基于SLM模型的中國碳排放格網化空間分布模擬

劉 永 偉，閆 慶 武

(1.中山大學地理科學與規劃學院，廣東 廣州 510275；2.中國礦業大學環境與測繪學院，江蘇 徐州 221116)

?

基于SLM模型的中國碳排放格網化空間分布模擬

劉 永 偉1,2，閆 慶 武2*

(1.中山大學地理科學與規劃學院，廣東 廣州 510275；2.中國礦業大學環境與測繪學院，江蘇 徐州 221116)

以美國橡樹嶺國家實驗室二氧化碳信息分析中心的中國碳排放數據、統計年鑒中的分省化石能源消費與水泥產量數據為基礎，選取NDVI植被指數、DMSP/OLS夜間燈光數據、GDP、工業總產值、人口5個指標，對中國2000年及2010年的分省碳排放結果采用5 km×5 km格網，運用空間滯后回歸模型(SLM)進行空間分布模擬，并對空間模擬結果進行誤差分析及糾正，獲得2000年及2010年地均碳排放強度空間分布圖。結果表明，中國地均碳排放強度存在以下特征：區域差異分布特征明顯，主要表現為從東部地區向中西部地區逐漸變小；存在幾個明顯高值熱點及低值冷點區域；隨著時間的推移，地域差異特征越發明顯，冷點和熱點區域分布特征更加顯著；2010年各地區地均碳排放強度明顯大于2000年。

碳排放；SLM模型；格網化；空間分布

0 引言

20世紀90年代以來，國際社會普遍認為人類活動產生的溫室氣體特別是CO2是導致全球變暖的主要原因，CO2減排問題成為關注的焦點[1,2]。為了應對CO2排放，1992年國際社會通過了全球氣候變化的基本框架公約——《聯合國氣候變化框架公約》，至2013年底，框架公約共舉行了十九次締約方會議，為應對全球氣候變化做出了極大貢獻。

目前，國內對碳排放的研究主要集中在以下方面：1)碳排放量的測算及其因素分解模型實證分析：徐國良等以中國碳排放數據為基礎，通過建立因素分解模型對碳排放的影響因素進行了研究[3]；2)碳排放與社會發展、產業發展及能源演變過程的關系研究：吳振信等基于中國省級面板數據，對經濟增長和產業結構對碳排放的影響進行了分析[4]；3)不同生態系統的碳儲量研究：劉世榮等對森林土壤碳過程相關問題進行了研究[5]；4)中國特定區域碳排放研究、碳排放數量比較及預測研究：北京大學方精云教授研究組對中國及世界主要國家的碳排放、碳排放與社會發展等問題進行了分析，并對中國2050年的碳排放量進行了預測[6-9]。

目前，對中國碳排放數量分布的研究集中于碳排放數據獲取途徑的創新及模型方法的改進，考慮碳排放空間自相關性的研究較少。為了得到中國碳排放空間分布模擬結果，以5 km×5 km格網為基礎，選取NDVI植被指數、DMSP/OLS夜間燈光數據、GDP、工業總產值、人口5個影響因素指標，采用空間滯后回歸模型(SLM)進行空間分布預測模擬，以求獲得更加詳細具體的碳排放分布規律與特點。

1 數據與研究方法

1.1 數據來源及處理

碳排放總量數據來源于美國能源部橡樹嶺國家實驗室二氧化碳信息分析中心(CDIAC)[10]公布的2000年及2010年中國內地(不包括臺灣省、香港及澳門特別行政區，因西藏無能源消費數據，亦不含西藏地區)的碳排放數據，將CO2量轉換為碳的量，同時單位用噸表示(即tC)；能源消費數據主要來自于《中國能源統計年鑒》；各省水泥產量主要來自于《中國統計年鑒》。首先將CDIAC的化石燃料燃燒及水泥生產碳排放數據按照能源消費量及水泥產量的比例進行分攤的方法，獲得各省的化石燃料燃燒及水泥生產碳排放數據；然后將兩者相加最終得到研究區各省2000年及2010年碳排放數據。

