碳排放地图的生成方法、装置、设备及存储介质与流程

1.本公开涉及人工智能技术领域，具体涉及一种碳排放地图的生成方法、装置、设备及存储介质。


背景技术：

2.随着社会的不断发展，城市越来越繁荣，但是城市的繁荣也带了大量的二氧化碳排放，二氧化碳在不同物体的生产、运输、使用及回收部分产品时均有排放，二氧化碳是温室气体，二氧化碳的排放通常被认为是地球变暖的最主要原因，严重影响了环境，为了调控降低二氧化碳的排放，一方面要鼓励采取低碳的生活方式，减少碳排放；另一方面是通过一定碳抵消措施，来达到平衡。全球碳减排与碳中和目标依赖于及时、准确、可靠的碳排放动态监测及政策评估，因此迫切需要建立一种新的碳排放时空定量表征范式。
3.决策者和研究人员需要根据碳排放是具体情况来进行区域资源配置与行业发展，因而如何提供一个碳排放地图来帮助研究人员提供可靠准确的碳排放信息，是我们当前亟需解决的问题。相关技术中，碳排放图像中仅包含了碳排放量，非常单一。


技术实现要素：

4.本公开提供了一种碳排放地图的生成方法、装置、设备及存储介质。
5.根据本公开的第一方面，提供了一种碳排放地图的生成方法，包括：获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据；从多个参考地区的各个土地斑块中确定与所述每个第一土地斑块对应的多个第二土地斑块；获取每个所述第二土地斑块的第二土地数据，并根据每个所述第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像；将所述待测地区的第一碳排放数据和第一土地数据输入至预先训练生成的碳分析神经网络模型中，以确定所述待测地区每个所述第一土地斑块对应的碳排放特征；将各个所述碳排放特征标注在所述土地数据图像中，以生成所述待测地区的碳排放地图。
6.根据本公开的第二方面，提供了一种碳排放地图的生成装置，包括：第一获取模块，用于获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据；第一确定模块，用于从多个参考地区的各个土地斑块中确定与所述每个第一土地斑块对应的多个第二土地斑块；第二获取模块，用于获取每个所述第二土地斑块的第二土地数据，并根据每个所述第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像；第二确定模块，用于将所述待测地区的第一碳排放数据和第一土地数据输入至预先训练生成的碳分析神经网络模型中，以确定所述待测地区每个所述第一土地斑块对应的
碳排放特征；生成模块，用于将各个所述碳排放特征标注在所述土地数据图像中，以生成所述待测地区的碳排放地图。
7.本公开第三方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的方法。
8.本公开第四方面实施例提出了一种非临时性计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面实施例提出的方法。
9.本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本公开第一方面实施例提出的方法。
10.本公开所提供的碳排放地图的生成方法、装置、设备，至少存在以下有益效果：本公开实施例中，首先获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据，然后从多个参考地区的各个土地斑块中确定与所述每个第一土地斑块对应的多个第二土地斑块，然后获取每个所述第二土地斑块的第二土地数据，并根据每个所述第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像，然后将所述待测地区的第一碳排放数据和第一土地数据输入至预先训练生成的碳分析神经网络模型中，以确定所述待测地区每个所述第一土地斑块对应的碳排放特征，然后将各个所述碳排放特征标注在所述土地数据图像中，以生成所述待测地区的碳排放地图。由此，通过结合与第一土地斑块相关联的第二土地斑块信息，并根据参考地区对应的第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像，使得之后土地数据图像在结合碳排放特征之后，能够有效提升碳排核算、监测和分析的时效性与准确度。可以帮助决策者和研究人员根据区域资源配置与行业发展，从而因地制宜对碳排放源进行全过程追踪和量化，为区域环境治理协同机制分析与政策建议提供基础数据支撑。
