基于夜間燈光數據的中國海島縣碳排放時空分異及影響因素研究

狄 乾 斌，侯 智 文，陳 小 龍

(1.遼寧師范大學海洋經濟與可持續發展研究中心，遼寧 大連 116029；2.遼寧師范大學地理科學學院，遼寧 大連 116029)

0 引言

2021年中央財經委員會第九次會議指出：“實現碳達峰、碳中和是一場廣泛而深刻的經濟社會系統性變革，要把碳達峰、碳中和納入生態文明建設整體布局”，將對碳排放引起的全球氣候變化和環境保護等問題的重視程度提升到新高度[1]。現階段我國經濟發展、人口規模、能源消耗以及產業結構等存在明顯區域差異，對碳排放及節能減排的要求也不同。相對于陸域而言，海島地區普遍存在土地資源緊缺、生態承載力弱及節能降耗程度不高等問題，迫切需要轉變發展模式，從而穩固生態環境，如何向低碳發展模式轉型，是實現海島地區高質量發展的重要議題[2]。因此，在“雙碳”目標下，精準把握中國各海島縣碳排放時空演變特征及其影響因素，從而制定更合理的碳減排對策，可為低碳生態海島建設提供重要依據。

當前，國內外學者針對碳排放及其驅動機制展開了大量研究，研究區域涉及全球[3]、國家[4]、省域[5]、城市[6]、縣域[7]等多個尺度，研究內容主要包括碳排放量的測度[8]、碳排放與人類生產生活的影響關系[9-12]、時空動態演變及影響因素分析[13]等；研究方法方面，多以碳排放清單估算[14]、投入產出模型[15]、面板數據模型[16]估算碳排放，同時利用變異系數、基尼系數、泰爾指數[17]、探索性空間數據分析[18]等探究碳排放空間差異，在此基礎上利用對數平均權重分解法[19]、多重差分模型、LMDI分解方法[20]、Tapio脫鉤模型、面板數據的滯后期工具變量法[21]、STIRPAT模型[22]、地理加權回歸[23]等探討碳排放驅動機制。然而，區域統計數據的有效性始終是碳排放方法研究的核心問題，全球夜間燈光影像數據的飛速發展較好彌補了相關區域統計數據缺乏的問題[24]。國內外學者圍繞夜間燈光數據在經濟發展、人口估算、能源消耗、資源利用等方面[25-27]進行研究，還有學者利用夜間燈光數據探討碳排放及其時空演化特征[28]，但借助夜間燈光數據估算碳排放存在線性回歸模型擬合優度和模擬效果不顯著問題。綜上，現有研究多集中在全球、國家、省域等宏觀尺度，對縣域等精細化尺度關注較少，特別是縣級海島碳排放研究更少。因此，本文對2000-2013年DMSP-OLS年度和2012-2017年NPP-VIIRS月度夜間燈光數據進行校正擬合，構建基于能源消耗的碳排放回歸估算模型，并系統分析中國12個典型海島縣的碳排放時空演變格局，借助擴展STIRPAT及嶺回歸定量模型探究碳排放影響因素，以期為進一步提升和完善海島縣碳排放機制以及推動海島縣高質量低碳發展提供參考。

1 數據與方法

1.1 研究區域

中國海島眾多，常年有人居住的海島多達450多個，多數海島環境封閉，系統開放性低，生態結構單一，穩定性差。本文選取遼寧省長海縣，山東省長島縣，上海市崇明區，浙江省定海區、普陀區、岱山縣、嵊泗縣、玉環市、洞頭區，福建省平潭縣、東山縣和廣東省南澳縣12個海島縣為研究對象，從南到北分布在我國四大海域，緯度地帶性明顯，各海島縣的社會經濟、生態環境和資源稟賦差異明顯，具有地域代表性；與其他海島相比，12個典型海島縣經濟發展規模大，統計數據基礎好，社會活動和生態系統兼具開放性和完整性，經濟發展與資源環境矛盾突出，適合作為討論“雙碳”戰略下海島縣高質量發展模式和實施路徑的典型研究對象。

