關偉，李書妹，許淑婷

（1. 遼寧師范大學 地理科學學院，遼寧 大連 116029；2. 遼寧師范大學 海洋可持續(xù)發(fā)展研究院，遼寧 大連 116029）

0 引言

隨著經(jīng)濟的快速發(fā)展，能源的需求量不斷增加，隨之增多的溫室氣體所帶來的氣候變暖問題日益嚴重，減少二氧化碳排放已經(jīng)成為全球關注的重點和共識[1]。在此背景下，我國于第75 屆聯(lián)合國大會上首次提出“碳達峰”“碳中和”目標。為實現(xiàn)節(jié)能減排目標，作為中國重要工業(yè)基地的東北地區(qū)，在新一輪東北老工業(yè)基地振興戰(zhàn)略背景下，面臨著發(fā)展經(jīng)濟與保護環(huán)境的雙重壓力。因此，總體把握東北三省碳排放的時空演變特征，從多尺度研究其碳排放的空間化，對實現(xiàn)低碳經(jīng)濟、推動社會的可持續(xù)發(fā)展具有重要的理論意義和參考價值。

通過綜述文獻發(fā)現(xiàn)，國內外關于碳排放的研究主要集中在碳排放量的測度[2-5]、時空分異[6-8]、影響因素[9-12]、碳減排政策[13-15]等幾個方面。由于數(shù)據(jù)的可獲得性等原因，現(xiàn)有研究多以國家、省份和地區(qū)為主，對市級或縣級尺度的研究相對較少，為此，本文進一步引入高精度空間輔助數(shù)據(jù)來估算并分析市級乃至縣級尺度上碳排放量的分布[16]，對政策的精準實施具有重要意義。

近年來，由于夜間燈光數(shù)據(jù)可以很好地反映出人類的活動強度，彌補小尺度統(tǒng)計數(shù)據(jù)缺乏的問題，許多學者對其進行了一系列的研究。其中，DMSP/OLS 夜間燈光數(shù)據(jù)憑借長時間序列動態(tài)存檔、廣域范圍覆蓋等優(yōu)勢[17]，被廣泛地應用于城鎮(zhèn)化監(jiān)測[18-21]、經(jīng)濟增長評估[22-23]、人口密度模擬[24-25]、電力能源消費[26-28]等方面的研究。此外，通過夜間燈光數(shù)據(jù)對碳排放量進行估算以及驗證兩者的關系[29]也取得了良好的效果。Elvidge 等[30]首先證實了夜間燈光數(shù)據(jù)可以對二氧化碳的空間分布進行建模；Doll 等[31]基于夜間燈光數(shù)據(jù)首次獲得了1°×1°分辨率的全球二氧化碳網(wǎng)格；蘇泳嫻等[32]利用DMSP/OLS 數(shù)據(jù)，以市級為基礎單元，從多尺度對中國碳排放總量的時空格局變化進行分析；武娜等[33]將晉陜內蒙古三省區(qū)獨立設置燈光與碳排放之間的擬合方程，使夜間燈光與各分區(qū)的碳排放量一一對應，客觀展現(xiàn)碳排放地理分布規(guī)律；呂倩和劉海濱[34]結合DMSP/OLS 與NPP/VIIRS 兩種夜間燈光數(shù)據(jù)，從柵格級、省級、市級和縣級多尺度，系統(tǒng)分析1995—2016 年黃河流域能源消費碳排放的時空演變格局。

總體來看，碳排放的研究空間尺度較大、較單一，缺乏精細化的尺度研究，而且東北地區(qū)基于夜間燈光的碳排放模擬研究相對缺乏。由此，本文以DMSP/OLS夜間燈光數(shù)據(jù)為基礎，結合東北三省的能源統(tǒng)計數(shù)據(jù)，建立各省份燈光數(shù)值與碳排放量之間的關系模型，系統(tǒng)分析1994—2013 年東北三省多尺度碳排放時空演變格局，為區(qū)域實施針對性和可操作性的碳排放政策提供應用支撐。