11.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：图1为本公开提供的一种碳排放地图的生成方法的流程示意图；图2为本公开提供的一种碳排放地图的生成装置的结构框图；图3是用来实现本公开实施例的碳排放地图的生成方法的电子设备的框图。
具体实施方式
13.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
14.本公开提供的碳排放地图的生成方法，该方法可以由本公开提供的碳排放地图的生成装置执行，也可以由本公开提供的电子设备执行，其中，电子设备可以包括但不限于台
式电脑、平板电脑等终端设备，下面以由本公开提供的碳排放地图的生成装置来执行本公开提供的一种碳排放地图的生成方法，而不作为对本公开的限定。
15.下面结合参考附图对本公开提供的一种碳排放地图的生成方法进行详细描述。
16.图1为本公开一个实施例提供的一种碳排放地图的生成方法的流程示意图。
17.如图1所示，该碳排放地图的生成方法可以包括以下步骤：步骤101，获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据。
18.其中，待测地区可以为城市地区、农村地区、县城地区、省份地区、多个省份地区的集合（比如江浙沪），在此不进行限定。
19.需要说明的是，土地斑块是指不同于周围背景的、相对均质的非线性区域。自然界各种等级系统都普遍存在时间和空间的斑块化。它反映了系统内部和系统间的相似性或相异性。
20.其中，第一土地斑块可以为待测地区中任意一个土地斑块，待测地区可以由很多的土地斑块组成，且每个土地斑块的特点都不相同。可以预先对待测地区进行地理分割，从而根据待测地区的自然属性、建筑物特点、产业结构以及社区特征对待测地区进行分割，从而使得待测地区分为多个具有不同特点的土地斑块。比如可以使得一个森林区域为一个土地斑块、以一个湿地区域为一个土地斑块，有的土地斑块碳排放量很高，有的很少。
21.具体的，可以从大数据中获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据。
22.其中，第一土地数据可以为第一土地斑块的土地利用状况，这个可以根据gis城市土地利用现状矢量数据确定，比如是水田、耕地、草地、还是建筑用地或者未利用土地。由此，可以便于之后快速有效的分析和判断该区域内土地变化的规律，以及人类生产生活和生活环境的变化对于土地利用的影响。
23.第一土地数据还可以包含土地使用强度、土地面积、土地建筑类型、土地利用率、土地区域的产业分布、土地区域对应的voc排放量、用电情况，在此不进行限定。
24.具体的，可以根据人类土地利用行为的目的、方式等不同，将一定时期的土地利用行为分为若干种类型，由这些类型组成的有一定结构关系的系统框架(包括类型名称、识别标准、类型之间的联系等)。一般采用分级结构。通过获取植被生长季内覆盖中国全境的sentinel、landsat、gf、zy等多源卫星影像，结合实地调查和其他辅助数据，对地物的几何形状、颜色特征、纹理特征和空间分布情况进行分析，建立统一解译标志，采用全数字化人机交互作业方法得到土地利用矢量数据。
25.其中，第一碳排放数据可以是根据待测地区对应的年鉴能源平衡表确定的。
26.需要说明的是，在年鉴能源平衡表（标准量）中，碳排放数据（终端消费量）的单位为万吨标准煤。
27.或者，也可以分别采集各个第一土地斑块的碳排放对象的碳排放数据，推算出各个第一土地斑块的平均碳排放数据，比如，可以分别对各个第一土地斑块的大气co2含量浓度进行实时监测，得出不同区域内的实时碳含量，分别监测各个第一土地斑块绿林植被面积，推算碳吸收量，反演出不同区域内的实时实际碳排放量变化，然后将各个第一土地斑块平均碳排放数据和实时碳排放量变化数据进行ai智能分析处理，推算出监测城市的co2高
排放区域及高排放因素，和监测城市的co2低排放区域及低排放因素，并综合确定第一碳排放数据。
