| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 引言 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于统计数据的能源消耗碳排放研究现状 | 第12-15页 |
| 1.2.2 基于灯光遥感数据的能源消耗碳排放研究现状 | 第15-16页 |
| 1.3 研究目标 | 第16-17页 |
| 1.4 主要研究内容 | 第17-18页 |
| 1.5 技术路线 | 第18-20页 |
| 第2章 数据获取与数据预处理 | 第20-31页 |
| 2.1 研究区概况 | 第20-21页 |
| 2.2 夜间灯光遥感数据来源及介绍 | 第21-22页 |
| 2.3 夜间灯光遥感数据预处理 | 第22-27页 |
| 2.4 化石能源消耗碳排放量计算 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 能源消耗碳排放时空分析方法 | 第31-45页 |
| 3.1 能源消耗碳排放时间趋势分析方法 | 第31-33页 |
| 3.2 广东省能源消耗碳排放空间自相关分析 | 第33-40页 |
| 3.2.1 广东省能源消耗碳排放全局Moran’sI指数计算 | 第35-36页 |
| 3.2.2 广东省能源消耗碳排放局部Moran’sI指数计算 | 第36-40页 |
| 3.3 碳排放与夜间灯光数据空间分布相似性分析 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 灯光-能源消耗碳排放估计模型构建 | 第45-59页 |
| 4.1 多元回归模型碳排放估计 | 第45-49页 |
| 4.1.1 解释变量选择与模型构建 | 第45-48页 |
| 4.1.2 多元回归模型碳排放估计精度分析 | 第48-49页 |
| 4.2 遗传神经网络碳排放估计 | 第49-55页 |
| 4.2.1 神经网络原理 | 第49-52页 |
| 4.2.2 遗传算法原理 | 第52-54页 |
| 4.2.3 遗传神经网络碳排放估计精度分析 | 第54-55页 |
| 4.3 不同空间尺度的化石能源消耗碳排放估计 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读学位期间取得学术成果 | 第67页 |
