樊文平，單寶艷，蔡菲

（山東建筑大學(xué)測(cè)繪地理信息學(xué)院，山東濟(jì)南250101）

基于ESDA-GIS的山東省碳排放空間格局研究

樊文平，單寶艷，蔡菲

（山東建筑大學(xué)測(cè)繪地理信息學(xué)院，山東濟(jì)南250101）

城鎮(zhèn)化的快速發(fā)展伴隨著能源消耗及二氧化碳排放量的增長(zhǎng)，開(kāi)展二氧化碳排放空間格局的研究對(duì)于發(fā)展綠色、低碳城市，提高城鎮(zhèn)化發(fā)展質(zhì)量具有重要意義。文章通過(guò)建立碳排放量測(cè)算模型，分析了山東省2012年17地市的碳排放量，運(yùn)用GIS與ESDA的Moran's I指數(shù)和LISA指數(shù)空間相關(guān)分析方法，闡明了山東省碳排放空間格局特征。結(jié)果表明：化石燃料需求類別及數(shù)量不同是造成各地碳排放空間不均衡的關(guān)鍵因素；碳排放量最大值為濟(jì)寧市的5777.05萬(wàn)t，最小為威海市的861.93萬(wàn)t，空間格局上魯東＜魯西北＜魯中＜魯西南，呈現(xiàn)明顯的空間差異性；全局Moran's I指數(shù)為0.0853，Z值為1.0150，說(shuō)明山東省碳排放量全局自相關(guān)性不明顯，LISA集聚圖則顯示出顯著的局部空間集聚特征，主要在魯西南及魯中地區(qū)形成碳排放量高的集聚分布。

ESDA-GIS；碳排放；空間格局；空間相關(guān)

Abstract：The rapid development of urbanization is always accompanied by the sharp rise in energy consumption and carbon emission，while the research on spatial pattern of carbon emission is of great importance to the development of green，ecological and low-carbon city，and to the quality improvement of urbanization.Carbon emissions in 17 cities of Shandong province in 2012 were estimated by building the accurate carbon emissionmodel.Characteristics of spatial pattern of carbon emission in Shandong province in 2012 were analyzed based on GIS，and on Exploratory Spatial Data Analysis（ESDA）（Moran's I and LISA）.Results show that：differences in types and amounts of demand for fossil fuels were the key factors that caused unbalanced carbon emission in Shandong province；themaximum carbon emission occurred in Jining（5777.05 ten thousand tons）while the minimum value in Weihai（861.93 ten thousand tons），and as to the whole region it was sorted as follows：east Shandong＜northwest Shandong＜central Shandong＜southwest Shandong，presenting the obvious spatial difference；the global Moran's I is0.0853，and Z value for the significance testing is 1.0150，showing that the global spatial autocorrelation of carbon emission in Shandong province is not significant，while LISA map showed a significant local spatial agglomeration characteristics：area of southwest and central Shandong developed an aggregated distribution with high carbon emission.

Key words：ESDA-GIS；carbon emission；spatial pattern；spatial relevance

0 引言

目前，全球氣候變暖已經(jīng)對(duì)自然環(huán)境和社會(huì)經(jīng)濟(jì)產(chǎn)生了顯著的影響。控制溫室氣體排放，減少能源消耗和構(gòu)建可持續(xù)發(fā)展的低碳城市已是世界各國(guó)需要思考的問(wèn)題［1］。我國(guó)正處于城市化和工業(yè)化飛速發(fā)展時(shí)期，能源需求量巨大，其中化石燃料燃燒排放是導(dǎo)致大氣CO2濃度升高的最主要原因［2］。如何平衡國(guó)際能源、生態(tài)、環(huán)境壓力與我國(guó)能源巨大需求兩者之間的矛盾，從而實(shí)現(xiàn)可持續(xù)城市發(fā)展是21世紀(jì)我國(guó)面臨的巨大挑戰(zhàn)。山東省在中國(guó)城鎮(zhèn)化發(fā)展進(jìn)程中具有舉足輕重的地位，同時(shí)其人均能源消費(fèi)和二氧化碳排放量也具有較高水平，因此研究二氧化碳排放的空間格局對(duì)發(fā)展綠色、生態(tài)、低碳城市，提高城鎮(zhèn)化發(fā)展質(zhì)量具有重要意義。

