基于夜間燈光數據的江西省縣域碳排放特征研究

彭馨

江西師范大學地理與環境學院 江西 南昌 330022

引言

碳排放的時空動態研究是碳排放的重要探討方向，其研究范圍包括國家、地區和城市三個方面。實際上，我國學者對國家和省級范圍的碳排放時空差異性研究比重較大，也有部分研究人員對區域碳排放進行相應分析，由于市級碳排放數據在網絡上較難查找，為此市級碳排放的文章較少[1]，加之多數研究人員集中關注單個城市的碳排放，研究結果較難具體到“點(空間格網)”上[2]，較少分析縣域乃至更為精細尺度上的碳排放。將減排責任分解和落實到微觀區域上，則更有利于區域碳減排政策的落實[3]。因此對縣域尺度進行碳排放的研究有待進一步深入[4]。

1 數據來源及處理

1.1 數據來源

（1）DMSP/OLS穩定夜間燈光數據

由美國國家地理數據中心下載相關數據,共選取F142000-F182013等21期影像[5]。

（2）能源統計數據

CO2排放量的能源消費數據來自能源消費平衡表中的一次能源終端消費量[6]。

（3）其他輔助數據。

1.2 數據處理

首先將裁剪出的我國2000-2013年間21幅影像由WGS-84原始地理坐標投影轉換為Lambert等積方位投影，經過重采樣生成1km格網柵格。由于該系列數據是由不同衛星的不同傳感器獲得，數據之間差異較大，因此不同年份圖像之間的遙感影像像元亮度值不具有可比性[7]，因此采用曹子陽[8]等人的不變目標法對影像進行預處理。通過建立一元二次回歸模型，得出不同年份的回歸系數a，b，c作為不同傳感器之間進行校正的參數，利用ArcGIS中的柵格計算器功能完成不同傳感器之間的江西省21幅影像的校正。最后在相互校正的基礎上，由于前一年燈光中的像元在后一年影像中不能隱沒[9]，為此需要對對同一年不同傳感器獲取的遙感影像進行年內融合即進行年際間校正。

2 研究方法

2.1 碳排放核算

選擇11種能源終端消費量計算能源消費產生的CO2排放量。其公式[11]如下：

式中：Ei為能源i消費量，按標準煤計，單位為104 t；Ki指的是能源i碳排放系數，單位為(104 t碳)/(104 t標準煤)；i為能源種類。表1為各種能源的標準煤折算系數和碳排放系數。

2.2 模擬單位像元碳排放值

統計不同年份江西省夜間燈光總值（SDN）與相應碳排放量進行擬合分析。4種模型中擬合效果最佳的為二次回歸模型和線性模型。雖然二次回歸模型的R2較線性回歸模型稍高，但對于二次回歸模型而言，其難以達到網格尺度的空間分辨率，因此文中采用線性模型進行估算[12]。根據圖2發現夜間燈光數據總值 (SDN) 與CO2排放統計值存在較好的線性相關關系，在0.01水平上顯著相關，R2為0.84。

3 結果與分析

3.1 CO2排放量模擬值的精度檢驗

為確保CO2排放量模擬值的可靠性，將其與基于統計數據計算的江西省11個地級市的CO2排放量進行比照，夜間燈光總量度（SDN）與基于能源統計數據所得的碳排放量R2＝0.8471，在0.01水平上顯著相關。同時為了保證碳排放量模擬值的準確和可靠性，將其與統計數據計算的14年江西省碳排放量進行比照，結果發現，模擬的碳排放量與統計數據計算值的均方根誤差（RMSE）為1847.104萬噸；平均相對誤差（MRE）為14.9%。由此可見基于夜間燈光數據模擬所得的碳排放量精度良好，可以用來研究不同時間序列的區域碳排放量的時空演變特征[10]。

