能源资源开发区域大气CO2时空变化及影响因素分析

doi:10.13745/j.esf.sf.2024.5.14

地学前缘 ›› 2024, Vol. 31 ›› Issue (4): 147-164.DOI: 10.13745/j.esf.sf.2024.5.14

• 物联网在线监测大数据 • 上一篇下一篇

能源资源开发区域大气CO₂时空变化及影响因素分析

杨慧¹(), 范怀伟¹, 徐晓², 张云惠³, 王文峰¹^,⁴^,^*(), 闫兆进¹, 王成⁵, 王俊辉⁶, 刘蕾⁷, 王冉¹, 慈慧¹

1.中国矿业大学资源与地球科学学院, 煤层气成藏过程教育部重点实验室, 江苏徐州 221116
2.滁州学院地理信息与旅游学院, 安徽滁州 239000
3.新疆维吾尔自治区气象台, 新疆乌鲁木齐 830002
4.新疆大学地质与矿业工程学院, 新疆乌鲁木齐 830017
5.新疆维吾尔自治区人民政府国家305项目办公室, 新疆乌鲁木齐 830000
6.新疆维吾尔自治区地质局, 新疆乌鲁木齐 830000
7.新疆维吾尔自治区生态环境监测总站, 新疆乌鲁木齐 830011

收稿日期:2023-08-31 修回日期:2023-09-27 出版日期:2024-07-25 发布日期:2024-07-10
通信作者: * 王文峰(1970—),男,教授,博士生导师,主要从事地煤田地质勘查、化石能源地球化学研究工作。E-mail: wenfwang@163.com
作者简介:杨慧(1983—),女,教授,博士生导师,主要从事地球信息科学与技术、地球科学大数据研究工作。E-mail: yanghui@cumt.edu.cn
基金资助:
科学技术部第三次新疆综合科学考察项目(2022xjkk1006);新疆维吾尔自治区重点研发任务专项(2022B01012-1);国家自然科学基金面上项目(41971335);江苏省自然资源科技计划项目(2023018);江苏省自然资源科技计划项目(2022004);智能地学信息处理湖北省重点实验室开放基金课题“基于图神经网络的地面站点CO₂浓度时空预测(KLIGIP-2023-A04)

Analysis of spatio-temporal variations and influencing factors of atmospheric CO₂ concentrations in energy resources development areas

YANG Hui¹(), FAN Huaiwei¹, XU Xiao², ZHANG Yunhui³, WANG Wenfeng¹^,⁴^,^*(), YAN Zhaojin¹, WANG Cheng⁵, WANG Junhui⁶, LIU Lei⁷, WANG Ran¹, CI Hui¹

1. Key Laboratory of Coalbed Methane Resource and Reservoir Formation Process, Ministry of Education, School of Resources and Geosciences, China University of Mining and Technology, Xuzhou 221116, China
2. College of Geographic Information and Tourism, Chuzhou University, Chuzhou 239000,China
3. Xinjiang Uygur Autonomous Region Meteorological Observatory, ürümqi 830002, China
4. College of Geology and Mining Engineering, Xinjiang University, ürümqi 830017, China
5. National 305 Project Office, The People’s Government of Xinjiang Uygur Autonomous Region, ürümqi 830000, China
6. Geological Bureau of Xinjiang Uygur Autonomous Region, ürümqi 830000, China
7. Ecological Environment Monitoring Station of Xinjiang Uygur Autonomous Region, ürümqi 830011, China

Received:2023-08-31 Revised:2023-09-27 Online:2024-07-25 Published:2024-07-10

摘要/Abstract

摘要：

分析能源资源开发区域大气碳浓度的时空变化和影响因素,对于探索“碳达峰”“碳中和”背景下能源资源开发高质量发展路径至关重要。新疆维吾尔自治区是我国重要的能源和战略资源基地,本文面向新疆维吾尔自治区的能源资源开发现状,采集并预处理了2015—2021年轨道碳观测卫星-2(Orbiting Carbon Observatory-2,OCO-2)二氧化碳L3数据产品,分析研究区大气碳浓度的时间变化趋势和空间分布格局,构建深度森林回归模型,并分析各影响因素对碳浓度时空变化的驱动作用。结果表明:(1)新疆维吾尔自治区、准噶尔盆地、吐哈盆地和塔里木盆地XCO₂浓度在2015—2021年均呈周期性上升趋势,增长率呈“先减后增”,且季节变化趋势呈现明显的“春季高冬季低”;(2)在春、秋和冬季,新疆XCO₂浓度空间格局呈现“北高南低”的趋势,在盆地区域及能源资源开发区域出现XCO₂高浓度积聚现象,夏季则呈现“北低南高”趋势;(3)地形起伏、风场流速、NDVI、地表温度、降水量、10 mV风、10 mU风和能源开发强度对区域XCO₂浓度时空分布有显著影响,各因素呈现明显的空间异质性和显著差异。研究结果有助于理解能源资源开采区域的大气碳浓度时空演变机制,在国家碳减排目标的实现、指导碳中和策略、追踪碳减排效果等方面具有深远意义。

