中國10km二氧化碳排放網格及空間特征分析

王金南,蔡博峰,曹 東,劉蘭翠,周 穎,張戰勝,薛文博 (環境保護部環境規劃院,氣候變化與環境政策研究中心,北京 100012)

CO2排放高空間分辨率網格及空間分異特征研究是全球和區域 CO2排放研究的一個重點和熱點問題.國際上研究機構和學者基于行政區劃、人口空間分布、夜光等空間數據建立了不同空間分辨率的全球及區域CO2排放網格數據,并基于網格數據開展了碳排放熱點地區識別、空間變化趨勢及城市碳排放特征分析等研究[1-6].

早期CO2排放網格數據的建立主要是利用人口空間數據,空間化處理區域 CO2排放,是一種以人口或其他輔助數據為代理自上而下的空間網格化方法.隨著大氣模型精度需求的不斷提高,CO2排放源統計、監測能力的加強,以及衛星遙感CO2濃度監測數據對于地面CO2排放網格校正的依賴增強,基于排放源自下而上建立排放網格數據成為CO2排放空間化研究和應用的重點和焦點.

EDGAR(Emission Database for Global Atmospheric Research)[7]數據是全球最早基于排放源建立的高分辨率溫室氣體排放空間網格數據,其空間分辨率為 0.1°×0.1°(中緯度地區約10km),當前已經更新至EDGAR version 4.2版本(2008年).EDGAR數據主要來源于IEA 的排放點源數據庫和全球能源統計數據,并結合全球人口分布、土地利用/覆蓋、道路網絡等數據完成空間網格化.EDGAR數據在全球、區域和國家CO2排放研究[8-10],以及城市污染物和 CO2排放研究[11-12]中發揮著重要作用,并且是IEA每年全球CO2排放統計公告的重要數據來源[13].美國的Vulcan項目建立的10km CO2排放網格也對美國碳排放研究和政府決策發揮了重要作用[14-16].

國內 CO2排放空間特征研究主要是基于各省的排放數據[17-21],基于網格數據開展人為活動CO2排放的研究很少.Zhao等[22]建立的中國0.25°×0.25°(約 25×25km)CO2排放網格數據是針對中國較早和較為系統的CO2排放空間化數據,其點源排放源主要是火電廠,其他排放數據都是基于縣的人口、經濟統計數據實現空間化[23-24].

國內研究由于受數據限制,很難進一步開展全國更高分辨率的 CO2排放空間特征分析.我國CO2排放受能源利用形式影響很大,而能源利用特征受資源稟賦影響,跨省/區聚集現象非常明顯,而國內當前基于省級尺度的空間分析很難探究較為清晰、準確的區域格局特征.所以,研究開發中國高分率 CO2排放空間數據對于深入研究中國CO2排放空間特征,從而支持中國CO2排放控制和低碳發展,具有非常重要的意義.

本研究基于全國第一次污染源普查數據,較為徹底地基于“自下而上”方法建立中國 2007年10km×10km CO2排放網格系統,并基于此分析中國CO2排放空間特征.

1 研究方法和數據

1.1 CO2排放核算方法和數據

本研究主要基于排放源“自下而上”核算CO2排放,核算方法體系參考《2006年 IPCC國家溫室氣體清單指南》[25].排放源分類主要按照中國第一次污染源普查數據對排放源的分類,覆蓋除農業/農村和部分交通(鐵路、水運和航空)以外的所有 CO2排放源.本研究不考慮非能源利用的農業、林業和其他土地利用相關的源與匯.

核算的排放因子主要參考《中國溫室氣體清單研究》[26],部分重點行業排放因子基于研究組實測獲取.

活動水平數據中,工業源全部來自全國第一次污染源普查,基于T3(IPCC溫室氣體核算方法分為T1,T2,T3,計算精度依次升高,T3是指基于特定技術或企業的計算過程和排放因子)水平核算每個企業直接CO2排放.全國2007年工業企業CO2排放源共有 1575397個(包括能源燃燒和工業過程).城鎮生活數據全部來自全國第一次污染源普查,基于區/縣水平核算直接 CO2排放.各省交通能源數據及CO2排放核算詳見文獻[27].中國各省農業/農村能源數據源自《中國能源統計年鑒》[28]中的各省能源平衡表,基于能源消費核算 CO2排放.本次核算中,工業活動水平采用T3方法原則,排放因子主要采用T2方法(T2是指采用特定區域的計算過程和排放因子),重點行業如火電、鋼鐵、水泥等排放因子通過研究組專題研究實現T3方法水平.

