長江中游城市群縣域能源消費碳排放時空演變及其影響因素分析

帥 紅,張憬怡,鐘小敏,葉瑋怡,李煜連,張欣惠

(湖南師范大學(xué)地理科學(xué)學(xué)院,中國 長沙 410081)

全球氣候變暖已成為世界面臨的重大環(huán)境問題,而人類活動造成的溫室氣體大量排放是全球變暖的重要原因[1,2]。我國2019年碳排放總量占全球比重達29%[3],減排壓力巨大。為積極應(yīng)對這一挑戰(zhàn),我國在第75屆聯(lián)合國大會上提出碳達峰碳中和目標(biāo)[4]。盡管我國碳減排工作穩(wěn)步推進[5],但仍存在能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)單一和經(jīng)濟增長方式不合理等減排難點[6],減排任務(wù)十分艱巨。而長江中游城市群作為中國特大城市群之一[7],積極創(chuàng)建綠色發(fā)展先行區(qū),為我國實現(xiàn)減排目標(biāo)作出了積極貢獻。縣域是我國經(jīng)濟社會發(fā)展和政策落實的基本空間單元[8],也是實現(xiàn)“雙碳”目標(biāo)的關(guān)鍵行政單元[9]。因此,從縣域尺度對長江中游城市群展開碳減排研究,對實現(xiàn)區(qū)域及全國節(jié)能控排,促進碳減排政策制定和實施的科學(xué)性、可操作性具有重要意義[10]。

近年來,諸多學(xué)者從不同視角,運用多種方法對碳排放總量[11]、碳排放強度[12]、碳足跡[13]、碳交易[14]、碳排放的時空特征及其驅(qū)動因子[15-17]等方面展開了大量研究。研究尺度涵蓋全球[18]、國家[19]、省級[20]、市級[21]等。研究范圍涉及農(nóng)業(yè)[22]、工業(yè)[23]、商業(yè)[24]、旅游業(yè)[25]、交通運輸業(yè)[26]等各行業(yè),并延伸到了能源領(lǐng)域[21],涉及領(lǐng)域愈加廣泛。DMSP/OLS與NPP/VIIRS兩種夜間燈光數(shù)據(jù),憑借數(shù)據(jù)成果開放、覆蓋范圍廣等優(yōu)勢,被廣泛應(yīng)用于經(jīng)濟評估[27]、人口分布[28]、電力消耗[29]、城市擴張[30]等領(lǐng)域,此外,運用夜間燈光數(shù)據(jù)估算模擬能源消費碳排放也有諸多案例,如張慧琳[31]運用DMSP/OLS夜間燈光數(shù)據(jù)模擬1997—2012年在省級、市級、縣級尺度上的中國能源消費碳排放量,并且運用改進的時空動態(tài)STIRPAT模型,揭示了人口總量、勞動力人口、城市化率、人均GDP對碳排放表現(xiàn)為正向驅(qū)動作用;蘇旭冉等[32]基于DMSP/OLS夜間燈光數(shù)據(jù)反演的1992—2012年京津冀能源消費碳排放數(shù)據(jù),運用空間滯后模型揭示了碳排放影響機制存在階段性特征,城鎮(zhèn)化水平和人口規(guī)模始終表現(xiàn)為正向效應(yīng),固定資產(chǎn)投資與社會勞動生產(chǎn)率對其正向效應(yīng)逐漸凸顯,經(jīng)濟發(fā)展水平由正向效應(yīng)轉(zhuǎn)變?yōu)樨撓蛐?yīng)。LIU等[33]將DMSP/OLS與NPP/VIIRS兩類夜間燈光數(shù)據(jù)整合,探討了多尺度下的黃河下游影響區(qū)能源消費碳排放時空動態(tài),運用LMDI分解法證實了經(jīng)濟規(guī)模和能源消耗強度是其重要驅(qū)動因子。

