王 濤， 馮志暢， 羅 健， 孟慶濤

1.中電普瑞電力工程有限公司，北京102200

2.北京市工貿(mào)技師學(xué)院 機(jī)電分院，北京100097

電力消費(fèi)是中國(guó)主要的能源消費(fèi)，是經(jīng)濟(jì)運(yùn)行狀況的重要指向標(biāo)，與經(jīng)濟(jì)增長(zhǎng)情況密切相關(guān)[1]，因此電力消費(fèi)的變化在一定程度上反映了中國(guó)宏觀經(jīng)濟(jì)走向。當(dāng)前中國(guó)經(jīng)濟(jì)發(fā)展已進(jìn)入新常態(tài)，電力消費(fèi)同樣也進(jìn)入了結(jié)構(gòu)優(yōu)化、區(qū)域分化階段[2-3]。電力消費(fèi)量是衡量地區(qū)電力消費(fèi)狀況的基本指標(biāo)，但是目前缺乏更精細(xì)化尺度如市級(jí)、縣級(jí)甚至柵格尺度電力消費(fèi)量的空間分布特征，致使統(tǒng)計(jì)數(shù)據(jù)不能更準(zhǔn)確地模擬電力消費(fèi)量。因此，電力消費(fèi)統(tǒng)計(jì)數(shù)據(jù)不能充分反映電力消費(fèi)的空間分布狀況，那么如何快速、有效、精準(zhǔn)化地模擬區(qū)域電力消費(fèi)量是亟需解決的現(xiàn)實(shí)問(wèn)題。

隨著衛(wèi)星遙感技術(shù)的快速發(fā)展和廣泛應(yīng)用[4]，利用美國(guó)國(guó)防氣象衛(wèi)星計(jì)劃(defense meteorological satellite program, DMSP) 上的操作線性掃描系統(tǒng)(operational linescan system,OLS）所獲取的夜間燈光數(shù)據(jù)構(gòu)成了人類經(jīng)濟(jì)活動(dòng)[5]、電力消費(fèi)情況[6-7]的有效指標(biāo)，也逐漸成為監(jiān)測(cè)人類社會(huì)經(jīng)濟(jì)生活的理想客觀數(shù)據(jù)源之一。從20 世紀(jì)80年代以來(lái)，眾多學(xué)者對(duì)DMSP-OLS 數(shù)據(jù)在電力消費(fèi)領(lǐng)域的研究展開(kāi)了大量工作[8-10]。文獻(xiàn)[11] 對(duì)全球主要國(guó)家的電力消費(fèi)和燈光之間的關(guān)系進(jìn)行了分析，表明燈光與電力消費(fèi)具有很強(qiáng)的線性相關(guān)性。文獻(xiàn)[12] 對(duì)印度1993—2002年的電力消費(fèi)時(shí)空特征進(jìn)行分析，表明印度夜間燈光與電力消費(fèi)的相關(guān)系數(shù)為0.56，所提模型的模擬效果良好。文獻(xiàn)[13] 基于DMSP-OLS 夜間燈光數(shù)據(jù)重構(gòu)了1995—2008年中國(guó)縣級(jí)尺度電力消費(fèi)量，并對(duì)其進(jìn)行時(shí)空特征分析。文獻(xiàn)[14] 對(duì)日本10個(gè)供電地區(qū)的電力消費(fèi)和由此產(chǎn)生的碳排放進(jìn)行了區(qū)域模擬，結(jié)果表明DMSP-OLS 的輻射校準(zhǔn)產(chǎn)品相比穩(wěn)定燈光產(chǎn)品可以更好地模擬電力消費(fèi)量。文獻(xiàn)[15] 基于夜間燈光數(shù)據(jù)對(duì)中國(guó)1994—2009年市級(jí)尺度電力消費(fèi)進(jìn)行空間分析，指出估算模型有助于體現(xiàn)電力消費(fèi)的地區(qū)差異性。文獻(xiàn)[16] 基于DMSP-OLS 夜間穩(wěn)定燈光對(duì)全球電力消費(fèi)情況進(jìn)行探測(cè)，建立全球尺度的電力消費(fèi)量模擬模型，表明全球高電力消費(fèi)地區(qū)集中在歐洲、北美和亞洲。可以看出，多數(shù)研究均從國(guó)家、區(qū)域等單一尺度展開(kāi)，而對(duì)多尺度分析電力消費(fèi)時(shí)空演變格局的研究卻較少。本文基于前人的研究成果，從省級(jí)尺度構(gòu)建基于DMSP-OLS 數(shù)據(jù)的電力消費(fèi)模擬模型，進(jìn)而反演出柵格、市級(jí)和縣級(jí)尺度電力消費(fèi)量，最后分析了多尺度電力消費(fèi)時(shí)空格局，為政府電力調(diào)配和經(jīng)濟(jì)發(fā)展提供借鑒和參考。