我國(guó)碳排放研究尚處于起步發(fā)展階段，關(guān)于碳排放格局研究多從全國(guó)尺度上考慮［3-7］，而針對(duì)單個(gè)省份的研究較少。李阿萌等運(yùn)用秩相關(guān)系數(shù)、變差系數(shù)、曲線擬合等方法對(duì)江蘇省1996—2008年的碳排放時(shí)空變異特征進(jìn)行了分析［8］；張秀梅等對(duì)江蘇省2007年的碳排放總量空間格局進(jìn)行了分析，但其更側(cè)重于研究影響碳排放空間格局的關(guān)鍵因素［9］；張艷等在對(duì)人均直接能耗的二氧化碳排放量進(jìn)行測(cè)算的基礎(chǔ)上，分析城市居民各項(xiàng)直接耗碳排放在不同尺度下的空間格局［10］；鐘宜根等基于GIS和改進(jìn)后的高斯模式碳排放擴(kuò)散修正模型，分析了研究區(qū)碳排放空間分布特征［11］；王莉雯等基于反演的城市地表溫度空間分布結(jié)果模擬了城市的碳排放空間分布［12］。在省份或區(qū)域碳排放空間格局研究中，國(guó)內(nèi)學(xué)者較少用到空間統(tǒng)計(jì)分析方法［13-15］?？臻g統(tǒng)計(jì)分析實(shí)質(zhì)是探索與發(fā)現(xiàn)空間數(shù)據(jù)（與地理位置相關(guān)數(shù)據(jù)）間的空間依賴及空間關(guān)聯(lián)特征，通過(guò)地理位置建立空間數(shù)據(jù)間相互統(tǒng)計(jì)關(guān)系，結(jié)合GIS技術(shù)，能夠更加精準(zhǔn)地對(duì)碳排放空間格局進(jìn)行分析、判斷并展示出來(lái)。文章通過(guò)建立碳排放量測(cè)算的精確模型對(duì)山東省2012年各個(gè)地市碳排放量進(jìn)行估算，基于地統(tǒng)計(jì)學(xué)原理，采用空間自相關(guān)測(cè)度方法探索其空間分布規(guī)律。

1 研究地區(qū)概況

山東省地處中國(guó)東部沿海，位于黃河下游，介于東經(jīng) 114°36′～122°43′和北緯 34°25′～38°23′之間。山東是中國(guó)的工農(nóng)業(yè)大省，也是人口第二大省，國(guó)內(nèi)生產(chǎn)總值列第三位，占國(guó)內(nèi)GDP總量的1／9。山東省區(qū)域面積為15.71萬(wàn)km2，人口在2013年已達(dá)到9850萬(wàn)人，下轄濟(jì)南、青島、煙臺(tái)等17個(gè)地市。2005年以來(lái)，山東省的二氧化碳排放速度不斷增加，到2012年全省碳排放總量已經(jīng)達(dá)到520.47萬(wàn)t，而人均碳排放量卻呈現(xiàn)遞減趨勢(shì)，表明人口增長(zhǎng)速度比碳排放增長(zhǎng)速度快，如圖1（a）所示。隨著地區(qū)生產(chǎn)總值的增長(zhǎng)，二氧化碳的排放量不斷增加，并且在2005—2007年間碳排放量增長(zhǎng)速度大于GDP增長(zhǎng)速度，但在2008—2012年的碳排放量增長(zhǎng)速度小于GDP的增長(zhǎng)速度，如圖1（b）所示。