2000年及2010年NDVI植被指數數據來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站(http：www.gscloud.cn)；DMSP/OLS夜間燈光數據下載于NOAA網站(http://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html)；GDP數據和工業總產值數據主要來源于《中國城市統計年鑒》，統計到市級單元；人口數據來源于第五、第六次全國人口普查資料，統計到市級單元。由于數據的獲取源不同，導致數據的投影坐標存在差異，考慮到中國的特點，為使投影面積變形最小，將所有研究要素(包括研究區格網)的投影均轉換成亞洲北部阿爾伯斯等積割圓錐投影(Asia North Albers Equal Area Conic)。

1.2 研究方法

采用空間回歸分析中的空間滯后模型對碳排放進行研究。空間回歸分析主要適用于對空間問題進行分析，其從一般的回歸分析入手，主要在兩方面進行延伸，即考慮空間對象位置個性差異的地理加權回歸分析和考慮空間對象之間相互作用的二階回歸分析。由于碳排放并非隨機分布，而是存在不同程度的空間集聚，經典的線性回歸模型(CLRM)難以滿足研究需求，而空間回歸分析中的空間滯后回歸模型(SLM)則考慮了因變量的空間相關性[11]，即考慮了某一空間單元上碳排放量不僅與自變量有關，還與相鄰區域單元的碳排放量有關，因此采用SLM模型對中國碳排放分布規律進行研究更加準確。

空間滯后模型：

y=ρWy+Xβ+ε,ε～N(0,σ2I)

(1)

式中：y是因變量，其變化不僅與鄰接單元的因變量有關，也與解釋變量有關；W為空間權重矩陣；X表示解釋變量的n×k階矩陣；ε是白噪聲；ρ和β為變量系數。

2 中國碳排放空間分布模擬

2.1 碳排放量及影響因子的格網化

因數據僅能精確統計到省級單元，導致碳排放出現省內均勻分布而省間突變分布的特點，為解決這一問題，實現對中國碳排放時空分布的格網化模擬，將研究區劃分為5km×5km的格網進行研究。建立分布格網時，盡可能綜合考慮各種自然和人為因素，兼顧數據的可獲取性及滿足定量化、空間化的要求[12]，最終選取2000年及2010年兩年的NDVI植被指數、DMSP/OLS夜間燈光數據、GDP、工業總產值及人口5個指標進行處理。

以1∶400萬中國行政區矢量圖為基礎，裁剪出研究范圍(不包括西藏自治區、香港和澳門特別行政區、臺灣省及南海諸島等島嶼地區)，在ArcGIS中，以研究區為邊界建立5km×5km格網，最終得到格網數為336 475個的研究區標準格網。

將2000年及2010年的碳排放數據賦值到省級研究區圖層上，與研究區標準格網進行套合，最終獲得2000年及2010年基于5km×5km格網的碳排放矢量圖；將GDP、工業總產值及人口數據賦值到市級研究區圖層上，通過密度計算、相交等步驟，最終獲得研究區2000年及2010年基于格網的GDP、工業總產值和人口矢量圖；通過重采樣、柵格轉點及空間連接等功能，獲得研究區2000年及2010年基于格網的NDVI植被指數、DMSP/OLS夜間燈光數據矢量圖。最終，使用ArcGIS的空間連接功能建立SLM建模所需的矢量圖層。

2.2 空間自回歸建模

為了使碳排放量具有可比性，使用地均碳排放強度(即單位面積的碳排放量)進行研究。進行空間自回歸建模時，首先計算基于省區的地均碳排放強度的全局空間自相關指數(Moran′sI)，以確定碳排放是否具有空間集聚性。經計算2000年Moran′sI值為0.127，2010年為0.1664，且都通過了顯著性水平為0.05的假設檢驗，表明中國碳排放并非隨機分布，而是存在不同程度的空間集聚，因此采用SLM模型進行研究具有可行性。

