辽中南城市群碳排放时空分异特征及驱动因素分析_周姚姚.pdf

第 卷第 期 年 月环境生态学.辽中南城市群碳排放时空分异特征及驱动因素分析周姚姚，刘馨蕊，曹婷婷，霍会杰，李佳欣，杨红绵（东北大学 文法学院，辽宁 沈阳）摘要：研究区域碳排放时空分异及其驱动因素对实现区域低碳减排差异化治理政策制定具有重要意义。基于传统数据和开放大数据，综合运用空间探索性分析、地理加权回归、熵值法等方法，探究辽中南老工业基地城市群区县级碳排放时空分异特征及其驱动因素。结果表明：辽中南城市群县域碳排放空间格局相对稳定，碳排放主要集中在较发达地区和工业型城市，整体表现为西高东低、南北差异较小，东西向和南北向的碳排放量均有下降趋势，且具有显著集聚特征，但近年来集聚性呈减弱趋势；碳排放影响因素存在空间差异，城市化率、产业结构、土地利用混合度较之人均、工业企业数和人口集聚因素作用强度更大。进而提出增加低碳新兴技术投入、优化土地利用结构、虚化区域行政界限等政策建议，实现区域分区分级差异化协同治理。关键词：碳排放；时空分异特征；影响因素；模型；辽中南城市群中图分类号：；文献标识码：文章编号：（），（，），（），：，：；收稿日期：作者简介：周姚姚（），女，安徽铜陵人，本科生，研究方向为碳排放时空演化与趋势分析。通讯作者：刘馨蕊，：。年，习近平总书记在第七十五届联合国大会一般性辩论上郑重宣示：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争 年前达到峰值，努力争取 年前实现碳中和。”这是我国向世界作出的庄严承诺，也是我国深刻而复杂的一次经济社会改革。在双碳国家战略部署下，我国正面临着经济结构转型和减少碳排放的双重压力。城市群是工业化、城市化进程中区域空间形态的高级现象，在产生巨大集聚经济效益同时也会带来大量的碳排放，是影响气候变化的重要地带。位于我国东北地区南部的辽中南城市群，工业起步较早、城镇化水平较高，长期以钢铁、机械、石油、化工和煤炭等重工业为主导产业，是我国重要的老工业基地，属于典型的资源型城市群，区域虽然存在人口流失、经济衰退、产能过剩、产业结构不合理等诸多问题，但是能坐拥鞍钢、沈阳第一机床厂等诸多工业能源大厂，仍然是我国工业重要区域。环 境 生 态 学第 期研究该区域碳排放时空分异特征及影响碳排放的关键因素，对于创新性的调控、编制和实施碳排放达峰政策方案具有重要意义。目前，国内外的碳排放研究大致集中在碳排放的核算体系、时空分异格局刻画和影响因子分析 个方面。也有大量研究通过定性和定量方式探究碳排放时空演变的背后机制，空间插值技术、全局自相关和局部自相关、地理探测器、收敛方法、转移矩阵分析、脱钩模型和地理回归模型分析等大量模型和方法被用于分析碳排放时空分异及影响因素。虽有众多相关技术，但仍有不足。此前大量研究多是以个别行业为主，从单一维度来衡量碳排放效应，而忽视了影响因子的多维性：邵海琴等运用 模型和 指数法，对长江经济带旅游业排放效率进行综合测度分析其时空分异特征；颜廷武等依据 模型寻求中国农业碳排放与农业强度之间的拐点变动关系；等着重研究城市化率和二氧化碳排放之间存在三阶段动态非线性关系及阈值效应。同时，无论是从时间维度上还是空间维度上看，对碳排放的时空分异及影响因素分解主要还是基于国家或者省级等宏观研究尺度，而针对特殊典型区域以城市县域开展的研究尚不充分，一定程度上影响了精准精细减排的进行。从研究区域上来看，当前多数研究集中于珠三角、泛长三角等经济发达区，对于一些特殊的地区研究相对较少。我国作为世界上最大碳排放国，节能减排已刻不容缓，但目前区域地理信息下的研究仍略显不足。本研究在已有研究的基础上，基于反演的县域碳排放数据，结合空间自相关、局部自相关以及信息熵等模型，对 年辽中南城市群县域碳排放时空格局及影响因素进行分析，揭示区域碳排放时空变化机制及关键作用因素，为科学制定绿色低碳高质量可持续发展政策提供参考。研究方法.