總體而言,目前已取得較為系統(tǒng)的碳排放研究成果,但還存在以下不足:在研究視角上,多基于國家、省級和市級尺度,細化到縣域尺度的研究較少,尤其是對于長江中游城市群這一特殊地域單元的研究較為鮮見;在研究方法上,多基于2013年前DMSP/OLS夜間燈光數(shù)據(jù),難以對近期以及長時間序列碳排放進行動態(tài)監(jiān)測,且DMSP/OLS和NPP/VIIRS數(shù)據(jù)在像元亮度、空間分辨率上差異較大,如何將兩類夜間燈光數(shù)據(jù)結(jié)合,較精確地反演縣域尺度的長時間序列碳排放是目前的瓶頸所在;在研究內(nèi)容上,多采用面板回歸模型研究影響因子對碳排放空間分布的影響,而關(guān)于影響因子間的交互效應(yīng)對碳排放空間分布影響的研究較為少見。因此,本文選擇長江中游城市群微觀尺度下縣域?qū)用鏋檠芯繀^(qū)域,將2000—2019年DMSP/OLS和NPP/VIIRS夜間燈光數(shù)據(jù)相結(jié)合,基于重新構(gòu)建的長時間序列的DMSP/OLS夜間燈光數(shù)據(jù)集,模擬出長江中游城市群縣域能源消費碳排放數(shù)據(jù),并通過空間自相關(guān)探討其時空演變格局,運用地理探測器探究其影響因子及各因子間的交互作用,以期為長江中游城市群實現(xiàn)碳達峰碳中和目標(biāo)及碳減排政策的制定提供科學(xué)依據(jù)。

1 研究區(qū)域與研究方法

1.1 研究區(qū)概況

長江中游城市群承東啟西,連通南北,地跨3省31市229個縣(區(qū)),是以武漢城市圈、長株潭城市群和鄱陽湖生態(tài)經(jīng)濟區(qū)為主體的國家首個批復(fù)的跨區(qū)域特大型城市群,是長江經(jīng)濟帶的主體部分[7]。本文以長江中游城市群229個縣(區(qū))為研究區(qū)(圖1),研究區(qū)面積326 100 km2,山地、平原交錯,地形復(fù)雜,屬于亞熱帶季風(fēng)氣候,自然資源豐富;截至2019年,229個縣(區(qū))年末總?cè)丝诩s13 248萬人,占全國總?cè)丝?.46%;地區(qū)生產(chǎn)總值約86 102.6億元,占全國9.21%;能源消耗量約803 Mt,占全國16.52%;碳排放量達768 Mt,占全國5.45%。長江中游城市群城鎮(zhèn)化和工業(yè)化快速推進,能源消費和碳排放量增加迅速,碳減排任務(wù)艱巨[34],因此,實現(xiàn)低碳綠色發(fā)展是其必經(jīng)之路。

注:本圖基于自然資源部標(biāo)準(zhǔn)地圖(審圖號:GS(2020)4619號)繪制而成,底圖無修改。

圖2 長江中游城市群能源消費碳排放變化趨勢

圖3 長江中游城市群縣域能源消費碳排放量空間分布

1.2 研究方法

1.2.1 夜間燈光數(shù)據(jù)擬合矯正 本文對DMSP/OLS年度夜間燈光數(shù)據(jù)進行輻射矯正、年內(nèi)融合及年際間校正[35],利用NPP/VIIRS月度夜間燈光數(shù)據(jù)計算出年度數(shù)據(jù),并對其進行消除異常值矯正[36]。DMSP/OLS數(shù)據(jù)時間跨度為1992—2013年,NPP/VIIRS數(shù)據(jù)為2012年4月至今,為保證對碳排放長時間序列的研究,需將兩種數(shù)據(jù)進行結(jié)合。因此,通過冪函數(shù)建立2012—2013年DMSP/OLS夜間燈光數(shù)據(jù)與NPP/VIIRS夜間燈光數(shù)據(jù)的非線性關(guān)系,運用敏感度分析確定出最優(yōu)擬合參數(shù)a為30.8,b為0.53,將NPP/VIIRS年度數(shù)據(jù)通過a和b計算擬合成2014—2019年DMSP/OLS年度數(shù)據(jù),結(jié)合2000—2013年已矯正的DMSP/OLS年度夜間燈光數(shù)據(jù),形成2000—2019年長時間序列的DMSP/OLS年度夜間燈光數(shù)據(jù)集[37]。

擬合DMSP=a×NPPb。

(1)

