基于夜间灯光数据的京津冀地区碳排放的时空演化特征及影响因素*

苏旭冉 蔺雪芹

(首都师范大学资源环境与旅游学院,北京 100048)

0 引 言

中国自改革开放以来，伴随经济的快速增长，碳排放量迅速增加.2010年中国超过日本成为世界第二大经济体，2013年中国超过美国成为世界第一大货物贸易国，同时中国CO2排放量由1980年的14.7亿吨增加到2013年的104亿吨，达到全球碳排放总量的29%，超过欧盟和美国碳排放量的总和，成为世界第一大碳排放国[1].巨大的碳排放量及较高的增速，使得中国经济发展面临巨大的减排压力.京津冀地区是中国经济增长的三大引擎之一，是中国重要的人口密集地区及能源消耗和工业集聚地.2012年京津冀地区能源消费总量4.56亿吨标煤，占全国能源消费量的12.6%.2015年4月，中央政治局会议审议通过了《京津冀协同发展规划纲要》，纲要指出，要将推动京津冀地区环境保护一体化作为实现京津冀协同发展的重要突破口.为此，积极探索低碳经济发展模式是京津冀地区发展的必经之路，是我国应对国际压力、承担大国责任的体现，也是实现节能减排降碳目标、减轻生态环境压力的唯一出路.

目前，关于碳排放的研究主要集中在以下几方面：(1)基于不同方法对碳排放进行的相关研究.主要方法有结构分解方法[2-3]、指数分解方法[4-6]、环境压力等式[7]、STIRPAT模型[8]、时空地理加权回归模型[9]、多指标面板数据聚类分析[10]、极值边界分析[11].(2)不同空间尺度的研究.就全国层面而言，邓吉祥等[12]，程叶青等[13]，孙赫等[14]分别采用不同的方法与模型研究了中国碳排放的时空差异与演变规律；在省级层面陶玉国等[15]，高彩玲等[16]分别针对江苏省旅游业、河南省能源消费的碳排放进行测度及影响因素解析；在城市层面张丽峰[17]，王莉雯和卫亚星[18]分别以北京、沈阳为研究区域，探讨了碳排放与经济发展的关系.(3)碳排放影响因素的研究.秦耀辰等[19]，孙昌龙等[20]对城镇化影响碳排放的研究进行了系统研究与梳理，虽然研究区域，研究方法各异，但均表明城镇化与碳排放之间存在一定的相关关系；郭朝先[21],Tian和Zhang[22]认为现阶段的中国，经济总量的增长会导致碳排放的增加；张小平和方婷[23],Birdsall[24]研究了人口数量与碳排放之间的关系，表明人口总量的增长会导致温室气体的增加；还有研究认为，产业结构决定CO2排放的基本走向，刚性的产业结构使得单位CO2排放居高不下，以第二产业为主导的产业结构对我国CO2排放产生了明显的增速效应，延缓了CO2排放倒“U”型变化过程[25-26]；张晓平和孙磊认为提高能源效率对碳排放的升高具有抑制作用[27]；张雷认为多元化的能源消费结构可以有效地减少碳排放[28]；(4)碳减排策略的研究.黄玲和张映红[29]，朱永彬等[30]，方恺等[31]，苏杭和孙健[32]分别从立法，发展清洁能源，开发低碳技术，政府提供资金和政策支持等方面提出了降低碳排放的措施.

目前对于碳排放的研究较为全面，但基于地理学视角，从区县微观尺度单元，对京津冀地区碳排放时空演化特征和影响机理的系统研究尚不多见.基于此，本文采用1992—2012年京津冀地区160个区县的DMSP/OLS夜间灯光影像数据，利用ArcGIS空间分析方法和空间计量模型，分析了京津冀地区碳排放的时空演化特征，并剖析了其主要影响因素.研究对于推动京津冀地区社会经济发展的低碳转型，为区域差异化碳减排政策的制定提供了重要的参考依据.

