基于夜間燈光數據的關中平原城市群碳排放時空演變多尺度分析

摘要：選取關中平原城市群為研究對象，線性反演2001—2020年關中平原城市群市域的碳排放量，并探究不同尺度上碳排放時空分布的動態規律，結果表明：碳排放增速較快的地區主要集中在陜西省中、南部；2001—2020年市域碳排放均表現為顯著的空間正相關；2001—2020年市域碳排放的顯著性空間關聯類型基本一致，表現為高碳排放區集中在山西省和陜西省，低碳排放區集中在甘肅省。本研究能為關中平原城市群區域化、差異化碳減排政策的制定與實施提供一定的支撐。

關鍵詞：碳排放；關中平原城市群；夜間燈光數據

中圖分類號：X321文獻標識碼：A文章編號：2095-6916（2024）17-0028-05

Multi Scale Analysis of Temporal and Spatial Evolution of Carbon Emissions

in Guanzhong Plain Urban Agglomeration Based on Night Light Data

Dong Xiuping1Yang Zhijie2

（1. Xi’an Transportation Development Research Center， Xi’an 710082;

2. School of Economics and Management， Chang’an University， Xi’an 710064）

Abstract： Taking the Guanzhong Plain Urban Agglomeration as the research object， the carbon emissions of the Guanzhong Plain urban agglomeration from 2001 to 2020 were inversed linearly， and the dynamic laws of the temporal and spatial distribution of carbon emissions at different scales were explored. The results showed that the regions with rapid growth of carbon emissions were mainly concentrated in the middle and south of Shaanxi Province; from 2001 to 2020， the regional carbon emissions showed a significant positive spatial correlation; the significant spatial correlation types of urban carbon emissions from 2001 to 2020 are basically the same， showing that the high carbon emission areas were concentrated in Shanxi and Shaanxi provinces， and the low carbon emission areas were concentrated in Gansu Province. This study can provide certain support for the formulation and implementation of regionalization and differentiated carbon emission reduction policies in Guanzhong Plain urban agglomeration.

Keywords： carbon emissions; Guanzhong Plain Urban Agglomeration; night light data

關中平原城市群作為西部大開發戰略的龍頭和西北地區經濟發展的重點區域，各城市的經濟水平已步入新的發展階段，城市的能源碳排放也在相應增加。目前各大城市要從產業體系創新、低碳能源基地建設、綠色產業投入升級、清潔生產技術改造、散煤治理等多方面出發，積極探尋區域減碳、降碳新途徑。然而，區域內各城市甚至各縣之間在煤炭資源稟賦、經濟發展水平、城市化進程等方面存在明顯的差距，導致區域碳排放的分布格局具有空間異質性［1］。因此，有必要細化關中城市群碳排放空間格局的動態研究，深入分析市域不同視角下碳排放的空間集聚特點，為精準定位重點減排區域，制定針對性、差異化的減排措施提供理論依據和實踐支撐。

一、研究概況與數據來源

（一）研究區域概況

關中平原城市群（簡稱“關中城市群”）位于我國中部地區，規劃范圍包括山西、陜西、甘肅三個片區，在2018年發展成為國家級城市群。在城市化建設水平和經濟發展水平提高的同時，關中城市群綜合能源需求量也逐漸上升，致使區域碳排放相應增加，因此，該地區的碳排放具有極大的研究價值。