以研究區格網圖層中的碳排放量為因變量，以NDVI植被指數、DMSP/OLS夜間燈光、GDP、工業總產值及人口為自變量建立空間滯后模型：

y=ρWy+x1β1+x2β2+x3β3+x4β4+x5β5+ε

(2)

式中：y表示碳排放量；W為空間權重矩陣，即以Rook準則建立的一階權重矩陣；x1～x5分別表示NDVI植被指數等影響因素值；ρ表示空間滯后變量Wy的回歸系數，以此確定碳排放分布的空間相互效應；ε為白噪聲；β1～β5分別表示NDVI植被指數等影響因素的回歸系數。最終建立2000年及2010年碳排放研究的SLM模型。

運用GeoDa軟件對2000年及2010年數據進行空間滯后模型回歸，結果如表1、表2所示。2000年模型擬合優度R2為0.9496，2010年為0.9548，R2值越接近1，表明模型中自變量對于因變量的解釋效果越好，自變量與因變量具有顯著的相關性。表中第一列中碳排放空間滯后變量W_碳的回歸系數反映了碳排放數據所固有的相關性，這種相關性是根據鄰近單元格平均值計量的，2000年及2010年W_碳的值均較大，說明各格網的碳排放之間存在著顯著的空間自相關性，進一步證明了選用空間滯后模型進行研究的可行性和合理性。

表1 2000年空間滯后模型回歸系數

Table1RegressioncoefficientofSLMin2000

變量回歸系數標準誤差Z值P值W＿碳0．86110．00081060．34700．0000人口0．02050．000826．60050．0000GDP0．05590．001344．11540．0000工業總產值0．00730．00089．40230．0000NDVI植被指數0．24900．007333．94890．0000DMSP/OLS夜間燈光-0．02210．0005-47．39590．0000

表2 2010年空間滯后模型回歸系數

Table 2 Regression coefficient of SLM in 2010

變量回歸系數標準誤差Z值P值W＿碳0．87790．00081124．67200．0000人口0．01230．000525．34900．0000GDP0．10860．001667．31840．0000工業總產值-0．00170．0002-7．65130．0000NDVI植被指數0．00860．000516．02060．0000DMSP/OLS夜間燈光0．40520．014627．69940．0000

表1中2000年人口、GDP、工業總產值及NDVI植被指數的回歸系數為正值，與碳排放量呈正相關，僅有DMSP/OLS夜間燈光數據與碳排放量呈負相關，且正負相關性都是顯著的。表2中2010年的人口、GDP、NDVI植被指數及DMSP/OLS夜間燈光數據的回歸系數為正值，與碳排放量呈正相關，僅有工業總產值的回歸系數為負值，與碳排放量呈負相關，且正負相關性都是顯著的。值得注意的是，2000年的DMSP/OLS夜間燈光數據與碳排放量呈負相關、2010年的工業總產值與碳排放量呈負相關，這似乎與實際情況不符；但是仔細分析發現，其回歸系數值都比較小，對碳排放值的模擬貢獻較小，可以認為其所呈現出的負相關是對整個模型模擬值的修正。將表1及表2中的回歸系數帶入式(2)，最終得到2000年及2010年的碳排放模擬值。

2.3 誤差分析及糾正

2.3.1 誤差分析 對SLM模型的整體模擬情況進行分析：2000年原始碳排放總量為915 434 098.86 t，模型模擬的碳排放總量為889 872 643.31 t，誤差率為2.79%，模擬效果整體較好；2010年原始碳排放總量為2 260 001 429.71 t，模型模擬的碳排放總量為2 156 612 858.92 t，誤差率為4.57%，模擬效果整體較好。通過對比各省碳排放量相對誤差的絕對值，進一步分析模型的模擬精度，誤差檢驗公式為：

(3)

