中國夜間燈光與建設用地碳排放關系實證分析

，

(1.甘肅農業大學 管理學院，蘭州 730070；2.甘肅農業大學 資源與環境學院，蘭州 730070)

0 引言

夜間燈光數據已經廣泛應用于社會經濟因子估算與經濟活動監測[1-5]、城鎮信息提取[6-8]、自然災害評估[9-10]以及生態環境評價[10-11]等研究之中。且自Elvidge與Raupach等人發現夜間燈光數據與碳排放存在相關關系以來[12-13]，不少學者通過夜間燈光數據對碳排放進行估算。相關研究按回歸模型可分為兩大類：一類是傳統回歸模型，利用最小二乘法對碳排放量進行估算[14-15]；另一類是空間回歸模型，由于能源消費碳排放具有顯著的空間相關性[16-18]，所以不少學者利用SLM模型或者時空地理加權模型對碳排放進行測算[19-21]。然而，盡管隨著研究的深入，夜間燈光數據在估算碳排放方面的潛力不斷被發掘，但目前尚無相關研究對二者是否存在關系，若存在關系，又存在何種關系的問題進行探討，而厘清二者是否真的存在關系，二者存在何種關系是進行碳排放量估算理論基礎。

作為反映經濟增長與環境壓力之間的一種長期關系的庫茲涅茲曲線[22]，其始于1955年美國經濟學家西蒙·庫茲涅茨提出的庫茲涅茲曲線理論[23]，而后由格魯斯曼和克魯格正式提出[24]。如今已廣泛應用于碳排放與城市擴張[25]、經濟發展[26-27]、城市化[28-29]之間的關系研究之中，并取得了豐富的成果。另外，不同類型的土地在碳排放過程中的作用不同，建設用地作為人口、建筑、交通、工業和物流的集中地，也是高耗能、高碳排放的集中地。所以建設用地是各類土地中的主要碳源[30]，研究建設用地碳排放有利于實現建設用地的集約利用與科學管控。基于此，本文擬通過庫茲涅茲曲線模型對1995年到2015年間全國30個省級行政單位的建設用地碳排放與燈光指數的關系進行實證分析，驗證燈光指數與建設用地碳排放量之間是否存在庫茲涅茲曲線關系，不僅有利于厘清碳排放與夜間燈光之間的內在關系，更有利于促進建設用地的集約節約利用。

1 研究數據與處理

1.1 燈光指數計算

本文選用的夜間燈光數據為1995—2012年度DMSP/OLS與2012—2015年月度NPP-VIIRS數據，來源于NOAA/NGDC網站。首先，根據曹子陽等[31]的方法處理DMSP/OLS數據，對數據進行裁剪、重投影、重采樣、相對輻射校正與連續性校正最終得到1995—2012年之間的中國區域的夜間燈光數據；針對NPP-VIIRS數據存在負值、極高值、不穩定光源以及缺乏可比性與年值數據的缺點，本文利用2012年的DMSP/OLS數據替換NPP-VIIRS月度數據中的負值再求出2012年度NPP-VIIRS均值圖像，剩余NPP-VIIRS數據中的負值則由前一年的年度均值圖像替換并求出消除負值后該年度的均值圖像，之后，利用不變目標區域法進行相對輻射校正，保證各年數據之間的可比性；利用低通濾波消除極高值；最后將各年度均值圖像轉化為二值圖，在圖中有光源的地方賦值為1，否則為0，根據不穩定光源不可能同時存在于前后兩年間的同一地方這一假設，視前后兩年中都等于1的區域為穩定光源區域，消除數據中的不穩定光源。最終，得到1995—2015年的中國區域夜間燈光數據。再根據公式1計算出平均燈光強度ANLI(average night light index，ANLI)作為燈光指數。但是，由于兩代夜間燈光數據的分辨率與傳感器不同，因此本文采取線性調整的方法(公式2)，即根據兩代燈光產品在同一省份、同一時間點(2012年)內的平均燈光強度比例關系對NPP-VIIRS與DMSP/OLS的ANLI指數進行統一。

(1)

式中：ANLI為平均燈光指數；DNi為區域內第i級的燈光亮度；ni為區域內第i級的燈光亮度的像元總數；N為區域內所有的亮值像元總數;Nmax為最大燈光亮度。

(2)

式中：(ANLIcorr)i，t表示經過統一后的i地t年NPP-VIIRS數據的平均燈光強度；ANLIdmsp2012表示2012年DMSP/OLS數據的平均燈光強度總值；ANLIviirs2012表示2012年NPP-VIIRS數據的平均燈光強度總值；(ANLIviirs)i，t表示校正前i地t年的NPP-VIIRS數據的平均燈光強度。由于夜間燈光數據構建的燈光指數可作為城市化水平強度的衡量指標[32]，因此，文中關于燈光指數與建設用地碳排放的分析均從城市化的角度進行。