（二）數據來源

本文主要使用到三類數據，包括DMSP/OLS和NPP/VIIRS夜間燈光數據、全國市、縣行政界線矢量數據以及多種社會經濟統計數據，其中，（1）夜間燈光數據包括DMSP/OLS和NPP/VIIRS兩種夜間燈光遙感影像數據集，我們將兩組夜間燈光進行融合，構造時間跨度為2001—2020年的年度夜間燈光數據集；（2）全國市、縣行政界線矢量圖數據來自于國家基礎地理信息中心，我們借助此數據裁剪研究區域為關中平原城市群的矢量圖，用于全球夜間燈光影像的掩膜提取工作和后續分析；（3）各省分品種能源消費量來自于《中國能源統計年鑒》，各區縣年末常住人口、國內生產總值和第二產業增加值均來自于各省市統計年鑒和國民經濟與社會發展統計公報；能源折算標準煤系數來源于《中國能源統計年鑒2017》；碳排放因子數據來源于《中國能源統計年鑒》和《2006年國家溫室氣體排放清單指南》。

二、研究方法

（一）碳排放量估算模型

1.統計碳排放計算

參考IPCC發布的碳排放計算方法，使用官方公布的各類能源消費數據和排放系數，估計2001—2019年陜西、山西和甘肅的統計碳排放量，具體如式（1）：

TPF=4412×∑9i=1ξiEi 式（1）

其中，TPF代表碳排放量，Ei代表第i種能源折算為標準煤的消耗量，ξi代表第i種能源的碳排放系數，相關系數見表1。

2.擬合碳排放計算

參考已有研究成果，同一地區的夜間燈光總值和碳排放量之間存在較強的線性關系［2］。考慮到市域的能源統計數據較難獲取，而不同尺度上的相關關系具有一致性，因此通過數據預處理，提取了2001—2019年陜西、山西和甘肅省的夜間燈光總值，將其和對應時期的統計碳排放量進行線性回歸，回歸模型的相關系數達到0.83，擬合優度良好，具體如式（2）：

TPF=a×TDN＋b 式（2）

其中，a=0.031，b=-4.423，TPF、TDN分別代表對應地區的碳排放和夜間燈光數據。以此公式為基礎，利用校正后的2001—2020年關中城市群市域夜間燈光DN值估算出2001—2020年關中城市群市域碳排放量。

3.碳排放擬合精度檢驗

為進一步檢驗碳排放的估計精度，對統計碳排放和擬合碳排放進行線性回歸。如圖1所示，統計量和估計值之間的均方根誤差為4 659.89萬t，最大相差12 913.06萬t，最小相差14.22萬t，相關系數為0.964 3，平均相對誤差為9.79%。利用夜間燈光數據構建的碳排放線性估算模型精度良好，可以用于估計關中城市群市域的碳排放量，開展不同尺度上碳排放的時空演變特征研究。

（二）碳排放時空演變分析方法

在省級尺度上將各省片區分別視為一個省級地理單元，在地級市尺度上將各市或市片區分別視為一個市級地理單元，在縣級尺度上將各區、縣分別視為一個縣級地理單元。因此，研究范圍包括關中平原城市群的3個省級地理單元、11個地級市地理單元和90個縣級地理單元，具體分析方法如下。

1.傾向值分析法

傾向值分析法是通過普通最小二乘法估計時間和分析變量所構造的一元線性回歸方程的斜率項，即SLOPE值，來分析一定研究期內變量的時間變化趨勢，包括總體序列性的上升（SLOPE>0）、下降（SLOPE<0）或者穩定不變（SLOPE=0）等規律，SLOPE的計算如式（3）：

SLOPE=n×∑ni=1xiyi－∑ni=1xi∑ni=1yin×∑ni=1xi2－（∑ni=1xi）2 式（3）

在本文中，n代表總年數，取值是20；xi代表第i年（2001年是第一年），取值為1—20；yi代表第i年的碳排放總量。SLOPE值的大小可以反映碳排放隨時間變化的快慢程度，按照表2的標準將各區縣的碳排放類型劃分為五種，其中，h－、s分別代表關中城市群各區縣SLOPE在2001—2020年的均值和標準差。

2.空間自相關分析方法

按照分析的空間范圍不同，空間自相關分析包括全局空間自相關和局部空間自相關［3］。對于全局性分析，常用全局Moran’s I指數來衡量研究區域的整體關聯程度；對于區域性分析，常用局部Moran’s I指數和LISA顯著圖來解釋局部區域的集聚特征和空間差異性。

