基于夜間燈光數據整合的縣級尺度碳排放時空格局演變研究
——以哈長城市群為例

趙乘銳，李 鑫，張 鵬，張栩嘉

（哈爾濱師范大學地理科學學院，黑龍江 哈爾濱 150025）

中國的CO2排放居全球首位，并在2017 年達到全球CO2排放的27%。中國將提高國家自主貢獻力度，采取政策和措施，二氧化碳排放力爭于2030 年前達到峰值，努力爭取2060 年前實現碳中和，以實現中國全域的綠色低碳發展。實行產業間的均衡發展、提高一次能源的使用率、擴大清潔能源使用范圍是中國城市發展的必由之路，旨在完成的節能減排、綠色發展的任務。因此，科學準確地測算和分析不同區域碳排放的時空變化，揭示其機理問題，是未來明確減排目標、科學制定減排規劃的根本前提。近兩年我國環境和經濟地理學界“碳排放”研究主要依靠政府部門發布的數據，對于數據滯后、缺失或是較微觀的區域展開研究相對來說比較困難，而不同區域由于資源稟賦、人口及能源結構的差異往往面臨著不同的碳排放問題。因此，如何利用新的數據源進行研究理應成為現今地理學界碳排放研究的重點。

美國國防氣象衛星所獲取的數據，具備長時間跨度、覆蓋范圍廣的特點，能獲取到地表微弱的燈光強度，是城市信息獲取的重要的數據源之一。連續高分辨率夜間燈光數據可以清楚探測到人類足跡，諸多學者開展電力消耗量、碳排放量的估算研究。國外學者首先構建夜間燈光數據和電力消耗量的模型證實了其相關性，探討了夜間燈光映射二氧化碳排放的優勢，并進一步以夜間燈光分析了大城市的內部碳排放動態變化。國內學者碳排放研究尺度主要集中在全國省域、長三角地區、黃河流域和晉陜蒙地區，研究方法以空間自相關模型、SBM 模型和空間馬爾科夫鏈為主，部分學者進一步對碳排放影響因素進行了探討。以上研 究 多 以DMSP/OLS 或NPP-VIIRS 為 主， 少 有 對兩種不同時序的夜間燈光數據進行整合，且多數研究尺度較大，難以發現區域內部的碳排放空間差異和規律，對區域減排政策的提出和實施有所阻礙。

哈長城市群作為東北地區“一帶一路”對外開放門戶，處在老東北工業基地中心區域，工業能源消耗問題突出，是東北地區產業結構調整、低碳發展的重點，探討分析哈長城市群內部的碳排放分布是解決低碳發展問題的基礎。基于此，文章將DMSP/OLS 和NPP-VIIRS 夜間燈光數據進行融合校正，得到長時間序列夜間燈光數據集，構建碳排放估算模型，系統分析1995~2019 年哈長城市群縣級尺度碳排放時空演變特征，并通過長時間碳排放演化特征發現哈長城市群碳排放遷移和發展規律，為縣級尺度綠色低碳發展、產業結構平衡提出相關性的建議。

1 數據來源與研究方法

1.1 研究區概況與數據來源

1.1.1 研究區概況

文章研究對象為哈長城市群，包括黑龍江省齊齊哈爾市、大慶市、哈爾濱市、綏化市、牡丹江市，吉林省松原市、長春市、吉林市、延邊朝鮮族自治州、四平市、遼源市下轄的105 個縣。哈長城市群是全國最大的商品糧基地，石油、煤炭、天然氣等資源條件優越，擁有較為完備的能源和工業體系，產業結構偏資源型和重化工型，大氣污染問題突出，哈長城市群的二氧化碳排放對東北區域整體有著巨大的影響。

1.1.2 數據來源與預處理

文章所用夜間燈光數據下載于美國國家海洋與大 氣 管 理 局， 分 為DMSP/OLS 和NPP-VIIRS 兩 部分。 其 中DMSP/OLS 發 布 有1992~2013 年 六 期 衛星 共34 期 影 像；NPP-VIIRS 發 布 有2012 年4 月開始至今的月度影像，文章選取2012~2019 年75N/060E 的影像進行研究。此外，利用2015、2016 年的年度合成數據進行校正和不穩定像元的去除。