关键词: 能源资源开发, XCO₂时空变化, 影响因素, 深度森林回归模型

Abstract:

Analyzing the spatio-temporal variations of atmospheric carbon concentrations in energy resources development areas and identifying influencing factors are crucial for exploring a high-quality development pathway in the context of “Dual Carbon”. Xinjiang Uygur Autonomous Region serves as a vital base for energy and strategic resources in China. This study oriented to the current status of energy resource development in Xinjiang Uygur Autonomous Region, we collected and preprocessed Orbiting Carbon Observatory-2 (OCO-2) carbon dioxide Level 3 data products from 2015 to 2021. We analyzed the temporal trends and spatial distribution patterns of atmospheric carbon concentration in the study area and structured a deep forest regression model to analyze the driving factors of the spatio-temporal variations in carbon concentration. The results indicate that: (1) Xinjiang Uygur Autonomous Region, Junggar Basin, Turpan-Hami Basin and Tarim Basin’s XCO₂ concentration exhibited a cyclic upward trend from 2015 to 2021, with a “decrease-first then increase” growth rate, showing a distinct “high in spring, low in winter” seasonal variation trend; (2) in spring, autumn, and winter, the spatial pattern of XCO₂ concentration in Xinjiang shows a “high in the north, low in the south” trend, with high XCO₂ concentrations accumulating in basin and energy resource development areas. Conversely, a trend of “low in the north, high in the south” observed in summer; (3) topographic relief, wind velocity, NDVI, land surface temperature, precipitation, 10-meter V wind, 10-meter U wind, and energy development intensity significantly influence the spatio-temporal distribution of regional XCO₂ concentration, showing notable spatial heterogeneity and significant differences. These findings contribute to understanding the mechanism of carbon concentration evolution in energy resource extraction areas and hold profound implications for achieving national carbon reduction targets, guiding carbon neutrality strategies, and monitoring carbon emission reduction effects.

Key words: energy resources development, spatio-temporal variations of XCO₂, influencing factor, deep forest regression model

中图分类号:

X821

杨慧, 范怀伟, 徐晓, 张云惠, 王文峰, 闫兆进, 王成, 王俊辉, 刘蕾, 王冉, 慈慧. 能源资源开发区域大气CO₂时空变化及影响因素分析[J]. 地学前缘, 2024, 31(4): 147-164.

YANG Hui, FAN Huaiwei, XU Xiao, ZHANG Yunhui, WANG Wenfeng, YAN Zhaojin, WANG Cheng, WANG Junhui, LIU Lei, WANG Ran, CI Hui. Analysis of spatio-temporal variations and influencing factors of atmospheric CO₂ concentrations in energy resources development areas[J]. Earth Science Frontiers, 2024, 31(4): 147-164.

图/表 16

图1 研究区域概况

Fig.1 Overview of the study area

图2 能源资源开采区域大气碳浓度时空变化及影响因素分析技术框架

Fig.2 Technical framework for analyzing the spatio-temporal variation and influencing factors of atmospheric carbon concentration in energy resources development areas

图3 2021年各影响因素空间分布

Fig.3 Spatial distribution of each influencing factor in 2021

图4 深度森林回归DF21算法框架图

Fig.4 Frame diagram of deep forest regression DF21

图5 2015—2021年新疆维吾尔自治区、吐哈盆地、准噶尔盆地和塔里木盆地大气XCO2月均浓度变化趋势

Fig.5 Variation trend of monthly atmospheric XCO2 concentration in Xinjiang Uygur Autonomous Region, Tuha Basin, Junggar Basin and Tarim Basin from 2015 to 2021