1 數(shù)據(jù)來(lái)源與研究方法

DMSP-OLS 遙感數(shù)據(jù)來(lái)源于美國(guó)國(guó)家海洋和大氣管理局，包含了6 代衛(wèi)星傳感器獲

1.1 數(shù)據(jù)來(lái)源

取的F10-F18 數(shù)據(jù)；省級(jí)電力消費(fèi)統(tǒng)計(jì)數(shù)據(jù)則來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》（2001—2017）。

1.2 DMSP-OLS 數(shù)據(jù)校正

1.3 研究方法

1.3.1 模擬模型的構(gòu)建

基于DMSP-OLS 數(shù)據(jù)與電力消費(fèi)數(shù)據(jù)存在顯著的線性相關(guān)性，本文建立電力消費(fèi)估算模型，其計(jì)算公式為

式中：Ei為估算的i像元電力消費(fèi)；DNi為i像元的DN 值；a和b為回歸系數(shù)。結(jié)合式(1)建立省級(jí)電力消費(fèi)和DN 值之間的線性回歸關(guān)系，如圖1 所示。

圖1 2000—2013年省級(jí)電力消費(fèi)與省級(jí)DN 值回歸關(guān)系Figure 1 Regression relationship between provincial electric power consumption and provincial DN value from 2000 to 2013

數(shù)據(jù)校正步驟如下：

步驟1將DMSP-OLS 數(shù)據(jù)轉(zhuǎn)換為L(zhǎng)ambert 等角圓錐投影，并裁剪得出中國(guó)DMSPOLS 數(shù)據(jù)。

步驟2對(duì)裁剪出的數(shù)據(jù)進(jìn)行相互校正。

步驟2-1選取影像數(shù)字量化值(digital number, DN)年際變化較小的區(qū)域作為穩(wěn)定的目標(biāo)區(qū)域與其他年份進(jìn)行比較，并利用回歸模型進(jìn)行校正。

步驟2-2需要對(duì)同一年不同衛(wèi)星獲取的數(shù)據(jù)進(jìn)行比較校正，以獲得穩(wěn)定值。

步驟3采用后一期DN 值始終大于前一期DN 值的方法，對(duì)DMSP-OLS 數(shù)據(jù)進(jìn)行時(shí)間序列連續(xù)校正。

通過(guò)以上步驟可以得到中國(guó)1992—2013年校正后的DMSP-OLS 數(shù)據(jù)。

計(jì)算得出省級(jí)電力消費(fèi)與DN 值之間的線性回歸關(guān)系式為

估算模型的擬合優(yōu)度R2為0.714 9，表明擬合優(yōu)度良好；回歸系數(shù)為正值，表明兩者之間存在著顯著的正線性相關(guān)性。估算模型可以進(jìn)行多尺度電力消費(fèi)時(shí)空演變格局分析。鑒于省級(jí)尺度模擬的電力消費(fèi)量與統(tǒng)計(jì)消費(fèi)量存在一定的數(shù)據(jù)差異性，可利用省級(jí)電力消費(fèi)數(shù)據(jù)作為線性調(diào)整來(lái)糾正初步估算的柵格尺度電力消費(fèi)量，進(jìn)而生成省級(jí)電力消費(fèi)柵格圖（1 km×1 km 空間分辨率），其計(jì)算公式為