運用式(3)分別對2000年及2010年各省碳排放模擬值的相對誤差值進行計算，并將各省的相對誤差絕對值進行分類顯示。2000年各省相對誤差絕對值的平均值為24.12%，2010年為22.62%，大部分地區誤差絕對值在35%之內，整體模擬精度較高，表明了模型的準確性及合理性。

以各省統計碳排放量為橫軸、模擬值為縱軸，作圖1所示的散點圖，進一步研究模型模擬數據能否反映原始數據隱藏的信息。分析發現，模擬數據較好地反映了統計數據的分布規律，模擬值與統計值具有明顯的線性關系，表明使用SLM模型進行碳排放模擬的精度和準確性均較高。

圖1 碳排放統計值與模擬值散點圖

Fig.1 The scatter diagram of statistics and simulation value of carbon emission

2.3.2 誤差糾正 為使各省的碳排放模擬值和統計值一致，利用各省碳排放統計數據進行糾正，公式如下：

(4)

采用以上糾正方法，對每個格網的碳排放模擬值進行統計糾正，最終得到糾正后的2000年及2010年研究區格網碳排放模擬值。

3 碳排放時空分布規律研究

以數據糾正后的各格網碳排放量為基礎，將研究區地均碳排放強度(保留一位小數，單位為t/km2)按等比間隔分為0～10、10.1～20、20.1～40、40.1～80、80.1～160、160.1～320、320.1～640、640.1～1 280、1 280.1～2 560、>2 560共10級，作圖2所示的地均碳排放強度分布圖。

圖2 地均碳排放強度分布

Fig.2 The distribution of carbon emission intensity per unit area of land

對2000年分布圖進行分析：地均碳排放強度大于2 560 t/km2的極高值區域僅分布在上海市及深圳市大部分地區；1 280.1～2 560 t/km2的高值區域分布較廣，主要分布在廣州市部分地區，東莞市南部，上海市、蘇州市及嘉興市交界地區，無錫市大部分地區，北京市、天津市及廊坊市相連的大片區域；640.1～1 280 t/km2的較高值地區主要分布在沈陽市、盤錦市、鞍山市及大連市的集中連片區域，北京、天津及其相鄰的廊坊市、唐山市及滄州市部分地區，石家莊市，太原市，濟南市、淄博市、青島市及威海市部分地區，鄭州市部分地區，南京市、鎮江市、常州市、蘇州市及嘉興市集中連片的大面積區域，武漢市大部分地區，廈門市沿海部分地區，汕頭市沿海地區，佛山市、東莞市、中山市、珠海市大部分地區及廣州周邊地區組成的大片區域；0～10 t/km2的極低值地區主要分布在新疆的東南大部分地區，青海省大部分地區，甘肅省酒泉市部分地區，內蒙古的阿拉善盟大部分地區及錫林郭勒盟西南地區；10.1～20 t/km2的較低值地區主要分布在新疆西北部地區，酒泉市、海北藏族自治州、海東地區、黃南藏族自治州、果洛藏族自治州及玉樹藏族自治州的集中連片區域；其余地區強度適中，分布較為分散，主要分布在中部及東北部地區，東部地區也有較大面積分布。