文中涉及哈長城市群的黑龍江、吉林兩省的能源消費數據來自《中國能源統計年鑒》（1995~2020 年）中的地區能源平衡表（實物量）；單位熱值含碳量和碳氧化率來自《省級溫室氣體清單編制指南》；平均低位發熱量和能源折標準煤參考系數來自《中國能源統 計 年 鑒2020》。DMSP/OLS 和NPP-VIIRS 夜 間燈光數據處理步驟可見參考文獻[12]。模型構建及精度檢驗如下：

（1）碳排放模型來自《IPCC2006 國家溫室氣體清單指南2019 修訂版》的第二卷（能源）第六章，估算模型如下：

式中：Ki為能源i 折標準煤系數，Di為折二氧化碳系數，計算方法為Di=44/12*平均低位發熱量*單位熱值含碳量*碳氧化率，Ei為能源i 的消費量（萬t）。各種能源的折標煤系數和折二氧化碳系數見表1。

表1 能源消耗折二氧化碳系數

（2）假設CO2排放量與燈光數據DN 總值存在線性相關性，即碳排放量越大，DN 總值越大。估算擬合優度達到0.959，得到如下擬合公式：

式中：Y 為CO2排放量（萬t），X 為燈光數據DN 總值。

選取《能源統計年鑒》中黑龍江省和吉林省1995、2001、2007、2013、2019 年 碳 排 放 數 據 核算得到CO2碳排放量，對碳排放估算模型進行檢驗，可以發現P 值小于0.01 通過99%顯著性檢驗，擬合程度極好。因此，假設成立，碳排放估算模型可用于對哈長城市群的縣級碳排放進行研究分析。

1.2 研究方法

1.2.1 全局自相關

全局自相關用以研究哈長城市群中某縣域的碳排放量與其相鄰縣域的碳排放量是否相關以及相關程度。選取Global Moran’s I 檢驗哈長城市群碳排放整體空間屬性，進而分析空間變異規律和空間格局。具體公式見參考文獻[16]。

1.2.2 熱點分析

熱點分析（Getis-Ord Gi*）可用于識別區域碳排放冷、熱點分布狀況。將冷、熱點類型劃分為六種，熱點區域包括極熱點區、熱點區和次熱點區；冷點區域包括極冷點區、冷點區和次冷點區。通過1995~2019 年碳排放量冷熱點的時空分布，研究分析哈長城市群碳排放的空間演變規律。具體表達式見參考文獻[17]。

2 哈長城市群碳排放空間格局演變特征

哈長城市群縣級碳排放空間結構呈現典型的中心—外圍結構，中部區域碳排放值較高，周圍區域碳排放值較低。且多年動態變化趨勢顯著，呈現中心高值區向西部轉移的態勢見圖1。1995 年高碳排放縣有16 個，主要分布在哈爾濱市南部、大慶市市區東南部、松原市中部、吉林市市區、長春市西北部和四平市北部，碳排放量高和較高的縣集中在哈長城市群中部和北部區域；2007 年碳排放呈波動增長趨勢，哈長城市群邊緣縣級單元碳排放量增長明顯；2019 年高碳排放縣有15 個，主要集中在齊齊哈爾市西部、大慶市市區東南部，哈爾濱市北部，松原市中部和東部及長春市的西部，高碳排放區域向西部遷移，齊齊哈爾市、大慶市西部和松原市碳排放量增長明顯。

圖1 哈長城市群縣級碳排放量

整體來看，哈長城市群碳排放表現為增長-中部收縮-西部遷移的過程。 1995~2019 年縣碳排放量整體呈增長趨勢，大慶市東南部、哈爾濱市北部和長春西部持續為高碳排放量區域，1995~2007 年碳排放量持續增加；2007~2019 年哈長城市群碳排放量繼續增長，總量較2007 年增長幅度不大，但西部增長明顯，表明哈爾濱、大慶和長春所屬縣市碳排放量顯現出衰減趨勢。

