市區碳排放時空演變及其影響因素研究

何嘉欣

（廣州欣達環?？萍加邢薰?，廣東 廣州 510000）

0 引言

當今經濟社會的發展往往依賴于對能源的耗費，這在一定程度上造成了二氧化碳的大面積與大規模排放，從而引發資源環境問題。城市碳排放重量占全球75%左右，我國有大約80%的碳排放是來源于市區，所以對市區碳排放情況的時空演變分析至關重要。

1 研究方法與數據來源

1.1 碳排放量測算

采用某地區城市群當中多個地級市面板數據，根據城市統計年鑒與能源消費情況，掌握城市能源消耗的總量，其中包含了對煤和石油的消耗，依靠BP 碳排放計算器中的二氧化碳排放系數，對碳排放總量、人均與地均排放量加以測算分析，相應計算如式（1）至式（3）所示。

式中：Cij——第i 個研究單元第j 年的碳排放總量；Nij——i 單元j 年地均碳排放量；Mij——i 單元j 年人均碳排放量；Lij——第i 單元第j 年土地面積；Mij——同樣條件下的人口數量；2.439——碳排放系數。

根據上述條件代入式（1），即可完成碳排放總量的計算分析[1]。

1.2 空間自相關模型

根據市區碳排放情況，采用ESDA 方法進行碳排放空間關聯特征的分析，該方法也叫作空間數據分析法，一般是針對存在空間依賴性或者異質性數據，以市區空間關聯作為關鍵，從中提出的空間數據分析方法，完成對市區碳排放空間關聯分析，借助方法的全局空間自相關與局部空間自相關情況，完成碳排放空間關聯分析。其中全局空間自相關計算如式（4）所示。

式中：n——市區數量；Xi——市區i 的觀測值；—樣本的平均值；Wij——空間權重矩陣。

公式當中的S2計算如式（5）所示。

全域空間自相關取值[-1，1]，當取值接近于1，說明該指標具有空間正自相關的關系，也就是說碳排放量偏高或者偏低的城市會呈現出空間集聚的特征。當取值接近于0 時，說明碳排放量會呈現出隨機分布的狀態。取值接近于-1 時，說明碳排放量呈現出空間負相關的關系，城市與城市間的碳排放有著一定的差異。

為更好地識別局部碳排放情況的集聚區位，通?？墒褂镁植靠臻g自相關法，按照散點圖獲得LISA 空間聚類圖，以此用于識別市區碳排放的熱點與冷點區域[2]。

1.3 時空地理加權回歸模型

該模型簡稱GTWR 模型，它能夠突破以往的GWR模型樣本量受限問題，保持樣本數據的穩定性，將時間維度根據實際情況引入模型中，從而解決時空間的平穩性問題，使數據判斷與預估更有效。具體模型如式（6）所示。

當β＞0 時，說明X 與Y 之間屬于正相關的關系；β＜0 時，說明X 和Y 之間屬于負相關的關系。式（6）中εi屬于隨機擾動項。本文采用了高斯函數法，使時空維度信息能夠被有效結合在一起，具體情況如式（7）所示。

其中：ij 指的是樣本城市，λ 和μ 都是用來衡量空間距離影響的比例因子。公式當中的bST指的是時空權函數的帶寬情況，該模型與公式也是計算碳排放總量的重要公式。

1.4 指標選取與數據來源

按照IPAT 理論，本文認為城市化發展進程中環境壓力一般會受城市人口規模、貧富情況、技術水平幾方面影響，所以指標的選擇需要從“人口”“經濟”“技術”幾部分入手，人口指標上選擇和碳排放有關聯的指標，比如“人口規?！?；經濟方面選擇“經濟發展水平”“城市化率”指標；技術上選擇“工業結構”與“能源強度”指標。根據城市統計年鑒與EPS 數據平臺獲得統計年鑒數據，掌握城市人均GDP 和第二產業比重情況，從而了解單位土地面積與人口的碳排放量。

2 市區碳排放時空特征

依據上文提到的碳排放量計算公式，計算某地區內多個城市在10 年間的碳排放總量情況、地均與人均碳排放量。2008—2018 年間市區碳排放總量整體呈現出逐年上漲的趨勢，碳排放總量從5 億t 上升到6.6 億t，增速達到了1500 萬t/年。市區的碳排放量在2017 年有所下降，說明該城市在發展期間加大了對生態環保事業的重視，同時著力于節能產業與綠色建筑的發展，這在一定程度上減少了碳排放量的生成。碳排放量與土地面積有關，市區地均碳排放量從5600t/km2上升到2018 年的9800t/km2，當城市土地面積擴大時，土地對于碳排放有所稀釋效果，所以地均碳排放量將會有所減少。