1.2 CO2空間網格化方法

本研究的 CO2排放空間網格數據的建立過程為:首先基于GIS平臺,構建全國10km空間網格系統;其次按照工業源、城鎮生活源、移動源、農業/農村源、工業生產過程,依次對其CO2排放進行空間化;最后基于GIS空間分析平臺,將各類源的排放網格匯總為全國10km網格,見表1.

此外,在進行交通等部門 CO2排放空間化過程中,需要人口空間數據輔助.中國1km格網人口數據源自中國科學院資源環境科學數據中心地球系統科學數據共享平臺,但數據僅更新至2003年,本研究基于統計年鑒中各省人口數據將其調整為2007年數據,并通過空間分析將1km網格數據轉換為全國10km網格數據.

1.3 CO2排放空間分析方法

采用空間自相關分析方法分析中國 C O2排放空間特征.以全局空間自相關指數(Global Moran's I)和局部空間自相關指數(Local Moran's I)為測度,分析中國 CO2排放在空間上的聚集或分散程度,同時探測 CO2排放的熱點地區.Moran's I反映空間鄰接或鄰近的區域單元屬性值的相似程度,其根據要素空間位置和要素數值度量空間自相關.在給定要素及相關屬性的情況下,該指數評估所表達的模式是聚集模式、離散模式還是隨機模式.全局Moran指數用于分析全國的空間模式,使用單一數值反映空間自相關程度,見式(1)和式(2);局部 Moran指數用于計算不同區域空間單元與鄰近單元的相關程度,見式(3)和式(4).

表1 中國CO2排放網格化方法Table 1 Gridding process of CO2 emissions of China

式中:I是全局 Moran指數;zi是網格i的排放量與平均值()的偏差;xi是網格i的排放量,是屬性對應的平均值;wi,j是網格i和 j之間的空間權重;n等于總網格數;S0是所有空間權重的聚合.

由于所分析的是大小一樣的矢量網格數據,所以采用共同邊界的權重矩陣.全局Moran指數值界于[-1,1]之間,值愈接近1,表明具有相似屬性的空間單元集聚程度越強;值愈接近-1表明具有相異屬性的空間單元產生集聚.如果接近或等于0,表明空間單元屬性屬于隨機分布狀態.Moran指數需要進行顯著性檢驗,以 Z(標準差的倍數)確定,當Z< -2.58或> +2.58時,Moran指數的置信度會達到99%.

式中:I是局部Moran指數,局部Moran指數計算的空間權重、數值特征及顯著性檢驗與全局Moran指數相同.

2 研究結果

2.1 中國CO2排放10km網格數據

中國CO2排放10km空間網格數據見圖1.結果表明,全國整體CO2排放空間格局的特點是基本沿著我國人口胡煥庸線[29-30]分為東部和西部,東部地區明顯高于西部地區.全國CO2排放明顯受城市活動影響,網格排放高值區域都是以北京、上海、重慶、成都、武漢、西安、鄭州、廣州等大型城市為核心的區域.京津冀、長江三角洲、珠江三角洲地區是我國CO2排放空間格局的重點地區.

工業能源燃燒CO2排放占全國CO2總排放的85%,因而能源燃燒CO2排放空間格局直接影響了全國總排放空間格局.中國典型企業能源燃燒 CO2排放主要集中在北京、上海、廣州等典型城市.能源燃燒尤其是重點企業(污染源普查中的重點源)的能源燃燒CO2是全國CO2排放主要部分,一般企業(污染源普查中的一般源)能源燃燒CO2排放一般都在10萬t以下,全國所有重點企業能源燃燒 CO2排放占全國能源燃燒排放的 82%.中國大部分 10km網格內的重點企業個數都在10個以下,而諸如北京、天津、上海、廣州、成都等城市,其部分地區單位網格重點企業的個數都超過了 100個.重點企業密集、能源燃燒 CO2排放強度大,是我國重點城市及其周邊區域成為全國CO2排放熱點地區的主要原因.

圖1 中國2007年CO2排放10km網格Fig.1 China 10km CO2 emission grids dataset in 2007

將本研究與 EDGAR數據進行對比分析,發現中國10km網格數據和EDGAR數據在空間整體趨勢有很好的一致性,盡管 EDGAR數據精度(約 10km)與本研究接近,但其空間效果明顯要低于本研究的結果,并且CO2排放空間連續性很強.主要原因是 EDGAR數據源不完整,其空間網格化的過程主要是依據 IEA的重點排放點源數據庫和全球能源統計數據,結合全球人口分布、土地利用/覆蓋等數據完成空間網格化.而本研究所實現的 10km 網格數據,是較為徹底得從企業排放源層面自下而上實現空間網格化.

