張國會,杜 瑩,劉軒銘,易 攀
(沈陽工學院,遼寧 撫順 113122)
我國各區域碳排放差異較大,這與區域經濟發展、地理地貌特征、工業化水平、人口密度等有著直接的關系,這些因素也會影響當地的空氣質量,令大氣污染物分布也呈現空間差異性和時間差異性。結合統計年鑒,對碳排放和大氣污染物進行建模,根據建模結果給出相應的建議。
選取部分省、自治區及直轄市(其中不含新疆、港、澳、臺)的相關數據進行研究。
以作為影響溫室氣體的主要代表,對大氣污染物的分析主要包括氮氧化物、顆粒物。獲取各省、自治區、直轄市的相關排放量數據,在研究碳排放和大氣污染物空間差異性時,結合各區域人口、汽車保有量、人均GDP、各產業增值量、人均GDP等情況進行研究。
采用地理加權回歸(Geographical Weighted Regression,GWR)模型,建立空間內每一個點處的局部回歸方程,研究某一對象空間內的驅動因素。考慮空間對象的局部效應,使該模型具有較高的準確性。GWR模型能夠較好地反映溫室氣體和大氣污染物排放與其驅動因子之間的關系,模型如下所示:
yi=βo(μi,νi)+∑βk(μi,νi)xik+εi
(1)
式(1)中,yi是n×1維因變量向量;xik是n×k維因變量矩陣;βk(μi,νi)(k=1,2,3,…)為因素k位于回歸點i的回歸系數;(μi,νi)是第i個觀測點的空間地理位置,εi表示第i個地區的隨機誤差項。

數據來源:《環境統計年鑒》《中國統計年鑒》圖1 2011-2020年度各地區SO2的排放量Fig.1 SO2 emission of all regions from 2011 to 2020

數據來源:中國碳排放數據庫圖2 2012-2020年度各地區CO2的排放量Fig.2 CO2 emission of all regions from 2012 to 2020
GWR模型是將各個觀測點的每個參數向量使用加權的最小二乘法進行估算。權重設為觀測點到其他觀測點距離的函數。GWR模型在加權計算時選取方法多樣,本研究選取高斯函數法來設置空間權函數,具體形式如下:
Wij=exp(-(dij/b)2)
(2)
式(2)中,Wij為空間權重矩陣,b為帶寬,dij為觀測點i和j之間的距離。帶寬是關于權重與距離之間的函數,給定帶寬值越大,權重會隨著距離的減小增強得越快;給定帶寬值越小,權重會隨著距離的減小增強得越慢。而在加權回歸模型中,特定權函數的確定依賴于帶寬的優化與選擇。
對各省份的CO2、SO2、粉塵顆粒物的空間排放分布進行研究,通過GWR方法,選取不同的主因,得到各年度各地區的回歸方程。以下僅列出2016年的CO2回歸結果。

表1 2016年部分省份的GWR回歸結果Tab.1 GWR regression results of some provinces in 2016
以2016年為例,各因素中,車輛擁有量對于大氣污染物中氮氧化物、顆粒物等排放具有較大的貢獻,而區域GDP則是影響排放的關鍵要素。
按照以上方法,獲得大氣污染物、氮氧化物和粉塵顆粒物的回歸結果,其他年份做類似回歸。
利用地理加權回歸模型分析各指標對CO2和大氣污染物空間差異性的影響,得出以下結果:一是經濟增長速度與環境污染和碳排放存在自相關性,具有較為明顯的聚集特征。二是相同經濟環境下,在國家提出相關環境政策后,政策對環境污染程度和碳排放均產生負向影響,即新能源等相關技術創新在一定程度上促進了環境的良性發展,為節能減排提供助力。三是環境污染受多方面相關因素的影響,經濟發展影響占據主位,而不同產業結構類型對環境影響有巨大的差異,優化產業結構有助于控制環境污染。

圖3 2016年排放各因素的系數對比Fig.3 Comparison of coefficients of all factors of emission in 2016
利用GWR方法對2011—2020年的各地區碳排放和大氣污染物排放進行了研究,從經濟發展、工業結構、車輛增長等方面進行實證研究,尋求各區域空間結構上的差異性。研究表明,不同省份經濟發展情況不同,碳排放存在一定的差異性,但聚集效應較為明顯,可以根據經濟帶制定減排政策。工業結構對碳排放有一定的影響,第二產業對碳排放影響較大。應優化產業機構,針對產業制定減排方針政策,尋求低碳環保的產業發展思路,助力實現快速減排。社會經濟因素對大氣污染物影響是彈性的、可控的,可從政策引導和技術創新上助力環境改善。能源結構的改變在一定程度上促進了大氣質量改善,隨著新能源的快速發展,廣東、海南等省份空氣質量得到了改善。