3 哈長城市群碳排放空間集聚特征分析

3.1 全局空間自相關分析

計算哈長城市群縣級尺度碳排放的Global Moran’s I 指數以及相應的Z 值和P 值，相關結果見表2。

表2 全局自相關性分析結果

1995~2019 年哈長城市群z 值均大于2.68，P 值均在1% 水平上顯著，通過了顯著性檢驗，Moran’s I 指數為正值，表明哈長城市群碳排放在區縣尺度上存在較強的正相關性。

整體來看，哈長城市群碳排放在縣級尺度上呈現聚集狀態，即碳排放量較高的縣的周邊縣碳排放量也較高。僅通過空間自相關分析無法發現哈長城市群內部縣級單元的碳排放高低集聚狀態，因此，需進一步利用熱點分析探究縣級尺度的碳排放的變化以發現其規律。

3.2 熱點分析

哈長城市群縣級碳排放熱點分布呈現顯著的中部點軸—“大長哈”三角結構演變的趨勢見圖2。可以發現，1995 年哈爾濱市的道外區、阿城區和五常市，大慶市的薩爾圖區、龍鳳區和紅崗區，長春市的九臺區和榆樹市，吉林市的舒蘭市共9 個縣為極熱點區，說明這9 個縣碳排放量大且呈集聚狀態；熱點區和次熱點區分布在大慶市市區周圍，哈爾濱市市區西部，長春市寬城區及其北部縣級單元，松原市的扶余市，表明高碳排放量縣級單元對其周邊存在輻射效應；冷點和次冷點區分布在齊齊哈爾市，表現為大慶—哈爾濱高碳排放量集聚，西北部冷點區域集聚。2007 年熱點區域向大慶市、哈爾濱市、長春市市域南部集聚，形成片狀的極熱點區，碳排放呈現出向三個市集聚的趨勢，點軸熱點擴散、兩端冷點基本產生。2019 年高碳排放量點軸現象愈加明顯，熱點區域集中分布在哈爾濱市北部，大慶市東南部，松原市全域，四平市西北部和長春市西部；冷點區域變化不大，大慶—哈爾濱點軸結構變為大慶—哈爾濱—長春三角結構。

圖2 哈長城市群縣級尺度冷熱點分析

從1995~2019 年哈長城市群縣級碳排放量冷熱點區域的演變趨勢來看，1995-2007 年，冷熱點分布呈現以大慶市和哈爾濱市兩個點為核心形成軸帶，碳排放高值區域向軸帶兩端擴散； 2019 年熱點區域結構改變，形成大慶—哈爾濱—長春三角結構，碳排放量熱點區域向松原市持續擴展。

4 哈長城市群碳排放城市類型劃分

依據哈長城市群縣級碳排放量進行靜態和動態劃分，得到105 個縣級單元的綜合劃分類型。靜態劃分方法為對1995、2007、2019 年的碳排放量計算均值，≥700 t 的為高值型、＜700 t 的為低值型。動態劃分計算方法為（1995 年縣碳排放量~2019 年縣碳排放量）/1995 年縣碳排放量，將≥50%、0~50%、＜0的劃分為顯著增長型、增長型和衰退型。最終將哈長城市群縣級單元綜合劃分為高值顯著增長型、高值增長型、高值衰退型、低值顯著增長型、低值增長型和低值衰退型見圖3。