28.可以理解的是，本发明在获取第一土地数据与第一碳排放数据的前提下，之后可以通过较为简便的处理过程，快速构建出对应地级市的细分产业类型不同土地利用类型斑块的碳排放地图，从而解决不同土地利用类型的碳排放数据落实到土地利用斑块上的具体问题，对于指示对应区域不同细分土地利用类型碳排放情况具有重要意义。之后通过将碳排放数据展绘到二维平面地图上，能够使得工作人员对不同地点上的不同产业类型的对应碳排放情况展开分析；基于碳排放地图，决策者和研究人员可根据区域资源配置与行业发展，因地制宜对碳排放源进行全过程追踪和量化，为区域环境治理协同机制分析与政策建议提供基础数据支撑。
29.步骤102，从多个参考地区的各个土地斑块中确定与所述每个第一土地斑块对应的多个第二土地斑块。
30.其中，参考地区可以为与待测地区相似或者近似的地区，比如若待测地区为一个省会城市，则参考地区也可以为省会城市，若待测地区为一个经济较强的县城，则参考地区也可以为较为相似的县城地区，且面积和土地结构需要比较相似。需要说明的是，参考地区可以由该装置根据待测地区所属的类型进行自动匹配，从而提供较为接近的参考地区。
31.或者，参考地区也可以任意地区，在此不仅限定。
32.其中，第二土地斑块是任一参考地区中的任一土地斑块。
33.可选的，该装置可以首先确定每个参考地区中各个土地斑块中每个所述土地斑块的土地利用类型、土地建筑类型、土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量、土地面积。
34.其中，voc为挥发性有机物。历史年度能耗数据可以为历史年度能耗，比如城市a的历史年度能耗数据为1185.5亿千瓦时、历史年度voc排放量为491007.1千克、土地利用率为75.36%、土地面积为606.519 平方千米、土地利用类型为以耕地, 城乡居民点和工矿用地为主体,辅以草地,水域, 林地和未利用土地。
35.可选的，若任一土地斑块的土地利用类型和土地建筑类型与第一土地斑块的土地利用类型和土地建筑类型相同，则计算所述任一土地斑块与所述第一土地斑块的土地利用率之间的第一差值。进一步地，该装置可以计算所述任一土地斑块与所述第一土地斑块的所述历史年度碳排放量之间的第二差值、计算所述任一土地斑块与所述第一土地斑块的所述历史年度能耗数据之间的第三差值、计算所述任一土地斑块与所述第一土地斑块的所述历史年度voc排放量之间的第四差值，以及计算所述任一土地斑块与所述第一土地斑块的所述土地面积之间的第五差值。
36.需要说明的是，若两个土地斑块之间的土地利用类型和土地建筑类型是相同的，则说明这两个土地斑块较为一致，具有比较高的可比性，因而在第一土地斑块和任一土地斑块之间的土地利用类型和土地建筑类型相同时，该装置则可以继续通过比较任一土地斑块与所述第一土地斑块的其他方面。
37.可选的，若所述第一差值、所述第二差值、所述第三差值、所述第四差值、所述第五差值均满足预设的条件，确定所述任一土地斑块为与所述第一土地斑块对应的第二土地斑块。
38.作为一种可能实现的方式，若第一差值小于预设的土地利用率差值阈值、所述第二差值小于预设的历史年度碳排放量差值阈值、所述第三差值小于预设的历史年度能耗差值阈值、所述第四差值小于预设的历史年度voc排放量差值阈值、所述第五差值小于预设的土地面积差值阈值，则可以认为所述第一差值、所述第二差值、所述第三差值、所述第四差值、所述第五差值均满足预设的条件，进而该装置则可以确定所述任一土地斑块为与所述第一土地斑块对应的第二土地斑块。
39.需要说明的是，通常情况下，土地面积和土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量之间存在一定的关系，土地面积越大，土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量通常越高，土地面积越小，土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量通常越低。
40.因而，作为一种可能实现方法，该装置可以根据预设的第一映射关系表，从第一映射关系表中包含的各个第一映射关系中确定与任一土地斑块的土地利用类型和土地建筑类型对应的第二映射关系，然后基于第二映射关系，确定与第五差值对应的第一参考差值阈值、与第五差值对应的第二参考差值阈值、与第五差值对应的第三参考差值阈值，以及与第五差值对应的第四参考差值阈值，之后在第一差值小于第一参考差值阈值、第二差值小于第二参考差值阈值、第三差值小于第三参考差值阈值、第四差值小于第四参考差值阈值的情况下，确定任一土地斑块为与第一土地斑块对应的第二土地斑块。
