区域碳源碳汇差量估算的云模型研究

龙飞

(浙江农林大学经济管理学院,杭州311300)

区域碳源碳汇差量估算的云模型研究

龙飞

(浙江农林大学经济管理学院,杭州311300)

引入云模型和云理论,通过对相关区域碳源碳汇数据的收集与测算,尝试提出一种评估区域碳源汇差量问题的新理论与新方法。其重点是区域碳循环的结构分析与评估框架和方法,以为区域碳减排与碳增汇措施提供科学的理论依据及定性、定量相结合的技术支持。

碳源;碳汇;差量;云模型

近20年来气候变化已逐渐威胁到人类的生存安全,从1992年里约热内卢的《联合国气候变化框架公约》,到1997年第三次缔约方大会的《京都议定书》,再到2010年坎昆第十六次缔约方大会的召开,CO2等温室气体的控制减排已不再是个纯科学议题,而成为国际政治经济关系领域中的重要话题。2008年中国因碳排放量超过美国一跃成为全球最大的碳排放国家而广受国际社会关注,同时中国也向世界作出了碳减排承诺:到2020年,在2005年基础上将单位GDP的碳排放量减少40%-45%。而减少温室气体含量的手段主要是减少区域碳排放源和增加区域碳吸收汇,[1]因此定量分析和评价区域生态系统的碳源汇差异状况是碳循环研究的重要科学问题,也是进行区域碳循环机理研究的前提。

一、排碳量计算的现状

现有计算排碳量的方法多从技术层面考虑,以定量计算方法为主。但实际碳循环过程中,在碳源与碳汇数据资料方面,目前由于计量技术落后、计算理论依据欠缺等方面限制,实测数据资料存在监测次数少、监测频率低等问题,加之研究区域的相关历史资料不充分,且数据序列在时间上常常呈现出一定的波动性,[2]这对研究区域的碳源与碳汇长期预报的可靠性带来了很大限制。在碳循环系统的研究方法上,现有多数理论方法对碳循环系统的不确定性、复杂性考虑并不充分,已有的研究成果多从确定性、精确度角度,对区域碳循环系统中相关的碳源与碳汇进行预测、推理和评价。由于忽视了区域碳循环系统中相关的碳源与碳汇的波动性、模糊性、信息不完备性,导致研究模型缺乏普适性和合理性,其分析结果的可靠程度不尽如人意。[2]

我国现有排碳量计算方法的不足,具体表现为:其一,分析中对各个变量服从一定的随机分布以及变量间互不相容的假设条件,往往与区域碳循环系统的客观情势相违背;其二,研究中需要大量有关人体呼吸、人类经济活动所燃烧的化石燃料,以及人工种植植被和土壤等产生碳源和碳汇等实测数据样本,但我国的相关数据资料大多缺乏,影响了模型参数的准确率;[3]其三,多数不确定性方法仅仅从单一角度研究,但作为一个开放、复杂的大系统,区域碳循环系统中往往会具有多种不确定性,需要综合考虑多种不确定性条件下的碳源与碳汇问题。

尽管人们早已认识到各种不确定性现象,但就此问题的系统性研究还仅仅是近些年的事情。尤其是对于碳循环系统的不确定性问题研究,目前国内外尚处于起步阶段。随着人类环境科学研究的逐步深入和相关学科的迅速发展,结合客观世界中的诸多不确定性因素,对现有碳循环系统中的预测预报、综合评价等方面的研究模型、理论及方法做进一步完善和发展已成为必然。碳循环系统是一个具有高度不确定性特征的大系统,因此,对碳循环问题,科学的处理方法应是灵活运用多种反精确的软计算途径进行研究。[4]本文将首次引入云模型和云理论,通过对相关区域碳源与碳汇数据的收集与测算,尝试提出一种新评估区域碳碳源汇差量问题的理论与方法。本项研究不仅可为全球碳循环研究提供相关区域的研究框架和方法,也可为区域碳减排与增汇措施提供科学的理论依据及定性、定量相结合的技术支持。