1 研究區(qū)域、數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況

東北三省大體屬于溫帶季風氣候，主要是平原、山地地形，面積達78.73 萬km2，分別為黑龍江省、吉林省、遼寧省，共包含36 個地級市和288 個縣級行政區(qū)。該區(qū)域物質富饒，具有廣泛分布且類型多樣的礦產(chǎn)資源，是我國重要的礦產(chǎn)生產(chǎn)基地，也是全國石油生產(chǎn)的主力地區(qū)，還有撫順、雞西、鶴崗等著名煤礦。同時，東北三省作為我國最大的重工業(yè)基地，如何平衡能源資源與工業(yè)發(fā)展的關系，是該區(qū)域經(jīng)濟與生態(tài)可持續(xù)發(fā)展的重要基礎。

1.2 數(shù)據(jù)來源

（1）DMSP/OLS 穩(wěn)定夜間燈光數(shù)據(jù)。該數(shù)據(jù)來源于美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration, NOAA）的國家地理數(shù)據(jù)中心（National Geophysical Data Center, NGDC）官方網(wǎng)站。數(shù)據(jù)的空間分辨率為30 弧秒，影像的像元DN 值范圍為0 ～63。由于不同傳感器獲取的影像之間存在像元飽和與非連續(xù)性等問題，因此，本文對DMSP/OLS 數(shù)據(jù)進行了相互、年內、年際等一系列校正[35]，最后得到東北三省1994—2013 年校正后的夜間燈光影像，如圖1 所示。

圖1 1994—2013年東北三省夜間燈光影像

（2）能源統(tǒng)計數(shù)據(jù)。東北三省的能源消費數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》（1994—2013 年）中的終端能源消費平衡表。

（3）相關輔助數(shù)據(jù)。主要包括國家基礎地理信息系統(tǒng)網(wǎng)站獲取的中國1 ∶400 萬的省級、地級市和縣域行政邊界數(shù)據(jù)。

1.3 研究方法

1.3.1 能源消費碳排放計算

1994—2013 年東北三省的碳排放量通過統(tǒng)計數(shù)據(jù)計算得出，并采用IPCC（2006）確定的各類能源碳排放系數(shù)，選取10 種主要能源計算CO2排放量，計算公式如下：

式中：i表示所選的能源種類；Ki表示第i種能源的CO2排放系數(shù)（萬噸碳/萬噸標準煤）；Ei表示能源i的終端消費量，按標準煤計（萬噸）。

10 種能源的折算標準煤系數(shù)和碳排放系數(shù)見表1。

表1 燃料消耗碳排放系數(shù)

1.3.2 碳排放模擬模型

在構建碳排放估算擬合模型時，假設燈光的總亮度值與碳排放總量存在較好的相關性，以此基于校正后的1994—2013 年夜間燈光數(shù)據(jù)，建立東北三省的DN 總值與相應的碳排放量之間的相互關系，并考慮降尺度到柵格單元的精度問題，采取不含截距的回歸方程，得到估算模型如下：

式中：Ei表示i像元CO2的模擬值；DNi表示i像元的DN 總值；a、b、c是回歸參數(shù)。

東北三省1994—2013 年CO2排放量模擬方程系數(shù)見表2。

表2 1994—2013年DN值與CO2排放量的擬合方程

1.3.3 修正模擬單位像元碳排放值

通過碳排放的估算擬合方程，見式（2），可計算出每個柵格單元上夜間燈光所反映的碳排放值，以此得到第n年東北三省的初始碳排放數(shù)據(jù)Es(n)。由于回歸函數(shù)誤差的存在，使得第n年東北三省的初始碳排放值與實際碳排放值Er(n)均有偏差，因此，分別構建了東北三省第n年夜間燈光數(shù)據(jù)反演的碳排放格網(wǎng)模型比例系數(shù)mn，見式（3）；將東北三省第n年模擬出的初始碳排放網(wǎng)格值與相應的比例系數(shù)相乘，得到與實際碳排放值相等的空間化碳排放數(shù)據(jù)，見式（4）。

式中：mn表示第n年東北三省碳排放實際值與模擬值的比例系數(shù)；Er(n)表示第n年東北三省由統(tǒng)計數(shù)據(jù)計算所得的實際碳排放值；Es(n)表示第n年碳排放估算模型所得的碳排放模擬值；Ex(n)k表示東北三省第n年第k個柵格單元上分布的碳排放量；Es(n)k表示夜間燈光反映的第k個柵格上分布的碳排放值。