2.2 中國CO2排放空間特征分析

空間自相關分析計算得到全局 Moran指數為0.028(Z值= 40.28,P<0.01),可以判斷,中國CO2排放空間格局在 10km 空間分辨率水平上,具有顯著的正空間自相關性,即空間上存在顯著的集聚效應,而非隨機雜散分布.這一結論驗證前面直觀判斷的中國 CO2排放是以典型城市為聚集的空間分布.但Moran指數值較低,也說明集聚現象并非普遍存在,集聚強度也并非很高.

由局部Moran指數計算結果(圖2)可以看出,中國CO2排放在空間上真正具有顯著集聚效應的區域面積并不大,主要集中在北京、上海、廣州等重點城市核心區周邊. 中國區域圍繞重點城市存在顯著的正向空間相關效應,即一些區域的 CO2排放一定程度上受相近地區 CO2排放顯著影響,地理位置的相鄰對地區CO2排放具有顯著的正向影響.并且距離重點城市越近,Local Moran指數越高,說明聚集效應和相互影響越強烈.區域正向空間相關效應主要存在于北京、上海、廣州、鄭州等特大城市及其周邊,這些城市強烈的經濟活動,帶動了其周邊能源活動強度,從而直接影響區域CO2排放.重點城市的經濟、人口、產業的體量很大,所以其 CO2排放空間影響能力很強.因而基于這些重點城市采取 CO2排放政策和措施,必將產生帶動效應和連鎖反應.

圖2 中國2007年CO2排放局部Moran指數Fig.2 Local Moran's I of spatial pattern of CO2 emissions of China

從空間分析可以看出,我國CO2排放在空間上受熱點城市影響而形成空間集聚格局,一些重點城市直接決定著我國CO2排放空間格局,而省級行政區劃并沒有明顯影響我國 CO2排放空間格局,各省內部的CO2排放空間差異性都較大.

3 結論

3.1 從我國CO2排放10km空間格局上可以明顯看出,我國CO2排放空間格局非常不平衡,以胡煥庸線分為東西兩部分,東部地區顯著高于西部地區.而我國東部地區的人口規模和經濟水平也明顯高于西部地區.因而無論是CO2排放控制的效果還是成本承擔能力,東部地區必然是我國CO2排放控制的重點,也是未來全國開展碳排放交易的先行者,而西部地區則要防止東部高碳行業和企業的轉移,避免走向東部地區高碳發展的老路,在當前的基礎上,積極進行低碳發展.

3.2 我國CO2排放的熱點地區基本都聚集于重點城市.全局和局部Moran指數計算結果也表明,以重點城市為核心的區域,其 CO2排放在空間上具有顯著的正向空間相關效應.這都說明重點城市對于全國CO2排放有著非常重要的影響,而省級邊界對CO2排放空間格局影響不大.我國CO2排放受能源利用形式影響很大,而能源利用特征受資源稟賦影響,跨省/區聚集現象非常明顯.所以,在城市層面開展低碳研究和低碳規劃對于我國更有現實意義.從中國局部Moran指數看,中國CO2排放在空間上真正具有顯著集聚效應的區域面積并不大,主要集中在北京、上海、廣州等重點城市核心區周邊.這些城市的經濟、人口、產業的體量很大,其 CO2排放空間正向影響能力很強.因而基于這些重點城市采取CO2減排政策和措施,必將產生帶動效應和連鎖反應,實際減排效果要遠大于直接減排效果.

建立中國 CO2排放空間網格將彌補我國在CO2排放空間化領域的嚴重不足,極大推動中國低碳發展的精細化管理.本研究需要基于污染源普查動態更新和環境統計年度數據,逐步實現中國 CO2排放網格數據的更新,從而逐步建立中國空間系列化數據,為科學研究和政府決策提供數據支持.

[1]Akimoto H, Narita H. Distribution of SO2, NOx and CO2emissions from fuel combustion and industrial activities in Asia with 1o×1oresolution [J]. Atmos. Environ., 1994,28(2): 213-225.

[2]Andres R J, Marland G, Fung I, et al. A 1o×1odistribution of carbon dioxide emissions from fossil fuel consumption and cement manufacture, 1950-1990 [J]. Global Biogeochemical Cycles, 1996,10(3):419-429.

[3]Doll C N H, Muller J P, Elvidge C D.Night-time imagery as a tool for global mapping of socioeconomic parameters and greenhouse gas emissions [J]. AMBIO: a Journal of the Human Environment, 2000,29(3):157-162.

[4]Rayner P J, Raupach M R, Paget M, et al. A new global gridded data set of CO2emissions from fossil fuel combustion:Methodology and evaluation [J]. Journal of geophysical research,2010,115(D19306):1-11.