1.2 數據來源及處理

(1)夜間燈光數據。包括2000-2013年DMSP-OLS年度燈光數據集和2012年4月至2017年12月NPP-VIIRS月度燈光數據集，具體處理過程為：1)DMSP-OLS數據校正。對2000-2013年DMSP-OLS數據進行重投影、重采樣及裁剪處理，并參考文獻[29]構建回歸模型：DNcorrect=aDN2+bDN+C，選取燈光數據DN值變化小的區域為不變目標區域，以DN值總和最高的數據為參考數據集求得參數a、b和c，而后進行年內融合校正和年際校正。2)NPP-VIIRS數據校正。對2012-2017年NPP-VIIRS月度數據進行重投影、重采樣以及裁剪處理，并與DMSP-OLS分辨率匹配，而后進行穩定性校正、異常值剔除和年際校正。3)DMSP-OLS和NPP-VIIRS融合校正。利用2013年校正后的DMSP-OLS與NPP-VIIRS數據建立縣域尺度的回歸關系，得出自然指數型模型擬合優度為0.80364，高于一次函數、一元二次函數和冪函數模型回歸結果，回歸方程為y=5.58225×e0.0589x(x為NPP-VIIRS 數據DN值，y為DMSP-OLS數據DN值)；利用該方程對2014-2017年NPP-VIIRS數據進行DMSP-OLS尺度時間序列連續性校正，最后得到2000-2017年中國12個海島縣融合校正后的 DMSP-OLS尺度夜間燈光數據集。

(2)能源消耗數據和社會經濟統計數據。能源消耗數據來源于2001-2018年《中國縣域統計年鑒》《中國能源統計年鑒》；碳排放因子數據來源于《中國能源統計年鑒》《城市溫室氣體清單研究》《2006年國家溫室氣體排放清單指南》；各海島縣的人口、人口結構、GDP、產業結構、生活水平、公共收入與支出等社會經濟統計數據來源于國民經濟與社會發展統計公報、各縣統計年鑒及政府工作報告等，相關數據計算前均已進行預處理，滿足計算準確性。

1.3 研究方法

1.3.1 能源消耗碳排放計算模型 利用能源消耗估算碳排放簡單易行，且測算結果可靠。本文測算中國沿海12個典型海島縣能源消耗碳排放量的計算公式為[24]：

(1)

式中：CT為某海島縣的碳排放總量；ki、Ei分別為第i種能源的消耗量和碳排放系數[4]；n為能源類型數量。

1.3.2 夜間燈光數據與能源消耗碳排放量的回歸模型 通過區域統計獲得各海島縣夜間燈光DN平均值與總值，夜間燈光DN值越大，則碳排放量越多[22]，據此可建立碳排放回歸估算模型(式(2))。為確保模型準確性，采用縣級碳排放零誤差法對像素尺度數據進行校正(式(3))。

CEj=pDNj+q

(2)

式中：CEj、DNj分別為像元j的碳排放量和DN值；p和q為回歸系數。

(3)

1.3.3 STIRPAT擴展模型 STIRPAT模型基于傳統IPAT模型提出[30]，具有可拓展性，廣泛應用于區域碳排放影響因素研究，其一般形式可表示為式(4)，將模型兩邊分別取對數得到式(5)[31]。為進一步分析中國海島縣碳排放的關鍵因素，結合海島綜合發展實際特征，本文對STIRPAT模型進行擴展：選取地區生產總值(x1)表示經濟規模，戶籍人口總數(x2)表示人口規模，第二產業增加值占地區生產總值比重(x3)表示產業結構，一般公共預算收入(x4)表示公共收入，一般公共預算支出(x5)表示公共支出，居民儲蓄存款余額(x6)表示生活水平，共6個指標作為碳排放的影響因素(式(6))。

I=aPbAcTde

(4)

式中：I、P、A、T分別為環境、人口、經濟、科技因素；a為模型系數；b、c、d分別為人口、經濟、科技因素的估計系數；e為隨機誤差項。

lnI=lna+blnP+clnA+dlnT+lne

(5)

lnI=lna+β1lnx1+β2lnx2+β3lnx3+

β4lnx4+β5lnx5+β6lnx6

(6)