圖1 2005—2012年山東省碳排放量及生產(chǎn)總值圖

2 數(shù)據(jù)來(lái)源及研究方法

2.1 數(shù)據(jù)來(lái)源

土地利用數(shù)據(jù)采用了山東信息網(wǎng)公布的2012年山東統(tǒng)計(jì)年鑒中的土地利用現(xiàn)狀數(shù)據(jù)，主要包括林地、草地、耕地；化石燃料消耗數(shù)據(jù)采用了山東省17個(gè)地市的統(tǒng)計(jì)年鑒的數(shù)據(jù)，主要來(lái)自于山東信息網(wǎng)、經(jīng)濟(jì)學(xué)家網(wǎng)站以及各市統(tǒng)計(jì)信息網(wǎng)。另外，山東省地區(qū)行政邊界矢量數(shù)據(jù)來(lái)源于全國(guó)1∶1400萬(wàn)基礎(chǔ)地理信息數(shù)據(jù)。

2.2 碳排放測(cè)算模型

二氧化碳的測(cè)算參照張秀梅等的計(jì)算方法，既考慮了土地利用的因素，同時(shí)又考慮了能源消耗的因素［9］。測(cè)算碳排放的公式由式（1）表示為

式中：E為碳總排放量，萬(wàn)t；ei為各種土地利用方式所產(chǎn)生的碳排放量，萬(wàn)t；Ti為各種土地利用方式所對(duì)應(yīng)的土地面積，hm2；δi為林地、草地及耕地的碳排放（吸收）系數(shù)，t（C）／（m2·a）。其中，建設(shè)用地碳排放的估算由式（2）表示為

式中：Et為建設(shè)用地碳排放總量，t；ej為各能源物質(zhì)燃燒所產(chǎn)生的碳排放量，t；Tj為各能源物質(zhì)的消耗量，t；δj為各種能源物質(zhì)的碳排放系數(shù)，t（C）／t。碳排放系數(shù)采用的是方精云等的研究成果［6］。

2.3 探索性空間數(shù)據(jù)分析（ESDA）

探索性空間數(shù)據(jù)分析 ESDA（Exploratory Spatial Data Analysis）是重要的空間統(tǒng)計(jì)分析方法之一，它通過(guò)一系列空間關(guān)聯(lián)測(cè)度指標(biāo)，對(duì)事物或現(xiàn)象的空間分布格局進(jìn)行描述與可視化表達(dá)，發(fā)現(xiàn)奇異觀測(cè)值，揭示各種空間模式（如空間關(guān)聯(lián)，集聚及其他異質(zhì)性）及空間相互作用機(jī)制。ESDA的主要測(cè)度方法有全局空間自相關(guān)（Moran's I）和局部空間自相關(guān)（LocalMoran's I），由式（3）和（4）［16-17］表示為

式中：n為單元數(shù)，個(gè)；Wij為空間單元的相鄰權(quán)重；xi、xj分別為i和j單元的屬性值為算數(shù)平均值，S2＝通常Moran's I的值介于 -1與1之間，其值大于0表示正相關(guān)關(guān)系，小于0表示負(fù)相關(guān)關(guān)系，接近于0表示要素的空間分布呈隨機(jī)狀態(tài)。

3 結(jié)果與分析

3.1 山東省各地市碳排放測(cè)算結(jié)果

據(jù)上述測(cè)算方法和數(shù)據(jù)資料，從非建設(shè)用地碳排放量（耕地、草地、林地等）、建設(shè)用地碳排放量以及碳排放總量3個(gè)方面對(duì)山東省2012年各市碳排放量進(jìn)行了計(jì)算。建設(shè)用地和耕地為主要碳源，林地和草地為主要碳匯。由于數(shù)據(jù)缺失，日照、聊城、德州三市2012年數(shù)據(jù)結(jié)果是按照各市煤品、油品、燃?xì)庵鹉暝鲩L(zhǎng)率計(jì)算求得。計(jì)算結(jié)果見(jiàn)表1。

表1 2012年山東各地市碳排放情況／萬(wàn)t

從表1的測(cè)算結(jié)果可以發(fā)現(xiàn)：

（1）2012年山東省各地市非建設(shè)用地碳排放量差異性顯著，排放量最大的為臨沂市，達(dá)到65.17萬(wàn)t，是排放量最小的萊蕪市的8.88倍，其原因可能是由于前者耕地面積遠(yuǎn)遠(yuǎn)大于后者耕地面積。另外，聊城市域面積與濟(jì)南相當(dāng)，而非建設(shè)用地碳排放量（34.31萬(wàn) t）卻大于濟(jì)南市碳排放量（27.38萬(wàn)t），可見(jiàn)即使土地面積相當(dāng)，不同的土地利用方式也可能是形成碳排放區(qū)域間差異的重要原因。