（1）全局Moran’s I指數。該指數可以用于分析在整體的空間范圍內，某屬性呈現的空間格局和相關關系，也可以判斷該屬性在相鄰地理單元的相似程度，具體計算如式（4）：

I=n×∑ni=1∑nj=1Wij（xi－x－）（xj－x－）∑ni=1∑nj=1Wij∑ni=1（xi－x－）2 式（4）

其中，I代表全局Moran’s I指數，n為研究的地理單元個數，xi、xj代表某屬性在第i個和第j個地理單元的數值，x－代表某屬性在整個研究區域的均值，Wij代表空間權重矩陣。采用Queen標準來定義研究區域內各地理單元是否相鄰，即共有邊界或共有頂點的兩個單元均為鄰近關系。

（2）局部Moran’s I指數和LISA顯著圖。該指數可以顯示局部范圍內的顯著性集聚現象，識別某一地理單元與周邊區域的空間差異，具體如式（5）：

Ii=（xi－x－）s2∑nj=1Wij（xj－x－）=zi∑j≠iWijzj 式（5）

其中，s2代表該屬性觀測值在研究區域內的方差，zi、zj分別代表第i、j個地理單元該屬性值的標準化。該指標需要進行顯著性驗證，其z值定義如式（6）：

z（Ii）=Ii－E（Ii）var（Ii） 式（6）

其中，E（Ii）、var（Ii）分別代表它的期望均值和期望方差。在此基礎上，LISA顯著圖可以突出顯示Ii通過z檢驗的地理單元，并按照Ii和zi的正負將其劃分為五種集聚情況：①HH（高高聚集）型。當Ii>0、zi>0時，第i個地理單元的標準化屬性值為正數，屬于高值區域，且局部呈顯著的正相關性，區域差異小，表現為高值區域的局部集聚；②LL（低低聚集）型。當Ii>0、zi<0時，第i個地理單元的標準化屬性值為負數，屬于低值區域，且局部呈顯著的正相關性，區域差異小，表現為低值區域的局部集聚；③LH（低高聚集）型。當Ii<0、zi<0時，第i個地理單元的標準化屬性值為負數，屬于低值區域，且局部呈顯著的負相關性，區域差異大，表現為中心區域屬性值較低，周邊區域屬性值較高的空間格局；④HL（高低聚集）型。當Ii<0、zi>0時，第i個地理單元的標準化屬性值為正數，屬于高值區域，且局部呈顯著的負相關性，區域差異大，表現為中心區域屬性值較高，周邊區域屬性值較低的空間格局，后面兩種情況容易產生擴散和溢出效應；⑤不顯著區域。

三、結果分析

（一）多尺度下的碳排放時空演變總體特征

2001—2020年，陜西、山西、甘肅片區的碳排放總量整體上呈現出上升趨勢，其中山西2市的碳排放總量從3 264萬t增長到7 417萬t；甘肅3市的碳排放總量從723萬t增長到2 425萬t，增幅超過3倍；陜西6市的碳排放總量從2001年的4 572萬t增長到2020年的16 053萬t，增幅達到近4倍，并且碳排放總量始終位居第一（見圖2）。

由圖2可知，甘肅省（片區）在2001—2020年碳排放總量增長較為平穩，且呈持續上升趨勢，年均增長率為6.71%。山西省（片區）在2001—2020年碳排放總量增速緩慢，年均增長率為4.57%，且在2015—2020年存在負增長。陜西省（片區）在2001—2020年碳排放總量增長較為明顯，2001—2010年和2015—2020年增長趨勢較快，年均增長率分別達到11.56%和4.05%；2010—2014年增速減緩，增長率為1.53%；2014—2015年出現明顯拐點，增長率下降到-7.29%。

