清洗、重分类与赋权 对 Amap POI 进行清洗、行业重分类与权重分配，并将工业活动划分为采矿业、冶金化工、机械电子制造、食品制造、造纸印刷、服装家具、建筑业、医药制造等八类。课程将围绕 POI 去重、无效点剔除、类别映射、栅格化与赋权方法展开。 3. 回归模型示例（三）：分组/分层回归 先根据夜间灯光与总碳排放比例关系对样本进行分组，再分别回归，以增强模型对时空异质性的适应能力。课程将把这一思路作为由基础回归迈向中阶建模的重要示例，帮助学员理解"同一关系在不同区域或不同发展阶段可能并不一致"的研究含义。 4. 回归模型示例（四）：多元线性回归 若将人口、GDP、建设用地比例等变量同时纳入，可如何构建多元回归模型，并比较其与单变量回归在解释力、共线性与可解释性方面的差异。该环节属于"方法扩展训练"，用于提升学员对模型比较的认识。 5. 回归模型示例（五）：空间异质性视角下的进阶模型 为满足高校学员后续开展课程论文或学位论文的需要，课程将简要介绍地理加权回归（GWR）或其他空间异质性模型的基本思想，说明其与全局回归之间的差异，但不作为零基础学员必须掌握的核心操作内容。该部分定位为"研究方法延展"。 6. 当日实操成果 完成 POI 行业分类成果、权重设置成果、基础回归与分组回归结果，并形成工业碳排放空间分配的中间结果。 |
| Day 4 ------栅格分配、空间格局分析与成果表达 |
| 1. 核密度与栅格化分配 在行业碳排放空间分配中引入 POI 核密度分析，并结合行业权重与总体排放量，将总量进一步分配到栅格单元。课程将讲授核密度思想、带宽设定、栅格权重归一化及最终分配逻辑。 2. 空间格局分析 讲解全局 Moran's I 与局部空间自相关（LISA）的基本原理与研究用途，说明如何识别高---高、高---低、低---高等聚集类型，理解区域碳排放的集聚格局。 3. 人口相关性分析与结果解释 使用 WorldPop 数据对不同工业部门碳排放与人口密度之间的关系进行分析。课程将据此说明：在空间碳排放研究中，相关性分析不仅是统计检验，更是结果解释的重要组成部分。 4. 模型验证与结果可信度表达 以 CEADs 数据作为验证基准，并采用 R² 与 RMSE 评价模型可靠性。课程将增加"结果可信度表达"单元，训练学员如何在课程报告或论文中表述模型精度、误差来源与适用边界。使用决定系数与均方根误差作为主要精度指标。 5. 学术制图与课程汇报表达 讲授专题地图分级、图例设计、色带表达、版式组织、图表联动和结果描述写法，帮助学员将 ArcGIS 输出转化为规范的课程论文图件、开题汇报图件或阶段性研究成果。 6. 当日实操成果 每位学员或每组学员完成： 研究区工业碳排放空间分布图 1 套； 行业分类碳排放表达图 1 套； 空间格局分析图 1 套。 |
官网：https://www.bjsgxxkj.com/pd.jsp?fromColId=2&id=2923#_pp=2_730