41.可以理解的是，不同的土地利用类型和土地建筑类型对应的碳排放量、土地利用率和voc排放量之间是存在差别的，比如说沙漠、森林、湖泊等土地斑块的碳排放量、土地利用率和voc排放量、年度能耗数据非常的低，即使土地面积会比较大，但是土地面积和土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量之间的比例关系可能是不同的。
42.因而，可以预先确定一个第一映射关系表用于记录多种第一映射关系，比如说，有时候土地面积增加了一倍，而土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量可能是不变的，或者变化的非常小，则可以将这类映射关系作为第一类型第一映射关系，而有时候土地面积增加了一倍，而土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量可能会提高为原来的1.5倍，或者其他倍数，变化量比较大，此时则可以将其作为第二类型的第一映射关系，可以有很多，在此不做限定。
43.进一步地，每个土地利用类型和土地建筑类型都对应了一种映射关系，该装置可以根据当前的土地利用类型和土地建筑类型确定对应的第二映射关系。其中，第二映射关系也即根据待测区域的任一土地斑块的土地利用类型和土地建筑类型所确定的第二映射关系。
44.之后，该装置可以根据第二映射关系，确定与当前土地面积的第五差值对应的第一参考差值阈值、第二参考差值阈值、第三参考差值阈值、第四参考差值阈值。
45.其中，第一参考差值阈值可以为根据第二映射关系，也即土地面积和土地利用率之间的映射关系，确定的土地面积对应的土地利用率，由于当前是第五差值，也即任一土地斑块的土地面积和第二土地斑块面积之间的差值，因而第一参考差值阈值可以为与第五差值对应的土地利用率的参考差值阈值。
46.其中，第二参考差值阈值可以为根据第二映射关系，也即土地面积和历史年度碳
排放量之间的映射关系，确定的土地面积对应的历史年度碳排放量，由于当前是第五差值，也即任一土地斑块的土地面积和第二土地斑块面积之间的差值，因而第二参考差值阈值可以为与第五差值对应的年度碳排放量的参考差值阈值。
47.其中，第三参考差值阈值可以为根据第二映射关系，也即土地面积和历史年度能耗数据之间的映射关系，确定的土地面积对应的历史年度能耗数据，由于当前是第五差值，也即任一土地斑块的土地面积和第二土地斑块面积之间的差值，因而第三参考差值阈值可以为与第五差值对应的历史年度能耗数据的参考差值阈值。
48.其中，第四参考差值阈值可以为根据第二映射关系，也即土地面积和历史年度voc排放量之间的映射关系，确定的土地面积对应的历史年度voc排放量，因而第四参考差值阈值可以为与历史年度voc排放量对应的土地利用率的参考差值阈值。
49.步骤103，获取每个所述第二土地斑块的第二土地数据，并根据每个所述第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像。
50.其中，第一土地数据和第二土地数据包括由遥感卫星捕获到的所述待测地区的温室气体浓度数据、能源加工数据、工业数据、交通运输数据、农业数据、土地利用数据、居民生活数据。其中，所述温室气体浓度数据包括二氧化碳（co2）浓度数据、甲烷(ch4)浓度数据、氧化亚氮(n2o)浓度数据、全氟化碳(pfcs)浓度数据、氢氟碳化物（hfcs）浓度数据、六氟化硫(sf6)浓度数据和三氟化氮(nf3)浓度数据。
