基于Lasso-Transformer神经网络模型的海南省碳排放预测

来源：环境科学杂志2026年第1期北京时间：

作者：金雨洁,金晓斌,洪星明,张舟遥,韩博,周寅康

单位：南京大学地理与海洋科学学院, 南京 210023,自然资源部碳中和与国土空间优化重点实验室, 南京 210023,南京大学地理与海洋科学学院, 南京 210023,自然资源部碳中和与国土空间优化重点实验室, 南京 210023,南京大学集成电路学院, 苏州 215163,南京大学地理与海洋科学学院, 南京 210023,自然资源部碳中和与国土空间优化重点实验室, 南京 210023,南京大学地理与海洋科学学院, 南京 210023,自然资源部碳中和与国土空间优化重点实验室, 南京 210023,南京大学地理与海洋科学学院, 南京 210023,自然资源部碳中和与国土空间优化重点实验室, 南京 210023

摘要：海南省作为我国生态文明试验区和自由贸易港，在当前“碳达峰、碳中和”战略实施背景下，承担着减排降碳与经济协同发展的重要任务. 在对海南省2004~2023年的碳源、碳汇和净碳排放量核算基础上，运用LMDI模型和Lasso分析对海南省碳排放影响因素进行分解和筛选，并纳入4种Lasso-Transformer神经网络模型对2024~2030年海南省碳排放量进行预测. 结果表明：①海南省2004~2023年碳汇总量变化趋势较为平稳，净碳排放量变化趋势与碳源总量基本保持一致. ②海南省碳排放的主要影响因素由强到弱分别为：能源强度、土地碳排放强度、经济效率、土地利用结构、人口规模和土地利用效率. ③通过模型优选，利用Lasso-PatchTST模型对海南省2024~2030年碳排放量及各影响因素进行预测，得出2030年的碳排放量为4 345.53万t，土地利用效率因素增长速度最快，人口规模因素增长速度最慢. 通过优化产业结构、提升资源利用效率并加强生态系统保护，可以促进海南省减排降碳与经济协调发展. 研究结果可为海南省低碳经济发展提供决策参考.

关键词：碳排放,Lasso-Transformer神经网络模型,海南省,LMDI模型,预测,