1.2.2 能源消費碳排放核算與模擬 基于江西省、湖北省和湖南省的能源消費數(shù)據(jù)測算其能源消費碳排放量,采用IPCC(2006)確定的各類能源碳排放系數(shù),參考張慧琳計算碳排放的方法[31],選取9種主要能源(原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣及電力),進行省級能源消費碳排放核算,計算公式如下:

(2)

式中:i為能源種類;EFi為碳排放系數(shù);ENi為能源消費量(按折標(biāo)煤計算)。9種能源的折標(biāo)準(zhǔn)煤系數(shù)和能源碳排放系數(shù)見表1。

表1 各類能源碳排放系數(shù)

建立夜間燈光總值數(shù)據(jù)與能源消費統(tǒng)計碳排放數(shù)據(jù)相關(guān)關(guān)系模型,進行能源消費碳排放模擬。考慮到降尺度模型反演精度,該研究采用不含截距的線性模型[38]。由表2可以看出其擬合系數(shù)R2均高于0.9,說明長江中游3省夜間燈光總值與能源統(tǒng)計碳排放數(shù)據(jù)呈顯著相關(guān)。

表2 長江中游城市群省級能源消費碳排放擬合結(jié)果

不含截距的線性模型見式(3),由此計算各像元和各省份的模擬碳排放量:

Eij=K×DNij,

(3)

式中:Eij為i省份第j年的碳排放量;DNij為i省份第j年的夜間燈光總值。

為提高碳排放數(shù)據(jù)精度,運用碳排放模擬值和能源消費統(tǒng)計碳排放數(shù)據(jù)修正各像元和各省級能源消費碳排放數(shù)據(jù),通過降尺度反演得出長江中游城市群能源消費碳排放的空間化數(shù)據(jù)[16],最終,運用ArcGIS軟件統(tǒng)計出長江中游城市群縣域能源消費碳排放數(shù)據(jù)。修正公式為

FCct=TCnt×(NCct/NCnt),

(4)

式中:FC為最終碳排放數(shù)據(jù);TC為能源統(tǒng)計碳排放數(shù)據(jù);NC為估算碳排放值;c為某一像元;n為省份;t為年份。

1.2.3 空間自相關(guān)分析 采用空間自相關(guān)可反映區(qū)域碳排放的空間集聚特征[39],本文運用全局空間自相關(guān)系數(shù)(Moran’sI指數(shù))來表征區(qū)域總體的空間關(guān)聯(lián)度和差異度:I>0呈正相關(guān),I<0呈負相關(guān);I值越大,表明研究區(qū)碳排放的空間關(guān)聯(lián)度越強,反之,空間差異性越強。同時,本文采用局部自相關(guān)系數(shù)(Local Moran’sI指數(shù))來表征區(qū)域局部單元與相鄰單元之間碳排放空間集聚模式:I>0,表明相鄰區(qū)域間存在高(低)集聚;I<0,表明相鄰區(qū)域間高(低)碳排放區(qū)域被低(高)碳排放區(qū)域所包圍。計算公式如下:

1)全局自相關(guān):

(5)

2)局部自相關(guān):

(6)

1.2.4 地理探測器 地理探測器是探測地理因子空間分異性及其背后影響因子作用的統(tǒng)計學(xué)方法,被廣泛應(yīng)用于與空間分異性相關(guān)的環(huán)境、自然及社會等多個領(lǐng)域[40]。本文參考相關(guān)研究成果[41,42],并考慮到數(shù)據(jù)可得性,選取2000,2005,2010,2015和2019年共5期長江中游城市群各縣(區(qū))數(shù)據(jù),以長江中游城市群縣域能源碳排放量為因變量,6個指標(biāo)作為自變量:技術(shù)水平,用碳排放強度(CI)表征,指標(biāo)為各縣(區(qū))碳排放量占地區(qū)生產(chǎn)總值比重;經(jīng)濟發(fā)展水平(GDP),指標(biāo)為各縣(區(qū))地區(qū)生產(chǎn)總值;產(chǎn)業(yè)結(jié)構(gòu)(IS),指標(biāo)為各縣(區(qū))第二產(chǎn)業(yè)占地區(qū)生產(chǎn)總值比重;人口規(guī)模(POP),指標(biāo)為各縣(區(qū))年末總?cè)丝?城鎮(zhèn)化水平(UR),指標(biāo)為各縣(區(qū))城鎮(zhèn)化率;公共支出(PE),指標(biāo)為各縣(區(qū))一般公共預(yù)算支出,應(yīng)用地理探測器中的因子探測與交互作用探測,定量分析影響長江中游城市群縣域能源消費碳排放量的各影響因子,并揭示各影響因子的相對重要性及各因子間的交互作用。