51.其中，所述能源加工数据包括能源加工生产设备位置和占地面积、能源加工区域的热辐射通量密度等相关数据。其中，所述工业数据包括工业废水水体分布面积、废水有机物浓度、建筑占地面积和建筑高度等相关数据第一交通运输数据公路分布面积、铁路分布面积、机场面积、飞型设备数量、中大型船只分布位置和船只运行轨迹等相关数据。第一农业数据包括农业上水田/旱地的位置、分布面积、植被类型、土壤含水量、植被结构参数、植被生理参数和物候参数等相关数据。第一土地利用数据包括森林过火面积、燃烧时长、植被类型、森林生物量、死亡有机物、森林分解占地面积、森林生长阶段、森林生长状况等相关数据。第一居民生活数据包括垃圾占地面积、黑臭水水体分布面积、污水有机物浓度等相关参数。第一碳汇数据包括森林碳汇/耕地碳汇/草地碳汇/湿地碳汇的位置、分布、植被类型、植被结构参数（如树高）、植被渗流参数（如含水量、叶绿素含量）、物候参数、生物量、生产力等相关参数和海洋碳汇（生物）的类型、覆盖度、生物量等相关参数。
52.可选的，该装置可以根据每个第二土地斑块各个年度的土地数据，确定每个第二土地斑块对应的土地利用率变化曲线、土地建筑类型变化趋势信息、以及碳排放量变化曲线，然后根据待测地区中各个第一土地斑块对应的土地利用率、土地建筑类型以及碳排放量，以及每个第二土地斑块对应的土地利用率变化曲线、土地建筑类型变化趋势信息、以及碳排放量变化曲线，预测待测地区对应的目标土地利用率、目标土地建筑类型以及目标碳排放量，之后基于第一土地数据，以及目标土地利用率、目标土地建筑类型以及目标碳排放量，生成待测地区对应的土地数据图像。
53.其中，可以根据每个待测地区对应的土地斑块的第一土地数据，生成待测地区的初始土地数据图像，也即可以生成待测地区各个土地斑块的综合信息图像，比如，可以将上述的各个第一土地数据标注在初始土地数据图像中。
54.具体的，该装置可以结合每个第二土地斑块各个年度的土地数据，确定每个第二
土地斑块对应的土地利用率变化曲线、土地建筑类型变化趋势信息、以及碳排放量变化曲线，然后根据当前的第一土地斑块对应的土地利用率、土地建筑类型以及碳排放量，确定每个第一土地斑块对应的信息在土地利用率变化曲线、土地建筑类型变化趋势信息、以及碳排放量变化曲线上的位置，从而可以用于预测之后第一土地斑块的信息，比如目标土地利用率、目标土地建筑类型以及目标碳排放量，其中，目标土地利用率、目标土地建筑类型以及目标碳排放量均为预测的数据。该装置可以将目标土地利用率、目标土地建筑类型以及目标碳排放量在初始土地数据图像中进行标注，从而可以得到土地数据图像。
55.步骤104，将所述待测地区的第一碳排放数据和第一土地数据输入至预先训练生成的碳分析神经网络模型中，以确定所述待测地区每个所述第一土地斑块对应的碳排放特征。
56.其中，碳排放特征可以包含有第一土地斑块中包含的碳排放量、排放占比、排放量风险提示、碳排放变化趋势、预警信息，碳排放对象占比，碳排放原因。
57.可选的，该装置可以首先获取初始训练数据集，其中，所述初始训练数据集中包含了多个参考地区对应的历史土地数据和历史碳排放数据，其中，所述历史碳排放数据包含了每个参考地区的每个土地斑块对应的碳排放数据，其中，每个所述土地斑块的碳排放数据包含所述土地斑块对应的人口碳排放数据、工业化石燃料碳排放数据、生活碳排放数据、交通碳排放数据和灾害事故碳排放数据，其中，历史土地数据包含了每个所述参考地区对应的土地利用率、绿林植被碳吸收强度数据、行业结构数据、土地面积、土地斑块分布、每个土地斑块对应的voc排放量；对所述初始训练数据集进行数据脱敏和数据清洗，并利用经过数据脱敏和数据清洗的初始训练数据集对初始碳分析神经网络模型进行训练，以获取训练完成的碳分析神经网络模型。
58.需要说明的是，通过上述训练过程，可以在不影响数据分析结果的准确性前提下,对初始训练数据集中的敏感字段进行处理,从而降低数据敏感度和减少个人隐私风险。通过对初始训练数据集进行数据清洗，可以使得初始训练数据集中重复、多余部分的数据进行筛选并清除;把缺失部分补充完整,并将不正确的数据纠正或者删除，从而保障了初始训练数据集的可靠性、完整性和有效可用性。
59.可以理解的是，通过上述训练过程，能够使得训练完成的碳分析神经网络模型能够结合第一土地数据和第一碳排放量数据进行数据分析和处理，从而可以根据待测地区每个土地斑块的土地分布，土地面积和土地利用类型，以及绿林植被碳吸收强度，以及待测地区每个土地斑块的碳排放对象进行分析，从而使得得出的碳排放特征，能够反映出每个土地斑块的碳排放构成，也即排放占比。比如人口碳排放20%、工业化石燃料碳排放30%、生活碳排放数据15%、交通碳排放数据30%和灾害事故碳排放5%，在此不进行限定。另外，碳排放特征还可以包含对当前每个土地斑块的碳排放预警提示，通过土地数据中的绿林植被碳吸收强度、土地分布，土地面积和土地利用类型、行业类型信息，可以计算得出当前待测地区每个土地斑块的合理碳排放强度，以及碳排放分布，比如，若工业化石燃料碳排放占比高于与土地数据相适应的排放程度，则说明当前的碳排放强度比较高，需要进行预警提示，方便在碳排放数据进行分析时得出不同采集对象的碳排放量，以便观察分析，同时通过将目前碳排放数据与过去碳排放数据进行对比分析，可以推算出未来不同对象的碳排放数据变化，进而有利于对城市的碳排放进行规划管理。
