近日，能源领域著名期刊ENERGY（IF=9.0，一区TOP）刊发了题为《Unveiling land use-carbon Nexus: Spatial matrix-enhanced neural network for predicting commercial and residential carbon emissions》的学术论文，提出了采用空间权重矩阵优化人工神经网络，建立更高精度与准确度的碳排放预测模型。
论文结合了地理加权回归对于变量空间自相关的考虑以及人工神经网络较高的拟合优度，建立了土地利用与碳排放的关联模型。选择北京市作为研究算例，以京津冀地区作为样本采样区，实现了对北京市商业与居住碳排放未来10年的预测和高分辨率空间表征。研究发现，采用空间权重矩阵进行优化，模型整体拟合优度达到0.9979（Training R2 = 0.999，Testing R2 = 0.997），显著高于传统的线性回归、地理加权回归和其他机器学习模型。模型RMSE和总体准确度均相较于其他模型具有优势。研究还论证了土地利用在进行对重点行业与部门碳排放表征预测领域的潜在应用前景。研究的主要结果如下：
图1 研究技术路线
图2 样本采样区（京津冀地区）土地利用精细化处理
图3 北京市高分辨率商业与居住碳排放预测
原文链接：
Luo, H., Zhang, Y., Gao, X., Liu, Z., Song, X., Meng, X., Yang, X. 2024. Unveiling land use-carbon Nexus: Spatial matrix-enhanced neural network for predicting commercial and residential carbon emissions. Energy 305, 131722. https://doi.org/10.1016/j.energy.2024.131722该研究团队近期在土地利用碳排放领域还取得了如下成果（点击可跳转）：
1.APPLIED ENERGY（IF=11.2）最新发文：基于土地利用与可解释性机器学习模型的碳排放表征与预测研究
2.J CLEAN PROD（IF=11.1）最新发文：基于土地利用的城市级碳排放表征模型研究
3.APPLIED ENERGY（IF=11.2）最新发文：基于土地利用的城市级碳排放预测模型研究