1)因子探測:通常用q值衡量各影響因子X對目標(biāo)因子Y的解釋力,q的范圍為[0,1],q值越大表示影響因子X對目標(biāo)因子Y的解釋力越強。其表達式為

(7)

2)交互作用探測:通常用q值:q(X1∩X2)表示各影響因子之間的交互作用,探測兩個因子在共同作用時對目標(biāo)因子Y的影響是否相關(guān)。

1.3 數(shù)據(jù)來源

本文研究數(shù)據(jù)主要包括省級能源消費數(shù)據(jù)、夜間燈光數(shù)據(jù)和輔助數(shù)據(jù)。省級能源消費數(shù)據(jù)來源于2000—2019年《中國能源統(tǒng)計年鑒》。夜間燈光數(shù)據(jù)來源于NOAA網(wǎng)站NGDC數(shù)據(jù)中心(https://www.ngdc.noaa.gov/eog/download.html)中的DMSP/OLS年度穩(wěn)定夜間燈光數(shù)據(jù)和NPP/VIIRS月度夜間燈光數(shù)據(jù)。輔助數(shù)據(jù)主要包括各級行政邊界數(shù)據(jù)和229個縣(區(qū))的經(jīng)濟社會數(shù)據(jù),其中,各級行政邊界數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心網(wǎng)站(http://www.ngcc.cn),經(jīng)濟社會數(shù)據(jù)來源于2000—2019年《中國縣域統(tǒng)計年鑒》及武漢、長沙和南昌等31市統(tǒng)計年鑒。

2 結(jié)果與分析

2.1 時間演變特征

從長江中游城市群整體層面來看,2000—2019年長江中游城市群能源消費碳排放呈波動上升趨勢,碳排放量由2000年的297 Mt增至2019年的768 Mt,年均增長率達5.12%,以2011年為拐點,增速由快變慢,呈現(xiàn)出收斂態(tài)勢,但未達到碳峰值。這表明2011年后長江中游城市群發(fā)展重心轉(zhuǎn)移,對其碳減排具有重要影響。具體來看:第一階段(2000—2011年)碳排放呈逐年增長態(tài)勢且增速強勁,年均增長率達9.29%,原因在于長江中游城市群在發(fā)展初期以經(jīng)濟增長為導(dǎo)向,經(jīng)濟增長帶來的能源消耗使得碳排放量增加顯著;第二階段(2012—2014年)碳排放出現(xiàn)負增長態(tài)勢,2011年后長江中游城市群發(fā)展轉(zhuǎn)移至“綠色可持續(xù)”,發(fā)展重心轉(zhuǎn)移至倡導(dǎo)低碳減排的發(fā)展方式、促進資源集約高效利用和高度重視長江流域生態(tài)環(huán)境修護,其發(fā)展理念的轉(zhuǎn)變使得碳減排成效顯著;第三階段(2015—2019年)碳排放呈波動增長,表明2015年后長江中游城市群綠色發(fā)展起勢見效,但仍存在低碳綠色轉(zhuǎn)型任務(wù)繁重、長江污染治理基礎(chǔ)不牢固[43]等問題,因此碳排放呈現(xiàn)波動性特征。