60.由于其结合了绿林植被碳吸收强度，可以得到城市的实际碳排放量，增加了对碳排放和碳吸收的精确计量，有利于对碳排放数据分析的准确和稳定，且通过了解绿林植被的面积，可以得到城市的绿化水平是否达标，同时通过将同面积绿林植被正常所能碳吸收量与监测面积的绿林植被碳吸收量对比，判断城市内绿林植被的生长环境是否完好，有助于城市内绿林植被的生长与治理。
61.步骤105，将各个所述碳排放特征标注在所述土地数据图像中，以生成所述待测地区的碳排放地图。
62.具体的，该装置可以将每个土地斑块对应的碳排放特征分别标注在土地数据图像中对应土地斑块的位置，从而生成碳排放地图，并将该碳排放地图在终端上进行显示，使监测人员进行查看。
63.本公开实施例中，首先获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据，然后从多个参考地区的各个土地斑块中确定与所述每个第一土地斑块对应的多个第二土地斑块，然后获取每个所述第二土地斑块的第二土地数据，并根据每个所述第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像，然后将所述待测地区的第一碳排放数据和第一土地数据输入至预先训练生成的碳分析神经网络模型中，以确定所述待测地区每个所述第一土地斑块对应的碳排放特征，然后将各个所述碳排放特征标注在所述土地数据图像中，以生成所述待测地区的碳排放地图。由此，通过结合与第一土地斑块相关联的第二土地斑块信息，并根据参考地区对应的第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像，使得之后土地数据图像在结合碳排放特征之后，能够有效提升碳排核算、监测和分析的时效性与准确度。可以帮助决策者和研究人员根据区域资源配置与行业发展，从而因地制宜对碳排放源进行全过程追踪和量化，为区域环境治理协同机制分析与政策建议提供基础数据支撑。
64.图2是根据本公开实施例提供的一种碳排放地图的生成装置的结构框图。
65.如图2所示，该基于碳排放地图的生成装置200可以包括：第一获取模块210，用于获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据；第一确定模块220，用于从多个参考地区的各个土地斑块中确定与所述每个第一土地斑块对应的多个第二土地斑块；第二获取模块230，用于获取每个所述第二土地斑块的第二土地数据，并根据每个所述第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像；第二确定模块240，用于将所述待测地区的第一碳排放数据和第一土地数据输入至预先训练生成的碳分析神经网络模型中，以确定所述待测地区每个所述第一土地斑块对应的碳排放特征；生成模块250，用于将各个所述碳排放特征标注在所述土地数据图像中，以生成所述待测地区的碳排放地图。
66.可选的，所述第一确定模块，具体用于：确定每个参考地区中各个土地斑块中每个所述土地斑块的土地利用类型、土地建筑类型、土地利用率、历史年度碳排放量、历史年度能耗数据、历史年度voc排放量、土地面积；
若任一土地斑块的土地利用类型和土地建筑类型与第一土地斑块的土地利用类型和土地建筑类型相同，则计算所述任一土地斑块与所述第一土地斑块的土地利用率之间的第一差值；计算所述任一土地斑块与所述第一土地斑块的所述历史年度碳排放量之间的第二差值；计算所述任一土地斑块与所述第一土地斑块的所述历史年度能耗数据之间的第三差值；计算所述任一土地斑块与所述第一土地斑块的所述历史年度voc排放量之间的第四差值，以及计算所述任一土地斑块与所述第一土地斑块的所述土地面积之间的第五差值；若所述第一差值、所述第二差值、所述第三差值、所述第四差值、所述第五差值均满足预设的条件，确定所述任一土地斑块为与所述第一土地斑块对应的第二土地斑块。