图6 2015—2021年新疆维吾尔自治区、吐哈盆地、准噶尔盆地和塔里木盆地年度月均XCO2浓度

Fig.6 Annual mean monthly XCO2 concentration in Xinjiang Uygur Autonomous Region, Tuha Basin, Junggar Basin and Tarim Basin from 2015 to 2021

图7 2015—2021年新疆维吾尔自治区XCO2平均浓度空间分布图

Fig.7 Spatial distribution of average XCO2 concentration in Xinjiang Uygur Autonomous Region from 2015 to 2021

图8 2015—2021年新疆维吾尔自治区XCO2季节平均浓度空间分布 a—春(3—5月);b—夏(6—8月);c—秋(9—11月);d—冬(12—次年2月)。

Fig.8 Spatial distribution of seasonal mean XCO2 concentration in Xinjiang Uygur Autonomous Region from 2015 to 2021

表1 各影响因素方差膨胀因子

Table 1 Variance inflation factor of each influencing factor

指标名称	VIF	相关系数
风场流速	1.469	0.175^**
地形起伏度	1.968	-0.578^**
NDVI	1.562	-0.147^**
能源开发强度	1.218	0.181^**
降水量	2.406	-0.740^**
地表温度	2.403	0.890^**
10 mV风	1.457	-0.360^**
10 mU风	1.506	-0.456^**
平均	1.896	—

图9 各模型新疆维吾尔自治区2021年碳浓度预测及观测值空间分布 a—卫星XCO2观测值;b—最小二乘法预测值;c—随机森林回归预测值;d—深度森林回归预测值。

Fig.9 Prediction and spatial distribution of carbon concentration observed by each model in Xinjiang Uygur Autonomous Region in 2021

图10 各模型精度验证

Fig.10 Accuracy verification of each model

图11 影响因素重要性评分

Fig.11 Score the importance of each influencing factor

图12 各因素部分依赖图 a—地表温度; b—降水量;c—能源开发强度;d—地形起伏度;e—风场流速;f—10m U风;g—10m V风;h—NDVI。

Fig.12 Partial dependence plots of each influence factor

图13 盆地尺度差异分析

Fig.13 Analysis of basin scale differences

表2 各区域关键影响因素统计指标

Table 2 Statistical indicators of key influencing factors in each region

区域	地表温度/K			能源开发强度
区域	Avg	Var	Avg	Var	Avg	Var	Avg	Var
准噶尔盆地	262.43	184.05	0.410	0.485	0.165	0.113	0.047	0.006 4
塔里木盆地	286.66	0.35	0.065	0.057	0.117	0.007	0.084	0.005 6
吐哈盆地	255.87	91.39	0.341	0.112	0.023	0.001	0.006	0.000 6

图14 2021年新疆维吾尔自治区能源矿产开采区域局部XCO2浓度

Fig.14 XCO2 concentration in energy resources development areas of Xinjiang Uygur Autonomous Region