1 研究方法和数据来源

1.1 研究方法

1.1.1夜间灯光数据值与CO2排放量的拟合关系

苏泳娴等[33]基于市级单元夜间灯光数据，建立了夜间灯光数值与CO2排放量之间的关系方程，认为CO2排放与夜间灯光数据(night-time satellite data, SDN)具有较好的线性相关关系，在0.01水平上显著相关，模拟的碳排放量与统计数据计算值的相对误差为7.65%.具体关系如公式(1)所示.本文采用上述方法，基于夜间灯光数据对京津冀地区碳排放进行估算.

CO2=SDN/0.041.

(1)

为了验证夜间灯光数据估算的碳排放量的可信度，基于数据可获性，本文选取2012年北京、天津、河北省11市的能源消费数据，根据IPCC公布的《2006温室气体排放清单》，公式(2)所示[34]，计算出13市分类别的能源消耗产生的实际碳排放量，经比较发现夜间灯光数据估算的碳排放精确度高达90.3%，相对误差绝对值在0.8%～3.5%之间(表1)，在可接受范围之内.由此可见，基于夜间灯光数据估算的碳排放量的精度良好，可用于开展京津冀地区碳排放的时空演化机理及影响因素研究.

(2)

式中Ki为能源i碳排放系数(万吨碳)/(万吨标准煤)；i为能源种类，Ei为能源i消费量，按标准煤计算，单位为万吨；各种能源的标准煤折算系数和碳排放系数见表2.

表1 2012年夜间灯光数据估算所得碳排放量与能源消费碳排放量

表2 能源碳排放系数表

1.1.2核密度分析法

核密度分析是运用 ArcGIS 空间平滑技术，对点状数据进行平滑处理[35]，进而得到数据的聚类特征.其原理是以P点为圆心，以阈值h为半径，统计以P、h为圆的范围内要素点的数量并除以圆的面积[36].以P点为圆心的碳排放量的核密度方程为：

(3)

式中，n表示距离尺度范围内所包含的区县数量;k表示核密度函数;h表示距离阈值，即核密度估计法的尺度;d(x，xi) 表示两点之间的欧式距离.

1.1.3空间自相关检验

Moran′sI包括全局Moran′sI和局部Moran′sI[37].全局Moran′sI能有效反映区域整体碳排放集聚情况，值介于-1～1之间，大于0为正相关，且越接近1，正相关性越强，即邻接空间单元之间具有很强的集聚性；小于0为负相关，且越接近-1，负相关性越强，即邻接空间单元之间具有很强的差异性，接近0则表示邻接空间单元不相关.局部Moran′sI能识别局部区域碳排放的空间集聚特性.

(1)全局自相关检验.

(4)

(2)局部自相关检验.

(5)

其中，xi、xj分别代表i、j区(县)的碳排放观测值；n为样本总数，代表被观测的160个区县；Wij为空间权重矩阵，本文采用邻接标准来定义，当区(县)i与区(县)j相邻时，Wij=1，否则，Wij=0，i=1,2,…，n，j=1,2,…，m.

1.1.4碳排放影响因素与模型选择

碳排放受众多因素的影响.参照已有研究[2,4,6,11,16]，考虑京津冀地区社会经济发展特征及区县尺度数据的可获性，选取碳排放量(CO2)作为因变量，人口规模(POP)、人均GDP(PGDP)、城市化水平(URB)、第二产业比重(IND)、固定资产投资(FAI)、社会劳动生产率(LAB)作为自变量构建碳排放影响因素的分析模型来分析京津冀地区社会经济要素对区域碳排放的影响.

一般情况下，碳排放并不是一个完全独立的观测值，其变化要受到周边区域一系列因素的影响[38]，因此，不能忽视空间效应.考虑空间效应的空间计量回归模型一般有空间滞后模型(SLM)与空间误差模型(SEM).选择空间模型时，需要根据普通最小二乘法(OLS)的拉格朗日乘数的显著性确定模型选择.若拉格朗日乘数LM(lag)比LM(error)在统计上显著，且 R-LM(lag)比R-LM(error)显著，则选择空间滞后模型进行分析，其一般形式为：

Y=c+ρWY+Xβ+ε,

(6)

式中：c为常数项，ρ是空间自回归系数，W为空间权重矩阵，Y表示被解释变量的观测值；X为自变量，β是k维列向量，表示相应解释变量的系数；ε为随机误差项.