在對碳排放總體格局進行分析的基礎上，為明確市域尺度上各地區碳排放的時間變化趨勢，利用傾向值法（SLOPE）對2001—2020年關中城市群各地區的碳排放總量進行趨勢分析，并采用一定標準將其劃分為緩慢增長型、較慢增長型、中速增長型、較快增長型和迅猛增長型。在市域尺度上，關中城市群共有6個緩慢增長型和3個較慢增長型的城市，在三個省均有分布；中速、較快和迅猛增長型的城市均分布在陜西省中部和南部地區。總體來看，碳排放的時空變化特征在市級和縣級尺度上具有一致性。由于各區縣經濟發展政策和經濟發展水平的不同，不同尺度上碳排放的增長趨勢存在一定的內部差異。

（二）多尺度下的碳排放時空演變動態分析

1.碳排放全局空間自相關分析

為分析地級市尺度上碳排放的整體空間分布情況，判斷研究對象是否存在顯著的空間相關性和集聚程度，計算出相應的全局Moran’s I指數、z值和p值。2001—2020年，關中城市群地級市尺度碳排放的全局Moran’s I指數均為正數，空間相關性呈逐漸下降的趨勢，由2001年的0.287變動為2020年的0.118，說明隨著現代化建設特別是西部大開發的推進，關中城市群各地市的經濟發展呈現出多點網狀分布格局和均勻分布態勢，高值（低值）聚集的現象得到改善，高耗能、高排放行業企業不再集中于少部分重點大型城市，中小型城市的產能結構得到調整和升級。同時，2001—2020年z值均大于1.96，p值均在0.05水平上顯著，說明在20年中關中城市群11個地市的碳排放存在顯著的空間分布正相關性和空間集聚分布程度。整體而言，2001—2020年地級市尺度的全局Moran’s I數值均為正數，且呈現不同程度的下降趨勢，研究區域之間均具有顯著的空間正相關性。

2.碳排放局部空間關聯分析

為分析地級市尺度上碳排放的局部空間關聯情況，揭示關中城市群碳排放分布的空間異質性和區域集聚特征，明確碳排放集聚的具體地理位置，本文選取關中城市群2001、2007、2016和2020年的碳排放數據，計算局部Moran’s I指數并得到0.05顯著性水平下的LISA顯著性圖，如圖3所示。2001—2020年，關中平原城市群地級市尺度上形成以顯著HH型聚集為主，顯著LL型和LH型次之的碳排放空間分布格局。2001年，呈現顯著性集聚分布的城市占54.5%，其中碳排放分布模式為HH型和LL型的市級地理單元有5個，山西省臨汾和運城市（片區）、甘肅省平涼和天水市（片區）分別屬于HH型和LL型集聚分布，位于陜西省中部的渭南市呈HH型聚集，位于陜西省中南部地區的商洛片區呈LH型聚集；2007年，LL型城市減少1個，為甘肅省天水片區，其余城市碳排放分布類型不變，呈現顯著性聚集的城市占45.45%；2016年，LH型城市增加1個，為陜西省銅川市，其余較2007年保持不變，呈現顯著性聚集的城市比例為54.5%；2020年與2016年的區域聚集特征相同。2001—2020年碳排放呈LL型聚集的城市總數逐漸減少，其中甘肅省天水片區由LL型聚集轉變為不顯著聚集的離散分布，與鄰近區域的碳排放差異逐漸增大，也解釋了市域尺度上全局Moran’s I指數的下降趨勢。

