论文摘要：

在我国快速城镇化和“双碳”战略目标背景下，碳排放成为影响城乡可持续发展的关键问题之一。开展基于土地利用的碳排放即时表征与预测模型研究，对于城乡国土空间规划和“碳减排”规划制定和修编具有重要的指导意义。

论文聚焦快速城镇化背景下土地利用对碳排放影响的理论与方法需求，采用多元时空大数据和机器学习，针对长时间序列的多尺度碳排放表征预测关键科学问题和技术需求，构建了基于土地利用的碳排放即时表征与预测模型（CPLE）。论文从文献计量学、实证研究和方法论研究进展角度，调研梳理相关领域的研究现状，提出了未来的发展方向，并理清了技术研究需求。基于面板数据、时空大数据、地理信息系统和元胞自动机构建GIS-KD子模型，实现了建成区土地利用精细化处理；基于空间计量经济学、深度学习和神经网络等，利用空间权重矩阵优化人工神经网络，构建了碳排放即时空间表征子模型，提前2年实现碳排放空间表征；基于多目标规划、主成分分析、粒子群优化算法、反向传播人工神经网络（BPNN）、马尔科夫链、随机森林、元胞自动机以及优化斑块生成土地利用模拟等，构建了碳排放预测与发展路径优选子模型，为区域碳排放中长期预测、“碳减排”规划和技术植入提供策略参考。以西安市为例，对提出的CPLE模型进行评估，表征阶段整体准确度（OA）达90%，预测结果OA达85%；实现了西安市2022年碳排放空间表征、西安市4种发展路径2025年至2060年碳排放及其空间分布预测，并在此基础上提出了西安市“碳减排”规划与技术植入策略。此外，论文还将CPLE模型应用于全国多尺度电力消费及其相关碳排放预测、长江三角洲地区碳排放表征预测和北京市商业与居住碳排放表征预测，以评估CPLE模型对多尺度多部门碳排放表征与预测的广泛适用性。

本文所建立的CPLE模型相较于传统碳排放表征与预测方法具有即时表征碳排放、反映碳排放空间分布特征、不依赖于社会经济指标因而能实现中长期碳排放预测、具有广泛适用性、中介因子易于控制以及模型可解释性强等突出优势，且伴随地理数字化普及程度提升具备良好的发展与应用前景。