若拉格朗日乘数 LM(error)比LM(lag)在统计上显著，且R-LM(error)比R-LM(lag)显著，则选择空间误差模型进行分析，其一般形式为：

Y=C+Xβ+μ,μ=λWμ+ε,

(7)

式中：μ为n×1维残差矩阵，λ为残差自相关系数.

为反映影响碳排放影响因素的变化，基于数据可获性，选取京津冀2000年与2012年的数据，经检验发现空间滞后模型通过显著性检验且拟合程度较好(表3)，因此选用空间滞后模型验证影响京津冀地区碳排放的影响因素.具体模型设定如下：

lnCO2=c+ρWlnCO2+β1lnPOP+β2lnPGDP+
β3lnFAI+β4lnLAB+β5URB+β6IND+ε,

(8)

式中，lnCO2，lnPOP，lnPGDP，lnFAI，lnLAB分别是碳排放，人口规模，人均GDP，人均固定资产投资，劳动生产率的自然对数值，以减少异方差对模型估计的影响.

表3 SLM模型和SEM模型估计结果

1.2 数据来源

本文使用的京津冀地区DMSP/OLS城市夜间灯光影像数据来自于密歇根大学中国信息研究中心的中国空间信息系统(China geo-explorer)数据库.数据来源于2000与2012年的《中国能源统计年鉴》《河北省统计年鉴》、北京、天津、石家庄、唐山、保定、廊坊、沧州、秦皇岛、衡水、邯郸、承德、邢台、张家口13市统计年鉴、中国县域统计年鉴、中国区域经济统计年鉴.

2 结果与分析

2.1 京津冀地区碳排放的时空演化特征

本部分主要对京津冀地区碳排放的时空演化特征进行了深入分析，旨在探究京津冀地区碳排放随时间与空间变化的演化特征，对于明确京津冀地区各区县碳排放的时间与空间演化趋势具有重要意义．

2.1.1京津冀地区碳排放的时间演化特征

从碳排放体量看(图1)，1992—2012年京津冀地区碳排放量随时间推移大致呈波动上升的趋势，碳排放在2010年达到峰值，之后碳排放量与增速有所缓和.2012年碳排放量比1992年增长27 150万吨.分地区来看，碳排放量居前三位的依次为天津、北京、廊坊.天津CO2排放量最高，2012年碳排放量达9 120万吨，比1992年增加5 291万吨.北京市2012年碳排放量为7 390万吨，比1992年增加3 683万吨.廊坊2012年碳排放量为5 200万吨，较1992年增加3 566万吨，与此同时，廊坊市也是河北省CO2排放最多的地区.京津冀地区CO2排放量最少，增速最慢的为承德，2012年碳排放量为420万吨，较1992年增长347万吨.碳排放位居倒数第二位的为张家口.整个河北省呈现廊坊>唐山>邯郸>石家庄>沧州>邢台>衡水>保定>秦皇岛>张家口>承德的格局.

图1 1992—2012年京津冀地区碳排放量时间变化趋势图

从各城市碳排放占京津冀地区碳排放总量的比重看(图2)，21年间京津廊碳排放量约占京津冀地区碳排放总量的一半，其中北京，天津两市所占比重的变化走势大致相同，除2003年有大幅提高达到峰值之外，基本呈波动下降的趋势，尤以北京碳排放比重下降幅度最大.廊坊碳排放比重则大致呈现出逐年递增的态势；此外唐山，邯郸，石家庄的碳排放量也位居前列.唐山所占比重的变化趋势大致为波动上升；邯郸碳排放比重大致呈波动下降的趋势；石家庄碳排放比重变化则表现的较为稳定；碳排放比重最小的仍然为承德与张家口.

图2 1992—2012年京津冀地区分城市CO2排放量比重图

2.1.2京津冀地区碳排放的空间演化特征

ArcGIS空间统计图(见图3)显示，京津冀地区碳排放存在显著的时空分异特征，且呈明显的圈层分化格局.将碳排放量分为3个类型区，即低值区(<3 000万吨)、中值区(3 000～5 000万吨)及高值区(>5 000万吨).从1992、2000、2008和2012年碳排放的时空分布及体量来看，京津冀地区CO2排放量呈现持续增长的态势.具体可分析出如下3个特征：

图3 京津冀地区碳排放量空间分布

(1)高值区空间分布较为稳定，主要集中在城市的中心市区.

