能源消耗直接关系到经济增长、二氧化碳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,获取准确的电力消费空间数据,对于国民经济和社会生活中的区域电力消费评估和电力布局至关重要。目前现有数据多以行政区为基本单元的统计数据,较少体现高分辨率空间信息,且存在数据更新滞后等问题。因此高效、快捷、准确地分析计算不同空间尺度上电力消费数据是函需解决的问题。本研究以京津冀城市群、长三角城市群和珠三角城市群为例,利用随机森林算法（Random Forest,RF）将搭载在NPP（Suomi National Polar-Orbiting Partnership）卫星的VIIRS（Visible Infrared Imaging Radiometer Suite）传感器（简称“NPPVIIRS”）数据和珞珈一号01星（简称“LJ1-01”）数据进行降尺度融合,构建了研究区电力消费空间模拟模型,生成了研究区电力消费图,分析城市电力消费整体变化趋势和时空分布特征,最后结合统计数据建立城市理论电力消费地理加权回归（Geographically Weighted Regression,GWR）模型,并对城市电力消费健康度做出评价,对研究区电力资源的合理配置具有一定的科学指导意义。论文的主要研究内容和结果如下:（1）提出了随机森林夜光遥感降尺度模型,将NPP-VIIRS数据降尺度融合为LJ1-01融合数据。经过降尺度分析计算后,融合数据与NPP-VIIRS原始影像相比,空间分辨率更高,由740米提升到130米;与LJ1-01影像相关性更高,标准误差更低,相关系数达到0.752,标准误差由10.262下降至0.967。实验表明该融合方法具有可行性,融合后数据可用于研究区城市电力消费研究中。（2）构建了电力消费空间模拟模型,计算获得了研究区电力消费量的空间分布。通过相关性分析发现,经降尺度融合的夜间灯光数据的区域灯光指数与统计部门发布的城市电力消费之间存在较强的相关关系。通过构建电力消费模拟模型,得到研究区电力消费量空间分布数据,并生成了研究区电力消费图。实验表明该模型可行,由电力消费空间模拟模型得到的数据误差较小,精度得到提升。（3）分析了电力消费时空格局及变化特征,得到了市级和县级的电力消费特征和趋势。整体来看,研究区近8年电力消费总量增速较为稳定。在城市尺度上,一方面,研究区各城市之间电力消费差距较大,但随着时间推移差距在不断缩小。另一方面,城市电力消费格局基本形成。研究区中的大部分中心（省会）城市电力消费占全区域（省）电力消费比重在15%左右;除石家庄市与南京市城市首位度较低外,其余城市首位度均高于1。从县级尺度来看,近8年来,高电力消费区域和较高电力消费区域呈现从城市群中心区域向周边经济欠发达区域的扩散趋势。中等电力消费主要分布在城市市区或较高电力消费区域周围,范围在逐渐扩大。低电力消费主要分布在城市群边缘区域,其范围整体呈现减少趋势,随着尺度降低,区域内部电力消费差异明显。（4）分析了研究区各城市电力消费健康度,并对结果进行分析评价。分析结果表明,研究区内以高健康度或较高健康度城市为主,电力消费与社会经济发展契合度较高;中等健康度或低健康度城市多是一些刚完成或正处于产业转型的城市,传统支柱产业均为第二产业中高能耗的制造业或者重工业,使得模型得到的理论电力消费与实际电力消费有较大差距。