總體來看，地級市尺度上關中城市群碳排放的空間格局主要為HH型正相關聚集，聚集趨勢由山西、陜西的高碳聚集區形成。以運城片區、臨汾片區、渭南市為中心的高—高聚集區保持長期不變，表現為高碳排放城市的集聚現象。以陜西省商洛市為中心的低—高聚集區也保持長期不變，由于商洛片區自身的碳排放量較低，將會受到周邊城市對其正向溢出的影響。陜西省銅川市由不顯著聚集轉變為LH型聚集，與鄰近區域的碳排放差異逐漸增大，說明該地區碳排放增長較為緩慢，與碳排放趨勢分析結果相對應。此外，甘肅3市片區城市化水平較低，生態環境管制嚴格，綜合能源消耗占比較少，屬于關中平原城市群的低碳排放區；山西和陜西城市的煤炭資源豐富、重工業比重較大，城市綜合能源消耗量大，屬于關中平原城市群的高碳排放區。

綜上，不同尺度上的碳排放時空演變特征分析結果存在整體一致性和內部差異性，省、市域視角下的結果揭示了關中城市群碳排放總體的時間變化趨勢和空間分布格局。多尺度分析方法有助于在宏觀政策制定的基礎上，提出差異化、精細化和針對性的區域減排政策。

四、結論

針對地級市及以下能源消費數據不足、數據統計口徑存在差異等問題，以DMSP/OLS和NPP/VIIRS兩類夜間燈光數據為切入點，通過校正融合獲得關中平原城市群2001—2020年的夜間燈光DN值，并以此為基礎，估算研究區域內3個省（片區）、11個城市（片區）的碳排放量，在此基礎上，探討關中平原城市群在不同研究尺度上碳排放的時空演變特征，主要結論如下。

1.2001—2020年關中平原城市群的夜間燈光分布范圍呈現明顯的擴大趨勢，具體表現為：以西安市為中心的城市區域向邊緣地區的擴散；運城片區和臨汾片區夜間燈光明顯的高值分散分布。

2.整體上看，甘肅省（片區）在2001—2020年碳排放總量增長較為平穩，且呈持續上升趨勢；山西省（片區）在2001—2020年碳排放總量增速緩慢且在2015—2020年存在負增長的情況；陜西省（片區）在2001—2020年碳排放總量變化趨勢較為明顯，且碳排放總量始終位居第一。

3.在市域尺度上，關中城市群碳排放增長緩慢的城市集中在山西和甘肅省，增速較快的城市分布在陜西省中部和南部地區。

4.通過計算全局Moran’s I指數發現，研究區域的尺度劃分會影響全局相關性的顯著程度，劃分尺度越小呈現的空間聚集性會越高。在市域尺度上，2001—2020年關中城市群碳排放的全局Moran’s I指數均為正數，空間相關性呈逐漸下降的趨勢。說明在20年中關中城市群11個地市的碳排放存在顯著的空間集聚分布，且各地市的經濟發展逐漸呈現出多點網狀分布格局和均勻分布態勢。

5.通過計算局部Moran’s I指數并結合LISA顯著圖發現，關中城市群碳排放在不同尺度上的顯著性空間關聯類型基本一致，均以正相關聚集為主導類型，表現為高碳排放區集中在山西和陜西境內，低碳排放區集中在甘肅，不同尺度上的顯著性類型存在局部差異性。

參考文獻：

［1］周翼，陳英，謝保鵬，等.關中平原城市群城市聯系與影響范圍分析［J］.地域研究與開發，2019（3）：54-59.

［2］趙小風，黃賢金，張興榆，等.區域COD、SO2及TSP排放的空間自相關分析：以江蘇省為例［J］.環境科學，2009（6）：1580-1587.

［3］李江蘇，孟琳琳，李韋華，等.黃河流域生產性服務業綜合發展水平時空演變及影響因素分析［J］.人文地理，2023（2）：116-125.

作者簡介：董秀萍（1969—），女，漢族，陜西西安人，西安市交通發展研究中心高級經濟師，研究方向為交通運輸規劃與管理、物流工程與管理。

楊治杰（2000—），男，漢族，山西長治人，長安大學經濟與管理學院博士研究生，研究方向為智慧交通系統及交通優化。

（責任編輯：王寶林）