式中：Ki為i省的調(diào)整系數(shù)；Ei和E0分別為i省電力消費(fèi)的統(tǒng)計(jì)值和模擬值；Egridi和Egrid0分別為i省調(diào)整后的電力消費(fèi)柵格統(tǒng)計(jì)值和模擬值。

1.3.2 全局空間相關(guān)性

全局空間相關(guān)性的有效指數(shù)[17]Global Moran’sI可以檢驗(yàn)電力消費(fèi)的空間分布特征，其計(jì)算公式為

式中

式中：xk為k地區(qū)電力消費(fèi)量；xp為p地區(qū)電力消費(fèi)量；S為區(qū)域數(shù)；W為空間權(quán)重矩陣；dkp為兩地區(qū)之間的距離。I的取值范圍為[?1,1]。I值越接近1，表明空間屬性值存在正相關(guān)；越接近?1，表明空間屬性值存在負(fù)相關(guān)。進(jìn)一步對(duì)Global Moran’sI結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)，計(jì)算公式為

式中：Var(I) 表示指數(shù)Global Moran’sI的方差，當(dāng)Z(I) 大于臨界值1.96 時(shí)，該空間具有顯著相關(guān)性。

1.3.3 局部相關(guān)性

全局空間相關(guān)性指數(shù)Moran’sI是總體統(tǒng)計(jì)指標(biāo)，反映了區(qū)域整體的空間聚集和分散程度，而進(jìn)一步識(shí)別不同區(qū)域的空間屬性[18]則需要局部空間自相關(guān)性指標(biāo)。揭示不同空間區(qū)域的空間聚集程度和變化趨勢(shì)，能夠反映全局自相關(guān)的局部分布不穩(wěn)定性，即空間異質(zhì)性。本文主要使用局部Moran’sIc指數(shù)度量和檢驗(yàn)不同尺度碳排放的局部空間特征，公式為

式中：Ic表示局部Moran’sI指數(shù)，Zk和Zp分別為區(qū)域k和p標(biāo)準(zhǔn)化后的電力消費(fèi)量，Wkp為行標(biāo)準(zhǔn)化后的空間權(quán)重，且∑Wkp=1。進(jìn)一步通過(guò)局部Moran’sIc指數(shù)來(lái)區(qū)分局部集聚模式，具體的集聚模式包括：H-H 集聚是指若Ic顯著為正且Zk >0，則電力消費(fèi)量高的地區(qū)被電力消費(fèi)量高的地區(qū)包圍；L-L 集聚是指若Ic顯著為正且Zk <0，則電力消費(fèi)量低的地區(qū)被電力消費(fèi)量低的地區(qū)包圍；L-H 集聚是指若Ic顯著為負(fù)且Zk <0，則電力消費(fèi)量低的地區(qū)被電力消費(fèi)量高的地區(qū)包圍；H-L 集聚是指若Ic顯著為負(fù)且Zk >0，則電力消費(fèi)量高的地區(qū)被電力消費(fèi)量低的地區(qū)包圍。

2 實(shí)證分析

2.1 多尺度電力消費(fèi)時(shí)空變化

2.1.1 柵格尺度

基于1.3.1 節(jié)建立的模型可得出中國(guó)柵格尺度電力消費(fèi)量如圖2 所示。可以看出，2000—2013年中國(guó)電力消費(fèi)呈現(xiàn)顯著增長(zhǎng)趨勢(shì)，電力消費(fèi)總量由2000年的13 606.29 億kWh 增加為2013年的53 423.39 億kWh。電力消費(fèi)空間分布由星點(diǎn)狀分布演變?yōu)榫W(wǎng)狀分布特征，其中京津冀地區(qū)、長(zhǎng)三角地區(qū)和珠三角地區(qū)是高電力消費(fèi)聚集區(qū)域，而廣大的西部地區(qū)則呈現(xiàn)低電力消費(fèi)集聚態(tài)勢(shì)。進(jìn)一步研究可以發(fā)現(xiàn)，高電力消費(fèi)區(qū)域主要集中在胡煥庸線的東南側(cè)，而低電力消費(fèi)區(qū)域則聚集在胡煥庸線的西北側(cè)，呈現(xiàn)出與經(jīng)濟(jì)發(fā)展、人口密度相一致的“東密西疏”分布特征，表明電力消費(fèi)具有胡煥庸線現(xiàn)象。