圖3 縣級碳排放綜合劃分

哈長城市群碳排放中部呈高值增長，北部增長趨勢明顯，大慶、哈爾濱市及部分縣出現衰退跡象。從全局來看，增長型的縣有74 個，占總縣數的70.48%，超過哈長城市群縣數量的一半，說明哈長城市群的碳排放形勢不容樂觀，亟需針對碳排放量不同增幅的縣提出發展性建議。高值顯著增長和增長型縣，主要分布在松原市東部和中部、長春市西部、吉林市東部、延邊朝鮮族自治州中部及哈爾濱市南部，能源消耗和溫室氣體過快過度的排放會對環境產生不可修復的影響，因此對于這些縣應當大力控制碳排放，監管高耗能工業企業，減少資源的損耗。低值顯著增長和增長型縣主要分布在哈長城市群北部、東部和西部部分區縣，這些縣產業發展較弱，但增速相對較快，在發展過程中理應優化碳排放結構、提高能源利用率和清潔能源使用率。高值衰退型縣能源消耗和碳排放已達到峰值，高排放行業設施相對較老化，除了開發清潔能源外，應當推進產業的轉型和升級避免環境的持續性惡化和污染。此外，部分低值衰退型縣對于高耗能產業的發展不敏感，碳排放量持續縮減，如何根據其產業現狀提出指向性發展建議理當成為現階段的重點見表3。

表3 全局自相關性分析結果

5 結論與討論

5.1 結論

文章基于DMSP/OLS 和NPP-VIIRS 整合的長時序夜間燈光數據，對哈長城市群碳排放構建擬合模型，分析了縣級尺度的碳排放量分布，然后利用空間自相關、熱點分析和綜合劃分的方法探討了碳排放量的分布規律和動態變化。主要結論如下：

（1）在縣級尺度哈長城市群碳排放量空間演變特征分析上，表現出了明顯的集聚特征，形成了中心—外圍結構。高碳排放量縣級單元主要集中在哈爾濱市、長春市和大慶市東南部。通過全局空間自相關分析，發現105 個縣為明顯的正相關且通過99%顯著性檢驗，存在較明顯集聚演化趨勢，表明縣級尺度的碳排放研究在內部存在差異，碳排放呈現出向西轉移的趨勢且在城市群內部已表現出高能源消耗縣碳排放量減少的走向。

（2）哈長城市群碳排放量高值集聚區域由中部點軸逐漸轉化為“三角”區域并處在持續演化的過程中。通過熱點分析發現，1995~2007 年大慶市和哈爾濱市為核心點逐漸形成軸帶，向軸帶兩側擴散。隨后，2007~2019 年碳排放結構變化較大，已演化為由大慶市、哈爾濱市和長春市形成的大城市“三角區域”，位于其西側的松原市受到溢出效應明顯，表現為高碳排放量集聚。低碳排放集聚區域逐漸減少，整體呈波動增長趨勢，哈長城市群西北部尤為明顯。

（3）哈長城市群有70.48%的縣碳排放呈增長趨勢，急需提出差異化的碳減排政策。高值增長型、低值顯著增長型和低值增長型縣為碳排放增長縣的主要組成，不同類型縣處在不同的發展階段面臨著不同的綠色低碳發展問題。高值和低值衰退型縣已出現，高值衰退型主要分布在大城市，如哈爾濱市、大慶市，低值衰退型縣則更多出現在哈長城市群邊緣。

5.2 討論

（1）哈長城市群縣級尺度精準，夜間燈光數據在區域存在精度差別。文章成功對縣級尺度碳排放進行分析研究，對于柵格尺度的分析，還存在擬合上的阻滯，如何對夜間燈光數據進行處理使研究更精細化需要進一步研究分析，燈光數據與遙感影像獲取建成區相印證應成為深入研究的內容。

（2）針對高碳排縣碳排放提出低碳發展方案，平衡哈長城市群產業結構。高碳排放來自于人口的集聚和工業的過度發展，對高碳排放區縣展開針對性治理，轉移重化工業、提高能源利用效率和清潔能源利用率是發展綠色低碳經濟的有效路徑。尤其是哈爾濱、長春、大慶的下轄縣的產業結構應作為重點調整對象。

（3）在綜合劃分過程中，發現大慶市市區東南部、哈爾濱市市區北部、吉林市北部及其他部分區縣呈現碳排放衰退趨勢。大城市碳排放的衰退是否由碳達峰或是人口流失、資源短缺等問題所導致可以深入研究；在部分邊緣縣也表現出了衰退的跡象，是來自于外部資源優勢的吸引，亦或是哈長城市群、哈大齊等政策因素造成，在未來的研究上值得深化討論。