碳排放高值区主要集中在北京、天津主城区及石家庄、唐山、秦皇岛、保定、邢台、邯郸、沧州市7个市辖区，长期以来基本没有变化.究其原因中心市区基础设施完善，人口集聚程度高，交通路网更为通畅，城市运转、人口活动时间较长，人口对资源能源的消耗力度较大.因此决定了碳排放量高值区主要集中在中心市区.

(2)中值区紧凑高值区出现且范围逐年增大，大都集中于各大城市的近郊区.

1992年中值区主要分布在张家口，秦皇岛市辖区；2000年秦皇岛市辖区转变为高值区，中值区在张家口市辖区的基础上范围进一步扩大，廊坊市辖区、承德市辖区及北京的顺义-通州-大兴也位列其中；2008年又增加了昌平，霸州，正定，栾城，邯郸县；2012年衡水市辖区，廊坊香河县，天津武清县、静海县，石家庄鹿泉区，井陉矿区，唐山丰润县，迁安也步入中值区.包围城市的近郊区是城市空间及人口扩张的主阵地，受城市中心区的辐射带动作用较强.因此中值区就会首先出现在紧邻城市中心区的近郊区，由此范围逐渐扩大.

图4 京津冀地区碳排放核密度分析

(3)随着时间推移低值区碳排放量整体在逐渐增多，低值区有向中值区转化的倾向.

京津冀地区西北部(张家口，承德及保定市西部县域)和衡水碳排放量一直居于整个研究区域的最低值.西北部地区及衡水受城市功能定位影响，产业多以第一产业及相关延伸产业为主，经济开发，工业化与城镇化建设强度低，因此碳排放最少；河北省中南部及沿海城市区县的碳排放呈逐渐增多的趋势.该区域区位条件优越，积极承接京津地区的产业转移，工业基础较好，经济发展模式具有一定的外向型特征，工业化发展水平较高，耗能力度大，碳排放也相对较高.

2.1.3京津冀地区碳排放的空间结构演化特征

经核密度分析法得到京津冀地区碳排放核密度(图4).1992年碳排放空间格局呈“一主一副双核”结构，分别为以天津市区及周边区县为主核心，以北京市区及周边区县为副核心.2000年，碳排放的“一主一副双核”结构继续强化，空间范围略有扩大，同时在石家庄、邯郸、唐山出现碳排放较高的集聚区域.2008年由于北京奥运会的举办，为保证空气质量，京津冀地区实行协同减排，碳排放得到有效控制，京津冀大部分地区碳排放量下降，空间结构由“双核”转变为以北京、天津、唐山、邯郸、保定、沧州、石家庄、秦皇岛、张家口等为中心的“低密度多片区结构”.2012年，“一主一副双核”结构持续增强，空间范围基本不变，同时在石保唐邯等地形成潜在的碳排放核密度高值区.

2.1.4京津冀地区碳排放的空间相关性分析

为进一步揭示京津冀地区区县尺度CO2排放量的空间集聚特征，对1992、2000、2008及2012年京津冀地区碳排放量进行全局与局部自相关分析(见图5).结果显示京津冀地区160 个区县四年间全局Moran’sI分别为0.497 8、0.615 9、0.431 8、0.627 0，呈现显著正相关的发展态势.

高高聚集区的分布经历了从无到有，且范围不断扩大.2000年主要分布于廊坊市区、北京大兴县，2008年范围南移，主要分布在石家庄鹿泉、栾城，邯郸市辖区，2012年范围北移，且空间范围扩大，在2008年基础上增加了北京昌平，廊坊霸州；高低集聚区空间分布较为稳定，主要分布于张家口市区、承德市区；低高聚集区主要集中在冀中地区环京津区县带；低低聚集区的空间分布相对也较稳定，主要分布在张家口北部，西部，承德北部，保定西部，衡水市区.