圖2 2000—2013年間中國(guó)柵格尺度電力消費(fèi)分布特征Figure 2 Distribution characteristics of China’s electric power consumption at grid scale from 2000 to 2013

2.1.2 省級(jí)尺度

采用自然斷點(diǎn)法將中國(guó)2000—2013年間省級(jí)電力消費(fèi)總量分為5 類，其空間特征如圖3所示。

從圖3 中可以看出：2000—2013年中國(guó)省份電力消費(fèi)總量呈現(xiàn)擴(kuò)大趨勢(shì)，由2000年的38.37 億kWh 增長(zhǎng)為2013年的4 956.62 億kWh。2000年高電力消費(fèi)省份為廣東、山東和江蘇，低電力消費(fèi)省份為新疆、寧夏、青海、海南和西藏；2005年高電力消費(fèi)省份為廣東、江蘇和山東，低電力消費(fèi)省份在新疆、青海、寧夏、海南、西藏的基礎(chǔ)上增加了重慶市；2010年高電力消費(fèi)省份在山東、江蘇和廣東的基礎(chǔ)上增加了河北和浙江，低電力消費(fèi)省份減少為海南和西藏；2013年高電力消費(fèi)省份仍為山東、江蘇和廣東，低電力消費(fèi)省份仍為海南和西藏。總體來(lái)說(shuō)，高電力消費(fèi)省份為廣東、山東和江蘇，低電力消費(fèi)省份分布在西藏，可以看出：省級(jí)電力消費(fèi)的分布特征呈現(xiàn)出由東部地區(qū)向西部地區(qū)階梯式減少的趨勢(shì)。

圖3 2000—2013年間中國(guó)省級(jí)尺度電力消費(fèi)分布特征Figure 3 Distribution characteristics of China’s electric power consumption at provincial scale from 2000 to 2013

2.1.3 市級(jí)尺度

采用自然斷點(diǎn)法將中國(guó)2000—2013年間市級(jí)電力消費(fèi)總量分為5 類，其空間特征如圖4所示。

從圖4 中可以看出：2000—2013年城市電力消費(fèi)總量呈現(xiàn)擴(kuò)大趨勢(shì)，電力消費(fèi)最高值由2000年的23.78 億kWh 增加為2013年的1 407.16 億kWh。2000年高電力消費(fèi)城市主要分布在珠三角、長(zhǎng)三角、京津冀三大城市群；東北的沈陽(yáng)、哈爾濱等老工業(yè)基地；西南地區(qū)的成都和重慶；中部工業(yè)城市武漢，以及東部沿海的青島和泉州。2013年高電力消費(fèi)城市主要分布在長(zhǎng)三角、京津冀、珠三角三大城市群；西南地區(qū)的成都和重慶；山東的濰坊和青島；福建泉州；內(nèi)蒙古鄂爾多斯；中部的武漢和鄭州；東北的沈陽(yáng)。低電力消費(fèi)城市廣泛分布于中國(guó)的西部地區(qū)，呈現(xiàn)東多西少的層級(jí)分布趨勢(shì)。這與柵格尺度和省級(jí)尺度電力消費(fèi)呈現(xiàn)出一致的分布趨勢(shì)，表明省份電力消費(fèi)分布存在著城市之間的差異性。

圖4 2000—2013年間中國(guó)市級(jí)尺度電力消費(fèi)分布特征Figure 4 Distribution characteristics of China’s electric power consumption at prefectural scale from 2000 to 2013