對2010年分布圖進行分析：地均碳排放強度大于2 560 t/km2的極高值區域分布范圍擴大，主要分布在廣州市、東莞市、佛山市及深圳市的大面積連片區域，汕頭市小面積區域，廈門市中部地區，上海市、蘇州市、無錫市大部分地區及嘉興市北部的大面積區域，天津市大部分地區及北京市中部地區；1 280.1～2 560 t/km2的高值區域面積增加極快，主要分布在中山市大部分地區，佛山市、廣州市、惠州市的周邊地區，汕頭市大部分地區及其周邊的揭陽市、潮州市部分地區，廈門市部分地區及泉州市南部，溫州市中部地區，遼寧省大部分地區，揚州市、泰州市、南通市、鎮江市、南京市及常州市大部分地區，徐州市、棗莊市、濟寧市、泰安市、濟南市及淄博市的集中條帶狀區域，鄭州市、邯鄲市、石家莊市及太原市的大部分地區，北京市、天津市及其相鄰的滄州市和廊坊市部分地區，沈陽市及大連市大部分地區，成都市部分地區；640.1～1 280 t/km2的較高值地區范圍變化最大、面積增加最多，主要分布在遼寧省的錦州市、盤錦市、遼陽市、鞍山市及營口市大面積區域，河北省、山東省及江蘇省剩余地區，山西省東南部周邊地區，陜西省西安市，河南省大部分地區，安徽省淮北市、淮安市、合肥市及馬鞍山市部分地區，浙江省大部分地區，成都市周邊地區及內江市大部分地區，武漢市周邊地區，長沙市及湘潭市大部分地區，福建省及廣東省沿海大部分地區，海南省海口市；0～10 t/km2的極低值地區分布范圍變化不大但分布面積減少，主要分布在新疆維吾爾自治區的東南部地區且呈零星分布，青海省西北部分地區，酒泉市部分地區，內蒙古自治區的阿拉善盟大部分地區；10.1～20 t/km2的較小值分布區域面積減小，主要在維吾爾自治區呈離散分布，青海省的中部地區，酒泉市部分地區，阿拉善盟周邊地區及錫林郭勒盟西北地區；其余的地均碳排放強度適中地區分布范圍最廣，主要分布在東北地區及中國中部地區。

綜合以上分析，總結地均碳排放強度的時空分布規律如下：1)地均碳排放強度沿行政區界線突變的特征完全消失，省級行政區內部高低差異明顯，更加符合實際情況；2)2010年地均碳排放強度明顯高于2000年，大于1 200 t/km2的高值分布區域明顯增多、分布面積明顯增大，0～10 t/km2的地區明顯減少；3)2000年及2010年地均碳排放強度均呈現明顯的地域分布差異特征，即東部地區最高、中部和東北地區次之，西部地區最低，總體呈現出由東部地區向中西部地區遞減的階梯狀分布趨勢，且2010年的階梯狀分布趨勢更明顯；4)地均碳排放強度存在幾個明顯的高值熱點區域及低值冷點區域，2000年主要有環“北京-天津”高值熱點區、環上海高值熱點區及環廣州高值熱點區，低值冷點區域主要分布在“新疆西部-青海-內蒙古東部”、內蒙古東北部，2010年的高值熱點區域范圍增大，主要有環“北京-天津”、環“上海-蘇州”、環“廣州-東莞”、“石家莊-邯鄲”、“徐州-濟南”、環成都、環武漢高值熱點區，低值冷點區域范圍減小，主要分布在“新疆東北-內蒙古西北-甘肅西部-青海西北”的廣大區域內。

4 結論與討論

本研究將CDIAC碳排放數據按照各省能源消費量及水泥產量比例進行分攤，獲得各省2000年及2010年碳排放數據。以此為基礎，選取DMSP/OLS夜間燈光數據、NDVI植被指數、人口、工業總產值及GDP等影響因素，基于研究區5 km×5 km格網，采用空間滯后回歸模型對中國碳排放量進行了模擬，經驗證，模型的模擬誤差較小、精度較高，對碳排放的模擬具有合理性。按照統計數據對碳排放量進行誤差糾正，利用糾正后的數據對2000年及2010年中國碳排放空間分布規律進行了研究，得出中國碳排放空間分布的一般規律。

雖然通過一系列的方法與技術得到了研究區基于5 km×5 km格網的碳排放時空分布規律，但是由于對碳排放數據重新分配后，格網本身的空間自相關性增加，盡管這種增加符合以省為統計單元的分布規律，但對模型的模擬會產生一定影響。在今后研究中，應嘗試對模型進行局部修正，使結果更加準確。

[1] 張志強,曲建升,曾靜靜.溫室氣體排放評價指標及其定量分析[J].地理學報,2008,63(7):693-702.

[2] 丁仲禮,段曉男,葛全勝,等.2050年大氣CO2濃度控制:各國排放權計算[J].中國科學(D輯:地球科學),2009,39(8):1009-1027.