空间自相关分析空间自相关统计方法可以用来描述和表示一个变量的空间相关程度，通俗来讲，是检验反映某一变量的观测值是否显著相关于其相邻空间上各点观测值的一个指标，可以用来解释区域碳排放的集聚效应。空间自相关分为全局空间自相关和局部空间自相关，通过 （莫兰指数）来衡量空间自相关程度。的取值范围在，系数值越接近，则空间集聚性越强；越接近，则空间排斥性越强；接近 则表示所研究的变量与区域相关性较弱甚至无关。全局 的计算公式如式（）：（?）（?）（）（）局部空间自相关则能够具体地刻画出市县域空间关联和差异性，局部 的计算公式如式（）：（?）（?）（?）（）式中，为空间单元数量；、为空间单元 和 的属性值；?为所有空间单元属性值的均值；为空间权重矩阵中的元素，反映 和 的邻近关系。.地理加权回归分析（）普通最小二乘法（）回归模型所使用的参数是区域各点的无偏估计，是一种线性非空间回归模型，没有引入空间距离权重，在实操过程中，参数会随地理坐标位置的变化而变化，如果参数具有一定的空间相关性，模型就无法有效反映影响因子在不同地理坐标的影响程度。地理加权回归模型（模型）是对最小二乘法模型的改进，加入了地理位置，能够更真实有效反映不同空间位置的影响程度。其模型如式（）：（，）（，）（）式中，是区域 区域的碳排放量；是碳排放量的影响因素 的指标值；（，）是 区域的空间位置；为自变量个数；（，）是影响因素 在 区域的回归系数；（，）为截距项；是随机误差项。假定城市碳排放遵循经典的 模型，则被解释变量 为各区域碳排放量（万），解释变量 为土地利用混合度（熵值）、城市化水平（主要指标为人口）、第二产业增量占比（）、企业数（个）、人均（万元）、人口密度。.熵值法土地利用混合度作为影响碳排放的因素之一，通常采用信息熵来计算，其计算公式如式（）：（）（）（）式中，为土地利用混合度；为某个区县单元内第 种土地利用类型的面积；为某个区县全部土地利用类型的面积；为土地利用类型的数量。表明该区县内仅由一个土地类型组成，土地利用混合度越高，该区县内土地利用类型越多。年周姚姚等：辽中南城市群碳排放时空分异特征及驱动因素分析 数据来源目前，碳排放数据大多数来源于官方统计年鉴及国民经济和社会发展公报对外公布的数据核算，此类研究局限在国家和省际层面，市域和县域的研究则较为缺乏。夜间灯光数据已经被广泛认为能够有效弥补县域尺度统计数据不全的缺陷，广泛地用于能源消耗碳排放量的估算。因此，本文采用 等利用粒子群优化反向传播（）算法处理综合处理 、两套夜间灯光数据反演，获得的 年县域碳排放数据。该学术成果通过非线性建模方法提高了两套夜间灯光数据的衔接和拟合精度，碳排放反演数据与能源核算的碳排放数据拟合 高达.，结果更为可靠。本研究利用此数据获得辽中南城市群 年碳排放数据。影响因素数据部分来源于辽宁省统计年鉴、辽中南城市群各个城市统计年鉴。土地利用数据分类依据中国科学院土地利用覆盖分类体系，软件对 遥感影像进行分类处理及精度检验后获得，包括 和 年辽中南城市群土地利用分类数据，同时将所有土地类型与辽中南城市群 个行政区县市的边界进行融合，得到各区县市的土地利用数据。县域工业企业数据来源于历史爬取的百度开放 （）数据，包括 年和 年辽中南城市群 类型中工业企业的所有数据。辽中南城市群碳排放时空分异特征.碳排放类型时空分布规律通过 软件自然断点分级法直观展示辽中南城市群的碳排放时空演化过程，将 年和 年的辽中南城市群县域范围的碳排放分为低碳排放、较低碳排放、较高碳排放、高碳排放 类（图）。图 中直观地反映了各个县级地域的碳排放程度，其中 年，本溪市西部、辽阳市中部以及沈阳市的东南部部分地区为低碳排放类型；铁岭市东北部、抚顺市东部、本溪市东部、丹东市东部、鞍山市南部和沈阳市北部等地区为较低碳排放类型；大连市东北部、营口市西南部、辽阳市北部、沈阳市中西部以及鞍山市北部等地区为较高碳排放；铁岭市北部、大连市西部和南部、鞍山市中部以及盘锦市大部分地区为高碳排放类型。总体来看，大多数地区集中 （）年（）年图 辽中南城市群区县碳排放时空分布图 在较低碳排放和较高碳排放类型，而低碳和高碳排放类型的地区相对较少。