2.1.4 縣級(jí)尺度

采用自然斷點(diǎn)法將中國(guó)2000—2013年縣級(jí)電力消費(fèi)總量分為5 類，其空間特征如圖5 所示，可以看出：2000—2013年縣域電力消費(fèi)總量呈現(xiàn)擴(kuò)大趨勢(shì)，電力消費(fèi)最高值由2000年的3.28 億kWh 增加為2013年的393.24 億kWh。2000年高電力消費(fèi)縣域主要分布在珠三角、上海、北京、浙江的蕭山區(qū)、遼寧的海城市。2013年高電力消費(fèi)縣域主要分布在珠三角、長(zhǎng)三角、內(nèi)蒙古的烏審旗和北京市，而低電力消費(fèi)縣域主要分布在中國(guó)的西北、西南、內(nèi)蒙古和東北大部分地區(qū)，呈現(xiàn)出由東部發(fā)達(dá)地區(qū)向西部經(jīng)濟(jì)較為落后地區(qū)層級(jí)降低趨勢(shì)，這與柵格、省級(jí)和市級(jí)尺度電力消費(fèi)呈現(xiàn)出一致的分布趨勢(shì)，表明電力消費(fèi)分布同樣存在著縣域之間的差異性。

圖5 2000—2013年間中國(guó)縣級(jí)尺度電力消費(fèi)分布特征Figure 5 Distribution characteristics of China’s electric power consumption at county scale from 2000 to 2013

2.2 多尺度電力消費(fèi)全局空間相關(guān)性

多尺度電力消費(fèi)全局空間相關(guān)性分析結(jié)果如表1 所示，其中Z為檢驗(yàn)統(tǒng)計(jì)量，P值為拒絕域概率，可以看出：省級(jí)尺度Z值小于1.96，P值均大于10%，表明在省級(jí)尺度上電力消費(fèi)并不存在全局空間相關(guān)性；市級(jí)和縣級(jí)尺度Z值均大于2.58，P值均小于0.01，在1% 水平上顯著，表明中國(guó)市級(jí)和縣級(jí)電力消費(fèi)量具有顯著的空間相關(guān)性，電力消費(fèi)在市級(jí)和縣級(jí)尺度上呈現(xiàn)聚集分布態(tài)勢(shì)。總體來(lái)看，市級(jí)尺度電力消費(fèi)的Moran’sI指數(shù)要大于縣級(jí)尺度電力消費(fèi)的I指數(shù)，表明較小的空間尺度更具有空間集聚特征，其中市級(jí)尺度是模擬電力消費(fèi)的有效行政單元。

表1 多尺度電力消費(fèi)全局空間相關(guān)性分析Table 1 Global spatial correlation analysis of multi-scale electric power consumption

2.3 多尺度電力消費(fèi)局部空間相關(guān)性

2.3.1 省級(jí)尺度

計(jì)算2013年中國(guó)省級(jí)電力消費(fèi)的局部Moran’sIc指數(shù)，得到省級(jí)尺度電力消費(fèi)的LISA集聚格局，如圖6 所示。

圖6 2013年省級(jí)電力消費(fèi)LISA 分布圖Figure 6 LISA distribution map of provincial electric power consumption in 2013

2013年12.9% 的省份電力消費(fèi)呈現(xiàn)出局域空間相關(guān)性。顯著性空間類型主要表現(xiàn)為HH類型和HL 類型。其中HH 類型主要為東部地區(qū)的山東、江蘇和浙江，這3 個(gè)省份與相鄰省份呈現(xiàn)出高電力消費(fèi)的趨同效應(yīng)。如河北、河南、安徽等與這3 個(gè)省份均為人口大省、重工業(yè)大省和經(jīng)濟(jì)發(fā)達(dá)省份，經(jīng)濟(jì)發(fā)展、人民生活水平的提高直接導(dǎo)致電力消費(fèi)量的增加。HL 類型為廣東，表明廣東為高電力消費(fèi)區(qū)域，而周邊的廣西、湖南和江西等電力消費(fèi)量遠(yuǎn)低于廣東省，表明廣東省電力消費(fèi)對(duì)周圍區(qū)域具有顯著溢出效應(yīng)。由此可見(jiàn)高電力消費(fèi)區(qū)域集中在中國(guó)的東南沿海地區(qū)，這與現(xiàn)實(shí)相符。