参考文献 37

[1]	曾强, 李根生, 董敬宣, 等. 新疆煤炭资源开采典型生态环境问题及对策[J]. 矿业安全与环保, 2017, 44(1): 106-110.
[2]	李文昌, 李建威, 谢桂青, 等. 中国关键矿产现状、研究内容与资源战略分析[J]. 地学前缘, 2022, 29(1): 1-13. DOI
[3]	陈军, 成金华. 中国矿产资源开发利用的环境影响[J]. 中国人口·资源与环境, 2015, 25(3): 111-119.
[4]	胡鞍钢. 中国实现2030年前碳达峰目标及主要途径[J]. 北京工业大学学报(社会科学版), 2021, 21(3): 1-15.
[5]	国家发展改革委员会资源节约和环境保护司. 统筹资源开发与生态保护促进人与自然和谐发展: 将碳达峰碳中和贯穿于自然资源开发利用和保护的方方面面[EB/OL]. (2021-11-05)[2023-09-12]. https://www.ndrc.gov.cn/xxgk/jd/jd/202111/t20211105_1303106.html.
[6]	李虎威, 赵红超, 牙生·吾甫尔, 等. 新疆煤炭资源科学开采发展趋势与前景分析[J]. 煤炭工程, 2017, 49(6): 20-22.
[7]	王长建, 杜宏茹, 汪菲. 能源消费对新疆经济发展的影响机理[J]. 干旱区研究, 2014, 31(6): 1163-1169.
[8]	陈亚宁. 塔里木盆地资源环境与区域可持续发展[J]. 干旱区资源与环境, 1999, 13(1): 11-15.
[9]	张东升, 刘洪林, 范钢伟, 等. 新疆大型煤炭基地科学采矿的内涵与展望[J]. 采矿与安全工程学报, 2015, 32(1): 1-6.
[10]	任杨千千, 连懿, 李海笑, 等. 中国大陆CO₂浓度时空分布特征及驱动因素[J]. 中国环境科学, 2023, 43(4): 1919-1929.
[11]	姚依欣, 李贵才, 唐世浩, 等. 2010年—2020年全球陆地区域大气CO₂时空变化特征分析[J]. 遥感学报, 2023, 27(8): 1782-1791.
[12]	何茜, 余涛, 程天海, 等. 大气二氧化碳遥感反演精度检验及时空特征分析[J]. 地球信息科学学报, 2012, 14(2): 250-257. DOI
[13]	ZHANG L L, ZHANG J Y. Analysis of the seasonal variation of CO₂ concentration in China based on GOSAT satellite data[J]. Journal of the Indian Society of Remote Sensing, 2018, 46(10): 1667-1675.
[14]	SIABI Z, FALAHATKAR S, ALAVI S J. Spatial distribution of XCO₂ using OCO-2 data in growing seasons[J]. Journal of Environmental Management, 2019, 244: 110-118.
[15]	吕松, 王先华, 叶函函, 等. 地表高程对大气CO₂反演的影响[J]. 光学学报, 2019, 39(5): 162-168.
[16]	王少剑, 谢紫寒, 王泽宏. 中国县域碳排放的时空演变及影响因素[J]. 地理学报, 2021, 76(12): 3103-3118. DOI
[17]	徐晓. 基于地理加权回归模型的山西省CO₂时空分布驱动因素分析[D]. 徐州: 中国矿业大学, 2022.
[18]	吴健生, 晋雪茹, 王晗, 等. 中国碳排放及影响因素的市域尺度分析[J]. 环境科学, 2023, 44(5): 2974-2982.
[19]	李凯旋, 杨丽萍, 张静, 等. 基于TanSat的中国大陆CO₂浓度监测及驱动因子分析[J]. 中国环境科学, 2023, 43(11): 5645-5654.
[20]	包佳玉, 李祥龙, 胡启文, 等. 新疆能源消费碳排放时空特征及能源结构调整路径探讨[J]. 干旱区研究, 2024, 41(03): 490-498.
[21]	王玲, 吕新. 基于DEM的新疆地势起伏度分析[J]. 测绘科学, 2009, 34(1): 113-116.
[22]	邓铭江, 明波, 李研, 等. “双碳” 目标下新疆能源系统绿色转型路径[J]. 自然资源学报, 2022, 37(5): 1107-1122. DOI
[23]	杨梅花, 程锦涛, 郭佳星, 等. 新疆城市规模分布与自然地理相关性分析[J]. 干旱区地理, 2022, 45(6): 1958-1967.
[24]	郑孟林, 樊向东, 何文军, 等. 准噶尔盆地深层地质结构叠加演变与油气赋存[J]. 地学前缘, 2019, 26(1): 22-32. DOI
[25]	王永, 康高峰. 新疆煤炭资源的地质特征及其开发前景[J]. 西北地质, 2007, 40(4): 81-86.
[26]	支东明, 李建忠, 陈旋, 等. 吐哈盆地油气勘探新领域、新类型及资源潜力[J]. 石油学报, 2023, 44(12): 2122-2140. DOI
[27]	卞正富, 张益东, 王猛, 等. 新疆煤炭资源开发潜力与开发策略[J]. 煤炭学报, 2024, 49(2): 967-977.
[28]	刘良云, 陈良富, 刘毅, 等. 全球碳盘点卫星遥感监测方法、进展与挑战[J]. 遥感学报, 2022, 26(2): 243-267.
[29]	ZHOU Z H, FENG J. Deep forest[J]. National Science Review, 2019, 6(1): 74-86.
[30]	LIU X B, WANG R L, CAI Z H, et al. Deep multigrained cascade forest for hyperspectral image classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(10): 8169-8183.
[31]	杨慧, 范怀伟, 王文峰, 等. 空地一体化的地质碳封存泄露风险监测方法[J]. 工程地质学报, 2023, 31(4): 1461-1473.
[32]	刘焰. 人类巨量碳排放后果分析: 来自青藏高原综合调查的启示[J]. 中国地质调查, 2019, 6(3): 1-13.
[33]	陈玉敏, 唐伟, 刘雪原, 等. 基于卫星遥感的四川省XCO₂高分辨率时空分布[J]. 环境科学与技术, 2023, 46(2): 133-140.
[34]	苏现波, 赵伟仲, 王乾, 等. 煤层气井地联合抽采全过程低负碳减排关键技术研究进展[J]. 煤炭学报, 2023, 48(1): 335-356.
[35]	孔春芳, 岳永财, 徐凯. 2000—2015年江汉平原区域植被NPP时空特征及其对气候变化的响应[J]. 长江流域资源与环境, 2019, 28(6): 1460-1469.
[36]	李树刚, 张静非, 林海飞, 等. 双碳战略中煤气共采技术发展路径的思考[J]. 煤炭科学技术, 2024, 52(1): 138-153.
[37]	张坚超, 徐镱钦, 陆雅海. 陆地生态系统甲烷产生和氧化过程的微生物机理[J]. 生态学报, 2015, 35(20): 6592-6603.