67.可选的，所述第二确定模块，还用于：获取初始训练数据集，其中，所述初始训练数据集中包含了多个参考地区对应的历史土地数据和历史碳排放数据，其中，所述历史碳排放数据包含了每个参考地区的每个土地斑块对应的碳排放数据，其中，每个所述土地斑块的碳排放数据包含所述土地斑块对应的人口碳排放数据、工业化石燃料碳排放数据、生活碳排放数据、交通碳排放数据和灾害事故碳排放数据，其中，历史土地数据包含了每个所述参考地区对应的土地利用率、绿林植被碳吸收强度数据、行业结构数据、土地面积、土地斑块分布、每个土地斑块对应的voc排放量；对所述初始训练数据集进行数据脱敏和数据清洗，并利用经过数据脱敏和数据清洗的初始训练数据集对初始碳分析神经网络模型进行训练，以获取训练完成的碳分析神经网络模型。
68.可选的，所述第一确定模块，还用于，包括：根据预设的第一映射关系表，从所述第一映射关系表中包含的各个第一映射关系中确定与所述任一土地斑块的土地利用类型和土地建筑类型对应的第二映射关系；基于所述第二映射关系，确定与所述第五差值对应的第一参考差值阈值、与所述第五差值对应的第二参考差值阈值、与所述第五差值对应的第三参考差值阈值，以及与所述第五差值对应的第四参考差值阈值；在所述第一差值小于所述第一参考差值阈值、所述第二差值小于所述第二参考差值阈值、所述第三差值小于所述第三参考差值阈值、所述第四差值小于所述第四参考差值阈值的情况下，确定所述任一土地斑块为与所述第一土地斑块对应的第二土地斑块。
69.可选的，所述第二获取模块230，具体用于：根据每个所述第二土地斑块各个年度的土地数据，确定每个第二土地斑块对应的土地利用率变化曲线、土地建筑类型变化趋势信息、以及碳排放量变化曲线；根据所述待测地区中各个第一土地斑块对应的土地利用率、土地建筑类型以及碳排放量，以及每个所述第二土地斑块对应的土地利用率变化曲线、土地建筑类型变化趋势信息、以及碳排放量变化曲线，预测所述待测地区对应的目标土地利用率、目标土地建筑类
型以及目标碳排放量；基于所述第一土地数据，以及所述目标土地利用率、目标土地建筑类型以及目标碳排放量，生成所述待测地区对应的土地数据图像。
70.本公开实施例中，首先获取待测地区中每个第一土地斑块对应的第一碳排放数据和第一土地数据，然后从多个参考地区的各个土地斑块中确定与所述每个第一土地斑块对应的多个第二土地斑块，然后获取每个所述第二土地斑块的第二土地数据，并根据每个所述第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像，然后将所述待测地区的第一碳排放数据和第一土地数据输入至预先训练生成的碳分析神经网络模型中，以确定所述待测地区每个所述第一土地斑块对应的碳排放特征，然后将各个所述碳排放特征标注在所述土地数据图像中，以生成所述待测地区的碳排放地图。由此，通过结合与第一土地斑块相关联的第二土地斑块信息，并根据参考地区对应的第二土地数据和所述第一土地数据生成所述待测地区的土地数据图像，使得之后土地数据图像在结合碳排放特征之后，能够有效提升碳排核算、监测和分析的时效性与准确度。可以帮助决策者和研究人员根据区域资源配置与行业发展，从而因地制宜对碳排放源进行全过程追踪和量化，为区域环境治理协同机制分析与政策建议提供基础数据支撑。
71.图3示出了适于用来实现本公开实施方式的示例性计算机设备的框图。图3显示的计算机设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
72.如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件（包括系统存储器28和处理单元16）的总线18。
73.总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（industry standard architecture；以下简称：isa）总线，微通道体系结构（micro channel architecture；以下简称：mac）总线，增强型isa总线、视频电子标准协会（video electronics standards association；以下简称：vesa）局域总线以及外围组件互连（peripheral component interconnection；以下简称：pci）总线。