2.3.2 市級(jí)尺度

計(jì)算2013年市級(jí)電力消費(fèi)的局部Moran’sIc指數(shù)，得到市級(jí)尺度電力消費(fèi)的LISA 集聚格局，如圖7 所示。

圖7 2013年市級(jí)電力消費(fèi)LISA 分布圖Figure 7 LISA distribution map of prefectural electric power consumption in 2013

2013年16.56% 的城市電力消費(fèi)呈現(xiàn)出局域空間相關(guān)性。顯著性空間類型主要表現(xiàn)為正相關(guān)HH 型和LL 型，負(fù)相關(guān)HL 型和LH 型。其中HH 型城市有42 個(gè)，主要分布如下：1）環(huán)渤海灣地區(qū)的北京、天津，河北的邢臺(tái)、石家莊、滄州、保定、廊坊、唐山；2）山東的臨沂、濟(jì)寧、濟(jì)南、青島、濰坊、濱州、煙臺(tái)；3）長(zhǎng)三角的上海、蘇州、南京、無(wú)錫、常州、鎮(zhèn)江、泰州、南通、揚(yáng)州、淮安、鹽城、連云港、臺(tái)州、金華、寧波、杭州、紹興、嘉興、湖州、溫州、徐州；4）珠三角的深圳、佛山、廣州、東莞和惠州?？梢园l(fā)現(xiàn)HH 型城市主要分布在中國(guó)的東部沿海等經(jīng)濟(jì)發(fā)達(dá)、城鎮(zhèn)化水平較高地區(qū)，與周圍的高電力消費(fèi)城市呈現(xiàn)出趨同性。LL型城市則主要分布如下：1）青海的黃南藏族自治州和果洛藏族自治州；2）甘肅的甘南藏族自治州；3）西藏的昌都地區(qū)和林芝地區(qū)；4）云南的迪慶藏族自治州。可以發(fā)現(xiàn)LL 型城市主要聚集在中國(guó)西北經(jīng)濟(jì)較為落后地區(qū)，這些城市與周邊低電力消費(fèi)城市呈現(xiàn)出趨同性。HL 型城市則分別為武漢、長(zhǎng)沙、重慶和成都，可以發(fā)現(xiàn)均分布在中國(guó)的中部和西南省會(huì)城市，表明這4 個(gè)城市本身為高電力消費(fèi)城市，而被低電力消費(fèi)城市包圍，呈現(xiàn)出電力消費(fèi)的溢出效應(yīng)，存在省內(nèi)電力消費(fèi)分布的差異性。LH 型城市則分布在浙江舟山、安徽馬鞍山、山東萊蕪和山西陽(yáng)泉，呈現(xiàn)點(diǎn)狀部分特征，表明這4 個(gè)城市雖然為低電力消費(fèi)城市，但被高電力消費(fèi)城市包圍，同樣存在省內(nèi)電力消費(fèi)分布的差異性。

2.3.3 縣級(jí)尺度

計(jì)算2013年縣級(jí)電力消費(fèi)的局部Moran’sIc指數(shù)，得到縣級(jí)尺度電力消費(fèi)的LISA 集聚格局，如圖8 所示。

圖8 2013年縣級(jí)電力消費(fèi)LISA 圖Figure 8 LISA distribution map of county electric power consumption in 2013