整體來看市區碳排放總量在這10 年間有著逐漸增長的發展趨勢，碳排放集中于經濟發展水平較高、人口聚集以及工業產業區域，這會造成人均與地均碳排放量的波動上漲[3]。

3 市區碳排放空間關聯特征

3.1 全域空間自相關特征

根據城市面板數據計算市區全局莫蘭指數，具體如表1 所示。

表1 市區碳排放全局莫蘭指數

市區碳排放總量與地均排放全局莫蘭指數為負值，說明十年來市區碳排放情況分散于不同地區。人均碳排放指數全局莫蘭指數有所上升，說明期間有著空間正自相關性，人均碳排放比較相近的區域產生了集聚效應。

總體來看，市區碳排放有著明顯的空間關聯性，碳排放總量和地均排放量具有地市間的差異，人均排放量在空間集聚效應下比較穩定[4]。

3.2 局部空間自相關特征

對城市碳排放總量展開局部空間自相關研究。碳排放總量中的城市在這十年內沒有產生明顯的“高高”或“低低”集聚，而是有著比較穩定的“高-低”集聚或者“低-高”集聚，市區內會消耗較多能源，但不會造成周圍地區碳排放量的增加。表2 為不同能源折標準煤參考系數情況，需根據表中數據進行能源耗費情況的計算。表2 中1kgce 指的是1kg 標準煤當量，液態與氣態能源會采用kg 或m3為計量單位。

表2 能源折標準煤參考系數

4 碳排放總量影響因素的時空異質性

從上文提到的人口、經濟、技術幾方面分析碳排放影響因素，采用最小二乘法提出沒有顯著影響的因素，將“工業結構”影響因素剔除后，剩下的4 個驅動因子都會對碳排放有影響，方差膨脹因子小于10。利用時空地理加權回歸分析，自動優化模型帶寬，時空距離參數比值是1，對驅動因子展開回歸計算，時空地理加權回歸模型的AIC 結果是-754.155，模型擬合度R2結果為0.999407。采用最小二乘法后，將模型擬合度提升0.01557，再將模型AIC 結果下降416.27，此時GTWR 方法對于回歸模型的分析結果有著一定的提升。圖1 為能源強度與經濟發展水平驅動因素回歸系數的時間演化情況，圖2 為人口規模與城市化率的時間演化情況[5]。

圖1 能源強度與經濟發展水平GTWR 回歸系數隨時間演化的小提琴圖

圖2 人口規模與城市化率GTWR 回歸系數隨時間演化的小提琴圖

綜合不同影響因素的實際情況，得知“能源強度”、“經濟發展水平”以及“人口規?！边@幾項因素都對市區碳排放有著正向影響作用，作用強度基本保持于1 的城市化水平的正向影響相對偏弱。具體情況如下：①能源強度驅動效力是所有影響因素中最顯著的一個，該因素對碳排放的平均回歸系數達到了1.0310，說明正向影響十分明顯，十年間能源強度的回歸系數只是呈現出幅度較小的增長，但離散程度有所增大，說明不同市區的區位不一樣，資源優勢會讓產業結構與能源消耗有著明顯的差異。比如城市采取煤改氣的政策，使煤炭消費量有所降低，但技術限制導致產業的轉型還不夠徹底，煤炭依然在能源消費中占據著較大的比重，從而引發了市區之間經濟發展不平衡的現狀。②經濟發展水平對于碳排放量的控制有著一定的驅動力，該指標的回歸系數是0.9797，說明經濟發展水平與碳排放之間有著正相關的關系，離散程度整體為先減小再增大。“十一五”規劃中明確的提出了關于減排的要求，這讓城市經濟發展水平導致的碳排放影響程度比較相近，后續經濟發展水平依然是碳排放的最主要正向因素。③人口規模的平均回歸系數是0.9743，離散程度不斷減小，說明城市人口增加會擴大生產規模，導致能源與資源的消耗逐漸加劇。④城市化水平的回歸系數是0.1234，說明市區存在減排效益源于城市發展?？臻g分布上能源強度回歸系數有著兩邊高、中間低的特點，市區碳排放有著空間自相關性，回歸系數的較快增長可以說明社會經濟的發展促進產業升級與轉型，但是無法對碳排放形成明顯的正向作用[6]。

5 結語

總而言之，當前城市發展提出了讓市區成為城市群發展的重要動力源的要求，市區是人口密集且產業基礎雄厚的地區，市區經濟發展水平較高，人口規模較大，在追求城市經濟發展的同時也要注重生態環境與經濟之間的相互協調。