1.3.4 空間自相關分析

全局空間自相關能夠反映空間關聯(lián)程度的總體特征，可用Global Moran’s I 指數(shù)刻畫東北三省整體上碳排放量的空間差異性，公式如下：

其中，當Ii＞0 時，表明鄰近區(qū)域間具有正的空間自相關性；當Ii＜0 時，表明鄰近區(qū)域間具有負的空間自相關性。

2 結果與分析

2.1 碳排放估算模型的精度評價

黑龍江省、吉林省和遼寧省夜間燈光總值與碳排放量的R2分別為0.926 0、0.844 7、0.968 6，表明擬合效果良好，結果有效。為了確保東北三省CO2排放量模擬值的可靠性，將其與相對應的統(tǒng)計碳排放量對比，結果發(fā)現(xiàn)（表3），模擬值與統(tǒng)計值的均方根誤差RMSE 分別為724.29 萬噸、1 325.90 萬噸、1 167.76 萬噸，平均相對誤差MRE 分別為6.61%、14.70%、4.41%?？梢姡归g燈光數(shù)據(jù)對CO2排放量的模擬精度良好，可以對東北三省CO2排放量的時空演變特征進行研究。

表3 1994—2013年CO2排放量模擬精度檢驗

2.2 柵格尺度碳排放時空演變特征

從省級尺度模擬反演得到的1994 年、2000 年、2007年和2013年東北三省碳排放1 km×1 km的空間分布（圖2）來看，1994—2013 年東北三省能源消費碳排放總量持續(xù)增長，高碳排放地區(qū)呈現(xiàn)多核心式分布，且演變成以中心城市為核心，逐漸呈放射狀向外擴張，最終形成高碳排放核心地區(qū)的連通態(tài)勢，其中以遼寧省的高碳排放地區(qū)表現(xiàn)得最為顯著，吉林省和黑龍江省向北呈逐年增多趨勢。

圖2 柵格尺度碳排放演變特征

2.3 行政區(qū)劃尺度碳排放時空演變特征

2.3.1 總體特征

1994—2013 年，黑龍江、吉林、遼寧三省CO2排放量持續(xù)增長（圖3），其中遼寧省的碳排放量在三個省份中最多。20 年間，吉林省的碳排放量從1994 年的6 057 萬噸增加到2013 年的15 815 萬噸，增長幅度超過了2.6 倍；遼寧省從12 347 萬噸增加到30 308 萬噸，增幅2.45 倍；黑龍江省從6 645 萬噸增加到13 494 萬噸，增幅2.03 倍。此外，從圖3 中可以看出，3 個省份1994—2005 年碳排放總量均增長較慢；2005—2012 年遼寧省增長趨勢較快，年平均增長率為10.58%，黑龍江省和吉林省分別為9.96%、9.01%。

圖3 1994—2013年東北三省CO2排放量

2.3.2 市級尺度

將碳排放估算結果連接到市級尺度下的矢量數(shù)據(jù)上，采用自然斷點法將碳排放量劃分為五個等級，結果（圖4）如下：1994—2013 年遼寧省各地級市的碳排放量普遍偏高，東北三省較低碳排放區(qū)和中等碳排放區(qū)數(shù)量增多且有向北擴張的態(tài)勢，與柵格尺度的布局具有一致性。1994 年高碳排放區(qū)分布于遼寧省的盤錦市、沈陽市和遼陽市，黑龍江省總體碳排放處于較低水平，碳排放量呈現(xiàn)南多北少的格局；2000 年高碳排放區(qū)在原有基礎上呈現(xiàn)迅猛擴張趨勢，增加了遼寧省的鞍山市、大連市、錦州市、鐵嶺市，這些地區(qū)作為東北老工業(yè)基地，第二產(chǎn)業(yè)比重較大，碳排放量較高；2007 年高碳排放區(qū)在2000年的基礎上增加了遼寧省的葫蘆島市和吉林省的長春市；2013 年，由于政策或能源替代技術的發(fā)展，東北三省整體碳排放量的增長趨勢有所緩和，高碳排放區(qū)減少了葫蘆島市和長春市。而東北部地區(qū)，耕地面積大、農(nóng)業(yè)發(fā)達，第二產(chǎn)業(yè)比重相對較小，因此黑龍江省大興安嶺地區(qū)、黑河市和伊春市的碳排放量始終相對較低。

