2026年4月，我院资源与环境学科团队成员李静以第一作者在期刊《Environmental Research》（IF=7.7，中科院2区TOP，JCR-Q1）发表题为《Hybrid LSTM-XGBoost framework with city embeddings for CO₂ emissions forecasting and scenario comparison》的研究论文。该研究聚焦城市碳排放智能预测与低碳情景分析，为区域“双碳”战略实施和城市精细化碳管理提供了新的技术路径与决策支持。

在全球气候变化背景下，城市已成为碳排放的核心区域。尤其对于河北省等传统重工业地区，产业结构调整、城市化进程与生态治理并行推进，使碳排放变化呈现明显的空间异质性与非线性特征。传统统计模型难以有效刻画多源驱动因素之间复杂的动态关系。

针对这一问题，研究团队以河北省11个地级市为研究对象，融合经济发展、产业结构、夜间灯光、植被指数等多源数据，构建了一种融合深度学习与机器学习的混合预测框架。研究创新性地结合长短期记忆网络（LSTM）与极端梯度提升模型（XGBoost），并引入“城市嵌入（City Embedding）”机制，实现了城市差异特征的自动学习与时空异质性建模。

该研究获得了承德市2023年度承德市科技计划项目（No.202303A098）、河北民族师范学院重大招标项目（No.STZD2021001）以及承德国家可持续发展议程创新示范区建设科技专项（No.202302F006）资助。

（作者：李静，审稿：杨越）