何嘉欣

（廣州欣達(dá)環(huán)?？萍加邢薰?，廣東 廣州 510000）

0 引言

當(dāng)今經(jīng)濟社會的發(fā)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(guī)模排放，從而引發(fā)資源環(huán)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(qū)，所以對市區(qū)碳排放情況的時空演變分析至關(guān)重要。

1 研究方法與數(shù)據(jù)來源

1.1 碳排放量測算

采用某地區(qū)城市群當(dāng)中多個地級市面板數(shù)據(jù)，根據(jù)城市統(tǒng)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(shù)，對碳排放總量、人均與地均排放量加以測算分析，相應(yīng)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(shù)量；2.439——碳排放系數(shù)。

根據(jù)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(guān)模型

根據(jù)市區(qū)碳排放情況，采用ESDA 方法進(jìn)行碳排放空間關(guān)聯(lián)特征的分析，該方法也叫作空間數(shù)據(jù)分析法，一般是針對存在空間依賴性或者異質(zhì)性數(shù)據(jù)，以市區(qū)空間關(guān)聯(lián)作為關(guān)鍵，從中提出的空間數(shù)據(jù)分析方法，完成對市區(qū)碳排放空間關(guān)聯(lián)分析，借助方法的全局空間自相關(guān)與局部空間自相關(guān)情況，完成碳排放空間關(guān)聯(lián)分析。其中全局空間自相關(guān)計算如式（4）所示。

式中：n——市區(qū)數(shù)量；Xi——市區(qū)i 的觀測值；—樣本的平均值；Wij——空間權(quán)重矩陣。

公式當(dāng)中的S2計算如式（5）所示。

全域空間自相關(guān)取值[-1，1]，當(dāng)取值接近于1，說明該指標(biāo)具有空間正自相關(guān)的關(guān)系，也就是說碳排放量偏高或者偏低的城市會呈現(xiàn)出空間集聚的特征。當(dāng)取值接近于0 時，說明碳排放量會呈現(xiàn)出隨機分布的狀態(tài)。取值接近于-1 時，說明碳排放量呈現(xiàn)出空間負(fù)相關(guān)的關(guān)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(qū)位，通?？墒褂镁植靠臻g自相關(guān)法，按照散點圖獲得LISA 空間聚類圖，以此用于識別市區(qū)碳排放的熱點與冷點區(qū)域[2]。

1.3 時空地理加權(quán)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(shù)據(jù)的穩(wěn)定性，將時間維度根據(jù)實際情況引入模型中，從而解決時空間的平穩(wěn)性問題，使數(shù)據(jù)判斷與預(yù)估更有效。具體模型如式（6）所示。

當(dāng)β＞0 時，說明X 與Y 之間屬于正相關(guān)的關(guān)系；β＜0 時，說明X 和Y 之間屬于負(fù)相關(guān)的關(guān)系。式（6）中εi屬于隨機擾動項。本文采用了高斯函數(shù)法，使時空維度信息能夠被有效結(jié)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(dāng)中的bST指的是時空權(quán)函數(shù)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(biāo)選取與數(shù)據(jù)來源

按照IPAT 理論，本文認(rèn)為城市化發(fā)展進(jìn)程中環(huán)境壓力一般會受城市人口規(guī)模、貧富情況、技術(shù)水平幾方面影響，所以指標(biāo)的選擇需要從“人口”“經(jīng)濟”“技術(shù)”幾部分入手，人口指標(biāo)上選擇和碳排放有關(guān)聯(lián)的指標(biāo)，比如“人口規(guī)模”；經(jīng)濟方面選擇“經(jīng)濟發(fā)展水平”“城市化率”指標(biāo)；技術(shù)上選擇“工業(yè)結(jié)構(gòu)”與“能源強度”指標(biāo)。根據(jù)城市統(tǒng)計年鑒與EPS 數(shù)據(jù)平臺獲得統(tǒng)計年鑒數(shù)據(jù)，掌握城市人均GDP 和第二產(chǎn)業(yè)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(qū)碳排放時空特征

依據(jù)上文提到的碳排放量計算公式，計算某地區(qū)內(nèi)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(qū)碳排放總量整體呈現(xiàn)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(dá)到了1500 萬t/年。市區(qū)的碳排放量在2017 年有所下降，說明該城市在發(fā)展期間加大了對生態(tài)環(huán)保事業(yè)的重視，同時著力于節(jié)能產(chǎn)業(yè)與綠色建筑的發(fā)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(guān)，市區(qū)地均碳排放量從5600t/km2上升到2018 年的9800t/km2，當(dāng)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(qū)碳排放總量在這10 年間有著逐漸增長的發(fā)展趨勢，碳排放集中于經(jīng)濟發(fā)展水平較高、人口聚集以及工業(yè)產(chǎn)業(yè)區(qū)域，這會造成人均與地均碳排放量的波動上漲[3]。

3 市區(qū)碳排放空間關(guān)聯(lián)特征

3.1 全域空間自相關(guān)特征

根據(jù)城市面板數(shù)據(jù)計算市區(qū)全局莫蘭指數(shù)，具體如表1 所示。

表1 市區(qū)碳排放全局莫蘭指數(shù)