1.2 建設用地碳排放量測算

本文利用間接估算法測算建設用地碳排放量，用生產生活中能源消耗產生的CO2量來代替建設用地的碳排放量(表1)，根據IPCC提供的方法(式(5))測算出1995年到2015年間全國30個省、直轄市(不包括西藏、澳門、香港與臺灣)的建設用地碳排放量，由于行政區劃的調整，本文中1997年后的重慶市碳排放量并入四川省。

(3)

表1 碳排放測算系數表

2 模型構建與檢驗

當前文獻中研究EKC模型主要是利用二次函數或者三次函數進行擬合，不同函數擬合出的曲線形態不同，利用二次函數擬合出的曲線多為倒U型或U型[33-38]。利用三次函數擬合出的曲線多為倒N型或N型[39-41]。但在中國三次函數模型所得的2個Turning Points 無經濟意義[42]，因此，本文利用二次函數構建庫茲涅茲曲線模型，為了減少異方差的影響，本文對自變量與因變量分別取對數，最終構建出如下模型：

lnCCEit=α+β1，ilnANLIit+β2，i(lnANLIit)2+εit

(4)

式中：lnCCE為建設用地碳排放總量；lnANLIit為燈光指數；α、β為待估計的系數；εit為隨機誤差項。當β2=0時為直線；當β2<0時為倒U型曲線；當β2>0時為U型曲線。

3 庫茲涅茲曲線實證

3.1 單位根檢驗

一些非平穩的經濟時間序列能表現出共同的變化趨勢，而這些序列間本身不一定有直接的關聯，此時，對這些數據進行回歸，盡管有較高的R2，但其結果是沒有任何實際意義。為了避免偽回歸現象的出現，就要進行單位根檢驗確定數據是否為平穩數據。本文利用ADF與PP檢驗對數據進行單位根檢驗(表2)。通過表3可以發現利用原數據進行單位根檢驗時，無論是ADF檢驗還是PP檢驗中，P值都等于1，說明數據存在單位根為非平穩數據。對數據進行一階差分后再進行單位根檢驗，發現在含常數項、含常數項與趨勢項以及不含常數項與趨勢項3種形式中，所有變量的P值都在0.05水平上顯著，通過了ADF檢驗與PP檢驗，證明lnCCE、lnANLI與(lnANLI)2都是一階單整數據。同樣地，東中西部的所有變量也為一階單整數據，但限于篇幅，本文只列出全國檢驗的結果。

表2 全國單位根檢驗結果表

3.2 協整檢驗

由于燈光指數與建設用地碳排放量為非平穩數據，不能直接進行回歸，需要通過協整檢驗判斷ANLI指數與建設用地碳排放量之間是否存在長期穩定的關系。本文首先根據SIC與AC的信息量判斷協整檢驗的最佳滯后階數為4，再利用Kao檢驗對數據進行協整檢驗，結果如表3。發現在全國以及東中西部KAO檢驗的P值都在0.05的水平上顯著，說明lnCCE、lnANLI與(lnANLI)2之間存在長期穩定的關系。

表3 協整檢驗結果表

3.3 格蘭杰因果檢驗

lnANLI與lnCCE之間存在長期穩定的關系，但是，關系的方向性并不清楚，為了明確二者關系的方向性，本文取滯后階數2、3、4分別對lnANLI與lnCCE做格蘭杰因果檢驗，得到表4。發現在全國以及西部lnANLI與lnCCE既存在雙向因果關系也存在lnANLI對lnCCE的單向影響關系，而在東中部只存在lnANLI對lnCCE的單向影響，綜合考慮，本文認為在全國以及西部lnANLI與lnCCE為雙向因果關系，而在東中部lnANLI與lnCCE為單向因果關系且是lnANLI對lnCCE具有影響。

表4 格蘭杰檢驗結果表

3.4 模型選擇與回歸

格蘭杰因果檢驗表明，無論是在全國還是在東中西部至少可以保證城市化是建設用地碳排放的Granger原因，因此，可以進行回歸分析。回歸之前本文利用F檢驗與Hausman檢驗確定不同區域中最合適的回歸方式(表5)，最后利用構建的二次EKC模型進行回歸，得到表6，通過表6發現回歸后的調整R2都在0.75以上，最高達到0.92，F值也較大，除了西部區域的β2參數不顯著外，其余都比較顯著，說明模型回歸的結果較為可靠。

表5 模型選擇結果表

表6 模型回歸結果表

4 結果與分析

通過協整檢驗與格蘭杰因果檢驗發現，ANLI指數與建設用地碳排放量存在著長期穩定的關系，且在全國與西部二者為雙向因果關系，說明在全國以及西部城市化會促進建設用地碳排放量的增長，建設用地碳排放量的累積也會促進城市化水平提高[43]；而在東中部為城市化對建設用地碳排放的單向因果關系，意味著在東中部城市化的提高會導致建設用地碳排放量的增長，但并不依賴碳排放的累積。這反映了全國以及西部的城市化水平提高方式較為粗放，其整體的城市化質量低于東中部。