二、云模型及云计算原理

(一)云模型

设U是一个用精确数值描述的定量论域,~C是定量论域U上的定性概念。若有定量数值x∈U,且x是概念~C上的一次随机实现,x对 ~C的确定度μ(x)∈[0,l]是具有稳定倾向的随机数,μ:U→[0,1],∀x∈U,x→μ(x),则称 x在论域 U 上的分布称为云模型,简称为云,每一个x为云滴。云滴出现的概率越大,越能反映该云滴对定性概念的贡献。对于任意一个x∈U,x到区间[0,1]的映射是一对多的关系,即一次概率意义下的随机实现。x对概念C的确定度不是一个固定的数值,而是一个概率分布,从而表达了定性概念的随机性,而确定度是模糊集意义下的隶属度,表达了定性概念的模糊性。云模型可以从经典的随机理论和模糊集理论给出解释,合理地反映概念模糊性和随机性的综合不确定性关联。云的数字特征用期望Ex(expectedvalue)、熵En(entropy)和超熵He(hyper entropy)三个数值来表征,它们反映了定性概念的定量特性。其中:期望Ex是最能表征定性概念的点,反映了相应模糊概念的信息中心值;熵En是定性概念模糊度的度量,体现了定性语言亦此亦彼的裕度;超熵He是熵的不确定性度量,即熵的熵,反映了云滴的离散程度。[5]

(二)云计算原理

1.计算逻辑描述。(1)n元计算定义。设F为一个计算,x1,x2,…,xn为计算的 n个参数变量,称计算F为n元计算,S是计算结果,记为:S=F(x1,x2,…,xn)。若 c1,c2,…,cn是 n 个参数变量 x1,x2,…,xn的值,则 s=F(c1,c2,…,cn)是 F 的一次计算,s为结果值;(2)n元规则定义。若C1,C2,…,Cn是n个前件,D是结论,则称其为n元规则,记为R,R可表示为“If C1,C2,…,Cn,then D”。

2.计算逻辑转换定理。由n元计算和n元规则的定义,有如下转换定理:给定一个计算F,它的一次计算s=F(c1,c2,…,cn)可以生成一个n元规则R,称该规则R为计算规则。R可以表示为“If C1,C2,…,Cn,then D”。其中:C1⇒x1=c1,C2⇒x2=c2,…,Cn⇒xn=cn;D⇒S=s。简单地,将 R 表示为“If c1,c2,…,cn,then s”。

(三)云生成器

云生成器是指被软件模块化或硬件固化了的云模型的生成算法,分为正向云生成器(图l)和逆向云生成器(图2)两种。正向云生成器和逆向云生成器相结合,能够实现定性语言值与定量数值之间的相互转换。另外,根据不同条件,云生成器可分为X条件云生成器和Y条件云生成器。X条件云生成器(也称前件云生成器)是在给定论域中特定数值x的条件下的云生成器,所生成的云滴在同一竖形直线上,横坐标值恒等于x,纵坐标所表示的隶属度呈概率分布;Y条件云生成器(也称后件云生成器)是在给定隶属度确定值μ情况下的云生成器,所生成的云滴在以隶属度μ为纵坐标的同一水平线上,被期望值Ex分为左右两组,并均呈概率分布。基于云模型的定性规则推理就是由X条件云生成器和Y条件云生成器组合而成的。[6,7]

三、区域碳源碳汇差量估算

区域碳源碳汇差量估算的云模型主要包括两部分:一是碳源估算模型。区域碳源包括人为碳源和自然碳源。区域碳循环中土地利用变化的碳排放主要指森林采伐和森林火灾的碳排放,对于快速城市化的地区还应考虑农用地转化为非农用地造成的碳排放,包括不同土地利用类型的转变造成的碳排放。化石燃料的碳排放根据“生产地”原则应是本区域消费过程中产生的,例如火力发电。如果引进外区域的火电,这部分火电生产过程中的碳排放不计算在本区域,而水泥生产排放的碳主要发生在熟料生产过程中(水泥生产消费的能源的碳排放已经计在化石燃料的碳排放中)。如果生产水泥的熟料是在本区域生产则计算其碳排放,如果不在本区域生产,则不计其碳排放。[2]二是碳汇估算模型。区域碳汇主要指陆地生态系统的碳汇,包括植被碳汇、土壤碳汇以及水体碳汇等,但研究主要侧重在前两者,水体碳汇的研究比较薄弱。植被碳汇和土壤碳汇根据不同的植被类型又可分为森林、草地、农田等,区域复合生态系统中还包括园林绿地,其碳汇能力在区域这一尺度上不可忽略。[3]另外,充分考虑到区域碳循环过程中由于各种不确定因素而形成的区域碳源汇差量变化情况,可构建如下测度模型:

式中,CQ为区域碳源汇差量,Ei为能源消费总量,Eci为能源消费的碳排放系数,Si为碳汇总量,Sci为碳汇的碳吸收系数。drop为由于各种不确定因素而形成的区域碳源汇差量系数。

四、应用算例分析

根据传统精确算法,我们分别计算了某县级市近10年不同年份的碳源碳汇数据,并通过利用SPSS和MATLAB云模型的计算软件处理,形成了各种不确定因素造成的区域碳源汇drop差量系数的云模型,即以不同年份的碳源汇差量绝对值为x轴,产生该差量绝对值占当年碳源汇总和的比率为y轴,由此产生的一系列点是位于坐标轴第一象限的点。可将其近似看成以(0,1)为顶点的1个碳源汇差量云模型,然后通过逆向云发生器计算云模型的3个特征值。由于碳源汇差量云模型只有一半,利用关于x轴对称虚拟勾画出第2象限的图像,从而得到1个完整的云模型。采用逆向云生成器,得到云模型的3个关键参数,最后通过公式计算实际碳源汇差量的云模型的3个特征值,并通过正向云发生器进行各种不确定因素造成的区域碳源汇drop差量系数的模拟测算。算出该系数的云模型为(0,0.3,0.01),而该市通过精确算法计算的2010年碳源量合计为1023.6万吨,碳汇量合计为331.7万吨,区域碳源汇差量CQ为681.9万吨,现在通过drop差量系数测算后的区域碳源汇差量CQ应为886.47万吨。

本文首次将云模型和云理论引入到相关区域的碳源碳汇差量测度中,用期望值Ex,熵En和超熵He表征定性概念,将定性定量转换中的模糊性和随机性集成到一起,克服了模糊集理论中隶属函数的固有缺陷,使云模型和云理论为相关区域的碳循环研究提供了新的解决方法。但当观测的样本数据即云滴数较少时,误差可能较大;随着观测的样本数据即云滴数的增多,误差将逐步减少;当云滴数很少时,一般采用传统的最小二乘法为宜,但最小二乘法虽然拟合精度较高,算法却很复杂。本项研究不仅可为全球碳循环研究提供一种相关区域的研究框架和方法,也可为区域碳减排与增汇措施提供较为科学的理论依据及定性、定量相结合的技术支持。

[1]钟甫宁.中国在耗竭世界资源吗——兼论可持续发展问题[J].现代经济探讨,2006,(2):5-8.

[2]曲福田,张锋.循环经济发展模式的激励与规制机制分析[J].经济与管理研究,2006,(4):75-77.

[3]王灿,陈吉宁,邹骥.中国实施清洁发展机制的潜力分析[J].中国环境科学,2005,25(3):310-314.

[4]李德毅,孟海军,史雪梅.隶属云和隶属云发生器[J].计算机研究与发展,1995,32(6):16-18.

[5]尹国定,卫红.云计算——实现概念计算的方法[J].东南大学学报:自然科学版,2003,33(4):502-506.

[6]李德毅.知识表示中的不确定性[J].中国工程科学,2000,102(10),73-79.

[7]陈玥.基于灰色系统理论和云模型的反精确洪水灾害分析[D].武汉:华中科技大学,2010:55-91.

Assessment of the Regional Carbon Difference between Carbon Source and Carbon Pool Based on Cloud Mode

LONG Fei
(Economic and Management School,Zhejiang A＆ F University,Hangzhou 311300 China)

Based on the principles of cloud model and cloud computing,a new theory and method is proposed to calculate the regional carbon difference between carbon source and carbon pool.The stress is laid on a framework and method of assessing the global carbon cycle.The objective of this research is to provide theoretical basis and technical supporting for measures to decrease regional carbon emission.

carbon source;carbon pool;difference;cloud mode

F062.3

A

1672-3910(2012)01-0077-03

2011-09-06

教育部人文社会科学规划基金项目(11YJAZH065);杭州市哲学社会科学规划项目(B11YJ12)

龙飞(1967-),男,江西九江人,博士,副教授,主要从事环境管理与系统工程研究。