能源资源开发区域大气CO₂时空变化及影响因素分析

Analysis of spatio-temporal variations and influencing factors of atmospheric CO₂ concentrations in energy resources development areas

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 37

相关文章 13

编辑推荐

Metrics

本文评价

[1]	马俊杰, 程捷, 刘晓鸿, 孙洪艳. 基于地质和自然环境背景的国家公园生态产品价值实现路径研究[J]. 地学前缘, 2024, 31(3): 458-469.
[2]	蒋兴超, 许静, 李如意, 贾一凡, 杨盼, 罗杰. 广东省汕头市土壤铬的空间分布特征、来源解析及影响因素研究[J]. 地学前缘, 2023, 30(2): 514-525.
[3]	张明浩, 赵廷宁, 肖辉杰. 内蒙古乌海粉尘浓度时空分布及影响因素探析[J]. 地学前缘, 2021, 28(4): 118-130.
[4]	潘仁芳，陈美玲，张超谟，潘进. 济阳坳陷渤南洼陷古近系页岩油“甜点”地震预测及影响因素分析[J]. 地学前缘, 2018, 25(4): 142-154.
[5]	于扬，李德先，王登红，黄凡，刘秀丽，田兆雪，邓茂春. 溶解态稀土元素在离子吸附型稀土矿区周边地表水中的分布特征及影响因素[J]. 地学前缘, 2017, 24(5): 172-181.
[6]	梁前勇，赵静，夏真，杨胜雄，康建华，林进清，雷知声. 南海北部陆坡天然气水合物区海水甲烷浓度分布特征及其影响因素探讨[J]. 地学前缘, 2017, 24(4): 89-101.
[7]	尹帅, 丁文龙, 孙雅雄, 王兴华, 张敏, 张宁洁. 泥页岩单轴抗压破裂特征及UCS影响因素[J]. 地学前缘, 2016, 23(2): 75-95.
[8]	史淼，于炳松，薛志鹏. 黔西北地区龙马溪组页岩气储层孔隙特征及其储气意义[J]. 地学前缘, 2016, 23(1): 206-217.
[9]	赵靖舟，王芮，耳闯. 鄂尔多斯盆地延长组长7段暗色泥页岩吸附特征及其影响因素[J]. 地学前缘, 2016, 23(1): 146-153.
[10]	刘飞, 成杭新, 杨柯, 赵传冬, 彭敏, 李括, 刘应汉. 黑龙江黑土区农田土壤/大气界面汞交换通量[J]. 地学前缘, 2015, 22(3): 402-410.
[11]	张文静, 琚宜文, 卫明明, 王国昌. 不同变质变形煤储层吸附/解吸特征及机理研究进展[J]. 地学前缘, 2015, 22(2): 232-242.
[12]	唐颖，邢云，李乐忠，张滨海，蒋时馨. 页岩储层可压裂性影响因素及评价方法[J]. 地学前缘, 2012, 19(5): 356-363.
[13]	吴堑虹王关金戴塔根侯木舟. 土壤环境质量支持向量机预测模型初探——以湖南长沙、株洲、湘潭地区为例[J]. 地学前缘, 2008, 15(5): 97-102.