從長江中游城市群內(nèi)部三大次級城市群來看,碳排放量從大到小為武漢城市圈、長株潭城市群、鄱陽湖生態(tài)經(jīng)濟區(qū),與其內(nèi)部經(jīng)濟發(fā)展水平相吻合。具體來看:武漢城市圈碳排放量以2011年為拐點先增后減,表明由高污染高耗能加工制造業(yè)向高新技術(shù)產(chǎn)業(yè)轉(zhuǎn)型升級對抑制碳排放成效顯著;長株潭城市群碳排放呈現(xiàn)“快速上升—下降—波動”的特征,長株潭城市群通過產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級及生態(tài)修復(fù)綜合治理等對碳排放產(chǎn)生抑制作用,但近年來區(qū)域協(xié)調(diào)度不高、產(chǎn)業(yè)布局分散、資源共享水平不高等問題凸顯,碳減排受阻;鄱陽湖生態(tài)經(jīng)濟區(qū)碳排放量逐年增長但增速放緩,表明其基本形成生態(tài)與經(jīng)濟協(xié)調(diào)發(fā)展新模式,但仍有較大減排空間。總體來說,武漢城市圈和長株潭城市群碳排放對長江中游城市群碳排放貢獻減弱,而鄱陽湖生態(tài)經(jīng)濟區(qū)的貢獻增強。

2.2 空間演變特征

2.2.1 空間分異特征 長江中游城市群縣域能源消費碳排放存在明顯的空間分異特征,2000—2019年碳排放“核心—邊緣”結(jié)構(gòu)逐漸凸顯,形成了以省會城市及其周邊縣(區(qū))為核心的三大高密度碳排放中心。2000年縣域碳排放水平均較低,碳排放高值區(qū)僅在武漢市部分區(qū);2005年碳排放沿武漢市各區(qū)向周邊擴散,長沙市部分縣(區(qū))出現(xiàn)碳排放高值區(qū);2010年上述范圍繼續(xù)擴大,向心集聚與外圍擴散并存,形成武漢、長沙兩大碳排放中心,且南昌市部分縣(區(qū))首次出現(xiàn)高碳排放;2015年以南昌為中心向外圍擴張明顯,并形成以武漢、長沙和南昌為中心的“核心—邊緣”結(jié)構(gòu);2019年持續(xù)發(fā)育并向外圍擴散,最終形成了以省會城市及其周邊縣(區(qū))為核心的三大高密度碳排放區(qū)。這表明省會城市及其周邊縣(區(qū))的碳減排對長江中游城市群整體碳減排具有重要作用。

2.2.2 空間自相關(guān)分析 通過對長江中游城市群縣域能源消費碳排放空間全局自相關(guān)分析發(fā)現(xiàn),2000—2019年其碳排放數(shù)據(jù)均通過P<0.01的顯著性檢驗,且全局Moran’sI指數(shù)均大于0,Z值均大于5.9,說明其碳排放呈顯著空間正相關(guān)。由表3可以看出,全局Moran’sI指數(shù)呈波動下降趨勢但降速放緩,說明其空間關(guān)聯(lián)程度總體呈減弱趨勢但漸趨穩(wěn)定,主要原因在于2015年前各城市專注自身發(fā)展,產(chǎn)業(yè)結(jié)構(gòu)重合度高,加之中心城市帶動輻射作用不足,導(dǎo)致區(qū)域間聯(lián)系較弱,但2015年后實施跨區(qū)域發(fā)展戰(zhàn)略,且以鋼鐵、建材和汽車等為主要產(chǎn)業(yè)的局面逐步改善,未來研究區(qū)碳排放空間關(guān)聯(lián)程度有望加強。

表3 長江中游城市群縣域能源消費碳排放全局Moran’s I指數(shù)