（2）2012年山東省各市建設(shè)用地碳排放量均在800萬(wàn)t以上，遠(yuǎn)遠(yuǎn)大于非建設(shè)用地的碳排放量，是影響山東半島各地區(qū)碳排放強(qiáng)度的主要因素，同時(shí)也是這些地區(qū)的主要碳源?；剂先紵寂欧畔禂?shù)不盡相同，一般煤炭消耗碳排放系數(shù)最高，石油消耗次之，燃?xì)庀淖畹?，各市?duì)燃料消費(fèi)需求不同而導(dǎo)致的消耗比例不同。因此以消費(fèi)煤炭為主的濟(jì)寧市2012年碳排放量比以消費(fèi)石油為主的東營(yíng)碳排放量大得多。由于生產(chǎn)、生活方式不同及地區(qū)經(jīng)濟(jì)相對(duì)發(fā)達(dá)，青島2012年碳排放量為2154.35萬(wàn)t，遠(yuǎn)大于其它海濱城市等。

（3）碳排放量最大值為濟(jì)寧市的5777.05萬(wàn)t，最小為威海市的861.93萬(wàn)t。采用GIS自然斷裂法將碳排放量分成五類，如圖2所示。第一類地市碳排放量最低，位于魯東地區(qū)，包括威海市和日照市；第二類地市碳排放量較低且分布分散，包括煙臺(tái)市、萊蕪市、德州市、菏澤市；第三類地市碳排放量較高，全部位于魯西北一帶，包括濱州市、濟(jì)南市、東營(yíng)市；第四類地市碳排放量高且多位于魯中地區(qū)，包括青島市、濰坊市、臨沂市、泰安市、聊城市；第五類地市碳排放量最高大部分地處魯西南地區(qū)，包括淄博市、濟(jì)寧市、棗莊市。

圖2 2012年山東各地市碳排放圖

3.2 碳排放空間分異特征

3.2.1 全局自相關(guān)分析

依照式（3）計(jì)算全局 Moran's I指數(shù)，運(yùn)用GeoDa空間統(tǒng)計(jì)分析軟件進(jìn)行處理，得到2012年山東省17地市二氧化碳排放量的全局Moran's I指數(shù)為0.0853；基于正態(tài)分布假設(shè)對(duì)Moran's I指數(shù)進(jìn)行檢驗(yàn)，其結(jié)果Z值為1.0150，可見(jiàn)2012年山東省17地市二氧化碳排放量全局自相關(guān)性并不顯著，說(shuō)明各地市碳排放量的空間分布在全局上并未表現(xiàn)出明顯的空間集聚特征。

3.2.2 局部空間自相關(guān)

選取2012年山東省17地市二氧化碳排放量數(shù)據(jù)，進(jìn)行局部空間自相關(guān)分析，計(jì)算結(jié)果，如圖3、4所示。

圖3 2012年山東各地市LISA集聚情況圖

圖4 2012年山東各地市LISA顯著情況圖

由圖3、4可知，臨沂市在0.01的水平下顯著，棗莊市在0.05的水平下顯著，這兩個(gè)市在空間上鄰接分布，而且從統(tǒng)計(jì)意義上來(lái)說(shuō)，2012年其相鄰地市二氧化碳的排放量趨于被同樣是碳排放量高值的地市所包圍。由此在空間格局及空間分布上形成二氧化碳排放量高值和高值的集聚。菏澤市在0.05的水平下顯著，而與其相鄰的濟(jì)寧市碳排放量高居山東省各地市榜首，所以菏澤市趨于被二氧化碳排放量為高值的地市所包圍。魯西南各地市2012年二氧化碳排放量呈現(xiàn)高值和高值空間集聚的分布特征。