关键词：土地利用；二氧化碳排放；机器学习；表征；预测

研究成果支撑：在读期间以第一作者发表SCI论文9篇，平均影响因子达8.85，其中2篇论文入选ESI高被引论文TOP 1%，参与发表论文16篇。以第一发明人获得发明专利2项，软件著作权2项。带领团队获得教育部确定的国家级A类学科竞赛二等奖2项，联合国教科文组织、国家一级学会主办的国家级学科竞赛奖项9项。学位申请者以第一作者/发明人取得的部分学术成果如下：
[1]        Luo H., Zhang Y., Gao X., Liu Z., Meng X., Yang X. Multi-scale electricity consumption prediction model based on land use and interpretable machine learning: A case study of China [J]. Advances in Applied Energy. 2024;16:100197. (IF=13.1, 一区TOP, JCR-Q1)
[2]        Luo H., Li Y., Gao X., Meng X., Yang X., Yan J. Carbon Emission Prediction Model of Prefecture-level Administrative Region: A Land-use-based Case Study of Xi'an, China [J]. Applied Energy. 2023;348:121488. (IF=11.2, 一区TOP, JCR-Q1, ESI高被引论文)
[3]        Luo H., Wang C., Li C., Meng X., Yang X., Qian T. Multi-scale Carbon Emission Characterization and Prediction Base on Land Use and Interpretable Machine Learning Model [J]. Applied Energy. 2024;360:122819. (IF=11.2, 一区TOP, JCR-Q1, ESI高被引论文)
[4]        Luo H., Gao X., Liu Z., Liu W., Li Y., Meng X., Yang X., Yan J., Sun L. Real-time Characterization Model of Carbon Emissions Based on Land-use Status: A Case Study of Xi'an City, China [J]. Journal of Cleaner Production. 2024;434:140069. (IF=11.1, 一区TOP, JCR-Q1)
[5]        Luo H., Zhang Y., Gao X., Liu Z., Song X., Meng X, Yang X. Unveiling land use-carbon Nexus: Spatial matrix-enhanced neural network for predicting commercial and residential carbon emissions [J]. Energy. 2024;305:131722. (IF=9.0, 一区TOP, JCR-Q1)
[6]        Luo H. †, Zhang Y. †, Liu Z., Yu Z., Song X., Meng X., Yang X., Sun L. Deciphering the point source carbon footprint puzzle: Land use dynamics and socio-economic drivers. Science of The Total Environment. 2024;957:176500. (IF=8.6, 一区TOP, JCR-Q1)
[7]        Luo H., Liu Z., Li Y., Meng X., Yang X. Characterizing and predicting carbon emissions from an emerging land use perspective: A comprehensive review [J]. Urban Climate. 2024;58:102141. (IF=6.7, 中科院二区, JCR-Q1)
[8]        Kong W. †, Luo H. †, Yu Z., Li Y., Wang C., Meng X. Economic evaluation of retrofitting existing buildings from a sustainability perspective: global trends and bibliometric analysis [J]. Environment Development and Sustainability. 2024, In Press; https://doi.org/10.1007/s10668-024-04663-w (IF=4.9, 中科院二区, JCR-Q1, 共同第一作者)
[9]        Zhang Y. †, Luo H. †, Xie J., Meng X., Ye C. The Influence and Prediction of Built Environment on the Subjective Well-Being of the Elderly Based on Random Forest: Evidence from Guangzhou [J]. Land. 2023;12(10):1940. (IF=3.9, 中科院二区, JCR-Q2, 共同第一作者)
[10]        罗海智，王思雨，孙康，罗昔联，赵民，孟祥兆. 基于CiteSpace的太阳能建筑光热应用研究进展分析［J］.城市建筑. 2023;20(02):141－145.
[11]        罗海智，孟祥兆，杨肖虎，周蒙，李莹玥，高鑫羽，刘宛晨，江瑞．基于土地利用的碳排放即时表征与预测方法及装置［P］．陕西省：ZL 2022 1 1626363.7，2023－03－31. 获得西安交通大学优秀发明专利专项资助.
[12]        罗海智，余喆辰，孟祥兆，杨肖虎，罗昔联，李莹玥．区域碳排放核算、表征、评估与预测分析系统V1.0［P］．陕西省：2023SR0574732，2023－03－25．
[13]        罗海智，余喆辰，孟祥兆，杨肖虎，罗昔联，石峰．基于空间权重矩阵优化随机森林算法的碳排放智能监测管理系统V1.0［P］．陕西省：2023SR068487，2023－08－11．
[14]        杨肖虎，罗海智，孟祥兆，余喆辰，罗昔联，刘天野，贾国圣，程芳欣．一种基于土地利用的电力消耗表征与预测方法及系统［P］．陕西省：ZL 2024 1 0299653.8，2024－03－15．

论文摘要：

在我国快速城镇化和“双碳”战略目标背景下，碳排放成为影响城乡可持续发展的关键问题之一。开展基于土地利用的碳排放即时表征与预测模型研究，对于城乡国土空间规划和“碳减排”规划制定和修编具有重要的指导意义。

论文聚焦快速城镇化背景下土地利用对碳排放影响的理论与方法需求，采用多元时空大数据和机器学习，针对长时间序列的多尺度碳排放表征预测关键科学问题和技术需求，构建了基于土地利用的碳排放即时表征与预测模型（CPLE）。论文从文献计量学、实证研究和方法论研究进展角度，调研梳理相关领域的研究现状，提出了未来的发展方向，并理清了技术研究需求。基于面板数据、时空大数据、地理信息系统和元胞自动机构建GIS-KD子模型，实现了建成区土地利用精细化处理；基于空间计量经济学、深度学习和神经网络等，利用空间权重矩阵优化人工神经网络，构建了碳排放即时空间表征子模型，提前2年实现碳排放空间表征；基于多目标规划、主成分分析、粒子群优化算法、反向传播人工神经网络（BPNN）、马尔科夫链、随机森林、元胞自动机以及优化斑块生成土地利用模拟等，构建了碳排放预测与发展路径优选子模型，为区域碳排放中长期预测、“碳减排”规划和技术植入提供策略参考。以西安市为例，对提出的CPLE模型进行评估，表征阶段整体准确度（OA）达90%，预测结果OA达85%；实现了西安市2022年碳排放空间表征、西安市4种发展路径2025年至2060年碳排放及其空间分布预测，并在此基础上提出了西安市“碳减排”规划与技术植入策略。此外，论文还将CPLE模型应用于全国多尺度电力消费及其相关碳排放预测、长江三角洲地区碳排放表征预测和北京市商业与居住碳排放表征预测，以评估CPLE模型对多尺度多部门碳排放表征与预测的广泛适用性。

本文所建立的CPLE模型相较于传统碳排放表征与预测方法具有即时表征碳排放、反映碳排放空间分布特征、不依赖于社会经济指标因而能实现中长期碳排放预测、具有广泛适用性、中介因子易于控制以及模型可解释性强等突出优势，且伴随地理数字化普及程度提升具备良好的发展与应用前景。