式中：I為能源消耗碳排放量(萬t)；β1，β2，…，β6為各變量系數。

2 結果分析

2.1 基于能源消耗的碳排放量時空特征

由表1可知，各海島縣能源消耗碳排放量存在顯著空間差異。2000-2017年碳排放高值區集中在長三角地區，如上海市崇明區以及浙江省定海區、普陀區、玉環市；碳排放低值區主要包括山東省長島縣、遼寧省長海縣以及浙江省洞頭區和嵊泗縣等。2012年海島縣碳排放呈擴大趨勢，主要表現在浙江省定海區、福建省平潭縣和東山縣；2012年后不同區域的能源消耗碳排放差異進一步擴大，崇明區碳排放量約為嵊泗縣碳排放量的130倍，其高能耗產業對碳排放升高具有重要影響。由此可得，我國海島縣能源消耗碳排放空間異質性較強，碳排放差異顯著；碳排放低值區呈穩定態勢，碳排放高值區呈現增長且持續擴張態勢。

表1 2000-2017年中國12個海島縣能源消耗碳排放量

2.2 能源消耗碳排放與夜間燈光DN值回歸

2.2.1 模型擬合整體效果分析 通過構建縣級行政單元的能源消耗碳排放統計值與夜間燈光數據DN值的回歸估算模型，可得到中國沿海12個典型海島縣的碳排放量，回歸估算模型在0.001水平上顯著，擬合優度達到0.94476。進一步對2000-2017年中國12個典型海島縣碳排放模型擬合結果進行精度檢驗(表2)，可以看出12個典型海島縣碳排放回歸估算結果與能源消耗碳排放結果一致，其中相對誤差最大和最小的縣域分別為浙江省洞頭區和上海市崇明區，12個海島縣的碳排放平均誤差為5.14%，除洞頭區外，相對誤差均小于15%，表明本文方法估算精度較好，可為海島縣碳排放時空演變特征研究提供數據支撐。

表2 2000-2017年中國12個海島縣碳排放相對誤差

2.2.2 1 km柵格尺度碳排放時空演變特征 從2000年、2010年和2017年中國海島縣碳排放空間分布(圖1)看，2000-2017年12個海島縣碳排放總量持續增長，并存在顯著的空間異質性。高碳排放區以碳排放高值區為核心，呈放射狀向外擴張，逐漸形成連片貫通態勢，少數分布在西北部，其中，受經濟增長影響，崇明區、定海區、普陀區和玉環市表現最顯著，洞頭區在中心城市輻射帶動下也表現為碳排放高值區，岱山縣和嵊泗縣有升高趨勢；中等碳排放區的平潭縣和東山縣碳排放量逐年增多，由點狀分布擴張為線狀布局；低碳排放區狀態較平穩，受資源稟賦和粗放式發展限制，長海縣變化不顯著，長島縣南部地區有增加趨勢，南澳縣在廣東省沿海生態治理影響下，碳排放呈下降趨勢。

圖1 2000年、2010年、2017年中國12個海島縣估算碳排放演變特征

3 影響因素分析

以擴展STIRPAT方程為模型，借助SPSS 26.0軟件中的最小二乘估計(OLS)法對數據進行多元回歸分析，回歸模型R2為0.9684，且F統計量均通過1%水平的顯著性檢驗；其中經濟規模和生活水平的 VIF 值分別為107.8191和59.9869，表明變量存在多重共線性，OLS法擬合出的系數不可靠。為消除自變量的多重共線性影響，本文采用嶺回歸模型對數據進行重新估計(表3)。由表3可知，除常數項外，其他變量均通過1%水平的顯著性檢驗，R2為0.907，F統計量均通過1%水平的顯著性檢驗。因此，回歸結果可解釋各海島縣碳排放量與影響因素之間的關系。其中，經濟規模是影響各海島縣碳排放最重要的因素，嵊泗縣受其影響最大，經濟規模每增加1%，碳排放量將增加0.852%；人口規模對普陀區、岱山縣及長島縣的碳排放增長起到推動作用；產業結構升級對長海縣、長島縣及洞頭區碳排放量的增加影響最大；公共收入對崇明區影響程度最高，公共收入每增加1%，碳排放量將增加0.220%，其次為南澳縣、玉環市和定海區，分別增加0.199%、0.197%和0.196%；公共支出對嵊泗縣的影響最大，公共支出每增加1%，碳排放量將增加0.575%，其次為崇明區和玉環市，分別增加0.221%和0.193%；生活水平對長海縣的影響程度最大，生活水平每增加1%，碳排放量將增加0.819%，其次為東山縣和岱山縣，分別增加0.171%和0.160%。綜上，各海島縣碳排放量受多種因素影響，且影響程度各有不同，經濟規模、產業結構是推動海島縣碳排放量增長的重要因素，而人口規模、生活水平和公共收支次之。可見，區分不同因素影響差異度有助于制定因地制宜的減排措施。