以（WZ，z）為坐標(biāo)進(jìn)一步繪制Moran散點(diǎn)圖以研究局部的空間不穩(wěn)定性，繪制結(jié)果如圖5所示。

圖5 2012年山東各地市碳排放散點(diǎn)圖

由圖5可以看出，絕大多數(shù)地市位于第二象限和第三象限內(nèi)。位于第二象限屬于低高集聚類型，為負(fù)的空間聯(lián)系，代表了低觀測(cè)值的區(qū)域單元被高觀測(cè)值的區(qū)域單元包圍的空間分布狀態(tài)；位于第三象限則屬于低低集聚類型，為正的空間聯(lián)系，代表了低觀測(cè)值的區(qū)域單元被同樣低觀測(cè)值的區(qū)域單元所包圍的空間相關(guān)形式。由圖5可見(jiàn)，位于第三象限內(nèi)的地市比位于第二象限內(nèi)的地市更多一些，這就說(shuō)明山東省2012年各地市碳排放分布呈現(xiàn)局部空間集聚特征，碳排放量大的地市趨于被碳排放量大的地市包圍，相反地碳排放量小的地市也趨于被碳排放量小的地市包圍，進(jìn)而在空間格局上表現(xiàn)出山東省碳排放分布的地區(qū)差異性。

圖6顯示了2012年山東省各地市碳排放量局部聚集的空間格局特征：（1）高值被高值包圍的高—高集聚地市有：濟(jì)寧市、泰安市、棗莊市、臨沂市；（2）低值被高值包圍的低—高集聚地市有：東營(yíng)市、日照市、聊城市、菏澤市、萊蕪市；（3）低值被低值包圍的低—低集聚地市有：德州市、濟(jì)南市、濱州市、青島市、煙臺(tái)市、威海市；（4）高值被低值包圍的高—低集聚地市有：淄博市、濰坊市。

圖6 2012年山東各地市碳排放空間集聚的坐標(biāo)圖

4 結(jié)論

通過(guò)上述研究可知：

（1）從碳源和碳匯角度來(lái)看，建設(shè)用地和耕地為主要碳源，林地和草地為主要碳匯庫(kù)?；剂先紵廊皇窃斐缮綎|半島各地市碳排放空間不均衡的關(guān)鍵因素，又由于煤炭在眾多燃料中具有較高的碳排放系數(shù)，所以耗煤量大的地市如棗莊、濟(jì)寧等市2012年度碳排放總量位于全省前列。

（2）從GIS空間可視化角度來(lái)看，碳排放量最大值為濟(jì)寧市的5777.05萬(wàn) t，最小為威海市的861.93萬(wàn)t。在空間格局方面，魯東＜魯西北魯中＜魯西南，說(shuō)明山東省各地碳排放量差異較大，且在空間格局上呈現(xiàn)出較為明顯的不均衡性，而這一碳排放強(qiáng)度的排序恰好與其區(qū)域經(jīng)濟(jì)發(fā)展程度排序相反。

（3）從空間自相關(guān)分析角度來(lái)看，全局Moran's I指數(shù)為0.0853，顯著性檢驗(yàn)的Z值1.0150，說(shuō)明山東省碳排放量全局自相關(guān)性并不明顯；而LISA集聚圖則顯示魯西南及魯中地區(qū)具有顯著的局部空間集聚特征。各地市碳排放量局部聚集的空間格局特征為：高—高集聚地市有濟(jì)寧市、泰安市、棗莊市、臨沂市；低—高集聚地市有東營(yíng)市、日照市、聊城市、菏澤市、萊蕪市；低—低集聚地市有德州市、濟(jì)南市、濱州市、青島市、煙臺(tái)市、威海市；高—低集聚地市有淄博市、濰坊市。

［1］ 方精云，王少鵬，岳超，等.八國(guó)集團(tuán)2009意大利峰會(huì)減排目標(biāo)下的全球碳排放情景分析［J］.中國(guó)科學(xué)（地球科學(xué)），2009，39（10）：1339-1346.