关键词：土地利用；二氧化碳排放；机器学习；表征；预测

研究成果支撑：在读期间以第一作者发表SCI论文9篇，平均影响因子达8.85，其中2篇论文入选ESI高被引论文TOP 1%，参与发表论文16篇。以第一发明人获得发明专利2项，软件著作权2项。带领团队获得教育部确定的国家级A类学科竞赛二等奖2项，联合国教科文组织、国家一级学会主办的国家级学科竞赛奖项9项。学位申请者以第一作者/发明人取得的部分学术成果如下：
[1]        Luo H., Zhang Y., Gao X., Liu Z., Meng X., Yang X. Multi-scale electricity consumption prediction model based on land use and interpretable machine learning: A case study of China [J]. Advances in Applied Energy. 2024;16:100197. (IF=13.1, 一区TOP, JCR-Q1)
[2]        Luo H., Li Y., Gao X., Meng X., Yang X., Yan J. Carbon Emission Prediction Model of Prefecture-level Administrative Region: A Land-use-based Case Study of Xi'an, China [J]. Applied Energy. 2023;348:121488. (IF=11.2, 一区TOP, JCR-Q1, ESI高被引论文)
[3]        Luo H., Wang C., Li C., Meng X., Yang X., Qian T. Multi-scale Carbon Emission Characterization and Prediction Base on Land Use and Interpretable Machine Learning Model [J]. Applied Energy. 2024;360:122819. (IF=11.2, 一区TOP, JCR-Q1, ESI高被引论文)
[4]        Luo H., Gao X., Liu Z., Liu W., Li Y., Meng X., Yang X., Yan J., Sun L. Real-time Characterization Model of Carbon Emissions Based on Land-use Status: A Case Study of Xi'an City, China [J]. Journal of Cleaner Production. 2024;434:140069. (IF=11.1, 一区TOP, JCR-Q1)
[5]        Luo H., Zhang Y., Gao X., Liu Z., Song X., Meng X, Yang X. Unveiling land use-carbon Nexus: Spatial matrix-enhanced neural network for predicting commercial and residential carbon emissions [J]. Energy. 2024;305:131722. (IF=9.0, 一区TOP, JCR-Q1)
[6]        Luo H. †, Zhang Y. †, Liu Z., Yu Z., Song X., Meng X., Yang X., Sun L. Deciphering the point source carbon footprint puzzle: Land use dynamics and socio-economic drivers. Science of The Total Environment. 2024;957:176500. (IF=8.6, 一区TOP, JCR-Q1)
[7]        Luo H., Liu Z., Li Y., Meng X., Yang X. Characterizing and predicting carbon emissions from an emerging land use perspective: A comprehensive review [J]. Urban Climate. 2024;58:102141. (IF=6.7, 中科院二区, JCR-Q1)
[8]        Kong W. †, Luo H. †, Yu Z., Li Y., Wang C., Meng X. Economic evaluation of retrofitting existing buildings from a sustainability perspective: global trends and bibliometric analysis [J]. Environment Development and Sustainability. 2024, In Press; https://doi.org/10.1007/s10668-024-04663-w (IF=4.9, 中科院二区, JCR-Q1, 共同第一作者)
[9]        Zhang Y. †, Luo H. †, Xie J., Meng X., Ye C. The Influence and Prediction of Built Environment on the Subjective Well-Being of the Elderly Based on Random Forest: Evidence from Guangzhou [J]. Land. 2023;12(10):1940. (IF=3.9, 中科院二区, JCR-Q2, 共同第一作者)
[10]        罗海智，王思雨，孙康，罗昔联，赵民，孟祥兆. 基于CiteSpace的太阳能建筑光热应用研究进展分析［J］.城市建筑. 2023;20(02):141－145.
[11]        罗海智，孟祥兆，杨肖虎，周蒙，李莹玥，高鑫羽，刘宛晨，江瑞．基于土地利用的碳排放即时表征与预测方法及装置［P］．陕西省：ZL 2022 1 1626363.7，2023－03－31. 获得西安交通大学优秀发明专利专项资助.
[12]        罗海智，余喆辰，孟祥兆，杨肖虎，罗昔联，李莹玥．区域碳排放核算、表征、评估与预测分析系统V1.0［P］．陕西省：2023SR0574732，2023－03－25．
[13]        罗海智，余喆辰，孟祥兆，杨肖虎，罗昔联，石峰．基于空间权重矩阵优化随机森林算法的碳排放智能监测管理系统V1.0［P］．陕西省：2023SR068487，2023－08－11．
[14]        杨肖虎，罗海智，孟祥兆，余喆辰，罗昔联，刘天野，贾国圣，程芳欣．一种基于土地利用的电力消耗表征与预测方法及系统［P］．陕西省：ZL 2024 1 0299653.8，2024－03－15．