2013年40.95% 的縣域電力消費(fèi)呈現(xiàn)出局域空間相關(guān)性。顯著性空間類型主要表現(xiàn)為正相關(guān)HH 型和LL 型，負(fù)相關(guān)HL 型和LH 型。HH 類型縣域有382 個(gè)，主要分布如下：1）環(huán)渤海灣地區(qū)的北京、天津、河北、遼寧和山東；2）長(zhǎng)三角地區(qū)、珠三角地區(qū)；3）東南沿海的福建；4）中部地區(qū)河南的永城市、中牟縣、濮陽(yáng)縣、梁園區(qū)和安徽；5）西北地區(qū)的內(nèi)蒙古、陜西的神木縣、寧夏的利通區(qū)、青銅峽市、靈武市、永年縣、西夏區(qū)、大武口區(qū)、興慶區(qū)?？梢园l(fā)現(xiàn)HH 類型區(qū)域主要集中在中國(guó)的東部沿海地區(qū)，呈現(xiàn)條帶狀分布趨勢(shì)。LL 類型縣域有636個(gè)，主要集中在中國(guó)的中西部廣大地區(qū)，呈現(xiàn)連片狀分布，包括：1）內(nèi)蒙古的科爾沁右翼前旗；2）吉林、黑龍江、江西的永新縣、蓮花縣；3）河南的盧氏縣；4）湖北、湖南、廣西、重慶、四川、貴州、云南、西藏等西部省份。HL 類型縣域有56 個(gè)，呈現(xiàn)點(diǎn)狀分布，主要包括：1）內(nèi)蒙古的科爾沁區(qū)、牙克石市、鄂倫春自治旗；2）遼寧的昌圖縣；3）河南的靈寶市；4）湖北的潛江市和樊城區(qū)；5）湖南、廣西的興賓區(qū)和興寧區(qū)；6）重慶、四川、貴州、云南、陜西的長(zhǎng)安區(qū)和志丹縣、青海的格爾木市和湟中縣；7）寧夏的原州區(qū)。LH 類型有102 個(gè)，同樣呈現(xiàn)點(diǎn)狀分布，主要包括：1）北京、河北、遼寧的長(zhǎng)?？h、中山區(qū)；2）長(zhǎng)三角圍繞高碳地區(qū)的縣域、中部的安徽、江西的婺源縣、河南的臺(tái)前縣；3）圍繞珠三角的部分縣域；4）東部沿海的福建和山東。

2.4 討論

總體來(lái)看，利用DMSP-OLS 數(shù)據(jù)對(duì)電力消費(fèi)進(jìn)行擬合，可以得到較好的估計(jì)效果，與文獻(xiàn)[10] 的估計(jì)精度（70% 左右）具有一致性。中國(guó)電力消費(fèi)在持續(xù)增長(zhǎng)的同時(shí)，也呈現(xiàn)出一定的區(qū)域差異性特征，這與文獻(xiàn)[18] 研究表明的區(qū)域電力發(fā)展不均衡具有一致性。文獻(xiàn)[10] 認(rèn)為京津唐、滬寧杭、珠三角、山東半島、遼中南地區(qū)和四川盆地為電力集中區(qū)域，而本研究進(jìn)一步指出高電力消費(fèi)區(qū)域主要集中在京津冀、長(zhǎng)三角和珠三角這三大城市群，實(shí)現(xiàn)了多尺度高電力消費(fèi)地區(qū)的精準(zhǔn)識(shí)別。

3 結(jié)論及政策建議

3.1 結(jié)論

1）本文采用校正后的DMSP-OLS 夜間燈光數(shù)據(jù)，經(jīng)過(guò)影像重投影、相互校正、年內(nèi)融合、時(shí)間序列校正后，得到了1992—2013年全國(guó)DMSP-OLS 數(shù)據(jù)集。在統(tǒng)計(jì)電力消費(fèi)量的基礎(chǔ)上構(gòu)建多尺度電力消費(fèi)模擬模型。模擬結(jié)果顯示模型的擬合優(yōu)度為0.714 9，基于校正后的DMSP-OLS 數(shù)據(jù)估算電力消費(fèi)模擬精度良好，表明模型有效。

2）2000—2013年中國(guó)電力消費(fèi)呈現(xiàn)顯著增長(zhǎng)趨勢(shì)。電力消費(fèi)總量由2000年的13 606.29 億kWh 增加為2013年的53 423.39 億kWh。京津冀地區(qū)、長(zhǎng)三角地區(qū)和珠三角地區(qū)是高電力消費(fèi)聚集區(qū)域，西部地區(qū)則呈現(xiàn)低電力消費(fèi)集聚態(tài)勢(shì)，電力消費(fèi)量分布呈現(xiàn)胡煥庸線特征。

3）多尺度電力消費(fèi)總量均呈現(xiàn)擴(kuò)大趨勢(shì)。高電力消費(fèi)省份為廣東、山東和江蘇。高電力消費(fèi)城市主要分布在珠三角、長(zhǎng)三角、京津冀三大城市群；西南的成都和重慶、中部的武漢、東部沿海的青島和泉州。高電力消費(fèi)縣域主要分布在珠三角、長(zhǎng)三角和北京。柵格、省級(jí)、市級(jí)和縣級(jí)尺度電力消費(fèi)量呈現(xiàn)出一致的分布趨勢(shì)，不同地區(qū)電力消費(fèi)存在著差異性。

4）省級(jí)尺度上電力消費(fèi)并不存在全局空間相關(guān)性；市級(jí)和縣級(jí)電力消費(fèi)量具有顯著的空間相關(guān)性；市級(jí)尺度電力消費(fèi)的Moran’s 指數(shù)要大于縣級(jí)尺度電力消費(fèi)的Moran’s 指數(shù)，市級(jí)尺度是模擬電力消費(fèi)的有效行政單元。

5）2013年12.9% 的省份電力消費(fèi)呈現(xiàn)出局域空間相關(guān)性。其中HH 類型主要為東部地區(qū)的山東、江蘇和浙江。16.5% 的城市電力消費(fèi)呈現(xiàn)出局域空間相關(guān)性。其中HH 型城市有42 個(gè)，主要為環(huán)渤海灣地區(qū)、長(zhǎng)三角、珠三角。40.9% 的縣域電力消費(fèi)呈現(xiàn)出局域空間相關(guān)性。HH 類型縣域有382 個(gè)，主要集中在環(huán)渤海灣地區(qū)、長(zhǎng)三角地區(qū)、珠三角地區(qū)；東南沿海的福建；中部地區(qū)河南、西北地區(qū)的內(nèi)蒙古、陜西的神木縣、寧夏。

3.2 政策建議

首先，本文構(gòu)建的模擬模型可以快速、有效、精準(zhǔn)化地利用衛(wèi)星遙感數(shù)據(jù)對(duì)中國(guó)多尺度電力消費(fèi)量進(jìn)行模擬和預(yù)測(cè)，為衛(wèi)星大數(shù)據(jù)時(shí)代進(jìn)行區(qū)域電力消費(fèi)和經(jīng)濟(jì)監(jiān)測(cè)分析提供了基礎(chǔ)保證。政府部門應(yīng)建立基于DMSP-OLS 數(shù)據(jù)的“省級(jí)- 市級(jí)- 縣級(jí)”多層級(jí)電力消費(fèi)聯(lián)動(dòng)模擬監(jiān)測(cè)系統(tǒng)，為存在地區(qū)差異的政府電力資源調(diào)配提供客觀參考。

其次，隨著中國(guó)遙感技術(shù)的進(jìn)一步發(fā)展，未來(lái)基于夜間燈光數(shù)據(jù)開(kāi)展電力消費(fèi)模擬和預(yù)測(cè)的重點(diǎn)在于時(shí)效性更好的NPP-VIIRS 數(shù)據(jù)的應(yīng)用。建立月度、季度和年度衛(wèi)星遙感數(shù)據(jù)與電力消費(fèi)量之間的模擬模型，對(duì)中國(guó)省級(jí)、市級(jí)和縣級(jí)以及柵格尺度進(jìn)行電力消費(fèi)的動(dòng)態(tài)監(jiān)測(cè)，為中國(guó)經(jīng)濟(jì)未來(lái)走勢(shì)、電力資源合理配置提供科學(xué)決策和依據(jù)。

(編輯：管玉娟)