圖4 市級尺度碳排放演變特征

2.3.3 縣級尺度

從縣級尺度（圖5）來看，1994 年高碳排放區(qū)的縣域分布在沈陽市中區(qū)和大連市中區(qū)，較高碳排放區(qū)的縣域主要集中在盤錦、朝陽、錦州、阜新、鞍山、撫順等市的市中區(qū)，鐵西區(qū)以及吉林省的吉林市中區(qū)與長春市中區(qū)。2000 年，遼寧省大部分縣域的碳排放量增多，高碳排放區(qū)的縣域增加了盤錦市中區(qū)、錦州市中區(qū)以及鞍山市中區(qū)，較高碳排放區(qū)的縣域增加了遼寧省的鐵嶺市中區(qū)、渾南區(qū)、于洪區(qū)和調兵山市。2007 年碳排放量呈現(xiàn)明顯增長趨勢，主要表現(xiàn)為吉林省較低碳排放區(qū)的擴張，高碳排放區(qū)的縣域增加了吉林省的長春市中區(qū)，較高碳排放區(qū)的縣域增加了延吉市中區(qū)、遼源市中區(qū)、四平市中區(qū)以及大連市的金州區(qū)和旅順口區(qū)。2013 年由于碳減排政策的實施，使碳排放量分布區(qū)域出現(xiàn)萎縮，主要表現(xiàn)在吉林省中部較低碳排放區(qū)的縣域數(shù)量減少。總體來看，在縣域的碳排放分布區(qū)與東北三省的整體布局和市級定位的宏觀分析上，存在一定程度的內部差異性，進行多尺度的研究可以為減排的精準定位提供有效參考。

圖5 縣級尺度碳排放演變特征

2.4 碳排放時空特征差異分析

（1）全局空間相關性。通過Global Moran’s I 指數(shù)以及相應的z值對東北三省的市級和縣級碳排放量進行空間關聯(lián)的測度，如表4 所示。

表4 全局相關性分析結果

1994—2013 年東北三省碳排放量在市級和縣級尺度上的Global Moran’s I 指數(shù)均為正值，正態(tài)統(tǒng)計量z值均在5%水平下顯著（即P＜0.05），表明東北三省市級和縣級尺度碳排放均具有顯著的空間正相關性。Global Moran’s I 指數(shù)隨著時間的變化整體呈上升趨勢，市級尺度下的Global Moran’s I 值從0.376 7 增長到0.420 0；縣級尺度下的Global Moran’s I 值從0.176 7 增長到0.208 2，表明東北三省碳排放的空間相關程度趨于增強。整體而言，全局空間相關性在市級尺度上較大，在縣級尺度上也表現(xiàn)顯著，可以為精準減排政策的制定提供理論參考。

（2）局部空間相關性。通過LISA 聚類展示東北三省市級和縣級尺度上碳排放量的局部空間特征。

從市級尺度來看，空間相關性較高的地區(qū)主要分布在黑龍江省和遼寧?。▓D6）。1994 年，屬于LL 型、HH型和LH 型的城市分別有12 個、7 個和2 個，黑龍江省除雙鴨山市外全部屬于LL 型城市，遼寧省的鐵嶺市、沈陽市、錦州市、鞍山市、盤錦市、本溪市、遼陽市屬于HH 型城市，丹東市和阜新市屬于LH 型城市，吉林省則全部表現(xiàn)為不顯著；2000 年，大興安嶺地區(qū)、鶴崗市、雞西市以及本溪市由LL 型轉變?yōu)椴伙@著地區(qū)，阜新市由LH 型轉變?yōu)镠H 型；2007 年，鶴崗市由不顯著轉變?yōu)長L 型；2013 年，LL 型城市向吉林省的延邊朝鮮族自治州擴張。總體來看，市級尺度碳排放表現(xiàn)出較強的空間正相關，遼寧省的沈陽、鞍山等市是傳統(tǒng)的重工業(yè)城市，能源消費量高，形成高碳集聚區(qū)，由此可以將遼寧省中部的高碳城市確定為精準減排區(qū)域。