图5 京津冀地区CO2排放的局部空间自相关分析

2.2 京津冀地区碳排放的影响因素分析

从空间滞后模型下2000和2012年碳排放的影响因素分析(表4)可以看出，2000年城镇化水平、第二产业增加值占比、人口规模、人均GDP对京津冀地区碳排放呈显著正向影响，并且这些指标对区域碳排放的带动作用依次减小.城镇化水平提高实质是城镇人口的迅速增长及与之配套的基础设施的建设.人口规模对碳排放的影响可归结为对物资能源的消费与需求体量、乡村人口转变为城镇人口过程中在生活方式、土地利用方式的变化上；第二产业是能源消耗的主要部门，工业能源利用效率不高，且以煤炭为主的单一能源消费结构促使了碳排放的增加；2000年京津冀地区人均GDP虽然有了显著增长，但经济发展结构尚未改变，经济发展方式仍较为粗放，形成了较高的碳排放，造成了经济发展的不可持续[39].

表4 空间滞后模型下2000和2012年碳排放的影响因素分析

注：*、**、***分别表示在10%、5%和1%的水平上显著

2012年对京津冀地区碳排放具有正向影响的因素由大到小依次为人口规模、城镇化水平、固定资产投资、劳动生产率.与2000年相比，人口规模碳排放贡献率成为最显著影响因素，固定资产投资和劳动生产率也由2000年不显著转变为显著影响因素.我国固定资产投资较大比重都投放在基础设施建设上[40],基础设施建设过程中必不可少的要消耗大量化石能源，由此加剧了碳排放；劳动生产率提高使得商品价格下降，刺激了消费造成了碳排放的增长；2012年人均GDP与碳排放的关系发生显著变化，转变为负相关，即随着人均GDP的提高，京津冀地区碳排放量下降，即对于京津冀地区而言，经济发展的同时，碳排放有望逐步减小.

3 结论与建议

3.1 结论

本文采用1992—2012年京津冀地区分区县的夜光灯数据值，定量分析了京津冀地区区县尺度碳排放的时空演化特征，并对碳排放的影响因素进行了分析.研究表明：

(1)从时间变化来看，1992—2012年京津冀地区13市碳排放大体上呈逐渐增长的趋势，碳排放量位居前三的依次为天津、北京、廊坊，约占整个京津冀地区碳排放总量的一半.CO2排放量最少，增速最慢的为承德.

(2)碳排放空间分布呈明显的圈层结构，高、中、低值区由中心市区-近郊区-远郊县依次分布，高值区空间分布较为稳定，低值区有向中值区转化的倾向且以津京为中心的“一主一副双核”结构持续增强，空间范围基本不变，同时石保唐邯形成潜在的核密度高值区；碳排放呈显著空间自相关，呈正相关模式的区域主要集中在自身及邻近发展水平相似的区县，负相关的区域主要出现在经济水平差异较大的相邻区县.

(3)社会经济要素对碳排放呈现阶段性的影响.城镇化水平，人口规模一直是京津冀地区碳排放的正向推动因素，固定资产投资与社会劳动生产率对碳排放的正向推动作用逐渐凸显，经济发展水平与碳排放的关系由正相关转变为负相关，表明经济发展水平对于碳排放的遏制作用日益显著.

3.2 建议

从本文的研究结论来看，城镇化、人口规模与经济发展水平是碳排放的重要影响因素.需要指出的是，以上因素对碳排放的影响呈显著的阶段性特征，碳排放要受到诸多因素复杂作用的影响，相关要素对碳排放的方向与强度存在质与量的差异.为此，本文提出如下建议.

(1)十三五规划纲要提出：要全面推进以人为核心的新型城镇化建设目标，加快农业转移人口市民化.因此，在探讨遏制碳排放的手段时，要避免完全否定城镇化与人口规模的扩张，应找准经济发展、城镇化建设与生态环境保护之间的平衡点，合理控制人口规模，避免人口过度膨胀给资源环境带来的负面影响.

(2)京津冀三地要共同落实协同减排目标以增强经济发展的可持续性.具体要做到：合理调整三次产业结构，积极开发利用清洁能源，减少化石能源的使用，改进工业生产技术以提高能源利用效率，降低固定资产投资的能耗强度，树立全民绿色消费理念，促使经济向低能耗、低排放的新路子发展.