市區(qū)碳排放總量與地均排放全局莫蘭指數(shù)為負(fù)值，說明十年來市區(qū)碳排放情況分散于不同地區(qū)。人均碳排放指數(shù)全局莫蘭指數(shù)有所上升，說明期間有著空間正自相關(guān)性，人均碳排放比較相近的區(qū)域產(chǎn)生了集聚效應(yīng)。

總體來看，市區(qū)碳排放有著明顯的空間關(guān)聯(lián)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(yīng)下比較穩(wěn)定[4]。

3.2 局部空間自相關(guān)特征

對城市碳排放總量展開局部空間自相關(guān)研究。碳排放總量中的城市在這十年內(nèi)沒有產(chǎn)生明顯的“高高”或“低低”集聚，而是有著比較穩(wěn)定的“高-低”集聚或者“低-高”集聚，市區(qū)內(nèi)會消耗較多能源，但不會造成周圍地區(qū)碳排放量的增加。表2 為不同能源折標(biāo)準(zhǔn)煤參考系數(shù)情況，需根據(jù)表中數(shù)據(jù)進(jìn)行能源耗費情況的計算。表2 中1kgce 指的是1kg 標(biāo)準(zhǔn)煤當(dāng)量，液態(tài)與氣態(tài)能源會采用kg 或m3為計量單位。

表2 能源折標(biāo)準(zhǔn)煤參考系數(shù)

4 碳排放總量影響因素的時空異質(zhì)性

從上文提到的人口、經(jīng)濟、技術(shù)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(yè)結(jié)構(gòu)”影響因素剔除后，剩下的4 個驅(qū)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(quán)回歸分析，自動優(yōu)化模型帶寬，時空距離參數(shù)比值是1，對驅(qū)動因子展開回歸計算，時空地理加權(quán)回歸模型的AIC 結(jié)果是-754.155，模型擬合度R2結(jié)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(jié)果下降416.27，此時GTWR 方法對于回歸模型的分析結(jié)果有著一定的提升。圖1 為能源強度與經(jīng)濟發(fā)展水平驅(qū)動因素回歸系數(shù)的時間演化情況，圖2 為人口規(guī)模與城市化率的時間演化情況[5]。

圖1 能源強度與經(jīng)濟發(fā)展水平GTWR 回歸系數(shù)隨時間演化的小提琴圖

圖2 人口規(guī)模與城市化率GTWR 回歸系數(shù)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(jīng)濟發(fā)展水平”以及“人口規(guī)模”這幾項因素都對市區(qū)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(qū)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(shù)達(dá)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(shù)只是呈現(xiàn)出幅度較小的增長，但離散程度有所增大，說明不同市區(qū)的區(qū)位不一樣，資源優(yōu)勢會讓產(chǎn)業(yè)結(jié)構(gòu)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(shù)限制導(dǎo)致產(chǎn)業(yè)的轉(zhuǎn)型還不夠徹底，煤炭依然在能源消費中占據(jù)著較大的比重，從而引發(fā)了市區(qū)之間經(jīng)濟發(fā)展不平衡的現(xiàn)狀。②經(jīng)濟發(fā)展水平對于碳排放量的控制有著一定的驅(qū)動力，該指標(biāo)的回歸系數(shù)是0.9797，說明經(jīng)濟發(fā)展水平與碳排放之間有著正相關(guān)的關(guān)系，離散程度整體為先減小再增大。“十一五”規(guī)劃中明確的提出了關(guān)于減排的要求，這讓城市經(jīng)濟發(fā)展水平導(dǎo)致的碳排放影響程度比較相近，后續(xù)經(jīng)濟發(fā)展水平依然是碳排放的最主要正向因素。③人口規(guī)模的平均回歸系數(shù)是0.9743，離散程度不斷減小，說明城市人口增加會擴大生產(chǎn)規(guī)模，導(dǎo)致能源與資源的消耗逐漸加劇。④城市化水平的回歸系數(shù)是0.1234，說明市區(qū)存在減排效益源于城市發(fā)展?？臻g分布上能源強度回歸系數(shù)有著兩邊高、中間低的特點，市區(qū)碳排放有著空間自相關(guān)性，回歸系數(shù)的較快增長可以說明社會經(jīng)濟的發(fā)展促進(jìn)產(chǎn)業(yè)升級與轉(zhuǎn)型，但是無法對碳排放形成明顯的正向作用[6]。

5 結(jié)語

總而言之，當(dāng)前城市發(fā)展提出了讓市區(qū)成為城市群發(fā)展的重要動力源的要求，市區(qū)是人口密集且產(chǎn)業(yè)基礎(chǔ)雄厚的地區(qū)，市區(qū)經(jīng)濟發(fā)展水平較高，人口規(guī)模較大，在追求城市經(jīng)濟發(fā)展的同時也要注重生態(tài)環(huán)境與經(jīng)濟之間的相互協(xié)調(diào)。