對比已有研究成果，學者對不同類型區域的碳排放影響因素的研究結果各有差異，主要原因在于數據處理方法、經濟發展模式迥異。大量樣本實證研究表明，經濟規模對碳排放有驅動作用且呈現出階段性變化，一般為先增后減趨勢；產業結構成為降低海島碳排放的重要驅動因素，應優化產業發展方向，發展低碳排放產業，保持經濟發展增速；與內陸城市類似，海島縣公共支出升高以及經濟增長也在一定程度上促進碳排放量增加。

4 結論與建議

本文基于中國12個典型海島縣的環境和經濟社會發展數據，選擇合適模型測算出能源消耗碳排放量，通過融合校正DMSP-OLS和NPP-VIIRS夜間燈光數據構建碳排放估算模型，最后運用GIS空間分析對中國海島縣碳排放空間分異特征進行分析，并利用擴展STIRPAT及嶺回歸定量模型評價碳排放影響因素。主要結論如下：1)2000-2017年中國海島縣能源消耗碳排放總量呈現增長趨勢，玉環市、普陀區和定海區為碳排放高值區，這與海島地區的產業發展模式和經濟規模有關，在今后的發展過程中仍將面臨嚴峻的碳減排壓力，南澳縣的零碳經濟發展路徑可為各海島縣發展提供借鑒。2)自然指數型回歸模型下的DMSP-OLS和NPP-VIIRS夜間燈光數據融合校正模型擬合優度為0.80364，由此得到2000-2017年中國海島縣長時間序列夜間燈光數據集，與能源消耗碳排放量的模型擬合優度達0.9447，估算模型有效，除洞頭區外，其余11個縣域的相對誤差均在15%內，海島縣的碳排放平均誤差為5.14%，符合精度要求。3)2000-2017年中國12個典型海島縣高碳排放地區連片擴張趨勢顯著；崇明區、定海區、普陀區和玉環市的碳排放擴張最顯著；長海縣、洞頭區、長島縣和嵊泗縣始終處于低值狀態。4)經濟規模的擴大對碳排放量的增加影響最大，促進經濟高質量發展是降低碳排放的最有效途徑；其次為公共支出，作為政府干預經濟的手段，該方式對經濟發展起到重要推動作用，從而影響碳排放量；同時，人口規模的變化也對區域碳排放量產生重要影響，但基于海島縣空間和人口約束，無法降低人口規模對區域碳排放產生的影響。

根據上述結論提出以下建議：1)崇明區、普陀區等海島縣在保持經濟中速發展的情景下，促進海洋產業轉型升級，同時提升綠色技術創新機制，改變當前單一的產業結構，提升船舶修造、石油化工和水產加工等主導工業部門能源效率，從而有效降低碳排放量，提高區域經濟發展質量。2)遠離經濟腹地的海島縣，應建設海洋牧場，推進三產融合，加速創新驅動，加快轉型升級，努力深耕現代漁業，服務鄉村振興，加快城鎮化發展進程，助推低碳排放海島縣高質量發展。3)各海島縣社會經濟發展的工作重心應從產業結構優化方面入手，堅持產業結構優化原則，考慮產業分工網絡的區域可達性，海陸統籌，依托毗鄰陸域經濟空間，發揮海島縣比較優勢，優化產業結構，降低碳排放；其次發展潮汐、風能和太陽能等新能源產業，利用全國碳排放交易市場機制，在主動承擔減排義務的同時獲取本土發展利益，服務國家雙碳戰略大局。

由于縣域統計年鑒指標口徑變化與數據量較少，本文在縣域數據量、面板模型指標、數據質量等方面仍有待優化；部分社會經濟要素不能完全體現出對海島縣碳排放的影響，今后應篩選出更多相關的碳排放影響因素。