為進一步研究長江中游城市群縣域能源消費碳排放的空間關(guān)聯(lián)程度,對其2000—2019年進行局部自相關(guān)分析。如圖4所示,縣域碳排放空間集聚模式主要為高高集聚和低低集聚,空間分布呈現(xiàn)均質(zhì)性。高高集聚區(qū)分布范圍較穩(wěn)定,主要為以武漢和長沙市為核心的高高集聚。2000年高高集聚區(qū)主要在武漢市,規(guī)模較小;2005年高高集聚區(qū)范圍擴大,長沙市首次作為高高集聚區(qū)出現(xiàn),并初步形成以武漢、長沙為核心的高高集聚;2010年上述格局加強,高高集聚區(qū)范圍達到最大;2010年后高高集聚區(qū)范圍減小,但仍主要分布在武漢和長沙市。表明武漢和長沙市前期依托碳密集型產(chǎn)業(yè)處于社會經(jīng)濟發(fā)展高速發(fā)展階段[43],碳排放量攀升較快,但2010年后開始向低碳綠色發(fā)展方式轉(zhuǎn)變,碳減排成效明顯,未來有望退出高高集聚區(qū)。低低集聚區(qū)由片狀分布轉(zhuǎn)為塊狀分布,低低集聚有所減少,后期主要分布在咸寧市、撫州市、吉安市、株洲市、衡陽市等下轄的成長型資源縣(區(qū))。表明各成長型資源縣(區(qū))正處于資源開發(fā)利用和經(jīng)濟快速發(fā)展階段,且承接省會所屬縣(區(qū))的碳密集型產(chǎn)業(yè)轉(zhuǎn)移[44],碳排放加劇,將逐步退出低低集聚區(qū)。低高集聚區(qū)主要分布在緊鄰高高集聚區(qū)的縣(區(qū)),與高高集聚區(qū)總是呈現(xiàn)出鄰接分布的特征,并隨時間的推移分布范圍有所減小。高低集聚區(qū)沒有表現(xiàn)出一定的規(guī)律性。

圖4 長江中游城市群縣域能源消費碳排放LISA聚類

2.3 影響因素分析

2.3.1 單因子探測結(jié)果 單因子探測結(jié)果顯示,各自變量對長江中游城市群縣域能源消費碳排放均有一定的影響,其中影響碳排放分布格局的主導(dǎo)因子始終是經(jīng)濟發(fā)展水平,其次是人口規(guī)模和公共支出,碳排放強度、城鎮(zhèn)化水平與產(chǎn)業(yè)結(jié)構(gòu)對碳排放的影響較弱(表4)。

表4 單因子探測結(jié)果

1)經(jīng)濟發(fā)展水平。經(jīng)濟發(fā)展水平對長江中游城市群縣域能源消費碳排放的影響先增強后減弱,q值2015年增至0.504 2,2019年下降至0.419 1。經(jīng)濟發(fā)展水平對研究區(qū)碳排放呈正向驅(qū)動作用,對其貢獻率極高。2000年實施中部崛起戰(zhàn)略,長江中游城市群縣域進入快速發(fā)展模式,存在高能耗、高排放、發(fā)展粗放等問題,經(jīng)濟發(fā)展水平對碳排放的正向驅(qū)動作用不斷增強;2015年后,長江中游城市群實施《長江中游城市群發(fā)展規(guī)劃》,各縣(區(qū))著力發(fā)展先進制造業(yè)、孕育戰(zhàn)略性新興產(chǎn)業(yè)、提升現(xiàn)代服務(wù)業(yè)發(fā)展水平,積極推進經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型,促進可持續(xù)的經(jīng)濟發(fā)展方式形成,未來對碳排放的正向驅(qū)動作用有望繼續(xù)減弱,但經(jīng)濟發(fā)展水平仍將是影響長江中游城市群縣域碳排放的主要因子。

2)人口規(guī)模與公共支出。人口規(guī)模對長江中游城市群縣域碳排放的解釋力總體呈增強態(tài)勢,q值從2000年的0.133 2增至2019年的0.373 1;長江中游城市群縣域年末總?cè)丝趶?000年12 060.61萬人增長至2019年的13 248.07萬人,人口增速較快,并且隨著一體化戰(zhàn)略的推進,長江中游城市群各縣(區(qū))聯(lián)系日漸加強,跨區(qū)域人口活動日漸頻繁,碳排放量隨之增加,在此背景下,長江中游城市群人口規(guī)模對碳排放的解釋力將進一步加強。公共支出對長江中游城市群縣域碳排放的解釋力呈現(xiàn)波動性,q值在0.209 2—0.386 3區(qū)間波動;政府對基礎(chǔ)設(shè)施等的投入刺激了地方經(jīng)濟發(fā)展,呈現(xiàn)正向驅(qū)動作用;而對技術(shù)創(chuàng)新的投入促進了效率優(yōu)化,呈現(xiàn)負向抑制作用;兩者此消彼長,使得公共支出對碳排放呈現(xiàn)波動性的特點。