3.2 碳排放時空格局

（1） 碳排放總量時空特征

1）2000-2013年，江西省CO2排放總量持續增長，由2000年的7168萬噸增長到2013年的21612萬噸，年均增速為9.5%。總體看來，2000-2003年，碳排放總量增長有所加快，年均增速為10.23%；2003-2005年，碳排放總量迅猛增長，年均增速為20.58%；2005-2008年，年均增速大幅下降至8.07%；2008-2010年碳排放增長再度放緩，年均增長率只有8.23%；2000-2013年間，碳排放年均增速繼續下降至4.15%。

2）江西省縣域CO2排放呈現較為顯著的空間集聚趨勢，各區縣中心區域為碳排放高值區，市區碳排放量與郊區碳排放量相比，二者之間存在較大差異。由于城市市人口和工業的主要分布地帶，加之城市的化石能源消耗遠高于農村及郊區，同時由于農村及城市郊區的人口分布比較分散并且人口總量少，經濟發展主要以農業和第三產業為主，從而進一步降低其碳排放總量。

圖1 2000-2013年江西省CO2排放總量時空分布圖

（2）單位GDP碳排放時空特征

江西省2000、2005、2010和2013年縣級碳排放強度逐漸降低，其均值分別為6.98t/萬元、5.33t/萬元、3.23t/萬元和2.38t/萬元，且分別有53%、58%、56%和48%縣級地區碳排放強度低于當年均值。2000年，15%的縣域碳排放強度低于3t/萬元，26個縣域大于9t/萬元，同時，蓮花縣、廣昌縣、武寧縣、蘆溪縣和修水5個縣的碳排放強度大于16t/萬元；2005年，江西省碳排放強度低于3t/萬元的縣占25%，大于9t/萬元的縣減少到14個，僅有浮梁縣和武寧縣的碳排放強度大于10t/萬元；2010年，江西省碳排放強度低于3t/萬元的縣高達44%，全省僅有尋烏縣、安遠縣、銅鼓縣和九江縣四個地區的碳排放大于6t/萬元；2013年，江西省碳排放強度低于3t/萬元的縣比例高達73%，僅有安遠縣和尋烏縣兩個地區的碳排放大于5t/萬元。伴隨著經濟發展水平的提高以及能源利用技術的發展，各區縣的能源使用效率逐漸提高，同時區域創新能力逐漸提升從而促使產業結構的升級，加之各地區能源消費結構不斷優化，為此各地區的能源消費強度逐年下降。

4 結束語

本文以江西省為例，基于夜間燈光影像估算了能源消費CO2排放量，并且討論了單位GDP碳排放強度的影響因素，主要研究發現：

（1）14年間，江西省能源消費碳排放總量逐年增加，總體空間特征是西北高，東南低。各區縣增速各不相同，基本形成了“北部＞南部＞中部”的空間格局，其中上饒市轄區、鷹潭市轄區、贛州市轄區和九江縣、南昌縣以及新建縣的碳排放量年均增長較快，樂安縣、宜黃縣、遂川縣和安?？h的碳排放量增長較為緩慢。關于碳排放核心區域則主要表現為西北部顯著高于東南部。贛南地區等呈現密度高，范圍小的空間形態，而贛北地區呈現CO2排放密度低，范圍廣的特點。這與當地的工業產能、人口壓力、植被覆蓋率等有關的經濟發展程度和城市化發展水平緊密相關，其中而能源結構、能源利用效率、產業結構是主要原因。

（2）單位GDP碳排放強度則呈現逐年下降的趨勢以及“東南部和西北部較高”、“北部和東北部”較低的空間特征。單位GDP碳排放強度最多的4個縣域為尋烏縣、安遠縣、靖安縣和銅鼓縣，其中值得一提的是南昌市市轄區的單位GDP排放卻并不高。這與各地區經濟發展水平的提高以及能源利用技術的發展，各區縣的能源使用效率逐漸提高，同時區域創新能力逐漸提升從而促使產業結構的升級，加之各地區能源消費結構不斷優化密切相關。因此，再區域碳排放政策上，若從單一視角出發，江西省應將減排重點落在單位GDP碳排放強度較高的尋烏縣、安遠縣和銅鼓縣等地區。