Nutzung von KI-Techniken zur Vorhersage der räumlichen Verteilung und Determinanten von Kohlenstoffemissionen im Jangtse-Delta Chinas

Diese Studie konzentriert sich auf die Vorhersage und das Management von Kohlenstoffemissionen (CE) vor dem Hintergrund der globalen Erwärmung, mit besonderem Schwerpunkt auf der Entwicklung von räumlichen Planungsstrategien für städtische Cluster. In diesem Kontext integrieren wir Technologien der künstlichen Intelligenz, um eine optimierte Methode zur räumlichen Analyse zu entwickeln, die auf den Attributen von multik Quellen, städtischen, zeitlich-räumlichen großen Daten über CE basiert. Diese Methode verbessert sowohl die Genauigkeit als auch die Interpretierbarkeit der Datenverarbeitung von CE. Unsere Ziele sind die genaue Analyse des aktuellen Status von CE, die Vorhersage der zukünftigen räumlichen Verteilung von städtischen CE im Jangtse-Delta (YRD) und die Identifizierung von Schlüsselfaktoren. Wir streben an, pragmatische Empfehlungen für eine nachhaltige Planung des städtischen Kohlenstoffmanagements zu geben. Die Ergebnisse zeigen: (1) Der von uns entwickelte Algorithmus weist hervorragende Anpassungsfähigkeiten bei der Analyse von CE-Daten im YRD auf und erreicht eine Anpassungsgenauigkeit von 0,93; (2) Es wird vorhergesagt, dass von 2025 bis 2030 die Gebiete mit höheren CE im YRD hauptsächlich im 'Provinzhauptstadtgürtel' und im 'Schwerindustrie-Gürtel' konzentriert sein werden; (3) Die wirtschaftliche Basis wurde als der bedeutendste Faktor identifiziert, der CE im YRD beeinflusst; (4) Projektionen deuten darauf hin, dass die CE im YRD voraussichtlich bis 2030 ihren Höhepunkt erreichen werden.