3)碳排放強度、產(chǎn)業(yè)結(jié)構(gòu)與城鎮(zhèn)化水平。碳排放強度表征技術(shù)水平,對縣域碳排放的解釋力呈減弱趨勢,這與減排技術(shù)具有滯后性有關(guān);但各縣(區(qū))依托武漢東湖、長株潭、鄱陽湖三大國家自主創(chuàng)新示范區(qū)實現(xiàn)創(chuàng)新資源集成,努力提高技術(shù)水平,碳減排技術(shù)對碳排放的抑制作用有望凸顯。產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)化水平對縣域碳排放的解釋力均呈波動性特點,q值分別介于0.028 8—0.104 3和0.064 4—0.149 4。以高污染高耗能產(chǎn)業(yè)為主的第二產(chǎn)業(yè)必然引起碳排放增加,但各縣(區(qū))推動先進制造業(yè)基地建設(shè),逐步向現(xiàn)代產(chǎn)業(yè)體系邁進,未來將對碳排放將產(chǎn)生負向抑制作用。人口城鎮(zhèn)化為人口持續(xù)向城鎮(zhèn)集中的過程,具有階段性的特點,因此城鎮(zhèn)化水平對碳排放的影響呈現(xiàn)波動性特點。

2.3.2 交互因子探測結(jié)果 將每期影響因子交互疊加形成15對交互因子,結(jié)果顯示,各期交互因子對長江中游城市群縣域能源消費碳排放的解釋力明顯增強,主要表現(xiàn)為非線性增強和雙因子增強,說明研究區(qū)能源消費碳排放的空間分布是各影響因子共同作用的結(jié)果。

分別將各期交互因子的q值進行排序,選取排名前5的交互因子得到表5。從表5可知,各期均為GDP與其他因子的交互作用對長江中游城市群縣域能源消費碳排放影響力較強,表明推動經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級將會有效抑制碳排放,但其短期內(nèi)轉(zhuǎn)變較困難,這將是研究區(qū)碳減排的瓶頸所在;各期交互因子最高的均為GDP∩CI(0.95—0.97),遠高于其他影響因子間的交互作用,說明經(jīng)濟發(fā)展水平和技術(shù)水平的交互作用對研究區(qū)能源消費碳排放的空間分異起主導(dǎo)作用。從交互作用年際變化上看,GDP∩CI對研究區(qū)碳排放的解釋力從0.97降至0.95,而GDP∩UR,GDP∩IS,GDP∩POP和GDP∩PE交互因子上升顯著,表明經(jīng)濟發(fā)展和技術(shù)水平的交互作用對其影響減弱,但經(jīng)濟發(fā)展水平與城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、人口規(guī)模和公共支出的共同作用對其影響增強。因此,注重多因子的共同作用可有效實現(xiàn)長江中游城市群縣域能源消費碳減排。

表5 交互因子探測結(jié)果

3 結(jié)論與討論

3.1 結(jié)論

本文將DMSP/OLS與NPP/VIIRS兩套夜間燈光數(shù)據(jù)相銜接,結(jié)合省級能源消費碳排放數(shù)據(jù),反演出長時間序列的長江中游城市群縣域尺度能源消費碳排放數(shù)據(jù),揭示了其碳排放的時空演變特征,并基于地理探測器探討了其影響機制及機制間的交互效應(yīng)。主要結(jié)論如下:

1)2000—2019年長江中游城市群縣域能源消費碳排放總體呈上升趨勢,碳排放量由2000年的297 Mt增至2019年的768 Mt,以2011年為拐點增速由快變慢,呈現(xiàn)出收斂趨勢,但并未達到碳峰值。其中,長江中游城市群內(nèi)部三大城市群縣域能源消費碳排放從大到小為武漢城市圈、長株潭城市群、鄱陽湖生態(tài)經(jīng)濟區(qū),武漢城市圈和長株潭城市群各縣(區(qū))對研究區(qū)碳排放貢獻在2011年后逐步減弱,而鄱陽湖生態(tài)經(jīng)濟區(qū)對其碳排放貢獻逐年增強。