從縣級尺度來看，4 個時期呈現(xiàn)較強空間自相關性的縣域分布比較相似（圖6）。1994 年，屬于LL 型的縣域有61 個，主要分布在黑龍江省的大部分縣域，吉林省的敦化市、樺甸市、大安市、乾安縣、安圖縣、汪清縣和撫松縣；屬于HH 型的縣域有12 個，分別是遼寧省的金州區(qū)、旅順口區(qū)、沈陽市中區(qū)、于洪區(qū)、沈北新區(qū)、鐵西區(qū)、渾南區(qū)、蘇家屯區(qū)、盤山縣、鐵嶺縣、燈塔市和海城市；其他縣域均為不顯著地區(qū)。2000 年，屬于LL 型的縣域有60 個，吉林省增加了圖們市、通榆縣、靖宇縣、柳河縣、鎮(zhèn)賚縣、前郭爾羅斯蒙古族自治縣、白城市中區(qū)和白山市中區(qū)，黑龍江省的東部LL 型縣域數(shù)量明顯減少；HH 型縣域增加了新民市、大洼區(qū)、遼中區(qū)和大連市中區(qū)。2007 年，屬于LL 型的縣域有63 個，與1994 年LL 集聚區(qū)相似，主要分布在黑龍江省的西北部和東南部；屬于HH 型的縣域則與1994 年的區(qū)域完全重合。2013 年，屬于LL 型的縣域有56 個，與2000年分布相似，主要在黑龍江省的西北部和吉林省的東部；屬于HH 型的縣域與2000 年的區(qū)域重合?？傮w來看，縣級尺度與市級尺度的區(qū)域集聚特征有所不同，屬于HH 集聚的遼寧省大連市轄區(qū)、沈陽市轄區(qū)以及盤山縣、鐵嶺縣、燈塔市和海城市可以作為精準減排區(qū)域。

圖6 市級、縣級LISA聚類

3 結論

本文基于DMSP/OLS 夜間燈光數(shù)據(jù)，在對1994—2013 年東北三省能源消費碳排放進行模擬的基礎上，揭示了東北三省碳排放的時空演變格局，主要結論如下：

（1）1994—2013 年，東北三省校正后的夜間燈光DN 總值與能源消費碳排放量之間估算模型的R2均大于0.8，表明兩者存在顯著的正相關性；三省份碳排放模擬值與統(tǒng)計值的平均相對誤差均較小，說明三個擬合方程模擬得到的碳排放量均具有可信性，可以通過夜間燈光數(shù)據(jù)對東北三省碳排放量的空間化進行研究。

（2）從柵格尺度來看，1994—2013 年東北三省能源消費碳排放量波動上漲，形成以高碳排放的中心城市為核心，呈放射狀向外擴張分布的連通態(tài)勢，以遼寧省的碳排放擴張最為顯著。從市級尺度來看，20 年間東北三省的碳排放量形成以普遍偏高的遼寧省各地級市為基礎，較低和中等碳排放區(qū)數(shù)量增多、面積增大且有向北擴張的態(tài)勢。從縣級尺度來看，碳排放量主要集中在遼寧省，雖然2007 年吉林省中部有擴張的態(tài)勢，但隨著減排政策的實施，2013 年又出現(xiàn)了萎縮現(xiàn)象，具有內部差異性?？傮w來看，東北三省的能源消費碳排放量逐年增長，遼寧省的碳排放量每年均高于其他兩省，且2005—2013 年年平均增長率最高，是減排的重點區(qū)域。

（3）1994—2013 年東北三省市級與縣級尺度的碳排放具有顯著的全局空間正相關性，且關聯(lián)程度整體呈增強趨勢。從市級尺度來看，LL 型城市主要分布在黑龍江省，隨時間推移，延伸到吉林省的延邊朝鮮族自治州；HH 型城市分布范圍較穩(wěn)定，主要集中在遼寧省的中部地區(qū)；LH 型城市始終分布在丹東市；其他地區(qū)則全部為不顯著區(qū)域。從縣級尺度來看，東北三省形成了由高碳集聚區(qū)和低碳集聚區(qū)引起的集聚態(tài)勢，高碳集聚區(qū)較穩(wěn)定于遼寧省的6 個縣域，低碳集聚區(qū)主要在黑龍江省的西北部和中部以及吉林省的東部波動分布。

區(qū)域碳減排應因地制宜，考慮不同尺度下碳排放的分布與集聚態(tài)勢，制定差異化的減排政策。對于遼寧省的高碳集聚區(qū)，應精準定位減排區(qū)域，調整產(chǎn)業(yè)結構，加大科技創(chuàng)新力度，減少無效的能源消耗；對于黑龍江省的低碳集聚區(qū)，要鞏固和發(fā)展自身優(yōu)勢，優(yōu)化產(chǎn)業(yè)結構與能源結構。