[3] 徐國泉,劉則淵,姜照華.中國碳排放的因素分解模型及實證分析:1995-2004[J].中國人口·資源與環境,2006,16(6):158-161.

[4] 吳振信,謝曉晶,王書平.經濟增長、產業結構對碳排放的影響分析——基于中國的省際面板數據[J].中國管理科學,2012,20(3):161-166.

[5] 劉世榮,王暉,欒軍偉.中國森林土壤碳儲量與土壤碳過程研究進展[J].生態學報,2011,31(19):5437-5448.

[6] 王少鵬,朱江玲,岳超,等.碳排放與社會經濟發展——碳排放與社會發展Ⅱ[J].北京大學學報(自然科學版),2010,3(4):505-509.

[7] 岳超,王少鵬,朱江玲,等.2050年中國碳排放量的情景預測——碳排放與社會發展Ⅳ[J].北京大學學報(自然科學版),2010,46(4):517-524.

[8] 岳超,胡雪洋,賀燦飛,等.1995—2007年我國省區碳排放及碳強度的分析——碳排放與社會發展Ⅲ[J].北京大學學報(自然科學版),2010,46(4):510-516.

[9] 朱江玲,岳超,王少鵬,等.1850—2008年中國及世界主要國家的碳排放——碳排放與社會發展Ⅰ[J].北京大學學報(自然科學版),2010,46(4):497-504.

[10] CARBON DIOXIDE INFORMATION ANALYSIS CENTER.Global Regional and National Fossil-Fuel CO2Emissions[Z].

[11] 洪國志,胡華穎,李郇.中國區域經濟發展收斂的空間計量分析[J].地理學報,2010,65(12):1548-1558.

[12] 霍霄妮,李紅,孫丹峰,等.北京耕地土壤重金屬空間自回歸模型及影響因素[J].農業工程學報,2010,26(5):78-82.

Spatial Distribution Simulation of Carbon Emission with Grid Transformation Based on SLM in China

LIU Yong-wei1，2,YAN Qing-wu2

(1.SchoolofGeographyandPlanning，SunYat-SenUniversity，Guangzhou510275; 2.CollegeofEnvironmentandSpatialInformatics,ChinaUniversityofMining&Technology,Xuzhou221116,China)

Along with the development of the economy and society,research on the spatial distribution of carbon emission is becoming the hot issues of GIS science and physical geography.Based on the date of the carbon emission in CDIAC,Chinese provincial fossil energy consumption and cement output,selecting NDVI vegetation index,DMSP/OLS,GDP,industrial output and population,5 influence factors of carbon emissions,the results of Chinese carbon emission in 2000 and 2010 were processed with 5 km×5 km grids,the SLM was established to simulate the spatial distribution,and the accuracy of the model was provided by testing the accuracy and error analysis.Finally we got the spatial distribution of intensity of carbon emission unit area of land in 2000 and 2010.The results showed that there were several distinct distribution characteristics for the intensity of carbon emissions unit area of land,which were as follows:there were distinct regional differences distribution characteristics,which mainly showed that it became smaller from the eastern areas to the middle-western areas;there were few obvious high value hotspots areas and low value cold spots areas,and as time went on,the features of regional differences were more obvious,and the distribution characteristics of hotspot areas and cold spot areas were more significant;the intensity of carbon emissions unit area of land in 2010 was obviously greater than that in 2000.

carbon emission;SLM;grid transformation;spatial distribution

2014-09-19；

2015-01-04

全國統計科學研究計劃項目(2012LY186)；中央高校基本科研業務專項項目(2011QNB15)；國土環境與災害監測國家測繪地理信息局重點實驗室開放基金項目(LEDM2012B09)

劉永偉(1988-)，男，博士研究生，主要研究方向為GIS應用。*通訊作者E-mail:3403175@163.com

10.3969/j.issn.1672-0504.2015.03.015

F205

A

1672-0504(2015)03-0076-05