2)長江中游城市群縣域碳排放存在明顯的空間分異特征,“核心—邊緣”結(jié)構(gòu)逐漸凸顯,形成了以省會城市及周邊縣(區(qū))為核心的三大高碳排放區(qū)。縣域碳排放呈現(xiàn)顯著的正向空間自相關(guān),空間關(guān)聯(lián)度呈減弱趨勢但漸趨穩(wěn)定;空間集聚模式主要為高高集聚和低低集聚,但兩大集聚區(qū)范圍均有減少,高高集聚區(qū)主要分布在武漢和長沙市各縣(區(qū)),低低集聚區(qū)主要分布在咸寧市、撫州市、吉安市、株洲市和衡陽市部分縣(區(qū))。

3)長江中游城市群縣域能源消費碳排放是多因子共同作用的結(jié)果。經(jīng)濟發(fā)展水平始終是主導(dǎo)因子,人口規(guī)模和公共支出也對碳排放的影響力較強,碳排放強度、城鎮(zhèn)化水平與產(chǎn)業(yè)結(jié)構(gòu)對碳排放的影響相對較弱。各影響因子交互作用對縣域碳排放的解釋力明顯增強,GDP與其他因子的交互作用對碳排放的貢獻率最強,其他交互因子的貢獻率相對較弱。

3.2 討論

通過長江中游城市群縣域碳排放影響機制對接其碳減排政策,長江中游城市群各縣(區(qū))應(yīng)抓住“十四五”窗口期,以高水平縣(區(qū))為先導(dǎo)轉(zhuǎn)變經(jīng)濟發(fā)展方式,制定合理人口政策以及優(yōu)化地方財政支出結(jié)構(gòu)為重點實現(xiàn)碳減排。經(jīng)濟發(fā)展水平對碳排放呈正向驅(qū)動作用,但短期內(nèi)實現(xiàn)各縣(區(qū))經(jīng)濟轉(zhuǎn)型較困難,應(yīng)結(jié)合三大省會城市及其周邊縣(區(qū))的碳減排對長江中游城市群整體碳減排的作用及省會城市現(xiàn)有基礎(chǔ),以武漢、長沙和南昌所轄縣(區(qū))為先導(dǎo),分別以“光芯屏端網(wǎng)”等新能源開發(fā)、燃油汽車電動化智能轉(zhuǎn)化和有序開發(fā)新能源汽車為重點,發(fā)揮武漢東湖、湘江新區(qū)及贛江新區(qū)的引領(lǐng)作用,以高水平縣(區(qū))碳減排實現(xiàn)整體碳減排;人口規(guī)模及人口跨區(qū)域活動的增加會導(dǎo)致碳排放增多,但單一控制人口增長并不是有效途徑,應(yīng)結(jié)合當(dāng)下長江中游城市群人口紅利逐漸消失的現(xiàn)狀以及各縣(區(qū))差異,推動人口向節(jié)能減排技術(shù)研究方面流動,改善人口教育結(jié)構(gòu);同時推動縣(區(qū))人口適當(dāng)向城鎮(zhèn)集中,實現(xiàn)規(guī)模和集聚效應(yīng),推動碳減排。公共支出通過對企業(yè)技術(shù)創(chuàng)新以及綠色基礎(chǔ)設(shè)施的財政支持,對碳減排產(chǎn)生作用,因此要優(yōu)化財政支出結(jié)構(gòu),同時確保財政支持落實到縣(區(qū))乃至鄉(xiāng)鎮(zhèn)政府,促進長江中游城市群高碳排放縣(區(qū))向低碳排放轉(zhuǎn)型。

本文基于DMSP/OLS和NPP/VIIRS兩套夜間燈光數(shù)據(jù),構(gòu)建了2000—2019年長時間序列的DMSP/OLS夜間燈光數(shù)據(jù)集,并結(jié)合省級能源消費數(shù)據(jù),反演出長江中游城市群縣域能源消費碳排放數(shù)據(jù),提高了數(shù)據(jù)的精確性和實效性。但文章還存在一些不足:首先,由于縣域尺度數(shù)據(jù)獲取受限,缺乏真實縣域能源消費碳排放數(shù)據(jù),因此該數(shù)據(jù)缺乏穩(wěn)健性檢驗;其次,碳排放近年來呈現(xiàn)收斂態(tài)勢,而夜間燈光數(shù)據(jù)近乎線性增強,如何更精確地運用夜間燈光數(shù)據(jù)模擬碳排放,是今后碳研究的重要突破方向。