年与 年相比，沈阳市东南部部分地区、鞍山市中部、盘锦市南部、环 境 生 态 学第 期大连市南部基本保持高碳排放类型不变；铁岭市西南部、沈阳市中西部、辽阳市北部基本保持较高碳排放类型不变，剩余大部分区域碳排放量都转化为更低一级的类型。值得注意的是，从 到 年，辽中南城市群东部地区整体碳排放较少且持续下降。整体来看，辽中南城市群碳排放主要集中在较发达地区或工业型城市区，这是由于辽宁省是工业大省，资源存储量多，第二产业发达，而辽中南城市群工业化起步早，城镇化水平较高，工业集聚区相关碳资源的使用较多，碳排放较高，随着经济结构调整与第三产业的发展，碳排放程度趋于下降，但整体碳排放仍较高，各个城市变化相对一致，整体来说，辽中南城市群各个县域的碳排放空间格局相对稳定，整体呈下降趋势。.碳排放趋势分析为了更好展现辽中南城市群的碳排放总体趋势，对其碳排放进行了趋势研究（图），其中 轴代表各城市区县的碳排放量；轴代表东西方向，以 轴正方向为东；轴代表南北方向，以 轴正方向为北，面上各点代表各区县的地理位置，点则投影到 和 平面上，通过这些投影点可以拟（）年（）年图 辽中南城市群碳排放趋势分析 合出趋势曲线。年碳排放趋势曲线，从南北方向上来看，中部碳排放量低于南北两端，同时北端略高于南端，但相差较少；从东西方向上来看，各区县碳排放总量呈现西高东低的趋势，东西部差距较大。年碳排放趋势曲线总体上低于 年，南北方向上大致呈现“一”字型，北部地区碳减排效果略为显著，中部地区仍低于南北端，但差距缩小；东西方向上拟合曲线趋势与 年类似，但其总碳排放量均有所下降且西部更为明显，东西两端的差距也有所缩小。总体来看，年辽中南城市群区县碳排放始终表现为西高东低、南北差异较小，且东西向和南北向的碳排放量均有下降趋势。.碳排放时空集聚模式.全局空间自相关通过分析辽中南城市群 年各县市碳排放的全局自相关莫兰指数（）指数（表），可以发现 年间，辽中南城市群的 值均为正数，值均在.，根据假设性检验分析，值在.，均小于.，通过了显著性水平检验，认为辽中南城市群各区县的碳排放之间具有空间正相关性，具有集聚特征。同时 年 值整体呈现下降趋势，表明辽中南城市群各区县之间空间集聚性逐年减弱。表 辽中南城市群 年碳排放全局空间自相关分析 年份.局部空间自相关由于局部空间自相关描述的是每个区县与其邻近区县数值的空间关联和差异性，因此根据辽中南 年周姚姚等：辽中南城市群碳排放时空分异特征及驱动因素分析城市群区县碳排放的时空分布特征，可以得到 和 年两年的 集聚图（图）。年，辽中南城市群区县碳排放空间集聚特征比较明显，包（）年（）年图 辽中南城市群区县碳排放的 集聚图 括高高集聚、低高集聚和低低集聚，其中沈阳市的沈北新区、辽中县、苏家屯区，鞍山市的海城市，大连市的瓦房店市、普兰店市、金州区 个县区为高高集聚；沈阳市的大东区，鞍山市的台安县和岫岩满族自治县为低高集聚，形成高碳排放集聚区域和低碳排放区域的过渡地带；仅有辽阳市的文圣区出现碳排放低低集聚特征。年与 年相比，大连市的瓦房店市和金州区由高高集聚变为不显著；沈阳市的沈河区和和平区由之前的不显著转为低高集聚，鞍山市的岫岩满族自治县由低高集聚变为不显著；辽阳市的文圣区由碳排放低低集聚变为不显著。辽中南城市群碳排放影响因素分析.地理加权回归分析（）实证结果经过数据的处理后，空间相关性的分析表明，辽中南城市群各区县之间的碳排放有显著的空间集聚性，因此 单一线性非空间回归模型不足以反映各解释变量对碳排放的影响程度，特引入 模型对所研究区域进行空间分析。选取 年和 年辽中南城市群各区县数据建立 模型。经典的 模型，是目前分析人类活动对环境影响的定量关系的主要研究框架，表达式为：。式中：为环境退化状况；是人口数量；是富裕程度；是技术水平。模型研究在其他条件不变的前提下一种因素的改变对环境带来的影响，其认为人口数量的增长、生活水平的提高和技术的进步都有可能导致环境的变