74.计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
75.存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（random access memory；以下简称：ram）30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图3未显示，通常称为“硬盘驱动器”）。尽管图3中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如：光盘只读存储器（compact disc read only memory；以下简称：cd-rom）、数字多功能只读光盘（digital video disc read only memory；以下简称：dvd-rom）或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本公开各
实施例的功能。
76.具有一组（至少一个）程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
77.计算机设备12也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络（例如局域网（local area network；以下简称：lan），广域网（wide area network；以下简称：wan）和/或公共网络，例如因特网）通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
78.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
79.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、
ꢀ“
示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
80.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
81.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
82.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电
连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（ram），只读存储器（rom），可擦除可编辑只读存储器（eprom或闪速存储器），光纤装置，以及便携式光盘只读存储器（cdrom）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
83.应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（pga），现场可编程门阵列（fpga）等。
84.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
85.本公开实施例中，首先获取多个类别的多个待推荐内容以及用户的兴趣特征，然后根据所述待推荐内容在所属类别中的比例，确定第一评分标签，然后根据所述多个待推荐内容与所述用户的兴趣特征的匹配度，确定第二评分标签，然后根据所述用户的特征信息和所述多个待推荐内容的匹配度，确定第三评分标签，最后根据多个待推荐内容对应的所述第一评分标签、所述第二评分标签以及所述第三评分标签，确定目标推荐内容。由此，根据这套算法规则，可以主动的给用户推送用户想看的内容，且使得推荐内容包含用户的兴趣特征，实现了对高热度且用户感兴趣的推荐内容的精准投放，直接体现在我们内容的点击率有了质的提升。
86.此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
87.上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变形。