针对二氧化碳排放数据，由于当前基础数据源的限制，中国大多数二氧化碳排放数据的测算都只能停留在国家、省或地级市一级，导致更加微观层面的研究相对较为匮乏。事实上，当前仅基于统计局等官方机构发布的数据源，其无论是时效性还是在微观层面都存在不足，但是卫星数据的运用则能够很好地与传统官方公布的数据源形成互补。特别是随着现代云处理能力的发展，越来越多有意义的社会科学信息可以从卫星图像中提取出来。陈建东介绍说，与其他数据源相比，通过卫星图像提取的卫星数据具有三个主要优势：1.获取其他手段难以获得的信息；2.异常高的空间分辨率；3.广泛的地理覆盖范围。其中，夜间灯光数据由于与人类活动息息相关，而被广泛运用在估计GDP、反演污染物排放的人口估计等各个方面。因此，陈建东与博士生高明反复讨论后，决定借助美国宇航局提供的两套夜间灯光数据（1992-2013年期间的DMSP/OLS数据和2012-2020年期间的NPP/VIIRS数据）自上而下反演出中国县级的二氧化碳排放数据。

“但是，在运用夜间灯光数据的时候，我们遇到了一个巨大的挑战。”陈建东表示，虽然两套卫星数据合起来的时间跨度很长，但是由于这两套夜间灯光数据来自于不同的传感器，在数值上具有非常大的差异，阻碍了长期夜间灯光数据集的构建。该文章的第二作者高明尝试使用人工神经网络（ANN）探索DMSP/OLS与NPP/VIIRS数据之间的关系，并获得更好的拟合结果。

事实上，整个过程并不容易。高明首先尝试了计量经济学模型（可变系数随机模型和固定效应模型），但拟合效果并不让人满意。考虑到人工智能算法在拟合非线性关系方面比一般的计量经济学模型具有更好的优势，高明进一步尝试使用BP算法、RBF算法等。然后，根据拟合效果选择BP算法，并使用PSO算法改进的BP神经网络拟合两套卫星数据并得到了很好的匹配结果。同时，考虑到植被在吸收和固定二氧化碳排放上具有重大的潜力和能力，采用了MODIS平台提供的MOD17A3H产品测算出中国2000-2017年区县中所对应的净初级生产力，最后借助植被干物质与吸收二氧化碳的转化系数得到陆地植被固碳量。

相关报道: