能源消耗直接关系到经济增长、CO2排放以及气候变暖等全球性重大问题,而电力消耗是能源消耗中的重要组成部分,在国民经济和社会生活中发挥着重要作用。获取准确的电力消耗空间数据,对于区域电力消耗评估和电力布局至关重要。然而现有的统计数据多以行政区为基本单元进行统计,无法获得空间信息,且存在更新滞后等不足。高效、快捷、准确地统计不同空间尺度上电力消耗数据是亟需解决的问题。本文在对DMSP/OLS夜间灯光数据的研究中发现,夜间灯光数据因空间分辨率和光谱分辨率较低,随着夜间灯光亮度的增强,会出现大量饱和像元和溢出像元。此外,对比夜间灯光数据与MODIS NDVI数据,发现二者的灰度值在空间上表现出负相关关系。基于此,文中提出夜间灯光降饱和指数模型。在对比分析比值、差值、归一化、土壤调整和改进型5种降饱和指数的基础上,选用最佳模型——改进型夜间灯光降饱和指数模型(MDNVI)对中国大陆区域夜间灯光进行了处理。之后,以中国大陆为研究对象,以夜间灯光降饱和指数处理的DMSP/OLS夜间灯光数据、MODIS NDVI产品、基础地理信息数据及社会经济统计数据等为基础,通过构建的电力消耗估算模型,定量估算了2000年~2012年电力消耗量,并借助ESDA及其他计量地理模型,从不同时间、空间角度对省级、地级和县级单元等尺度的电力消耗量变化趋势和空间集聚程度进行了分析。最后,针对已有2012年电力消耗估算数据,定量界定城市群边界。本文的研究结论主要有:1、提出了夜间灯光降饱和指数模型(NVI)。5种模型分别为比值降饱和指数模型(RNVI),差值降饱和指数模型(DNVI),归一化降饱和指数模型(NDNVI),土壤调整夜间灯光植被指数模型(SANVI)和改进型降饱和指数模型(MDNVI)。通过对比发现,5种模型都能较好地降低夜间灯光的数据饱和和溢出,可较好刻画真实夜间灯光区域;其中MDNVI模型的效果最好。2、计算获得了中国电力消耗量的空间分布。通过相关性分析发现,经NDVI剔除及MDNVI模型处理的夜间灯光数据的DN值与统计的省级电力消耗量之间存在较强的相关关系,通过构建电力消耗估算模型,得到中国电力消耗量空间数据。经MRE误差检验以及与相关研究对比,证明估算得到的数据误差小,精度高于已有相关研究。从而快速得到了2000年~2012年的中国电力空间消耗数据。3、分析了电力消耗时空格局及动态演变。整体而言,近13年中国电力消耗量增长快速,中国北方电力消耗增速普遍高于中国南方。重心转移路径呈现出周期性“逆时针螺旋式”向西北方向移动的趋势。从县级尺度电力消耗变化趋势的显著性来看,无明显变化区域主要出现在青藏高原,迅猛增长型多数分布在北上广和中东部省会城市。省会城市电力消耗首位度高且占全省电力消耗比重高,电力消耗与人口密度分布一致。通过省级—地级—县级的降尺度的电力消耗量级别分析,发现随着级别降低,区域内部电力消耗差异明显,不同区域电力消耗两极化严重。在ESDA空间相关分析中,省级尺度的电力消耗量较大的区域主要分布在华东和华南。华东和京津电力消耗量居高,属于“HH”集聚。基于估算数据的地级和县级尺度的电力消耗量相较省级分析更加细化了省内的内部分异,更好展示了区域内部差异。整体而言,高电力消耗区域主要集中在东部沿海区域,以及中部的省会城市。4、定量界定了城市群边界。通过2012年中国电力消耗空间数据与夜间灯光原始数据得到城市潜力值和场强规模。基于ArcGIS水文模型,通过流域分割的方法,设置阈值,定量界定了中国城市群的边界。定量界定的城市群与方创琳“15+8”城市群体系基本吻合。