编辑推荐：
本研究通过校准DMSP-OLS和NPP-VIIRS夜间灯光(NTL)数据，构建碳排放空间可视化模型，揭示1992-2022年东南亚碳排放增长2.51倍的时空格局。研究发现城市核心区呈现"循环经济优势"的持续高排放特征，与ODIAC和EDGAR数据验证表明高排放区一致性达90%以上，为区域低碳发展政策提供数据支撑。
随着全球气候变化加剧，东南亚作为新兴工业化地区，其碳排放增速已引起国际社会高度关注。该区域过去30年GDP年均增长4.5%，化石能源占比从53%飙升至84.86%，但传统碳排放监测方法存在数据稀疏、时效性差等瓶颈。尤其值得注意的是，夜间灯光(NTL)数据虽在中国碳排放研究中广泛应用，但对东南亚这类发展中国家的系统性研究仍属空白。
为破解这一难题，研究人员创新性地融合DMSP-OLS和NPP-VIIRS两代卫星数据，通过多项式回归和机器学习（随机森林RFR、支持向量回归SVR）校准建立31年连续数据集。研究团队构建了包含GDP因子的三变量线性模型（R2>0.9），首次实现东南亚国家尺度1km×1km网格化碳排放模拟。论文发表在《Eco-Environment》期刊。
关键技术包括：1) 采用Theil-Sen中值估计和Mann-Kendall检验分析趋势显著性；2) 基于Hurst指数预测未来排放持续性；3) 整合ODIAC和EDGAR数据库进行空间相关性验证；4) 使用Google Earth Engine平台处理土地覆盖数据。
研究结果部分：
3.1节显示通过指数回归模型校准NPP-VIIRS数据效果最佳（R2=0.86），成功解决DMSP-OLS在高强度灯光区的饱和问题。图3揭示2012-2022年碳排放强度>500tC/(km2·yr)的区域面积激增，增速显著超过前两个十年。
3.2节建立的国别模型中，印尼、越南等国模型精度达R2>0.95，而新加坡、文莱因国土面积小导致拟合度较低（R2≈0.75）。图4显示曼谷、胡志明市等城市群形成明显碳排放热点，与ODIAC数据的空间相关性最高。
3.3节趋势分析发现，主要城市中心区呈现"主导循环"模式——初始高排放区域持续强化（Hurst指数>0.5），而缅甸东部等边缘地区则表现出反持续性。图5预测显示城市外围区域碳排放增速将是核心区的1.3倍。
讨论部分指出三个关键创新：1) 首次实现东南亚多源NTL数据跨传感器校准；2) 揭示"核心-边缘"排放差异的时空异质性；3) 验证NTL在发展中国家碳排放估算的适用性。但研究也承认，对水泥厂等非照明工业源的排放估算存在局限。
该研究为《东盟低碳发展蓝图2025》提供了重要实施依据，提出的"三支柱"策略——城市工业脱碳、区域碳市场建设和循环经济推广，已被越南、泰国等国家纳入气候政策讨论。特别是发现的经济增长与排放强度解耦现象（图S5），为发展中国家平衡发展与减排提供了新证据。未来研究可结合CO2柱浓度(XCO2)卫星数据，进一步提升工业点源监测精度。
生物通微信公众号
生物通 版权所有