通過回歸結果發現，無論是在全國還是東中西部，β1都大于0，β2都小于0，證明了ANLI指數與建設用地碳排放存在著倒U型的曲線關系，也意味著城市化與建設用地碳排放存在倒U型的曲線的關系。因此，在建設用地碳排放拐點到來之前，隨著城市化的推進，需要大量建設用地與能源，在這個階段建設用地碳排放的總量會隨著城市化進程的加深而不斷增加，此時城市化對建設用地碳排放起著驅動作用。當拐點到來后，盡管社會的發展仍然離不開建設用地的擴張與能源的消耗，但當城市化發展到一定程度時，高耗能的發展模式不可持續，為了保護生態環境、實現綠色發展與低碳發展，倒逼社會不斷改善能源消費結構、發展新型能源、提高建設用地的集約節約利用程度，此時，建設用地碳排放的總量也許會依然增加，但是增長的速度與強度會受到城市化的作用而減緩，此時城市化對建設用地碳排放起著抑制作用。

通過表6發現，在其他條件不變的情況下，全國以及東中西部的ANLI指數每增加1單位，建設用地碳排放量會大約增加0.85、1.76、0.88、0.66單位。證明城市化對建設用地碳排放的貢獻會隨區域變化，其中東部最高、西部最低，中部與全國位于二者之間。為探究造成城市化對碳排放區域差異的原因，本文利用夜間燈光數據與鄰域分析法[44]提取了1995年到2015年的全國各省的建設用地面積(Kappa系數達到0.85以上)，并從統計年鑒中獲得各省的人口與GDP數據，發現各省的建設用地面積、人口與GDP都呈現出東部>中部>西部的特點(圖1～圖3)。也即東部的城市化水平每提升1%，會帶來比中西部更多的建設用地、人口與GDP，產生更多的碳排放量。同理中部的城市化水平每提升1%所產生的建設用地碳排放量高于西部，而在全國尺度上城市化所帶來的建設用地碳排量放則位于東西部之間，略低于中部，也即相較于全國整體水平與西部，東中部擁有更高集約程度的城市化水平。因此，城市化對建設用地碳排放按貢獻大小可排列為東部>中部>全國>西部。

圖1 1995—2015中國東中西部建設用地變化趨勢

圖2 1995—2015中國東中西部人口變化趨勢圖

圖3 1995—2015中國東中西部GDP變化趨勢圖

5 結束語

本文通過二次EKC模型與靜態面板回歸證實了中國區域內夜間燈光與建設用地存在著倒U型曲線的關系，發現了在東中部建設用地碳排放的累積并不是城市化的Granger原因，說明東中部的城市化并不依賴于建設用地碳排放的增長，逐步實現了城市的綠色發展，但從全國以及西部地區來說，城市化的提高仍然依賴于建設用地碳排放的累積。反映了東中部的城市化質量高于全國整體與西部地區的城市化質量，而總地來說我國的城市化發展模式還屬于要素驅動，因此，未來需要進一步推動經濟轉型升級，促使城市化由要素驅動向創新驅動發展的轉變，早日實現低碳發展。另外，本文證實了夜間燈光與建設用地碳排放之間存在倒U型的曲線關系，說明隨著城市化水平的提高會逐步實現建設用地碳排放強度的降低，然而，這并不意味著建設用地碳排放拐點會自行到來，因此需要政府與公眾的共同努力，加快建設用地攤牌拐點的到來。最后，回歸結果表明城市化對建設用地碳排放量的貢獻具有區域差異性，其中，東部>中部>全國>西部，造成東中部貢獻較大的原因是東中部具有更加集約的城市化水平，因此，目前我國不僅需要加快轉變經濟發展模式，還需要因地制宜地制定減排政策與城市化發展政策，積極構建資源節約型與環境友好型社會。

本文利用EKC曲線模型證實了夜間燈光與建設用地碳排放之間的內在關系，為利用夜間燈光數據估算碳排放提供了一定的理論支持，同時基于遙感數據來探析建設用地與城市化內在關系，相較于以往研究更加客觀真實，有一定的理論意義。但是，本文所得結論是基于中國近20年的經濟背景下所進行的實證，其他地區或許并不存在倒U型曲線的關系。另外，本文從城市化的視角初步探討了在中國夜間燈光與建設用地碳排放之間存在著庫茲涅茲曲線關系，但如何從城市化的角度深入分析夜間燈光與建設用地碳排放相互影響的內在機理與影響因素是將來需要補充與完善的問題。最后，本文雖然提出了線性調整的方法對DMSP/OLS數據與NPP-VIIRS數據進行統一，但隨著時間推移，兩代燈光數據的差異會越來越大，因此，該方法只適用于短時間內的調整，而如何獲得長時間序列且具有可比性的夜間燈光數據，仍然值得進一步研究。