[5]Raupach M R, Rayner P J, Paget M. Regional variations in spatial structure of nightlights, population density and fossil-fuel CO2emissions [J]. Energy Policy, 2010,38(9):4756-4764.

[6]Oda T, Maksyutov S. A very high-resolution global fossil fuel CO2emission inventory derived using a point source database and satellite observations of nighttime lights, 1980–2007 [J].Atmospheric Chemistry and Physics Discussions, 2010,(10):16307-16344.

[7]European Commission Joint Research Centre (JRC), (PBL)Netherlands Environmental Assessment Agency.Emission database for global atmospheric research (EDGAR)[Z]. 2013.

[8]Marland G, Brenkert A, Olivier J. CO2from fossil fuel burning: a comparison of ORNL and EDGAR estimates of national emissions [J].Environ. Sci. Policy, 1999,2(3):265-273.

[9]Giraudel J L, Lek S. A comparison of self-organizing map algorithm and some conventional statistical methods for ecological community ordination [J]. Ecological Modelling,2001,146(1):329-339.

[10]Ohara T, Akimoto H, Kurokawa J, et al. An Asian emission inventory of anthropogenic emission sources for the period 1980-2020 [J]. Atmospheric Chemistry and Physics Discussions,2007,7(3):6843-6902.

[11]Parrish D D, Kuster W C, Shao M, et al. Comparison of air pollutant emissions among mega-cities [J]. Atmos. Environ.,2009,43(40):6435-6441.

[12]Alonso M F, Longo K M, Freitas S R, et al. An urban emissions inventory for South America and its application in numerical modeling of atmospheric chemical composition at local and regional scales [J]. Atmospheric Environment, 2010,44(39):5072-5083.

[13]IEA. CO2Emissions from Fuel Combustion 2010 [R]. 2010.

[14]Gurney K R, Mendoza D L, Zhou Y, et al. High resolution fossil fuel combustion CO2emission fluxes for the United States [J].Environmental Science and Technology, 2009,43(14):5535-5541.

[15]Zhou Y, Gurney K R. A new methodology for quantifying on-site residential and commercial fossil fuel CO2emissions at the building spatial scale and hourly time scale [J]. Carbon Management, 2010,1(1):45-56.

[16]Gurney K R.Vulcan science methods documentation,Version 2.0[Z]. 2011.

[17]張 雷,黃園淅,李艷梅,等.中國碳排放區域格局變化與減排途徑分析 [J]. 資源科學, 2011,32(2):211-217.

[18]鄭林昌,付加鋒,李江蘇.中國省域低碳經濟發展水平及其空間過程評價 [J]. 中國人口 · 資源與環境, 2011,21(7):80-85.

[19]肖黎姍,王 潤,楊德偉,等.中國省際碳排放極化格局研究 [J].中國人口 · 資源與環境, 2011,21(11):21-27.

[20]姚 奕,倪 勤.中國地區碳強度與 FDI的空間計量分析——基于空間面板模型的實證研究 [J]. 經濟地理, 2011,31(9):1432-1438.

[21]趙雲泰,黃賢金,鐘太洋,等.1999～2007年中國能源消費碳排放強度空間演變特征 [J]. 環境科學, 2011,32(11):3145-3152.

[22]Zhao Y, Nielsen C P, McElroy M B. China’s CO2emissions estimated from the bottom up: recent trends, spatial distributions,and quantification of uncertainties [J]. Atmos. Environ., 2012,59:214-223.

[23]Zhao Y, Wang S, Duan L, et al. Primary air pollutant emissions of coal-fired power plants in China: Current status and future prediction[J]. Atmos. Environ., 2008,42(36):8442-8452.

[24]Zhao Y, Nielsen C P, McElroy Michael B, et al. CO emissions in China: Uncertainties and implications of improved energy efficiency and emission control [J]. Atmos. Environ., 2012,49(3):103-113.

[25]IPCC. IPCC guidelines for national greenhouse gas inventories[M]. Kanagawa: IGES, 2006.

[26]國家氣候變化對策協調小組辦公室/國家發展和改革委員會能源研究所.中國溫室氣體清單研究 [M]. 北京:中國環境科學出版社, 2007.

[27]蔡博峰,曹 東,劉蘭翠,等.中國交通二氧化碳排放研究 [J]. 氣候變化研究進展, 2011,7(3):197-203.

[28]國家統計局能源統計司,國家能源局綜合司.中國能源統計年鑒2008 [M]. 北京:中國統計出版社, 2008.

[29]胡煥庸.中國人口之分布——附統計表與密度圖 [J]. 地理學報, 1935,2:33-74.

[30]胡煥庸.中國人口的分布、區劃和展望 [J]. 地理學報, 1990,45(2):139-145.