［2］ Solomon S.，Qin D.，Manning M.，et al..Climate Change 2007：the Physical Science Basis［M］.Cambridge：Cambridge University Press，2007.

［3］ 王中英，王禮茂.中國(guó)經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的影響分析［J］.安全與環(huán)境學(xué)報(bào)，2006，6（5）：88-91.

［4］ 徐國(guó)泉，劉則淵，姜照華.中國(guó)碳排放的因素分解模型及實(shí)證分析：1995-2004［J］.中國(guó)人口·資源與環(huán)境，2006，16（6）：158-161.

［5］ 蔣金荷.中國(guó)碳排放量測(cè)算及影響因素分析［J］.資源科學(xué)，2011，33（4）：597-604.

［6］ 方精云，郭兆迪，樸世龍，等.1981—2000年中國(guó)陸地植被碳匯的估算［J］.中國(guó)科學(xué) D輯，2007，37（6）：804-812.

［7］ 柴志賢.密度效應(yīng)、發(fā)展水平與中國(guó)城市碳排放［J］.經(jīng)濟(jì)問(wèn)題，2013，3（3）：25-31.

［8］ 李阿萌，張京祥，肖翔.江蘇省13城市1996—2008年碳排放時(shí)空變異分析［J］.長(zhǎng)江流域資源與環(huán)境，2011，10（8）：1235-1242.

［9］ 張秀梅，李升峰，黃賢金，等.江蘇省1996—2007年碳排放效應(yīng)及時(shí)空格局分析［J］.資源科學(xué)，2010，32（4）：768-775.

［10］張艷，陳太政，秦耀辰.中國(guó)城市居民直接能耗碳排放的空間格局及影響因素［J］.河南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，43（2）：161-167.

［11］鐘宜根，葛幼松，張強(qiáng)華，等.城市規(guī)模與碳排放的相關(guān)性思考［J］.現(xiàn)代城市研究，2010，25（5）：65-69.

［12］王莉雯，衛(wèi)亞星.基于RS和GIS的沈陽(yáng)碳排放空間分布模擬［J］.資源科學(xué)，2012，34（2）：328-336.

［13］劉曉婷，陳聞君.基于ESDA-GIS的新疆能源碳排放空間差異動(dòng)態(tài)演化分析［J］.干旱區(qū)地理，2016，39（3）：678-685.

［14］李建豹，張志強(qiáng)，曲建升，等.中國(guó)省域CO2排放時(shí)空格局分析［J］.經(jīng)濟(jì)地理，2014，34（9）：158-165.

［15］胡艷興，潘竟虎，王怡睿.基于ESDA-GWR的1997—2012年中國(guó)省域能源消費(fèi)碳排放時(shí)空演變特征［J］.環(huán)境科學(xué)學(xué)報(bào)，2015，35（6）：1896-1906.

［16］孟斌，王勁峰，張文忠，等.基于空間分析方法的中國(guó)區(qū)域差異研究［J］.地理科學(xué)，2005，25（4）：393-400.

［17］唐志高，劉紅光，劉志高，等.經(jīng)濟(jì)地理學(xué)中的數(shù)量方法［M］.北京：氣象出版社，2012.

（學(xué)科責(zé)編：吳芹）

Study on spatial pattern of carbon em ission in Shandong province based on ESDA-GIS

Fan Wenping，Shan Baoyan，Cai Fei
（School of Surveying and Geo-informatics，Shandong Jianzhu University，Jinan 250101，China）

PT951

A

1673-7644（2017）04-0322-05

2017-06-10

山東省社科規(guī)劃項(xiàng)目（14DGLJ06）；山東省統(tǒng)計(jì)科研重點(diǎn)課題項(xiàng)目（KT16071）；山東省住建廳科技計(jì)劃項(xiàng)目（2017-R1-003）；山東建筑大學(xué)博士基金項(xiàng)目（XNBS1303）

樊文平（1980-），女，講師，博士，主要從事GIS應(yīng)用、空間統(tǒng)計(jì)分析應(yīng)用等方面的研究.E-mail：fwenping＠sdjzu.edu.cn